Professional Documents
Culture Documents
Pellegrini
oP
rel
verso 8
im
ina
r
Jernimo C. Pellegrini
Ve
rs
12 de janeiro de 2015
Ve
rs
oP
rel
im
ina
r
ii
Sumrio
Sumrio
iii
Nomenclatura
.
.
.
.
.
.
.
.
1
1
3
5
8
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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 . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
39
39
43
47
47
48
49
SUMRIO
iv
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 . . . . . . . . . . . . . . . . . . . . . .
Ve
rs
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
83
83
85
88
89
9 O Mtodo Probabilstico
91
A Dicas e Respostas
95
Ficha Tcnica
99
ndice Remissivo
102
Nomenclatura
!n
2X
[xn ]
bxc
n
cho de x, pgina 2
im
teto de x, pgina 2
oP
rel
dxe
ina
r
bxe
{n
k}
Ve
rs
(n)
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
AC
Complemento de A, pgina 2
v
SUMRIO
vi
Kn
Ve
rs
oP
rel
im
ina
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 1.3 (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
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
2 = {a, b}, {a, c}, {a, d}, {b, c}, {b, d}, {c, d}
{a, b, c, d}
ina
r
im
oP
rel
Ve
rs
1.2
Grafos
Nestes grafos, E {x, y} : x, y V , e uma aresta um conjunto {x, y}, com
x, y V.
a
e
ina
r
im
oP
rel
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
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
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 .
ina
r
im
oP
rel
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
ina
r
im
(a, b) (x, y) ay = bx
oP
rel
Ve
rs
(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
1.4
Ve
rs
oP
rel
im
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.
ina
r
im
bc
bf
oP
rel
cd
ce
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
{a, b}
{a, c}
{b, c}
{a}
{b}
{c}
11
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
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
12
im
ina
r
oP
rel
Ve
rs
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
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.
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
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
ina
r
oP
rel
im
n!
(n 2k 1)!
Ve
rs
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
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
oP
rel
2.1
Ve
rs
Se, para cada elemento que queramos contar, contamos k elementos a mais, dividimos o total por k.
Permutaes
bacd
badc
bcad
bcda
bdac
bdca
cabd
cadb
cbad
cbda
cdab
cdba
dabc
dacb
dbac
dbca
dcad
dcda
da
db
dc
ina
r
ba
bc
bd
im
ab
ac
ad
oP
rel
Ve
rs
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
2.1.2
2.2
Combinaes
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
Ve
rs
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
2.2. COMBINAES
21
2.2.1
Com repeties
{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
2.2.2
Tringulo de Pascal
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
oP
rel
im
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
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
oP
rel
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
n
X
n
i=0
xni yi
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
sn = 2n
.
(2.1)
e
im
oP
rel
Ve
rs
lim
.
k
k
k
Teorema 2.40. Para qualquer n natural,
2n
22n
.
n
n
2.5
X
r(r 1) (r k + 1) k
=
x
k!
(1 + x)r = 1 + rx +
k=0
25
Denotamos, para r R e k Z,
r
r(r 1) (r k + 1)
=
k
k!
Exemplo 2.42.
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
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
..
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
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
27
2.6
2.7
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
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. 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
AB
30
AB
BC
ina
r
AC
im
(2-combinaes)
oP
rel
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
n
k
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
im
vezes. Esta quantidade igual a um, e portanto cada elemento x contabilizado exatamente uma vez.
oP
rel
Ve
rs
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| =
3.1
ina
r
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
1 2 3 4
,
3 1 4 2
Teorema 3.6. A quantidade de permutaes caticas com n elementos, denotada por !n,
!n = n! 1 +
n
X
(1)i
i=1
i!
!
.
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
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
35
3.2
ina
r
im
oP
rel
Ento
Ve
rs
as
1 a2 a3
n = pa
1 p2 p3 . . . p k
Y
1
(n) = n
1
.
pi
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
Ve
rs
portanto
1
1
1
1
1
(n) = 2004 1
2
3
167
166
= 2004
501
= 664.
