Tema 1.

Combinatoria, T
ecnicas de recuento

1 Introducci
on
Tradicionalmente, se considera que la matematica discreta es aquella rama de la matematica que
trabaja con conjuntos finitos o infinito numerables, es por ello por lo que tiene estrecha relacion
con las bases puras de la matematica. La teora de conjuntos, las propiedades de los n umeros
enteros u objetos relacionados con ellos seran nuestras herramientas de estudio y nuestros recursos
a la hora de resolver problemas, tanto academicos como formales. Por citar algunos de ellos:
Cuantos collares circulares puedo formar si tengo que poner 12 cuentas de collar con tres colores
distintos?
Dados dos n
umeros enteros a y b, cuantas parejas de n
umeros comprendidas entre ellos son
primos relativos entre s?
Dado un sistema de reglas (gramatica) para formar cadenas de un alfabeto formado por los
smbolos {a1 , a2 , a3 . . . an }, cuantas distintas puedo formar que tengan n elementos? Como
podemos saber si una determinada cadena es compatible con las reglas de la gramatica?
Dado un plano que enlaza determinados pueblos cual es la ruta mas economica que pasa por
todos ellos , conociendo los costes de cada tramo?
Como puedo enlazar determinados puntos de un grafo para formar un ciclo y no pasar dos veces
por el mismo camino?
Aunque la investigacion en estos aspectos se ha desarrollado paralelamente a la propia investigacion
matematica, lo cierto es que el auge de las ciencias de la computacion ha hecho que sea considerada
como un area de conocimiento en s misma, porque la necesidad de tratar matematicamente la
ciencia de la informacion ha hecho de la matematica discreta una herramienta fundamental. Hoy
por hoy quedan muchas facetas por investigar dentro de la matematica discreta...

2 Algunas nociones de teora elemental de conjuntos

Suponemos la nocion intuitiva de conjunto como punto de partida para desarrollar la teora del
curso, es decir, un conjunto sera equivalente a una colectividad de objetos llamados elementos. Un
elemento dado puede pertenecer a un conjunto o no pertenecer, de acuerdo con la logica binaria.
Dado un conjunto A, y un elemento x, x A significa x pertenece a A y x / A significa x no
pertenece a A.
A continuacion exponemos algunas de las notaciones que usaremos en todos los apuntes:

1
 A Conjunto complementario de A, es decir A {x : x / A}
AB Conjunto union , A B = {x : x A x B}
AB Conjunto union , A B = {x : x A x B}
BA B es un subconjunto de A, es decir x B = x A
A\B {x : x A x / B} = A \ (A B)

Nm Conjunto formado por los n umeros naturales entre 1 y m, es decir Nm = {1, 2, 3 m}
|A| card(A) Cardinal del conjunto A, si A es finito, sera el n
umero de elementos que lo componen.
P(A) 2A Conjunto de las partes de A, es decir {B : B A}
AB {(a, b), a A, b B}
Suponemos conocidas las propiedades de asociatividad y de distributividad tanto de la union como
on , as como las leyes de De Morgan: x, y conjuntos:
de la intersecci
xy =xy , xy =xy
. Tambien se suponen conocidas las nociones de aplicacion, aplicacion inyectiva, sobreyectiva o
suprayectiva y biyectiva o biyecci
on. Por u
ltimo, dados dos conjuntos X e Y , definimos el conjunto
potencia X Y como:
X Y {f : Y X}
es decir, el conjunto de las aplicaciones que toman valores en Y y dan valores en X.
Teorema 2.0.1 card(P(A)) = card({0, 1}A ), A conjunto.
Demostraci
on :
Tenemos que probar que existe una biyeccion entre P(A) y el conjunto de aplica-
ciones que toman valores en A y dan valores en el conjunto {0, 1}, para ello, dado un
subconjunto B de A, es decir B A, definimos la aplicacion caracterstica de B, B
as:
A {0, 1}
B : {
1 si x B
B (x) =
0 si x /B
y ahora construimos la aplicacion :
: P(A) {0, 1}A
(B) = B
Probemos que es una biyecci
on, para ello probaremos que es biyectiva y suprayectiva:
a) Si dados dos subconjuntos de A, B y C se tiene que (B) = (C), entonces
B = C , Tenemos las siguientes implicaciones :
1) x B = B (x) = 1 = C (x) = x C
2) x
/ B = B (x) = 0 = C (x) = x /C
Es decir x B x C, por tanto B = C y esto prueba que es inyectiva.
b) Si {0, 1}A , entonces tomando B = {x A tal que (x) = 1}, se tiene clara-
mente que (B) = y esto prueba que es sobreyevtiva.
c.s.q.d
Mas adelante veremos que si A es finito entonces {0, 1}A = 2|A| , por lo que el n
umero de subcon-
juntos de un conjunto finito es 2n siendo n el cardinal del conjunto.

