Complemento para A Displina de Matematematica Discreta

verso 16 - Jernimo C.
Pellegrini
Complemento para a disciplina de Matemtica
r
ina
Discreta m
verso 16
eli
Pr
Jernimo C. Pellegrini
o
2 de abril de 2017
rs
Ve
verso 16 - Jernimo C. Pellegrini
ii
r
m ina
eli
Pr
o
rs
Ve
Sumrio
Sumrio iii
Nomenclatura vii
1 Conjuntos e Relaes 1
r
1.1 Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
ina
1.2 Grafos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Relaes de equivalncia . . . . . . . . . . . . . . . . . . . . . . . . . . 5
m
1.4 Relaes de ordem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
eli
2 Cardinalidade 13
Pr
2.1 A Hiptese do Contnuo . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3 Fundamentos da Contagem: Princpios Aditivo e Multiplicativo 21

o
3.1 Permutaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
rs
3.1.1 Com repeties . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

3.1.2 Com objetos idnticos . . . . . . . . . . . . . . . . . . . . . . . 26
Ve
3.2 Combinaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2.1 Com repeties . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.2.2 Tringulo de Pascal . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3 Coeficientes binomiais . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.4 Aproximaes para n! e n k . . . . . . . . . . . . . . . . . . . . . . . . 31
3.5 Teorema binomial generalizado . . . . . . . . . . . . . . . . . . . . . . 32
3.6 Problemas de ocupao: objetos e locais distinguveis . . . . . . . . . . 34
3.7 Problemas de ocupao: objetos indistinguveis, locais distinguveis . . 34
4 Princpio da Incluso e Excluso 37

4.1 Permutaes caticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.2 (n): contando co-primos . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.3 Contagem de funes sobrejetoras . . . . . . . . . . . . . . . . . . . . 44
5 Funes Geradoras 47
5.1 Funes geradoras ordinrias . . . . . . . . . . . . . . . . . . . . . . . 47
5.1.1 Aplicaes em contagem . . . . . . . . . . . . . . . . . . . . . . 51
5.2 Funes geradoras exponenciais . . . . . . . . . . . . . . . . . . . . . . 55
iii
iv SUMRIO
5.2.1 Aplicaes em contagem . . . . . . . . . . . . . . . . . . . . . . 55

5.3 Ocupao: objetos distinguveis, locais distinguveis . . . . . . . . . . . 56
5.4 Ocupao: objetos distinguveis, locais indistinguveis . . . . . . . . . . 57
5.5 Funes geradoras em Probabilidade . . . . . . . . . . . . . . . . . . . 58
5.6 Uma lista de funes geradoras . . . . . . . . . . . . . . . . . . . . . . 59
5.7 Leitura adicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
6 Parties de um Inteiro 61
6.1 Diagramas de Ferrers . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
6.2 Funes geradoras para parties . . . . . . . . . . . . . . . . . . . . . 62
6.3 Frmula exata para p(n) . . . . . . . . . . . . . . . . . . . . . . . . . . 64
6.4 Estimativa para p(n) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
6.5 Problemas de ocupao (objetos e locais indistinguveis) . . . . . . . . 65
6.6 Alguns fatos sobre parties . . . . . . . . . . . . . . . . . . . . . . . . 65
6.7 Leitura adicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
7 Recorrncias 67
r
ina
7.1 Definio e classificao . . . . . . . . . . . . . . . . . . . . . . . . . . 67
7.2 Soluo de recorrncias lineares de ordem um . . . . . . . . . . . . . . 70
7.3 Soluo de recorrencias lineares homogneas . . . . . . . . . . . . . . 71
m
7.3.1 Matriz associada . . . . . . . . . . . . . . . . . . . . . . . . . . 72
eli
7.3.2 Razes mltiplas . . . . . . . . . . . . . . . . . . . . . . . . . . 76
7.3.3 Diagonalizao da matriz associada . . . . . . . . . . . . . . . . 78
Pr
7.4 Equaes lineares no homogneas . . . . . . . . . . . . . . . . . . . . 79

7.5 Troca de variveis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
o
7.6 Funes geradoras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

rs
7.7 Diviso e conquista . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

7.8 Demonstrando que uma soluo candidata correta . . . . . . . . . . . 85
Ve
8 Princpio da Casa dos Pombos 89

8.1 Forma simples do princpio da casa dos pombos . . . . . . . . . . . . . 89
8.2 Generalizao do princpio da casa dos pombos . . . . . . . . . . . . . 93
9 Teoria da Contagem de Plya 95

9.1 Grupos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
9.2 Aes de grupo, Lema de Burnside . . . . . . . . . . . . . . . . . . . . 97
9.2.1 Lema de Burnside . . . . . . . . . . . . . . . . . . . . . . . . . . 100
9.3 Teorema de Enumerao de Plya . . . . . . . . . . . . . . . . . . . . . 101
10 O Mtodo Probabilstico 103

10.1 Primeiro Momento (esperana) . . . . . . . . . . . . . . . . . . . . . . 103
10.2 Linearidade da esperana . . . . . . . . . . . . . . . . . . . . . . . . . 106
10.3 Segundo momento (varincia) . . . . . . . . . . . . . . . . . . . . . . . 108
A Dicas e Respostas 111
Ficha Tcnica 115

SUMRIO v
ndice Remissivo 118
r
m ina
eli
Pr
o
rs
Ve
vi SUMRIO
r
m ina
eli
Pr
o
rs
Ve
Nomenclatura
!n quantidade de permutaes caticas de n elementos, pgina 40
2X conjunto das partes de X, pgina 3
[xn ] coeficiente de xn em funo geradora ordinria, pgina 48
r
cardinalidade de N, pgina 14
c cardinalidade de R (ou do contnuo), pgina 16
fix(g) elementos fixados por g, pgina 100

m ina
eli
dxe teto de x, pgina 2
Pr
bxc cho de x, pgina 2

n

combinaes com repetio, pgina 28
o
r
rs
orbG (x) rbita de x, pgina 99
(n) quantidade de coprimos antes de n, pgina 43

Ve
relao de ordem, pgina 9
bxe inteiro mais prximo de x, pgina 2
k}
{n Nmero de Stirling, pgina 57
stabG (x) estabilizador, pgina 99
n Conjunto de inteiros de 1 a n, pgina 10
A B interseo, pgina 1
A B unio, pgina 1
A \ B diferena entre conjuntos, pgina 1
A B A est contido em B, pgina 1
A B produto cartesiano de A e B, pgina 2
vii
viii SUMRIO
A4B diferena simtrica entre conjuntos, pgina 1

AC Complemento de A, pgina 2
Kn grafo completo com n vrtices, pgina 5
n![xn ]A(x) coeficiente de xn em funo geradora exponencial, pgina 55
p(n) quantidade de parties do inteiro n, pgina 61

R(k, `) nmero de Ramsey, pgina 104
S(n, k) Nmero de Stirling, pgina 57
T (n, k) Alocaes de n objetos diferentes em k locais diferentes, sem locais vazios,

pgina 56
n

r combinao de r elementos de um conjunto de tamanho n, pgina 27
r
m ina
eli
Pr
o
rs
Ve
Captulo 1
Conjuntos e Relaes
Este Captulo trata de conceitos bsicos que usamos no resto do texto: conjuntos, re-
laes e grafos.
r
1.1 Conjuntos
m ina
eli
No definimos conjuntos.
Denotamos conjuntos usualmente (mas no sempre) pode letras maisculas. O con-
junto vazio normalmente denotado por , e algumas vezes por {}.
Pr
Definio 1.1. Um multiconjunto um conjunto onde cada elemento pode estar pre-
o
sente mais de uma vez (ou, de forma equivalente, um conjunto onde cada elemento
rs
tem um nmero associado, chamado de multiplicidade).

Definio 1.2 (subconjunto). Um conjunto A subconjunto de B se todo elemento de
Ve
A tambm pertence a B. Dizemos que A est contido em B.
A B x A x B.
Definio 1.3 (unio). A unio dos conjuntos A e B o conjunto dos elementos que
pertencem a A ou a B.

A B = x : x A ou x B .
Definio 1.4 (interseo). A interseo dos conjuntos A e B o conjunto dos elemen-

tos que pertencem tanto a A como a B.

AB= x:xAexB .
Definio 1.5 (diferena). A diferena entre os conjuntos A e B, denotada A \ B,

igual ao conjunto contendo os elementos de A que no pertencem a B:

A\B= xA:x /B .
1
2 CAPTULO 1. CONJUNTOS E RELAES
A diferena simtrica entre A e B, denotada A4B o conjunto de elementos que esto

em A ou em B, mas no em ambos:
A4B = (A B) \ (A B).
Definio 1.6 (complemento). Fixado um conjunto universo U, o complemento de A
em relao a U, que denotamos AC ,
AC = U \ A.
Definio 1.7 (produto cartesiano). O produto cartesiano de dois conjuntos A e B, de-
notado A B, o conjunto de todos os pares ordenados onde o primeiro elemento
pertence a A e o segundo pertence a B ou seja,
A B = {(a, b) : a A, b B} .
Definio 1.8 (cardinalidade). A cardinalidade do conjunto A a quantidade de ele-
mentos que pertencem a A. Denotamos a cardinalidade por |A|.
Definio 1.9 (inteiro mais prximo (arredondamento)). O inteiro mais prximo de
r
ina
x denotado por bxe.
Definio 1.10 (cho e teto). O cho de um nmero real x o maior inteiro menor ou
m
igual a x. Denotamos1 o cho por bxc.
O teto de um nmero real x o menor inteiro maior ou igual a x. Denotamos o teto
eli
por dxe.
Pr
Exemplo 1.11. Uma situao em que usamos cho e teto quando dividimos um con-
junto em partes iguais ou to prximo disso quanto possvel.
Quando um conjunto A tiver cardinalidade mpar, e o dividirmos em duas partes,
o
por exemplo, poredemos ter A = B C, com

rs
|A|

|B| = ,
Ve
2
|A|

|C| = .
2
Para tornar o exemplo mais concreto, seja
A = {a, b, c, d, e, f, g}.
Como |A| = 7, no temos como divid-lo em duas partes iguais. Podemos no entanto
dividir A em dois subconjuntos de cardinalidades d7/2e = 4 e b7/2c = 3, como
A 0 = {a, c, e, g} e A 00 = {b, d, f}. J
Definio 1.12 (relao). Uma relao R entre conjuntos A e B um subconjunto
do produto cartesiano A B. Define-se semelhantemente uma relao entre vrios
conjuntos Ai como subconjunto do produto cartesiano A1 A2 . . . An .
Uma relao , portanto, um conjunto de pares ordenados.
Se um par (x, y) pertence a uma relao R, denotamos xRy. Podemos tambm
denotar xRy quando (x, y) / R.
1 tambm comum denotar cho por [[x]] e teto por ]]x[[.
1.2. GRAFOS 3
Definio 1.13 (conjunto potncia). Seja X um conjunto. Ento 2X o conjunto potn-

cia, ou conjunto das partes de X:
2x = {Y : Y X}
Exemplo 1.14. Seja

A = {a, b, c, d} .
Ento

,

{a}, {b}, {c}, {d},
2 = {a, b}, {a, c}, {a, d}, {b, c}, {b, d}, {c, d}
A
J

{a, b, c}, {a, b, d}, {a, c, d}, {b, c, d},

{a, b, c, d}
O teorema a seguir nos diz porque a nomenclatura 2X usada.

Teorema 1.15. Para qualquer conjunto X, |2X | = 2|X| .
r
ina
Definio 1.16 (reflexividade, simetria e transitividade). Uma relao R em um con-
junto A m
reflexiva se aRa para todo a A,
eli
simtrica se aRb implica em bRa para todos a, b A,
Pr
transitiva se aRb e bRc implicam em aRc para todos a, b, c A.

Exemplo 1.17. A relao = de igualdade entre nmeros reflexiva, porque a = a,
o
simtrica, porque se a = b ento b = a, e transitiva, porque a = b e b = c implicam

rs
em a = c. J
Teorema 1.18. Uma relao R transitiva se e somente se R R R.
Ve
1.2 Grafos
Um grafo uma representao grfica de uma relao. Informalmente, representamos
uma relao R em um conjunto X graficamente da seguinte maneira: os elemenos de
X so dispostos como pontos no plano, e quando xRy, desenhamos um trao ligando
x a y. Os pontos so chamados de vrtices, e os traos de arestas.
Definio 1.19 (grafo). Um grafo um conjunto de ns ligados por arestas. Formal-
mente, um grafo um par (V, E), tal que V o conjunto de ns (ou vrtices), e V um
conjunto de arestas.
Em um grafo orientado, uma aresta sai de um n origem e chega a um n destino,.
Neste tipo de grafo E V 2 , e uma aresta um par (v, w).
Em um grafo no-orientado,

as arestas ligam pares de ns, sem distino de direo.
Nestes grafos, E {x, y} : x, y V , e uma aresta um conjunto {x, y}, com
x, y V.
Exemplo 1.20. Por exemplo, o grafo no-orientado G = (V, E) onde V = {a, b, c, d, e}

e

{ a, b } , { a, c } , { a, e } ,
E = .
{ b, c } , { b, d } , { c, d } , { d, e }
representado graficamente na figura a seguir.
b a
c d
As posies exatas dos ns e arestas no so relevantes; importa apenas quais so os
r
J
ina
ns, e como cada um deles se relaciona com os outros.
Exemplo 1.21. O grafo orientado G = (V, E), com V = {a, b, c, d} e

m
E = {(a, b), (b, c), (c, a), (c, d)}
eli
Pr
representado graficamente como na figura a seguir.
a
o
b
rs
d
Ve
Definio 1.22 (matriz de adjacncia). Seja G = (V, E) um grafo com n vrtices. Sem
perda de generalidade, presuma que os vrtices de G so rotulados como v1 , v2 , . . . vn .
A matriz de adjacncia de G uma matriz quadrada de ordem |V| tal que a posio i, j
zero se no h aresta ligando vi a vj , e um se h aresta ligando vi a vj . Para grafos
orientados, a matriz de adjacncia M tal que

0 se(i, j)
/E
mi,j =
1 se(i, j) E
Para grafos no-orientados a matriz definida de forma semelhante.

1.3. RELAES DE EQUIVALNCIA 5
Exemplo 1.23. A matriz de adjacncia do grafo no-orientado do exemplo 1.20

0 1 1 0 1
1 0 1 1 0

M= 1 1 0 1 0

0 1 1 0 1
1 0 0 1 0
Note que a matriz simtrica, j que tanto (i, j) como (j, i) representam a mesma
aresta em um grafo no-orientado.
J para o grafo orientado do exemplo 1.21, a matriz de adjacncia

0 1 0 0
0 0 1 0
M= 1 0 0 1
J
0 0 0 0
r
Definio 1.24 (grafo completo). O grafo com n vrtices onde todos os vrtices so
ina
ligados a todos os outros chamado de grafo completo.
m
A matriz de equivalncia de um grafo completo tem zeros na diagonal e uns em

todas as outras entradas.
eli
Definio 1.25 (colorao de arestas). Uma colorao das arestas de um grafo G com k
Pr
cores uma atribuio de uma das k cores a cada um dos vrtices de G.

o
1.3 Relaes de equivalncia

rs
Definio 1.26 (relao de equivalncia). Uma relao dita de equivalncia se sim-

Ve
trica, reflexiva e transitiva.
Exemplo 1.27. A relao em R dada por aRb se e somente se a2 = b2 uma relao

de equivalencia:
(reflexiva): trivialmente, a2 = a2 .
(simtrica) se a2 = b2 , ento b2 = a2 .
(transitiva) se a2 = b2 e b2 = c2 , temos tambm trivialmente a2 = c2 . J
Exemplo 1.28. Dois tringulos so congruentes se os tamanhos de seus lados, quando

dispostos em ordem crescente, so iguais.
A congruncia de tringulos uma relao de equivalncia no conjunto de todos
os tringulos no plano.
(reflexiva): trivialmente, todo tringulo congruente a si mesmo.
(simtrica) tambm trivial: se A cngruo a B, ento B cngruo a A.

(transitiva) se A cngruo a B e B cngruo a C, claramente A cngruo a C,

porque os tamanhos dos lados de todos os tres tringulos so os mesmos.
Dizemos tambm que dois tringulos so similares se seus lados, quando dispostos
em ordem crescente, s diferem por um fator constante (ou seja, admitimos tambm
uma mudana de escala). A similaridade de tringulos uma relao de equivalncia.
As relaes de congruncia e similaridade podem ser generalizadas para quaisquer
figuras geomtricas, e continuam sendo relaes de equivalncia. J
Exemplo 1.29. Em R, a relao aRb se e somente se a b Z uma relao de
equivalncia:
(reflexiva) claramente, a a = 0 Z,
(simtrica) se a b = c Z, ento b a = c Z,
(transitiva) se a b = k1 Z, e b c = k2 Z, ento a c = (k1 + b)
(b k2 ) = k1 + k2 Z. J
r
ina
A definio a seguir usada como exemplo, mas suficientemente importante
para que a destaquemos. m
Definio 1.30 (congruncia mdulo um inteiro). Sejam a, b Z. Dizemos que a
cngruo a b mdulo m se m|(ab). Isso o mesmo que dizer que existe um k inteiro tal
eli
que mk = a b ou seja, o resto de a por m igual ao resto de b por m. Denotamos
a b (mod m).
Pr
Exemplo 1.31. A relao de congruncia mdulo um inteiro uma relao de equi-

valncia. Para todos a, b, c, m Z,
o
rs
(reflexiva): trivialmente, a a mod m, porque m|(a a = 0).

(simtrica) se a b (mod m), b a (mod m), porque se m|(a b), ento
Ve
m|(b a).
(transitiva) se m|(a b), e m|(b c), ento m|[(a b) + (b c)], e claramente
m|(a c). J
Exemplo 1.32. Seja F o conjunto de todas as funes de R em R. Defina que fRg se
e somente se existe uma constante c tal que f(x) = g(x) + c, para todo x. Ento R
uma relao de equivalncia.
(reflexiva): f(x) = f(x) + 0.
(simtrica) se f(x) = g(x) + c, ento g(x) = f(x) + (c).
(transitiva) se f(x) = g(x) + c1 e g(x) = h(x) + c2 , ento f(x) = h(x) + c2 +
c1 . J
Exemplo 1.33. No conjunto de todas as funes reais, a relao definida por fRg se
e somente se f 0 = g 0 (ou seja, f e g tem a mesma derivada) uma relao de equiva-
lncia. J
1.3. RELAES DE EQUIVALNCIA 7
Definio 1.34 (classe de equivalncia). Seja R uma relao de equivalncia em um

conjunto A. Ento a classe de equivalncia de um elemento a A o conjunto {x
A : xRa}.
Exemplo 1.35. J determinamos que a congruncia modulo um m inteiro uma re-
lao de equivalncia. Como o resto da diviso de qualquer inteiro por m s pode
estar entre zero e m 1, a relao de congruncia mdulo m define m classes de
congruncia, que usualmente denotamos [0], [1], . . ., [m 1]. Por exemplo, se m = 5,
temos
[0] = {. . . , 10, 5, 0, 5, 10, . . .}

[1] = {. . . , 9, 4, 1, 6, 11, . . .}
[2] = {. . . , 8, 3, 2, 7, 12, . . .}
[3] = {. . . , 7, 2, 3, 8, 13, . . .}
[4] = {. . . , 6, 1, 4, 9, 14, . . .}. J
Exemplo 1.36. Em Z2 , a relao , definida por
r
(a, b) (x, y) ay = bx
uma relao de equivalncia:

m ina
eli
(reflexividade) trivialmente, (a, b) (a, b), j que ab = ba.
Pr
(simetria) tambm trivial: ab = ba implica em ba = ab.

(transitividade) queremos mostrar que se
o
rs
(a, b) (x, y)
(x, y) (p, q)
Ve
ento (a, b) (p, q). Usando a definio da relao, o que queremos provar
que se
ay =bx
xq =yp (1.1)
ento
aq = bp (1.2)
de vital importncia observar, no entanto, que no podemos simplesmente
dividir um dos lados de qualquer destas equaes por uma das variveis, porque
estamos trabalhando com inteiros. Podemos, no entanto, multiplicar ay = bx
por q:
ayq = bxq
Podemos substituir qx por yp (equao 1.1):
ayq = ypb
Aqui sim, sabemos que ambos os lados da equao so divisveis por y, e por-
tanto
aq = bp,
que o que queramos mostrar (equao 1.2).
A classe de equivalncia [(a, b)] define o nmero racional que usualmente denotamos
por a/b, e a relao define igualdade entre racionais: (1, 2) (3, 6) (50, 100),
etc. J
Definio 1.37 (partio de conjunto). Uma partio de um conjunto A uma famlia
de conjuntos A1 , A2 , . . ., An tais que
n
[
Ai =A
i=1
Ai Aj = se i 6= j
Teorema 1.38. Seja R uma relao de equivalncia em um conjunto A. Ento as classes de
r
ina
equivalncia definidas por R so uma partio de A.
Demonstrao. Em primeiro lugar, a unio das classes de equivalncia resultam em A,
m
porque todo elemento de A pertence a uma classe de equivalncia,
Sn e no h nas classes
eli
qualquer elemento que no pertena a A. Com isso temos i=1 Ai = A.
Finalmente, mostramos queas classes de equivalncia so disjuntas. Suponha que
Pr
xRy. Mostramos que [x] [y]. Suponha que z [x]. Temos ento xRz, e por simetria
zRx; por transitividade, zRy. Isso implica que z [y]. Ou seja, todo z [x] tambm
est em [y]. Usando simetria, fazemos o argumento contrrio e temos [x] = [y].
o
Suponha agora que xRy. Mostramos agora que [x][y] = . Suponha que z [x]
rs
[y]. Ento xRz e zRy valem, e portanto tambm deveria valer xRy uma contradio.
Temos ento [x] [y] = quando [x] 6= [y].
Ve
1.4 Relaes de ordem

Definio 1.39 (ordem total). Uma relao R em um conjunto A dita de ordem total
se
R antissimtrica, reflexiva e transitiva,
Para todos elementos a, b A, necessariamente aRb ou bRa.
Exemplo 1.40. A relao no conjunto dos nmeros reais uma ordem total:
(antissimtrica) Se a b e b a ento a = b,
(reflexiva) a a,
(transitiva) a b, b c implica em a c.
Alm disso, para quaisquer dois reais a e b, temos que a b ou b a. J
1.4. RELAES DE ORDEM 9
Definio 1.41 (ordem parcial). Uma relao R em um conjunto A dita de ordem

parcial se R antissimtrica, reflexiva e transitiva.
Exemplo 1.42. Toda ordem total tambm parcial, portanto os exemplos anteriores
de ordem total so tambm exemplos de ordem parcial. J
A notao normalmente usada para relao de ordem em conjunto parcial-

mente ordenado.
comum usar um diagrama para representar relaes de ordem parcial. Dada uma
relao R em um conjunto X, o diagrama de Hasse desta relao um grafo onde h um
vrtice para cada elemento de X, e h aresta entre x e y se xRy. Para simplificar o
grafo, no so representados os loops (a a) e as relaes que podem ser deduzidas
por transitividade (se a b e b c, no representamos a c); alm disso, no
representamos as direes das arestas, e presumimos que todas so orientadas de
baixo para cima.
Exemplo 1.43. No conjunto {a, b, c, d, e, f, g}, a relao dada por
r
ina
ac
bc
m
bf
eli
cd
ce
Pr
uma ordem parcial. Seu diagrama de Hasse

o
h
rs
d e
Ve
c f
a b
J
Exemplo 1.44. Dados a, b N, denotamos por a|b o fato de a dividir b (ou seja,
existe um c tal que b = ac). A relao | uma ordem parcial em N:
(antissimtrica) Se a|b e b|a ento a = b, porque a = bc1 , b = ac2 implicam

em a = ac2 c1 , e portanto c1 = c1 2 , mas o nico natural com inverso para
multiplicao 1, e c1 = c2 = 1,
(reflexiva) a|a, porque existe c = 1 tal que a = (1)a,
(transitiva) a|b e b|c implicam e a|c.

