Escolar Documentos
Profissional Documentos
Cultura Documentos
Apostila MatematicaDiscreta IC Unicamp
Apostila MatematicaDiscreta IC Unicamp
c 2011
Sum ario
Pref acio o a ` l 1 Introduc a ogica matem atica 1.1 Como ter certeza? . . . . . . . . . . . 1.2 A invenc a o da l ogica . . . . . . . . . 1.3 Euclides e demonstrac o es geom etricas 1.4 Algebra . . . . . . . . . . . . . . . . 1.5 As linguagens da l ogica matem atica . 11 15 15 15 15 17 17 19 19 20 20 21 21 21 21 21 22 22 23 24 25 25 25 25 26 27 27 27 28 28 29 29
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
. . . . .
2 Teoria dos Conjuntos 2.1 Especicando conjuntos . . . . . . . . . . . . . . 2.1.1 Denic o es circulares e contradit orias . . . 2.2 Igualdade de conjuntos . . . . . . . . . . . . . . . 2.3 Conjunto vazio . . . . . . . . . . . . . . . . . . . 2.4 Relac a o de inclus ao . . . . . . . . . . . . . . . . . 2.5 Cardinalidade . . . . . . . . . . . . . . . . . . . . 2.6 Operac o es com conjuntos . . . . . . . . . . . . . . 2.6.1 Uni ao e intersecc a o . . . . . . . . . . . . . 2.6.2 Diferenc a, universo, e complemento . . . . 2.6.3 Diferenc a sim etrica . . . . . . . . . . . . . 2.6.4 Propriedades das operac o es com conjuntos 2.7 Conjuntos de conjuntos . . . . . . . . . . . . . . . 2.8 Conjunto pot encia . . . . . . . . . . . . . . . . . . 2.9 Partic a o . . . . . . . . . . . . . . . . . . . . . . . 2.10 Produto cartesiano de dois conjuntos . . . . . . . . 2.10.1 Produto de dois conjuntos . . . . . . . . . 2.11 Exerc cios . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
3 L ogica matem atica 3.1 L ogica proposicional . . . . . . . . . . . . . . . . . 3.1.1 Proposic o es e valores l ogicos . . . . . . . . 3.1.2 Conectivos l ogicos e proposic o es compostas 3.1.3 Notac a o para c alculo proposicional . . . . . 3.1.4 Operador de conjunc a o . . . . . . . . . . . . 3.1.5 Operador de disjunc a o . . . . . . . . . . . . 3
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
4 3.1.6 Operador de negac a o . . . . . . . . . . . . . . . . . . . . . . 3.1.7 Operador de implicac a o . . . . . . . . . . . . . . . . . . . . 3.1.8 Operador de equival encia . . . . . . . . . . . . . . . . . . . . 3.1.9 Operador de disjunc a o exclusiva . . . . . . . . . . . . . . . . 3.1.10 Preced encia dos operadores l ogicos . . . . . . . . . . . . . . Armac o es auto-referentes . . . . . . . . . . . . . . . . . . . . . . . Manipulac a o l ogica de proposic o es . . . . . . . . . . . . . . . . . . . 3.3.1 Tautologias e contradic o es . . . . . . . . . . . . . . . . . . . 3.3.2 Equival encia l ogica . . . . . . . . . . . . . . . . . . . . . . . 3.3.3 Equival encias l ogicas importantes . . . . . . . . . . . . . . . 3.3.4 Implicac a o l ogica . . . . . . . . . . . . . . . . . . . . . . . . 3.3.5 Equival encia em contexto espec co . . . . . . . . . . . . . . S ntese de proposic o es . . . . . . . . . . . . . . . . . . . . . . . . . 3.4.1 Formas normais disjuntivas e conjuntivas . . . . . . . . . . . 3.4.2 Sistemas completos de operadores . . . . . . . . . . . . . . . Dualidade l ogica . . . . . . . . . . . . . . . . . . . . . . . . . . . . L ogica de Predicados . . . . . . . . . . . . . . . . . . . . . . . . . . 3.6.1 Quanticac a o universal . . . . . . . . . . . . . . . . . . . . . 3.6.2 Quanticac a o existencial . . . . . . . . . . . . . . . . . . . . 3.6.3 Quanticador de exist encia e unicidade . . . . . . . . . . . . 3.6.4 Quanticac a o sobre o conjunto vazio . . . . . . . . . . . . . 3.6.5 C alculo de predicados . . . . . . . . . . . . . . . . . . . . . 3.6.6 Negac a o de quanticadores . . . . . . . . . . . . . . . . . . 3.6.7 Distributividade de quanticadores . . . . . . . . . . . . . . 3.6.8 Traduzindo linguagem natural para proposic o es quanticadas 3.6.9 Mudanc a de dom nio . . . . . . . . . . . . . . . . . . . . . . 3.6.10 Quanticadores m ultiplos . . . . . . . . . . . . . . . . . . . 3.6.11 Escopo de um quanticador . . . . . . . . . . . . . . . . . . 3.6.12 Omiss ao do dom nio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
SUMARIO
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 30 32 32 33 34 36 36 37 37 40 41 41 41 42 43 43 44 45 46 46 47 47 47 48 50 51 52 52 55 55 55 56 57 57 58 58 59 59 60 61 62 62 63
3.2 3.3
3.4
3.5 3.6
4 M etodos de Prova de Teorema 4.1 Introduc a o . . . . . . . . . . . . . . . . . . 4.1.1 Denic o es . . . . . . . . . . . . . 4.1.2 Conjeturas . . . . . . . . . . . . . 4.2 M etodos de prova . . . . . . . . . . . . . . 4.3 Prova de implicac o es . . . . . . . . . . . . 4.3.1 M etodo direto . . . . . . . . . . . . 4.3.2 M etodo da contrapositiva . . . . . . 4.3.3 M etodo de reduc a o ao absurdo . . . 4.3.4 Implicac a o com tese conjuntiva . . 4.3.5 Implicac a o com hip otese disjuntiva 4.4 Prova de armac o es se e somente se . . . 4.5 Prova de quanticador universal . . . . . . 4.5.1 Suspens ao do quanticador . . . . . 4.5.2 Prova por vacuidade . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
SUMARIO
4.6 Prova de teoremas com o quanticador existencial 4.6.1 Demonstrac o es construtivas . . . . . . . 4.6.2 Demonstrac o es n ao construtivas . . . . . 4.6.3 Provas de exist encia e unicidade . . . . . 4.6.4 Prova de falsidade por contra-exemplo . . Exerc cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5 63 63 65 65 66 67 69 69 69 71 72 72 74 75 77 78 79 80 80 81 81 82 82 83 85 85 86 87 87 87 88 88 89 89 89 90 90 90 91 91 92 93 94
4.7
o Matem 5 Induc a atica 5.1 Introduc a o . . . . . . . . . . . . . . . . . . . 5.2 Princ pio de Induc a o Matem atica . . . . . . . 5.2.1 Formulac a o do PIM usando conjuntos 5.3 Generalizac o es da Induc a o Matem atica . . . 5.3.1 Base gen erica . . . . . . . . . . . . . 5.3.2 Passo gen erico constante . . . . . . . 5.4 Mais exemplos de induc a o matem atica . . . . 5.5 Usos indevidos da induc a o matem atica . . . . 5.6 Princ pio da Induc a o Completa . . . . . . . . 5.6.1 Formulac a o do PIC usando conjuntos 5.7 Exerc cios . . . . . . . . . . . . . . . . . . . 5.8 Princ pio da Boa Ordenac a o . . . . . . . . . 5.9 Formas equivalentes do princ pio da induc a o . 5.9.1 PIM implica PBO . . . . . . . . . . . 5.9.2 PBO implica PIC . . . . . . . . . . . 5.9.3 PIC implica PIM . . . . . . . . . . . 5.10 Exerc cios adicionais . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
es 6 Relac o 6.1 Conceitos b asicos . . . . . . . . . . . . . . . . . 6.1.1 Dom nio e imagem . . . . . . . . . . . . 6.1.2 Restric a o de relac o es . . . . . . . . . . . 6.1.3 Relac o es de identidade . . . . . . . . . . 6.1.4 Relac a o inversa . . . . . . . . . . . . . . 6.1.5 Imagem e imagem inversa de conjuntos . 6.2 Composic a o de relac o es . . . . . . . . . . . . . 6.2.1 Notac a o alternativa . . . . . . . . . . . . 6.2.2 Composic a o com identidade . . . . . . . 6.2.3 Composic a o com a relac a o inversa . . . . 6.2.4 Inversa da composic a o . . . . . . . . . . 6.2.5 Composic a o e inclus ao . . . . . . . . . . 6.2.6 Pot encias de uma relac a o . . . . . . . . . 6.3 Representac a o de relac o es usando matrizes . . . 6.3.1 Matriz booleana de uma relac a o . . . . . 6.3.2 Operac o es com relac o es usando matrizes 6.4 Tipos de relac o es . . . . . . . . . . . . . . . . . 6.4.1 Composic a o e transitividade . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
6 6.4.2 Propriedades de relac o es usando matrizes Fechos de uma relac a o . . . . . . . . . . . . . . 6.5.1 Fecho reexivo . . . . . . . . . . . . . . 6.5.2 Fecho sim etrico . . . . . . . . . . . . . . 6.5.3 Fecho transitivo . . . . . . . . . . . . . . 6.5.4 Fecho em geral . . . . . . . . . . . . . . Relac o es de ordem . . . . . . . . . . . . . . . . 6.6.1 Diagrama de Hasse . . . . . . . . . . . . 6.6.2 Relac o es de ordem estrita . . . . . . . . 6.6.3 Ordem total . . . . . . . . . . . . . . . . 6.6.4 Ordem lexicogr aca . . . . . . . . . . . 6.6.5 Ordens parciais . . . . . . . . . . . . . 6.6.6 Elementos m nimos e m aximos . . . . . 6.6.7 Elementos minimais e maximais . . . . . Relac o es de equival encia . . . . . . . . . . . . . 6.7.1 Classes de equival encia . . . . . . . . . . 6.7.2 Relac o es de equival encia e partic o es . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
SUMARIO
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 96 96 97 97 99 100 102 103 103 104 105 105 106 108 109 110 113 113 113 114 114 115 116 117 118 118 119 120 120 120 120 121 121 122 122 122 122 122 123 124 124 124
6.5
6.6
6.7
es, sequ es n- 7 Func o encias e relac o arias 7.1 Func o es . . . . . . . . . . . . . . . . . . . . . 7.1.1 Conceito . . . . . . . . . . . . . . . . 7.1.2 Dom nio e imagem de uma func a o . . . 7.1.3 As func o es piso e teto . . . . . . . . . 7.1.4 Func a o injetora, sobrejetora e bijetora . 7.1.5 Composic a o de func o es . . . . . . . . 7.1.6 Func a o inversa . . . . . . . . . . . . . 7.1.7 Imagem e imagem inversa de conjuntos 7.1.8 Restric a o de func o es . . . . . . . . . . 7.1.9 Permutac o es . . . . . . . . . . . . . . 7.1.10 Func o es idempotentes . . . . . . . . . 7.2 Sequ encias nitas . . . . . . . . . . . . . . . . 7.2.1 Notac a o para sequ encias nitas . . . . 7.2.2 Indice inicial padr ao . . . . . . . . . . 7.2.3 Comprimento . . . . . . . . . . . . . . 7.2.4 Concatenac a o . . . . . . . . . . . . . . 7.2.5 Subsequ encias e subcadeias . . . . . . 7.2.6 n-uplas . . . . . . . . . . . . . . . . . 7.3 Produto cartesiano de n conjuntos . . . . . . . 7.4 Relac o es n- arias . . . . . . . . . . . . . . . . . 7.4.1 Denic a o . . . . . . . . . . . . . . . . 7.4.2 Projec a o . . . . . . . . . . . . . . . . . 7.4.3 Permutac a o de componentes . . . . . . 7.4.4 Restric a o . . . . . . . . . . . . . . . . 7.4.5 Junc a o . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . .
SUMARIO
8 Somat orias e produt orias 8.1 Introduc a o . . . . . . . . . . . . . . . . . . 8.2 Somat orias b asicas . . . . . . . . . . . . . 8.3 Manipulac a o de somat orias . . . . . . . . . 8.4 Somat orias m ultiplas . . . . . . . . . . . . 8.4.1 Mudanc a de ordem de somat orias . 8.4.2 Distributividade generalizada . . . 8.5 Majorac a o de somat orias . . . . . . . . . . 8.5.1 Majorac a o dos termos . . . . . . . 8.5.2 Majorac a o por induc a o matem atica 8.5.3 Majorac a o por integrais . . . . . . 8.6 Somas innitas . . . . . . . . . . . . . . . 8.7 Produt orias . . . . . . . . . . . . . . . . . 8.8 Iterac a o de outras operac o es . . . . . . . . 9 Sequ encias innitas e recorr encias 9.1 Sequ encias innitas . . . . . . . . . . . . 9.2 Especicando sequ encias innitas . . . . 9.3 Recorr encia . . . . . . . . . . . . . . . . 9.4 Resoluc a o de recorr encias . . . . . . . . 9.4.1 Recorr encia aditiva simples . . . 9.4.2 Recorr encia multiplicativa simples 9.4.3 Recorr encias lineares homog eneas 9.5 Recorr encias lineares n ao homog eneas . . 9.6 Majorac a o e minorac a o de recorr encias . 10 Contagem 10.1 Permutac o es . . . . . . . . . . . . . . . 10.1.1 F ormula de Stirling . . . . . . . 10.2 Arranjos . . . . . . . . . . . . . . . . . 10.3 Combinac o es . . . . . . . . . . . . . . 10.3.1 Casos especiais . . . . . . . . . 10.3.2 Propriedades . . . . . . . . . . 10.3.3 F ormula do Bin omio de Newton 10.3.4 F ormula recursiva . . . . . . . 10.4 Cardinalidade da uni ao de conjuntos . . 10.5 Combinac o es m ultiplas . . . . . . . . . 11 Cardinalidade de conjuntos 11.1 Conjuntos nitos . . . . . . . . . 11.2 Conjuntos innitos . . . . . . . . 11.3 Conjuntos enumer aveis e cont aveis 11.4 Comparac a o de cardinalidades . . 11.4.1 Teorema de Cantor . . . . 11.4.2 Cardinalidades de Cantor .
7 127 127 128 128 132 132 133 134 134 134 136 139 140 142 143 143 143 144 145 145 146 146 148 149 151 151 152 152 153 154 154 155 156 156 157 161 161 161 163 164 164 165
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
8 o a ` Teoria de Grafos 12 Introduc a 12.1 Introduc a o . . . . . . . . . . . . . . . . . . . . . . 12.2 Variedades de grafos . . . . . . . . . . . . . . . . 12.2.1 Grafos orientados e n ao orientados . . . . . 12.2.2 Arestas paralelas . . . . . . . . . . . . . . 12.2.3 Lac os . . . . . . . . . . . . . . . . . . . . 12.2.4 Grafos simples e multigrafos . . . . . . . . 12.2.5 Grafos nitos e innitos . . . . . . . . . . 12.3 Denic o es formais . . . . . . . . . . . . . . . . . 12.3.1 Arestas como pares ordenados . . . . . . . 12.3.2 Arestas como pares n ao ordenados . . . . . 12.3.3 Arestas como objetos com origem e destino 12.3.4 Arestas como objetos com dois extremos . 12.3.5 Convenc o es para este livro . . . . . . . . . 12.4 Conceitos fundamentais . . . . . . . . . . . . . . . 12.4.1 Grafo vazio e sem arestas . . . . . . . . . . 12.4.2 Incid encia . . . . . . . . . . . . . . . . . . 12.4.3 Adjac encia . . . . . . . . . . . . . . . . . 12.4.4 Grau do v ertice . . . . . . . . . . . . . . . 12.4.5 Grafos regulares . . . . . . . . . . . . . . 12.4.6 Grafos completos . . . . . . . . . . . . . . 12.5 Percursos em grafos . . . . . . . . . . . . . . . . . 12.5.1 Passeios, trilhas e caminhos . . . . . . . . 12.5.2 Invers ao e concatenac a o e de passeios . . . 12.5.3 Circuitos e ciclos . . . . . . . . . . . . . . 12.5.4 Passeios orientados . . . . . . . . . . . . . 12.6 Subgrafos . . . . . . . . . . . . . . . . . . . . . . 12.6.1 Uni ao e intersecc a o de subgrafos . . . . . . 12.6.2 Grafos complementares . . . . . . . . . . 12.7 Representac a o matricial de grafos . . . . . . . . . 12.7.1 Matriz de adjac encia . . . . . . . . . . . . 12.7.2 Matriz de incid encia . . . . . . . . . . . . 12.8 Isomorsmos de grafos . . . . . . . . . . . . . . . 12.8.1 Contagem de grafos . . . . . . . . . . . . 12.9 Conexidade . . . . . . . . . . . . . . . . . . . . . 12.9.1 Conexidade em grafos n ao orientados . . . 12.9.2 Conexidade em grafos orientados . . . . . 12.10 Arvores . . . . . . . . . . . . . . . . . . . . . . . 12.11Grafos bipartidos . . . . . . . . . . . . . . . . . . 12.12Grafos eulerianos . . . . . . . . . . . . . . . . . . 12.13Grafos hamiltonianos . . . . . . . . . . . . . . . . 12.14Grafos planares . . . . . . . . . . . . . . . . . . . 12.14.1 A f ormula de Euler para grafos planares . . 12.14.2 O teorema de Kuratowski . . . . . . . . . 12.14.3 Grafo dual . . . . . . . . . . . . . . . . .
