MD

verso 8 - Jernimo C.
Pellegrini
oP
rel
verso 8
im
ina
r
Complemento para a disciplina de Matemtica

Discreta
Jernimo C. Pellegrini
Ve
rs
12 de janeiro de 2015
verso 8 - Jernimo C. Pellegrini
Ve
rs
oP
rel
im
ina
r
ii
Sumrio
Sumrio
iii
Nomenclatura
.
.
.
.
.
.
.
.
1
1
3
5
8
2 Fundamentos da Contagem: Princpios Aditivo e Multiplicativo

2.1 Permutaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.1 Com repeties . . . . . . . . . . . . . . . . . . . . . . . . .
2.1.2 Com objetos idnticos . . . . . . . . . . . . . . . . . . . . .
2.2 Combinaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.1 Com repeties . . . . . . . . . . . . . . . . . . . . . . . . .
2.2.2 Tringulo de Pascal . . . . . . . . . . . . . . . . . . . . . . .
2.3 Coeficientes binomiais . . . . . . . . . . . . . . . . . . . . . . . . .
2.4 Aproximaes para n! e n
. . . . . . . . . . . . . . . . . . . . . .
k
2.5 Teorema binomial generalizado . . . . . . . . . . . . . . . . . . . .
2.6 Problemas de ocupao: objetos e locais distinguveis . . . . . . . .
2.7 Problemas de ocupao: objetos indistinguveis, locais distinguveis
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
13
17
19
19
20
21
21
23
24
24
27
27
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
im
.
.
.
.
ina
r
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Ve
rs
oP
rel
1 Conjuntos e Relaes
1.1 Conjuntos . . . . . . . .
1.2 Grafos . . . . . . . . . .
1.3 Relaes de equivalncia
1.4 Relaes de ordem . . .
3 Princpio da Incluso e Excluso

29
3.1 Permutaes caticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.2 (n): contando co-primos . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.3 Contagem de funes sobrejetoras . . . . . . . . . . . . . . . . . . . . 36
4 Funes Geradoras
4.1 Funes geradoras ordinrias . . . . . . . . . . . . .
4.1.1 Aplicaes em contagem . . . . . . . . . . . .
4.2 Funes geradoras exponenciais . . . . . . . . . . . .
4.2.1 Aplicaes em contagem . . . . . . . . . . . .
4.3 Ocupao: objetos distinguveis, locais distinguveis .
4.4 Ocupao: objetos distinguveis, locais indistinguveis
iii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
39
39
43
47
47
48
49
SUMRIO
iv
4.5 Funes geradoras em Probabilidade . . . . . . . . . . . . . . . . . . .

4.6 Uma lista de funes geradoras . . . . . . . . . . . . . . . . . . . . . .
4.7 Leitura adicional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
50
51
51
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
53
53
54
56
56
57
57
58
6 Recorrncias
6.1 Soluo . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1.1 Recorrncias lineares de ordem um . . . . . . .
6.1.2 Recorrencias lineares: polinmio caracterstico
6.1.3 Troca de variveis . . . . . . . . . . . . . . . .
6.1.4 Funes geradoras . . . . . . . . . . . . . . . .
6.1.5 Diviso e conquista . . . . . . . . . . . . . . . .
6.1.6 Adivinhando a soluo . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
59
62
62
63
72
72
74
75
.
.
.
.
.
.
.
oP
rel
im
ina
r
5 Parties de um Inteiro
5.1 Diagramas de Ferrers . . . . . . . . . . . . . . . . . . . .
5.2 Funes geradoras para parties . . . . . . . . . . . . .
5.3 Frmula exata para p(n) . . . . . . . . . . . . . . . . . .
5.4 Estimativa para p(n) . . . . . . . . . . . . . . . . . . . .
5.5 Problemas de ocupao (objetos e locais indistinguveis)
5.6 Alguns fatos sobre parties . . . . . . . . . . . . . . . .
5.7 Leitura adicional . . . . . . . . . . . . . . . . . . . . . .
7 Princpio da Casa dos Pombos

77
7.1 Forma simples do princpio da casa dos pombos . . . . . . . . . . . . . 77
7.2 Generalizao do princpio da casa dos pombos . . . . . . . . . . . . . 81
Ve
rs
8 Teoria da Contagem de Plya

8.1 Grupos . . . . . . . . . . . . . . . .
8.2 Aes de grupo, Lema de Burnside
8.2.1 Lema de Burnside . . . . . .
8.3 Teorema de Enumerao de Plya .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
83
83
85
88
89
9 O Mtodo Probabilstico
91
A Dicas e Respostas
95
Ficha Tcnica
99
ndice Remissivo
102
Nomenclatura
!n
quantidade de permutaes caticas de n elementos, pgina 32
2X
conjunto das partes de X, pgina 3
[xn ]
coeficiente de xn em funo geradora ordinria, pgina 40
bxc

n
cho de x, pgina 2
im
teto de x, pgina 2
oP
rel
dxe
ina
r
fix(g) elementos fixados por g, pgina 88
combinaes com repetio, pgina 21
orbG (x) rbita de x, pgina 87
quantidade de coprimos antes de n, pgina 35
relao de ordem, pgina 9
bxe
inteiro mais prximo de x, pgina 2
{n
k}
Nmero de Stirling, pgina 49
Ve
rs
(n)
stabG (x) estabilizador, pgina 87

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
A4B
diferena simtrica entre conjuntos, pgina 1
AC
Complemento de A, pgina 2
v
SUMRIO
vi
Kn
grafo completo com n vrtices, pgina 5
n![xn ]A(x) coeficiente de xn em funo geradora exponencial, pgina 47

p(n)
quantidade de parties do inteiro n, pgina 53
R(k, `) nmero de Ramsey, pgina 92

S(n, k) Nmero de Stirling, pgina 49
Ve
rs
oP
rel
im
ina
r
T (n, k) Alocaes de n objetos diferentes em k locais diferentes, sem locais vazios,

pgina 48

n
combinao de r elementos de um conjunto de tamanho n, pgina 20
r
Captulo 1
Conjuntos e Relaes
Conjuntos
ina
r
1.1
im
No definimos conjuntos.
Denotamos conjuntos usualmente (mas no sempre) pode letras maisculas. O conjunto vazio normalmente denotado por , e algumas vezes por {}.
oP
rel
Definio 1.1. Um multiconjunto um conjunto onde cada elemento pode estar presente mais de uma vez (ou, de forma equivalente, um conjunto onde cada elemento
tem um nmero associado, chamado de multiplicidade).

Ve
rs
Definio 1.2 (subconjunto). Um conjunto A subconjunto de B se todo elemento de

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 elementos 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 .
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).
1
CAPTULO 1. CONJUNTOS E RELAES
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, denotado 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 elementos que pertencem a A. Denotamos a cardinalidade por |A|.

Definio 1.9 (inteiro mais prximo (arredondamento)). O inteiro mais prximo de
x denotado por bxe.

im
ina
r
Definio 1.10 (cho e teto). O cho de um nmero real x o maior inteiro menor ou
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
por dxe.

Ve
rs
oP
rel
Exemplo 1.11. Uma situao em que usamos cho e teto quando dividimos um conjunto em partes iguais ou to prximo disso quanto possvel.
Quando um conjunto A tiver cardinalidade mpar, e o dividirmos em duas partes,
por exemplo, poredemos ter A = B C, com

|A|
,
|B| =
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
Definio 1.13 (conjunto potncia). Seja X um conjunto. Ento 2X o conjunto potncia, ou conjunto das partes de X:
2x = {Y : Y X}
Exemplo 1.14. Seja
Ento
A = {a, b, c, d} .
{a}, {b}, {c}, {d},
A
2 = {a, b}, {a, c}, {a, d}, {b, c}, {b, d}, {c, d}
{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.
ina
r
Teorema 1.15. Para qualquer conjunto X, |2X | = 2|X| .
reflexiva se aRa para todo a A,
im
Definio 1.16 (reflexividade, simetria e transitividade). Uma relao R em um conjunto A
oP
rel
simtrica se aRb implica em bRa para todos a, b A,
transitiva se aRb e bRc implicam em aRc para todos a, b, c A.
Ve
rs
Exemplo 1.17. A relao = de igualdade entre nmeros reflexiva, porque a = a,

simtrica, porque se a = b ento b = a, e transitiva, porque a = b e b = c implicam
em a = c.
J
Teorema 1.18. Uma relao R transitiva se e somente se R R R.
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. Formalmente, 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
e
ina
r
As posies exatas dos ns e arestas no so relevantes; importa apenas quais so os

ns, e como cada um deles se relaciona com os outros.
J
im
Exemplo 1.21. O grafo orientado G = (V, E), com V = {a, b, c, d} e
oP
rel
E = {(a, b), (b, c), (c, a), (c, d)}
representado graficamente como na figura a seguir.

a
Ve
rs
c
J
Definio 1.22 (matriz de incidncia). 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 incidncia 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 incidncia M tal que

mi,j =
0 se(i, j)
/E
1 se(i, j) E
Para grafos no-orientados a matriz definida de forma semelhante.
1.3. RELAES DE EQUIVALNCIA
Exemplo 1.23. A matriz de incidncia 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
ina
r
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 incidncia
0 1 0 0
0 0 1 0
M=
J
1 0 0 1
0 0 0 0
im
Definio 1.24 (grafo completo). O grafo com n vrtices onde todos os vrtices so
ligados a todos os outros chamado de grafo completo.

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

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

Relaes de equivalncia
Ve
rs
1.3
Definio 1.26 (relao de equivalncia). Uma relao dita de equivalncia se simtrica, 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 .
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,
ina
r
(transitiva) se a b = k1 Z, e b c = k2 Z, ento a c = (k1 + b)

(b k2 ) = k1 + k2 Z.
J
im
A definio a seguir usada como exemplo, mas suficientemente importante

para que a destaquemos.
oP
rel
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
que mk = a b ou seja, o resto de a por m igual ao resto de b por m. Denotamos
a b (mod m).

Ve
rs
Exemplo 1.31. A relao de congruncia mdulo um inteiro uma relao de equivalncia. Para todos a, b, c, m Z,
(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
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 equivalncia.
J
1.3. RELAES DE EQUIVALNCIA
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 relao 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, . . .}
Exemplo 1.36. Em Z2 , a relao , definida por
ina
r
[4] = {. . . , 6, 1, 4, 9, 14, . . .}.
im
(a, b) (x, y) ay = bx
oP
rel
uma relao de equivalncia:
(reflexividade) trivialmente, (a, b) (a, b), j que ab = ba.

(simetria) tambm trivial: ab = ba implica em ba = ab.
Ve
rs
(transitividade) queremos mostrar que se
(a, b) (x, y)
(x, y) (p, q)
ento (a, b) (p, q). Usando a definio da relao, o que queremos provar
que se
ay =bx
xq =yp
(1.1)
aq = bp
(1.2)
ento
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 portanto
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
ina
r
Teorema 1.38. Seja R uma relao de equivalncia em um conjunto A. Ento as classes de

equivalncia definidas por R so uma partio de A.
1.4
Ve
rs
oP
rel
im
Demonstrao. Em primeiro lugar, a unio das classes de equivalncia resultam em A,

porque todo elemento de A pertence a uma classe de equivalncia,
e no h nas classes
Sn
qualquer elemento que no pertena a A. Com isso temos i=1 Ai = A.
Finalmente, mostramos queas classes de equivalncia so disjuntas. Suponha que
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].
Suponha agora que xRy. Mostramos agora que [x][y] = . Suponha que z [x]
[y]. Ento xRz e zRy valem, e portanto tambm deveria valer xRy uma contradio.
Temos ento [x] [y] = quando [x] 6= [y].
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.
1.4. RELAES DE ORDEM
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 parcialmente 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.
ina
r
Exemplo 1.43. No conjunto {a, b, c, d, e, f, g}, a relao dada por

ac
im
bc
bf
oP
rel
cd
ce
uma ordem parcial. Seu diagrama de Hasse
Ve
rs
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.
10
A relao |, no entanto, no ordem parcial, porque dois nmeros naturais no necssariamente 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.
Ve
rs
oP
rel
im
ina
r
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}. Podemos ver no diagrama de Hasse que nem todos os pares se relacionam por exemplo,
{a, b} 6 {b, c} e {b, c} 6 {a, b}
{a, b, c}
{a, b}
{a, c}
{b, c}
{a}
{b}
{c}
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 ) lexicograficamente 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
112
113
121
122
123
131
132
133
211
212
213
221
222
223
231
232
233
311
312
313
321
322
323
331
332
333
Definio 1.49 (boa ordem). Um conjunto X bem-ordenado com uma relao de ordem se esta for uma relao de ordem parcial, e todo subconjunto no vazio de X
tenha um menor elemento.

im
ina
r
Exemplo 1.50. O conjunto N com bem-ordenado.