A relao |, no entanto, no ordem parcial, porque dois nmeros naturais no necs-

sariamente se relacionam desta forma. O exemplo mais claro possivelmente o de
dois nmeros primos: se p e q so primos, p - q, e q - p. J
Exemplo 1.45. Seja 2X o conjunto das partes de X. Ento a relao de incluso, ,

uma ordem parcial em X, mas no ordem total.
(antissimtrica) se A B e B A, ento A = B.
(reflexiva) A A, trivialmente.
(transitiva) A B e B C implicam em A C.
Dentre as partes de um conjunto, no entanto, pode haver subcobjuntos que no so se

relacionam de nenhuma forma: como exemplo, considere as partes de {a, b, c}. Pode-
mos ver no diagrama de Hasse que nem todos os pares se relacionam por exemplo,
r
ina
{a, b} 6 {b, c} e {b, c} 6 {a, b}
{a, b, c}
m
eli
{a, b} {a, c} {b, c}
Pr
{a} {b} {c}

o
rs

Ve
Definio 1.46 (ordem lexicogrfica). Seja A um conjunto e uma relao de ordem

em A. Sejam (a1 ,2 ), (x1 , x2 ) A2 . Dizemos que (a1 , a2 ) precede (x1 , x2 ) lexicogra-
ficamente se a1 x1 ou se a1 x1 e a2 x2 .
Sejam = (a1 , a2 , . . .), = (x1 , x2 , . . .) An . Ento se a1 x1 ou se
a1 x1 e (a2 , . . .) (x2 , . . .).
Exemplo 1.47. Seja A o alfabeto da lngua Portuguesa. A ordem lexicogrfica a

ordem usada em dicionrios: banalidade banana, porque L N. J
Denotamos por n o conjunto {1, 2, . . . , n}.
Exemplo 1.48. Seja 33 o conjunto de todas as 27 funes de 3 em 3. denotaremos cada

uma destas funes listando f(1), f(2), f(3). Por exemplo, (1, 3, 3) uma funo.
Listamos todas em ordem lexicogrfica. Leia as colunas de cima para baixo pri-
1.4. RELAES DE ORDEM 11
meiro, e da esquerda para a direita depois.
111 211 311

112 212 312
113 213 313
121 221 321
122 222 322 J
123 223 323
131 231 331
132 232 332
133 233 333
Definio 1.49 (boa ordem). Um conjunto X bem-ordenado com uma relao de or-
dem se esta for uma relao de ordem parcial, e todo subconjunto no vazio de X
tenha um menor elemento.
Exemplo 1.50. O conjunto N com bem-ordenado.
r
J Z com no, porque h subconjuntos de Z onde no haver menor elemento,
ina
como o prprio Z, ou
{x Z : x < 10} ,
m
por exemplo. J
eli
Pr
Exerccios
Ex. 1 Verifique que tipo de relao so:
o
Em R, a b se a b Q
rs
Em R, a b se |a| = |b|
Ve
Para matrizes quadradas, A B se det A = det B

Para matrizes quadradas no-singulares, det A det B
Para matrizes quadradas, A B se det AB 6= 0
Para polinmios com coeficientes em R e grau no mximo n, p(x) q(x) se
p(x) + q(x) 0 (para todo x)
Para polinmios com coeficietnes em R e grau no mximo n, p(x) q(x) se
p(x) + q(x) tem todas as razes reais.
Em R, se + = k/2, para algum k Z
Em Z, a b se ab tem raiz quadrada inteira
Em Z, a b se a2 b2 tem raiz quadrada inteira
Em N, a b se a tem menos fatores primos (contando as multiplicidades) do
que b
Em N, a b se a se a multiplicidade do menor fator primo de a menor que a
do menor fator primo de b
Em N, a b definida da seguinte forma: seja da a distancia de a at o primo

mais prximo de a. Seja db a distncia de b at o primo mais prximo de b.
a b se da db .
Ex. 2 Seja uma relao em funes reais definida como
fg lim f(x) = lim g(X) C.

x x
Determine se relao de equivalencia.
Ex. 3 Construa (parcialmente) o diagrama de Hasse para a relao | em N, dispondo

os nmeros com k fatores na k-sima linha, e assim por diante.
Ex. 4 D uma definio no recursiva para ordem lexicogrfica.
Ex. 5 Seja C o conjunto de todas as circunferncias no plano. Mostre diferentes

ordens em C, pelo menos uma dela total.
r
ina
Ex. 6 Seja E o conjunto de elipses no plano. Mostre pelo menos tres parties de
E, explicitando a relao de equivalncia que determina cada partio.
m
Ex. 7 Fixe um nmero L natural. Seja definida em qualquer subconjunto de N
eli
da seguinte maneira: a b se a quantidade de primos entre a e L/2 menor ou igual
que a quantidade de primos entre b e L/2. A relao a b ordem total?
Pr
Ex. 8 Seja P um conjunto de proposies p1 , p2 , . . ., e P o conjunto de todas as

o
conjunes de proposies em P:
rs
P = {p1 , p2 , . . . , pn , p1 p2 , p1 p3 , . . . , p2 p3 , p2 p3 , . . . , P1 p2 p3 , . . .}
Ve
A relao de implicao (pi pj ) em P de que tipo?
Ex. 9 Seja P(n) o conjunto de todos os polinmios com grau menor ou igual a n.
Claramente pode-se definir uma ordem lexicogrfica em P(n) a partir dos coefici-
entes dos polinmios. Mostre que, dados dois polinmios p(.) e q(.) em P(n), p q
se e somente se p(x) q(x), x R.
Ex. 10 Mostre uma bijeo entre Q e N. Que tipo de relao ela ?
Ex. 11 H alguma maneira de ordenar o conjunto dos nmeros complexos, ainda

que abrindo mo de algumas de suas caractersticas de corpo?
Ex. 12 Considere o conjunto de todas as sequncias de nmeros racionais. Defina

a relao R como (an )R(bn ) se limn (an bn ) = 0. Que tipo de relao R?
Captulo 2
Cardinalidade
Determinar e comparar a cardinalidade de conjuntos finitos conceitualmente sim-

ples: a cardinalidade de um destes conjuntos sempre ser um nmero natural, e a
r
ina
ordem total de N nos permite facilmente determinar quando um conjunto maior
que ourto. Nesta Captulo tratamos da Cardinalidade de conjuntos, dando nfase em
conjuntos infinitos.
m
Definio 2.1 (cardinalidade). Dois conjuntos tem a mesma cardinalidade se existe
eli
uma bijeo de um deles no outro.
Pr
Note que pode haver muitas bijees entre dois conjuntos. S precisamos de uma
para afirmar que a dardinalidade dos dois a mesma.
o
Exemplo 2.2. Os conjuntos {0, 1, 2} e {a, b, c} tem a mesma cardinalidade, porque

rs
existe a bijeo
f(1) = a
Ve
f(2) = b
f(3) = c
Note que poderamos ter apresentad qualquer uma das outras cinco bijees. Mostra-
mos uma em cada coluna da tabela a seguir.
f(1) = a f(1) = b f(1) = b f(1) = c f(1) = c
f(2) = c f(2) = a f(2) = c f(2) = a f(2) = b
f(3) = b f(3) = c f(3) = a f(3) = b f(3) = a
Qualquer uma delas teria sido suficiente para a demonstrao. J
Escolhemos esta definio, e no uma que fale em quantidade de elementos,
porque usando bijees poderemos tratar de conjuntos infinitos.
Exemplo 2.3. A cardinalidade de N a mesma que a de Z, porque a funo f : N Z
a seguir bijetora: jnk
f(n) = (1)n1 2 .
2
13
14 CAPTULO 2. CARDINALIDADE
A tabela a seguir mostra alguns valores de f.
n: 1 2 3 4 5 6 7 8
f(n) : 0 1 1 2 2 3 3 4
Definio 2.4 (infinito). Um conjunto infinito se existe uma bijeo dele em um

subconjunto prprio dele mesmo.
Exemplo 2.5. O conjunto N infinito, porque f(n) = 2n mapeia N nos pares, e

bijeo: a inversa f1 (m) = n/2. J
Exemplo 2.6. Semelhantemente, o conjunto [0, 10] infinito, porque f(x) = x/10
mapeia [0, 10] e, seu subconjunto [0, 1], e bijeo: a inversa f1 (x) = 10x. J
Definio 2.7 (enumervel). Um conjunto enumervel se tem a mesma cardinali-

dade de N, que denotamos 0 .
r
ina
Exemplo 2.8. O conjunto P dos naturais pares enumervel. Isso porque a bijeo
f : N P, com f(n) = 2n mostra que ambos tem a mesma cardinalidade. J
m
Teorema 2.9. Z enumervel.
eli
Demonstrao. A demonstrao exposta no exemplo 2.3
Pr
Teorema 2.10. A unio de uma quantidade enumervel de conjuntos enumerveis enume-

rvel.
o
rs
Demonstrao. Presumimos que temos S1 , S2 , . . ., uma quantidade enumervel de con-

juntos; e que cada Si enumervel. Queremos mostrar que
Ve
[
S= Si = S1 S2 S3
i
enumervel ou seja, que existe uma bijeo de N neste conjunto.

Suponha que os elementos de cada Si sejam sij :
Si = {si1 , si2 , si3 , . . .}.
Para identificar a bijeo, basta dispor os elementos em uma tabela, onde o elemento
sij fica na i-sima linha e j-sima coluna (ou seja, os elementos do conjunto Si ocupam
a i-sima linha):
s11 s12 s13
s21 s22 s23
s13 s32 s33
.. .. ..
. . .
A bijeo criada percorrendo sequencialmente a tabela na diagonal:

15
s11 s12 s13 s14 s15 s16

s21 s22 s23 s24 s25 s26
s31 s32 s33 s34 s35 s36
s41 s42 s43 s44 s45 s46
s51 s52 s53 s54 s55 s56
s61 s62 s63 s64 s65 s66
Note que h outras maneiras de percorrer a tabela, e portanto h tambm outras bi-
jees diferentes. A seguir mostramos mais uma.
s11 s12 s13 s14 s15 s16
r
s21 s22 s23 s24 s25 s26
s31
s41
s51
s32
s42
s52
s33
s43
s53
s34
s44
s54
s35
s45
s55
m ina
s36
s46
s56
eli
s61 s62 s63 s64 s65 s66
Pr

o
rs
Teorema 2.11. Sejam A e B dois conjuntos infinitos e enumerveis. A B enumervel.
Demonstrao. A demonstrao semelhante usada para unio de conjuntos enume-

Ve
rveis. Basta construir uma tabela onde i o ndice de elementos de A e j o ndice de

elementos de B:
(a1 , b1 ) (a1 , b2 ) (a1 , b3 ) (a1 , b4 ) (a1 , b5 ) (a1 , b6 )

(a2 , b1 ) (a2 , b2 ) (a2 , b3 ) (a2 , b4 ) (a2 , b5 ) (a2 , b6 )
(a3 , b1 ) (a3 , b2 ) (a3 , b3 ) (a3 , b4 ) (a3 , b5 ) (a3 , b6 )
(a4 , b1 ) (a4 , b2 ) (a4 , b3 ) (a4 , b4 ) (a4 , b5 ) (a4 , b6 )
(a5 , b1 ) (a5 , b2 ) (a5 , b3 ) (a5 , b4 ) (a5 , b5 ) (a5 , b6 )
(a6 , b1 ) (a6 , b2 ) (a6 , b3 ) (a6 , b4 ) (a6 , b5 ) (a6 , b6 )
Teorema 2.12. Q enumervel.

Apresentamos duas demonstraes. Uma usando a propriedade da cardinalidade

da unio de infinitos enumerveis, que j demonstramos. A outra consiste na identi-
ficao de uma bijeo entre N e Q.
Demonstrao. Para qualquer k, seja

[i 2 1 1 2

Qk = = , , , 0, + , + ,
k k k k k
iZ
Claramente,
[
Q= Qj
jZ
Como Z enumervel, a unio descrita acima tambm .
Demonstrao. Primeiro provamos que Q+ enumervel. Cada racional positivo a
r
razo de dois naturais (exijimos o denominador diferente de zero). Podemos dispor
ina
os racionais em uma tabela, onde as linhas determinam o numerador e as colunas
determinam o denominador. Usamos a enumerao em ziguezague, como fizemos
m
para provar que unies de enumerveis so enumerveis.
eli
Pr
1 1 1 1 1 1
1 2 3 4 5 6
2 2 2 2 2 2
1 2 3 4 5 6
o
3 3 3 3 3 3
1 2 3 4 5 6
rs
4 4 4 4 4 4
1 2 3 4 5 6
5 5 5 5 5 5
1 2 3 4 5 6
Ve
6 6 6 6 6 6
1 2 3 4 5 6
Pode-se ver que h na tabela elementos repetidos isto no altera a validade da de-
monstrao, porque conseguimos enumerar um conjunto no mnimo com a mesma car-
dinalidade de Q+ .
Para mostrar que todo o conjunto Q enumervel podemos usar o mesmo argu-
mento que usamos ao mostrar que Z enumervel.
Teorema 2.13. R no enumervel; denotamos |R| por c.
Demonstrao. A tcnica usada nesta demonstrao se chama diagonalizao1 .

Bastar que provemos que (0, 1) no enuemrvel, porque (0, 1) R, e se R
contm um subconjunto no-enumervel, ele tambm no pode ser enumervel.
1 Dizemos tambm que usamos o argumento da diagonal. Esta tcnica foi descoberta por Georg Cantor.
17
Cada nmero em (0, 1) descrito na representao decimal por 0, ,

onde cada caixa representa um dgito. Assim, o i-simo nmero pode ter seus dgitos
enumerados como di1 , di2 , . . .:
0, di1 di2 di3 . . .
Suponha que R seja enumervel. Ento poderamos enumerar todos os reais, um por
linha (seja qual for a ordem que escolhamos), como na tabela abaixo.
0, d11 d12 d13 d14 d15 d16

0, d21 d22 d23 d24 d25 d26
0, d31 d32 d33 d34 d35 d36
0, d41 d42 d43 d44 d45 d46
0, d51 d52 d53 d54 d55 d56
0, d61 d62 d63 d64 d65 d66
Esta tabela mostra que h uma injeo de N em (0, 1) (logo temos |N| | (0, 1) |).
r
No entanto, para qualquer enumerao como esta possvel mostrar um nmero em
ina
(0, 1) que no est na tabela: m
Construa um nmero x tomando os dgitos da diagonal:
eli
0, d11 d22 d33 . . .
Pr
Agora construa x 0 , mudando todos os dgitos de x, de forma que nenhum deles

continue igual:
0 0 0
o
0, d11 d22 d33 ...

rs
0, d11 d12 d13 d14 d15 d16

0, d21 d22 d23 d24 d25 d26
Ve
0, d31 d32 d33 d34 d35 d36

0, d41 d42 d43 d44 d45 d46
0, d51 d52 d53 d54 d55 d56
0, d61 d62 d63 d64 d65 d66
O nmero x 0 = 0, d110 0
d22 0
d33 no pode estar na primeira linha, porque d11 6=
0 0
d11 ; nem na segunda, porque d22 6= d22 , e assim por diante: o novo nmero que
construmos claramente pertencente ao intervalo (0, 1), mas no consta na tabela
de enumerao.
Como h injeo de N em (0, 1), mas no pode haver bijeo, ento |N| < | (0, 1) |.

Note que a tcnica de diagonalizao no pode ser usada para provar que N| > |N|,
porque teramos que trocar um dgito em cada posio da tabela, obtendo um nmero
com infinitos dgitos e que portanto no natural.
Teorema 2.14. Um subconjunto infinito de um conjunto enumervel , tambm, enumervel.
Teorema 2.15. Se S no-enumervel e S A, ento A tambm no-enumervel.
Teorema 2.16. Para todo conjunto A, |A| < |2A |.
Demonstrao.
Ao tentar demonstrar que dois conjuntos tem a mesma cardinalidade, podemos

encontrar dificuldades para identificar uma bijeo entre eles. O Teorema de Cantor-
Bernstein-Schreder nos permite usar um caminho mais fcil: se exibirmos uma in-
jeo de A em B e outra, diferente, de B em A, ento garantimos a existncia de uma
bijeo (ainda que no a mostremos explicitamente).
Teorema 2.17 (Cantor-Bernstein-Schreder). Se |A| |B| e |B| |A|, ento |A| = |B|.
Demonstrao.
Exemplo 2.18. Usaremos o teorema de Cantor-Bernstein-Schreder para provar que
r
ina
os conjuntos (0, 1) e [0, 1] tem a mesma cardinalidade. Embora a afirmao parea
bvia, a bijeo no . No entanto, conseguiremos duas injees.
m
| (0, 1) | | [0, 1] |: trivialmente, f(x) = x injetora, logo a cardinalidade de
eli
(0, 1) menor ou igual que a de [0, 1].
Pr
| [0, 1] | | (0, 1) |: a funo g : [0, 1] (0, 1) a seguir injetora: mapeamos 0

em 0.1 e 1 em 0.9. Os outros nmeros entre 0 e 1, mapeamos entre 0.1 e 0.9.
o
1 8
rs
g(x) = + x.
10 10
Ve
A funo g claramente injetora,porque linear2 . Alm disso, quando definida

1 9
no domnio [0, 1], sua imagem 10 , 10 .
Como temos uma injeo de (0, 1) em [0, 1] e outra no sentido contrrio, o Teorema
de Cantor-Bernstein-Schreder nos garante que os dois conjuntos tem a mesma car-
dinalidade e que existe uma bijeo entre eles. O leitor perceber que encontrar
tal bijeo, embora possvel, pode ser mais difcil do que apresentar as duas funes
injetoras, como fizemos. J
Teorema 2.19. |2N | = |R|.
Demonstrao. Sabemos que |R| = | (0, 1) |, portanto s precisamos mostrar que

|2N | = | (0, 1) |.
Nas duas funes injetoras que construiremos, usaremos a representao decimal
dos nmeros em (0, 1). Se x (0, 1), ento
x = 0, d1 d2 d3 . . .
2 Na verdade, afim, porque somamos uma constante ao termo linear.
2.1. A HIPTESE DO CONTNUO 19
Definimos uma injeo f : 2N (0, 1): um elemento de 2N um conjunto de

nmeros: {1, 2} e {3, 9}, por exemplo, pertencem a 2N .
Para cada X 2N ,
f(X) = 0, d1 d2 d3 . . . ,
onde cada dgito determinado como segue:

1 se i X
di =
0 se i
/X
Por exemplo,
f ({1, 3, 5}) = 0, 10101.
Esta funo claramente injetora: se X, Y 2N , e X 6= Y, ento h pelo menos um
nmero natural em X que no est em Y. Isto implica que pelo menos um dgito de
f(X) ser diferente do seu correspondente em f(Y).
Agora definimos a injeo g : (0, 1) 2N :
r
ina
g(0, d1 d2 d3 . . .) = {10d1 , 102 d2 , 103 d3 , . . .}
m
Como exemplo,

eli
g(0, 2103) = 10(2), 102 (1), 103 (0), 104 (3)
= {20, 100, 0, 30000}.
Pr
Agora que temos as duas funes injetoras f e g, o Teorema de Cantor-Bernstein-

o
Schreder nos permite afirmar que |2N | = |R|.

rs
2.1 A Hiptese do Contnuo

Ve
Sabendo que a cardinalidade de N estritamente menor que a de R, surge uma per-

gunta aparentemente simples, mas cuja resposta mostrou-se extremamente difcil de
encontrar: h algum conjunto cuja cardinalidade esteja entre |N| e |R|? ou seja, existe
A tal que
0 < |A| < c ?
Ou, mudando a notao, |N| < |A| < |R|?
Kurt Gdel mostrou que a hiptese do contnuo no suscitaria contradies na
Teoria de Conjuntos de Zermelo-Fraenkel; j Paul Coehn, anos mais tarde, mostrou
que a negao da hiptese tambm no gera contradies.
Exerccios
Ex. 13 Prove que a quantidade de injees de N em Q infinita.
Ex. 14 Determine se o conjunto de injees de N em Q enumervel.

Ex. 15 Prove que | (0, 1) | = |R|.
Ex. 16 Mostre que |Rn | = |R|.
Ex. 17 Se A no-enumervel, verdade que |A| = |R|?
Ex. 18 Prove que sim ou que no: se S infinito e enumervel; U no-enumervel;

e S U, ento U \ S no-enumervel.
r
m ina
eli
Pr
o
rs
Ve
Captulo 3
Fundamentos da Contagem:
Princpios Aditivo e
Multiplicativo
r
m ina
H dois princpios fundamentais e extremamente simples a partir dos quais tcni-
eli
cas de contagem so desenvolvidas.
Pr
Definio 3.1 (princpio aditivo). Sejam A e B dois conjuntos finitos. Ento |AB| =
|A| + |B|.
o
Definio 3.2 (princpio multiplicativo). Sejam A e B dois conjuntos finitos. |AB| =

rs
|A||B|.
Ve
Damos agora exemplos de contagem usando estes dois princpios.
Exemplo 3.3. Uma cidade usa 8 dgitos diferentes para representar nmeros de tele-
fone fixo. Quantas linhas telefnicas podem ser representadas?
Temos 8 conjuntos, cada um com 10 elementos. O conjunto de nmeros que po-
demos representar o produto cartesiano de todos estes conjuntos, portanto temos
10 10 10 10 10 10 10 10 = 108
nmeros diferentes.
Se quisermos que o primeiro dgito seja diferente de zero, teremos 9107 nmeros.
J
Exemplo 3.4. Uma cidade usa 9 dgitos para representar nmeros de telefones m-
veis, sendo que o primeiro sempre deve ser 8 ou 9. A cidade poder ter, no mximo,
2 108 nmeros diferentes para telefones mveis. J
Exemplo 3.5. Um sistema computacional usa senhas com 256 bits para controle de
acesso. H um total de 2256 senhas possveis. Se o sistema exigir que o usurio espere
21
22 CAPTULO 3. FUNDAMENTOS DA CONTAGEM: PRINCPIOS ADITIVO E MULTIPLICATIVO
cinco segundos entre uma tentativa e outra, um intruso demoraria 5 2256 segundos
para tentar todas as possibilidades se tentar enumerao simples 1 . J
Exemplo 3.6. Os nucleotdeos que compes o RNA so adenina (A), guanina (G), cito-
sina (C) e uracila (U). Quo grande, no mnimo, deve ser uma sequncia de RNA para
representar 1000 indivduos diferentes?
Cada posio pode conter um dentre 4 nucleotdeos diferentes, portanto uma sequn-
cia de tamanho n representa 4n indivduos. Precisamos de uma sequncia de tama-
nho dlog4 1000e. Tomamos o teto porque se calcularmos log4 1000 obteremos 4.9,
que no inteiro. Uma sequencia menor, de tamanho 4, no ser suficiente. Usamos
ento o teto e temos que a sequencia deve ter tamanho no mnimo igual a 5. J
Exemplo 3.7. Computadores usam endereos IP para comunicar-se via rede. Cada en-
tidade em uma rede tem um endereo IP. A verso 4 do protocolo que define os ende-
reos IP definia que os endereos teriam que ser formados quatro bytes, que normal-
mente so descritos em decimal e separados or pontos, como 221.123.4.11. A quan-
r
tidade de possveis nmeros IP passou a ser considerada insuficiente: cada byte iso-
ina
lado representa 256 possibilidades diferentes, e portanto temos 2564 = 4 294 967 296,
pouco mais de quatro bilhes e duzentos mil possveis nmeros IP. A verso 6 do pro-
m
tocolo IP define endereos com 128 bits, e portanto passa-se a ter 2128 , aproximada-
mente 3.4 1038 (um nmero com trinta e nove dgitos) possveis endereos. J
eli
Pr
Exemplo 3.8. Queremos projetar um computador que possa usar 64Gb de memria
RAM, sendo que cada posio da memria deve ter o mesmo tamanho que as sequn-
cias de bits que representam cada posio. Quanto deve ter cada posio?
o
rs
64Gb = 64 1024Mb
Ve
= 64 1024 1024kb
= 64 1024 1024 1024bytes
= 64 1024 1024 1024 8bits
= 512 10243 bits.
Seja t o tamanho de cada palavra, e q a quantidade de bits em cada palavra.
(512 10243 ) = qt
Queremos que os 64Gb sejam endereaveis por uma palavra, portanto
log2 (q) t
q 2t
1 Na verdade, o tempo esperado para que o intruso quebre a senha bem menor que isso.
23
Assim, temos qt t2t , e
(512 10243 ) t2t

log2 (512 10243 /t) t
log2 (512 10243 ) log2 (t) t
39 log2 (t) t
t = d39 log2 (t)e
Podemos escolher t = 34. J

Exemplo 3.9. Suponha que aps um crime ter sido cometido, uma testemunha diga
que o criminoso escapou em um veculo, e que se lembra que as placas continham as
letras F e C, alm de terminar com os nmeros 35. Sabendo que as placas so formadas
por trs letras seguidas de quatro nmeros, quantos so os carros que podem ter sido
usados pelo criminoso?
Contamos dois conjuntos: primeiro, as sequncias de quatro dgitos que terminam
r
com 35 so simplesmente as sequncias de dois dgitos diferentes. So 102 = 100.
ina
Temos tambm a sequncia de letras. Contamos primeiro o caso em que o F aparece
antes do C. H mais uma letra a incluir, que pode ficar antes do F, entre o F e o C, ou
m
depois do C.
eli
_F_C_
Como h 26 letras e trs posies possveis, temos 3 26 = 78 possibilidades. Como
Pr
temos que contar tambm as possibilidades para C antes de F, multiplicamos por 2, e

temos 156 possveis sequncias de letras.
o
Finalmente a quantidade de possveis placas 100 156 = 15600. J

rs
O prximo exemplo o primeiro que faz uso do princpio aditivo.