SUMARIO
167 167 168 169 169 169 169 169 170 170 170 171 172 172 173 173 173 173 173 174 175 175 175 176 177 177 178 179 180 180 180 181 181 184 184 184 185 186 187 188 189 192 194 195 197
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
SUMARIO
12.15Colorac a o de grafos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197 12.15.1 Colorac a o de mapas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197 12.15.2 Colorac a o de grafos em geral . . . . . . . . . . . . . . . . . . . . . . . . 198 13 Probabilidade 13.1 Denic a o . . . . . . . . . . . . . . . . . . 13.1.1 Distribuic a o uniforme . . . . . . . 13.1.2 Princ pio da exclus ao m utua . . . . 13.1.3 Princ pio da exaust ao . . . . . . . . 13.1.4 Princ pio da complementaridade . . 13.1.5 Princ pio da exclus ao e inclus ao . . 13.1.6 Princ pio da independ encia . . . . . 13.1.7 Relac a o com a l ogica cl assica . . . 13.2 Vari avel aleat oria . . . . . . . . . . . . . . 13.3 Valor esperado . . . . . . . . . . . . . . . 13.3.1 Propriedades do valor esperado . . 13.4 Mediana . . . . . . . . . . . . . . . . . . . 13.5 Moda . . . . . . . . . . . . . . . . . . . . 13.6 Vari ancia e desvio padr ao . . . . . . . . . . 13.6.1 Propriedades da vari ancia . . . . . 13.6.2 Desvio padr ao . . . . . . . . . . . 13.6.3 Covari ancia . . . . . . . . . . . . . 13.6.4 Coeciente de correlac a o . . . . . . 13.7 Probabilidade condicional . . . . . . . . . 13.8 Infer encia bayesiana . . . . . . . . . . . . 13.9 Teoria da informac a o . . . . . . . . . . . . 13.9.1 Capacidade de informac a o . . . . . 13.9.2 Quantidade de informac a o . . . . . 13.9.3 Quantidade esperada de informac a o 201 202 202 203 203 203 204 204 205 205 206 208 208 209 210 211 211 212 212 213 214 216 216 218 218
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
10
SUMARIO
Pref acio
Objetivos e escopo. Este livro pretende ser um texto introdut orio a algumas a reas da matem atica discreta que s ao de especial import ancia para cursos de computac a o, ao n vel de graduac a o e de mestrado. Exclu mos do escopo deste livro os fundamentos da matem atica do cont nuo c alculo diferencial e integral, equac o es diferenciais e integrais, a lgebra linear, e geometria anal tica pois acreditamos que um bom curr culo de computac a o deve cobrir esses assuntos atrav es de v arias disciplinas espec cas, ainda nos primeiros anos de graduac a o. Pela mesma raz ao, exclu mos c alculo num erico, e limitamos nossa exposic a o de probabilidade e estat stica aos conceitos fundamentais. Ainda pela mesma raz ao, evitamos completamente a a rea de algoritmos, computabilidade e complexidade, bem como assuntos espec cos (e quase obrigat orios) de curr culos de computac a o, como programac a o inteira, aut omatos e linguagens formais. Na verdade, cada um dos cap tulos deste livro poderia ser coberto por uma disciplina separada do curr culo de computac a o. Este livro deve ser visto, em primeiro lugar, como um curso de alfabetizac a o, que procura ensinar as denic o es e conceitos essenciais para comunicac a o t ecnica em teoria da computac a o. Para atingir esse objetivo, tivemos que sacricar a profundidade pela abrang encia. Em um livro ou artigo sobre um assunto espec co, e normal o autor escolher um conjunto de denic o es e notac o es, e us a-las consistentemente na obra toda, ignorando as outras escolhas poss veis. Mas esta atitude n ao seria adequada para este livro. Assim, por exemplo, dedicamos um bom espac o a ` s m ultiplas denic o es incompat veis de conceitos fundamentais, como n umero natural (inclui ou n ao o zero?), func a o, grafo, e muitas outras, e a ` s variac o es de notac a o que os estudantes podem vir a encontrar na literatura. S o depois dessas discuss oes e que adotamos uma denic a o ou notac a o espec ca, para uso no resto do livro. Por outro lado, n ao nos preocupamos em enunciar, muito menos provar, os teoremas que s ao considerados fundamentais dessas a reas exceto a t tulo de exemplo de uso dos conceitos. Assim, nosso tratamento de grafos (cap tulo 12) n ao pretende substituir disciplinas de teoria dos grafos, onde esses resultados devem ser cobertos em detalhe. Seu objetivo e apenas dar ao estudante familiaridade com os conceitos e vocabul ario da a rea para facilitar seu acompanhamento dessas disciplinas, e para que ele consiga entender e usar a linguagem de grafos em outras a reas da computac a o. O mesmo vale para todos os outros cap tulos. L ogica matem atica. Professores de disciplinas computac a o com conte udo te orico frequentemente observam a grande diculdade que seus alunos tem em formalizar seu racioc nio. A raiz desse problema e a diculdade que muitos alunos tem em perceber a diferenc a entre uma prova rigorosa e uma colec a o de frases aleat orias e inconclusivas, mesmo que com vocabul ario ma11
12
SUMARIO
tem atico, que termina com a conclus ao esperada. Acontece que essa n ao e uma habilidade nata. Seu apredizado requer, al em de anos de pr atica, o conhecimento dos fundamentos da l ogica. Embora as demonstrac o es que se encontram na literatura (e que os professores esperam que os alunos produzam) quase nunca sejam formais sequ encias de f ormulas l ogicas, encadeadas por aplicac o es de regras de infer encia o que caracteriza uma prova rigorosa e o fato de que ela pode ser formalizada. Assim, a l ogica e o esqueleto invis vel que sustenta e caracteriza uma demonstrac a o v alida. Por esse motivo, optamos por iniciar nosso livro com uma exposic a o da l ogica matem atica, nas suas duas formulac o es cl assicas a teoria de conjuntos, por um lado, e a l ogica proposicional e c alculo de predicados, pelo outro. Estamos supondo que os leitores deste livro j a tiveram contato com o conceito de conjuntos, grac as a disciplinas de matem atica anteriores; portanto n ao julgamos necess ario dedicar mais que algumas p aginas a esse assunto. Por outro lado, acreditamos que poucos leitores possuem conhecimento do c alculo de proposic o es e predicados (apesar do uso de operac o es booleanas em programac a o). Al em disso, com a eliminac a o da geometria euclidiana dos curr culos de ensino m edio, os estudantes que ingressam na universidade dicilmente tiveram contato com os conceitos de axiomas, teoremas, e demonstrac o es formais. Por essa raz ao, dedicamos tr es cap tulos inteiros (3, 4 e 5) a esses t opicos sendo que o u ltimo e inteiramente dedicado a t ecnicas de prova por induc a o. es e func es. Outro t Relac o o opico ao qual resolvemos dedicar bastante espac o e o conceito de relac a o. Relac o es s ao muito usadas em todas as a ` reas te oricas e pr aticas da computac a o, incluindo aut omatos e circuitos l ogicos, estruturas e bancos de dados, redes e comunicac o es digitais, etc.. Na literatura h a duas principais abordagens para este conceito. Segundo uma abordagem, uma relac a o entre dois conjuntos e uma tripla (A, B, R) onde A e B s ao conjuntos, e R e um subconjunto do produto cartesiano A B. Na outra abordagem, uma relac a o entre A e B e apenas um subconjunto de A B. Esta diferenc a tem in umeras repercuss oes em conceitos derivados, e inclusive na linguagem. Por exemplo, na primeira abordagem a relac a o tem um dom nio nominal (A), que e distinto de seu dom nio efetivo (os elementos de A que aparecem no lado esquerdo de pares de R). Na segunda abordagem, pelo contr ario, existe apenas o dom nio efetivo. A mesma observac a o vale para o contra-dom nio. Na primeira abordagem existem innitas relac o es vazias (com R = ), enquanto que na segunda s o existe uma. Na primeira abordagem podemos dizer que uma relac a o e sobrejetora ou bijetora, enquanto que na segunda temos que especicar os conjuntos e dizer sobrejetora em B e bijetora entre A e B. Cada abordagem tem suas vantagens e desvantagens. Constatamos inclusive que muitos livros textos s ao inconsistentes neste ponto, e adotam ora uma denic a o, ora outra, conforme as conveni encias do momento. Debatemos muito qual destas duas abordagens dever amos adotar para os cap tulos seguintes (veja a gura ??.), e por m resolvemos adotar a segunda (conjunto de pares, sem dom nio e contra-dom nio). Enfrentamos um dilema semelhante na sec a o sobre relac o es de ordem, pois para esse conceito tamb em h a v arias escolhas incompat veis (ou mesmo il ogicas) de nomenclatura. Por exemplo, os termos ordem parcial e ordem total n ao s ao mutuamente exclusivos (como se esperaria pelo dicion ario), mas um inclui o outro. E relac a o de ordem estrita n ao e um caso particular de relac a o de ordem, mas um conceito praticamente disjunto (uma e reexiva e a outra e irreexiva). Al em disso, os termos elemento m nimo e elemento m aximo s ao enganosos quando s ao aplicados
SUMARIO
13
a ` relac a o (ou a outras relac o es sobre n umeros que n ao ). Mas n ao cabe a este livro propor nomenclaturas mais consistentes; tudo o que podemos fazer e alertar o estudante para essas armadilhas. Somat orias e produt orias. Dentro dos objetivos deste livro, nosso tratamento de somat orias e produt orias (cap tulo 8) d a mais e nfase a ` linguagem do que a resultados avanc ados da teoria. Assim, tomamos cuidado de expor o leitor a ` s v arias convenc o es da notac a o, e procuramos ensinar as principais t ecnicas de manipulac a o de somat orias (como troca de ndices e mudanc a de ordem de soma). Por outro lado, tamb em procuramos desenvolver a intuic a o dos estudantes, apontando as analogias entre somat orias e integrais (que eles supostamente conhecem de c alculos anteriores). Sequ encias e recorr encias. Procuramos seguir a mesma losoa no cap tulo 9, que trata de sequ encias denidas por recorr encias. Al em de apresentar a linguagem, enfatizamos a t ecnica geral de resoluc a o para recorr encias lineares homog eneas, que resolve muitos dos problemas encontrados em computac a o. Contagem. A an alise combinat oria e fundamental tanto para a an alise de algoritmos quanto para in umeras a reas pr aticas, e deveria merecer uma disciplina a ` parte. Neste livro nos limitamos a rever os conceitos de permutac o es, arranjos e combinac o es, e o teorema da inclus ao e exclus ao. Embora esses assuntos sejam ocialmente vistos no segundo grau, consideramos oportuno rever as denic o es e f ormulas b asicas, especialmente a ` luz dos conceitos de induc a o e recorr encias vistos nos cap tulos anteriores. Uma vez que problemas de contagem raramente admitem f ormulas simples e exatas, consideramos oportuno tamb em apresentar a f ormula de aproximac a o de Stirling para a func a o fatorial. Cardinalidade de conjuntos innitos. A rigor, a teoria das cardinalidades innitas tem pouca utilidade pr atica em computac a o. Por em, a distinc a o entre innidades enumer aveis e n ao enumer aveis e relevante para a teoria da computac a o. Por exemplo, a exist encia de func o es n ao comput aveis decorre trivialmente da a observac a o de que o conjunto de func o es de N para N tem cardinalidade 1 , enquanto que o conjunto de todos os algoritmos tem cardinalidade 0 . Al em disso, o argumento de diagonalizac a o usado para provar que R n ao e enumer avel e usado, por exemplo, na demonstrac a o do teorema de Turing. Consideramos tamb em que essa a rea e um cap tulo importante da hist oria da matem atica, e portanto e cultura geral quase que obrigat oria para quem tem curso superior em ci encia ou tecnologia. Por outro lado, esse assunto nem sempre e visto nas outras disciplinas de matem atica dos curr culos de computac a o. Por essas raz oes, optamos por incluir um curto resumo desses conceitos neste livro (cap tulo 11). Probabilidade. Optamos por incluir neste livro um cap tulo sobre noc o es elementares de estat stica e probabilidade. Embora esses t opicos sejam frequentemente exclu dos de curr culos de computac a o, constatamos que eles s ao essenciais para v arias disciplinas te oricas e aplicadas, como an alise de algoritmos, criptograa, redes e servic os distribu dos, sistemas operacionais, compiladores, processamento de imagens, reconhecimento de padr oes, e processamento de linguagens naturais. A teoria da probabilidade e tamb em a fundac a o da teoria da informac a o (incluindo o
14
SUMARIO
conceito de bit!) e portanto para a an alise de sistemas de comunicac a o, digitais ou n ao. Al em disso, a teoria da probabilidade e parte da evoluc a o da l ogica matem atica, o passo seguinte ap os o desenvolvimento do c alculo de predicados.