J Z com no, porque h subconjuntos de Z onde no haver menor elemento.
J
oP
rel
Exerccios
Ex. 1 Verifique que tipo de relao so:
Em R, a b se a b Q
Em R, a b se |a| = |b|
Ve
rs
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 .
12
Ex. 2 Seja uma relao em funes reais definida como

fg
lim f(x) = lim g(X) C.
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.
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.
im
ina
r
Ex. 7 Fixe um nmero L natural. Seja definida em qualquer subconjunto de N

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?
oP
rel
Ex. 8 Seja P um conjunto de proposies p1 , p2 , . . ., e P o conjunto de todas as

conjunes de proposies em P:
P = {p1 , p2 , . . . , pn , p1 p2 , p1 p3 , . . . , p2 p3 , p2 p3 , . . . , P1 p2 p3 , . . .}
Ve
rs
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 coeficientes 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
im
ina
r
Fundamentos da Contagem:
Princpios Aditivo e
Multiplicativo
oP
rel
H dois princpios fundamentais e extremamente simples a partir dos quais tcnicas de contagem so desenvolvidas.
Definio 2.1 (princpio aditivo). Sejam A e B dois conjuntos finitos. Ento |AB| =
|A| + |B|.

Ve
rs
Definio 2.2 (princpio multiplicativo). Sejam A e B dois conjuntos finitos. |AB| =

|A||B|.

Damos agora exemplos de contagem usando estes dois princpios.
Exemplo 2.3. Uma cidade usa 8 dgitos diferentes para representar nmeros de telefone fixo. Quantas linhas telefnicas podem ser representadas?
Temos 8 conjuntos, cada um com 10 elementos. O conjunto de nmeros que podemos 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 2.4. Uma cidade usa 9 dgitos para representar nmeros de telefones mveis, 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 2.5. 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
13
14 CAPTULO 2. 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 2.6. Os nucleotdeos que compes o RNA so adenina (A), guanina (G), citosina (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 sequncia de tamanho n representa 4n indivduos. Precisamos de uma sequncia de tamanho 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
oP
rel
im
ina
r
Exemplo 2.7. Computadores usam endereos IP para comunicar-se via rede. Cada entidade em uma rede tem um endereo IP. A verso 4 do protocolo que define os endereos IP definia que os endereos teriam que ser formados quatro bytes, que normalmente so descritos em decimal e separados or pontos, como 221.123.4.11. A quantidade de possveis nmeros IP passou a ser considerada insuficiente: cada byte isolado 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 protocolo IP define endereos com 128 bits, e portanto passa-se a ter 2128 , aproximadamente 3.4 1038 (um nmero com trinta e nove dgitos) possveis endereos.
J
Ve
rs
Exemplo 2.8. Queremos projetar um computador que possa usar 64Gb de memria
RAM, sendo que cada posio da memria deve ter o mesmo tamanho que as sequncias de bits que representam cada posio. Quanto deve ter cada posio?
64Gb = 64 1024Mb
= 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.
15
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
J
Podemos escolher t = 34.
oP
rel
im
ina
r
Exemplo 2.9. 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
com 35 so simplesmente as sequncias de dois dgitos diferentes. So 102 = 100.
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
depois do C.
_F_C_
Ve
rs
Como h 26 letras e trs posies possveis, temos 3 26 = 78 possibilidades. Como

temos que contar tambm as possibilidades para C antes de F, multiplicamos por 2, e
temos 156 possveis sequncias de letras.
Finalmente a quantidade de possveis placas 100 156 = 15600.
J
O prximo exemplo o primeiro que faz uso do princpio aditivo.
Exemplo 2.10. 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.
Exemplo 2.11. 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, teremos menos senhas possveis. H 265 senhas somente com letras, e 105 senhas somente com nmeros. Assim, o total de senhas passaria a ser
365 265 105 ,
J
um nmero ainda bastante grande.
Exemplo 2.12. Damos agora um exemplo mais complexo.

Considere o conjunto das matrizes quadradas, de ordem n, onde as entradas so
todas iguais a 0, 1 ou +1. Contaremos quantas destas matrizes tem trao zero.
Primeiro, calculamos as possibilidades para a diagonal. Para que a matriz tenha
trao zero, ela deve ter as quantidades de +1 e 1 iguais. Temos ento as diagonais:
zeros
dois elementos no-nulos, +1 e -1
ina
r
quatro elementos no-nulos
e assim por diante, at bn/2c elementos no nulos.
oP
rel
im
Considere a diagonal com 2k elementos no zero, onde k deles so +1 e outros k so

1.
Inserimos os 2k elementos, um por vez. Temos n possibilidades de posio para o
primeiro. Aps inser-lo, n 1 posies para o segundo, at o elemento 2k.
n(n 1) (n 2k) =
n!
(n 2k 1)!
Ve
rs
No entanto, contamos em duplicidade, porque consideramos os +1 como se fossem

diferentes entre si: contamos
(0, +1, +1 0 , 1, 1 0 ) 6= (0, +1 0 , +1, 1 0 , 1).
Temos que descontar, portanto, em cada diaginal, as permutaes de k elementos:

n!k!k!(n 2k 1)!
Assim,
n/2
i=0
n!
.
i!i!(n 2i 1)!
Mas para cada diagonal, temos que considerar o resto das outras n2 n entradas
2
da matriz. Cada uma pode ser 1, 0 ou +1. H ento 3n n possibilidades para o
resto da matriz.
A quantidade de matrizes quadradas de ordem n com entradas +1, 1 ou 0 e trao
zero
bn/2c
X
2
n!
3n n
i!i!(n 2i 1)!
i=0
2.1. PERMUTAES
17
Exemplo 2.13. 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
a 4
b 3
c 2
c 1.
H, portanto, 5 4 3 1 possibilidades.
105 2 52 103 .
ina
r
Exemplo 2.14. Quantos nmeros de 5 algarismos podemos formar, sendo que a soma
do primeiro com o ltimo dgito par?
Contamos todos os nmeros de 5 dgitos: 105 . Exclumos: se o primeiro for mpar
e o segundo for par (5 5), ou o contrrio (mais 5 5). Assim,
J
im
comum que, ao tentar enumerar os elementos de algum conjunto, contemos a

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

total
2.1
Ve
rs
Se, para cada elemento que queramos contar, contamos k elementos a mais, dividimos o total por k.
Permutaes
Definio 2.15 (r-permutao). Uma r-permutao de n elementos uma forma de

arranjar r desses n elementos em ordem.

Exemplo 2.16. Seja A = {a, b, c, d, e}. As sequncias
abced
abcde
baedc
cbade
so 5-permutaes de A. J as sequncias
acd
bde
aed
bde
so 3-permutaes de A.

Teorema 2.17. Dado um conjunto A finito, com |A| = n, h exatamente n!/(n r)!
r-permutaes diferentes dos elementos de A.
Exemplo 2.18. Seja A = {a, b, c, d}. H 4! = 24 permutaes de elementos de A:
abcd
abdc
acbd
acdb
adcb
adbc
bacd
badc
bcad
bcda
bdac
bdca
cabd
cadb
cbad
cbda
cdab
cdba
dabc
dacb
dbac
dbca
dcad
dcda
A quantidade de 2-permutaes de A 4!/2! = 4 3 = 12:

ca
cb
cd
da
db
dc
ina
r
ba
bc
bd
im
ab
ac
ad
oP
rel
J a quantidade de 3-permutaes de A igual a 4!/1! = 4!, a mesma quantidade de

4-permutaes. Isso porque, ao determinarmos os 3 elementos de uma 3-permutao,
sobra apenas um para completar uma 4-permutao.
J
Ve
rs
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 ordem imposta pela permutao.
Exemplo 2.19. Um estacionamento tem no total n vagas, uma para cada funcionrio. 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 2.20. 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.
2.1. PERMUTAES
19
b
2
4
5
2
c
1
6
7
e
3
5
d
im
ina
r
Queremos calcular a maneira mais econmica de percorrer todas as cidades, sem passar por nenhuma delas mais de uma vez, exceto a primeira (que deve ser tambm a
ltima). Este problema chamado de problema do caixeiro viajante, ou TSP2 .
A quantidade de maneiras diferentes em que podemos percorrer as cidades exatamente n!, j que cada permutao das cidades nos d um novo percurso.
J
oP
rel
Exemplo 2.21. Um conjunto X tem 100 elementos. A quantidade de tuplas de tamanho 5 que podemos formar com elementos de X, sem repetio,
2.1.1
Ve
rs
100!
= 100 99 98 97 96.
95!
Com repeties
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.
2.1.2
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.
2.2
Combinaes
Definio 2.22 (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 2.23. O nmero de combinaes diferentes com r elementos escolhidos de um conjunto de tamanho n

n
n!
.
=
k!(n k)!
k
ina
r
Demonstrao. O nmero de r-permutaes de n elementos n!/(n r)!. Cada subconjunto 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.
oP
rel
im
Exemplo 2.24. Queremos testar a interao entre 8 medicamentos diferentes, quando

3 deles so administrados simultaneamente de cada vez. Queremos portanto testar

8
8!
=
= 56
3!(8 3)!
3
combinaes diferentes de medicamentos.
Ve
rs
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
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 x}|2 { z x}|3 {
z}|{

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 20.
2.2. COMBINAES
21
Teorema 2.25. O nmero de solues para a equao x1 + x2 + + xn = k com todos

os xi inteiros positivos (xi > 0) igual a

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

n+k1
k
2.2.1
Com repeties
Definio 2.26 (r-combinao). Uma r-combinao com repeties de um conjunto A

um multiconjunto de r elementos, todos pertencentes a A.

{c, c, d}
{d, d, a}
{d, d, b}
{d, d, c}
{a, a, a}
{b, b, b}
{c, c, c}
{d, d, d}
im
{a, a, b} {b, b, c}
{a, a, c} {b, b, d}
{a, a, d} {c, c, a}
{b, b, a} {c, c, b}
oP
rel
{a, b, c}
{a, b, d}
{a, c, d}
{b, c, d}
ina
r
Exemplo 2.27. 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).
Ve
rs
Teorema 2.28. 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 elementos de A podem ser enumerados da seguinte forma: para cada elemento de ai A,
criamos uma varivel xi que determina o nmero de vezes que ai aparece no multiconjunto. 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
2.2.2
Tringulo de Pascal
O exerccio 21 pede a demonstrao do teorema 2.29.

Teorema 2.29 (identidade de Pascal). Para todo n N e 1 k n,

n1
n1
n
+
=
k
k1
k

n
i
Se dispusermos, uma linha de cada vez, todos os
0
0

1
0

2
0

3
0

4
0
, com 0 i 6= n, teremos

1
1

2
1

3
1

4
1

2
2

3
2

4
2

3
3

4
3

4
4
..
.
ina
r
..
n
r
dado pela tabela
oP
rel
im
Mas usando a identidade de Pascal, percebemos que o valor de

a seguir, conhecida por tringulo de Pascal.
Ve
rs
0
1
2
3
4
..
.
0
1
1
1
1
1
..
.
r
2
1
2
3
4
1
3
6
1
4
1
..
Podemos, na verdade, dispor os elementos do tringulo de Pascal de diferentes maneiras na forma de matriz, definindo assim matrizes de Pascal de orde n:

i1
, se i j.
j1

i+j1
=
j1

j1
=
, se j i.
i1
Bi,j =
Ci,j
Pi,j
2.3. COEFICIENTES BINOMIAIS
23
Assim, temos
0
0
1
P4 = 02
0
3
0
0
0
1
B4 = 20
0
3
0
0
0
C4 =
BT4
0
=
0
0
1
1
2
1
3
1
4
1
2
2
3
2
4
2
5
2
0
1
1
2
1
3
0
0
2
2
3
1

1
1
1
1
2

2
0
2
1
2
2
0
0
3
3
4
3
5
3
6
3
1
1
=
1
1
0
1
1
0
=
1
0
3
1
3
3
1
0
3
0
1 =
3
0
2
3
0
1
2
3
4
1
3
6
10
0
1
2
3
0
0
1
3
1
1
0
0
1
2
1
0
1
4
.
10
20
0
0
.
0
1
1
3
.
3
1
ina
r
Alm de Pn serem evidentemente simtrica, as matrizes de Pascal tem diversas propriedades interessantes. Listamos a seguir algumas delas.
im
Teorema 2.30. Para todo n N, det Bn = det Cn = 1.
oP
rel
Demonstrao. Segue trivialmente se observarmos que as diagonais de Bn e Cn s contm uns.

Teorema 2.31. Para todo n N, Bn Cn = Pn , e Cn Bn = |(Pn )1 |.
Ve
rs
1
Corolrio 2.32. Para todo n N, det Pn = det Pn
= 1.
Teorema 2.33. A inversa de Bn igual a Bn , exceto por seus elementos terem sinais alternados abaixo da diagonal; o mesmo vale para Cn .
Corolrio 2.34. 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].
2.3
Coeficientes binomiais
Teorema 2.35. Sejam x e y pertencentes a um corpo, e n um inteiro positivo. Ento

(x + y)n =
n
X
n
i=0
xni yi
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 variando 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
y.

i=0 i x

Exemplo 2.36.