Ve
Exemplo 3.10. Contamos o nmero de anagramas usando as 26 letras do alfabeto que

tenham tamanho 3, 5 ou 7: 263 + 265 + 267 . E se exigirmos que as palavras intercalem
vogais e consoantes?
H 5 vogais e 21 consoantes. Para tamanho 3, temos palavras da forma VCV ou
CVC. Estes nos do (5 21 5) + (21 5 21) possibilidades. Contando tambm as
possibilidades para 5 e 7, temos
(5 21 5) + (21 5 21)
+(5 21 5 21 5) + (21 5 21 5 21)
+(5 21 5 21 5 21 5) + (21 5 21 5 21 5 21)
=(21 52 + 5 212 ) + (212 53 + 213 52 ) + (213 54 + 214 53 )
=(21 52 + 5 212 ) + 53 (214 + 212 ) + 213 (54 + 52 )
possveis anagramas. J
Exemplo 3.11. Um sistema computacional tem controle de acesso com senhas de
cinco dgitos alfanumricos. Isso d uma quantidade de senhas igual a (26 + 10)5 =
365 . Se restringirmos as senhas permitidas, exigindo que haja letras e nmeros, te-
remos menos senhas possveis. H 265 senhas somente com letras, e 105 senhas so-
mente com nmeros. Assim, o total de senhas passaria a ser
365 265 105 ,
um nmero ainda bastante grande. J
Exemplo 3.12. Contaremos a quantidade de divisores do nmero 75 600.
Fatorando, vemos que
75 600 = 24 33 52 7.
Um nmero inteiro ser divisor de 75 600, portanto, se for igual a 2a 3b 5c 7d , com
0 a 4
0 b 3
0 c 2
0 d 1.
r
ina
Como todos podem ser zero, h 5 4 3 2 possibilidades. J
Exemplo 3.13. Quantos nmeros de 5 algarismos podemos formar, sendo que a soma
m
do primeiro com o ltimo dgito par?
Contamos todos os nmeros de 5 dgitos: 105 . Exclumos: se o primeiro for mpar
eli
e o segundo for par (5 5), ou o contrrio (mais 5 5). Assim,
Pr
105 2 52 103 . J
o
comum que, ao tentar enumerar os elementos de algum conjunto, contemos a

rs
mais para depois descontar. Para isso usamos as formas inversas dos dois princpios
bsicos de contagem:
Ve
Se h um conjunto que contamos a mais, podemos evidentemente subtra-lo do

total
Se, para cada elemento que queramos contar, contamos k elementos a mais, divi-
dimos o total por k.
3.1 Permutaes
Definio 3.14 (r-permutao). Uma r-permutao de n elementos uma forma de
arranjar r desses n elementos em ordem.
Exemplo 3.15. Seja A = {a, b, c, d, e}. As sequncias
abced
abcde
baedc
cbade
3.1. PERMUTAES 25
so 5-permutaes de A. J as sequncias
acd
bde
aed
bde
so 3-permutaes de A. J
Teorema 3.16. Dado um conjunto A finito, com |A| = n, h exatamente n!/(n r)!
r-permutaes diferentes dos elementos de A.
Exemplo 3.17. Seja A = {a, b, c, d}. H 4! = 24 permutaes de elementos de A:
abcd bacd cabd dabc

abdc badc cadb dacb
acbd bcad cbad dbac
acdb bcda cbda dbca
r
ina
adcb bdac cdab dcad
adbc bdca cdba dcda
m
A quantidade de 2-permutaes de A 4!/2! = 4 3 = 12:
eli
ab ba ca da
ac bc cb db
Pr
ad bd cd dc
o
J a quantidade de 3-permutaes de A igual a 4!/1! = 4!, a mesma quantidade de

rs
4-permutaes. Isso porque, ao determinarmos os 3 elementos de uma 3-permutao,

sobra apenas um para completar uma 4-permutao. J
Ve
Podemos usar uma definio alternativa: uma r-permutao de n elementos uma

funo de n em r.
Muitas vezes representamos uma permutao como

1 2 3 4
3 1 4 2
onde a linha superior corresponde ordem anterior dos elementos, e a inferior or-
dem imposta pela permutao.
Exemplo 3.18. Um estacionamento tem no total n vagas, uma para cada funcion-
rio. Dessas vagas, somente as quatro vagas de diretores so demarcadas. De quantas
maneiras possvel estacionar os carros de todos os funcionrios?
Para os diretores, temos 4!. Para os outros funcionrios, (n 4)!. Temos portanto
4!(n 4)! possibilidades. J
Exemplo 3.19. H n cidades ligadas por estradas, e sabemos o custo de transporte
entre cada par de cidades. Isto pode ser representado como um grafo com pesos nas
arestas, como na figura a seguir, que d um exemplo com 5 cidades.
b
2 a
4
5 1 1
2
6
c
7
e
3
5
Queremos calcular a maneira mais econmica de percorrer todas as cidades, sem pas-
sar por nenhuma delas mais de uma vez, exceto a primeira (que deve ser tambm a
r
ina
ltima). Este problema chamado de problema do caixeiro viajante, ou TSP2 .
A quantidade de maneiras diferentes em que podemos percorrer as cidades exa-
tamente n!, j que cada permutao das cidades nos d um novo percurso. J
m
Exemplo 3.20. Um conjunto X tem 100 elementos. A quantidade de tuplas de tama-
eli
nho 5 que podemos formar com elementos de X, sem repetio,
Pr
100!
= 100 99 98 97 96. J
95!
o
rs
3.1.1 Com repeties

Ve
Se permitirmos repeties de elementos sem limite de reposio, ao invs de termos

(n 1) possibilidades para o segundo elemento, (n 2) para o terceiro, etc, teremos
sempre n elementos a escolher, portanto h
nr
permutaes possveis.
3.1.2 Com objetos idnticos

O nmero de r-permutaes de n objetos, sendo que n1 deles so de um mesmo tipo;
n2 de um outro tipo, etc, e nk de um k-simo tipo, tais que n1 + n2 + + nk = n,
dado pelo coeficiente multinomial

n n!
= .
n1 n2 nk n1 !n2 ! nk !
2 Travelling Salesperson Problem em Ingls.
3.2. COMBINAES 27
3.2 Combinaes
Definio 3.21 (r-combinao). Uma r-combinao de n elementos um subconjunto
dos n elementos, tendo tamanho r.
Em outras palavras, uma r-combinao de n elementos uma seleo de r desses
n elementos, sem que importe a ordem.
Teorema 3.22. O nmero de combinaes diferentes com r elementos escolhidos de um con-
junto de tamanho n
n n!
= .
r r!(n r)!
Demonstrao. O nmero de r-permutaes de n elementos n!/(n r)!. Cada sub-
conjunto de r elementos foi contado r! vezes (porque cada uma das ordens possveis
foi contabilizada). Assim, para obter o nmero de r-combinaes, basta dividir por r!,
obtendo a frmula no enunciado.
r
Exemplo 3.23. Queremos testar a interao entre 8 medicamentos diferentes, quando
ina
3 deles so administrados simultaneamente de cada vez. Queremos portanto testar

8 8!
m
= = 56
3 3!(8 3)!
eli
combinaes diferentes de medicamentos. J
Pr
Exemplo 3.24. Em um estoque h n dispositivos, e r destes tem defeito. Os dispo-

sitivos so selecionados aleatoriamente, um a um, para uso. Em quantas das poss-
o
veis sequncias de uso dois dispositivos defeituosos no so selecionados consecuti-

rs
vamente?
Para obter uma sequncia sem dois dispositivos defeituosos seguidos, teramos
que obter, entre cada dois funcionais, no mximo um defeituoso. H n m disposi-
Ve
tivos bons, e n m + 1 espaos entre eles na sequncia de uso. Assim, queremos

saber de quantas maneiras os m dispositivos ruins podem ocupar esses espaos3 :

nm+1
. J
m
Suponha que queiramos saber quantas solues existem para a equao
x1 + x2 + x3 = 5
Sabemos que o valor de cada varivel poder estar entre 1 e 3, e que devem somar 5.
Uma maneira simples de encontrar a soluo escrever 5 como a soma de vrios uns:
1+1+1+1+1=5
3 Ou seja, a probabilidade de dois defeituosos consecutivos
nm+1
n! m
n!
e dividir os uns entre x1 , x2 , e x3 o que podemos fazer incluindo marcadores que

separam a sequncia de uns em tres partes. Por exemplo,
x1
z}|{ z x}|2 { z x}|3 {
1 +1 + 1 +1 + 1 = 5

representa x1 = 1, x + 2 = 2 e x3 = 2. As duas marcas podem ser inseridas entre

um dgito 1 e outro, e portanto h 4 posies para elas. Queremos saber portanto de
quantas maneiras podemos selecionar 2 das 4 posies, ou

4
= 6.
2
Generalizando este raciocnio para n variveis chegamos ao teorema a seguir, cuja

demonstrao pedida no exerccio 26.
Teorema 3.25. O nmero de solues para a equao x1 + x2 + + xn = k com todos
r
os xi inteiros positivos (xi > 0) igual a
ina

k1
.
m
n1
eli
Mais ainda, o nmero de solues inteiras no negativas (xi 0)
Pr

n+k1
k
o
rs
3.2.1 Com repeties

Definio 3.26 (r-combinao). Uma r-combinao com repeties de um conjunto A
Ve
um multiconjunto de r elementos, todos pertencentes a A.
Exemplo 3.27. Seja A = {a, b, c, d}. A seguir temos todas as 3-combinaes com
repeties de elementos de A (lembramos que permitimos repeties, mas a ordem
de apresentao dos elementos no importa).
{a, b, c} {a, a, b} {b, b, c} {c, c, d} {a, a, a}

{a, b, d} {a, a, c} {b, b, d} {d, d, a} {b, b, b}
J
{a, c, d} {a, a, d} {c, c, a} {d, d, b} {c, c, c}
{b, c, d} {b, b, a} {c, c, b} {d, d, c} {d, d, d}
Teorema 3.28. Seja A um conjunto com n elementos. Ento a quantidade de r-combinaes

de elementos de A
n n+r1
=
r r
Demonstrao. Seja A tal que |A| = n. Os multiconjuntos de tamanho r, com elemen-
tos de A podem ser enumerados da seguinte forma: para cada elemento de ai A,
3.2. COMBINAES 29
criamos uma varivel xi que determina o nmero de vezes que ai aparece no multi-
conjunto. Como temos exatamente r elementos, ento
a1 + a2 + + an = r,
onde ai 0. Queremos portanto a quantidade de solues para esta equao, que j

sabemos ser igual a

n n+r1
= .
r r
3.2.2 Tringulo de Pascal

O exerccio 27 pede a demonstrao do teorema 3.29.
Teorema 3.29 (identidade de Pascal). Para todo n N e 1 k n,
r

n1 n1 n
ina
+ =
k k1 k m
n

Se dispusermos, uma linha de cada vez, todos os i , com 0 i 6= n, teremos
eli
0

Pr
0
1 1

0 1
o
2 2 2

0 1 2
rs
3 3 3 3

0 1 2 3
4 4 4 4 4
Ve

0 1 2 3 4
.. ..
. .
n

Mas usando a identidade de Pascal, percebemos que o valor de r dado pela tabela
a seguir, conhecida por tringulo de Pascal.
r
0 1 2 3 4
0 1
1 1 1
n 2 1 2 1
3 1 3 3 1
4 1 4 6 4 1
.. .. ..
. . .
Podemos, na verdade, dispor os elementos do tringulo de Pascal de diferentes ma-

neiras na forma de matriz, definindo assim matrizes de Pascal de orde n:

i1
Bi,j = , se i j.
j1

i+j1
Ci,j =
j1

j1
Pi,j = , se j i.
i1
Assim, temos
0 1
2
3

0 1 2 3 1 1 1 1
1 2 3 4 1 2 3 4
P4 = 0 1 2 3 = .
2 3 4 5 1 3 6 10
0 1 2 3
3 4 5 6 1 4 10 20
0 1 2 3
0
0 0 0 1 0 0 0
r
0
ina
1 1
0 0 1 1 0 0
B4 = 0 1 = .
2 2 2
0 1 2 1 0
0 1 2
3 3 3 3 1 3 3 1
m
0 1 2 3
0 1
2
3

1 1 1 1
eli
0 1 0 0
0 1 2 3
BT4 1 = 0 1 2 3

C4 = = 1 1 .
Pr
2 3 0
0 0 2 2
0 1 3
3 0 0 0 1
0 0 0 3
o
Alm de Pn serem evidentemente simtrica, as matrizes de Pascal tem diversas pro-

rs
priedades interessantes. Listamos a seguir algumas delas.

Teorema 3.30. Para todo n N, det Bn = det Cn = 1.
Ve
Demonstrao. Segue trivialmente se observarmos que as diagonais de Bn e Cn s con-

tm uns.
Teorema 3.31. Para todo n N, Bn Cn = Pn , e Cn Bn = |(Pn )1 |.
Exemplo 3.32. Verificamos aqui que B4 C4 = P4 .

1 0 0 0 1 1 1 1 1 1 1 1
1 1 0 0 0 1 2 3 1 2 3 4
B4 C 4 =
1 2 1 0 0 0
= . J
1 3 1 3 6 10
1 3 3 1 0 0 0 1 1 4 10 20
1
Corolrio 3.33. Para todo n N, det Pn = det Pn = 1.
Teorema 3.34. A inversa de Bn igual a Bn , exceto por seus elementos terem sinais alter-
nados abaixo da diagonal; o mesmo vale para Cn .
Corolrio 3.35. A decomposio LU de Pn (Bn , Cn ).
O tringulo de Pascal tem uma grande quantidade de propriedades interessantes
boa parte delas pode ser encontrada no livro de Bondarenko [Bon92].
3.3. COEFICIENTES BINOMIAIS 31
3.3 Coeficientes binomiais

Teorema 3.36. Sejam x e y pertencentes a um corpo, e n um inteiro positivo. Ento
X n
n ni i
(x + y)n = x y
i
i=0
Demonstrao. Considere os coeficientes possveis para xnk yk , para um k fixo.

A expresso (x + y)n = (x + y)(x + y) ter termos xni yi , mas com i va-
riando somente entre 0 e n. Para cada termo da expanso, escolhemos n i vezes
a varivel x e i vezes a varivel y. H ni maneiras de faz-lo, por isso (x + y)n =

Pn n ni i
i=0 i x y.
Exemplo 3.37.

6 6 6 6 5 6 4 2
(x + y) = x + x y+ x y
0 1 2

6 3 3 6 2 4 6 6 6
r
5
+ x y + x y + xy + y
ina
3 4 5 6
=x6 + 6x5 y + 15x4 y2 + 20x3 y3 + 15x2 y4 + 6xy5 + y J
m
eli
n

3.4 Aproximaes para n! e k
Pr
A funo fatorial permeia toda a Combinatria. Como seu clculo demorado se usar-
mos a definio, damos aqui uma frmula para aproximar n!.
o
Definio 3.38 (aproximao de Stirling para n!). A aproximao de Stirling para o

rs
fatorial n n
sn = 2n . (3.1)
Ve
e

O teorema a seguir justifica o uso desta aproximao. A demonstrao, no entanto,
requer ferramental que no pretendemos apresentar neste texto.
Teorema 3.39. Seja sn definido como na equao 3.1. Ento
n!
lim= 1.
sn
n
Alm de n!, podemos querer aproximar n

k .
Teorema 3.40. para todos n e k naturais,
n k n en k
.
k k k
Teorema 3.41. Para qualquer n natural,
22n

2n
.
n n
3.5 Teorema binomial generalizado

O teorema binomial nos d a expanso de (a + b)K para k inteiro, e evidente que
seria interessante generaliz-lo para qualquer expoente real.
Teorema 3.42. Para quaisquer k N e x (1, 1),
r(r 1) 2 r(r 1)(r 2) 3 r(r 1) (r k + 1) k

(1 + x)r = 1 + rx + x + x + + x +
2! 3! k!

X r(r 1) (r k + 1) k
= x
k!
k=0
Demonstrao. Basta tomar a expanso de Taylor de (1 x)r em zero.

Denotamos, para r R e k Z,

r r(r 1) (r k + 1)
=
r
k k!
Exemplo 3.43.

m

ina
eli
3 3( 3 1)( 3 2)( 3 3)
=
4 4!
Pr

7 3 + 12
=
4 3
o
7
rs
= 3+ . J
4
Ve
Como consequncia, temos o teorema a seguir.

Teorema 3.44. Para r, k N,

r r
= (1)k .
k k
Consequentemente, r = r .

k k
r

Para r inteiro negativo, podemos obter os valores de k usando a identidade de
r

Pascal. Com isso tambm obtemos os valores de k . Por exemplo,

1 0 1 1 0 1 1 0 1
= (1) = +1 = (1) = +1 = (1) = +1
0 0 0 0 0 0
2 1 2 1 2 1
= (1)1 1 = 1 = (1)1 1 = 2 = (1)1 1 = 3
1 1 1
3 2 1 3 2 1 3 2 1
= (1) = +1 = (1) = +3 = (1) = +6
2 2 2 2 2 2
4 1 3 1 4 1
3 = (1)3 3 = 1 3 = (1)3 2 = 4 3 = (1)3 2 = 10
.. .. ..
. . .
3.5. TEOREMA BINOMIAL GENERALIZADO 33
Podemos portanto expandir o tringulo de Pascal, criando uma parte superior, in-
cluindo linhas com ndice negativo.
k
0 1 2 3 4
.. ..
. .
3 1 3 6 10 15
2 1 2 3 4 5
1 1 1 1 1 1
0 1
1 1 1
n 2 1 2 1
3 1 3 3 1
4 1 4 6 4 1
.. .. ..
. . .
r
Exemplo 3.45 (aproximao de raiz quadrada). O teorema binomial generalizado nos
ina
d imediatamente um mtodo para calcular razes de nmeros reais entre 0 e 2: basta
computar (1 + x)1 /k, com x (1, 1). Podemos tambm usar o mesmo mtodo para
m
calcular razes de qualquer nmero real.
Como exemplo, calcularemos a raiz quadrada de 40.
eli

40 = 36 + 4
Pr
(36: quadrado perfeito abaixo de 40)

s
4
= 36 1 +
o
36
rs
r
1
=6 1+ .
9
Ve
Como |1/9| < 1, podemos usar o teorema binomial generalizado.

r
1
40 = 6 1 +
9

1 1
=6 1+
2 9
2
(1/2)(1/2 1) 1
+
2! 9
3
(1/2)(1/2 1)(1/2 2) 1
+
3! 9
4
(1/2)(1/2 1)(1/2 2)(1/2 3) 1
+
4! 9
5 #
(1/2)(1/2 1)(1/2 2)(1/2 3)(1/2 4) 1
+ +
5! 9
4
com cinco termos (ou seja, contando at (1/9) ) 6.324552 . . .,
O valor da aproximao
bastante prximo de 40 = 6.3245553 . . . J
15

A figura a seguir mostra uma aproximao contnua do grfico de x , com x
variando de 0 a 15.
6,000
4,000
2,000
r
0
0
m5
ina 10 15
eli
3.6 Problemas de ocupao: objetos e locais distingu-
Pr
veis
3.7 Problemas de ocupao: objetos indistinguveis,
o
rs
locais distinguveis
Ve
Exerccios
Ex. 19 Quantos anagramas existem para a palavra CAPOTE?
Ex. 20 Quantas coloraes de arestas com k cores existem para um grafo G =

(V, E)?
Ex. 21 Um sistema usa senhas que podem variar entre 8 e 10 caracteres. O sistema
exige que as senhas tenham pelo menos dois dgitos, duas letras, e dois caracteres es-
peciais, que podem ser ponto (.), trao (-) ou barra (/). Quantas so as senhas possveis
sem as restries e quantas so com as restries? [ h oficialmente 26 letras em nosso
alfabeto ]
Ex. 22 Se placas de carro so representadas por k letras e k + 1 nmeros, quanto

deve valer k para que possamos representar 10 milhes de carros?
Ex. 23 Quantos vetores binrios de tamanho n existem com mdia estritamente

acima de 0.5?
3.7. PROBLEMAS DE OCUPAO: OBJETOS INDISTINGUVEIS, LOCAIS DISTINGUVEIS 35
Ex. 24 (Difcil) Nos items que seguem considere matrizes cujas entradas so nme-
ros entre zero e dez.
Quantas matrizes quadradas de ordem n existem onde uma e apenas uma linha
multiplo de outra?
Quantas matrizes quadradas de ordem n existem com posto n 1? E com posto
exatamente n k? E quantas existem com posto no mnimo n k
Quantas matrizes quadradas de ordem n singulares e no singulares existem?
Ex. 25 Calcule
X
n
n
.
k
k=0
Ex. 26 Prove o teorema 3.25.

r
ina
Ex. 28 Prove o teorema binomial usando induo.
Ex. 29 Mostre a expanso de

m
a) (1 + x)n
eli
b) (x + y)n (x y)n
Pr
c) (x + y)n (x y)n (x + y)n

d) (x + y + z)n
o
e) (x1 + x2 + + xk )n
rs
P n
k i
f) i=1 (1) x i
Ve
Ex. 30 O teorema binomial pode ser usado para calcularmos a expanso de (A +

B)n , onde n N e A, B so matrizes quadradas? Porque?

Ex. 31 Aproxime 3 50 usando o teorema binomial generalizado. Use quatro ter-
mos na aproximao.
Ex. 32 Qual o nmero de relaes diferentes que podemos definir em um con-

junto de tamanho n?
r
m ina
eli
Pr
o
rs
Ve
Captulo 4
Princpio da Incluso e
Excluso
r
m ina
Este Captulo versa sobre o problema de determinar a cardinalidade da unio de di-
versos conjuntos no disjuntos, sabendo as cardinalidades das intersees entre os
conjuntos.
eli
Est claro, inicialmente, que para quaisquer dois conjuntos A e B,
Pr
|A B| = |A| + |B| |A B|.

o
rs
Ve
A AB B
Tendo tres conjuntos e usando raciocnio semelhante,
|A B C| = |A| + |B| + |C|

|A B| |A C| |B C|
+ |A B C|,
como possvel verificar facilmente a partir da figura a seguir.
37
38 CAPTULO 4. PRINCPIO DA INCLUSO E EXCLUSO
AB BC
A C
AC
r
Generalizando para n conjuntos, observamos que
m ina
|A1 A2 An | = |A1 | + |A2 | + + |An |
|A1 A2 | |A1 A3 | |An1 An | (2-combinaes)
eli
+ |A1 A2 A3 | + |An2 An1 An |
(3-combinaes)
Pr
..
.
o
|A1 An |. (interseo de todos)

rs
Tomamos primeiro os conjuntos isolados e somamos suas cardinalidades; depois sub-

tramos as 2-combinaes; somamos as 3-combinaes; e assim por diante. Listamos
Ve
as r-combinaes, com r variando de 1 a n. Quando r mpar, somamos, e quando

par, subtramos (ou seja, somamos (1)r vezes as cardinalidades).
Podemos expressar este processo informalmente da seguinte forma.
[ X X \
n n
Ai = (1)k Ai

i=1

k=1 | {z }
todas k-combinaes
O teorema 4.1 expressa com rigor esta idia.
Teorema 4.1. Sejam A1 , A2 , . . . , An conjuntos finitos. Ento
[ X X \
n n

Ai = (1)k1 Ai ,

i=1 k=1 I(nk ) iI
n

onde k o conjunto de combinaes de k elementos de n.
39
Demonstrao. Seja x um elemento qualquer da unio dos conjuntos. Este elemento

deve ser contado uma vez na unio de todos os conjuntos.
Presuma que x est nos conjuntos A1 , A2 , . . ., Ak , mas no nos outros conjuntos
Ak+1 , . . ., An .
x est em todas as intersees envolvendo apenas conjuntos A1 , . . ., Ak , e em
nenhuma das outras intersees. Assim,x est em todas as tuplas de j elementos,
com j variando de 1 a k. Para cada j h kj intersees, portanto x aparece em

k k k
k+ + + +
2 3 k
intersees. No entanto, cada interseo, ao ser somada na frmula, multiplicada

por (1)j1 , e portanto x contribui para a contagem

k k k1 k
k + + (1)
2 3 k
r
ina
vezes. Esta quantidade igual a um, e portanto cada elemento x contabilizado exa-
tamente uma vez. m
Exemplo 4.2. Para determinar quantos mltiplos de 5 e de 11 existem entre 1 e 2000,

eli
calculamos:
2000/5 = 400 mltiplos de 5,

Pr
b2000/11c = 181 mltiplos de 11.

o
No entanto, calculamos duas vezes cada nmero que mltiplo de 5 e tambm de 11

rs
ou seja, mltiplos de 55. Descontamos ento estes nmeros (h b2000/55c = 36

deles) e temos
Ve
400 + 181 36 = 545

mltiplos de 5 e de 11 entre 1 e 2000. J
Exemplo 4.3. H 2700 pessoas em um vilarejo. Destas, 3/4 cometeram alguma infra-
o de transito no ltimo ano. 1/3 ru em processo civil e 1/5 tem algum tipo de
pendncia com o fisco. Sabe-se que o nmero de pessoas que ru e que tambm tem
problemas com o fisco 300; que o nmero de infratores de transito que so rus
400; e tambm que a quantidade de infratores em dbito com o fisco 100. Quantos
cidados tem os tres tipos de problema?
Temos
3
|T | = 2700 = 2025,
4
1
|C| = 2700 = 900,
3
1
|F| = 2700 = 540.
5
As intersees so:
3
|T | |C| = 2700 = 400,
4
1
|T | |F| = 2700 = 100,
3
1
|C| |F| = 2700 = 300.
5
A quantidade que se quer |T C F|. Pelo princpio da incluso e excluso,
2700 = (2025 + 900 + 540) (400 + 100 + 300) + x,
e portanto o nmero procurado x = 35. J
r
4.1 Permutaes caticas
m ina
Definio 4.4 (permutao catica). Uma permutao catica uma permutao que
no deixa nenhum elemento em sua posio original ou seja, a permutao tem
eli
como entrada uma tupla (x1 , x2 , . . . , xn ) e como sada (y1 , y2 , . . . , yn ) tal que xi 6=
yi para todo i.
Pr
Exemplo 4.5. A permutao

o

1 2 3 4
,
rs
3 1 4 2
apresentada na pgina 25, catica. J a permutao

Ve

1 2 3 4
,
3 2 4 1
no catica, porque no modifica o elemento na segunda posio. J
Teorema 4.6. A quantidade de permutaes caticas com n elementos, denotada por !n,
X
n
!
(1)i
!n = n! 1 + .
i!
i=1
Demonstrao. Seja Pi o conjunto das permutaes que preservam a i-sima posio.