2
3 T
ecnicas de recuento
La operacion de contar es basicamente establecer una biyeccion entre un conjunto finito A y un
conjunto Nm , entonces |A| = m. Vamos a ver un principio elemental, conocido como el principio
del casillero, tiene muchas variantes, una muy conocida, de ah su nombre es que si tenemos que
repartir n cartas en m casilleros y n > m, entonces seguro que hay algun casillero con mas de una
carta.
on 3.0.1 (Principio del casillero) Si f : Nn Nm es inyectiva, entonces n m.
Proposici
Demostraci
on :
Lo probaremos por induccion sobre n.
La afirmacion es cierta para n = 1 porque 1 m, m N .
Supongamos ahora que la afirmacion es cierta para n = k y probemosla para
n = k+1. Sea ahora una aplicacion inyectiva j : Nk+1 Nm , como k+1 2,
por la definicion de aplicacion inyectiva, m > 1, de lo contrario todos los
elementos de Nk+1 tendran la misma y u nica imagen en N1 . Probemos que
hay una aplicacion inyectiva j : Nk Nm1 .
a) si x Nk , j(x) = m, entonces la inyeccion definida por j (x) = j(x) prueba la
afirmacion anterior.
b) si x Nk tal que j(x) = m, entonces j(k + 1) = m porque j es inyectiva, en este
caso definimos

j{ : Nk Nm1
j(z), si z = x
j (z) =
j(k + 1), si z = x
Por la hipotesis de induccion k m 1 y por tanto k + 1 m
c.s.q.d
Corolario 3.0.1 Si A y B son conjuntos finitos y existe una aplicaci
on inyectiva de A en B,
entonces |A| |B|.
Demostracion :
Sea |A| = n y |B| = m, entonces existen dos biyecciones b : A Nn y c : B Nm ,
sea j : A B una aplicacion inyectiva de A en B, definimos la aplicacion s = cj b1 :
Nn Nm .
A
j
- B

b c

?s=cjb1 ?
Nn - Nm

Supongamos s(x) = s(y), se tiene que

c(j(b1 (x))) = c(j(b1 (y))) = j(b1 (x)) = j(b1 (y)) = b1 (x) = b1 (y) = x = y,
porque b, j, y c son inyectivas. As pues s es inyectiva y por el principio del casillero
n m.
c.s.q.d

3
4 Combinatoria b
asica
A diferencia de la aritmetica, que asocia un n
umero natural a un conjunto finito con independencia
de los elementos que lo compongan, la combinatoria distingue los elementos seg un la forma de
ordenarlos en sus diferentes agrupaciones, por lo que sera una disciplina que tendra que especificar
las condiciones en que se agrupan. Tambien es posible desarrollar la teora combinatoria usando
el lenguaje de la teora de conjuntos, daremos ambos puntos de vista con la intencion de ver que
son equivalentes. En lo sucesivo y mientras no se indique lo contrario, todos los conjuntos seran
finitos.
A la hora de contar hay dos leyes basicas que hay que tener en cuenta:
a) Ley multiplicativa |A B| = |A||B|.
b) Ley aditiva Si A B = entonces |A B| = |A| + |B|
Ambos principios son faciles de entender. Por lo que respecta al primero, cada elemento de A
aparece en A B, un n umero de veces igual a |B| y solo esas veces, por lo tanto contribuye al
recuento en |B|, puesto que hay |A| elementos en A, claramente |A B| = |A||B|.
En cuanto al segundo, debemos estar atentos a la hora de clasificar casos en asegurarnos que en la
clasificacion no hay agrupaciones que aparezcan en dos casos distintos, ya que estaramos contando
de mas. Mas adelante veremos una generalizacion de este principio que tiene en cuenta las posibles
intersecciones.

4.1 Variaciones
on 4.1.1 Dados m objetos a1 , a2 am , llamaremos variaci
Definici on de orden n de estos m
elementos a toda agrupacion ordenada que contenga n de los posibles m objetos una sola vez,
conviniendo que dos variaciones son diferentes si tienen alg
un elemento distinto o bien si teniendo
los mismos elementos estan elegidos o escritos en orden distinto.

Esta es la definicion aritmetica, la definicion conjuntista es la siguiente:

Definici on 4.1.2 Dados m objetos a1 , a2 am , llamaremos variaci

on de orden n de estos m
elementos a todas las aplicaciones inyectivas que podamos formar entre el conjunto Nn y el conjunto
{a1 , a2 am }. Este n
umero lo escribiremos Vm,n

Por el principio del casillero Vm,n = 0 si n > m. Es facil relacionar ambas definiciones, una
variacion de n elementos de acuerdo con la definicion primera sera una ordenacion de la forma:

aj1 aj2 aj3 ajn

donde todos los elementos son distintos, desde el punto de vista conjuntista es la aplicacion inyectiva
que asocia
1 - aj1

2 - aj2

n - ajn

4
Por ejemplo, dado el conjunto {a, b, c, d}, las variaciones de orden 2 con estos elementos son:

ab ba ac ca ad da bc cb bd db cd dc

Proposicion 4.1.1 Vm,n = m(m 1)(m 2) (m n + 1) = m!

(mn)! , si m n, si m < n
Vm,n = 0.