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
5
+
x y +
x y +
xy +
y
3
4
5
6
6
=x6 + 6x5 y + 15x4 y2 + 20x3 y3 + 15x2 y4 + 6xy5 + y
2.4
Aproximaes para n! e
n
k
A funo fatorial permeia toda a Combinatria. Como seu clculo demorado se usarmos a definio, damos aqui uma frmula para aproximar n!.
ina
r
Definio 2.37 (aproximao de Stirling para n!). A aproximao de Stirling para o

fatorial
n n
sn = 2n
.
(2.1)
e

im
O teorema a seguir justifica o uso desta aproximao. A demonstrao, no entanto,

requer ferramental que no pretendemos apresentar neste texto.
oP
rel
Teorema 2.38. Seja sn definido como na equao 2.1. Ento

n!
= 1.
n sn

Alm de n!, podemos querer aproximar n
k .
Ve
rs
lim
Teorema 2.39. para todos n e k naturais,

n k n en k
.
k
k
k
Teorema 2.40. Para qualquer n natural,

2n
22n
.
n
n
2.5
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 2.41. 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
x +
x + +
x +
2!
3!
k!
X
r(r 1) (r k + 1) k
=
x
k!
(1 + x)r = 1 + rx +
k=0
2.5. TEOREMA BINOMIAL GENERALIZADO
25
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)
=
k
k!
Exemplo 2.42.
Teorema 2.43. Para r, k N,

oP
rel

r
= (1)
.
k

= r .
Consequentemente, r
k
k
Para n inteiro negativo, podemos obter os valores
de
Pascal. Com isso tambm obtemos os valores de n
k .
r
0 1 2
3
..
.
1 3 6 10
1 2 3 4
1 1 1 1
1
1 1
1 2 1
1 3 3
1
1 4 6
4
..
.
r
k
Ve
rs
..
.
3
2
1
0
1
2
3
4
..
.
im
Como consequncia, temos o teorema a seguir.
ina
r

3
3( 3 1)( 3 2)( 3 3)
=
4
4!
7 3 + 12
=
4 3
7
= 3+ .
4
n
k
usando a identidade de
4
15
5
1
1
..
Exemplo 2.44 (aproximao de raiz quadrada). O teorema binomial generalizado nos

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
calcular razes de qualquer nmero real.

Como exemplo, calcularemos a raiz quadrada de 40.
40 = 36 + 4
(36: quadrado perfeito abaixo de 40)
s

4
= 36 1 +
36
r
1
=6 1+ .
9
Ve
rs
oP
rel
im
ina
r
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
O valor da aproximao
com cinco termos (ou seja, contando at (1/9) ) 6.324552 . . .,
bastante prximo de 40 = 6.3245553 . . .
J

A figura a seguir mostra uma aproximao contnua do grfico de 15
x , com x
variando de 0 a 15.
6,000
4,000
2,000
0
0
10
15
2.6. PROBLEMAS DE OCUPAO: OBJETOS E LOCAIS DISTINGUVEIS
27
2.6
Problemas de ocupao: objetos e locais distinguveis
2.7
Problemas de ocupao: objetos indistinguveis,

locais distinguveis
Exerccios
Ex. 13 Quantos anagramas existem para a palavra CAPOTE?
Ex. 14 Quantas coloraes de arestas com k cores existem para um grafo G =
(V, E)?
im
ina
r
Ex. 15 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 especiais, 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 ]
oP
rel
Ex. 16 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. 17 Quantos vetores binrios de tamanho n existem com mdia estritamente
acima de 0.5?
Ve
rs
Ex. 18 (Difcil) Nos items que seguem considere matrizes cujas entradas so nmeros 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. 19 Calcule
n
X
n
k=0
Ex. 20 Prove o teorema 2.25.

Ex. 22 Prove o teorema binomial usando induo.
Ex. 23 Mostre a expanso de

a) (1 + x)n
b) (x + y)n (x y)n
c) (x + y)n (x y)n (x + y)n
d) (x + y + z)n
e) (x1 + x2 + + xk )n
P
n
k
i
f)
(1)
x
i
i=1
Ex. 24 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. 25 Aproxime 3 50 usando o teorema binomial generalizado. Use quatro termos na aproximao.
Ve
rs
oP
rel
im
ina
r
Ex. 26 Qual o nmero de relaes diferentes que podemos definir em um conjunto de tamanho n?
Captulo 3
ina
r
Princpio da Incluso e
Excluso
oP
rel
im
Este Captulo versa sobre o problema de determinar a cardinalidade da unio de diversos conjuntos no disjuntos, sabendo as cardinalidades das intersees entre os
conjuntos.
Est claro, inicialmente, que para quaisquer dois conjuntos A e B,
Ve
rs
|A B| = |A| + |B| |A B|.
AB
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.
29
CAPTULO 3. PRINCPIO DA INCLUSO E EXCLUSO
30
AB
BC
ina
r
AC
Generalizando para n conjuntos, observamos que
im
|A1 A2 An | = |A1 | + |A2 | + + |An |
|A1 A2 | |A1 A3 | |An1 An |
(2-combinaes)
oP
rel
+ |A1 A2 A3 | + |An2 An1 An |

(3-combinaes)
..
.
Ve
rs
|A1 An |.
(interseo de todos)
Tomamos primeiro os conjuntos isolados e somamos suas cardinalidades; depois subtramos as 2-combinaes; somamos as 3-combinaes; e assim por diante. Listamos
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.
n

n
[ X
X \

Ai =
(1)k
Ai

| {z }
i=1
k=1
todas k-combinaes
O teorema 3.1 expressa com rigor esta idia.

Teorema 3.1. Sejam A1 , A2 , . . . , An conjuntos finitos. Ento

n
n
[
X
X \

k1
Ai =
(1)

Ai ,

n
i=1
k=1
I( k ) iI
onde
n
k
o conjunto de combinaes de k elementos de n.
31
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
ina
r
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
im
vezes. Esta quantidade igual a um, e portanto cada elemento x contabilizado exatamente uma vez.
oP
rel
Exemplo 3.2. Para determinar quantos mltiplos de 5 e de 11 existem entre 1 e 2000,

calculamos:
2000/5 = 400 mltiplos de 5,
b2000/11c = 181 mltiplos de 11.
Ve
rs
No entanto, calculamos duas vezes cada nmero que mltiplo de 5 e tambm de 11

ou seja, mltiplos de 55. Descontamos ento estes nmeros (h b2000/55c = 36
deles) e temos
400 + 181 36 = 545
mltiplos de 5 e de 11 entre 1 e 2000.
Exemplo 3.3. H 2700 pessoas em um vilarejo. Destas, 3/4 cometeram alguma infrao 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
2700 = 2025,
4
1
|C| = 2700 = 900,
3
1
|F| = 2700 = 540.
5
|T | =
32
As intersees so:
3
2700 = 400,
4
1
|T | |F| = 2700 = 100,
3
1
|C| |F| = 2700 = 300.
5
|T | |C| =
A quantidade que se quer |T C F|. Pelo princpio da incluso e excluso,

2700 = (2025 + 900 + 540) (400 + 100 + 300) + x,
J
3.1
ina
r
e portanto o nmero procurado x = 35.
Permutaes caticas
oP
rel
im
Definio 3.4 (permutao catica). Uma permutao catica uma permutao que
no deixa nenhum elemento em sua posio original ou seja, a permutao tem
como entrada uma tupla (x1 , x2 , . . . , xn ) e como sada (y1 , y2 , . . . , yn ) tal que xi 6=
yi para todo i.

Ve
rs
Exemplo 3.5. A permutao

1 2 3 4
,
3 1 4 2
apresentada na pgina 18, catica. J a permutao

1 2 3 4
,
3 2 4 1
no catica, porque no modifica o elemento na segunda posio.
Teorema 3.6. A quantidade de permutaes caticas com n elementos, denotada por !n,
!n = n! 1 +
n
X
(1)i
i=1
i!
!
.
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
3.1. PERMUTAES CATICAS
33
a algum Pi .
!n = n!
|Pi |
|Pi Pj |
i6=j
|Pi Pj Pk |
i6=j6=k
.
+ ..
+ (1)n |P1 Pn |.
A quantidade de termos nos somatrios desta frmula
X
n em
im
ina
r

X
n
em
2
i6=j

X
n
em
3
i6=j6=k
oP
rel
..
.

n
= 1 na ltima linha.
n
Ve
rs
Note que o tamanho de |Pi | deve ser (n 1)!, porque mantemos fixa a posio i e
contamos as permutaes dos outros elementos. Usando o mesmo raciocnio para os
outros conjuntos na frmula, temos
|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 2)!
(n 3)! + + (1)n
= n!
1!
2!(n 2)!
3!(n 3)!
n!
n!
n! n! n!
+
+ + (1)n
= n!
1!
2!
3!
n!

1
1
1
1
= n! 1 + + + (1)n
.

1! 2! 3!
n!
34
O prximo teorema mostra uma surpreendente relao entre o nmero e e a quantidade de permutaes caticas, e nos d uma outra maneira de calcular !n.
Teorema 3.7. 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
ex =
x0 x1 x2 x3
+
+
+
+ ,
0!
1!
2!
3!
e que portanto
1
1
1
+ +
1! 2! 3!
ina
r
e1 = 1
Ve
rs
oP
rel
im
Calculamos

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

e
1! 2!
n!
1! 2! 3!

n
X (1)i
X (1)i

= n!
n!

i!
i!
i=0
i=0

X
(1)i

= n!

i!
i=n+1
!
X
1
n!
i!
i=n+1
X
n!
=
i!
i=n+1
X
i=1
n!
(n + i)!
1
1
+
+
(n + 1) (n + 1)(n + 2)
X
1
i=1
1
n
1
< .
2
(n + 1)i
3.2. (N): CONTANDO CO-PRIMOS
35
Exemplo 3.8. O nmero de permutaes caticas com 10 elementos

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

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

16481
= 10!
44800
= 1334961.
3.2
(n): contando co-primos
ina
r
Usando a forma fechada obtemos o mesmo valor,

10!
3628800
=
= b1334960.916 . . .e = 1334961.
!n =
e
e
im
Definio 3.9 (funo (n) (tociente)). Dado um nmero natural n 1, (n) a

quantidade de nmeros entre 1 e n que so co-primos com n.

oP
rel
Exemplo 3.10. (10) = 4, porque so coprimos com dez os nmeros 1, 3, 7, e 9. J

Exemplo 3.11. Para todo primo p, (p) = p 1, j que p coprimo com qualquer
nmero natural inclusive os menores que p.
J
Teorema 3.12. Seja n um inteiro cuja fatorao em primos
Ento
Ve
rs
as
1 a2 a3
n = pa
1 p2 p3 . . . p k

Y
1
(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
36
Observamos que
n
,
pi
n
|Ai Aj | =
,
pi pj
|Ai | =
e de maneira geral,
|Ai Aq | =
n
.
pi pq
Assim,
(n) = n
X
X n X 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
pi
pi pj
pi pj pk
p1 p2 ps
i
i6=j
i6=j6=k

1
1
1
=n 1
1
1
.

p1
p2
ps
oP
rel
im
ina
r
Exemplo 3.13. Seja n = 2004. Sua fatorao

n = 22 3 167,
Ve
rs
portanto

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

166
= 2004
501
= 664.
3.3
Contagem de funes sobrejetoras
Exerccios
Ex. 27 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. 28 Quantos nmeros entre 1 e 3000 so divisveis por 11, 14 ou 6?
Ex. 29 Demonstre o teorema 3.1 por induo.
3.3. CONTAGEM DE FUNES SOBREJETORAS
37
Ex. 30 Mostre que o teorema 3.1, que enuncia o princpio da incluso e excluso,
pode ser reescrito da seguinte forma, mais compacta1 .

n

[
\
X

Ai =
(1)|I|1 Ai .

6=In
iI
Ve
rs
oP
rel
im
ina
r
i=1
1 De acordo com Matousek Nesetril [MN98] (p. 88), esta a mais curta e quase diablica forma de descrever o princpio da incluso e excluso.
Ve
rs
oP
rel
im
ina
r
38
Captulo 4
Funes Geradoras
ina
r
Neste Captulo usamos operaes em sries de potncias (polinmios com infinitos

termos) em processos de contagem.
oP
rel
im
Definio 4.1 (srie de potncias). Uma srie formal de potncias uma soma de infinitos termos
a0 + a1 x + a2 x2 + ,
ou
an xn .
Ve
rs
n=0
Cada srie formal de potncias representa unicamente a sequncia de seus coeficientes (an ).