As permutaes caticas devem excluir as permutaes em todos os Pi s. No entanto,
as intersees entre os Pi no so vazias. Usamos portanto o princpio da incluso e
excluso: retiramos de n! (quantidade total de permutaes) aquelas que pertencem
4.1. PERMUTAES CATICAS 41
a algum Pi .
X
!n = n! |Pi |
i
X
+ |Pi Pj |
i6=j
X
|Pi Pj Pk |
i6=j6=k
.
+ ..
+ (1)n |P1 Pn |.
A quantidade de termos nos somatrios desta frmula
X
n em
i

n X
r
em
2
ina
i6=j

n X
em
m
3
i6=j6=k
eli
..
.
Pr

n
= 1 na ltima linha.
n
o
Note que o tamanho de |Pi | deve ser (n 1)!, porque mantemos fixa a posio i e
rs
contamos as permutaes dos outros elementos. Usando o mesmo raciocnio para os

outros conjuntos na frmula, temos
Ve
|Pi | = (n 1)!
|Pi Pj | = (n 2)!
|Pi Pj Pk | = (n 3)!
..
.
|P1 Pn | = (n n)! = 1
Nos falta somente substituir estes valores na frmula:

n n
!n = n! n(n 1)! + (n 2)! (n 3)! + + (1)n 1
2 3
n! n! n! n!
= n! + (n 2)! (n 3)! + + (1)n
1! 2!(n 2)! 3!(n 3)! n!
n! n! n! n!
= n! + + + (1)n
1! 2! 3! n!
1 1 1 1
= n! 1 + + + (1)n .
1! 2! 3! n!
O prximo teorema mostra uma surpreendente relao entre o nmero e e a quan-

tidade de permutaes caticas, e nos d uma outra maneira de calcular !n.
Teorema 4.7. Para todo n N+ ,

n!
!n = .
e
Demonstrao. Para n = 1 e n/2 pode-se verificar facilmente que bn!/ee = 1

Para n > 2, basta mostrar que |!n n!/e| < 1/2. A expanso de Taylor para ex
x0 x1 x2 x3
ex = + + + + ,
0! 1! 2! 3!
e que portanto
1 1 1
e1 = 1 + +
1! 2! 3!
r
ina
Calculamos

m
!n n! = n!(1 1 + 1 + + (1)n 1 ) n!(1 1 + 1 1 + )

e 1! 2! n! 1! 2! 3!
eli
X (1)i
X (1)i
n

= n! n!

Pr
i! i!

i=0 i=0
X

(1)i
o
= n!

i!

rs

i=n+1

X
!
1
n!
Ve
i!
i=n+1

X n!
=
i!
i=n+1
X
n!
=
(n + i)!
i=1
1 1
= + +
(n + 1) (n + 1)(n + 2)
X
1

(n + 1)i
i=1
1
=
n
1
< .
2
4.2. (N): CONTANDO CO-PRIMOS 43
Exemplo 4.8. O nmero de permutaes caticas com 10 elementos

Xn
!
(1)i
!n = n! 1 +
i!
i=1

1 1 1 1
= n! 1 + + +
1! 2! 3! 10!

16481
= 10!
44800
= 1334961.
Usando a forma fechada obtemos o mesmo valor,

10! 3628800
!n = = = b1334960.916 . . .e = 1334961. J
e e
4.2 (n): contando co-primos
r
m ina
Definio 4.9 (funo (n) (tociente)). Dado um nmero natural n 1, (n) a
quantidade de nmeros entre 1 e n que so co-primos com n.
Exemplo 4.10. (10) = 4, porque so coprimos com dez os nmeros 1, 3, 7, e 9. J
eli
Exemplo 4.11. Para todo primo p, (p) = p 1, j que p coprimo com qualquer
Pr
nmero natural inclusive os menores que p. J

Teorema 4.12. Seja n um inteiro cuja fatorao em primos
o
n = pa 1 a2 a3 as
1 p2 p3 . . . p k
rs
Ento
Y 1

Ve
(n) = n 1 .
pi
Demonstrao. Sejam p1 , p2 , . . ., ps os fatores primos de n. Sejam Di os conjuntos de
divisores de n:
D1 = {qp1 : q N}
D2 = {qp2 : q N}
..
.
Ds = {qps : q N}
A quantidade que queremos
[
(n) = |n| Di

X X
=n |Di | |Di Dj | + + (1)s |A1 An | .
i i6=j
Observamos que
n
|Ai | = ,
pi
n
|Ai Aj | = ,
pi pj
e de maneira geral,
n
|Ai Aq | = .
pi pq
Assim,
X n X n X n n
(n) = n + + + (1)s
pi pi pj pi pj pk p1 p2 ps
i i6=j i6=j6=k

X 1 X 1 X 1 1
= n 1 + + + (1)s
r

pi pi pj pi pj pk p1 p2 ps
ina
i i6=j i6=j6=k

1 1 1
=n 1 1 1 .
m
p1 p2 ps
eli
Exemplo 4.13. Seja n = 2004. Sua fatorao
Pr
n = 22 3 167,
o
portanto
rs

1 1 1
Ve
(n) = 2004 1 1 1
2 3 167

166
= 2004
501
= 664. J
4.3 Contagem de funes sobrejetoras
Exerccios
Ex. 33 Se |A| = 5, |B| = 10, |C| = 4, |A B| = 3, |A C| = 1, |B C| = 2, e
|A B C| = 1, quantos elementos tem |A B C|?
Ex. 34 Quantos nmeros entre 1 e 3000 so divisveis por 11, 14 ou 6?
Ex. 35 Demonstre o teorema 4.1 por induo.

4.3. CONTAGEM DE FUNES SOBREJETORAS 45
Ex. 36 Mostre que o teorema 4.1, que enuncia o princpio da incluso e excluso,
pode ser reescrito da seguinte forma, mais compacta1 .
X

[n \
Ai = (1)|I|1 Ai .

i=1 6=In iI
r
m ina
eli
Pr
o
rs
Ve
1 De acordo com Matousek Nesetril [MN98] (p. 88), esta a mais curta e quase diablica forma de des-
crever o princpio da incluso e excluso.

r
m ina
eli
Pr
o
rs
Ve
Captulo 5
Funes Geradoras
Neste Captulo usamos operaes em sries de potncias (polinmios com infinitos
r
termos) em processos de contagem.
nitos termos
a0 + a1 x + a2 x2 + ,
m ina
Definio 5.1 (srie de potncias). Uma srie formal de potncias uma soma de infi-
eli
ou
Pr

X
an xn .
n=0
o
rs
Cada srie formal de potncias representa unicamente a sequncia de seus coeficien-

tes (an ).
Ve
Por ora no nos interessar se uma dada srie de potencias converge ou no1 .
Nas prximas sees apresentamos as funes geradoras ordinrias, que usaremos
na contagem de objetos quando a ordem no importa, e funes geradoras exponen-
ciais, usadas na contagem de objetos cuja ordem relevante.
5.1 Funes geradoras ordinrias

Estamos interessados
Pna representao da sequencia de coeficientes de uma srie de
potncias. A forma n an xn nos d uma representao compacta dessa sequencia.
1 Mesmo assim observamos que
Toda srie de potncias converge para x = 0, e

Toda srie de potncias converge se |x| < 1 e os coeficientes so limitados (|an | < M ara algum
M R).
47
48 CAPTULO 5. FUNES GERADORAS
Definio 5.2 (funo geradora ordinria). Seja (an ) uma sequncia. A funo gera-
dora ordinria de (an ) a srie formal de potncias

X
A(x) = an xn .
n=0
Denotamos por [xn ]A(x) o coeficiente de xn em A(x).
Exemplo 5.3. Na funo geradora
A(x) = 1 + x + x2 + x3 +
temos [x3 ]A(x) = 3, e de maneira geral, [xn ]A(X) = x, ou seja, a sequencia repre-
sentada an = 1, cujos termos so
(1, 1, 1, . . .).
r
Para x (1, 1), esta srie converge para
m 1
1x
,
ina
eli
1
por isso dizemos que 1x a funo geradora da sequncia an = 1. J
Pr
Exemplo 5.4. A funo geradora
C(x) = (1 + x)n
o
rs
nos d os coeficientes binomiais de n n

0 at n .

n n 0 n n1 n n2 2 n 0 n
Ve
n
(1 + x) = 1 x + 1 x+ 1 x + + 1 x
0 1 2 n

n n 2
=1+ x+ x + + xn ,
1 2
ou seja, [xk ]C(x) = n

k .
Dizemos que (1 + x)n a funo geradora ordinria para o problema de determinar a
quantidade de combinaes nk . J
Exemplo 5.5. Verificamos agora a sequencia gerada pela funo geradora
1
.
1 4x
Usamos o teorema binomial generalizado,

X r
(1 + z)r = zi ,
i
i=0
5.1. FUNES GERADORAS ORDINRIAS 49
com z = 4x e r = 1/2.

X
1/2 1/2
(1 4x) = (4x)i
i
i=0

z }| {
X (1/2)(1/2 1) (1/2 i + 1)
= (1)i 4i xi .
i! | {z }
i=0
Na frao (1/2)(1/2 1) (1/2 i + 1), marcado com (), podemos verificar

que todos os fatores, (1/2), (1/2 1), (1/2 2), etc, so menores que zero. De
1/2 at 1/2i+1 h i+2 fatores, portanto o sinal deste produto ser (1)i+2 . Como
este tambm o sinal de (1)i , marcado com (), teremos sempre dois nmeros de
mesmo sinal sendo multiplicados. O resultado ser sempre positivo. Assim,

X (1/2)(3/2)(5/2) ((2i 1)/2)
(1 4x)1/2 = 1 + 4i xi
r
ina
i!
i=1

X
1 3 5 (2i 1) 1
=1+ 4i xi
m
i=1 |2 2 {z2 2} i!
eli
i ocorrencias de 2

X 1 3 5 (2i 1)
4i xi
Pr
=1+
2i i!
i=1

X 1 3 5 (2i 1)
o
=1+ 2i xi
rs
i!
i=1

X 1 3 5 (2i 1)[i!2i ]
=1+ xi
Ve
i!i!
i=1

X 1 3 5 (2i 1)[2 4 6 2i]
=1+ xi
i!i!
i=1
X
2i! i
=1+ x
i!i!
i=1

X 2i i
= x.
i
i=0
Assim, (1 4x)1/2 gera a sequencia

0 2 4 2n
, , , , , J
0 1 2 n
Para resolver problemas usando funes geradoras, precisaremos realizar opera-

es com elas. O teorema a seguir lista algumas destas operaes.
Teorema 5.6. Sejam (an ) e (bn ) sequncias com funes geradoras A(x) e B(x). Ento
i) A(x) + B(x) funo geradora para (an ) + (bn ), que igual a
a0 b0 + a1 b1 + a2 b2 +
ii) kA(x) funo geradora para k(an ),
ka0 , ka1 , ka2 , . . .
iii) A(x)B(x) funo geradora para (cn ), onde

X
cn = ai bj .
i,j0
i+j=n
Esta sequencia
a 0 b0 ,
r
ina
a0 b1 + a1 b0 ,
a0 b2 + a1 b1 + a2 b0 ,
m
a0 b3 + a1 b2 + a2 b1 + a3 b0
eli
..
.
Pr
Exemplo 5.7. Queremos encontrar a funo geradora para

o
(0, 0, 1, 1, 1, . . .).
rs
1
Esta sequencia se parece com a sequncia (0, 1, 1, 1, . . .) do exemplo 5.3, que 1x .
Aqui observamos que se multiplicarmos uma sequencia inteira por x, cada termo
Ve
ak xk passa a ser ak xxk = ak xk+1 , e portanto o coeficiente ak passa a ser o coefici-

ente de xk+1 . Usando este fato percebemos que para transformar 1+x+x2 +x3 +
em 0 + 0x + 0x2 + x3 + x4 + , basta multiplicar por x2 . A funo geradora que
queremos , portanto,
x2

2 1
x = . J
1x 1x
O exemplo anterior mostra que algumas operaes nas funes geradoras tem
efeito simples e bem definido na sequencia de coeficientes.
Exemplo 5.8. Determinaremos a funo geradora da sequencia

1 1 1 1
0, , 1 + , , ,
2! 3! 4! 5!
Esta sequencia se parece com ex , exceto pelo coeficiente de x3 . Sua funo geradora
, claramente,
ex + x3 . J
Exemplo 5.9. Considere a srie de potncias
1
A(x) = .
1 x2
Obteremos sua sequncia de coeficientes. Conhecemos uma funo geradora bastante
parecida com esta,
1
B(x) = = 1 + x + x2 + x3 + ,
1x
que gera a sequncia (1, 1, 1, . . .).
A diferena entre as duas est somente na troca de x por x2 ou seja, se subtituir-
mos x por x2 em B(x) obteremos A(x):
1 (x2 )
B(x2 ) = A(x).
=
r
J podemos desta forma identificar os coeficientes de A(x):
e a sequncia gerada (1, 0, 1, 0, . . .).

m ina
A(x) = B(x2 ) = 1 + x2 + x4 + x6 + ,
J
eli
Pr
5.1.1 Aplicaes em contagem

Damos a seguir um exemplo de uso de funes geradoras na resoluo de um problema
o
simples.
rs
O exemplo a seguir extremamente importante, porque explicita a intuio a res-

peito do mecanismo que usamos para realizar contagem com funes geradoras.
Ve
Exemplo 5.10. Suponha que queiramos escolher selecionar objetos de dois tipos,
sendo que os objetos de cada tipo so indistinguveis entre si, e sem que importa a
ordem em que so apresentados. Chamaremos o primeiro tipo de T1 , o segundo de
T2 .
Suponha que haja a seguinte restrio: podemos usar no mximo trs objetos do
tipo T1 , e mo mximo dois objetos do tipo T2 .
Ob;servamos que ao multiplicar dois monmios axp e bxq , obtemos (ab)xp+q
os coeficientes so multiplicados, e os expoentes somados. Se representarmos objetos
do tipo T1 e T2 por
T1 : (t1 x0 + t1 x1 + t1 x2 + t1 x3 )
T2 : (t2 x0 + t2 x1 + t2 x2 ),
podemos multiplicar os dois polinmios e observar que ao multiplicar, por exemplo,

o termo t1 x3 pelo termo t2 x1 , obteremos t1 t2 x4 . Usamos uma analogia e dizemos
que tnhamos dois objetos do tipo t1 e um do tipo t2 , totalizando tres de ambos os
tipos. Mas h outra maneira de obter o mesmo resultado: multiplicamos t1 x2 por
t2 x2 , obtendo tambm t1 t2 x4 . Na verdade, estas so as nicas maneiras de obtermos

x4 :
(t1 x3 )(t2 x1 ) = (t1 t2 )x4
(t1 x2 )(t2 x2 ) = (t1 t2 )x4 .
Podemos obter x3 de tres maneiras:
(t1 x3 )(t2 x0 ) = x3
(t1 x2 )(t2 x1 ) = x3
(t1 x1 )(t2 x2 ) = x3 .
Mas, se fizermos t1 = t2 = 1, os coeficientes de x4 e x3 na multiplicao dos dois
polinmios nos daro exatamente a quantidade de maneiras diferentes para obter 4
objetos, sendo entre 0 e 3 do tipo t1 e entre 0 e 2 do tipo t2 . Explicitamos a multipli-
cao dos dois polinmios, com coeficientes unitrios:
1 + 2x + 3x2 + 3x3 + 2x4 + x5 .
r
ina
Ou seja, h uma nica maneira de selecionar cinco objetos, dadas as restries (3 de
t1 e 2 de t2 ); duas de selecionar quatro objetos; tres de selecionar tres objetos, e assim
m
por diante. J
eli
Teorema 5.11. A quantidade de maneiras distinguveis de escolher k objetos de tipos 1 . . . q,
sendo que os objetos do mesmo tipo so nidistinguveis, e sem que importe a ordem, [xk ]G(X),
Pr
onde
G(x) = (1 + x + x2 + + xn1 )(1 + x + x2 + + xn2 ) (1 + x + x2 + + xnq ),
o
rs
e ni a quantidade disponvel de objetos do tipo i.

Exemplo 5.12. De quantas maneiras possvel alocar cinco tipos diferentes de ativi-
Ve
dades para 10 pessoas?

Podemos ter de zero a dez pessoas em cada atividade. Representamos, para cada
uma das atividades, o coeficiente de xk como a quantidade de pessoas na k-sima
atividade.
1 + x + x2 + . . . + x10
Para cinco atividades, queremos o coeficiente de x10 em
(1 + x + x2 + . . . + x10 )5 .
Mas
1
1 + x + x2 + . . . = ,
1x
retiramos os termos excedentes x11 + ,

1 1
(1 + x + x2 + . . . + x10 ) = x11
1x 1x
1 x11
= .
1x
Assim, temos
5
1 x11

2 10 5
(1 + x + x + . . . + x ) = = (1 x11 )5 (1 x)5 .
1x
O coeficiente de x10 em (1 x11 )5 zero, porque os produtos sempre envolvem um
ou potncias de grau maior que dez (o binmio tem somente 1 e x11 ). Por isso s
procuramos o coeficiente em (1 x)5 . Como

X
5
(1 x)5 = (x)i ,
k
i=0
5

o coeficiente procurado 10 . Sabemos que

n k n+k1
= (1) ,
k k
e portanto temos
r
ina

5 5 + 10 1 14
= (1)10 = = 1001.
10 10 10
m
Este problema poderia ter sido resolvido de maneira mais rpida observando que o
eli
que se pede uma quantidade de combinaes com elementos idnticos, dada pela
forma fechada n k =
n+k1
. No entanto, relevante por ser um exemplo simples
Pr
k
de aplicao de funes geradoras. J
Exemplo 5.13. De quantas maneira possvel fazer doze pontos jogando quatro dados
o
diferentes (a ordem dos dados no importa)?

rs
Cada dado nos d um nmero entre 1 e 6, portanto a funo geradora para o n-

mero de pontos
Ve
G(x) = (x + x2 + + x6 )4
4
= x(1 + x + + x5 )
= x4 (1 + x + + x5 )4
x6

1
= x4
1x 1x
4
1 x6

4
=x
1x
= x4 (1 x6 )4 (1 x)4 .
Sabemos que x4 soma 4 aos coeficientes do resto da expresso, portanto procuramos

o coeficiente de x8 em (1 x6 )4 (1 x)4 . Verificamos que
(1 x6 )4 = 1 4x6 + 6x12 4x18 + x24 .
Podemos formar x8 de duas maneiras:
i) Usando o termo 1 de (1 x6 )4 . Neste caso queremos o coeficiente de x8 em

(1 x)4
ii) Usando o termo 4x6 de (1 x6 )4 . Neste caso queremos o coeficiente de x2

em (1 x)4 .
Calculamos:
[x8 ](1 x)4 = 165

[x2 ](1 x)4 = 10.
Assim, a quantidade buscada 164 4(10) = 125. J
Exemplo 5.14 (solues inteiras de equao linear com coeficientes unitrios). J

sabemos como computar a quantidade de solues inteiras positivas para
a1 + a2 + a3 = 10.
r
ina
A quantidade

3
m
= 66,
10
eli
que tambm podemos calcular usando funes geradoras. Para escolher 10 objetos
de tres tipos, a1 , a2 e a3 , havendo estoque ilimitado de cada um, a funo geradora
Pr
G(x) = (1 + x + x2 + )(1 + x + x2 + )(1 + x + x2 + )

o
= (1 x)3 .
rs
Calculamos [x10 ]G(x), que 3

10 = 66.
Ve
Agora tomamos uma verso modificada do problema, onde exigimos que todos
ai 2.
A funo geradora que nos dar a soluo
G(x) = (x2 + x3 + )3 .
Queremos [x10 ]G(x).

Usamos novamente a funo geradora (1 x)1 :
x2 + x3 + = x2 (1 + x + x2 + )
x2
= .
1x
Assim, queremos o coeficiente de x10 em

3
x2 x6

= = (x6 )(1 x)3 .
1x (1 x)3
5.2. FUNES GERADORAS EXPONENCIAIS 55
O efeito de multiplicar qualquer srie de potncia por x6 ser o de somar seis a todos os
expoentes. Assim, podemos simplesmente procurar o coeficiente de x4 em (1 x)3 ,
que
3
= 15.
4
O leitor pode querer verificar a listagem das quinze solues abaixo (em ordem lexi-
cogrfica).
2, 2, 6 3, 2, 5 4, 3, 3
2, 3, 5 3, 3, 4 4, 4, 2
2, 4, 4 3, 4, 3 5, 2, 3 J
2, 5, 3 3, 5, 2 5, 3, 2
2, 6, 2 4, 2, 4 6, 2, 2
Exemplo 5.15.
x X
2
= nxn
(1 x)
n1
r
X
ina
x
= cn x n
1 cx
n0
m
J
eli
5.2 Funes geradoras exponenciais

Pr
Definio 5.16 (funo geradora exponencial). Seja (an ) uma sequncia. A funo
o
geradora exponencial de (an ) a srie formal de potncias

rs

X xn
A(x) = an .
Ve
n!
n=0
Denotamos por n![xn ]A(x) o coeficiente de (xn /n!) em A(x).

Exemplo 5.17. Seja
x2 x3 x4
A(x) = 1 + x + + + +
2! 3! 4!
Esta uma funo geradora exponencial para a sequncia (1, 1, 1, . . .) ou seja, n![xn ]A(X) =
1 para todo n.
Denotamos esta funo geradora por ex , porque o valor para o qual ela converge.
J
5.2.1 Aplicaes em contagem

Sabemos como usar funes geradoras para contar as combinaes de vrios tipos de
objetos. Para obter as quantidades de permutaes formadas com esses objetos, s
precisaramos multiplicar por n!.
Teorema 5.18. A quantidade de maneiras distinguveis de escolher k objetos de tipos 1 . . . q,

sendo que os objetos do mesmo tipo so indistinguveis, onde a ordem importa, n![xk ]G(X),
onde
2 n1
2 n2
2

xnq
G(x) = 1 + x + x2! + + xn1 ! 1 + x + x2! + + xn2 ! 1 + x + x2! + + nq ! ,
e ni a quantidade disponvel de objetos do tipo i.
Exemplo 5.19. Contamos a quantidade de palavras de quatro letras que podemos

construir com a, b, c sendo que podemos usar
a 3 vezes,
b 2 vezes,
c 1 vez.
r
x2 x3 x2

ina
G(x) = 1 + x + + 1+x+ (1 + x)
2! 3! 2!
19 3 19 4 x5 x6
m
= 1 + 3x + 4x2 + x + x + +
6 12 2 12
eli
x!
Queremos os coeficientes de n! , por isso reorganizamos o polinmio de forma que
Pr
todos os termos tenham n! no denominador.

x x2 x3 x4 x5 x6
E(X) = 1 + 3 + 8 + 19 + 38 + 60 + 60 ,
o
1! 2! 3! 4! 5! 6!
rs
e nossa resposta est no coeficiente de x4 /4!, ou seja, 38. J

Ve
5.3 Ocupao: objetos distinguveis, locais distingu-

veis
Teorema 5.20. A quantidade de maneiras possveis de organizar n objetos diferentes em k
locais diferentes, sem que nenhum lugar fique vazio dada por
X
k
i k
T (n, k) = (1) (k i)n .
i
i=0
Demonstrao. Suponha que o i-simo objeto seja posto no local L(i). Uma maneira
de organizar os objetos em locais ser dada pela sequncia L(1), L(2), . . . , L(n), que
uma n-permutao do conjunto {1, 2, . . . , k} de locais. Para um nmero fixo k de
locais, a funo geradora para T (n, k)
x2 x3 k
G(x) = x + + + = (ex 1)k ,
2! 3!
5.4. OCUPAO: OBJETOS DISTINGUVEIS, LOCAIS INDISTINGUVEIS 57
e portanto
T (n, k) = n![xn ]G(x).
Pelo teorema binomial,
X
k
k
G(x) = (1)i e(ki)x .
i
i=0
Substitumos (k i)x na expanso de ex e a usamos na frmula acima, obtendo
X
k X
k 1
G(x) = (1)i (k i)n xn
i n!
i=0 n=0
X n Xk
x i k
= (1) (k i)n .
n! i
n=0 i=0
n
O coeficiente n![x ]G(x)
r
X
k
ina

k
T (n, k) = (1)i (k i)n .
i
i=0
m
Exemplo 5.21. A quantidade de maneiras de organizar 10 objetos diferentes em 4
eli
gavetas
Pr
X
4
4
T (10, 5) = (1)i(4 i)10
i
i=0
o

4 10 4 10 4 10 4 10 4 10
rs
= 4 3 + 2 1 + 0
0 1 2 3 4
= (1)410 (4)310 + (6)210 (4) + 0
Ve
= 818520. J
locais diferentes, podendo haver locais vazios
kn .
Exemplo 5.23. A quantidade de maneiras de organizar 10 objetos diferentes em 4
gavetas, podendo haver gavetas vazias,
410 = 1048576. J
5.4 Ocupao: objetos distinguveis, locais indistingu-

veis
locais indistinguveis, sem que nenhum lugar fique vazio chamada de nmero de Stirling
do segundo tipo, dado por

1 X
k
n i k
S(n, k) = = (1) (k i)n .
k k! i
i=0
Demonstrao. A nica diferena entre T (n, k) e S(n, k) que os locais so indistin-

guveis. Assim, T (n, k) = k!S(n, k), e a validade do teorema segue trivialmente.
A notao { n
k } sugere algo relacionado a conjuntos. E de fato, separar objetos dis-
tinguveis em locais indistinguveis o mesmo que separar elementos de um conjunto
em subconjuntos. Assim, { n k } a quantidade de maneiras diferentes de dividir um
conjunto em subconjuntos.
Exemplo 5.25. A quantidade de maneiras de particionar o conjunto {v, w, x, y, z} em
dois subconjuntos, nenhum vazio,

5 1
= T (5, 2)
2 2!
r

1 2 5 2 5
ina
= 2 2 1
2! 2 1
= 30/2!
m
= 15. J
eli
locais indistinguveis, podendo haver locais vazios dada por
Pr
Xk
n
.
o
i
i=1
rs
Demonstrao. Temos 1}
{n possibilidades usando apenas um local, deixando os outros
2 } usando dois locais, e assim por diante. Disso segue trivialmente o
k 1 vazios; { n
Ve
enunciado do teorema.
Exemplo 5.27. A quantidade de maneiras de particionar o conjunto {v, w, x, y, z} em
dois subconjuntos, contando subconjuntos vazios,

5 5
+ = 15 + T (5, 1)
2 1

1 1 5
= 15 + 1
1! 1
= 15 + 1
= 16. J
5.5 Funes geradoras em Probabilidade

Definio 5.28 (funo geradora de probabilidade).
Definio 5.29 (funo geradora de momentos).
5.6. UMA LISTA DE FUNES GERADORAS 59
5.6 Uma lista de funes geradoras
Esta seo traz uma lista de funes geradoras e suas sequncias. O exerccio 40 pede
a demonstrao de corretude delas.
Funes geradoras ordinrias:
1
P
(1, 1, 1, . . . , 1, . . .) 1x i0 xi
x
P
(0, 1, 2, 3, . . . , n, . . .) (1x)2 i1 ixi
n
x m P i i

(0, 0, . . . , m , . . .) (1x)m+1 im m x
P
(1, m m m m i

1 , 2 , . . . , n , . . .) (1 + x)m i0 i x
n P
(0, 1, 0, 1, . . . , 1(1)
2 , . . .) 1
1x2 i0 x2n
1
P
(1, k, k2 , k3 , . . . , kn , . . .) 1kx i0 ki xi
r
P
ina
xi
(0, 1, 12 , 13 , . . . , n
1
, . . .) 1
ln 1x i1 i
m
Funes geradoras exponenciais:
eli
P
Pr
xi
(1, 1, 1, . . . , 1, . . .) ex i0 i!
P xi
(0, 1, 2, 3, . . . , n, . . .) xex i1 (i1)!
o
1
P i!xi
(1, 2, 6, 24, 120, . . . , n!, . . .)
rs
1x i0 i!
Ve
5.7 Leitura adicional
Um estudo mais detalhado de funes geradoras pode ser encontrado no livro de Her-
bert Wilf [Wil05], e no de Flajolet e Sedgewick [SF96]. Tpicos mais avanados so dis-
cutidos no livro de Goulden e Jackson [GJ04]. Usando Anlise Complexa no estudo de
funes geradoras (ao tom-las como funes complexas), chega-se ao que se chama
Combinatria Analtica, cuja referencia bsica o livro de Flajolet e Sedgewick [FS09].
Exerccios
Ex. 37 Qual a sequencia da funo geradora ordinria ex + x2 x3 ?
Ex. 38 Qual a funo geradora ordinria de
1
i) ak = k +1 v) ak = kk
1
ii) ak = 2k vi) ak = Fk
iii) ak = 2k3 vii) ak = 2k
k k+1
iv) ak = 2 viii) ak = 2
ix) ak = (1)k x) ak = k 1
ak = k2

xi)
(Fk o k-simo nmero de Fibonacci)
Ex. 39 No exemplo 5.10, o que estaramos contando se tivssemos usado t1 6= t2 ?