3.3
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.
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
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
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
39
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
ina
r
(1, 1, 1, . . .).
Para x (1, 1), esta srie converge para
1
1x
oP
rel
im
1
,
1x
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
1
.
1 4x
X
r
i=0
zi ,
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 }
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
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
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
1
.
1 x2
1
= 1 + x + x2 + x3 + ,
1x
ina
r
B(x2 ) =
4.1.1
oP
rel
im
A(x) = B(x2 ) = 1 + x2 + x4 + x6 + ,
Aplicaes em contagem
Ve
rs
44
ina
r
im
oP
rel
Ve
rs
1
,
1x
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 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
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
x2
1x
3
=
x6
= (x6 )(1 x)3 .
(1 x)3
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.
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!
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
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
4.3
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 !
49
k
X
k
i=0
(1)i e(ki)x .
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
4
X
oP
rel
Ve
rs
T (10, 5) =
4.4
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
oP
rel
= 15.
Ve
rs
{n
1}
4.5
4.6
51
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
(1, 1, 1, . . . , 1, . . .)
ex
(0, 1, 2, 3, . . . , n, . . .)
xex
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
ina
r
Ve
rs
oP
rel
im
Captulo 5
Parties de um Inteiro
oP
rel
5 =5
im
ina
r
=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
53
54
ina
r
5.2
im
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
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
!
.
1 xi
1x
1 x2
1 xm
i=1
=(1 + x + x2 + x3 + x4 + )
(1 + x2 + x22 + +x23 + x24 + )
..
.
(1 + xm + xm2 + xm3 + xm4 + ).
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
..
.
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
Y
d
n
i
p (n) = [x ]
(1 + x ) .
i=1
Demonstrao.
m
Y
(1 + xi ) = (1 + x)(1 + x2 ) (1 + xm )
i=1
Y
1
i
n
p (n) = [x ]
(1 x2n1 )
i=1
56
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
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
5.4
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).
57
r
n
2n
3
!
.
2(100)
100
2
< p(100) < exp
3
1024 < 190569292 < 13806585290.37873
Teorema 5.15. Para todo n 0,
1
e 2n/3 .
4n 3
oP
rel
p(n)
im
ina
r
p(n) Fn+1 ,
5.5
Ve
rs
1
e 2(200)/3 = 4.1 1012 .
4(200) 3
5.6
58
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
oP
rel
Ve
rs
a1 = z 0 ,
..
.
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 .
CAPTULO 6. RECORRNCIAS
60
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
im
ina
r
Exemplo 6.5. Para resolver o problema das torres de Hanoi, h um algoritmo bastante
conhecido:
Ve
rs
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.
ina
r
vn = vn1 + jvn1
A segunda equao uma equao recorrente linear (porque a j constante) e homognea.
J
oP
rel
im
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.
CAPTULO 6. RECORRNCIAS
62
6.1
6.1.1
Soluo
Recorrncias lineares de ordem um
ina
r
v0 = p
vn = vn1 + jvn1 ,
oP
rel
im
Ve
rs
an = kn +
ki (qi+1 qi+2 qn )
0in
= kn +
0in
n
Y
ki
!
qm
m=i+1
X
0in
ki
n
Y
m=i+1
!
qm
6.1. SOLUO
63
X
= kn+1 + qn+1 kn +
ki
0in
= kn+1 +
n+1
Y
ki
0in+1
qm
n
Y
ki
0in
m=i+1
n
Y
!
qm
m=i+1
!
qm
m=i+1
em
1
xn1 f(n 1)
im
bn = bn1 + g(n)
ina
r
an = f(n)an1 + g(n)
oP
rel
an = 2an1 + 2n1
A recorrncia
Ve
rs
n = 2n1
n1
e chegamos em
an = 2an1 + 2n1
2n1 bn = 2 2n2 bn1 + 2n1
2n1 bn = 2n1 bn1 + 2n1
bn = bn1 + 1.