Demostraci
on :
Ya hemos visto que si m < n Vm,n = 0, supongamos que m n, para establecer
una aplicacion inyectiva f : Nn {a1 , a2 , a3 am }, debemos especificar el valor de
f (1), f (2) f (n), para f (1) tenemos m posibilidades, para f (2) m 1 posibilidades,
ya que todos los elementos son diferentes; por la ley multiplicativa habra m(m 1)
variaciones de orden 2, por cada una de ellas tenenos m 2 posibilidades para f (3),
luego habra m(m 1)(m 2) variaciones de orden 3, siguiendo el razonamiento hasta
completar f (n) tenemos la formula enunciada.

c.s.q.d

Ejemplos De cuantas formas puedo repartir un primer premio, un segundo premio y un tercer
premio entre 10 personas de manera que ninguna de ellas repita premio?

V10,3 = 10 9 8 = 720 formas

Cuantos n
umeros de cuatro cifras distintas puedo formar con las cifras 0, 1, 5, 7, 8, 9?

V6,4 V5,3 = 6 5 4 3 5 4 3 = 300 formas

Ya que los que empiezan por 0 no los consideramos de cuatro cifras y en total hay V5,3 n umeros
que empiezan por cero. Otra forma de razonarlo es la siguiente: como la primera cifra no puede ser
cero, tenemnos 5 posibilidades para completarla, una vez hecho esto, tenemos V5,3 para completar
el resto, por tanto hay
5 V5,3 = 5 5 4 3 = 300 formas

4.2 Variaciones con repetici

on
Si en la definicion aritmetica de las variaciones quitamos la restriccion de que en los grupos de n
objetos, cada objeto aparezca una sola vez, es decir puede haber repeticiones de onjetos, tenemos
entonces las variaciones con repeticion.

Definicion 4.2.1 Dados m objetos a1 , a2 am , llamaremos variaci

on con repetici
on de orden n
de estos m elementos a toda agrupaci on ordenada que contenga n de los posibles m objetos, que
pueden aparecer m as de una vez, conviniendo que dos variaciones son diferentes si escritas en
orden, existe un j N tal que el termino jesimo es distinto.

Por ejemplo, dado el conjunto {a, b, c, d}, las variaciones con repeticion orden 2 con estos elementos
son:
aa ab bb ba cc ac ca dd ad da bc cb bd db cd dc
Y ahora la definicion conjuntista:

5
Definici on 4.2.2 Dados m objetos a1 , a2 am , llamaremos variaci
on con repetici
on de orden n
de estos m objetos a todas las posibles aplicaciones de Nn en {a1 , a2 am }, es decir al conjunto
{a1 , a2 am }Nn . Llamamos RVm,n al numero de variaciones con repetici on, es decir RVm,n
|{a1 , a2 am }Nn |

Proposici
on 4.2.1 El n on es RVm,n = mn
umero de variaciones con repetici

Demostraci
on :
Fijamos un elemento de {a1 , a2 am }Nn , especificando f (1), f (2), f (n), para
cada una de ellas tenemos m posibilidades, luego hay por la ley multiplicativa

| m
{z m} = m .
n
m
n

posibles aplicaciones.

c.s.q.d

Corolario 4.2.1 Si A es finito, entonces |P(A)| = 2|A| . En otras palabras, si A tiene p elementos,
entoces tiene 2p posibles subconjuntos. (Es de destacar que se encuentra entre uno de ellos).

Demostraci
on :
Por el teorema 2.0.1, |P(A)| = |{0, 1}A | = RV2,|A| = 2|A| .

c.s.q.d

Ejemplo Dada una matrcula formada por 4 cifras (puede empezar por 0), que probabilidad hay
de que tenga alguna cifra repetida?
Se trata de ver la razon entre el total de matrculas con alguna cifra repetida Tr y el total de
matrculas T , si llamamos Tnr al total de matrculas que no tienen cifras repetidas, entonces hay
que evaluar:
T Tnr Tnr
=1
T T
Claramente T = RV10,4 = 104 . Tnr = V10,4 = 10 9 8 7 Luego

10 9 8 7 987
p=1 =1 = 1 0.504 = 0, 496.
104 103

4.3 Permutaciones y combinaciones

Definicion 4.3.1 (Combinaciones) Dados m objetos a1 , a2 am , llamaremos combinaci on de
orden n de estos m elementos a toda agrupaci
on que contenga n de los posibles m objetos una sola
vez, conviniendo que dos combinaciones son diferentes solamente si tienen algun elemento distinto
y conviniendo que dos combinaciones son iguales si tienen exactamente los mismos elementos.
En otras palabras, una combinacion de orden n es cualquier subconjunto de n elementos de un
subconjunto de m elementos. Al cardinal de las combinaciones de
( un ) conjunto de m elementos en
m
grupos de n elementos lo representaremos por Cm,n o bien por . (Se lee m sobre n)
n

6
A la vista de esta definicion, tambien es claro que las combinaciones son los posibles subconjuntos
que puedan hacerse. Resulta obvia esta definicion equivalente:
on 4.3.2 (Combinaciones) Dados m objetos a1 , a2 am , llamaremos combinaci
Definici on de
orden n de estos m elementos a todo subconjunto de n elementos que pueda formarse con los m
elementos anteriores.
( ) {
m 0 si n > m
Proposicion 4.3.1 = Vm,n
n m!
n! = n!(mn)! si n m