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 exponenciais, usadas na contagem de objetos cuja ordem relevante.
4.1
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).
39
CAPTULO 4. FUNES GERADORAS
40
Definio 4.2 (funo geradora ordinria). Seja (an ) uma sequncia. A funo geradora ordinria de (an ) a srie formal de potncias
A(x) =
an xn .
n=0
Denotamos por [xn ]A(x) o coeficiente de xn em A(x).
Exemplo 4.3. 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 representada an = 1, cujos termos so
ina
r
(1, 1, 1, . . .).
Para x (1, 1), esta srie converge para
1
1x
a funo geradora da sequncia an = 1.
oP
rel
por isso dizemos que
im
1
,
1x
Exemplo 4.4. A funo geradora
Ve
rs
C(x) = (1 + x)n

n
nos d os coeficientes binomiais de n
0 at n .

n n 0
n n1
n n2 2
n 0 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 n
J
k .
n
Exemplo 4.5. Verificamos agora a sequencia gerada pela funo geradora
1
.
1 4x
Usamos o teorema binomial generalizado,

(1 + z)r =

X
r
i=0
zi ,
4.1. FUNES GERADORAS ORDINRIAS
41
com z = 4x e r = 1/2.
(1 4x)
1/2

X
1/2
i
i=0
(4x)i
z
}|
{
X
(1/2)(1/2 1) (1/2 i + 1)
i!
i=0
(1)i 4i xi .
| {z }
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)
i!
i=1

X
1 3 5 (2i 1) 1
i=1
4i xi
im
=1+
4i xi
ina
r
(1 4x)1/2 = 1 +
|2 2 {z2 2}
i!
=1+
oP
rel
i ocorrencias de 2
X
1 3 5 (2i 1)
i=1
X
1 3 5 (2i 1)
Ve
rs
=1+
2i i!
i=1
=1+
2i xi
X
1 3 5 (2i 1)[i!2i ]
i=1
=1+
i!
4i xi
i!i!
xi
X
1 3 5 (2i 1)[2 4 6 2i]
i=1
i!i!
xi
X
2i! i
x
=1+
i!i!
i=1

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

0
2
4
2n
,
,
, ,
,
0
1
2
n
Para resolver problemas usando funes geradoras, precisaremos realizar operaes com elas. O teorema a seguir lista algumas destas operaes.
42
Teorema 4.6. 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
ai bj .
cn =
i,j0
i+j=n
a 0 b0 ,
ina
r
Esta sequencia
a0 b1 + a1 b0 ,
im
a0 b2 + a1 b1 + a2 b0 ,
oP
rel
a0 b3 + a1 b2 + a2 b1 + a3 b0
..
.
Ve
rs
Exemplo 4.7. Queremos encontrar a funo geradora para

(0, 0, 1, 1, 1, . . .).
1
Esta sequencia se parece com a sequncia (0, 1, 1, 1, . . .) do exemplo 4.3, que 1x
.
Aqui observamos que se multiplicarmos uma sequencia inteira por x, cada termo
ak xk passa a ser ak xxk = ak xk+1 , e portanto o coeficiente ak passa a ser o coeficiente 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,

1
x2
2
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 4.8. 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
43
Exemplo 4.9. Considere a srie de potncias

A(x) =
1
.
1 x2
Obteremos sua sequncia de coeficientes. Conhecemos uma funo geradora bastante

parecida com esta,
B(x) =
1
= 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 subtituirmos x por x2 em B(x) obteremos A(x):
1 (x2 )
A(x).
=
ina
r
B(x2 ) =
J podemos desta forma identificar os coeficientes de A(x):
4.1.1
oP
rel
e a sequncia gerada (1, 0, 1, 0, . . .).
im
A(x) = B(x2 ) = 1 + x2 + x4 + x6 + ,
Aplicaes em contagem
Ve
rs
Damos a seguir um exemplo de uso de funes geradoras na resoluo de um problema

simples.
O exemplo a seguir extremamente importante, porque explicita a intuio a respeito do mecanismo que usamos para realizar contagem com funes geradoras.
Exemplo 4.10. 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
44
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 multiplicao dos dois polinmios, com coeficientes unitrios:
ina
r
1 + 2x + 3x2 + 3x3 + 2x4 + x5 .
im
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
por diante.
J
oP
rel
Teorema 4.11. 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),
onde
Ve
rs
G(x) = (1 + x + x2 + + xn1 )(1 + x + x2 + + xn2 ) (1 + x + x2 + + xnq ),

e ni a quantidade disponvel de objetos do tipo i.
Exemplo 4.12. De quantas maneiras possvel alocar cinco tipos diferentes de atividades 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 + x + x2 + . . . =
1
,
1x
retiramos os termos excedentes x11 + ,

(1 + x + x2 + . . . + x10 ) =
=
1
1x
1 x11
.
1x
x11
1
1x
45
Assim, temos
2
10 5
(1 + x + x + . . . + x ) =
1 x11
1x
5
= (1 x11 )5 (1 x)5 .
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
o coeficiente procurado

5
10 . Sabemos que

n
k n+k1
= (1)
,
k
k

5
5 + 10 1
14
= (1)10
=
= 1001.
10
10
10
im
ina
r
e portanto temos
oP
rel
Este problema poderia ter sido resolvido de maneira mais rpida observando que o
que se pede uma quantidade de combinaes com elementos idnticos, dada pela
n+k1
forma fechada n
. No entanto, relevante por ser um exemplo simples
k =
k
de aplicao de funes geradoras.
J
Ve
rs
Exemplo 4.13. De quantas maneira possvel fazer doze pontos jogando quatro dados
diferentes (a ordem dos dados no importa)?
Cada dado nos d um nmero entre 1 e 6, portanto a funo geradora para o nmero de pontos
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:
46
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.
Exemplo 4.14 (solues inteiras de equao linear com coeficientes unitrios). J

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

3
= 66,
10
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
G(x) = (1 + x + x2 + )(1 + x + x2 + )(1 + x + x2 + )
Ve
rs
= (1 x)3 .

Calculamos [x10 ]G(x), que 3
10 = 66.
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

x2
1x
3
=
x6
= (x6 )(1 x)3 .
(1 x)3
4.2. FUNES GERADORAS EXPONENCIAIS
47
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 lexicogrfica).
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
X
x
=
nxn
2
(1 x)
n1
X
x
=
cn x n
1 cx
4.2
oP
rel
im
n0
ina
r
Exemplo 4.15.
Funes geradoras exponenciais
Ve
rs
Definio 4.16 (funo geradora exponencial). Seja (an ) uma sequncia. A funo
geradora exponencial de (an ) a srie formal de potncias
A(x) =
n=0
an
xn
.
n!
Denotamos por n![xn ]A(x) o coeficiente de (xn /n!) em A(x).
Exemplo 4.17. Seja

A(x) = 1 + x +
x2 x3 x4
+
+
+
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
4.2.1
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!.
48
Teorema 4.18. 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

n1
2
n2
2
2
1 + x + x2! + + xn2 ! 1 + x + x2! + +
G(x) = 1 + x + x2! + + xn1 !
e ni a quantidade disponvel de objetos do tipo i.
Exemplo 4.19. 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,
ina
r
c 1 vez.

x2
x2 x3
+
1+x+
(1 + x)
G(x) = 1 + x +
2!
3!
2!
im
19 3 19 4 x5 x6
x + x +
+
6
12
2
12
oP
rel
= 1 + 3x + 4x2 +
x!
Queremos os coeficientes de n!
, por isso reorganizamos o polinmio de forma que
todos os termos tenham n! no denominador.
x2
x3
x4
x5
x6
x
+ 8 + 19 + 38 + 60 + 60 ,
1!
2!
3!
4!
5!
6!
Ve
rs
E(X) = 1 + 3
e nossa resposta est no coeficiente de x4 /4!, ou seja, 38.
4.3
Ocupao: objetos distinguveis, locais distinguveis
Teorema 4.20. A quantidade de maneiras possveis de organizar n objetos diferentes em k

locais diferentes, sem que nenhum lugar fique vazio dada por

k
X
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)
k

x2 x3
+
+
= (ex 1)k ,
G(x) = x +
2!
3!
xnq
nq !
4.4. OCUPAO: OBJETOS DISTINGUVEIS, LOCAIS INDISTINGUVEIS

e portanto
49
T (n, k) = n![xn ]G(x).
Pelo teorema binomial,

G(x) =
k
X
k
i=0
(1)i e(ki)x .
Substitumos (k i)x na expanso de ex e a usamos na frmula acima, obtendo
X
1
(k i)n xn
i
n!
i=0
n=0

k
n X
X
x
i k
(1)
(k i)n .
=
n!
i
G(x) =
k
X
k
(1)i
i=0
n=0
T (n, k) =
k
X
(1)i

k
(k i)n .
i
im
i=0
ina
r
O coeficiente n![x ]G(x)
4
X
oP
rel
Exemplo 4.21. A quantidade de maneiras de organizar 10 objetos diferentes em 4

gavetas

4
(4 i)10
i
i=0

4 10
4 10
4 10
4 10
4 10
=
4
3 +
2
1 +
0
0
1
2
3
4
(1)i
Ve
rs
T (10, 5) =
= (1)410 (4)310 + (6)210 (4) + 0

= 818520.

locais diferentes, podendo haver locais vazios
kn .
Exemplo 4.23. A quantidade de maneiras de organizar 10 objetos diferentes em 4
gavetas, podendo haver gavetas vazias,
410 = 1048576.
4.4
Ocupao: objetos distinguveis, locais indistinguveis

locais indistinguveis, sem que nenhum lugar fique vazio chamada de nmero de Stirling
50
do segundo tipo, dado por

k
1 X
n
i k
S(n, k) =
(1)
(k i)n .
=
k
i
k!
i=0
Demonstrao. A nica diferena entre T (n, k) e S(n, k) que os locais so indistinguveis. 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 distinguveis 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.
im
= 30/2!
ina
r
Exemplo 4.25. A quantidade de maneiras de particionar o conjunto {v, w, x, y, z} em

dois subconjuntos, nenhum vazio,

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

1
2 5
2 5
=
2 2
1
2!
2
1
J
oP
rel
= 15.
Ve
rs

locais indistinguveis, podendo haver locais vazios dada por
k
X
n
.
i
i=1
{n
1}
possibilidades usando apenas um local, deixando os outros

Demonstrao. Temos
}
k 1 vazios; { n
usando
dois locais, e assim por diante. Disso segue trivialmente o
2
enunciado do teorema.

Exemplo 4.27. 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
1
= 15 +
1! 1
= 15 + 1
= 16.
4.5
Funes geradoras em Probabilidade
Definio 4.28 (funo geradora de probabilidade).
Definio 4.29 (funo geradora de momentos).
4.6. UMA LISTA DE FUNES GERADORAS
4.6
51
Uma lista de funes geradoras
Esta seo traz uma lista de funes geradoras e suas sequncias. O exerccio 34 pede
a demonstrao de corretude delas.
Funes geradoras ordinrias:
P
1
1x
(1, 1, 1, . . . , 1, . . .)
(1, k, k2 , k3 , . . . , kn , . . .)
i
i
im m x

P
m i
i0 i x
i0
x2n
i0
ki xi
1
ln 1x
xi
i1 i
oP
rel
Funes geradoras exponenciais:
(1, 1, 1, . . . , 1, . . .)
ex
(0, 1, 2, 3, . . . , n, . . .)
xex
(1, 2, 6, 24, 120, . . . , n!, . . .)
1
1x
Ve
rs
4.7
im
1
, . . .)
(0, 1, 12 , 13 , . . . , n
1
1x2
1
1kx
ixi
(1 + x)m
(0, 1, 0, 1, . . . , 1(1)
, . . .)
2
i1
x
(1x)2
m
x
(1x)m+1
xi
ina
r
(0, 1, 2, 3, . . . , n, . . .)

n
(0, 0, . . . , m
, . . .)

m
m
(1, m
1 , 2 , . . . , n , . . .)
i0
xi
i0 i!
xi
i1 (i1)!
i0
i!xi
i!
Leitura adicional
Um estudo mais detalhado de funes geradoras pode ser encontrado no livro de Herbert Wilf [Wil05], e no de Flajolet e Sedgewick [SF96]. Tpicos mais avanados so discutidos 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. 31 Qual a sequencia da funo geradora ordinria ex + x2 x3 ?
52
Ex. 32 Qual a funo geradora ordinria de
i)
ak =
1
k
ii)
ak =
1
2k
iii)
ak = 2k3
iv)
ak =
ix)
ak = (1)k

ak = k2
xi)
+1
k
2
v)
ak = kk
vi)
ak = Fk
vii)
ak = 2k
viii)
ak =
x)
ak = k 1
k+1
2
(Fk o k-simo nmero de Fibonacci)
ina
r
Ex. 33 No exemplo 4.10, o que estaramos contando se tivssemos usado t1 6= t2 ?