16
projetos. Por exemplo, a receita da gura 1.1 supostamente constr oi um pent agono com todos os lados e a ngulos iguais.
o de um pent Figura 1.1: Construc a agono regular. Como podemos ter certeza de que essa construc a o realmente faz isso? Podemos efetu a-la numa folha de papel e medir os a ngulos; mas tanto os passos da construc a o quanto a medida nal tem sempre pequenos erros, e portanto esse teste n ao vai dizer se a construc a o e matematicamente correta ou apenas aproximada. Se as diferenc as entre os a ngulos s ao desprez veis no papel, ser a que ser ao desprez veis quando esse algoritmo for usado na construc a o de um anteatro? O primeiro a descrever um sistema l ogico completo para a geometria da e poca foi o ge ometra grego Euclides (que viveu por volta do s eculo III antes de Cristo), no seu livro Elementos de Geometria [9]. Euclides comec ou enumerando dez axiomas sobre conceitos geom etricos (pontos, retas, c rculos, dist ancias, a ngulos), como por exemplo Por dois pontos distintos do plano passa uma u nica reta. Qualquer segmento de reta pode ser prolongado indenidamente nos dois sentidos. poss E vel contruir um c rculo com quaisquer centro e raio dados. Todos os a ngulos retos s ao iguais. Em seguida Euclides mostrou centenas de outras armac o es (teoremas) que decorrem desses axiomas, como por exemplo Se um tri angulo tem os tr es lados iguais, ele tem os tr es a ngulos iguais. Duas retas que s ao perpendiculares a uma terceira s ao paralelas entre si. Num tri angulo ret angulo, o quadrado do maior lado e a soma dos quadrados dos outros dois lados.
1.4. ALGEBRA
17
Muitos desses teoremas s ao armac o es de que certas construc o es geom etricas, como a da gura 1.1, produzem o resultado desejado. Principalmente, para cada teorema, ele tamb em escreveu uma prova ou demonstra ca o uma sequ encia de passos l ogicos que, comec ando com os axiomas e teoremas j a provados, convence qualquer leitor de que o novo teorema e verdadeiro.
1.4 Algebra
A l ogica de Euclides e outros l osofos gregos foi extensamente usada por mais de dois mil anos. Entretanto, por muitos s eculos o h abito de provar as armac o es foi limitado apenas a ` geometria. Embora os gregos conhecessem muitas propriedades de n umeros (por exemplo, os conceitos de divisor comum e n umero primo), para demonstrar tais propriedades eles geralmente convertiam os n umeros em comprimentos de retas, e usavam a linguagem da geometria. Esse e o caso, por exemplo, do algoritmo de Euclides para calcular o m aximo divisor comum de dois n umeros que e considerado por muitos o mais antigo algoritmo n ao trivial. Na descric a o original de Euclides, o problema e dividir dois segmentos de reta dados em partes iguais e de maior tamanho poss vel. Na id ade m edia, entretanto, o matem atico a rabe Al-Khowarizmi inventou a a lgebra, outra maneira de provar armac o es sobre n umeros e convencer pessoas de que uma dada sequ encia de operac o es aritm eticas alcanc a o resultado desejado. Na a lgebra, os n umeros s ao representados abstratamente por letras, e as operac o es ou armac o es sobre esses n umeros s ao indicadas com s mbolos como + ou >. A a lgebra tamb em fornece algumas f ormulas, como A + B = B + A e A (B + C ) = (A B) + (A C ), que representam armac o es que s ao sempre verdadeiras, quaiquer que sejam os n umeros que vierem a substituir as vari aveis. A a lgebra tamb em fornece certas regras fundamentais que permitem transformar uma f ormula em outra f ormula equivalente, ou combinar f ormulas corretas para produzir novas f ormulas corretas. Por exemplo, se sabemos que A > B e B > C podemos concluir com certeza que A > C .
18
giram disciplinas matem aticas espec cas para raciocinar precisamente com programas e estruturas de dados, incluindo an alise de algoritmos, teoria da computabilidade e complexidade de fun co es, criptograa digital, e muitas outras.
2. A = x : x Z, 2 x 20 e x e primo .
19
20
3. A = x : x R e x2 2 x = 0 .
Existem alguns conjuntos de n umeros que s ao muito usados em matem atica, e tem notac o es convencionais bem estabelecidas: o conjunto dos n umeros inteiros Z, o conjunto dos n umeros naturais N = { x : x Z e x 0 }, o conjunto dos n umeros racionais Q = o conjunto dos n umeros reais R.
a b
: a, b Z e b
0 ,e
21
2.5 Cardinalidade
Informalmente, dizemos que um conjunto A e nito se ele tem um n umero nito n N de elementos. Este n umero e a cardinalidade de A, denotada por |A| ou # A. Observe que |A| = 0 se e somente se A = . Dizemos que um conjunto e innito se ele n ao e nito. Os conjuntos N, Z, Q, e R s ao innitos. Conjuntos innitos n ao podem ter seus elementos listados explicitamente. Informalmente, e comum usar . . . nesses casos, por exemplo N = {0, 1, 2, . . .} Z = {. . . , 3, 2, 1, 0, +1, +2, +3, . . .} Entretanto, esta notac a o deve ser evitada pois pode ser amb gua. Por exemplo, o que e o conjunto {2, 3, 5, 7, . . .}?
22
A intersec ca o de A e B, denotada por A B, e o conjunto de todos os elementos que est ao em ambos os conjuntos, A e B.
Exemplo 2.2: Se A = {1, 2, 3} e B = {2, 3, 4, 5} ent ao A B = {2, 3}.
23
AB
AB
A\B
B\A
Figura 2.1: Operac o es com conjuntos. Esta representac a o gr aca para conjuntos e chamada de diagrama de Venn, por ter sido introduzida pelo matem atico ingl es John Venn (18341923).
AB
Ac
Propriedades da associatividade A ( B C ) = ( A B) C . A ( B C ) = ( A B) C .
Propriedades da distributividade A (B C ) = (A B) (A C ).
Leis de De Morgan B . AB=A B . AB=A Estas leis levam o nome do matem atico ingl es Augustus de Morgan (18061871), mas eram conhecidas desde a antiguidade. Propriedades do complemento = A. A = U. AA = . AA = . U
= U.
25
Observe que se A = ent ao P(A) = {}, e se A = {} ent ao P(A) = {, {}}. | A| Se A e um conjunto nito, ent ao |P(A)| = 2 . Este fato ser a demonstrado no cap tulo 5. Por esta raz ao, muitos autores denotam o conjunto pot encia de A por 2A .
o 2.9 Partic a
Seja A um conjunto, e P um conjunto cujos elementos s ao sub-conjuntos de A (isto e , P P(A)). Dizemos que P e uma parti ca o de A se os elementos de P s ao n ao vazios, disjuntos dois a dois, e a uni ao de todos os elementos de P e A. Nesse caso, cada elemento de P e tamb em chamado de uma parte ou bloco da partic a o.
Exemplo 2.4: Se A = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} , o conjunto P = {{1, 2, 5, 6, 7} , {3} , {4, 8, 10} , {9}} e uma partic a o de A.
Observe que, para qualquer conjunto A, o conjunto {A} e sempre uma partic a o de A. Al em disso, se B e qualquer subconjunto pr oprio e n ao vazio de A ( B A), ent ao o conjunto { B, A \ B} tamb em e uma partic a o de A. O conjunto vazio tem apenas uma partic a o, que e o proprio conjunto vazio (sem nenhuma parte).
26
2. (, 2) [1, 0]. 4. [0, 10] [1, 11]. 6. [3, 0] (0, 3]. 7. (0, 5]. Exerc cio 2.7: Diagramas de Venn podem ser usados para tr es ou mais conjuntos. Um diagrama de Venn para tr es conjuntos A, B e C , por exemplo, precisa dividir o plano em 8 regi oes, correspondendo a todas as poss veis relac o es (pertence ou n ao pertence) entre um elemento e esses tr es conjuntos. Desenhe tal diagrama e use-o para mostrar as seguintes f ormulas: 1. A B C . 3. (, 2) [1, 3].
5. (0, ) (, 1).
2. A B C . 3. (A B) C . 4. (A B) ( B C ) (C A).
Exerc cio 2.8: Use diagramas de Venn para vericar as seguintes identidades: 1. A (A B) = A B. 2. A ( B C ) = (A B) (A C ). 4. A ( B C ) = (A B) (C A). Exerc cio 2.9: Sejam A, B e C tr es conjuntos nitos quaiquer. Encontre uma f ormula matem atica para |A B C | em func a o de |A|, | B|, |C |, | A B|, |A C |, | B C | e | A B C |. 3. (A B) C = (A C ) ( B C ).
28
29
Exemplo 3.1: A frase Jos e compra tijolos e vende casas e uma conjunc a o de duas proposic o es at omicas, (Jos e compra tijolos) (Jos e vende casas).
Note que a palavra e em portugu es tem v arios sentidos, e nem todos correspondem a conjunc a o l ogica. Por exemplo a frase Maria gosta de arroz e feij ao n ao signica Maria gosta de arroz e Maria gosta de feij ao (uma conjunc a o de duas proposic o es), mas sim Maria gosta de arroz misturado com feij ao (uma proposic a o at omica).
Exemplo 3.2: A frase O cliente tem celular ou laptop e uma disjunc a o de duas proposic o es at omicas, (O cliente tem celular) (O cliente tem laptop).
Este conectivo e tamb em chamado de ou inclusivo, pois permite que as duas frases sejam verdadeiras. A frase do exemplo acima e verdadeira se o cliente tem apenas celular, apenas laptop, ou celular e laptop.