Demostraci
on :
Claramente el n umero combinatorio es nulo si n supera a m, en caso contrario,
( )por
m
cada combinaci on de n elementos hay Vn,n formas de ordenarlos luego n! =
n
ltima igualdad solo hay que multiplicar por (m n)! el numerador y el
Vm,n . Para la u
denomunador.

c.s.q.d
( )
m
Admitimos por convenio que 0! = 1 y as = 1, entendiendo como subconjunto con cardinal
0
0 el conjunto vaco . Con este punto de vista:
( ) ( )
m m
Proposici on 4.3.2 a) = =1
0 m
( ) ( )
m m
b) =
mn n
( ) ( ) ( )
m m m+1
c) + =
n n+1 n+1
Demostraci
on :

La primera es obvia, la segunda es facil de entender si pensamos que por cada

subconjunto de n elementos hay otro de m n elementos, que son los que faltan, por
tanto ambos n
umeros deben coincidir, En cuanto a la tercera tenemos que
( ) ( ) [ ]
m m m! m! m! 1 1
+ = + = + =
n n+1 n!(m n)! (n + 1)!(m n 1)! n!(m n 1)! m n n + 1

[ ] ( )
m! n+1+mn m!(m + 1) (m + 1)! m+1
= = = =
n!(m n 1)! (m n)(n + 1) (n + 1)!(m n)! (n + 1)!(m n)! n+1

c.s.q.d

Definici on 4.3.3 Llamamos permutaci on de n elementos a toda aplicaci

on biyectiva entre Nn y
Nn . El cardinal del conjunto de permutaciones de n elementos lo llamaremos Pn y coincide con
Vn,n , por tanto es igual a n!

7
Definici
on 4.3.4 (Permutaciones con repetici on) Imaginemos que tenemos que ordenar m
elementos, de los cuales hay a1 , a2 . . . am repeticiones del primero, segundo ... elemento, de
umero de posibilidades lo representamos as: RPam1 ,a2 ,a3 ...an
manera que a1 + a2 + . . . + am = m el n
n!
on 4.3.3 RPan1 ,a2 ,a3 ...an =
Proposici a1 !a2 !an !

Demostraci
on :
Es trivial, si todos los elementos fueran distinguibles, entonces hay n!, si hay repeti-
ciones, entonces debemos dividir por la forma de ordenar a1 , a2 an elementos respec-
tivamente.

c.s.q.d
10 10!
Por ejemplo, cuantas formas hay de ordenar las letras AAABBCCCCC? RP3,2,5 = 3!2!5!

Definicion 4.3.5 (Combinaciones con repetici on) Dados m objetos a1 , a2 am , llamaremos

combinacion de orden n de estos m elementos a toda agrupacion que contenga n de los posibles m
objetos no necesariamente distintos conviniendo que dos combinaciones son diferentes solamente
si tienen alg
un elemento distinto y conviniendo que dos combinaciones son iguales si tienen exac-
tamente los mismos elementos. Al cardinal de las combinaciones de un conjunto de m elementos
en grupos de n elementos lo representaremos por RCm,n
Por ejemplo las combinaciones con repeticion de los elementos del conjunto {a, b, c} en grupos de
2 elmentos son aa ab ac bb bc cc
Proposicion 4.3.4
( )
m+n1
RCm,n = Cm+n1,n =
n

Demostraci
on :

Sea {a1 , a2 , am el conjunto sobre el que queremos formar las combinaciones con
repeticion en grupos de n elementos, una combinacion cualquiera vendra definida es-
pecificando cuantas veces esta repetido un elemento, este n umero puede ser cero, sean
p1 , p2 pm las veces que se repite el elemento a1 , a2 am respectivamente, codifique-
mos esta informacion en este esquema:
Elemento N
umero de veces que se repite
a1 p1
a2 p2

am pm
Resulta evidente que p1 +p2 + pm = n. Vamos a establecer una biyeccion entre el
conjunto RC m,n , formado por todas las combinaciones con repeticion de m elementos
en grupos de n y el conjunto RP m+n1
m,n1 , de las permutaciones de m s mbolos y n 1
smbolos |. Esta biyecci
on consiste en poner los smbolos alineados y luego poner un
separador | tras el primer grupo de p1 puntos, otro tras el segundo grupo de p2 puntos
y as sucesivamente, como queda recogido en este esquema: 9

8
  
Elemento Repeticiones
a1 p1
a2 p2 p1 | p2 | etc | pm

am pm
 
Claramente esta asociacion establece una biyeccion entre RC m,n y RP m+n1
m,n1 , por lo
que el cardinal de ambos conjuntos debe de coincidir, como hemos visto en el apartado
anterior: ( )
m+n1 (m + n 1)! m+n1
RPm,n1 = = = Cm+n1,n
m!(n 1)! n

c.s.q.d

Ejemplo Cuantos monomios de grado cinco con coeficiente 1 se pueden formar con las variables
u, v, w ?
Un monomio cualcuiera de grado cinco y coeficiente 1 com por ejemplo, u2 v 2 w se puede escribir
en forma de producto uuvvvw, como no importa el orden, esta claro que se trata de ver todas
las combinaciones con( repeticion )
de 3 (
elementos
) (u, v, w) en grupos de 5 elementos, por lo que la
5+31 7
solucion es RC3,5 = = = 21
5 5