Por exemplo, t1 = 2 e t2 = 3?
r
Ex. 40 Mostre que as tabelas da seo 5.6 esto corretas.
m ina
eli
Pr
o
rs
Ve
Captulo 6
Parties de um Inteiro
Definio 6.1 (partio de um inteiro). Uma partio de um inteiro no negativo n

uma representao de n como soma de outros inteiros no negativos, sem que importe
r
ina
a ordem. Denotamos a quantidade de parties diferentes de um inteiro por p(n).
Definimos que p(0) = 1. m
Exemplo 6.2. O inteiro 5 pode descrito como
eli
5 =5
=4+1
Pr
=3+2
=3+1+1
o
rs
=2+2+1
=2+1+1+1
Ve
= 1 + 1 + 1 + 1 + 1,
e portanto p(5) = 7. J
6.1 Diagramas de Ferrers

Uma partio de um inteiro pode ser representada como um diagrama.
Definio 6.3 (diagrama de Ferrers). Seja a1 + a2 + + ak uma partio de um
inteiro n. O diagrama de Ferrers desta partio consiste de linhas preenchidas com
pontos, uma linha por elemento da partio, e em cada linha i, a quantidade de pontos
igual ao elemento ai que ela representa.
Exemplo 6.4. Por exemplo, o diagrama de Ferrers para a partio 7 = 3 + 2 + 1 + 1

J

61
62 CAPTULO 6. PARTIES DE UM INTEIRO
Definio 6.5 (partio conjugada). A partio conjugada de uma partio obtida

lendo as colunas do diagrama de Ferrers como se fossem linhas.
Exemplo 6.6. A partio conjugada de 7 = 3 + 2 + 1 + 1 7 = 4 + 2 + 1, por-
que o diagrama de Ferrers da primeira partio, quando transposto, resulta no da
segunda.

J

Teorema 6.7. Para todo inteiro n, pm (n) = qm (n).
Demonstrao. Segue diretamente da noo de partio conjugada: para cada partio
contada em pm (n), h uma conjugada em qm (n).
6.2 Funes geradoras para parties
r
ina
Nesta seo obteremos funes geradoras para diversas quantidades de parties de
inteiros.
m
Definio 6.8 (produto infinito). Definimos o produto infinito de uma sequncia (an )
eli
como
Y Yn
ai = lim ai
Pr
n
i=0 i=0
se o limite existe e diferente de zero. Se o limite zero ou no existe, dizemos que o

o
produto divergente.
rs
Teorema 6.9. Para todo x (1, +1),

X Y
Ve
m
1
pm (n)xn = ,
1 xi
n=0 i=1
ou seja,
Y
m
!
n 1
pm (n) = [x ] .
1 xi
i=1
Demonstrao. Primeiro observamos que

Ym
1

1

1

1

=
1 xi 1x 1 x2 1 xm
i=1
=(1 + x + x2 + x3 + x4 + )
(1 + x2 + x22 + +x23 + x24 + )
..
.
(1 + xm + xm2 + xm3 + xm4 + ).
6.2. FUNES GERADORAS PARA PARTIES 63
Cada fator, portanto, ser (1 + xk + x2k + x3k + ). Se multiplicarmos e reorgani-

zarmos os termos, escrevendo os de grau i na i-sima linha, teremos
Y
m
1
1 xi
i=1
=1 (x0 )
+ x1
+ x2 + x21
+ x3 + x2+1 + x31
+ x4 + x3+1 + x22 + x2+21 + x41
..
.
Para cada limha i, podemos ver uma bijeo entre expoentes e parties de i.
Teorema 6.10. Para todo x (1, +1),
r
ina

Y
!
n 1
p(n) = [x ] .
1 xi
m
i=1
eli
Teorema 6.11. A quantidade de parties de um inteiro n em que as partes so todas dife-
rentes, mas nenhuma parte tem mais que m elementos,
Pr
Ym
!
d n i
pm (n) = [x ] (1 + x ) .
o
i=1
rs
A quantidade de parties de um inteiro n em que as partes so todas diferentes

Y
!
Ve
pd (n) = [xn ] (1 + xi ) .
i=1
Demonstrao.
Y
m
(1 + xi ) = (1 + x)(1 + x2 ) (1 + xm )
i=1
= 1 + x + x2 + (x2+1 + x3 ) + (x4 + x3+1 ) + (x5 + x4+1 + x3+2 ) +
O termo xn aparecer na soma tantas vezes quantas for possvel expressar n como
soma de m inteiros distintos.
O mesmo argumento pode ser repetido para pd (n), sem restrio de tamanho nas
parties, apenas usando o produtrio infinito ao invs do produtrio at m.
Teorema 6.12. A quantidade de parties de um inteiro n em partes mpares igual a
Y
!
i n 1
p (n) = [x ]
(1 x2n1 )
i=1
Demonstrao. A funo geradora para o nmero de parties de n

Y 1
.
1 xi
i=1
Se removermos os fatores onde x aparece como potncia par, teremos apenas os coe-
ficientes para as parties de tamanho mpar.
Teorema 6.13 (Euler). Para todo natural n,
pd (n) = pi (n).
Demonstrao. Provamos que as funes geradoras so iguais.

Y
Y (1 + xi )(1 xi )
(1 + xi ) =
(1 xi )
i=1 i=1
Y
1 x2i
r
=
1 xi
ina
i=1
1
=
m
(1 x)(1 x3 )(1 x5 )

Y
eli
1
= .
1 x2i1
Pr
i=1
6.3 Frmula exata para p(n)

o
rs
Obter o coeficiente de xn na funo geradora de p(n) ou em outros produtrios in-

finitos , de maneira geral, difcil, e no tentaremos faz-lo. H, no entanto, uma
Ve
frmula para o nmero de parties de um inteiro, dada por Hardy e Ramanujan, que
reproduzimos aqui
q
2 1
1 X d senh i 3 x 24
p(n) = Ai (n) i q ,
dx

2 i=1 1
x 24
x=n
com X
Ai (n) = h,k e2inh/k
0hk1
(h,k)=1
onde os h,k so raizes da unidade.
6.4 Estimativa para p(n)

Calcular p(n) de maneira exata pode tomar muito tempo. O teorema a seguir, que
enunciamos sem demonstrao, determina limites superior e inferior para p(n).
6.5. PROBLEMAS DE OCUPAO (OBJETOS E LOCAIS INDISTINGUVEIS) 65
Teorema 6.14. Para todo n 4,

r !
2n
n
2 < p(n) < exp .
3
A estimativa, no entanto, no muito justa, como podemos notar tomando n =

100:
r !
2(100)
100
2 < p(100) < exp
3
1024 < 190569292 < 13806585290.37873
Teorema 6.15. Para todo n 0,
p(n) Fn+1 ,
r
sendo Fi o i-simo nmero de Fibonacci.
Teorema 6.16 (Hardy/Ramanujan). Quando n ,
1
e 2n/3 .
m ina
p(n)
eli
4n 3
Pr
Exemplo 6.17. Temos p(200) 3.9 1012 , e
1
o
e 2(200)/3 = 4.1 1012 . J

rs
4(200) 3
Ve
6.5 Problemas de ocupao (objetos e locais indistin-

guveis)
Nesta seo mostramos como usar parties de inteiros em contagem.
A quantidade de maneiras diferentes de dispor n objetos indistinguveis em k

locais indistinguveis, sem que locais fiquem vazios, dada pelo nmero de par-
ties de n em k partes.
A quantidade de maneiras diferentes de dispor n objetos indistinguveis em k

locais indistinguveis, permitindo lugares vazios, dada pelo nmero de parti-
es de n em k ou menos partes.
6.6 Alguns fatos sobre parties

Teorema 6.18. A quantidade de parties de n onde k n aparece igual a p(n k).
Demonstrao. Para cada partio de n onde k aparece, podemos remover k obtendo

uma partio de n k. Da mesma forma, para cada partio de n k, podemos adi-
cionar o elemento k, obtendo uma partio de n. Assim estabelecemos uma bijeo,
e as duas quantidades so iguais.
Teorema 6.19. Para todo n N,
jnk
q2 (n) = .
2
6.7 Leitura adicional

A teoria de parties faz parte da teoria aditiva de nmeros (em contraste com a te-
oria multiplicativa de nmeros, onde primalidade e divisibilidade so tpicos cen-
trais). Introdues teoria de parties de inteiros so dadas nos livros de Goerge
Andrews [And94] e de Niven, Zuckerman e Montgomery [NSM91] (este ltimo con-
tm uma demonstrao do teorema 6.14).
r
Exerccios
Ex. 41 Ache as parties conjugadas de
m ina
eli
i) 6 = 3 + 1 + 1 + 1
ii) 10 = 3 + 2 + 2 + 1 + 1 + 1
Pr
iii) 15 = 10 + 4 + 1
o
Ex. 42 Represente as parties de um inteiro n como uma matriz M(n): cada linha
rs
contm os elementos de uma partio, comeando da esquerda e listando os elemen-

tos seguintes direita. As linhas devem ficar em ordem lexicogrfica. Quais so o
Ve
posto, determinante e trao de M(n)? (Demonstre)
Ex. 43 Liste as parties de 6.
Ex. 44 Use funes geradoras para encontrar p(15).
Ex. 45 Determine a funo geradora para o nmero de parties de um inteiro cuja

maior parte k (o coeficiente de xn deve ser o nmero de parties de n onde a maoir
das partes k).
Ex. 46 Mostre que a quantidade de divisores de n mpar se e somente se n

quadrado perfeito.
Captulo 7
Recorrncias
Neste Captulo examinamos relaes de recorrncia, que so descries finitas para sequn-
cias numricas infinitas.
r
7.1 Definio e classificao
m ina
eli
Comeamos definindo relaes de recorrncia.
Pr
Definio 7.1 (relao de recorrncia). Uma relao de recorrncia uma definio

recursiva de uma sequncia, ou seja uma definio que inclui a definio de an usando
termos anteriores a an :
o
rs
an = f(a1 , . . . , an1 ).
Uma relao de recorrncia de ordem k se an depende de ank , mas no de termos

Ve
anteriores a ank .
Se so definidos valores para pontos isolados,
a0 = z,
a1 = z 0 ,
..
.
estes so chamados de valores iniciais, ou condies iniciais.
Definio 7.2 (recorrncia linear e homognea). Uma relao de recorrncia linear

se da forma
X
n1
an = ci ai + g(n),
i=1
e homognea se g(n) = 0.
67
68 CAPTULO 7. RECORRNCIAS
Exemplo 7.3. A funo fatorial pode ser definida recursivamente. A sequncia onde
an = n! dada pela relao de recorrncia
a0 = 1
an = nan1 . J
Exemplo 7.4. Suponha que precisemos de um algoritmo para localizar um elemento
em um vetor ordenado. O algoritmo ingnuo para este problema pesquisar, da pri-
meira at a ltima posio do vetor, pelo elemento procurado. Na pior das hipteses
ou seja, no pior caso o elemento ser encontrado na ltima posio pesquisada (ou
no ser encontrado em nenhuma das posies), e teremos que realizar n compara-
es.
Podemos usar um algoritmo melhor para isso. Como sabemos que o vetor est
ordenado, comeamos comparando x com a posio
jnk
2
do vetor. Se o elemento naquela posio for maior que x, descartamos a metade
r
direita e reiniciamos a busca nos n

ina
2 elementos esquerda. O mesmo vale quando
o elemento menor que x: descartamos a primeira metade do vetor, e recomeamos
com os n

elementos direita. A intuio nos diz que este algoritmo mais eficiente
2
m
que o anterior. Seu tempo de execuo dado pela relao de recorrncia
eli
t1 = 1
Pr
tn = 1 + tbn/2c . J
Exemplo 7.5. Para resolver o problema das torres de Hanoi, h um algoritmo bastante
o
conhecido:
rs
Mova n 1 discos de A para B

Mova 1 disco de A para C
Ve
Mova n 1 discos de B para C

Deste algoritmo deduzimos que a quantidade de movimentos necessrios para mover
n discos de uma haste a outra dada pela relao de recorrncia
h1 = 1
hn = 2hn1 + 1.
Esta recorrncia no-homognea, linear, de ordem um e com coeficientes constan-
tes. J
Exemplo 7.6. Os nmeros de Fibonacci so definidos pela relao de recorrncia
F0 = 0
F1 = 1
Fn = Fn1 + Fn2 .
Esta recorrncia linear, homognea, e de ordem dois, com coeficientes constantes.
J
7.1. DEFINIO E CLASSIFICAO 69
Exemplo 7.7. Usaremos retas para dividir o plano em regies. As retas no so para-
lelas, e a interseo de quaisquer trs retas sempre ser vazia.
Com nenhuma reta, temos uma regio (o plano inteiro). Com uma reta, temos duas
regies. Denotaremos por rn o nmero de regies em que o plano dividido por n
retas.
Quanto j temos n1 retas, e portanto rn1 regies, a n-sima reta cruzar todas
as outras. E para cada outra reta que cruzar, criar uma nova regio. Assim, rn dado
pela relao de recorrncia
r0 = 1
rn = rn1 + n 1.
Esta relao de recorrncia linear e no homognea, de ordem um. J
Exemplo 7.8. Juros compostos podem ser definidos da seguinte maneira:
Comeamos com um montante inicial p
r
ina
A cada perodo, aplicamos uma taxa j sobre o montante do perodo anterior.
Isto pode ser resumido da seguinte forma:

m
eli
v0 = p
vn = vn1 + jvn1
Pr
A segunda equao uma equao recorrente linear (porque a j constante) e homo-

J
o
gnea.
rs
Exemplo 7.9. O problema a seguir conhecido como problema de Josephus.

H n homens dispostos em crculo, e pretende-se eliminar n 1 deles, ficando
Ve
apenas um sobrevivente. O mtodo para eliminar os n 1 homens o seguinte: os

homens so numerados de 1 a n. Depois, elimina-se cada k-simo homem a partir
do primeiro (ou seja, o de ndice k, o de ndice 2k, etc), at que sobre apenas um
homem. J
Exemplo 7.10. Para realizar a intercalao de dois vetores de tamanho n/2 precisa-
mos de n comparaes.
O mergesort divide o vetor em dois, chama a si mesmo recursivamente em dois
vetores de tamanho n/2, e finalmente intercala os dois vetores. A equao de recor-
rncia que determina o nmero de comparaes feita pelo mergesort , portanto,
t1 = 1
tn = 2tn/2 + n.
Esta recorrncia linear e no homognea. J
O teorema a seguir explicita o que intuitivamente claro: uma relao de recor-

rencia de ordem k precisa de k valores iniciais. O exerccio 56 pede a demonstrao.
Teorema 7.11. Uma equao recorrente de ordem k acompanhada de k valores iniciais de-
fine unicamente uma sequncia (an ).
Se a equao estiver acompanha de de menos de k valores iniciais, haver mais de uma
sequncia satisfazendo a relao de recorrncia.
Se a equao estiver acompanhada de mais de k valores iniciais, ento uma de duas situa-
es ocorrer: ou a recorrncia no determinar nenhuma sequncia; ou ela determinar uma
nica sequncia. No segundo caso, um dos valores iniciais poder ser descartado, e a relao
de recorrncia continuar representando a mesma sequncia.
7.2 Soluo de recorrncias lineares de ordem um

Recorrncias de ordem um so usualmente fceis de resolver.
O teorema 7.12 um dos resultados mais simples que podemos explicitar. Sua
demonstrao pedida no exerccio 53.
Teorema 7.12. A forma fechada para a recorrencia an = kan1
r
an = a0 kn .
Exemplo 7.13. A recorrncia para juros compostos
v0 = p
m ina
eli
vn = vn1 + jvn1 ,
Pr
onde p o valor principal, j so os juros (juros de 2% so descritos como 0.02, por

exemplo), e vn o montante no n-simo perodo.
Podemos escrever a equao recorrente como vn = (1 + j)vn1 , e portanto
o
rs
vn = p(1 + j)n . J
Teorema 7.14. A recorrencia linear de primeira ordem
Ve
a0 = k0
an = qn an1 + kn ,
onde k0 , . . . , kn , q1 , . . . , qn so constantes, tem como soluo
X
an = kn + ki (qi+1 qi+2 qn )
0in
X Y
n
!
= kn + ki qm .
0in m=i+1
Demonstrao. A demonstrao por induo em n.

A base pode ser verificada trivialmente para n = 0.
Para o passo, presumimos que
X Y
n
!
an = kn + ki qm .
0in m=i+1
7.3. SOLUO DE RECORRENCIAS LINEARES HOMOGNEAS 71
Para an+1 , temos

an+1 = qn+1 an + kn+1
!
X Y
n
= kn+1 + qn+1 kn + ki qm

0in m=i+1
X Y
n
!
= kn+1 + qn+1 kn + qn+1 ki qm
0in m=i+1
X Y
n+1
!
= kn+1 + ki qm
0in+1 m=i+1
Teorema 7.15. Se a sequencia xn soluo da recorrencia an = f(n)an1 , ento a troca

de variveis an = xn bn transforma a recorrencia
an = f(n)an1 + g(n)
r
ina
em
1
bn = bn1 + g(n)
xn1 f(n 1)
m
Exemplo 7.16. Seja
eli
a0 = 2
Pr
an = 2an1 + 2n1
A recorrncia
o
n = 2n1
rs
n1
admite como soluo xn = 2 . Assim, podemos substituir
Ve
an = 2n1 bn ,
e chegamos em
an = 2an1 + 2n1
2n1 bn = 2 2n2 bn1 + 2n1

2n1 bn = 2n1 bn1 + 2n1

bn = bn1 + 1. J
7.3 Soluo de recorrencias lineares homogneas

Observando a definio dada no incio do Captulo, percebemos que uma equao de
recorrncia linear homognea de ordem k com coeficientes constantes pode ser posta na
forma
c0 fn + c1 fn1 + c2 fn2 + + ck fnk = 0,
com todos os ci constantes.
Exemplo 7.17. A equao

an = 2an1 3an4
pode ser reescrita como
an 2an1 + 3an4 = 0. J
Lema 7.18. Se as sequncias (xn ) e (yn ) satisfazem uma equao de recorrncia linear ho-
mognea, ento qualquer combinao linear x + y tambm satisfaz a mesma equao.
Demonstrao. X X
ci xi = 0 = ci yi
implica que X X
ci xi = 0 = 0 = ci yi .
Exemplo 7.19. Sejam
r
(xn ) = 1, 2, 4, 8, 16, . . .
m ina
(yn ) = 3, 6, 12, 24, 48, . . .
Notamos que as duas sequncias satisfazem a equao recorrente
eli
an = 2an1 ,
Pr
j que xk = 2xk1 e yk = 2yk1 . Ento tanto (xn ) como (yn ) so duas solues
diferentes para a equao. Pelo Lema 7.18, a combinao linear
o
2(xn ) + (yn ) = 5, 10, 20, 40, 80, . . .

rs
tambm satisfaz a mesma equao. J

Ve
7.3.1 Matriz associada

Definio 7.20 (Matriz associada a equao de recorrncia). Uma equao de recor-
rncia linear de ordem k
an = c1 an1 + c2 an1 + + ck ank
pode ser descrita em forma de matriz:
C
z
}| {
0 1 0 0 an an+1
0 0 1 0
an+1
an+2

0 ..
an+2 = an+3
0 0 .
. .
. . .
.. 1 . .
ck ck1 ck2 c1 a n+k an+k+1
matriz C damos o nome de matriz associada equao de recorrncia (an ).

Exemplo 7.21. A recorrencia
an = 3an1 2an2
tem matriz associada

0 1
,
2 3
e polinmio caracterstico
p(x) = x2 3x + 2. J
bn = 2bn1 3bn3
x tem matriz associada

0 1 0
0 0 1 ,
3 0 2
r
ina
p(x) = x3 2x2 + 3. J
m
eli
en = 16en4
Pr
tem matriz associada

0 1 0 0
o
0 0 1 0
,
rs
0 0 0 1
16 0 0 0
Ve
p(x) = x4 16. J
Enunciamos lemas e teoremas que permitiro encontrar a forma fechada para re-
corrncias lineares homogneas.
Lema 7.24. Seja C a matriz associada equao de recorrncia da sequncia an . O polinmio
caracterstico de C
k + ck k1 + ck1 k2 + + c2 + c1 .
C no tem autovalores zero, e para qualquer autovalor de C, an = n soluo da recor-

rncia.
Teorema 7.25. Seja
an = c1 an1 + + cnk ank
uma equao recorrente linear homognea de ordem k com polinmio caracterstico
p(x) = xk + c1 xk1 + + ck1 x + ck .

Se o polinmio caracterstico tem k razes distintas r1 , . . . , rk (ou seja, no tem razes repeti-
das), ento uma sequncia (xn ) satisfaz a equao se e somente se
xn = b1 rn
1 + + bk r k
onde os bi so constantes.
Demonstrao. Pelo teorema fundamental da lgebra, o polinmio caracterstico (que
tem grau k) tem k razes, e portanto
Y
k
p(x) = (x ri ),
i=1
com p(ri ) = 0.
Mas se para qualquer raiz, p(ri ) = 0, ento x = ri soluo para a recorrncia.
Alm disso, pelo Lema 7.24, rni tambm soluo. Como combinaes lineares de
solues tambm so solues, temos a soluo
r
fn = c1 rn n n
1 + c2 r2 + + ck rk .
m
construir um sistema com k equaes e k variveis, ina
Como normalmente temos k valores iniciais, podemos aplicar o Teorema 7.25 para
eli
f1 = c1 r11 + c2 r12 + + ck r1k
f2 = c1 r21 + c2 r22 + + ck r2k
Pr
..
.
o
fk = c1 rk1 + c2 rk2 + + ck rkk ,

rs
obtendo assim a forma fechada (as variveis neste sistema so os ci ).