Por exemplo, t1 = 2 e t2 = 3?
Ve
rs
oP
rel
im
Ex. 34 Mostre que as tabelas da seo 4.6 esto corretas.
Captulo 5
Parties de um Inteiro
Exemplo 5.2. O inteiro 5 pode descrito como
oP
rel
5 =5
im
ina
r
Definio 5.1 (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
a ordem. Denotamos a quantidade de parties diferentes de um inteiro por p(n).
Definimos que p(0) = 1.

=4+1
=3+2
=3+1+1
Ve
rs
=2+2+1
=2+1+1+1
= 1 + 1 + 1 + 1 + 1,
e portanto p(5) = 7.
5.1
Diagramas de Ferrers
Uma partio de um inteiro pode ser representada como um diagrama.

Definio 5.3 (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 5.4. Por exemplo, o diagrama de Ferrers para a partio 7 = 3 + 2 + 1 + 1
53
CAPTULO 5. PARTIES DE UM INTEIRO
54
Definio 5.5 (partio conjugada). A partio conjugada de uma partio obtida

lendo as colunas do diagrama de Ferrers como se fossem linhas.

Exemplo 5.6. A partio conjugada de 7 = 3 + 2 + 1 + 1 7 = 4 + 2 + 1, porque o diagrama de Ferrers da primeira partio, quando transposto, resulta no da
segunda.

J
Teorema 5.7. 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).
Funes geradoras para parties
ina
r
5.2
im
Nesta seo obteremos funes geradoras para diversas quantidades de parties de

inteiros.
oP
rel
Definio 5.8 (produto infinito). Definimos o produto infinito de uma sequncia (an )
como
n
Y
Y
ai
ai = lim
n
i=0
i=0
Ve
rs
se o limite existe e diferente de zero. Se o limite zero ou no existe, dizemos que o

produto divergente.

Teorema 5.9. Para todo x (1, +1),
pm (n)xn =
n=0
m
Y
i=1
ou seja,
n
pm (n) = [x ]
m
Y
i=1
1
,
1 xi
1
1 xi
!
.
Demonstrao. Primeiro observamos que

m
Y
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 + ).
5.2. FUNES GERADORAS PARA PARTIES
55
Cada fator, portanto, ser (1 + xk + x2k + x3k + ). Se multiplicarmos e reorganizarmos os termos, escrevendo os de grau i na i-sima linha, teremos
m
Y
i=1
1
1 xi
(x0 )
=1
+ x1
+ x2 + x21
+ x3 + x2+1 + x31
+ x4 + x3+1 + x22 + x2+21 + x41
..
.
Teorema 5.10. Para todo x (1, +1),
i=1
1
1 xi
im
p(n) = [xn ]
ina
r
Para cada limha i, podemos ver uma bijeo entre expoentes e parties de i.
oP
rel
Teorema 5.11. A quantidade de parties de um inteiro n em que as partes so todas diferentes, mas nenhuma parte tem mais que m elementos,
!
m
Y
n
pd
(1 + xi ) .
m (n) = [x ]
Ve
rs
i=1
A quantidade de parties de um inteiro n em que as partes so todas diferentes

!
Y
d
n
i
p (n) = [x ]
(1 + x ) .
i=1
Demonstrao.
m
Y
(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 5.12. A quantidade de parties de um inteiro n em partes mpares igual a
!
Y
1
i
n
p (n) = [x ]
(1 x2n1 )
i=1
56
Demonstrao. A funo geradora para o nmero de parties de n
1
.
1 xi
i=1
Se removermos os fatores onde x aparece como potncia par, teremos apenas os coeficientes para as parties de tamanho mpar.

Teorema 5.13 (Euler). Para todo natural n,
pd (n) = pi (n).
Demonstrao. Provamos que as funes geradoras so iguais.
(1 + xi ) =
i=1
Y
(1 + xi )(1 xi )
i=1
Y
i=1
(1 xi )
1 x2i
1 xi
ina
r
1
(1 x)(1 x3 )(1 x5 )
Y
1
=
.
1 x2i1
oP
rel
im
i=1
Frmula exata para p(n)
Ve
rs
5.3
Obter o coeficiente de xn na funo geradora de p(n) ou em outros produtrios infinitos , de maneira geral, difcil, e no tentaremos faz-lo. H, no entanto, uma
frmula para o nmero de parties de um inteiro, dada por Hardy e Ramanujan, que
reproduzimos aqui
q

2
d senh i 3 x 24
1 X
q
p(n) =
Ai (n) i
,
dx
1
2 i=1
x 24
x=n
com
Ai (n) =
h,k e2inh/k
0hk1
(h,k)=1
onde os h,k so raizes da unidade.
5.4
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).
5.5. PROBLEMAS DE OCUPAO (OBJETOS E LOCAIS INDISTINGUVEIS)
57
Teorema 5.14. Para todo n 4,
r
n
< p(n) < exp
2n
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 5.15. Para todo n 0,
sendo Fi o i-simo nmero de Fibonacci.
1
e 2n/3 .
4n 3
oP
rel
p(n)
im
Teorema 5.16 (Hardy/Ramanujan). Quando n ,
ina
r
p(n) Fn+1 ,
Exemplo 5.17. Temos p(200) 3.9 1012 , e
5.5
Ve
rs
1
e 2(200)/3 = 4.1 1012 .
4(200) 3
Problemas de ocupao (objetos e locais indistinguveis)
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 parties 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 parties de n em k ou menos partes.
5.6
Alguns fatos sobre parties
Teorema 5.18. A quantidade de parties de n onde k n aparece igual a p(n k).
58
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 adicionar o elemento k, obtendo uma partio de n. Assim estabelecemos uma bijeo,
e as duas quantidades so iguais.

Teorema 5.19. Para todo n N,
q2 (n) =
5.7
jnk
.
2
Leitura adicional
ina
r
A teoria de parties faz parte da teoria aditiva de nmeros (em contraste com a teoria multiplicativa de nmeros, onde primalidade e divisibilidade so tpicos centrais). Introdues teoria de parties de inteiros so dadas nos livros de Goerge
Andrews [And94] e de Niven, Zuckerman e Montgomery [NSM91] (este ltimo contm uma demonstrao do teorema 5.14).
im
Exerccios
Ve
rs
oP
rel
Ex. 35 Represente as parties de um inteiro n como uma matriz M(n): cada linha
contm os elementos de uma partio, comeando da esquerda e listando os elementos seguintes direita. As linhas devem ficar em ordem lexicogrfica. Quais so o
posto, determinante e trao de M(n)? (Demonstre)
Captulo 6
Recorrncias
im
ina
r
Definio 6.1 (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 :
an = f(a1 , . . . , an1 ).
oP
rel
Uma relao de recorrncia de ordem k se an depende de ank , mas no de termos

anteriores a ank .
Se so definidos valores para pontos isolados,
a0 = z,
Ve
rs
a1 = z 0 ,
..
.
estes so chamados de valores iniciais, ou condies iniciais.
Definio 6.2 (recorrncia linear e homognea). Uma relao de recorrncia linear

se da forma
n1
X
an =
ci ai + g(n),
i=1
e homognea se g(n) = 0.
Exemplo 6.3. A funo fatorial pode ser definida recursivamente. A sequncia onde
an = n! dada pela relao de recorrncia
a0 = 1
an = nan1 .
Exemplo 6.4. Suponha que precisemos de um algoritmo para localizar um elemento

em um vetor ordenado. O algoritmo ingnuo para este problema pesquisar, da primeira 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
59
CAPTULO 6. RECORRNCIAS
60
no ser encontrado em nenhuma das posies), e teremos que realizar n comparaes.

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

direita e reiniciamos a busca nos n
elementos
esquerda. O mesmo vale quando
2
o elemento
menor
que
x:
descartamos
a
primeira
metade do vetor, e recomeamos

elementos
direita.
A
intuio
nos
diz
que
este algoritmo mais eficiente
com os n
2
que o anterior. Seu tempo de execuo dado pela relao de recorrncia
t1 = 1
tn = 1 + tbn/2c .
oP
rel
Mova 1 disco de A para C
im
Mova n 1 discos de A para B
ina
r
Exemplo 6.5. Para resolver o problema das torres de Hanoi, h um algoritmo bastante
conhecido:
Mova n 1 discos de B para C
Ve
rs
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 constantes.

J
Exemplo 6.6. 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
Exemplo 6.7. Usaremos retas para dividir o plano em regies. As retas no so paralelas, 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.
61
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.
Exemplo 6.8. Juros compostos podem ser definidos da seguinte maneira:

Comeamos com um montante inicial p
A cada perodo, aplicamos uma taxa j sobre o montante do perodo anterior.
Isto pode ser resumido da seguinte forma:
v0 = p
ina
r
vn = vn1 + jvn1
A segunda equao uma equao recorrente linear (porque a j constante) e homognea.
J
oP
rel
im
Exemplo 6.9. O problema a seguir conhecido como problema de Josephus.

H n homens dispostos em crculo, e pretende-se eliminar n 1 deles, ficando
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
Ve
rs
Exemplo 6.10. Para realizar a intercalao de dois vetores de tamanho n/2 precisamos 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 recorrncia que determina o nmero de comparaes feita pelo mergesort , portanto,
t1 = 1
tn = 2tn/2 + n.
Esta recorrncia linear e no homognea.
O teorema a seguir explicita o que intuitivamente claro: uma relao de recorrencia de ordem k precisa de k valores iniciais. O exerccio 43 pede a demonstrao.
Teorema 6.11. Uma equao recorrente de ordem k acompanhada de k valores iniciais define 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 situaes 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.
62
6.1
6.1.1
Soluo
Recorrncias lineares de ordem um
Recorrncias de ordem um so usualmente fceis de resolver.

O teorema 6.12 um dos resultados mais simples que podemos explicitar. Sua
demonstrao pedida no exerccio 40.
Teorema 6.12. A forma fechada para a recorrencia an = kan1
an = a0 kn .
Exemplo 6.13. A recorrncia para juros compostos
ina
r
v0 = p
vn = vn1 + jvn1 ,
oP
rel
im
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
vn = p(1 + j)n .
Ve
rs
Teorema 6.14. A recorrencia linear de primeira ordem

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
= kn +
0in
n
Y
ki
!
qm
m=i+1
Demonstrao. A demonstrao por induo em n.

A base pode ser verificada trivialmente para n = 0.
Para o passo, presumimos que
an = kn +
X
0in
ki
n
Y
m=i+1
!
qm
6.1. SOLUO
63
Para an+1 , temos

an+1 = qn+1 an + kn+1
X
= kn+1 + qn+1 kn +
ki
0in
= kn+1 +
n+1
Y
ki
0in+1
qm
n
Y
ki
0in
m=i+1
= kn+1 + qn+1 kn + qn+1
n
Y
!
qm
m=i+1
!
qm
m=i+1
Teorema 6.15. Se a sequencia xn soluo da recorrencia an = f(n)an1 , ento a troca

de variveis an = xn bn transforma a recorrencia
em
1
xn1 f(n 1)
im
bn = bn1 + g(n)
ina
r
an = f(n)an1 + g(n)
oP
rel
Exemplo 6.16. Seja

a0 = 2
an = 2an1 + 2n1
A recorrncia
Ve
rs
n = 2n1
n1
admite como soluo xn = 2
. Assim, podemos substituir

an = 2n1 bn ,
e chegamos em
an = 2an1 + 2n1

2n1 bn = 2 2n2 bn1 + 2n1
2n1 bn = 2n1 bn1 + 2n1
bn = bn1 + 1.
J
6.1.2
Recorrencias lineares: polinmio caracterstico
Observando a definio dada no incio do Captulo, percebemos que uma equao de

recorrncia linear de ordem k com coeficientes constantes pode ser posta na forma
c0 fn + c1 fn1 + c2 fn2 + + ck fnk + g(n) = 0,
com todos os ci constantes.
64
Exemplo 6.17. A equao
an = 2an1 3an4
pode ser reescrita como
an 2an1 + 3an4 = 0.
Lema 6.18. Se as sequncias (xn ) e (yn ) satisfazem uma equao de recorrncia linear homognea, ento qualquer combinao linear x + y tambm satisfaz a mesma equao.
Demonstrao.
implica que
ci xi = 0 =
ci yi
ci xi = 0 = 0 =
ci yi .
ina
r
Exemplo 6.19. Sejam

(xn ) = 1, 2, 4, 8, 16, . . .
im
(yn ) = 3, 6, 12, 24, 48, . . .

satisfazendo a equao
Ento
oP
rel
an = 2an1
2(xn ) + (yn ) = 5, 10, 20, 40, 80, . . .

J
Ve
rs
tambm satisfazendo a mesma equao.