5 Principio de Inclusi
on-Exclusi
on
Ya sabemos que una de las leyes del recuento se basa en que si dos conjuntos finitos (a lo largo del
tema no trataremos con otra clase de conjuntos) A y B son disjuntos, entonces |A B| = |A| + |B|,
esta formula se generaliza sin mas cuando tenemos una familia A1 , A2 , A3 An de conjuntos
finitos:

n
n
| Ai | = |Ai |
i=1 i=1

Que ocurre cuando hay intersecciones?, estos casos ocurren muy a menudo en problemas de
recuento, por ejemplo
a) De cuantas formas puedo combinar las letras a, b, c para formar palabras de 8 letras de manera
que alguna de las letras no aparezca?. Claramente los casos en los que la letra a no aparece
y la letra b tampoco tienen la interseccion formada por la palabra cccccccc.
b) Cuantos monomios de grado 9 con coeficiente 1 formados con tres variables tienen todas las
variables de grado impar?. Aqu los casos de grado par en una variable y de grado par en
otra tienen intersecciones no vacas.
Para estos casos tenemos el llamado principio de inclusion-exclusion.
Teorema 5.0.1 (Principio de inclusi
on-exclusi
on) Sean A1 , A2 . . . An subconjuntos de un con-
junto finito dado X, entonces:

n
| Ai | = (1)|I|1 | Ai |
i=1 IP ({1,2,3...n}){} iI

9
Demostraremos mas adelante este teorema, indiquemos que para el caso de dos conjuntos se tiene
la conocida formula:
|A B| = |A| + |B| |A B|
Para tres conjuntos se tiene :

|A B C| = |A| + |B| + |C| |A B| |A C| |B C| + |A B C|

Pasemos ahora a la demostracion, usaremos las funciones caractersticas explicadas en el tema

anterior, probemos el siguiente:

x1 , x2 , . . . xn R (1 + x1 )(1 + x2 ) . . . (1 + xn ) = 1 + xi
IP ({1,2,3...n}){} iI

Demostracion :

Se procede
por induccion
sobre n El caso base es trivial porque la igualdad es
1 + x1 = 1 + IP ({1}){} iI xi . Veamos el paso inductivo:
Si la propiedad es cierta para n = k entonces

(1 + x1 )(1 + x2 ) . . . (1 + xk ) = 1 + xi
IP ({1,2,3...k}){} iI

Calculemos (1 + x1 )(1 + x2 ) . . . (1 + xk )(1 + xk+1 ), si usamos la hipotesis de

induccion obtenemos:
( )
(1+x1 )(1+x2 ) . . . (1+xk )(1+xk+1 ) = 1+ xi (1+xk+1 ) =
IP ({1,2,3...k}){} iI

1 + xk+1 + xi + xk+1 xi
IP ({1,2,3...k}){} iI IP ({1,2,3...k}){} iI

Hagamos una descomposicion del conjunto P {1, 2 . . . k} en partes finitas dis-

juntas
S1 = P ({1, 2, 3 . . . k})
S2 = {{k + 1}}
S3 = {X {k + 1} : X P ({1, 2, 3 . . . k})
La suma para I P {1, 2 . . . k, k + 1} {} la extenderemos sobre S1 , S2 y
S3

xi = xi + xi + xi =
IP ({1,2,3...k+1}){} iI IS1 {} iI IS2 iI IS3 iI

= (1 + x1 )(1 + x2 ) . . . (1 + xk ) 1 + xk+1 + xk+1 xi
IP ({1,2,3...k}){} iI

En donde se ha usado la hipotesis de induccon, el u

ltimo termino da ese re-
sultado puesto que los productos estan formados por productos de elementos
xi con i I siendo I un subconjunto no vaco de {1, 2 . . . k} multiplicados

10
 por xk+1 , que se factoriza.
Haciendo uso de nuevo de la hipotesis de induccion

xi = (1+x1 )(1+x2 ) . . . (1+xk )1+xk+1 +xk+1 ((1+x1 )(1+x2 ) . . . (1+xk )1)
IP ({1,2,3...k+1}){} iI

= (1+x1 )(1+x2 ) . . . (1+xk )1+xk+1 +xk+1 ((1+x1 )(1+x2 ) . . . (1+xk ))xk+1

= (1 + x1 )(1 + x2 ) . . . (1 + xk )(1 + xk+1 ) 1
Sumando 1 a ambos lados obtenemos la propiedad para n = k + 1
Demostraci on del principio de inclusi
on exclusi
on usando la funci
on carac-
terstica Dado un conjunto A y un subconjunto X A, asociamos a X la funcion
caracterstica CarX : A {0, 1}
{
1 si x X
CarX (x) =
0 si x /X

Con ello tenemos que

x nj=1 Aj (1 CarA1 (x))(1 CarA2 (x)) . . . (1 CarAn (x)) = 0;

1+ (CarAi ) = 0 1 = (1)|I|1 (CarAi (x))
IP ({1,2...n}){} iI IP ({1,2...n}){} iI

Si sumamos para x nj=1 Aj obtenemos:

(1) = (1)|I|1 (CarAi (x))
xn
j=1 Aj IP ({1,2...n}){} xn
j=1 Aj iI

El primer termino es | nj=1 Aj | y es facil darse cuenta de que (CarAi (x) = | iI Ai |
xn
j=1 Aj iI
puesto que solo contribuyen a la suma los elementos x iI Ai y en ese caso la funcion carac-
terstica vale 1. Esto completa la demostracion.

c.s.q.d

6 Demostraci
on cl
asica del principio de inclusi
on-exclusi
on
Tambien existe esta otra versi
on mas directa que denuestra el principio de inclusion-exclusion por
induccion sobre el n
umero de subconjuntos.