30 p p V F F V
Em portugu es, a negac a o pode ser expressa de v arias formas, por exemplo acrescentando a palavra n ao antes do verbo ou dizendo que n ao e verdade que . . . .
Exemplo 3.3: A frase A casa e de qualquer cor menos branca. e uma negac a o, (A casa e branca). Exerc cio 3.1: Uma proposic a o composta e vi avel ou poss vel se existe uma atribuic a o de valores verdades para as vari aveis da proposic a o que a torna verdadeira. Verique quais das proposic o es abaixo s ao vi aveis. a) ( p q r) ( p q s) ( p r s) ( p q s) ( p q s). b) ( p q r) ( p q s) ( p q s) ( p r s) ( p q r) ( p r s). c) ( p q r) ( p q s) (q r s) ( p r s) ( p q s) ( p q r) ( p q s) ( p r s).
Note que em l ogica, este conectivo n ao pressup oe uma relac a o causal entre p e q. Por exemplo a sentenc a se 2 e par ent ao Bras lia e a capital do Brasil e verdadeira apesar de n ao haver nenhuma relac a o conhecida entre os dois fatos. Uma outra notac a o usada para este operador e p q.
Exemplo 3.4: A frase se Jos e foi para casa, ele perdeu a reuni ao cont em uma implicac a o: (Jos e foi para casa) (Jos e perdeu a reuni ao).
A implicac a o e um dos mais importantes conectivos da l ogica e da matem atica. Muitos teoremas em matem atica est ao na forma de implicac o es: se determinada armac a o p (a hip otese, premissa, ou antecedente) e verdadeira, ent ao outra armac a o q (a tese, conclus ao ou consequ encia) tamb em e verdadeira. Em portugu es, a implicac a o pode ser expressa de muitas outras formas: se p ent ao q. quando p, temos q.
31
Em matem atica, as seguintes express oes tamb em s ao muito usadas para indicar a implicac a o p q: pe condic a o suciente para q. p somente se q. Uma condic a o suciente para q e p. pe uma condic a o mais forte que q. Dizemos que a implicac a o q p e a rec proca de p q. Observe que que h a casos em que pqe verdadeira, mas sua reciproca q p e falsa; e vice-versa (vide exerc cio 3.4). A proposic a o ( p) (q) e chamada de inversa de p q. Observe que h a casos em que pqe verdadeira, mas sua inversa e falsa; e vice-versa (vide exerc cio 3.5). Dizemos tamb em que proposic a o (q) ( p) e a contrapositiva de p q. Pode-se vericar que contrapositiva tem sempre o mesmo valor l ogico que a proposic a o p q, quaisquer que sejam os valores l ogicos de p e de q (vide exerc cio 3.6). Em vista deste resultado, a implicac a o p q e frequentemente enunciada na forma contrapositiva: se n ao q, ent ao n ao p. se q n ao vale, ent ao p n ao vale. quando q e falsa, p tamb em e falsa. n ao q implica n ao p. n ao p se n ao q. pe falsa sempre que q e falsa. qe mais fraco que p. qe condic a o necess aria para p. Uma condic a o necess aria para p e q.
Exerc cio 3.2: Encontre:
32
a) A contrapositiva de p q. b) A rec proca de q p. c) A inversa da rec proca de q p. d) A negac a o de p q. e) A rec proca de p q.
Exemplo 3.5: A frase a encomenda ser a enviada se, e somente se, o cheque tiver fundo arma uma equival encia l ogica: [a encomenda ser a enviada] [o cheque tem fundo].
Outros s mbolos usados para este operador s ao p q, p q, e p = q. O conectivo l ogico se e somente se tamb em e muito usado em matem atica, e pode ser expresso de v arias outras maneiras; como, por exemplo: pe condic a o necess aria e suciente para q. as condic o es p e q s ao equivalentes. se p ent ao q, e se q ent ao p. p implica q, e vice-versa. Alguns autores usam a abreviac a o p sse q (com dois s) para signicar p se e somente se q.
33
importante observar que, em portugu E es, o conectivo ou pode signicar tanto a disjunc a o inclusiva () quanto a disjunc a o exclusiva (). Por exemplo, na frase o original foi enviado pelo correio, ou [o original foi enviado] pelo malote, entende-se que o ou e exclusivo, pois o original n ao pode ter sido enviado pelos dois meios. Por outro lado, na frase a bateria est a descarregada ou o tanque est a vazio o ou deve ser entendido como inclusivo, pois nada impede que as duas condic o es sejam verdadeiras. A interpretac a o correta geralmente depende do contexto, e em alguns casos pode ser imposs vel determinar qual dos dois sentidos e o que o autor da frase pretendia.
34
tradicional considerar como tendo menos prioridade que . (Em parte, isso se deve ao uso E de + para denotar em certas a reas da matem atica.) Por outro lado, n ao h a uma tradic a o forte para interpretar combinac o es de com , como p q r. Alguns autores usam a convenc a o de que f ormulas com dois ou mais operadores n ao associativos de mesma prioridade, como p q r, devem ser avaliadas da esquerda para a direita; ou seja ( p q) r. Note que esta convenc a o tamb em e usada em a lgebra: a f ormula x y z deve ser entendida como ( x y) z, e n ao como x (y z). A mesma regra poderia ser usada para interpretar p q r. Mas, por via das d uvidas, e aconselh avel usar par enteses nesses casos. O mesmo vale para em relac a o a , como p q r. Para evitar equ vocos, e aconselh avel sempre usar par enteses. O conectivo tamb em e associativo portanto as f ormulas ( p q) r e p (q r) s ao equivalentes, e portanto p q r n ao e amb gua. Por em muitos autores tem o h abito de usar a notac a o p q r para signicar ( p q) (q r), ou seja, que as tr es proposic o es p, q, e r tem o mesmo valor l ogico. Entretanto, esta armac a o n ao equivale nem a ( p q) r, nem a p (q r). O leitor precisa tomar cuidado para n ao se confundir com esse abuso de notac a o.
35
Exerc cio 3.12: Construa a tabela-verdade de cada uma das proposic o es: a) ( p q) ( p q). b) ( p q) (q p). c) (q p) ( p q). d) ( p q) ( p q). e) ( p q) ( p q).
36
Podemos concluir ent ao que a proposic a o p ( p) e uma tautologia. Observe que a veracidade de uma tautologia e uma propriedade de sua forma, e e independente dos signicados de suas proposic o es simples. A tautologia mais simples e V. Uma contradi ca o e uma proposic a o composta que e sempre falsa, quaisquer que sejam os valores l ogicos das suas proposic o es at omicas. Portanto, uma proposic a o composta e uma contradic a o se, e somente se, sua tabela-verdade cont em somente F na sua coluna nal. E f acil ver que a proposic a o p ( p) e uma contradic a o. Em particular, a negac a o de uma tautologia e sempre uma contradic a o, e a negac a o de uma contradic a o e uma tautologia. A contradic a o mais simples e F.
Exerc cio 3.13: Construa as tabelas-verdade das proposic o es abaixo, e determine se elas s ao tautologias, contradic o es, ou nem uma nem outra. a) ( p q) (q p). b) p p. c) p p. d) ( p p) p. e) ( p p) q. f) ( p q) ( p q). g) (( p q) (q p)).
37
Este resultado e conhecido como lei da nega ca o dupla. Como outro exemplo, podemos vericar que a proposic a o p q e equivalente a ( p q) (q p); ou seja, que ( p q) (( p q) (q p)) e uma tautologia: p V V F F q V F V F pq V F F V pq qp V V F V V F V V ( p q) (q p) V F F V ( p q) (( p q) (q p)) V V V V
Assim como a propriedade de ser tautologia ou de ser contradic a o, a equival encia l ogica de duas proposic o es depende apenas da sua forma, e n ao depende do signicado das proposic o es at omicas que ocorrem nela. Assim, por exemplo, a proposic a o p q pode ser verdadeira, dependendo das proposic o es p e q; mas nem por isso p e logicamente equivalente a q. Podemos dizer, portanto, que uma tautologia e uma proposic a o logicamente equivalente a V; e uma contradic a o e uma proposic a o logicamente equivalente a F.
38 p V equivale a p p F equivale a p p p equivale a p Leis de domina ca o: p F equivale a F p V equivale a V Leis da idempot encia: p p equivale a p
p q equivale a q p
( p q) r equivale a p (q r)
( p q) r equivale a p (q r)
p (q r) equivale a ( p q) ( p r) Leis de De Morgan: ( p q) equivale a p q Leis da implica ca o ( p q) equivale a ( p q) Lei da contrapositiva: ( p q) equivale a (q) ( p) ( p q) equivale a ( p q) ( p q) equivale a p q
39
b) (( p q) r) e logicamente equivalente a ( p (q r)). d) p (q r) e logicamente equivalente a ( p q) ( p r). e) ( p q) r e logicamente equivalente a ( p r) (q r). Exerc cio 3.17: Use a tabela-verdade para provar as leis de absor ca o: a) ( p ( p q)) e logicamente equivalente a p. c) (( p q) r) e logicamente equivalente a ( p (q r)).
b) p q.
d) q p. e) p q.
c) ( q).
h) p q. Exerc cio 3.19: Encontre uma f ormula usando apenas os conectivos e que seja logicamente equivalente a (r p) (q r). Justique sua resposta com a tabela-verdade. Exerc cio 3.20: Encontre uma f ormula usando apenas os conectivos e que seja logicamente equivalente a p q. Justique sua resposta com a tabela-verdade. Exerc cio 3.21: Encontre uma uma proposic a o usando os conectivos e que seja logicamente equivalente a p q. Justique sua resposta com a tabela-verdade. Exerc cio 3.22: Use as leis de equival encia l ogica vistas acima para encontrar f ormulas mais simples que sejam logicamente equivalentes a ` s seguintes proposic o es: a) ( p q) ( p r).
g) p q.
f) ( p q).
b) ( p q) ( p r).
c) ( p r) (r ( p q).