Recorrncias lineares homogneas
Definio 6.20 (polinmio caracterstico). Seja

an = c1 an1 + + cnk ank
uma equao recorrente linear homognea de ordem k Sua equao caracterstica

an + c1 an1 + c2 an2 + + ck ank = 0,
e o polinmio caracterstico da equao recorrente
p(x) = xk + c1 xk1 + + ck1 x + ck .
Exemplo 6.21. A recorrencia

an = 3an1 2an2
tem equao caracterstica
an 3an1 + 2an2 = 0
e polinmio caracterstico
p(x) = x2 3x + 2.
6.1. SOLUO
65

bn = 2bn1 3bn3
x tem equao caracterstica

bn 2bn1 0bn2 + 3bn3 = 0
p(x) = x3 2x2 + 3.

en = 16en4
en 16en4 = 0
im
p(x) = x4 16.
ina
r
tem equao caracterstica
Teorema 6.24. Seja
oP
rel
an = c1 an1 + + cnk ank
uma equao recorrente linear homognea de ordem k com polinmio caracterstico
Ve
rs
p(x) = xk + c1 xk1 + + ck1 x + ck .

Se o polinmio caracterstico tem k razes distintas r1 , . . . , rk (ou seja, no tem razes repetidas), ento uma sequncia (xn ) satisfaz a equao se e somente se
an = b1 rn
1 + + bk r k
onde os bi so constantes.
Pelo teorema fundamental da lgebra, o polimio caracterstico tem k razes, e
portanto
k
Y
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.
Como combinaes lineares de solues tambm so solues, ento temos a soluo
fn =
k
X
i=1
ci rn
i .
66
Exemplo 6.25. Considere a recorrncia
a1 = 3
a2 = 4
an = an1 + 2an2
Reescrevemos
an an1 2an2 = 0,
e o polinmio caracterstico
x2 x 2 = (x 2)(x + 1),
com razes 2 e 1. A soluo para a recorrncia
ina
r
an = c1 (2)n + c2 (1)n .
Para a1 , e a2 temos
im
c1 (2) + c2 (1) = 3
e portanto
oP
rel
c1 (2)2 + c2 (1)2 = 4
c1 =
Ve
rs
Finalmente,
7
,
6
2
c2 = .
3
7 n 2
2 (1)n ,
6
3
an =
e temos uma forma fechada para an .

Exemplo 6.26. Considere a sequncia de Fibonacci,
F0 = 0
F1 = 1
Fn = Fn1 + Fn2 .
Reescrevemos a equao,
Fn Fn1 Fn2 = 0,
e obtemos o polinmio caracterstico
x2 x 1,
que tem as razes
1 5
,
2
1+ 5
.
2
6.1. SOLUO
67
A soluo para a recorrncia deve ser

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

c1
c1
!0
1 5
+ c2
2
!1
1 5
+ c2
2
!0
1+ 5
=0
2
!1
1+ 5
= 1,
2
!
1 5
+ c2
2
c1 + c2 = 0
!
1+ 5
= 1,
2
e obtemos
e portanto
"
!n
1+ 5
Ve
rs
1
Fn =
5
1
c2 = ,
5
oP
rel
1
c1 =
5
im
c1
ina
r
ou
!n #
1 5
,
2
que a forma fechada para o n-simo nmero de Fibonacci.
Exemplo 6.27. 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,
e identificamos a equao caracterstica,
1x2 2x + 2 = 0.
Ao resolver esta equao obtemos razes complexas 1 i e 1 + i. A soluo da recorrncia ser
tn = c1 (1 i)n + c2 (1 + i)n .
68
Para t0 e t1 ,
c1 + c2 = 0
c1 (1 i) + c2 (1 + i) = 1
A soluo para o sistema
c1 =
i
,
2
i
c2 = ,
2
e a forma geral da recorrncia

tn =
i
i
(1 i)n (1 + i)n .
2
2
Pode-se mostrar que
2n sen
n
4
ina
r
tn =
Razes mltiplas
im
Considere a recorrncia
a0 = 2
oP
rel
a1 = 5
an = 4an1 4an2 .
Reescrevendo obtemos an 4an1 + 4an2 . A equao caracterstica
Ve
rs
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 6.28. 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 .
Para obter c1 e c2 , resolvemos
c1 + (c2 )(0)(20 ) = 2
c1 21 + c2 (1)(21 ) 5
(c1 = 2)
6.1. SOLUO
69
e obtemos
1
.
2
Finalmente, podemos escrever a forma fechada para an :
c1 = 2
c2 =
1
an = 2(2n ) + n2n
2
= 2n+1 + n2n1 .
Exemplo 6.29. Determinaremos a forma fechada para a recorrncia a seguir, de ordem tres.
a0 = 3
a1 = 12
a2 = 30
A equao caracterstica
(x + 2)2 (x 1),
im
Fatorando, temos
x3 + 3x2 4 = 0.
ina
r
an = 3an1 + 4an3
oP
rel
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
Ve
rs
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
Ento,
c2 = 7
c3 = 6.
an = (10)1n 7(2)n + 6n(2)n .
Equaes lineares no homogneas

Teorema 6.30. 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
xk + A1 xk1 + + Ak = 0.
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
i soluo para a recorrncia, assim como no caso
homogneo. Se ri tem multiplicidade m, aplica-se o teorema 6.28.
70
Exemplo 6.31. Resolvemos inicialmente uma recorrncia linear no-homognea de

ordem um.
a0 = 2
an1
an =
+ 3n
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
x(x 3)
x3
= 0,
2
com razes
r2 =
1
2
ina
r
r1 = 3
As solues sero da forma
n
1
.
2
im
an = c1 (3)n + c2
oP
rel
No entanto, temos duas constantes para determinar (c1 e c2 ), mas s temos um valor
inicial (a0 = 2). Resolvemos este problema calculando a1 :
a0
+ 31 = 4
a1 =
2
Ve
rs
Agora podemos resolver o sistema:

a1 :
a0 :
c1 + c2 = 2
c1 (3) + c2 (1/2) = 4
determinando as constantes
6
4
c2 =
5
5
J temos portanto a forma fechada para a recorrncia:
c1 =
an =
6 n
4
(3) +
.
5
(5)2n
Exemplo 6.32. Nem toda recorrncia no-homognea pode ser resolvida de forma
simples. Em alguns casos, no entanto, possvel encontrar a forma fechada com relativa facilidade.
Considere a seguinte relao de recorrncia linear no-homognea de ordem 3.
b0 = 4
b1 = 2
b2 = 3
bn = bn1 + 4bn2 + 4bn3 + n
6.1. SOLUO
71
Podemos escrever o termo dependente de n como (n1 )(1n ), e portanto o teorema 6.30
se aplica. O polinmio de grau um, portanto a equao caracterstica ser multiplicada 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
x2 = 1
x3 = 2
oP
rel
As solues da recorrencia devem ser da forma
x4 = 2
im
x1 = 1
ina
r
e obtemos y = 1, y = 4. Ao desfazer a troca de variveis, conseguimos a soluo para

a equao qurtica original:
n
bn = c1 (1)n + c2 (1)n + c3 (2)n
+ c4 (2)
Precisamos de quatro valores iniciais. Calculamos b3 , que ainda no temos:
Ve
rs
b0 = 4
b1 = 2
b2 = 3
b3 = 3 + 4(2) + 4(4) + 3 = 24
O sistema a ser resolvido

c1 + c2 + c3 + c4 = 4
c1 c2 + 2c3 + 2c4 = 2
c1 + c2 + 4c3 + 4c4 = 3
c1 c2 + 8c3 + 8c4 = 24
Temos finalmente
c1 =
1
2
c2 =
29
6
c3 =
5
3
c4 = 2
E a forma fechada para bn

1 29
5
bn = + (1)n + (2n ) 2(2)n .
2
6
3
1 H forma fechada para as solues de uma equao do quarto grau, mas no a usaremos.
72
6.1.3
Troca de variveis
Em diversas situaes, uma troca de variveis pode tornar muito mais fcil a obteno
de forma fechada para uma recorrncia.
Exemplo 6.33. 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)
ina
r
Agora fazemos uma troca de variveis: seja fn = hn + 1. ento a recorrencia passa a

ser
f1 = 2
im
fn = 2fn1 ,
oP
rel
ou seja, temos uma PG de razo 2 e termo inicial f1 = 2. A soluo

fn = 2n ,
Ve
rs
e portanto
hn = 2n 1.
Exemplo 6.34. Considere a equao recorrente

an =
an1 an2 . . . ank .
Seja bn = ln an . Ento a soluo da equao recorrente

bn =
bn1 + bn2 + + bnk

2
nos d tambm uma soluo para a equao original.
6.1.4
Funes geradoras
Para encontrar uma forma fechada para o n-simo termo de uma sequncia (an ),
podemos tentar usar a funo geradora da sequncia. Por exemplo,
a0 = 1
an = 3an1
6.1. SOLUO
73
A funo geradora ordinria da sequncia (an )

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 ):
ai+1 xi = 3
i=0
ai xi
i=0
ai+1 xi = a1 + a2 x + ax x2
i=0
= x1 a1 x + a2 x2 + a3 x3 +
ina
r

= x1 a0 + a1 x + a2 x2 + a3 x3 + x1 a0
= x1 (A(x) a0 ).
im
Substituindo, temos
oP
rel
x1 (A(x) a0 ) = 3A(x)
e encontramos
A(x) =
Como a0 = 1,
a0
.
1 3x
1
.
1 3x
Como j sabemos que esta a funo geradora para 3n , temos [xn ]A(x) = 3n , e
Ve
rs
A(x) =
an = 3n .
Exemplo 6.35. Considere a recorrencia

a0 = 1
an+1 = 2an + 2n
Continuando,
X
i=0
ai+1 xi = 2
ai xi +
i=0
2i xi .
i=0
Ou seja,
X
A(x) a0
= 2A(x) +
(2x)i
x
i=0
A(x) 1
= 2A(x) +
x
X
i=0
(2x)i
74
A funo geradora de 2i 1/(1 2x), portanto
1
A(x) 1
= 2A(x) +
x
1 2x
Reescrevemos em funo de A(x):
1
x
+
1 2x (1 2x)2

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

E finalmente podemos escrever
6.1.5
oP
rel
an = (n + 1)2n .
Diviso e conquista
Ve
rs
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 variveis. No entanto, esta recorrncia nos dar apenas os valores de tBk . Para tn , onde
n no potncia de B, a recorrncia no vlida.
Exemplo 6.36. A recorrncia que d o tempo da busca binria
t1 = 1
tn = tbn/2c + 1,
com A = 1, B = 2 e f(n) = 1.
6.1. SOLUO
75
Seja Sk = t2k . Ento

(20 = 1 = t1 )
S1 = 2
Sk = Sk1 + 1.
A soluo para esta recorrncia Sn = n + 1. Desfazendo a troca de variveis,

t2n = n + 1
tn = log2 (n),
que a quantidade de comparaes necessria no pior caso da busca binria para potencias 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
t1 = 1
oP
rel
com A = 2, B = 2 e f(n) = n.
Seja Sk = t2k . Ento
im
tn = 2tbn/2c + n,
ina
r
Exemplo 6.37. A recorrencia que d o tempo de execuo do mergesort
S1 = 4
(S1 = t2 = 4)
Ve
rs
Sk = 2Sk1 + 2 .
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 potncia de 2.
J
6.1.6
Adivinhando a soluo
Se tivermos uma forma candidata forma geral para o n-simo termo de uma recorrncia, podemos provar por induo a validade da forma.
Exemplo 6.38.
76
Exerccios
Ex. 36 Determine a recorrncia para juros simples, e a resolva.
Ex. 37 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. 38 Mostre que Fn composto para qualquer n mpar maior que 3.

Ex. 39 Seja Fn o n-simo nmero de Fibonacci.
ina
r
a) H n objetos organizados em uma fila. Prove que a quantidade de diferentes maneiras de escolher um subconjunto destes objetos, sem usar dois consecutivos,
Fn+1 .
oP
rel
im
b) Se os n > 2 objetos so organizados em crculo, de diferentes maneiras de escolher um subconjunto destes objetos, sem usar dois consecutivos? (Responda em
termos de Fn , Fn1 , etc).
Ex. 41 Determine a forma fechada da sequncia semelhante de Fibonacci, mas

com F0 = 2 e F1 = 3.
Ve
rs
Ex. 42 Podemos retroceder a sequncia de Fibonacci, para nmeros menores que

zero, de forma que continue valendo tanto a definio recursiva como a forma fechada
que encontramos?
Ex. 43 Demonstre o teorema 6.11.
Ex. 44 D a soluo da recorrncia
a0 = e3
a1 = e4
q
an = 3 an1 a2n2 .
Captulo 7
Princpio da Casa dos Pombos
Forma simples do princpio da casa dos pombos
oP
rel
7.1
im
ina
r
O princpio da casa dos pombos uma afirmao aparentemente evidente e inocente,

mas com aplicaes surpreendentes. O princpio enunciado no teorema 7.1, e sua
generalizao no teorema 7.17. O restante deste Captulo contm exemplos de aplicao.
Teorema 7.1 (princpio da casa dos pombos). Se h n + 1 pombos e n casas, pelo menos
dois pombos ocuparo a mesma casa.
Ve
rs
Este princpio pode ser declarado de outra maneira1 , como no teorema 7.2.
Teorema 7.2 (princpio da casa dos pombos). Se |A| > |B|, no exite funo injetora de
A em B.
Exemplo 7.3. Em um grupo de 13 pessoas h necessariamente duas que fazem aniversrio 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 7.4. 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 menos 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 7.5. 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.
77
CAPTULO 7. PRINCPIO DA CASA DOS POMBOS
78
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
J
2 .
ina
r
Exemplo 7.6. 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
oP
rel
im
Exemplo 7.7. Em uma lista qualquer de k + 1 nmeros a1 , a2 , . . . , ak+1 , haver pelo

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).
No entanto, temos k + 1 nmeros, portanto h dois nmeros com o mesmo resto:
a i = ci k + r
a j = cj k + r
Mas
Ve
rs
ai aj = ci k + r cj k r = (ci ci )k,
J
divisvel por k.
Exemplo 7.8. Dados n + 1 nmeros inteiros entre 1 e 2n, haver dois nmeros x e y
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

a2q
x
=
= 2qr .
y
a2r
Exemplo 7.9. Neste exemplo mostramos uma aplicao do princpio da casa dos pombos em uma demonstrao relacionada a compresso de dados.
Definio 7.10. 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.