11
 Para n = 1 lo que tenemos es por un lado

1
| Ai | = |A1 |
i=1

y por otro lado:

(1)|I|1 | Ai | = (1)11 | Ai | = |A1 |
IP ({1}){} iI i{1}

Veremos que es necesario probarla para n = 2, en este caso el teorema dice que:

|A B| = |A| + |B| |A B|

Esta afirmacion se prueba sin mas que tener en cuenta las descomposiciones
A B = (A (A B)) (B (A B)) (A B)
(A (A B)) (A B) = A
(B (A B)) (A B) = B
En donde todos los conjuntos involucrados son disjuntos.
Vemos pues que los casos bases son ciertos. Comprobemos ahora el paso inductivo.
Supongamos ahora que la proposicion es cierta para n = k, es decir:

k
| Ai | = (1)|I|1 | Ai |
i=1 IP ({1,2,3...k}){} iI

Probemosla ahora para n = k + 1:

( k ) ( k )

k+1
k
| Ai | = | Ai Ak+1 | = | Ai | + |Ak+1 | | Ai Ak+1 |
i=1 i=1 i=1 i=1

Donde se ha usado la hipotesis de induccion para el caso n=2.

Procedamos a descomponer el conjunto P ({1, 2, 3 . . . k, k + 1}) en tres subconjuntos
disjuntos:
S1 = P ({1, 2, 3 . . . k})
S2 = {{k + 1}}
S3 = {X {k + 1} : X P ({1, 2, 3 . . . k})
Tenemos que la expresion que queremos que coincida con la igualdad anterior es

(1)|I|1 | Ai |
IP ({1,2,3...k+1}){} iI

Para ello veremos que si separamos los ndices I seg

un esten en S1 , S2 o S3 obtenemos
los sumandos anteriores.

(1)|I|1 | Ai | =
IP ({1,2,3...k+1}){} iI

12

(1)|I|1 | Ai | + (1)|I|1 | Ai | + (1)|I|1 | Ai |
IS1 {} iI IS2 iI IS3 iI
k
El primer sumando es por la hipotesis de induccion | i=1 Ai |, el segundo sumando es
simplemente |Ak+1 |. Veamos el tercer sumando. Si I S3 entonces I = {j1 , j2 . . . js , k+
1} con {j1 , j2 . . . js } {1, 2 . . . k} y no vaco. luego

(1)|I|1 | Ai | = (1)s+11 |Aj1 Aj2 . . . Ajs Ak+1 | =
iI

= (1)s |(Aj1 Ak+1 ) (Aj2 Ak+1 ) . . . (Ajs Ak+1 )|

Cuando I vare sobre S3 , tendremos que evaluar todas las posibilidades de conjuntos
{j1 , j2 . . . js } {1, 2 . . . k} no vacos, esto nos permite escribir el tercer sumando as:

(1)|I|1 | Ai | = (1)|I| | (Ai Ak+1 )| =
IS3 iI IP ({1,2...k}) iI

k
= (1)|I|1 | (Ai Ak+1 )| = | (Ai Ak+1 |
IP ({1,2...k}) iI i=1

En el u
ltimo paso hemos hecho valer la hipotesis de induccion.

c.s.q.d

7 Funciones generatrices
Empezaremos con un ejemplo muy simple, pero que nos llevara a las claves para resolver problemas
de recuento mas complejos.
PROBLEMA
De cuantas maneras puedo hacer 2 euros con monedas de 1 euro, 50 centimos y 20 centimos? El
problema radica en contar las soluciones enteras no negativas de la ecuacion

x + 0.5y + 0.2z = 2 o equivalentemente 10x + 5y + 2z = 20

Donde x, y, z representan el n
umero de monedas de 1 euro, 50 centimos y 20 centimos respectiva-
mente. En este caso podemos enumerarlas directamente, pues no hay muchas:
x y z
0 0 10
0 2 5
0 4 0
1 0 5
1 2 0
2 0 0
Vamos a complicar un poco la resolucion, no por animo de amargarle la vida a nadie, sino
porque nos dara pie a la introduccion de las funciones generatrices. Una funcion adecuada para
este problema es la siguiente:

(t) = (1 + t10 + t20 )(1 + t5 + t10 + t15 + t20 )(1 + t2 + t4 + t6 + t8 + t10 + . . . + t20 )