40
41
Observe que, em todos os casos onde a f ormula p q e verdadeira, a armac a o p q tem o mesmo valor l ogico de que p q. Portanto, supondo que p q e verdade, podemos dizer que as duas outras proposic o es s ao logicamente equivalentes. Em geral, podemos dizer que duas proposic o es compostas s ao equivalentes se tiverem o mesmo valor l ogico para todas as combinac o es de valores de suas proposic o es simples que forem permitidas pelos fatos conhecidos sobre as mesmas.
42
Para a segunda linha, precisamos de uma f ormula que seja V apenas quando p = F e q = V. Para isso podemos usar a f ormula ( p) q. Para a terceira linha, a f ormula e p (q). A proposic a o desejada e ent ao (( p) q) ( p (q)) A f ormula obtida desta maneira uma disjunc a o de conjunc o es, cujos termos s ao vari aveis ou suas negac o es e chamada de forma normal disjuntiva. A construc a o acima nos permite concluir que toda proposic a o composta tem uma forma normal disjuntiva que lhe e logicamente equivalente. Outra maneira de construir uma proposic a o a partir de sua tabela-verdade e considerar cada linha em que o resultado desejado e F, e escrever uma f ormula que e falsa apenas para essa combinac a o de vari aveis. Esta f ormula pode ser uma disjunc a o das vari aveis e suas negac o es. A conjunc a o dessas f ormulas e a proposic a o desejada. A partir da tabela acima, por exemplo, obter amos ( p q) (( p) (q)) A f ormula assim obtida e chamada de forma normal conjuntiva.
Exerc cio 3.25: Considere a tabela-verdade abaixo: p F F F F V V V V q F F V V F F V V r F V F V F V F V s F V V F V F F F
1. Construa uma proposic a o composta na forma normal disjuntiva com essa tabela-verdade. 2. Idem, na forma normal conjuntiva.
43
Em geral, o valor l ogico de uma proposic a o aberta depende dos valores das vari aveis que nela ocorrem. Por exemplo, a frase x e maior que y e verdadeira se os valores de x e y forem 7 e 4, mas e falsa se os valores forem 10 e 21. Para certos valores, a frase pode at e mesmo n ao fazer sentido: por exemplo, x e maior que y n ao faz sentido se x e y forem n umeros complexos, ou se x for uma matriz e y for um n umero real. Com esta ressalva, sempre que substitu mos as vari aveis de uma proposic a o aberta por valores aceit aveis, obtemos uma proposi ca o fechada, que n ao depende de nenhuma vari avel e que portanto pode ser tratada como uma proposic a o at omica do c alculo proposicional. No restante deste cap tulo, usaremos letras min usculas x, y, z para denotar vari aveis. Usaremos tamb em letras mai usculas P, Q, R, . . . , seguidas por uma lista de vari aveis distintas entre par enteses, para denotar proposic o es abertas que dependem dessas vari aveis. Por exemplo, a notac a o P( x) pode representar a frase x e um n umero primo, e Q( x, y) pode representar y e maior que x. Os s mbolos P, Q, R, . . . s ao chamados de predicados, e podem ser entendidos como func o es que, dados valores das vari aveis, assumem um valor l ogico (F ou V). Como na a lgebra, depois de denido um predicado P( x1 , x2 , . . . , xn ), usaremos a notac a o P(v1 , v2 , . . . , vn ) para indicar a substituic a o da vari avel x1 pelo valor v1 , x2 pelo valor v2 , etc.. Por exemplo, se Q( x, y) foi denido como a proposic a o aberta y e maior que x, ent ao Q(3, z + 1) representa a armac a o z + 1 e maior que 3. Assim como na a lgebra, sup oe-se que todas as ocorr encias da mesma vari avel na proposic a o s ao substitu das pelo mesmo valor.
45
Por outro lado, se P( x) representa a frase x e um n umero primo, ent ao a frase ( x N) P( x) e falsa; pois, embora as armac o es P(3) e P(17) sejam verdadeiras, a armac a o P(6) (por exemplo) e falsa. Em geral, se o dom nio D e um conjunto nito, com elementos v1 , v2 , , vn , ent ao a frase ( x D) P( x) e equivalente a P(v1 ) P(v2 ) P(vn ).
Exerc cio 3.33: Sejam N o conjunto dos n umeros naturais, e suponha que P( x) signica x e par , Q( x) signica x e divis vel por 3 e R( x) signica x e divis vel por 4. Escreva em linguagem natural (portugu es) cada uma das proposic o es a seguir, e determine seu valor-verdade: a) ( x N) P( x). b) ( x N) P( x) Q( x). c) ( x N) P( x) Q( x). d) ( x N) P( x) R( x). e) ( x N) P( x) R( x). f) ( x N) R( x) P( x). g) ( x N) P( x) Q( x). h) ( x N) P( x) P( x + 2). i) ( x N) R( x) R( x + 4). j) ( x N) Q( x) Q( x + 1).
46
b) ( x N) P( x) Q( x).
d) ( x N) Q( x) Q( x + 1). e) ( x N) P( x) Q( x + 1). Exerc cio 3.35: Sejam N o conjunto dos n umeros naturais, P( x, y) e x + 2 > y. Escreva as proposic o es listadas abaixo em linguagem natural (portugu es) e atribua o valor-verdade correspondente a cada uma delas: a) ( x N)(y N) P( x, y). c) (y N)(y N) P( x, y).
c) ( x N) P( x) Q( x).
b) ( x N)(y N) P( x, y).
47
( x D) (P( x) Q( x)) equivale a (( x D) P( x)) (( x D) Q( x)). ( x D) (P( x) Q( x)) equivale a (( x D) P( x)) (( x D) Q( x)).
49
Uma maneira de vericar se uma f ormula com quanticadores representa corretamente uma armac a o em linguagem natural e trocar os quanticadores por meio das regras de negac a o, traduzir o resultado novamente para a linguagem natural, e conferir se o sentido e o mesmo que o original. Por exemplo, suponha que representemos a frase nenhum gorila e bonito por ( x F ) B( x), onde F e o conjunto de gorilas, e B( x) signica x e bonito. Pelas regras de negac a o, esta frase e equivalente a ( x F ) B( x), ou seja, todos os gorilas s ao feios. preciso tomar cuidado com certas frases em l E ngua natural cujo sentido e amb guo. Por exemplo, em elemento x de D satisfaz P( x) pode signicar tanto ( x D) P( x) quanto ( x D) P( x).
Exerc cio 3.36: Escreva as armac o es abaixo na forma simb olica, denindo os predicados e os dom nios dos quanticadores. a) Todo tri angulo equil atero e equi angulo. b) Todos os estudantes gostam de f sica. c) Alguns estudantes n ao gostam de f sica. d) Cada pessoa tem uma m ae. e) Pelo menos uma das letras da palavra banana e uma vogal. f) Entre todos os inteiros exitem alguns que s ao primos. g) Um dia do pr oximo m es e domingo. h) Alguns inteiros s ao pares e divis veis por 3. i) Alguns inteiros s ao pares ou divis veis por 3. h) Toda soluc a o de x2 14 = 0 e positiva. j) x2 14 = 0 tem uma soluc a o positiva.
m) Todo estudante de direito tem um celular. n) Ningu em e perfeito. o) Algu em e perfeito. p) Todos os nossos amigos s ao perfeitos. q) Algum de nossos amigos e perfeito. r) Todos s ao nossos amigos e s ao perfeitos. s) Ningu em e nosso amigo ou algu em n ao e perfeito. t) Apenas um de nossos amigos e perfeito. Exerc cio 3.37: Expresse, em portugu es, a negac a o de cada uma das proposic o es do exerc cio 3.36. Exerc cio 3.38: Expresse a negac a o de cada uma das proposic o es do exerc cio 3.34 em forma simb olica e em linguagem natural (portugu es).
50
51
A ordem dos quanticadores pode ser muito importante. Por exemplo, a f ormula ( x Z)(y Z) x + y = 2 x signica para todo inteiro x, existe um inteiro y (que pode ser diferente para cada x!) tal que x + y = 2 x. Esta armac a o e verdadeira, pois, para cada x, basta tomar y = x para satisfazer a condic a o. Por outro lado, a f ormula (y Z)( x Z) x + y = 2 x signca existe um inteiro y tal que, para todo inteiro x (e esse mesmo y!), x + y = 2 x. Esta frase e falsa, pois, como x + y = 2x e o mesmo que y = x, ela equivale a dizer que existe um inteiro y que e igual a todos os inteiros. De modo geral, sempre podemos trocar a ordem de dois quanticadores do mesmo tipo (ambos , ou ambos ). Ou seja, para quaiquer vari aveis, dom nios e predicados, A f ormula ( x D)(y E ) P( x, y) e logicamente equivalente a (y E )( x D) P( x, y) A f ormula ( x D)(y E ) P( x, y) e logicamente equivalente a (y E )( x D) P( x, y) Quando um quanticador sobre uma vari avel e aplicado a uma proposic a o aberta que depende dessa vari avel, dizemos que cada ocorr encia dessa vari avel na proposic a o est a amarrada ao quanticador. Todas as demais vari aveis que ocorrem na proposic a o continuam livres. Por exemplo, na f ormula ( x R) x2 + x y > z/( x + y), as tr es ocorr encias de x em x2 + x y > z/( x + y) est ao amarradas, enquanto que as duas ocorr encias de y e a ocorr encia de z est ao livres. Enquanto houver vari aveis livres, a f ormula continua sendo uma proposic a o aberta. A f ormula s oe uma proposic a o fechada quando todas as vari aveis estiverem amarradas. Por inu encia da linguagem natural, alguns autores a ` s vezes escrevem o s mbolo quanticador (especialmente ) depois da f ormula l ogica quanticada, como por exemplo em P( x), x D. Entretanto, este estilo deve ser evitado, pois pode gerar ambiguidade especialmente quando h a v arios quanticadores envolvidos. Considere, por exemplo ( x Z) x + y = 0, y Z.