7.1. FORMA SIMPLES DO PRINCPIO DA CASA DOS POMBOS
79
Teorema 7.11. 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 diferente. 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.
Exemplo 7.12. Um gerador de bits pseudoaleatrios uma funo G que tem como entrada uma sequencia de n bits e como sada outra sequncia, de M > n bits. Idealmente, o conjunto de possveis sadas do gerador deve ter distribuio uniforme sobre
o as possveis sequncias de M bits.
Teorema 7.13. No existe gerador de bits pseudoaleatrios cuja sada tenha distribuio
uniforme.
oP
rel
im
ina
r
Demonstrao. Para que a sada tivesse distribuio uniforme, cada uma das 2M sadas
teria que ser gerada por uma entrada diferente. Mas h apenas 2n < 2M entradas,
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
uniforme.

Dada a restrio imposta por este teorema, em Criptografia define-se o objetivo
de construir geradores pseudoaleatrios cujas sadas sejam indistinguveis de bits aleatrios por algoritmos eficientes.
J
Ve
rs
Exemplo 7.14. Um mgico entrega um baralho a uma pessoa, que poder embaralhlo como quiser. Esta pessoa retirar cinco cartas do baralho e as entregar ao assistente 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
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
80
mximo seis. Determine uma ordem total para as cartas (por exemplo, a ordem lexicogrfica 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
c1, c3, c2
c2, c1, c3
c2, c3, c1
c3, c2, c1
c3, c1, c2
1
2
3
4
5
6
Exemplo 7.15. O princpio da casa dos pombos pode ser usado para demonstrar o
teorema de Fermat sobre a soma de quadrados (7.16).
ina
r
Teorema 7.16. Todo nmero primo p tal que p 1 (mod 4) pode ser escrito como a soma
dos quadrados de dois inteiros.
Ve
rs
oP
rel
im
Demonstrao. Para primos da forma p 1 (mod 4), existe x inteiro tal que x2 = 1
(mod p) (a demonstrao ser omitida aqui).
Se existirem u e v inteiros tais que u + vx 0 (mod p), com 0 < |u| p e
0 < |v| p, ento u2 + v2 0 (mod p), e 0 < u2 + v2 2p.

Mostramos ento que u e v devem existir. Suponha que no. Considere
os
todos

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).

p

p

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
7.2. GENERALIZAO DO PRINCPIO DA CASA DOS POMBOS
7.2
81
Generalizao do princpio da casa dos pombos
Teorema 7.17 (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
1
M<m
m

n
<m
+1 1
m
n
= m = n.

m
im
pessoas que fazem aniversrio no mesmo ms.
ina
r
Exemplo 7.18. Em um grupo de 100 pessoas haver no mnimo

100
=9
12
oP
rel
Exemplo 7.19. Pode-se usar o princpio generalizado da casa dos pombos para demonstrar o teorema de Erds-Szekeres (7.20).
Teorema 7.20 (de Erds-Szekeres). Em uma sequncia de mn + 1 nmeros diferentes,
existe uma subsequncia crescente de tamanho m + 1 ou uma subsequncia decrescente de
tamanho n + 1.
Ve
rs
Demonstrao. Seja A = {ak }k = 1k=mn+1 a sequncia. Seja ì o tamanho da maior

subsequncia de A comeando em ai .
H mn + 1 inteiros positivos `1 , `2 , . . . , `mn+1 . Se existe j tal que `j m + 1
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 comrimento, 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 .
82
Repetindo o argumento trocando subsequncias crescentes por decrescentes, completase a demonstrao.

J
Exerccios
Ex. 45 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. 46 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 ).
ina
r
Ex. 47 Suponha que tenhamos escolhido cinco pontos no plano, sendo que todos
tem coordenadas inteiras. Mostre que h pelo menos um par de pontos tal que o ponto
mdio entre eles tambm tem coordenadas inteiras.
im
Ex. 48 Em um poliedro qualquer, h duas faces com o mesmo nmero de arestas.
oP
rel
Ex. 49 Dados quaisquer quatro pontos em um crculo

de raio unitrio, h pelo menos dois deles entre os quais a distncia menor que 2.
Ve
rs
Ex. 50 Se escolhermos quaisquer n + 1 nmeros do conjunto 2n = {1, 2, . . . , 2n},

haver dentre os n + 1 nmeros escolhidos, dois coprimos.
Ex. 51 Dados cinco pontos na superfcie de uma esfera, pode-se divid-la em duas
metades de forma que um hemisfrio contenha quatro deles.
Ex. 52 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 8
Teoria da Contagem de Plya

Grupos
ina
r
8.1
im
Para chegarmos ao lema de Burnside e ao teorema de enumerao de Plya ser necessrio detalhar alguns teoremas em grupos.
oP
rel
Definio 8.1 (grupo). Um grupo um conjunto no-vazio G associado a uma operao : G G G tendo as propriedades listadas a seguir.
Associatividade: para todos a, b, c G, (a b) c = a (b c).
Ve
rs
Existencia de neutro: Deve haver um elemento neutro e G para a operao

de grupo: e G : a e = e a = a.
Existencia de inverso: Para todo a G, h um inverso a 0 G tal que a a 0 =
a 0 a = e.
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 propriedade da operao o nome de fechamento).
Exemplo 8.2. 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
83
CAPTULO 8. TEORIA DA CONTAGEM DE PLYA
84
Exemplo 8.3. 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.
Em primeiro lugar, verificamos o fechamento: o produto de duas matrizes quadradas 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 8.4. O conjunto {1, 2, 3, 4} com a operao de grupo sendo a multiplicao
mdulo 5, ou seja,
a b = ab (mod 5),
ina
r
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 operao 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:
(mod 5) = 1
(2 3)
(mod 5) = 1
(3 2)
(mod 5) = 1
(4 4)
(mod 5) = 1
oP
rel
im
(1 1)
Temos portanto um grupo. O mesmo vale se trocarmos 5 por qualquer primo: o conjunto {1, 2, . . . , p 1} com a operao de multiplicao mdulo p ser um grupo. J
Ve
rs
Definio 8.5 (subgrupo). Se H G e H um grupo com a mesma operao de G,

ento H subgrupo de G.

Exemplo 8.6. 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
Exemplo 8.7. 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.
Definio 8.8 (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.
8.2. AES DE GRUPO, LEMA DE BURNSIDE
85
Exemplo 8.9. Seja DIn o grupo das matrizes diagonais mpares no singulares de ordem n (os elementos na diagonal so todos mpares), com a operao usual de multiplicao. Seja
4 0 0 0
0 4 0 0
..
.
0
Q = 4I = 0 0
.
. .
.
.
. .
0 0
4

QDIn = QA|A DIn
Ento o conjunto
uma classe lateral esquerda de DI em Dn . Esta classe lateral contm as matrizes

mltiplas de 4.
J
im
|G|
.
|H|
ina
r
Teorema 8.10 (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
oP
rel
Demonstrao. Considere a funo f : H xH, definida como f(h) = xh. Ela uma
bijeo entre H e xH, portanto para todo x
|xH| = |H|.
Ve
rs
Como G a unio disjunta das classes laterais esquerda,
G = x1 H x2 H xn H,
com n = |G|, temos |G| = |H| c, onde c a quantidade de classes laterais.
Exemplo 8.11.
8.2
Aes de grupo, Lema de Burnside
Definio 8.12 (grupo de permutaes). Seja G, grupo e n um inteiro positivo. Denotamos por Sn o grupo formado por todas as permutaes de n elementos, com a
operao de composio.

Exemplo 8.13. Seja n = 3. Temos 3! = 6 permutaes que compem o conjunto S3 :

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

1 2 3
1 2 3
S3 =
,
2 1 3
2 3 1 ,

1 2 3
1 2 3
3 1 2 ,
3 2 1
A primeira delas,
1 2 3
1 2 3
, o elemento neutro.
86
Definimos a seguir o conceito de ao de grupo1 . Uma ao de grupo um mapeamento de um grupo G em um grupo de permutaes Sn . Note que no exigimos que
o mapeamento seja injetivo nem sobrejetivo.
Definio 8.15 (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 8.16. Seja Q um quadrado com cantos rotulados a, b, c, d:

a
ina
r
oP
rel
im
Podemos representar o quadrado pela sequncia de cantos, (abcd). Considere as seguintes aes sobre um quadrado:

Identidade (e), que pode ser descrita como a permutao de cantos 11 22 33 44
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.
Ve
rs
Rotao no sentido
anti-horrio, que pode ser descrita como a permutao de
cantos 12 23 34 41 . Denotamos esta permutao por x.
Estas tres rotaes (ou permutaes) e suas aplicaes em sequncia formam um grupo,
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 8.14 (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.
8.2. AES DE GRUPO, LEMA DE BURNSIDE
87
Suponha que temos um grupo agindo em um conjunto X. Ser til definir o conjunto de elementos de X que podem resultar da aplicao de uma ao de G. Esta a
rbita do elemento.
Definio 8.17 (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 8.18. 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, permitindo com repeties (h 44 = 256 destes quadrados). A rbita do quadrado abcd
o conjunto de quatro quadrados
ina
r
{abcd, bcda, cdab, dabc}
im
J a rbita do quadrado abab o conjunto de dois quadrados
oP
rel
{abab, baba} .
Ve
rs
Definio 8.19 (estabilizador). Seja G um grupo finito agindo em um conjunto X. O

estabilizador de x, denotado stabG (x), o conjunto de elementos de g que fixam x, ou
seja,
stabG (x) = {g G|g x = x}.

Exemplo 8.20. A identidade fixa todos os quadrados. A permutao yy fixa os quadrados abab, baba, acac, etc, da forma XYXY. Qualquer permutao fixa os quadrados com todos rtulos iguais, aaaa, bbbb, etc.
Claramente, stabG (aaaa) igual a G. J stabG (abab) igual a {e, yy}. Finalmente, stabG (abcd) igual a {e}.
J
Quando temos um grupo agindo em um conjunto, as rbitas so classes de equivalnca, e portanto podemos particionar o grupo em rbitas. O exerccio 57 pede a
demonstrao deste fato, enunciado na proposio 8.21.
Proposio 8.21. 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 8.22. stabG (x) subgrupo de G.
Teorema 8.23 (da rbita e do estabilizador). Seja G um grupo agindo em um conjunto X.
Ento, para todo x X,
|G| = | orbG (x)| | stabG (x)|.
88
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 temos uma bijeo entre as classes laterais esquerda de stabG (x) e os elementos de
orbG (x), concluindo a demonstrao.
Lema de Burnside
ina
r
8.2.1
oP
rel
im
Sabemos que aes de grupo definem relaes de equivalncia, particionando o conjunto. O lema de Burnside nos permite, havendo um grupo agindo sobre um conjunto,
calcular a quantidade de classes de equivalencia definidas pelas aes de grupo. No
contexto do exemplo do quadrado com cantos rotulados, podemos contar a quantidade de qudrados diferentes, independente de rotao.
Ve
rs
Definio 8.24. 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,

fix(g) = {x X|g x = x}.
Lema 8.25 (de Burnside). Se G um grupo finito agindo em um conjunto X, a quantidade
de rbitas de G em X
1 X
| 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

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)
8.3. TEOREMA DE ENUMERAO DE PLYA
89
Das equaes j apresentadas nesta demonstrao, concluimos que

X
X
| stabG (x)| = |G|k,
| fixG (g)| =
n=
xX
gG
onde k a quantidade de rbitas.
Exemplo 8.26. A quantidade de permutaes no grupo 4. Para cada uma das rotaes, temos
| fix(e)| = 256
| fix(y)| = 4
| fix(yy)| = 42 = 16
| fix(x)| = 4
ina
r
assim, a quantidade de rbitas (ou seja, de quadrados realmente diferentes, independente de rotao)
1 X
1
J
| fix(g)| = (256 + 4 + 16 + 4) = 70.
|G|
4
Teorema de Enumerao de Plya
oP
rel
8.3
im
gG
Exerccios
Ve
rs
George Plya conseguiu uma generalizao do teorema de Burnside, conhecida como

o teorema de enumerao de Plya.
Uma descrio bsica do teorema de Plya dada por Fred Roberts e Barry Tesman [RT09].
Ex. 53 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. 54 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).
90
Ex. 55 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. 56 Refaa o exemplo dos quadrados dado no texto usando, alm das rotaes,
reflexes em torno das duas diagonais.
Ve
rs
oP
rel
im
ina
r
Ex. 57 Prove a proposio 8.21.
Captulo 9
O Mtodo Probabilstico
oP
rel
im
ina
r
Damos o nome de mtodo probabilstico ao uso de argumentos probabilsticos em demonstraes de existncia em Combinatria. De maneira simplificada, o mtodo pode
ser resumido da seguinte maneira: quando precisamos demonstrar que uma determinada estrutura com certas propriadades existe, construimos um espao amostral
e calculamos a probabilidade de obt-la selecionando uniformemente alguma estrutura. Se a probabilidade de obteno da estrutura for positiva, ela existe.
Este Captulo apresenta apenas exemplos bsicos de uso do mtodo probabilstico.
O primeiro exemplo a demonstrao de existncia de certos subconjuntos de conjuntos de inteiros.
Ve
rs
Definio 9.1 (conjunto livre de soma). Um conjunto A de inteiros no-nulos livre

de soma se para todos a, b A, a + b
/ A.