13
 Una vez efectuaramos los productos por la propiedad distributiva obtendramos una expresion
de la forma:
(t) = p0 + p1 t + p2 t2 + . . . + p60 t60
Claro esta, un polinomio de grado 60, donde tambien queda claro que muchos de los pj seran nulos,
por ejemplo p7 = 0.
Si nos fijamos en p15 por ejemplo vemos que sumamos varias contribuciones, una de ellas por
ejemplo sera
1 t5 t10
que significa poner 0 monedas de 1 euro, 1 = 55 monedas de 50 centimos y 5 = 10 2 monedas de
20 centimos, esto es una solucion de la ecuacion 10x + 5y + 2z = 15, esta claro que p1 5 sera
el n
umero de soluciones no negativas de la ecuacion anterior, por tanto la solucion a nuestro
problema es p20 Si llamamos an , bn , cn a las sucesiones que determinan los coeficientes de cada
funcion respectivamente, tenemos :
n 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
an 1 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 1 0 0
bn 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0
cn 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1
Para contabilizar el coeficiente p20 , hemos de mirar todos los productos ai bj ck de manera que
i + j + k = 20, a la vista de la tabla anterior es claro que las contribuciones son:

a0 b0 c20 +a0 b10 c10 +a0 b20 c0 +a10 b0 c10 +a10 b10 c0 +a20 b0 c0 = 111+111+111+111+111+111 = 6

Lo unico que queda ahora es encontrar tecnicas que mejoren la forma de contar los coeficientes de
las funciones generatrices.

N
umeros combinatorios generalizados

La formula ( )
n n(n 1)(n 2) . . . (n m + 1)
=
m m!
permite generalizar el calculo para el caso en el que n sea un n
umero negativo, con lo cual tenemos
la siguiente:
Definici
on
Dados n, m N definimos
( )
n n(n 1)(n 2) . . . (n m + 1)
=
m m!

Por ejemplo :
( ) ( )
6 (6)(7)(8)(9)(10)(11)(12)(13) (13)(12)(11)(10)(9)(8)(7)(6) V13,8 13
= = = = = 1287
8 8! 8! 8! 8

Vemos que se ha transformado en un numero combinatorio usual, esto no es una casualidad, puesto
que se tiene la siguiente propiedad:
Propiedad

14
Dados n, m N . Se cumple siempre que:
( ) ( )
n n+m1
= (1)m RCn,m = (1)m
m m

Demostraci
on Es un calculo directo:
( )
n n(n 1)(n 2) . . . (n m + 1)
= =
m m!

(1)m (m + n 1)(m + n 2)(m + n 3) . . . ((m + n 1) m + 2)((m + n 1) m + 1)

= =
m!
Quedando finalmente
( ) ( )
n m Vm+n1,m m m+n1
= (1) = (1)
m m! m

Desarrollos de Taylor
Dada una funcion que supondremos infinitamente derivable en un entorno de 0 R, el analisis
matematico nos instruye de que en un entorno de 0 esta funcion es igual a su desarrollo de Taylor:

f (j) (0)
f (t) = tj
j=0
j!

Estrictamente hablando, habra que decir que la funcion converge hacia su desarrollo de Taylor,
nosotros no nos vamos a preocupar de las cuestiones de convergencia, que sabemos que se dan en
un entorno deterninado, solo nos ocuparemos de ver formalmente los desarrollos de las funciones
que sean u
tiles a la hora de esteblecer cuentas, la mas basica de todas es
1
f (t) = en] 1, 1[con
(1 + t)n

n Z Estudiaremos los desarrollos de estas funciones. El mas simple es:

1
= 1 t + t2 t3 + t4 t5 + . . .
1+t
No todos son infinitos sumandos:
( ) ( ) ( ) ( )
1 3 3 3 3
= (1 + t)3 = + t+ 2
t + t3
(1 + t)3 0 1 2 3

Podemos sacar otros desarrollos de los anteriores, por ejemplo, cambiando t por t obtenemos
1
= 1 + t + t2 + t3 + t4 + t5 + . . .
1t
En fin, la cosa puede ser divertida, aqu os propongo algunos para un da que os aburrais:
1
1 + t2

15
 2t3 4
1 t2
Vamos a usar ahora las funciones generatrices para resolver algunos problemas de recuento, antes
de nada introduciremos alguna terminologa.
Dado el desarrollo en serie (formal) de una funcion (infinitamente derivable)


an xn
n=0

Llamaremos a la sucesion an sucesion generatriz de la funcion cuyo desarrollo en serie es el anterior.

n
un intervalo an = f n!(0) Veamos algunos ejemplos.
Se tendra que en alg
Consecuencia de la suma de las series geometricas tenemos que:
a axn
a + ax + ax2 + ax3 + . . . axn1 =
1x
Esta formula nos da la suma de los n primeros terminos de una progresion geometrica el primeo
de los cuales vale a y cuya raz
on vale x. En el caso particular a = 1 obtenemos
1 tn
1 + t + t2 + t3 + . . . tn1 =
1t
Si |t| < 1 entonces
lim tn = 0
n
1
Obtenemos as el desarrollo en serie de 1t , la sucesion {1, 1, 1, 1, 1 . . .} es la sucesion generatriz
de la funcion anterior.
1
1 + t + t2 + t3 + . . . =
1t
Otros ejemplos son
1
1 + t3 + t6 + . . . =
1 t3
cuya sucesion(generatriz
) ( es ) {1,(0, 0, 1,
) 0,(0, 1 . )
. .}. ( )
n n n n n
La sucesion { , , , ... , 0, 0, 0 . . .} es la sucesion generatriz de
0 1 2 3 n

(1 + t)n

Si derivamos la formula para la funcion 1

1t3 , obtenemos la sucesion {0, 0, 3, 0, 0, 6, 0, 0, 9 . . .} que
3t 2
genera (1t3 )2 .