J
6.1.2
CAPTULO 6. RECORRNCIAS
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
im
oP
rel
an = 2an1
Ve
rs
p(x) = x2 3x + 2.
6.1. SOLUO
65
en 16en4 = 0
e polinmio caracterstico
im
p(x) = x4 16.
ina
r
oP
rel
Ve
rs
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 .
CAPTULO 6. RECORRNCIAS
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 =
1 5
,
2
1+ 5
.
2
6.1. SOLUO
67
Fn = c1
!n
1+ 5
.
2
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
CAPTULO 6. RECORRNCIAS
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
i
i
(1 i)n (1 + i)n .
2
2
2n sen
n
4
ina
r
tn =
Razes mltiplas
im
Considere a recorrncia
a0 = 2
oP
rel
a1 = 5
an = 4an1 4an2 .
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
Ve
rs
c1 = 10
Ento,
c2 = 7
c3 = 6.
CAPTULO 6. RECORRNCIAS
70
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
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
x2 = 1
x3 = 2
oP
rel
x4 = 2
im
x1 = 1
ina
r
n
bn = c1 (1)n + c2 (1)n + c3 (2)n
+ c4 (2)
Ve
rs
b0 = 4
b1 = 2
b2 = 3
b3 = 3 + 4(2) + 4(4) + 3 = 24
1
2
c2 =
29
6
c3 =
5
3
c4 = 2
CAPTULO 6. RECORRNCIAS
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
im
fn = 2fn1 ,
oP
rel
Ve
rs
e portanto
hn = 2n 1.
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
ai xi .
i=0
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 .
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
CAPTULO 6. RECORRNCIAS
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
im
6.1.5
oP
rel
an = (n + 1)2n .
Diviso e conquista
Ve
rs
6.1. SOLUO
75
S1 = 2
Sk = Sk1 + 1.
t1 = 1
oP
rel
com A = 2, B = 2 e f(n) = n.
Seja Sk = t2k . Ento
im
tn = 2tbn/2c + n,
ina
r
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.
CAPTULO 6. RECORRNCIAS
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 ,
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).
Ve
rs
Captulo 7
oP
rel
7.1
im
ina
r
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
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
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
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.
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).
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).
(mod p),
7.2
81
im
ina
r
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
82
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
oP
rel
Ve
rs
Captulo 8
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
84
ina
r
(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
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
im
|G|
.
|H|
ina
r
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
G = x1 H x2 H xn H,
Exemplo 8.11.
8.2
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.
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.
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
im
oP
rel
{abab, baba} .
Ve
rs
88
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
| 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)
89
gG
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
oP
rel
8.3
im
gG
Exerccios
Ve
rs
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
Calcule a quantidade de rbitas dos quadrados usando esta frmula (voc deve chegar
tambm em 70 rbitas).
90
Ve
rs
oP
rel
im
ina
r
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
1
|C|
> .
p1
3
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
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:
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
Ve
rs
oP
rel
im
ina
r
94
Apndice A
ina
r
Dicas e Respostas
im
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
260k 106
k log260 (106 )
95
96
x(x+1)
(1x)3
(vii)
2x
x2 2x+1
(viii)
ina
r
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
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
oP
rel
im
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
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]
[FS09]
Philppe Flajolet e Robert Sedgewick. Analytic Combinatorics. Cambridge University Press, 2009. isbn: 978-0-521-89806-5.
[GJ04]
[MN98]
[NSM91]
[RT09]
[SF96]
Robert Sedgewick e Philppe Flajolet. An Introduction to the Analysis of Algorithms. Addison Wesley, 1996. isbn: 0-201-40009-X.
[Wil05]
Ve
rs
oP
rel
im
ina
r
[And94]
[AS08]
101
ndice Remissivo
Dirichlet
princpio das gavetas de, 77
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
ordem
lexicogrfica, 10
parcial, 9
total, 8
ordem de um grupo, 83
vrtice, 3
valores iniciais, 59
Ve
rs
im
oP
rel
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