Exerc cio 3.40: Sejam N o conjunto dos n umeros naturais, P( x, y) e x + 2 > y. Escreva as proposic o es listadas abaixo em linguagem natural (portugu es) e atribua o valor-verdade correspondente a cada uma delas: a) ( x N)(y N) P( x, y). b) ( x N)(y N) P( x, y). c) (y N)( x N) P( x, y). Exerc cio 3.41: Determine o valor verdade de cada uma das proposic o es:
52
a) (n N)(m N) (n2 < m). c) (n N)(m N) (nm = m). e) (n N)(m N) (n m = m).
b) (n N)(m N) (n < m2 ).
g) (n N)(m N) (n2 + m2 = 25). h) (n N)(m N) (n + m = 4 n m = 1). i) (n N)(m N) (n + m = 4 n m = 2). j) (n N)(m N)( p N) ( p = (n + m)/2). l) ( x R)(y R) ( x = y2 ).
k) ( x R)(y R) ( x2 = y).
0 ( x y = 1)).
q) ( x R)(y R) ( x + y = 1).
s) ( x R)(y R) ( x + y = 2 2 x y = 1).
Exerc cio 3.42: Encontre a negac a o e o valor-verdade de cada uma das proposic o es do exerc cio 3.41.
53
Para evitar a quanticac a o sobre dom nios, alguns autores sup oem que existe um conjunto universal U cujos elementos s ao todos os elementos de todos os conjuntos que podem vir a ser usados em quanticadores. Nesse caso, podemos usar as equival encias l ogicas da sec a o 3.6.9 para trocar qualquer dom nio D pelo dom nio universal U : ( x D) P( x) equivale a ( x U ) ( x D) P( x). ( x D) P( x) equivale a ( x U ) ( x D) P( x). Com estas transformac o es, todos os quanticadores passam a ter o mesmo dom nio U , que pode ser ent ao omitido. Isto e , em vez de ( x D) P( x), pode-se escrever ( x) ( x D) P( x). em vez de ( x D) P( x), pode-se escrever ( x) ( x D) P( x). Entretanto, uma vez que conjuntos podem ser elementos de outros conjuntos, todos os conjuntos inclusive o pr oprio conjunto universal U deveriam ser elementos de U . Mas permitir que um conjunto seja elemento de si mesmo pode levar a f ormulas que n ao fazem sentido (n ao s ao nem verdadeiras nem falsas), como seja X o conjunto de todos os elementos que n ao pertencem a X . Por essa raz ao, muitos l ogicos evitam o conceito de conjunto universal, e usam dom nios expl citos em todos os quanticadores.
54
es 4.1.1 Denic o
Uma demonstrac a o tamb em pode usar deni co es que tenham sido feitas previamente. Uma denic a o precisa ser completa, isto e , deve especicar todas as propriedades que identicam exatamente o conceito denido. Deve ser tamb em precisa, de modo que o leitor n ao tenha d uvidas sobre seu signicado. Por convenc a o, o termo denido e enfatizado por ocasi ao de sua denic a o. Por exemplo: o 4.1: Um inteiro n e Denic a um m ultiplo de um inteiro p se, e somente se, existe um inteiro q tal que n = pq. Observe que esta denic a o n ao deixa d uvidas: para quaisquer inteiros n e p, ela permite ao leitor decidir se n e ou n ao m ultiplo de p. Por outro lado, ela s o vale no dom nio dos inteiros. O n umero e um m ultiplo de 17? Esta denic a o n ao diz nem que sim, nem que n ao. Enquanto o conceito de m ultiplo n ao for denido para n umeros reais, essa frase n ao tem sentido: ela n ao e nem verdadeira nem falsa, e portanto n ao e uma proposic a o l ogica. Observe tamb em que, na armac a o que dene o conceito, as vari aveis n e p s ao livres, enquanto que q est a amarrada no quanticador existe. Formalmente, podemos entender esta declarac a o como a denic a o de um predicado P ( e multiplo de) com dois par ametros (n e p). 55
56
Esta denic a o pode ser usada em demonstrac o es como se fosse um axioma, ou seja ela nos autoriza a supor que a armac a o (n, p Z) (n e um m ultiplo de p) ((q Z) n = pq) e verdadeira. Uma vez que um conceito foi denido, ele pode ser usado em outras denic o es: o 4.2: Um inteiro p divide um inteiro n ( Denic a e um divisor de n) se, e somente se, n e m ultiplo de p. Observe o uso do conectivo l ogico se e somente se () nestas denic o es. Este conectivo permite ao leitor decidir se uma entidade qualquer do dom nio se enquadra ou n ao na denic a o. Entretanto, em textos matem aticos e t ecnicos e comum encontrar denic o es que usam apenas a palavra se quando o autor na verdade quer dizer se e somente se. Por exemplo: o 4.3: Um inteiro n e Denic a par se ele e m ultiplo de 2. Esta denic a o deve ser entendida como um inteiro n e par se, e somente se, n e m ultiplo de 2. Eis outro exemplo: o 4.4: Se um inteiro n Denic a ao e par, dizemos que ele e mpar. H a outros formatos de denic a o que n ao usam nem se nem se e somente se. Por exemplo: o 4.5: Um n Denic a umero primo e um n umero inteiro maior que 1, que n ao tem nenhum divisor exceto 1 e ele mesmo.
4.1.2 Conjeturas
Uma conjetura (ou conjectura) e uma armac a o para a qual ainda n ao existe prova. Em geral, este termo e usado quando se suspeita que a armac a o seja verdadeira. Se uma conjetura e nalmente demonstrada, ela se torna um teorema. Por outro lado, se for encontrada uma demonstrac a o da negac a o da conjetura, dizemos que a mesma foi refutada. Enquanto nenhuma das duas coisas ocorre, diz-se que a conjetura continua aberta. Um exemplo famoso e a conjetura de Fermat: se n > 2, a equac a o xn + yn = zn n ao tem soluc o es inteiras positivas. Esta conjetura foi encontrada em um livro que pertenceu ao matem atico Pierre de Fermat (16011665), que escreveu na margem tenho uma linda demonstrac a o, mas ela n ao cabe nesta margem. Apesar de in umeros esforc os por matem aticos de todo o mundo, a armac a o permaneceu como conjetura por mais de 300 anos. Em 1995, nalmente, o matem atico ingl es Andrew Wiles publicou uma demonstrac a o com mais de 200 p aginas. Hoje a conjetura e conhecida como o u ltimo teorema de Fermat. Outro exemplo famoso e a conjetura das quatro cores: todo mapa pode ser pintado com no m aximo quatro cores, de modo que pa ses vizinhos tenham cores diferentes. Esta conjetura foi enunciada em 1852 por Francis Guthrie (18311899), mas somente foi provada em 1976 por Kenneth Appel e Wolfgang Haken, utilizando um computador. Em 1994 foi produzida uma prova
57
simplicada por Paul Seymour, Neil Robertson, Daniel Sanders e Robin Thomas, mas continua sendo imposs vel demonstrar o teorema sem recorrer a um computador. H a v arias conjeturas famosas que ainda est ao abertas. A conjetura de Goldbach, formulada pelo matem atico alem ao Christian Goldbach em 1742, arma que todo n umero inteiro par maior que 2 e a soma de dois n umeros primos. Testes com computadores mostram que esta armac a o 14 e verdadeira para todos os inteiros pares entre 4 e 4 10 (400 trilh oes); mas obviamente estes testes n ao constituem uma prova. O monge e matem atico franc es Marin Mersenne (15851648) investigou os n umeros Mn = n 2 1, onde n e um n umero primo. Estes n umeros, hoje, s ao chamados n umeros de Mersenne. Ele observou que os n umeros M2 = 3, M3 = 7, M5 = 31, e M7 = 127 s ao primos; mas o n umero seguinte, M11 = 2047, n ao e primo (2047 = 23 89). Depois de vericar mais alguns casos, ele conjecturou que Mn e primo para todo n em {2, 3, 5, 7, 13, 17, 19, 31, 67, 127, 257}. Por em, em 1876 Edouard Lucas (18421891) provou que M67 = 267 1 n ao era primo, e portanto a conjetura de Mersenne era falsa. Entretanto, sua prova n ao exibia os fatores de M67 , apenas provava que eles existiam. Em 1903, Frank Nelson Cole (18611926) apresentou uma palesta em uma confer encia de matem atica, com o t tulo vago On the Factorisation of Large Num67 bers. Sem dizer nada, Cole primeiro escreveu 2 1 no quadro negro, e fez os c alculos a ` m ao, obtendo o valor 147573952589676412927. Na outra metade do quadro, ele escreveu o produto 193707721 761838257287, e fez a multiplicac a o a ` m ao, obtendo o mesmo resultado. A plat eia aplaudiu de p e. Depois ele contou que levou tr es anos, trabalhando todos os domingos, para encontrar essa fatorac a o.
58
59
60 Prova:
Se 6 divide n ent ao existe um inteiro k tal que n = 6k. Ent ao, n = 2(3k), logo 2 divide n. Temos tamb em que n = 3(2k), logo 3 divide n. Portanto 2 divide n e 3 divide n. Fim. Depois de provar a parte p q, podemos supor que q tamb em e verdadeira, o que pode facilitar a prova de r. Ou seja, para provar p (q r), podemos provar p q e em seguida ( p q) r. Essa an alise pode ser estendida para tese com tr es ou mais termos, isto e , p (q1 q2 q3 qn ) e equivalente a ( p q1 ) ( p q2 ) ( p qn ).
61
62
Exerc cio 4.1: Prove que as seguintes armac o es s ao equivalentes: 1. ( x) P( x) (y) (P(y) y = x). 2. ( x)(y) P(y) y = x. 3. ( x) P( x) (y)(z) ((P(y) P(z)) y = x)
Exerc cio 4.2: Prove que, se x e y s ao n umeros reais, as seguintes armac o es s ao equivalentes: 1. x e menor que y. 2. A m edia aritm etica de x e y e maior que x. 3. A m edia aritm etica de x e y e menor que y.
Algumas vezes e poss vel demonstrar armac o es do tipo p q sem dividir as duas implicac o es. Por exemplo, em alguns casos e poss vel obter q a partir de p (ou vice-versa) atrav es de uma cadeia de equival encias l ogicas. Essa cadeia ent ao e uma prova de que p q. ) (A B = ). Teorema 4.8: Sejam A e B conjuntos. Prove que (A B Prova: e ; que e AB equivalente a ( x A) x B equivalente a ( x A) x B. Esta armac a o e equivalente a ( x)( x A) ( x B), que e equivalente a ( x), (( x A) ( x B)). Pela denic a o de intersecc a o, esta armac a o equivale a A B = . Fim.