Teorema
La sucesion generatriz de
1
(1 + t)s

16
 ( )
s
es an = con s N
n
Demostraci on Usaremos la formula de Taylor, pero antes de nada probemos por induccion que
1
si f (t) = (1+t) s entonces

(1)n Vs+n1,n
f n (t) =
(1 + t)s+n
Para n = 1, derivemos (1 + t)s , el resultado es

(1)1 Vs+11,1
f (t) = (1)s(1 + t)(s+1) =
(1 + t)s+1
Vemos pues que ciertamente se cumple para n = 1, probemos ahora el paso inductivo.
( )
(n+1) d n d (1)n Vs+n1,n
f (t) = f (t) = =
dt dt (1 + t)s+n
d ( ) ( )
(1)n Vs+n1,n (1 + t)(n+s) = (1)n (1)(n + s)Vs+n1,n (1 + t)(n+s+1) =
dt
(n + s 1)! 1 (n + s)! 1
(1)n+1 (n + s) = (1)n+1 =
(s 1)! (1 + t)n+s+1 (s 1)! (1 + t)n+s+1
(n + s)! 1 (1)n+1 Vn+s,n+1
(1)n+1 =
((n + s (n + 1)))! (1 + t)n+s+1 (1 + t)n+s+1
Hemos probado el paso inductivo, ahora tenemos pues que f n (0) = (1)n Vn+s1,n y utilizando la
formula de Taylor:

( ) ( )
1 f n (0) n n Vn+s1,n n

n n+s1 n
s
= t = (1) t = (1) t = tn
(1 + t)s n! n! n n
n=0 n=0 n=0 n=0

c.q.d
Este hecho nos permitira encontrar rapidamente terminos de funciones generatrices, veamos
como explotarlo:

( )
1 n s
= (1) tn
(1 t)s n=0
n

( )
1 n s
= (1) t4n
(1 t4 )s n=0
n

Algunos problemas que se pueden resolver con esto:

Determinad todas las soluciones no negativas de la ecuaci
on 3x + 2y + 6z = 20
Solucion:
Se trata de encontrar el coeficiente t20 en
( )( )( )
(t) = 1 + t3 + t6 + t18 1 + t2 + t4 + t20 1 + t6 + t12 + t18 =

1 t21 1 t22 1 t24

=
1 t3 1 t2 1 t6

17
 No pasa nada si nos quedamos con esta funcion:
1 1 1 1 t6 1 t6 1 t6 1
= =
1t 1t 1t
3 2 6 1 t 1 t 1 t (1 t6 )3
3 2 6

(
)
3
(1 + t3 )(1 + t2 + t4 ) (1)n t6n
n
n=0
j
Si llamamos pj al coeficiente en t del polinomio que
( multiplica
) a la serie,
( nos daremos
) ( cuenta de)que
3 3 3+31
nico termino que contribuye a t20 es p2 (1)3
el u = 1 (1)3 = =
( ) 3 3 3
5
= 10
3
Cu antas de las anteriores soluciones cumplir an que la variable x sea positiva?
En este caso el canal en el que aparece la x tiene que empezar por el monomio t3 , la funcion es:
( )( )( )
(t) = t3 + t6 + t18 1 + t2 + t4 + t20 1 + t6 + t12 + t18 =
1 t18 1 t22 1 t24
= t3
1 t3 1 t2 1 t6
El problema se reduce a buscar el coeficiente t17 en
1 t18 1 t22 1 t24
(t) =
1 t3 1 t2 1 t6
Podemos eliminar los exponentes mayores que 17 en el numerador y quedarnos con la funcion
( )
1 1 1 3 2 4 3
= (1 + t )(1 + t + t ) (1)n t6n
1 t3 1 t2 1 t6 n=0
n
( ) ( )
3 4
El coeficiente buscado es p5 (1)2 = 1 =6
2 2
Cu antas de las anteriores soluciones tendr an un valor de y impar? Ahora una funcion
adecuada es :
( )( )( )
(t) = 1 + t3 + t6 + t18 t2 + t6 + t10 + t14 + t18 1 + t6 + t12 + t18 =
( )( )( )
t2 1 + t3 + t6 + t18 1 + t4 + t8 + t12 + t16 1 + t6 + t12 + t18
Busquemos el coeficiente t18 en
( )( )( )
1 + t3 + t6 + t18 1 + t4 + t8 + t12 + t16 1 + t6 + t12 + t18 =
1 t21 1 t20 1 t24
1 t3 1 t4 1 t6
Como buscamos t18 podemos quedarnos con la funcion (esto no siempre es as)
1 1 1 1 t12 1 t12 1 t12 1
= =
1t 1t 1t
3 4 6 1 t 1 t 1 t (1 t12 )3
3 4 6

( )
3
(1 + t3 + t6 + t9 )(1 + t4 + t8 )(1 + t6 ) (1)n t12n
n
n=0
Procediendo igual dicho coeficiente da 6.

18