Ve
Exemplo 7.26. Considere a recorrncia
a1 = 3
a2 = 4
an = an1 + 2an2
O polinmio caracterstico
x2 x 2 = (x 2)(x + 1),
com razes 2 e 1. A soluo para a recorrncia
an = c1 (2)n + c2 (1)n .
Para a1 , e a2 temos
c1 (2) + c2 (1) = 3
c1 (2)2 + c2 (1)2 = 4
e portanto
7 2
c1 = , c2 = .
6 3
Finalmente,
7 n 2
an = 2 (1)n ,
6 3
e temos uma forma fechada para an . J
Exemplo 7.27. Considere a sequncia de Fibonacci,
F0 = 0
F1 = 1
Fn = Fn1 + Fn2 .
Reescrevemos a equao,
Fn Fn1 Fn2 = 0,
r
e obtemos o polinmio caracterstico
que tem as razes

x2 x 1,

m ina
eli
1 5 1+ 5
, .
2 2
Pr
A soluo para a recorrncia deve ser

!n !n
o
1 5 1+ 5
rs
Fn = c1 + c2 .
2 2
Ve
Substituimos e resolvemos o sistema para F0 e F1 ,

!0 !0
1 5 1+ 5
c1 + c2 =0
2 2
!1 !1
1 5 1+ 5
c1 + c2 = 1,
2 2
ou
c1 + c2 = 0
! !
1 5 1+ 5
c1 + c2 = 1,
2 2
e obtemos
1 1
c1 = c2 = ,
5 5
e portanto " !n !n #
1 1+ 5 1 5
Fn = ,
5 2 2
que a forma fechada para o n-simo nmero de Fibonacci. J
Exemplo 7.28. A recorrncia a seguir, pequena e com apenas coeficientes inteiros,
bastante interessante.
t0 = 0
t1 = 1
tn = 2tn1 2tn2
Reescrevemos a recorrncia,
tn 2tn1 + 2tn2 = 0,
r
e identificamos a equao caracterstica,
m ina
1x2 2x + 2 = 0.
Ao resolver esta equao obtemos razes complexas 1 i e 1 + i. A soluo da recor-

rncia ser
eli
tn = c1 (1 i)n + c2 (1 + i)n .
Pr
Para t0 e t1 ,
c1 + c2 = 0
o
rs
c1 (1 i) + c2 (1 + i) = 1
A soluo para o sistema

Ve
i i
c1 = , c2 = ,
2 2
e a forma geral da recorrncia
i i
tn = (1 i)n (1 + i)n .
2 2
Pode-se mostrar que
n
tn = 2n sen . J
4
7.3.2 Razes mltiplas

Considere a recorrncia
a0 = 2
a1 = 5
an = 4an1 4an2 .
Reescrevendo obtemos an 4an1 + 4an2 . A equao caracterstica
x2 4x + 4 = 0,
que tem suas duas razes iguais a 2. No podemos aplicar diretamente o mtodo do
polinmio caracterstico. Se tentarmos, veremos que no h soluo da forma an =
c2n para a1 .
Teorema 7.29. Se o polinmio caracterstico de uma recorrencia linear homogenea tem uma
raiz r com multiplicidade k, ento
an = rn , an = nrn , an = n2 rn , , an = nk1 rn
satisfazem a equao de recorrencia.

Combinaes lineares de solues so solues, e isso significa que podemos usar,
no exemplo inicial,
an = (c1 )2n + (c2 )n2n .
r
Para obter c1 e c2 , resolvemos
c1 + (c2 )(0)(20 ) = 2
1 1
c1 2 + c2 (1)(2 ) = 5
m ina (c1 = 2)
eli
e obtemos
1
Pr
c1 = 2 .
c2 =
2
Finalmente, podemos escrever a forma fechada para an :
o
rs
1
an = 2(2n ) + n2n
2
= 2n+1 + n2n1 .
Ve
Exemplo 7.30. Determinaremos a forma fechada para a recorrncia a seguir, de or-

dem tres.
a0 = 3
a1 = 12
a2 = 30
an = 3an1 + 4an3
A equao caracterstica
x3 + 3x2 4 = 0.
Fatorando, temos
(x + 2)2 (x 1),
e portanto as razes so 1 e 2. Tendo somente duas razes, presumimos que a soluo
da forma
an = (c1 )1n + (c2 )(2)n + (c3 )n(2)n .
a0 : (c1 )10 + (c2 )(2)0 + (c3 )0(2)0 = 3

a1 : (c1 )11 + (c2 )(2)1 + (c3 )1(2)1 = 12
a2 : (c1 )12 + (c2 )(2)2 + (c3 )2(2)2 = 30
Obtemos
c1 = 10 c2 = 7 c3 = 6.
Ento,
an = (10)1n 7(2)n + 6n(2)n . J
7.3.3 Diagonalizao da matriz associada

O Teorema 7.31 nos d outro mtodo, que mais geral (que no depende das razes
serem distintas) e conceitualmente mais elegante, para resolver recorrncias lineares
homogneas.
r
ina
Teorema 7.31. Seja C uma matriz associada a uma relao de recorrncia de ordem k. Se
C diagonalizvel, sejam P e P1 as matrizes de mudana de base tais que D = P1 CP
m
diagonal. Seja Z o vetor coluna com os valores iniciais da recorrncia,
eli

z1
z2
Pr

Z = z3 .

..
.
o
zk
rs
A forma fechada para o n-simo termo da recorrncia dada pela primeira entrada do vetor
Ve
PDn1 P1 Z.
Exemplo 7.32. Considere novamente a recorrncia do exemplo 7.26:
a1 = 3
a2 = 4
an = an1 + 2an2
A matriz associada
0 1
.
2 1
Diagonalizando A, temos

1 1 2 0 1 1 1
A= .
2 1 0 1 3 2 1
7.4. EQUAES LINEARES NO HOMOGNEAS 79
Temos portanto,
an = PDn1 P1 Z
n1
1 1 2 0 1 1 1 3
=
2 1 0 1 3 2 1 4
7 2
= 2n (1)n . J
6 3
7.4 Equaes lineares no homogneas

Teorema 7.33. Seja p(n) um polinmio de grau g, z uma constante, e
an = A1 an1 + A2 an2 + . . . + Ak ank + p(n)zn
uma relao de recorrncia, com a equao caracterstica sem o termo dependente de n (ou
seja, com a equao caracterstica da recorrencia homogenea associada) igual a
r
xk + A1 xk1 + + Ak = 0.
m ina
Se esta equao for multiplicada por (x z)g+1 , obtm-se outra equao com razes r1 , r2 ,
. . . Ento existem ci tais que an = ci rn
eli
i soluo para a recorrncia, assim como no caso
homogneo. Se ri tem multiplicidade m, aplica-se o teorema 7.29.
Pr
Exemplo 7.34. Resolvemos inicialmente uma recorrncia linear no-homognea de

ordem um.
o
rs
a0 = 2
an1
an = + 3n
Ve
2
Temos p(n) = 0, e z(n) = 3n . A equao caracterstica da recorrncia homognea
associada
1
x = 0.
2
Multiplicamos por (x 3), obtendo
x3
x(x 3) = 0,
2
com razes
1
r1 = 3 r2 =
2
As solues sero da forma
n
1
an = c1 (3)n + c2 .
2
No entanto, temos duas constantes para determinar (c1 e c2 ), mas s temos um valor
inicial (a0 = 2). Resolvemos este problema calculando a1 :
a0
a1 = + 31 = 4
2
Agora podemos resolver o sistema:
a0 : c1 + c2 = 2
a1 : c1 (3) + c2 (1/2) = 4
determinando as constantes
6 4
c1 = c2 =
5 5
J temos portanto a forma fechada para a recorrncia:
6 n 4
an = (3) + . J
5 (5)2n
r
ina
Exemplo 7.35. Nem toda recorrncia no-homognea pode ser resolvida de forma
simples. Em alguns casos, no entanto, possvel encontrar a forma fechada com rela-
tiva facilidade.
m
eli
Considere a seguinte relao de recorrncia linear no-homognea de ordem 3.
Pr
b0 = 4
b1 = 2
o
b2 = 3
rs
bn = bn1 + 4bn2 + 4bn3 + n

Ve
Podemos escrever o termo dependente de n como (n1 )(1n ), e portanto o teorema 7.33
se aplica. O polinmio de grau um, portanto a equao caracterstica ser multipli-
cada por (x 1)1 .
A equao caracterstica da homognea associada
x3 + x2 4x 4 = 0
Multiplicamos por (x 1), e obtemos
(x4 x3 ) + (x3 x2 )(4x2 + 4x)(4x 4) = 0

x4 5x2 + 4 = 0
Para resolver a equao do quarto grau1 , fazemos y = x2 ,
y2 5y + 4 = 0
1 H forma fechada para as solues de uma equao do quarto grau, mas no a usaremos.
7.5. TROCA DE VARIVEIS 81
e obtemos y = 1, y = 4. Ao desfazer a troca de variveis, conseguimos a soluo para

a equao qurtica original:
x1 = 1 x2 = 1 x3 = 2 x4 = 2
As solues da recorrencia devem ser da forma
bn = c1 (1)n + c2 (1)n + c3 (2)n

+ c4 (2)
n
Precisamos de quatro valores iniciais. Calculamos b3 , que ainda no temos:
b0 = 4
b1 = 2
b2 = 3
b3 = 3 + 4(2) + 4(4) + 3 = 24
O sistema a ser resolvido
r
ina
c1 + c2 + c3 + c4 = 4
c1 c2 + 2c3 + 2c4 = 2
m
c1 + c2 + 4c3 + 4c4 = 3
eli
c1 c2 + 8c3 + 8c4 = 24
Pr
Temos finalmente
1 29 5
o
c1 = c2 = c3 = c4 = 2
2 6 3
rs
E a forma fechada para bn

Ve
1 29 5
bn = + (1)n + (2n ) 2(2)n . J
2 6 3
7.5 Troca de variveis

Em diversas situaes, uma troca de variveis pode tornar muito mais fcil a obteno
de forma fechada para uma recorrncia.
Exemplo 7.36. Considere a recorrncia do algoritmo para as torres de Hani:
h1 = 1
hn = 2hn1 + 1.
Somamos 1 a ambos os lados da equao recorrente, obtendo
hn + 1 = 2hn1 + 2
hn + 1 = 2(hn1 + 1)
Agora fazemos uma troca de variveis: seja fn = hn + 1. ento a recorrencia passa a

ser
f1 = 2
fn = 2fn1 ,
ou seja, temos uma PG de razo 2 e termo inicial f1 = 2. A soluo
fn = 2n ,
e portanto
hn = 2n 1. J
Exemplo 7.37. Considere a equao recorrente

an = an1 an2 . . . ank .
Seja bn = ln an . Ento a soluo da equao recorrente
bn1 + bn2 + + bnk
bn =
r
2
ina
nos d tambm uma soluo para a equao original.
m J
7.6 Funes geradoras

eli
Para encontrar uma forma fechada para o n-simo termo de uma sequncia (an ),
Pr
podemos tentar usar a funo geradora da sequncia. Por exemplo,

o
a0 = 1
rs
an = 3an1
Ve
A funo geradora ordinria da sequncia (an )

X
A(x) = ai xi .
i=0
Muliplicamos a equao an = 3an1 por xn e depois somamos para todos os valores

para os quais a recorrncia vale (de zero a ):

X
X
ai+1 xi = 3 ai xi
i=0 i=0

X
ai+1 xi = a1 + a2 x + ax x2
i=0
= x1 a1 x + a2 x2 + a3 x3 +

= x1 a0 + a1 x + a2 x2 + a3 x3 + x1 a0

= x1 (A(x) a0 ).
7.6. FUNES GERADORAS 83
Substituindo, temos
x1 (A(x) a0 ) = 3A(x)
e encontramos
a0
A(x) = .
1 3x
Como a0 = 1,
1
A(x) = .
1 3x
Como j sabemos que esta a funo geradora para 3n , temos [xn ]A(x) = 3n , e
an = 3n .
Exemplo 7.38. Considere a recorrencia
a0 = 1
an+1 = 2an + 2n
Continuando,

X
X
X
r
ina
ai+1 xi = 2 ai xi + 2i xi .
i=0 i=0 i=0
Ou seja,
m
X
eli
A(x) a0
= 2A(x) + (2x)i
x
Pr
i=0
X
A(x) 1
= 2A(x) + (2x)i
x
o
i=0
rs
i
A funo geradora de 2 1/(1 2x), portanto
A(x) 1 1
Ve
= 2A(x) +
x 1 2x
Reescrevemos em funo de A(x):
1 x
A(x) = +
1 2x (1 2x)2

n n n x
[x ]A(x) = 2 + [x ]
(1 2x)2
Sabemos que
x X
= nxn ,
(1 x)2
i1
portanto o termo de grau n nesta funo geradora n(2x)n = n2n xn . Assim,

[xn ]A(x) = 2n + n2n
E finalmente podemos escrever
an = (n + 1)2n . J
7.7 Diviso e conquista

Algoritmos de diviso e conquista normalmente rem seu tempo de execuo descrito
por recorrncias da forma
tn = Atn/B + f(n)
Uma tcnica til em muitas recorrencias deste tipo a troca de variveis. Seja sk =
tBk . Ento
Sk = tBk = ATBk /N + f(Bk )

= ATBk1 + f(Bk )
= ASk1 + f(Bk ),
que uma recorrncia linear. Depois de resolv-la, podemos desfazer a troca de va-
riveis. No entanto, esta recorrncia nos dar apenas os valores de tBk . Para tn , onde
n no potncia de B, a recorrncia no vlida.
Exemplo 7.39. A recorrncia que d o tempo da busca binria
r
t1 = 1
ina
tn = tbn/2c + 1,
m
eli
com A = 1, B = 2 e f(n) = 1.
Seja Sk = t2k . Ento
Pr
S1 = 2 (20 = 1 = t1 )
Sk = Sk1 + 1.
o
rs
A soluo para esta recorrncia Sn = n + 1. Desfazendo a troca de variveis,

Ve
t 2n = n + 1
tn = log2 (n),
que a quantidade de comparaes necessria no pior caso da busca binria para po-
tencias de 2, porque usamos Sk = t2k . O leitor pode facilmente perceber que para
n 6= 2k a soluo que encontramos no vlida, j que teramos nmero no inteiro,
a sequncia original inteira. J
Exemplo 7.40. A recorrencia que d o tempo de execuo do mergesort
t1 = 1
tn = 2tbn/2c + n,
com A = 2, B = 2 e f(n) = n.
Seja Sk = t2k . Ento
S1 = 4 (S1 = t2 = 4)
Sk = 2Sk1 + 2k .
7.8. DEMONSTRANDO QUE UMA SOLUO CANDIDATA CORRETA 85
A recorrncia agora linear, e sua soluo
Sn = 2n (n + 1)
Temos portanto
Sn = t2n = 2n (n + 1)
tn = 2log2 (n) (log2 (n) + 1) (n log(n))
tn = n log2 (n) + n
que a quantidade de comparaes feitas pelo mergesort no pior caso, quando n po-
tncia de 2. J
7.8 Demonstrando que uma soluo candidata cor-

reta
r
m ina
Muitas vezes, a partir de observao podemos chegar a uma provvel forma fechada
para uma recorrncia. Se tivermos uma forma candidata forma geral para o n-simo
termo de uma recorrncia, podemos provar por induo a validade da forma.
eli
Exemplo 7.41. Considere a seguinte recorrncia no linear.

Pr
a0 = 2
o
a1 = 3
rs
an = an1 an2
Ve
Expandimos a sequencia para alguns valores, e obtemos
a0 = 2
a1 = 3
a2 = 2 3
a3 = 2 32
a4 = 22 33
a5 = 23 35
a6 = 24 36 .
Aparentemente, para n > 1 temos an = 2Fn2 3Fn1 . Tentaremos provar por

induo que esta de fato a forma fechada para a sequncia.
Nossa hipotese de induo diz que para k < n,
ak = 2Fk2 3Fk1
Temos portanto
an = an1 an2

= 2Fn3 3Fn2 2Fn4 3Fn3 (hiptese de induo)
Fn3 +Fn4 Fn3 Fn2
=2 3
Fn2 Fn1
=2 3 . (definio de Fn )
Assim, provamos que a sequncia dada por
a0 = 2
a1 = 3
an = 2Fn2 3Fn1 .
Claramente, a demonstrao pode ser adaptada de forma trivial para diferentes valo-
res iniciais (seja por exemplo a0 = x e a1 = y), resultando em
r
a0 = x
ina
a1 = y
an = xFn2 yFn1 . J
m
eli
Exerccios
Pr
Ex. 47 Determine a recorrncia para juros simples, e a resolva.

o
Ex. 48 Resolva as recorrncias

rs
a)
a1 =1
Ve

an = n + nan1
b)
a0 = x
a1 = y
an = an1 /an2
Ex. 49 Prove que Fn exatamente o nmero de maneiras diferentes de escrever n

como soma de uns e dois:
1 = 1, F1 = 1
2 = 2, F2 = 1
3 = 1 + 2 = 1 + 1 + 1, F3 = 2
4 = 2 + 2 = 2 + 1 + 1 = 1 + 1 + 1 + 1, F4 = 3
7.8. DEMONSTRANDO QUE UMA SOLUO CANDIDATA CORRETA 87
Ex. 50 Denotamos por Fn o n-esimo nmero de Fibonacci. Prove que

a) F2n Fn+1 Fn1 = (1)n , para n 1
Pn
b) i=0 Fi = Fn+1 1
c) F2n1 + F2n = F2n , Fn1 Fn + Fn Fn+1 = F2n+1
Ex. 51 Mostre que Fn composto para qualquer n mpar maior que 3.
Ex. 52 Seja Fn o n-simo nmero de Fibonacci.

a) H n objetos organizados em uma fila. Prove que a quantidade de diferentes ma-
neiras de escolher um subconjunto destes objetos, sem usar dois consecutivos,
Fn+1 .
b) Se os n > 2 objetos so organizados em crculo, de diferentes maneiras de esco-
lher um subconjunto destes objetos, sem usar dois consecutivos? (Responda em
termos de Fn , Fn1 , etc).
r
com F0 = 2 e F1 = 3.
m ina
Ex. 54 Determine a forma fechada da sequncia semelhante de Fibonacci, mas
eli
Ex. 55 Podemos retroceder a sequncia de Fibonacci, para nmeros menores que
zero, de forma que continue valendo tanto a definio recursiva como a forma fechada
Pr
que encontramos?
Ex. 56 Demonstre o teorema 7.11.

o
rs
Ex. 57 D a soluo da recorrncia

Ve
a0 = e3
a1 = e4
q
an = 3 an1 a2n2 .
r
m ina
eli
Pr
o
rs
Ve
Captulo 8
Princpio da Casa dos Pombos
O princpio da casa dos pombos uma afirmao aparentemente evidente e inocente,

mas com aplicaes surpreendentes. O princpio enunciado no teorema 8.1, e sua
r
ina
generalizao no teorema 8.17. O restante deste Captulo contm exemplos de aplica-
o. m
8.1 Forma simples do princpio da casa dos pombos
eli
Pr
Teorema 8.1 (princpio da casa dos pombos). Se h n + 1 pombos e n casas, pelo menos
dois pombos ocuparo a mesma casa.
o
Este princpio pode ser declarado de outra maneira1 , como no teorema 8.2.
rs
Teorema 8.2 (princpio da casa dos pombos). Se |A| > |B|, no exite funo injetora de
A em B.
Ve
Exemplo 8.3. Em um grupo de 13 pessoas h necessariamente duas que fazem ani-

versrio no mesmo ms: h 12 meses no ano, e no haveria meses suficientes para que
todos os 13 tivessem aniversrios em meses diferentes. J
Exemplo 8.4. Em uma metrpole com um milho de habitantes h duas pessoas, no
carecas, que tem a mesma quantidade de fios de cabelo.
Presumimos que menos da metade da populao careca. Assim, temos pelo me-
nos 500 001 pessoas com cabelo.
Uma pessoa tem no mximo 500 000 fios de cabelo. Como h mais de 500 000
pessoas com cabelo na metrpole, haver duas pessoas com o mesmo nmero de fios.
J
Exemplo 8.5. Se cinco pontos so dispostos dentro deum quadrado de lado 1, ento
h dois pontos para os quais a distncia menos que 22 .
Dividimos o quadrado em quatro outro quadrados de lado 1/2.
1 Ou ainda, trocando pombos por casas (buracos), h a verso politicamente incorreta, Se voc atirar e
acertar n + 1 balas em n pombos, haver pelo menos um pombo com mais de um buraco.
89
90 CAPTULO 8. PRINCPIO DA CASA DOS POMBOS
H quatro quadrados pequenos e cinco pontos, portanto deve haver algum quadrado
pequeno com dois pontos. Se dois pontos esto em um quadrado de lado 1/2, ento a
distncia
entre eles no pode ser maior do que a diagonal desse quadrado, que mede
2
2 . J
Exemplo 8.6. Em um grafo no-dirigido conexo com mais de um vrtice e sem loops,
h dois vrtices com o mesmo grau.
Um vrtice pode estar ligado, no mximo, a n 1 outros vrtices, portanto o grau
de um vrtice pode ser qualquer nmero entre 1 e n 1. H n 1 graus possveis.
Como h n vrtices e n 1 possibilidades para grau, existem dois vrtices com o
mesmo grau. J
r
Exemplo 8.7. Em uma lista qualquer de k + 1 nmeros a1 , a2 , . . . , ak+1 , haver pelo
ina
menos dois nmeros ai e aj tais que (ai aj )|k.
O resto da diviso por k pode ser 0, 1, . . . , k 1 (portanto h k possveis restos).
m
No entanto, temos k + 1 nmeros, portanto h dois nmeros com o mesmo resto:
eli
a i = ci k + r
Pr
a j = cj k + r
Mas
o
ai aj = ci k + r cj k r = (ci ci )k,
rs
divisvel por k. J
Exemplo 8.8. Dados n + 1 nmeros inteiros entre 1 e 2n, haver dois nmeros x e y
Ve
tais que x = 2k y.
Fatore o nmero 2 de cada um dos n + 1 nmeros tanto quanto possvel. Com isso
cada um ser da forma a2k , com a mpar. Ento para cada nmero fatorado, a pode
ser um dentre os n nmeros 1, 3, 5, . . . , 2n 1. H portanto n possibilidades de a
para n + 1 nmeros, e dois tero o mesmo fator a:
x = a2q y = a2r
Ento, supondo q > r, temos
x a2q
= = 2qr . J
y a2r
Exemplo 8.9. Neste exemplo mostramos uma aplicao do princpio da casa dos pom-
bos em uma demonstrao relacionada a compresso de dados.
Definio 8.10. Um algoritmo de compresso de dados pode ser visto como uma funo
cuja entrada uma sequncia de M bits, e cuja sada uma sequncia de n M
bits.
8.1. FORMA SIMPLES DO PRINCPIO DA CASA DOS POMBOS 91
Teorema 8.11. Seja C um algoritmo de compresso de dados sem perda de informao. Ento
existe pelo menos uma entrada que C no poder comprimir, nem mesmo em um bit.
Demonstrao. H 2M entradas possveis, e cada entrada mapeada em uma sada di-
ferente. Se n fosse estritamente menor que M, teramos 2n < 2M , menos sadas do
que entradas. Pelo princpio da casa dos pombos, portanto, deve haver alguma sada
com tamanho igual a M.
Este exemplo um de vrios relacionados Teoria da Informao. J
Exemplo 8.12. Um gerador de bits pseudoaleatrios uma funo G que tem como en-
trada uma sequencia de n bits e como sada outra sequncia, de M > n bits. Ideal-
mente, o conjunto de possveis sadas do gerador deve ter distribuio uniforme sobre
o as possveis sequncias de M bits.
Teorema 8.13. No existe gerador de bits pseudoaleatrios cuja sada tenha distribuio
uniforme.
Demonstrao. Para que a sada tivesse distribuio uniforme, cada uma das 2M sadas
r
teria que ser gerada por uma entrada diferente. Mas h apenas 2n < 2M entradas,
uniforme.
m ina
portanto teramos que ter duas sadas para a mesma entrada impossvel. Assim, h
sadas que no sero geradas, e a distribuio das sequncias de sada no pode ser

eli
Dada a restrio imposta por este teorema, em Criptografia define-se o objetivo
de construir geradores pseudoaleatrios cujas sadas sejam indistinguveis de bits ale-
Pr
atrios por algoritmos eficientes. J

Exemplo 8.14. Um mgico entrega um baralho a uma pessoa, que poder embaralh-
o
rs
lo como quiser. Esta pessoa retirar cinco cartas do baralho e as entregar ao assis-
tente do mgico. O assistente escolhe quatro cartas e as mostra, em uma certa ordem,
ao mgico mas o mgico no v a quinta carta, e mesmo assim, ele declara seu valor
Ve
e naipe.
Determinando o naipe: esta a parte fcil. Como h quatro naipes possveis e
cinco cartas, haver duas delas com o mesmo naipe (apica-se o princpio da casa dos
pombos). O assistente esconde uma das duas cartas e posiciona a outra em primeiro
lugar, de forma que o mgico saiba o naipe da carta escondida.
Determinando o valor da carta: damos s cartas os valores A = 1, 2, 3 . . .,
10, J = 11, Q = 12, K = 13. Dispomos os 13 nmeros em crculo. A distncia
para a frente entre dois nmeros a, b, que denotamos por df(ab), a quantidade a
quantidade de passos necessrios, no sentido do relgio, para chegar de a at b.
Para quaisquer dois nmeros a e b, temos que df(a, b) 6 ou df(b, a) 6. Para
que as duas distncias fossem maiores que 6, seria necessrio haver 7+7 = 14 valores
diferentes para as cartas de baralho (aplica-se o princpio da casa dos pombos).
Sejam a e b as duas cartas com mesmo naipe, com df(a, b) 6. O assistente
mostrar ao mgico a, e no b, de forma que o mgico saiba que a distncia da primeira
carta em sua mo e a carta secreta seja menor que seis.
O assistente tambm ajusta a ordem das trs ltimas cartas mostradas ao mgico
para que contenham uma codificao da distncia entre a e b que sabemos ser no
mximo seis. Determine uma ordem total para as cartas (por exemplo, a ordem lexico-
grfica por valor e naipe). O assistente ento apresenta as cartas em diferentes ordens
a fim de comunicar diferentes nmeros. Suponha que a ordem seja c1 c2 c3 .
Ento a distancia poderia ser comunicada da seguinte forma:
c1, c2, c3 1
c1, c3, c2 2
c2, c1, c3 3
J
c2, c3, c1 4
c3, c2, c1 5
c3, c1, c2 6
Exemplo 8.15. O princpio da casa dos pombos pode ser usado para demonstrar o
teorema de Fermat sobre a soma de quadrados (8.16).
Teorema 8.16. Todo nmero primo p tal que p 1 (mod 4) pode ser escrito como a soma
r
dos quadrados de dois inteiros.
(mod p) (a demonstrao ser omitida aqui). ina