Teorema 9.2. 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).
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 uniforme, 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,
Pr [di C] =
91
1
|C|
> .
p1
3
CAPTULO 9. O MTODO PROBABILSTICO
92
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
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),
ento teramos xa + xb xc (mod p), e C no seria livre de soma o que contradiz
o que j havamos determinado.

O prximo exemplo a determinao de limite inferior para nmeros de Ramsey.
ina
r
Definio 9.3 (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 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 simplesmente R(k).

Define-se similarmente nmeros de Ramsey para vrias cores, que so denotados
por R(k1 , k2 , . . . , km ).
oP
rel
im
Exemplo 9.4. Temos R(2) = 2. Trivialmente o grafo completo com dois vrtices, K2 ,
ao ser colorido, sempre ser ele mesmo o subgrafo de tamanho 2 com uma nica cor.
Ve
rs
Exemplo 9.5. 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:
J no grafo K6 , toda colorao resultar necessariamente em um subgrafo completo

de tamanho 3 com todas as arestas da mesma cor.
J
Teorema 9.6. para todo inteiro positivo k,
R(k) 2k/2 .
93
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
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
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

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

22k .
Uma extensa discusso do mtodo probabilstico pode ser encontrada no livro de
Noga Alon e Joel Spencer [AS08].
CAPTULO 9. O MTODO PROBABILSTICO
Ve
rs
oP
rel
im
ina
r
94
Apndice A
ina
r
Dicas e Respostas
im
Resp. (Ex. 13) 6!
oP
rel
Resp. (Ex. 14) A cada aresta podem ser atribudas k cores, portanto temos k|E| coloraes possveis.
Resp. (Ex. 16) Com k letras e k+1 dgitos representamos (26k )(10k+1 ). Queremos
Ve
rs
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. 19) 2n .
Resp. (Ex. 22) Use a identidade de Pascal no passo de induo.
Resp. (Ex. 24) 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 .
95
APNDICE A. DICAS E RESPOSTAS
96
Resp. (Ex. 26) Consideramos relaes no necessariamente simtricas. Para o con2

junto vazio, uma relao (a relao vazia). Para n elementos, a quantidade 21+n .
Resp. (Ex. 27) 5 + 10 + 4 3 1 2 + 1 = 14.
2
2x
x
x4 2x2 +1
Resp. (Ex. 32) (i) ln(1 x) (ii)

(v)
x(x+1)
(1x)3
(vii)
2x
x2 2x+1
(viii)
(iii) (1 2x)1 (iv) (2x2 4x + 2)1

(ix) (1 + x)1
Resp. (Ex. 35) (Dica) O posto n, o determinante zero, e o trao n + 1, para

todo n.
ina
r
Resp. (Ex. 36) vn = vn1 + jv0 . vn = v0 + nj(v0 ).
oP
rel
im
Resp. (Ex. 38) Pelo exerccio 37(c), temos F2n+1 = Fn (Fn1 + Fn+1 ), e se n > 1,
os dois fatores so maiores que um.
Resp. (Ex. 39) (a) Por induo. Se g(n) este nmero, temos para base:
g(1) = 2 = F2
Ve
rs
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) possveis escolhas.
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 possibilidades.
Assim, h Fn + Fn2 possibilidades.
97
Resp. (Ex. 42) Sim:
F4 = 3
F3 = 2
F2 = 1
F1 = 1
F0 = 0
F1 = 1
F2 = 1
F3 = 2
F3 = 3
ina
r
Ou seja, se k > 0, Fk = (1k+1 )Fk .

A relao Fn = Fn1 + Fn2 continua valendo, assim como a forma fechada (prove
esta ltima parte!)
oP
rel
im
Resp. (Ex. 44) Faa bn = ln(an ). A soluo

p
an = 5 exp(18 3(2/3)n ).
Ve
rs
Resp. (Ex. 53) 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. 54) A tabela a seguir lista os quadrados, sua quantidade, a quantidade
de estabilizadores e a lista de estabilizadores.
quadrados
XXXX
XYXY
resto
qtde
4
12
240
| stabG | stabG
4
G
2
e, yy
1
e
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. 57) 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.
APNDICE A. DICAS E RESPOSTAS
Ve
rs
oP
rel
im
ina
r
98
Ficha Tcnica
Ve
rs
oP
rel
im
ina
r
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.
99
FICHA TCNICA
Ve
rs
oP
rel
im
ina
r
100
Bibliografia
George Andrews. Number Theory. Dover, 1994. isbn: 978-0-486-68252-5.
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.
[FS09]
Philppe Flajolet e Robert Sedgewick. Analytic Combinatorics. Cambridge University Press, 2009. isbn: 978-0-521-89806-5.
[GJ04]
Ian P. Goulden e David M. Jackson. Combinatorial Enumeration. Dover, 2004.

isbn: 978-0-486-43597-8.
[MN98]
Jiri Matousek e Jaroslav Nesetril. Invitation to Discrete Mathematics. Oxford,

1998. isbn: 0-19-850208-7.
[NSM91]
Ivan Niven, Herbert S. Suzkerman e Hugh L. Montgomery. An Introduction

to the Theory of Numbers. Wiley, 1991. isbn: 978-0471625469.
[RT09]
Fred S. Roberts e Barry Tesman. Applied Combinatorics. 2a ed. CRC Press,

2009. isbn: 978-1-4200-9982-9.
[SF96]
Robert Sedgewick e Philppe Flajolet. An Introduction to the Analysis of Algorithms. Addison Wesley, 1996. isbn: 0-201-40009-X.
[Wil05]
Herbert S. Wilf. Generatingfunctionology. 3a ed. A K Peters/CRC Press, 2005.

isbn: 978-1568812793.
Ve
rs
oP
rel
im
ina
r
[And94]
[AS08]
101
ndice Remissivo
Dirichlet
princpio das gavetas de, 77
algoritmo de compresso de dados, 78

aresta, 3
arredondamento, 2
Erds-Szekeres
teorema de, 81
estabilizador, 87
im
Ve
rs
cardinalidade, 2
casa dos pombos (princpio de contagem),
77
casa dos pombos (princpio), 77
cho, 2
classe de equivalencia, 7
classe lateral, 84
coeficiente multinomial, 19
coeficientes binomiais, 23
colorao de arestas, 5
combinao
com repeties, 21
complemento, 2
condies iniciais, 59
congeuncia
de tringulos, 5
conjunto
das partes, 3
potncia, 3
conjunto livre de soma, 91
contm, 1
contido, 1
diferena, 1
Ferrers
diagrama de, 53
Fibonacci
sequncia de, 60
funo geradora, 39
de momentos, 50
de probabilidades, 50
exponencial, 47
ordinria, 39
oP
rel
boa ordem, 11
Burnside
lema de, 88
busca binria, 59
ina
r
rbita, 87
rbita e estabilizador (teorema), 87
grafo, 3
completo, 5
grupo, 83
ao de, 86
de permutaes, 85
Hani
torres de, 60
Hasse
diagrama de, 9
identidade de Pascal, 21
incluso e excluso
princpio, 29
inteiro mais prximo, 2
interseo, 1
Josephus
problema de, 61
102
NDICE REMISSIVO
103
juros compostos, 61
de ordem total, 8
Lagrange (teorema para grupos), 85

matriz
de Pascal, 22
matriz de incidncia, 4
multiconjunto, 1
multiplicidade
de elemento em multiconjunto, 1
srie formal de potencias, 39

subconjunto, 1
subfatorial, 32
subgrupo, 84
teto, 2
tociente, 35
tringulo de Pascal, 21
unio, 1
ordem
lexicogrfica, 10
parcial, 9
total, 8
ordem de um grupo, 83
vrtice, 3
valores iniciais, 59
Ve
rs
im
oP
rel
Plya (teorema de enumerao), 89

partio
conjugada, 54
de um inteiro, 53
partio de conjunto, 8
permutao
catica, 32
polinmio caracterstico de recorrncia,
63
princpio aditivo, 13
princpio multiplicativo, 13
produto
infinito, 54
produto cartesiano, 2
ina
r
n, 3
r-combinao, 20
com repeties, 21
r-permutao, 17
Ramsey
nmero de, 92
recorrncia, 59
homognea, 59
linear, 59
ordem de, 59
resoluo de, 62
relao, 2
de equivalncia, 5
de ordem parcial, 9

MD

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

MD

Uploaded by

Copyright:

Available Formats

verso 8 - Jernimo C.

Complemento para a disciplina de Matemtica

verso 8 - Jernimo C. Pellegrini

verso 8 - Jernimo C. Pellegrini

2 Fundamentos da Contagem: Princpios Aditivo e Multiplicativo

3 Princpio da Incluso e Excluso

verso 8 - Jernimo C. Pellegrini

4.5 Funes geradoras em Probabilidade . . . . . . . . . . . . . . . . . . .

7 Princpio da Casa dos Pombos

8 Teoria da Contagem de Plya

verso 8 - Jernimo C. Pellegrini

quantidade de permutaes caticas de n elementos, pgina 32

conjunto das partes de X, pgina 3

coeficiente de xn em funo geradora ordinria, pgina 40

fix(g) elementos fixados por g, pgina 88

combinaes com repetio, pgina 21

orbG (x) rbita de x, pgina 87

quantidade de coprimos antes de n, pgina 35

relao de ordem, pgina 9

inteiro mais prximo de x, pgina 2

Nmero de Stirling, pgina 49

stabG (x) estabilizador, pgina 87

Conjunto de inteiros de 1 a n, pgina 10

diferena simtrica entre conjuntos, pgina 1

verso 8 - Jernimo C. Pellegrini

grafo completo com n vrtices, pgina 5

n![xn ]A(x) coeficiente de xn em funo geradora exponencial, pgina 47

quantidade de parties do inteiro n, pgina 53

R(k, `) nmero de Ramsey, pgina 92

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

verso 8 - Jernimo C. Pellegrini

Definio 1.2 (subconjunto). Um conjunto A subconjunto de B se todo elemento de

verso 8 - Jernimo C. Pellegrini

CAPTULO 1. CONJUNTOS E RELAES

Definio 1.6 (complemento). Fixado um conjunto universo U, o complemento de A

verso 8 - Jernimo C. Pellegrini

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

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

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

Teorema 1.15. Para qualquer conjunto X, |2X | = 2|X| .

reflexiva se aRa para todo a A,

Definio 1.16 (reflexividade, simetria e transitividade). Uma relao R em um conjunto A

simtrica se aRb implica em bRa para todos a, b A,

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,

Um grafo uma representao grfica de uma relao. Informalmente, representamos

verso 8 - Jernimo C. Pellegrini

CAPTULO 1. CONJUNTOS E RELAES

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

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

E = {(a, b), (b, c), (c, a), (c, d)}

representado graficamente como na figura a seguir.

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

verso 8 - Jernimo C. Pellegrini

1.3. RELAES DE EQUIVALNCIA

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

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

Exemplo 1.28. Dois tringulos so congruentes se os tamanhos de seus lados, quando

verso 8 - Jernimo C. Pellegrini

CAPTULO 1. CONJUNTOS E RELAES

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

(transitiva) se a b = k1 Z, e b c = k2 Z, ento a c = (k1 + b)

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