Demonstrao. Para primos da forma p 1 (mod 4), existe x inteiro tal que x2 = 1
m
Se existirem u e v inteiros tais que u + vx 0 (mod p), com 0 < |u| p e

eli

0 < |v| p, ento u2 + v2 0 (mod p), e 0 < u2 + v2 2p.
Pr
Mostramos ento que u e v devem existir. Suponha que no. Considere todos os

pares (u, v) diferentes de (0, 0) tais que p u, v p. Existem (2 p + 1)2
possibilidades para estes nmeros, contando (0, 0).
o
rs

p 0 + p
Ve

Descontando, temos (2 p + 1)2 1 destes pares (note que exclumos (0, 0), mas
no os pares (u, 0) e (0, v)). Este nmero portanto a quantidade de nmeros da
forma u + vx (estes so os pombos). Mas existem somente p 1 possibilidades para o
resto da diviso por p (estas so as casas), portanto deve existir pares (u, v) 6= (t, w)
tais que
u + vx t + vw (mod p).
Mas isso implica que o par (u t, v w) satisfaz
(u t) + (v w)x 0 (mod p),
e havamos presumido que tal par no existe. Chegamos a um absurdo, e conclumos

a demonstrao.
J
8.2. GENERALIZAO DO PRINCPIO DA CASA DOS POMBOS 93
8.2 Generalizao do princpio da casa dos pombos

Teorema 8.17 (princpio generalizado da casa dos pombos). Se n objetos so dispostos
em m lugares, haver pelo menos um lugar com no mnimo dn/me objetos.
Demonstrao. Suponha que todos os lugares tem menos de dn/me objetos, ou seja,
cada lugar tem no mximo dn/me1 objetos. Ento a quantidade mxima de objetos
seria
l n m
M<m 1
m
n
<m +1 1
m
n
= m = n.
m
Exemplo 8.18. Em um grupo de 100 pessoas haver no mnimo

100
=9
r
12
pessoas que fazem aniversrio no mesmo ms.
m ina
Exemplo 8.19. Pode-se usar o princpio generalizado da casa dos pombos para de-
J
eli
monstrar o teorema de Erds-Szekeres (8.20).
Teorema 8.20 (de Erds-Szekeres). Em uma sequncia de mn + 1 nmeros diferentes,
Pr
existe uma subsequncia crescente de tamanho m + 1 ou uma subsequncia decrescente de

tamanho n + 1.
o
Demonstrao. Seja A = {ak }k = 1k=mn+1 a sequncia. Seja ì o tamanho da maior

rs
subsequncia de A comeando em ai .
H mn + 1 inteiros positivos `1 , `2 , . . . , `mn+1 . Se existe j tal que `j m + 1
Ve
ento existe subsequncia de tamanho m + 1 comeando em aj a subsequncia de

que trata o enunciado do teorema.
Suponha ento que no existe j tal que `j m + 1 ou seja, ì m para todo i.
Temos portanto mn+1 nmeros ì , que devem ser postos nos lugares 1, 2, . . . , m.
Pelo princpio generalizado da casa dos pombos, um dos lugares contm pelo menos

mn + 1
=n+1
m
nmeros. Em outras palavras, h n+1 subsequncias crescentes com o mesmo comri-
mento, e portanto existem n+1 ndices i1 , . . ., in+1 tais que ì1 = ì2 = = ìn+1 .
Agora, suponha que a subsequncia crescente comeando em ai2 seja ai2 < . . . <
aik , e que ai1 < ai2 . Ento existiria uma sequncia
ai1 < ai2 < . . . < aik
crescente com tamanho n + 1. O mesmo vale para todos os outros ai . Ento temos
ai1 > ai2 > > ain+1 .
Repetindo o argumento trocando subsequncias crescentes por decrescentes, completa-

se a demonstrao.
J
Exerccios
Ex. 58 Sete dardos so arremessados contra um alvo de raio 10. Mostre que haver
dois dardos entre os quais a distncia ser menor que 10.
Ex. 59 Prove que dados n nmeros inteiros a1 , a2 , . . ., an , existem inteiros j e k,

com 1 j < k n tais que
n|(aj + aj+1 + . . . + ak ).
Ex. 60 Suponha que tenhamos escolhido cinco pontos no plano, sendo que todos
r
tem coordenadas inteiras. Mostre que h pelo menos um par de pontos tal que o ponto
ina
mdio entre eles tambm tem coordenadas inteiras.
Ex. 61 Em um poliedro qualquer, h duas faces com o mesmo nmero de arestas.
m
eli
Ex. 62 Dados quaisquer quatro pontos em um crculo de raio unitrio, h pelo me-
nos dois deles entre os quais a distncia menor que 2.
Pr
Ex. 63 Se escolhermos quaisquer n + 1 nmeros do conjunto 2n = {1, 2, . . . , 2n},

haver dentre os n + 1 nmeros escolhidos, dois coprimos.
o
rs
Ex. 64 Dados cinco pontos na superfcie de uma esfera, pode-se divid-la em duas
metades de forma que um hemisfrio contenha quatro deles.
Ve
Ex. 65 Se as casas de um tabuleiro de xadrez de tamanho n n forem numeradas

de 1 a n2 , haver duas casas adjacentes com nmeros que diferem em no mnimo n
independente da ordem em que os nmeros tenham sido atribudos s casas.
Captulo 9
Teoria da Contagem de Plya
9.1 Grupos
r
ina
Para chegarmos ao lema de Burnside e ao teorema de enumerao de Plya ser ne-
cessrio detalhar alguns teoremas em grupos.
m
Definio 9.1 (grupo). Um grupo um conjunto no-vazio G associado a uma ope-
rao : G G G tendo as propriedades listadas a seguir.
eli
Associatividade: para todos a, b, c G, (a b) c = a (b c).

Pr
Existencia de neutro: Deve haver um elemento neutro e G para a operao

de grupo: e G : a e = e a = a.
o
rs
Existencia de inverso: Para todo a G, h um inverso a 0 G tal que a a 0 =

a 0 a = e.
Ve
Se a operao do grupo for comutativa (ab = ba para todos a, b G), dizemos que
o grupo comutativo (ou abeliano).
A quantidade de elementos no grupo G chamada de ordem de G, que denotamos
por |G|.
Observe que para termos um grupo a operao deve ser : G G G. Isso
significa que ela deve sempre resultar em um elemento do grupo (damos a esta pro-
priedade da operao o nome de fechamento).
Exemplo 9.2. O conjunto dos inteiros com a operao usual de soma um grupo: a
soma associativa; existe o elemento neutro zero; e todo inteiro x tem um inverso
x.
J o conjunto dos inteiros com a operao de multiplicao no um grupo: o
elemento neutro deve ser 1, e somente ele tem inverso para todos os outros o inverso
seria 1/x, que no inteiro. J
Exemplo 9.3. Dado um inteiro positivo n, o conjunto de matrizes quadradas de ordem
n no singulares com a operao usual de multiplicao de matrizes um grupo.
95
96 CAPTULO 9. TEORIA DA CONTAGEM DE PLYA
Em primeiro lugar, verificamos o fechamento: o produto de duas matrizes qua-

dradas no singulares outra matriz quadrada no singular. Alm disso, observamos
que o produto de matrizes associativo. A matriz identidade funciona como elemento
neutro para multiplicao, e toda matriz no singular tem inversa. J
Exemplo 9.4. O conjunto {1, 2, 3, 4} com a operao de grupo sendo a multiplicao

mdulo 5, ou seja,
a b = ab (mod 5),
um grupo. Primeiro, verificamos o fechamento. Temos nmeros de 1 a 4, e ao
multiplic-los nunca teremos um mltiplo de 5, portanto nunca teremos zero. A ope-
rao tambm no resultar em nmero maior que 4.
A multiplicao associativa; existe um elemento neutro, 1: para todo x, temos
1x = x1 = x (mod 5).
Finalmente, todo elemento tem inverso:
(1 1) (mod 5) = 1
r
(2 3) (mod 5) = 1
ina
(3 2) (mod 5) = 1
(4 4) (mod 5) = 1
m
eli
Temos portanto um grupo. O mesmo vale se trocarmos 5 por qualquer primo: o con-
junto {1, 2, . . . , p 1} com a operao de multiplicao mdulo p ser um grupo. J
Pr
Definio 9.5 (subgrupo). Se H G e H um grupo com a mesma operao de G,

ento H subgrupo de G.
o
rs
Exemplo 9.6. O conjunto dos inteiros pares subgrupo do grupo dos inteiros: o zero
continua sendo neutro, a soma de dois pares par (e portanto a operao no resulta
em algum fora do conjunto), e todo par x tem um inverso x que tambm par. J
Ve
Exemplo 9.7. O conjunto D de matrizes quadradas diagonais no singulares de ordem

n subgrupo do grupo M de matrizes quadradas singulares de ordem n.
Primeiro, D M. Alm disso, notamos que
O produto de duas matrizes diagonais diagonal;
O produto de matrizes associativo;
A identidade diagonal;
Toda matriz diagonal tem inversa diagonal. J
Definio 9.8 (classe lateral). Seja G um grupo e H subgrupo de G. Um subconjunto
gH = {g.h|h H},
onde g G, chamado de classe lateral esquerda de H em G.

De forma simtrica define-se a classe lateral direita Hg.
9.2. AES DE GRUPO, LEMA DE BURNSIDE 97
Exemplo 9.9. Seja DIn o grupo das matrizes diagonais mpares no singulares de or-
dem n (os elementos na diagonal so todos mpares), com a operao usual de multi-
plicao. Seja
4 0 0 0
0 4 0 0

..
Q = 4I = 0 0
. 0
.
. .
.
. . .
0 0 4
Ento o conjunto
QDIn = QA|A DIn
uma classe lateral esquerda de DI em Dn . Esta classe lateral contm as matrizes
mltiplas de 4. J
Teorema 9.10 (Lagrange). Se G um grupo finito e H subgrupo de G, ento a ordem de H
divide a ordem de G, e a quantidade de classes laterais esquerdas distintas de H em G
r
ina
|G|
.
|H|
m
Demonstrao. Considere a funo f : H xH, definida como f(h) = xh. Ela uma
eli
bijeo entre H e xH, portanto para todo x
Pr
|xH| = |H|.
Como G a unio disjunta das classes laterais esquerda,

o
rs
G = x1 H x2 H xn H,
com n = |G|, temos |G| = |H| c, onde c a quantidade de classes laterais.

Ve
Exemplo 9.11. J
9.2 Aes de grupo, Lema de Burnside

Definio 9.12 (grupo de permutaes). Seja G, grupo e n um inteiro positivo. De-
notamos por Sn o grupo formado por todas as permutaes de n elementos, com a
operao de composio.
Exemplo 9.13. Seja n = 3. Temos 3! = 6 permutaes que compem o conjunto S3 :

1 2 3 1 2 3

1 2 3 , 1 3 2 ,
1 2 3 1 2 3

S3 = , 2 3 1 ,

2 1 3

1 2 3 1 2 3
3 1 2 , 3 2 1
1 2 3

A primeira delas, 1 2 3 , o elemento neutro. J
Definimos a seguir o conceito de ao de grupo1 . Uma ao de grupo um mapea-

mento de um grupo G em um grupo de permutaes Sn . Note que no exigimos que
o mapeamento seja injetivo nem sobrejetivo.
Definio 9.15 (ao de grupo). Seja G um grupo e X um conjunto com |X| = n. Uma
ao de G em X uma funo f : G Sn tal que2
f(g(x)) = (fg)(x).
Dizemos que G um grupo agindo em X.

Exemplo 9.16. Seja Q um quadrado com cantos rotulados a, b, c, d:
a b
r
d c
guintes aes sobre um quadrado:

m ina
Podemos representar o quadrado pela sequncia de cantos, (abcd). Considere as se-
eli
Identidade (e), que pode ser descrita como a permutao de cantos 11 22 33 44

Pr
Rotao no
sentido horrio, que pode ser descrita como a permutao de cantos
1 2 3 4
4 1 2 3 . Denotamos esta permutao por y.
o
Rotao no sentido anti-horrio, que pode ser descrita como a permutao de

rs
cantos 12 23 34 41 . Denotamos esta permutao por x.

Estas tres rotaes (ou permutaes) e suas aplicaes em sequncia formam um grupo,
Ve
que age sobre todos os quadrados possveis: A identidade o elemento neutro, e toda
sequencia de rotaes tem inversa, j que pode-se rotacionar nas duas direes. O
grupo finito, como podemos ver:
G = {y, yy, x, e} .
Note que h muitas sequencias equivalentes: yy=xx, e =yx= yyyy, por

exemplo.
Tambm importante observar que nem todas as 4! permutaes dos cantos esto
presentes. J
1 A seguinte definio, tambm usualmente encontrada, equivalente que damos.
Definio 9.14 (ao de grupo). Seja G um grupo e X um conjunto. Uma ao de G em X uma funo
f : G X X tal que
f(e,x)=x para todo x X,
f(g,f(h,x)) = f(gh,x) para todos g, h G.
2 Ou seja, um homomorfismo de G em S
n.
9.2. AES DE GRUPO, LEMA DE BURNSIDE 99
Suponha que temos um grupo agindo em um conjunto X. Ser til definir o con-
junto de elementos de X que podem resultar da aplicao de uma ao de G. Esta a
rbita do elemento.
Definio 9.17 (rbita). Seja G um grupo finito agindo em um conjunto X. A rbita

de x em G, denotada por orbG (x),
orbG (x) = {g x|g G}.
Observe que se g, h G, gx est na rbita de x, mas isso implica que ggx, ghx,
. . . tambm estaro, porque gg e gh, . . . tambm pertencem ao grupo.
Exemplo 9.18. Considere o grupo de rotaes j dado agindo sobre o conjunto de

todos os quadrados com rtulos nos cantos, onde os rtulos podem ser a, b, c, d, per-
mitindo com repeties (h 44 = 256 destes quadrados). A rbita do quadrado abcd
o conjunto de quatro quadrados
{abcd, bcda, cdab, dabc}
r
J a rbita do quadrado abab o conjunto de dois quadrados
{abab, baba} .
m ina J
eli
Definio 9.19 (estabilizador). Seja G um grupo finito agindo em um conjunto X. O

Pr
estabilizador de x, denotado stabG (x), o conjunto de elementos de g que fixam x, ou

seja,
stabG (x) = {g G|g x = x}.
o

rs
Exemplo 9.20. A identidade fixa todos os quadrados. A permutao yy fixa os qua-

drados abab, baba, acac, etc, da forma XYXY. Qualquer permutao fixa os qua-
Ve
drados com todos rtulos iguais, aaaa, bbbb, etc.

Claramente, stabG (aaaa) igual a G. J stabG (abab) igual a {e, yy}. Final-
mente, stabG (abcd) igual a {e}. J
Quando temos um grupo agindo em um conjunto, as rbitas so classes de equi-

valnca, e portanto podemos particionar o grupo em rbitas. O exerccio 70 pede a
demonstrao deste fato, enunciado na proposio 9.21.
Proposio 9.21. Seja G um grupo finito aginto em um conjunto X. Defina que um elemento
y X alcanavel em um passo a partir de outro elemento x X se existe algum g G
tal que gx = y. A relao alcanvel uma relao de equivalncia, as classes de equivalncia
definidas por ela so as rbitas de seus elementos.
Lema 9.22. stabG (x) subgrupo de G.
Teorema 9.23 (da rbita e do estabilizador). Seja G um grupo agindo em um conjunto X.

Ento, para todo x X,
|G| = | orbG (x)| | stabG (x)|.
Demonstrao. Pelo teorema de Lagrange, a quantidade de classes laterais esquerda

de stabG (x)
|G|
.
| stabG (x)|
Nos falta apenas mostrar que o nmero de classes laterais esquerda de stabG (x)
igual a | orbG (x)|.
Sejam g, h G, e suponha que g stabG (x) = h stabG (x). Ento g1 g stabG (x) =
1
(g h) stabG (x), e temos
stabG (x) = (g1 h) stabG (x),
portanto g1 h stabG (x). Mas se (g1 h)x = x, ento g = h.
Da mesma foram, g = h implica que g stabG (x) = h stabG (x), portanto te-
mos uma bijeo entre as classes laterais esquerda de stabG (x) e os elementos de
orbG (x), concluindo a demonstrao.
9.2.1 Lema de Burnside
r
ina
Sabemos que aes de grupo definem relaes de equivalncia, particionando o con-
junto. O lema de Burnside nos permite, havendo um grupo agindo sobre um conjunto,
m
calcular a quantidade de classes de equivalencia definidas pelas aes de grupo. No
contexto do exemplo do quadrado com cantos rotulados, podemos contar a quanti-
eli
dade de qudrados diferentes, independente de rotao.
Pr
Definio 9.24. Seja G um grupo finito agindo em um conjunto X. Para todo g G,

a quantidade de elementos de X que g no modifica denotada por fix(g), ou seja,
o
fix(g) = {x X|g x = x}.

rs
Lema 9.25 (de Burnside). Se G um grupo finito agindo em um conjunto X, a quantidade

de rbitas de G em X
1 X
Ve
| fix(g)|.
|G|
gG
Demonstrao. Seja n a quantidade de pares (g, x), com g G e x X e gx = x. Se

fixarmos g, o nmero de pares desta forma exatamente fixG (g). Assim,
X
n= | fixG (g)|.
gG
Agora, se fixarmos x, temos

X
n= | stabG (x)|.
xX
Sabemos que se x e y esto na mesma rbita, ento orbG (x) = orbG (y), e stabG (x) =
stabG (y). Ento escolhemos um x e usamos o teorema da rbita e estabilizador para
calcular a seguinte soma sobre todo y na rbita de x:
X
| stabG (y)| = | orbG (x)| | stabG (x)| = |G|.
yorbG (x)
9.3. TEOREMA DE ENUMERAO DE PLYA 101
Das equaes j apresentadas nesta demonstrao, concluimos que

X X
n= | fixG (g)| = | stabG (x)| = |G|k,
gG xX
onde k a quantidade de rbitas.

Exemplo 9.26. A quantidade de permutaes no grupo 4. Para cada uma das rota-
es, temos
| fix(e)| = 256
| fix(y)| = 4
| fix(yy)| = 42 = 16
| fix(x)| = 4
assim, a quantidade de rbitas (ou seja, de quadrados realmente diferentes, indepen-
dente de rotao)
1 X
r
1
| fix(g)| = (256 + 4 + 16 + 4) = 70.
ina
J
|G| 4
gG m
9.3 Teorema de Enumerao de Plya
eli
George Plya conseguiu uma generalizao do teorema de Burnside, conhecida como

Pr
o teorema de enumerao de Plya.

Uma descrio bsica do teorema de Plya dada por Fred Roberts e Barry Tes-
o
man [RT09].
rs
Exerccios
Ve
Ex. 66 Determine onde est o erro: Damos um contraexemplo, provando que o teorema
de Lagrange no vale. Seja Z5 = {1, . . . , 4} o grupo de inteiros mdulo 5 e Z7 = {1, . . . , 6}
o grupo de inteiros mdulo 7. Em ambos os conjuntos a operao a de multiplicao modular,
e Z5 Z7 ( subgrupo). Temos 4 elementos em Z5 e 6 elementos em Z7 . No entanto, 4 - 6,
contrariando o teorema de Lagrange.
Ex. 67 Na demonstrao do Lema de Burnside, dissemos que

X X
n= | fixG (g)| = | stabG (x)| = |G|k,
gG xX
A quantidade de rbitas deve ser portanto igual a

1 X
| stabG (x)|
|G|
xX
Calcule a quantidade de rbitas dos quadrados usando esta frmula (voc deve chegar
tambm em 70 rbitas).
Ex. 68 Seja P o conjunto de todos os pentgonos com vrtices pintados usando

duas cores, e G um grupo contendo todas as rotaes possveis nesses pentgonos.
Conte as rbitas.
Ex. 69 Refaa o exemplo dos quadrados dado no texto usando, alm das rotaes,
reflexes em torno das duas diagonais.
Ex. 70 Prove a proposio 9.21.
r
m ina
eli
Pr
o
rs
Ve
Captulo 10
O Mtodo Probabilstico
Damos o nome de mtodo probabilstico ao uso de argumentos probabilsticos em con-

tagem e demonstraes de existncia em Combinatria. Muito simplificadamente,
r
ina
o mtodo pode ser descrito da seguinte maneira. Suponha que queiramos demons-
trar que uma determinada estrutura com certas propriadades existe um subgrafo
de um grafo com alguma caracterstica especial ou um subconjunto de um conjunto,
m
por exemplo. Construimos um experimento aleatrio, gerando estruturas de acordo
eli
com alguma distribuio, e criamos uma varivel aleatria relacionada existncia
daquela de nosso interesse (o subgrafo, conjunto, etc) por exemplo, seja X a va-
Pr
rivel aleatria que representa o evento o grafo gerado bipartido. A partir da,
podemos usar propriedades dessa varivel aleatria para demonstrar a existncia da
estrutura, ou mesmo determinar limites para a sua quantidade.
o
rs
Este Captulo apresenta apenas exemplos bsicos de uso do mtodo probabilstico.

Ve
10.1 Primeiro Momento (esperana)

A primeira caracterstica que usaremos a esperana (ou primeiro momento de pro-
babilidade). Nosso uso da esperana no mtodo probabilstico resumido no Lema 10.1
Lema 10.1. Seja X uma varivel aleatria. H pelo menos um ponto no espao amostral tal
que X E[X], e pelo menos um ponto tal que X E[X].
O primeiro exemplo a demonstrao de existncia de certos subconjuntos de

conjuntos de inteiros.
Definio 10.2 (conjunto livre de soma). Um conjunto A de inteiros no-nulos livre

de soma se para todos a, b A, a + b
/ A.
Teorema 10.3. Todo conjunto A de inteiros no-nulos tem um subconjunto livre de soma de
tamanho |A|/3.
Demonstrao. Denote n = |A|. Seja m = max{|x| : x A} (o maior valor absoluto de

elementos de A).
103
104 CAPTULO 10. O MTODO PROBABILSTICO
Escolha um nmero primo p = 3k + 2, que seja maior que 2m.

Seja C = {k + 1, k + 2, . . . , 2k + 1}. Este conjunto livre de soma, porque se
a, b C, ento 2k + 2 a + b, e isto vale tambm para a + b (mod p).
Observe que |C| = k + 1, e
|C| k+1 1
= > .
p1 3k + 2 3
Agora escolhemos aleatoriamente um elemento 1 x < p, com distribuio uni-

forme, e definimos que
di = xai (mod p).
Como 1 x < p, tambm teremos 1 di < p, ou seja, nenhum di ser zero (tanto
x como ai so diferentes de zero, e nenhum deles divisvel por p). Assim,
|C| 1
Pr [di C] = > .
p1 3
r
ina
Isso significa que a esperana da quantidade de elementos di que pertencem a C maior que
n/3. Assim, deve existir um 1 x < p e B A com |B| > n/3 tais que para todo
m
b B, xb (mod p) C.
O conjunto B livre de soma: se houvesse a, b, c B tais que a+b c (mod p),
eli
ento teramos xa + xb xc (mod p), e C no seria livre de soma o que contradiz

Pr
o que j havamos determinado.
O prximo exemplo a determinao de limite inferior para nmeros de Ramsey.

o
rs
Definio 10.4 (Nmero de Ramsey). Dado um inteiros positivos k, `, o menor inteiro

n tal que existe um grafo completo com n vrtices que, quando colorido com duas
cores, sempre conter um subgrafo completo com k vrtices e todas as arestas de uma
Ve
cor ou um subgrafo completo com ` vrtices com todas as arestas da outra cor.
Denotamos o nmero de Ramsey por R(k, `), e quando k = `, denotamos simples-
mente R(k).
Define-se similarmente nmeros de Ramsey para vrias cores, que so denotados

por R(k1 , k2 , . . . , km ).
Exemplo 10.5. Temos R(2) = 2. O grafo completo com dois vrtices, K2 , mostrado
abaixo.
Trivialmente este grafo, ao ser colorido, sempre ter ele mesmo como subgrafo de
tamanho 2 com uma nica cor. J
Exemplo 10.6. J R(3) igual a seis, porque h uma colorao para a qual o grafo
completo K5 no contm subgrafos completos de tamanho 3 com todas as arestas da
mesma cor:
10.1. PRIMEIRO MOMENTO (ESPERANA) 105
J no grafo K6 , toda colorao resultar necessariamente em um subgrafo completo

de tamanho 3 com todas as arestas da mesma cor. J
Teorema 10.7. para todo inteiro positivo k,
R(k) 2k/2 .
r
ina
Demonstrao. Atribua as duas cores a todas as arestas aleatoriamente: cada aresta
pintada de vermelho com probabilidade 1/2 e de preto com probabilidade 1/2, sendo
m
que a escolha da cor de cada aresta independe das escolhas das outras.
Seja x1 , . . . , xk um subconjunto dos vrtices do grafo. A probabilidade de cada xi
eli
k
estar ligado a todo xj por aresta vermelha 2(2) . A esperana para o nmero de
subgrafos com k vrtices contendo apenas arestas da mesma cor
Pr

1(k ) n
2 2 .
o
k
rs
Se este valor for menor que um, ento deve ser possvel que no haja tais subgrafos, e
este valor menor que um quando
Ve
n < 2k/2 ,
portanto para n 2k/2 sempre deve existir tal conjunto, e R(k) 2k/2 .
Tambm pode-se mostrar, usando argumentos no probabilsticos, que R(k)

22k .
O ltimo exemplo desta seo trata da cardinalidade de certas famlias de conjun-
tos. Provaremos o teorema de Erds-Ko-Rado.
Definio 10.8 (famlia intersectante de conjuntos). Uma famlia F de conjuntos

intersectante se para todos A, B F, A B 6= .
Usaremos o Lema 10.9, cuja demonstrao pedida no exerccio 73.
Lema 10.9. Considere X = {0, 1, . . . , n 1} com a operao de adio mdulo n. Seja

As = {s, s + 1,
. . . , s + (k 1)} X, para todo s < n. Ento, para n 2k, qualquer
famlia F X
k contm pelo menos k do sconjuntos As .
Teorema 10.10 (de Erds-Ko-Rado). Seja X um conjunto, tal que |X| = n, e k N tal que
n 2k. Seja tambm F uma famlia intersectante de k-subconjuntos de X (ou seja, F X

k ).
Ento
n1
|F| .
k1
Demonstrao. Sem perda de generalidade, presumimos que X = {0, 1, 2, . . . , n 1}.
Seja : X X uma permutao. Denotamos por (As ) o conjunto
(AS ) = {(s), (s + 1), . . . , (s + k 1)}.
O efeito de em As somente o de renomear os elementos. Desta forma, o Lema 10.9
nos garante que no mximo k desses n conjuntos est em F.
Se escolhermos aleatoriamente s e ,
k
Pr[(As ) F] . (10.1)
n
Mas escolher As desta forma o mesmo que escolher aleatoriamente um conjunto de
r
k elementos de X, portanto

n
m ina
Pr[(As ) F] =
k
|F|
n

eli
Pr[(As ) F] = |F| (10.2)
k
Pr
De 10.1 e 10.2, segue o resultado:

n k n1
o
|F| = .
rs
k n k1
Exemplo 10.11. Seja A = {1, 2, 3, 4, 5, 6}. Temos |A| = n = 6. Escolhemos agora
Ve
k = 3. Qualquer famlia de subconjuntos intersectante de A ter no mximo

n1 5
= = 10
k1 2
conjuntos. J
Uma extensa discusso do mtodo probabilstico pode ser encontrada no livro de
Noga Alon e Joel Spencer [AS08].
10.2 Linearidade da esperana

Em diversos problemas de contagem onde aplicamos o mtodo probabilstico, pode-
mos usar diferentes fatos a respeito das variveis aleatrias que identificamos. Nesta
seo damos como exemplo a linearidade da esperana.
Sabemos que o conjunto de todas as variveis aleatrias reais em um espao amos-
tral um espao vetorial. Ao aplicar o mtodo probabilstico, podemos usar seguinte
Lema 10.12, que nos garante que a esperana um operador linear nesse espao.
10.2. LINEARIDADE DA ESPERANA 107
Lema 10.12. A esperana um operador linear, ou seja, para quaisquer variveis aleatrias
X e Y e constante c R,
E[X + Y] = E[X] + E[Y]
E[cX] = cE[X].
Demonstrao. Verificamos a soma:
XX
E[X + Y] = (x + y) Pr[X = x, Y = y]
x y
X X X X
= x Pr[X = x, Y = y] + y Pr[X = x, Y = y]
x y y x
X X
= x Pr[x] + y Pr[x]
x y
= E[X] + E[Y].
Para a multiplicao, X
r
ina
E[cX] = cx Pr[x] = cE(X).
x
m
A demonstrao que damos para o Teorema 10.13 usa a linearidade da esperana.
eli
Teorema 10.13. Seja G = (V, E) um grafo com n vrtices e k arestas. Ento h um subgrafo
bipartido de G com no mnimo k/2 arestas.
Pr
Demonstrao. Seja B = V A. Uma aresta (a, b), com a A e b B, cruza A e B.

O nmero destas arestas (cruzando A e B) dado pela varivel aleatria
o
X
rs
C= Cx,y ,
x,yE
Ve
onde Ca,b uma varivel aleatria valendo um se (x, y) cruza A e B e zero em caso
contrrio. A esperana desta varivel
E[Cx,y ] = Pr[x B, y A] + Pr[x A, y B]
= Pr[x B] Pr[y A] + Pr[x A] Pr[y B]
(eventos so independentes)
= 1/2.
Como a esperana linear,
X
E[C] = E[Cx,y ] = k/2.
x,yE
Assim, existe pelo menos uma escolha A que nos d pelo menos k/2 arestas cru-
zando as duas partes.
Para este A que identificamos, remova as arestas que no cruzam A e B. O resul-
tado bipartido (porque s restaram as arestas cruzando A e B) e tem pelo menos k/2
arestas.
10.3 Segundo momento (varincia)

Lema 10.14 (desigualdade de Chebyshev). Seja X uma varivel aleatria com varincia
finita. Ento, para todo t > 0,
h i Var[X]
Pr |X E[X]| t .
t2
Em nosso prximo exemplo, usaremos o mtodo do segundo momento paradeterminar
o limite inferior para um coeficiente binomial. Quando Na expanso de qualquerbin-
mio (x + y)2m , o maior coeficiente ser sempre o do meio, que igual a 2mm . Por
exemplo, na expanso de (x + y)6 , o maior coeficiente 63 = 20:

(x + y)6 = x6 + 6x5 y2 + 15x4 y2 + 20x3 y3 + 15x2 y4 + 6xy5 + 1y6

2m

O coeficiente para o qual determinaremos o limite inferior exatamente este, m .
Teorema 10.15. Para todo m 1,
r
22m

2m
ina

m 2+4 m
Demonstrao. Defina um experimento aleatrio onde 2m moedas so jogadas. Cada
m
moeda d origem a uma varivel aleatria Xi . Temos portanto 2m variveis aleatrias
eli
X1 , X2 , . . . , X2m , independentes, tais que
Pr
Pr[Xi = 1] = 1/2
Pr[Xi = 0] = 1/2.
o
Definimos agora a varivel X = X1 + X2 + + Xm . A esperana e a varincia de X

rs
so
E[X] = m
Ve
m
Var[X] = .
2

A desigualdade de Chebyshev com t = m nos d
h i 1
Pr |X m| < m .
2

Dado um k tal que |k| < m, a probabilidade de X assumir o valor m + k
h i 2m 1
Pr X = m + k = ,
m + k 22m
mas como 2m

m o maior coeficiente, ento temos
h i 2m 1
Pr X = m + k =
m + k 22m

2m 1
,
m 22m
10.3. SEGUNDO MOMENTO (VARINCIA) 109
e finalmente temos
1 X h i
|k| < m Pr X = m + k
2

2m 1
(2 m + 1) ,
m 22m
terminando a demonstrao.
Exerccios
Ex. 71 Seja G = (V, E) um grafo aleatrio. Calcule o nmero de vrtices isolados
em G.
Ex. 72 Um hipergrafo um par (V, E), onde V um conjunto de vrtices, e E um
conjunto de arestas. Uma aresta pode ligar mais de dois vrtices: E 2V .
Por exemplo, o hipergrafo
V = {a, b, c, d, e}
r

E = {a, b, c}, {b, c}, {c, e}, {d}
pode ser representado como na figura a seguir.

m ina
eli
e2
Pr
e1 b
c
a
o
e4
rs
d e3
Ve
Um hipergrafo k-uniforme se cada aresta conecta exatamente k vrtices. Dizemos

tambm que um hipergrafo bipartido se seu conjunto de vrtices pode ser dividido em
dois conjuntos, V1 e V2 , de forma que em cada Vi no haja dois vrtices ligados pela
mesma aresta. No exemplo dado anteriormente, vemos trivialmente que o hipergrafo
bipartido, porque podemos separar V em V1 = {d} e V2 = {a, b, c, e}.
Seja G um hipergrafo k-uniforme. com menos de 2k1 hiperarestas. Ento G bipar-
tido.
Ex. 73 Prove o Lema 10.9 (no necessrio usar o mtodo probabilstico).
Ex. 74 Prove o Teorema de Legendre, usando o mtodo probabilstico: Seja p um

nmero primo. A potncia de p na fatorao de n!
X n
.
pk
k1
Ex. 75 Seja G um grafo no-orientado completo. Um torneio um grafo orientado

obtido a partir de G escolhendo uma direo para cada aresta. A idia modelar um
torneio competitivo, onde cada aresta representa um competidor vencendo outro. A
figura a seguir mostra um torneio com cinco vrtices.
b
a
c
e
d
Note que h um ciclo dirigido com n (5) arestas no grafo: acebda.
Prove, usando o mtodo probabilstico, que para qualquer n 3 existe um torneio
com n vrtices e pelo menos (n 1)!2n ciclos dirigidos com n arestas.
r
Ex. 76 Refaa o Exerccio 75, mas considerando ciclos de qualquer tamanho.
m ina
Ex. 77 Dado um n 3, sempre possvel obter um torneio onde no h ciclos de
tamanho n? E torneios onde no h ciclos de nenhum tamanho?
eli
Ex. 78 Considere o problema da satisfatibilidade booleana (SAT) com n clusulas
e k variveis. Prove que existe uma valorao que satisfaz pelo menos n(1 2k )
Pr
clusulas.
o
rs
Ve
Apndice A
Dicas e Respostas
r
Resp. (Ex. 15) Defina a bijeo f : R (0, ), com f(x) = 2x . Depois mostre que
| (0, ) | = | (0, 1) |. m ina
Resp. (Ex. 16) Prove primeiro que |R2 | = |R|, depois proceda por induo na di-
eli
menso.
Pr
Resp. (Ex. 17) No: use 2R e o Teorema 2.16.

o
rs
Resp. (Ex. 19) 6!

Ve
Resp. (Ex. 20) A cada aresta podem ser atribudas k cores, portanto temos k|E| co-
loraes possveis.
Resp. (Ex. 22) Com k letras e k+1 dgitos representamos (26k )(10k+1 ). Queremos
26k 10k+1 107

26k 10k 10 107
260k 106
k log260 (106 )

Percebemos que 2602 = 67600, 2603 = 17576000, portanto precisamos de k 3.
Resp. (Ex. 25) 2n .
111
112 APNDICE A. DICAS E RESPOSTAS
Resp. (Ex. 28) Use a identidade de Pascal no passo de induo.
Resp. (Ex. 30) No, porque o produto de matrizes no comutativo. Dadas A e B,
(A + B)2 = AA + AB + BA + BB,
mas como AB no necessariamente igual a BA, no podemos abreviar esta forma

como A2 + 2AB + B2 .
Resp. (Ex. 32) Consideramos relaes no necessariamente simtricas. Para o con-

2
junto vazio, uma relao (a relao vazia). Para n elementos, a quantidade 21+n .
Resp. (Ex. 33) 5 + 10 + 4 3 1 2 + 1 = 14.
r
2
Resp. (Ex. 38) (i) ln(1 x) (ii) (iii) (1 2x)1 (iv) (2x2 4x + 2)1
ina
2x
x(x+1) 2x x
(v) (1x)3
(vii) x2 2x+1
(viii) x4 2x2 +1
(ix) (1 + x)1
m
eli
Resp. (Ex. 42) (Dica) O posto n, o determinante zero, e o trao n + 1, para
todo n.
Pr
Resp. (Ex. 47) vn = vn1 + jv0 . vn = v0 + nj(v0 ).

o
rs
Pn
Resp. (Ex. 48) (a) n+ i=2 n n1
Ve
Resp. (Ex. 51) Pelo exerccio 50(c), temos F2n+1 = Fn (Fn1 + Fn+1 ), e se n > 1,
os dois fatores so maiores que um.
Resp. (Ex. 52) (a) Por induo. Se g(n) este nmero, temos para base:
g(1) = 2 = F2
g(2) = 3 = F3
Para n > 2, presumimos que g(n 1) = Fn .

Separamos as possibilidades em:
i) as que usam o ltimo objeto
ii) as que no usam o ltimo objeto
Nas do tipo (i) o penltimo no pode ser usado, portanto elas somam g(n 2) poss-
veis escolhas.
113
Nas do tipo (ii) podemos usar o penltimo, logo temos g(n 1) escolhas. Assim,
temos
g(n) = g(n 1) + g(n 2) = Fn + Fn1 = fn+1
(b) Considere uma posio qualquer no crculo. Se est desocupada, podemos quebrar
o crculo naquela posio e temos uma linha com n 1 posies, donde podemos
selecionar objetos de g(n 1) = Fn maneiras.
Se a posio est ocupada, seus vizinhos esto desocupados, e (com n > 2) podemos
remover esta posio e os dois vizinhos. Temos portanto g(n 3) = Fn2 possibili-
dades.
Assim, h Fn + Fn2 possibilidades.
Resp. (Ex. 55) Sim:

F4 = 3
F3 = 2
r
F2 = 1
F1 = 1
F0 = 0
F1 = 1
m ina
eli
F2 = 1
Pr
F3 = 2
F3 = 3
o
Ou seja, se k > 0, Fk = (1k+1 )Fk .

rs
A relao Fn = Fn1 + Fn2 continua valendo, assim como a forma fechada (prove
esta ltima parte!)
Ve
Resp. (Ex. 57) Faa bn = ln(an ). A soluo

p
an = 5 exp(18 3(2/3)n ).
Resp. (Ex. 66) As operaes nos dois grupos so diferentes: multiplicar (mod 5)
no o mesmo que multiplicar (mod 7), portanto Z5 no subgrupo de Z7 .
Resp. (Ex. 67) A tabela a seguir lista os quadrados, sua quantidade, a quantidade
de estabilizadores e a lista de estabilizadores.
quadrados qtde | stabG | stabG
XXXX 4 4 G
XYXY 12 2 e, yy
resto 240 1 e
114 APNDICE A. DICAS E RESPOSTAS
Temos ento que a quantidade de rbitas
1 X 1 280
| stabG (x)| = (4 4 + 12 2 + 240) = = 70.
|G| 4 4
xX
Resp. (Ex. 70) Os elementos na rbita de x so todos alcanveis entre si atravs

de uma nica operao do grupo: x alcana a si mesmo porque ex = x, onde e o
elemento neutro. Todo outro elemento da rbita alcana x porque se gx = y, ento
g1 y = x. E todos y, z 6= x alcanam um ao outro porque se gy = x e hz = x, ento
(gh1 )y = z.
Resp. (Ex. 72) (Dica) Releia o Teorema 10.7.
r
Resp. (Ex. 75) Comece com Kn , e gere aleatoriamente orientaes para as arestas.
ina
A probabilidade de v1 , v2 , . . . , vn ser um ciclo orientado 1/2n , porque dependemos
da orientao de n arestas. Em seguida, considere que existem (n 1)! permutaes
m
dos vrtices, portanto h (n 1)! sequncias que poderiam ou no formar ciclos. Seja
Xi a varivel aleatria que indica que a i-sima permutao de vrtices um ciclo
eli
(Xi = 1 se a permutao ciclo, Xi = 0 se no ). Temos E[X] 1/2n . O nmero
Pr
total esperado de ciclos
X X
" #
o
E Xi = E[Xi ]
rs
i i
= (n 1)!(1/2n ).
Ve
Como a esperana para o total de ciclos (n 1)!(1/2n ), deve haver um torneio com
pelo menos esse nmero de ciclos.
Ficha Tcnica
Este texto foi produzido inteiramente em LATEX em sistema Linux. Os diagramas foram
criados sem editor grfico, usando diretamente o pacote TikZ. O ambiente Emacs foi
usado para edio do texto LATEX.
r
m ina
eli
Pr
o
rs
Ve
115
116 FICHA TCNICA
r
m ina
eli
Pr
o
rs
Ve
Bibliografia
[And94] George Andrews. Number Theory. Dover, 1994. isbn: 978-0-486-68252-5.

[AS08] Noga Alon e Joel H. Spencer. The Probabilistic Method. 3a ed. Wiley, 2008.
isbn: 978-0470170205.
[Bon92] Boris A. Bondarenko. Generalized Pascal Triangles and Pyramids, Their Fractals,
Graphs, and Applications. Fibonacci Assn, 1992. isbn: 978-5648007383.
r
ina
[FS09] Philppe Flajolet e Robert Sedgewick. Analytic Combinatorics. Cambridge Uni-
versity Press, 2009. isbn: 978-0-521-89806-5.
m
[GJ04] Ian P. Goulden e David M. Jackson. Combinatorial Enumeration. Dover, 2004.
eli
isbn: 978-0-486-43597-8.
[MN98] Jiri Matousek e Jaroslav Nesetril. Invitation to Discrete Mathematics. Oxford,
Pr
1998. isbn: 0-19-850208-7.

[NSM91] Ivan Niven, Herbert S. Suzkerman e Hugh L. Montgomery. An Introduction
o
to the Theory of Numbers. Wiley, 1991. isbn: 978-0471625469.

rs
[RT09] Fred S. Roberts e Barry Tesman. Applied Combinatorics. 2a ed. CRC Press,
2009. isbn: 978-1-4200-9982-9.
Ve
[SF96] Robert Sedgewick e Philppe Flajolet. An Introduction to the Analysis of Algo-

rithms. Addison Wesley, 1996. isbn: 0-201-40009-X.
[Wil05] Herbert S. Wilf. Generatingfunctionology. 3a ed. A K Peters/CRC Press, 2005.
isbn: 978-1568812793.
117
ndice Remissivo
rbita, 99 contido, 1
rbita e estabilizador (teorema), 99
diferena, 1
algoritmo de compresso de dados, 90 Dirichlet
aresta, 3 princpio das gavetas de, 89
arredondamento, 2
r
enumervel, 14
ina
boa ordem, 11 Erds-Ko-Rado (Teorema de), 105
Burnside Erds-Szekeres
m
lema de, 100 teorema de, 93
eli
busca binria, 68 esperana (no mtodo probabilstico), 103
linearidade, 106
Pr
cardinalidade, 2, 13 estabilizador, 99
casa dos pombos (princpio de contagem),
famlia intersectante, 105
o
89
Ferrers
rs
casa dos pombos (princpio), 89

diagrama de, 61
cho, 2
Fibonacci
Chebyshev (desigualdade de), 108
Ve
sequncia de, 68
classe de equivalencia, 7
funo geradora, 47
classe lateral, 96
de momentos, 58
coeficiente binomial, 31
de probabilidades, 58
estimativa de limite inferior, 108
exponencial, 55
coeficiente multinomial, 26
ordinria, 47
colorao de arestas, 5
combinao grafo, 3
com repeties, 28 completo, 5
complemento, 2 grupo, 95
condies iniciais, 67 ao de, 98
congeuncia de permutaes, 97
de tringulos, 5
conjunto Hani
das partes, 3 torres de, 68
potncia, 3 Hasse
conjunto livre de soma, 103 diagrama de, 9
contm, 1 hipergrafo, 109
118
NDICE REMISSIVO 119
identidade de Pascal, 29 nmero de, 104

incluso e excluso recorrncia, 67
princpio, 37 homognea, 67
infinito, 14 linear, 67
inteiro mais prximo, 2 ordem de, 67
interseo, 1 relao, 2
de equivalncia, 5
Josephus de ordem parcial, 9
problema de, 69 de ordem total, 8
juros compostos, 69
srie formal de potencias, 47
Lagrange (teorema para grupos), 97 subconjunto, 1
subfatorial, 40
mtoro probabilstico, 103 subgrupo, 96
matriz
de Pascal, 29 teto, 2
matriz de adjacncia, 4 tociente, 43
r
multiconjunto, 1
ina
torneio, 110
multiplicidade tringulo de Pascal, 29
de elemento em multiconjunto, 1
m
unio, 1
n, 3
eli
no-enumervel, 14 vrtice, 3
Pr
valores iniciais, 67
ordem varincia, 108
lexicogrfica, 10
o
parcial, 9
rs
total, 8
ordem de um grupo, 95
Ve
Plya (teorema de enumerao), 101

partio
conjugada, 62
de um inteiro, 61
partio de conjunto, 8
permutao
catica, 40
princpio aditivo, 21
princpio multiplicativo, 21
produto
infinito, 62
produto cartesiano, 2
r-combinao, 27
com repeties, 28
r-permutao, 24
Ramsey

Complemento para A Displina de Matematematica Discreta

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Complemento para A Displina de Matematematica Discreta

Загружено:

Авторское право:

Доступные форматы

verso 16 - Jernimo C.

Complemento para a disciplina de Matemtica

2.1 A Hiptese do Contnuo . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3 Fundamentos da Contagem: Princpios Aditivo e Multiplicativo 21

3.1.1 Com repeties . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

4 Princpio da Incluso e Excluso 37

5.2.1 Aplicaes em contagem . . . . . . . . . . . . . . . . . . . . . . 55

7.4 Equaes lineares no homogneas . . . . . . . . . . . . . . . . . . . . 79

7.6 Funes geradoras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82

7.7 Diviso e conquista . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84

8 Princpio da Casa dos Pombos 89

9 Teoria da Contagem de Plya 95

10 O Mtodo Probabilstico 103

A Dicas e Respostas 111

Ficha Tcnica 115

ndice Remissivo 118

!n quantidade de permutaes caticas de n elementos, pgina 40

2X conjunto das partes de X, pgina 3

[xn ] coeficiente de xn em funo geradora ordinria, pgina 48

c cardinalidade de R (ou do contnuo), pgina 16

fix(g) elementos fixados por g, pgina 100

bxc cho de x, pgina 2

orbG (x) rbita de x, pgina 99

(n) quantidade de coprimos antes de n, pgina 43

 relao de ordem, pgina 9

bxe inteiro mais prximo de x, pgina 2

stabG (x) estabilizador, pgina 99

n Conjunto de inteiros de 1 a n, pgina 10

A \ B diferena entre conjuntos, pgina 1

A B A est contido em B, pgina 1

A B produto cartesiano de A e B, pgina 2

A4B diferena simtrica entre conjuntos, pgina 1

p(n) quantidade de parties do inteiro n, pgina 61

T (n, k) Alocaes de n objetos diferentes em k locais diferentes, sem locais vazios,

tem um nmero associado, chamado de multiplicidade). 

A tambm pertence a B. Dizemos que A est contido em B.

Definio 1.4 (interseo). A interseo dos conjuntos A e B o conjunto dos elemen-

Definio 1.5 (diferena). A diferena entre os conjuntos A e B, denotada A \ B,

2 CAPTULO 1. CONJUNTOS E RELAES

A diferena simtrica entre A e B, denotada A4B o conjunto de elementos que esto

por exemplo, poredemos ter A = B C, com

Definio 1.13 (conjunto potncia). Seja X um conjunto. Ento 2X o conjunto potn-

Exemplo 1.14. Seja

O teorema a seguir nos diz porque a nomenclatura 2X usada.

transitiva se aRb e bRc implicam em aRc para todos a, b, c A. 

simtrica, porque se a = b ento b = a, e transitiva, porque a = b e b = c implicam

4 CAPTULO 1. CONJUNTOS E RELAES

Exemplo 1.20. Por exemplo, o grafo no-orientado G = (V, E) onde V = {a, b, c, d, e}

representado graficamente na figura a seguir.

As posies exatas dos ns e arestas no so relevantes; importa apenas quais so os

Exemplo 1.21. O grafo orientado G = (V, E), com V = {a, b, c, d} e

representado graficamente como na figura a seguir.

Para grafos no-orientados a matriz definida de forma semelhante. 

1.3. RELAES DE EQUIVALNCIA 5

Exemplo 1.23. A matriz de adjacncia do grafo no-orientado do exemplo 1.20

A matriz de equivalncia de um grafo completo tem zeros na diagonal e uns em

cores uma atribuio de uma das k cores a cada um dos vrtices de G. 

1.3 Relaes de equivalncia

Definio 1.26 (relao de equivalncia). Uma relao dita de equivalncia se sim-

trica, reflexiva e transitiva. 

Exemplo 1.27. A relao em R dada por aRb se e somente se a2 = b2 uma relao

(transitiva) se a2 = b2 e b2 = c2 , temos tambm trivialmente a2 = c2 . J

relao de ordem, pgina 9

tem um nmero associado, chamado de multiplicidade).

transitiva se aRb e bRc implicam em aRc para todos a, b, c A.

Para grafos no-orientados a matriz definida de forma semelhante.

cores uma atribuio de uma das k cores a cada um dos vrtices de G.

trica, reflexiva e transitiva.

A notao normalmente usada para relao de ordem em conjunto parcial-

Definio 1.46 (ordem lexicogrfica). Seja A um conjunto e uma relao de ordem