63
Fim.
Ao usar este m etodo, deve-se tomar cuidado para usar vari aveis que n ao tenham signicado j a denido anteriormente.
Esta armac a o e verdadeira por vacuidade pois n ao existem primos pares maiores que dois. Uma maneira de provar uma armac a o da forma ( x D) P( x), para um dom nio arbitr ario D, e mostrar que ela e equivalente a outra armac a o ( x E ) Q( x), para um certo dom nio E e algum predicado Q; e ent ao mostrar que E e vazio. Por exemplo, a armac a o ( x D) A( x) B( x) equivale a ( x E ) B( x) onde E = { x D : A( x) }. Portanto, se mostrarmos que A( x) e falsa para todo x em D, a armac a o ( x D) A( x) B( x) estar a provada por vacuidade qualquer que seja o predicado B.
Exemplo 4.2: Para todo n umero inteiro x, se x2 = 5 ent ao x e par.
Esta armac a o pode ser escrita ( x D) Q( x) P( x) onde D = Z, Q( x) signica x2 = 5, e P( x) e x e par. Ela e equivalente a Para todo n umero inteiro x cujo quadrado e 5, x e par, ou seja ( x E ) P( x) onde E e o conjunto dos inteiros cujo quadrado e 5. Como E e vazio, a armac a o e verdadeira por vacuidade.
64 Prova:
Sejam x = 3, y = 4, e z = 5. Como x2 + y2 = 32 + 42 = 25 = 52 = z2 , a armac a o e verdadeira. Fim. (Tr es n umeros x, y, z que satisfazem o teorema 4.10 s ao chamados de tripla de inteiros pitag oricos ou tripla pitag orica. Essas triplas correspondem a tri angulos ret angulos cujos lados tem comprimentos inteiros.) Naturalmente, este m etodo pode ser usado como parte de uma demonstrac a o mais longa. Por exemplo: Prova: Teorema 4.11: Para todo n umero natural n, se 2n 1 e primo, ent ao n e primo.
Seja n um n umero natural. Vamos provar a contrapositiva, ou seja, que se n n ao e um n umero primo, ent ao 2n 1 n ao e primo. Se n = 0 ou n = 1, nenhum dos dois e primo, e a armac a o e trivialmente verdadeira. Suponhamos ent ao que n e maior que 1 e n ao e primo. Por denic a o, existem inteiros r e s maiores que 1 e menores que n tais que n = rs. Vamos agora mostrar que existe um inteiro x que e divisor pr oprio de 2n 1. Seja x = 2 s 1 e y = 1 + 2 s + 22s + + 2(r1)s . Ent ao xy = = = = = (2 s 1)(1 + 2 s + 22s + + 2(r1)s ) 2 s (1 + 2 s + 22s + + 2(r1)s ) (1 + 2 s + 22s + + 2(r1)s ) (2 s + 22s + + 2rs ) (1 + 2 s + 22s + + 2(r1)s ) 2rs 1 2n 1.
Uma vez que s e maior que 1 e menor que n, temos que x = 2 s 1 e maior que 21 1 = 1 e menor que 2n 1. Ou seja, x e um divisor pr oprio de 2n 1. Conclu mos portanto 2n 1 n ao e primo. Fim.
Observe na demonstrac a o acima, que a exist encia do divisor pr oprio de 2n 1 foi provada exibindo um x e provando que ele tem essa propriedade. Outro exemplo e a seguinte armac a o, conhecida como teorema do deserto de primos: Teorema 4.12: Para todo n umero inteiro positivo n, existe uma sequ encia de n n umeros inteiros consecutivos que n ao s ao primos. Prova: Seja n um inteiro positivo, e seja x = (n + 1)! + 2. Observe que 2 divide x = (n + 1)! + 2, 3 divide x + 1 = (n + 1)! + 3, ... n + 1 divide x + (n 1) = (n + 1)! + n + 1. (4.1) (4.2) (4.3) (4.4)
65
Fim.
Observe que esta demonstrac a o prova a o, 2 valores de x e y que satisfazem a condic que existem a o construtiva, mas deixa em suspenso o valor x ( 2 ou ( 2) ). Para tornar esta demonstrac de ter amos que determinar se ( 2) 2 e racional ou n ao; mas este e um problema muito dif cil. Outro exemplo cl assico de demonstrac a o n ao construtiva de exist encia e o seguinte teorema, atribu do a Euclides (360 AC 295 AC). Teorema 4.14: Existem innitos n umeros primos. Prova: Vamos usar o m etodo da demonstrac a o por absurdo. Suponhamos que existem nitos n umeros primos, a saber 2, 3, 5, . . . , p. Seja n o inteiro (2 3 5 p) + 1. Como n e maior que 1, ele tem algum fator primo r. Observe que n n ao e divis vel por 2, 3, 5, . . . , p, pois tem resto 1 quando dividido por qualquer desses n umeros. Portanto, r, que e divisor de n, n ao pode ser nenhum dos primos listados acima. Isso contradiz a suposic a o de que essa lista cont em todos os primos. Fim.
66
Vamos primeiro mostrar que existe pelo menos um x em C tal que zx = 1. Como z e diferente de zero, pelo menos um dos n umeros a e b e diferente de zero. Isso implica que 2 2 2 2 a +b e positivo. Seja ent ao x = (a bi)/(a + b ). Temos que zx = = = = (a + bi)((a bi)/(a2 + b2 )) (a2 abi + abi b2 i2 )/(a2 + b2 ) (a2 + b2 )/(a2 + b2 ) 1.
Suponha agora que y e um n umero complexo qualquer tal que zy = 1; vamos mostrar que ele e igual a x. Multiplicando os dois lados da equac a o zy = 1 por x temos (zy) x = x. Como a multiplicac a o de n umeros complexos e associativa e comutativa, esta armac a o equivale a (zx)y = x. Como zx = 1, conclu mos que y = x. Fim.
Exerc cio 4.3: Prove (por meio de contra-exemplos) que as seguintes conjeturas s ao falsas: a) Todo inteiro positivo e soma dos quadrados de tr es inteiros.
4.7. EXERCICIOS
b) Se n e um n umero inteiro e 4n e par, ent ao n e par. c) O produto de dois n umeros irracionais e um n umero irracional. Exerc cio 4.4: Em cada caso abaixo, prove (por meio de contra-exemplo) que as duas proposic o es n ao s ao equivalentes: a) ( x D) P( x) Q( x) b) ( x D) P( x) Q( x) e e (( x D) P( x)) ( x D) Q( x)). (( x D) P( x)) ( x D) Q( x)).
67
Se B e C s ao disjuntos, A C e x A, ent ao x
Exerc cio 4.13: N ao existem soluc o es inteiras x e y para a equac a o x2 + 3y2 = 8. Exerc cio 4.14: Existem 100 inteiros consecutivos que n ao s ao quadrados perfeitos. Exerc cio 4.15: Seja um n umero inteiro p da forma 4k + 3, k 0. Ent ao n ao existem inteiros x, y tais que p = x2 + y2 .
68
Exerc cio 4.22: Se r e um n umero irracional, ent ao existe um u nico inteiro n tal que a dist ancia entre r e n e menor do que 1/2. Exerc cio 4.23: Se r e um n umero irracional, ent ao
1 r
e irracional.
Exerc cio 4.24: Se x e y s ao n umeros reais, ent ao max( x, y) + min( x, y) = x + y Exerc cio 4.25: Se m e n s ao inteiros mpares e m |m r| = |n r| n, ent ao existe um u nico inteiro r tal que
Exerc cio 4.26: Existem dois inteiros consecutivos, tal que um e um quadrado perfeito e o outro e um cubo perfeito.
70 1. P(0) e verdade, e
2. Sempre que P(k) e verdade, para algum k N, temos que P(k + 1) e verdade. Ent ao P(n) e verdade para todo n N. Este princ pio pode ser visto como uma propriedade fundamental dos n umeros naturais. Estes podem ser denidos por um conjunto de axiomas enunciados pelo matem atico Giuseppe Peano em 1889; e um dos postulados de Peano e equivalente ao PIM. Para demonstrar uma armac a o (n N) P(n) usando o PIM, podemos ent ao seguir este roteiro: Base da Indu ca o: Mostrar P(0) e verdade. Hip otese de Indu ca o: Supor que para algum k N, P(k) e verdade. Passo da Indu ca o: Mostrar que P(k + 1) e verdade.
Exemplo 5.1: Provar que, para todo n 0: 1 + 3 + 5 + + (2n + 1) = (n + 1)2
Prova: Base: P(0) e verdade pois a express ao acima e trivialmente v alida para n = 0. Hip otese de indu ca o: suponhamos que para algum k, P(k) e verdade, isto e , 1 + 3 + 5 + + (2k + 1) = (k + 1)2 . Passo de indu ca o: temos de provar que P(k + 1) e verdade, isto e temos que mostrar que: 1 + 3 + 5 + + (2k + 1) + (2(k + 1) + 1) = ((k + 1) + 1)2 Pela hip otese de induc a o, temos [1 + 3 + 5 + + (2k + 1)] + (2(k + 1) + 1)) = [(k + 1)2 ] + (2(k + 1) + 1) Por simples a lgebra vercamos que o lado direito e igual a ((k + 1) + 1)2 Isto mostra que P(k + 1) e verdade, toda vez que P(k) e verdade. Portanto, pelo PIM, a f ormula e v alida para todo n umero natural n. Fim.
71
Prova: Base: Para n = 0 temos apenas uma regi ao. Como Rn = n(n + 1)/2 + 1 = 1, a f ormula e v alida neste caso. Hip otese de indu ca o: Suponhamos que para algum k a f ormula e v alida, isto e quaisquer k retas em posic a o geral dividem o plano em Rk = k(k + 1)/2 + 1 regi oes. Passo da indu ca o: temos que provar que quaisquer k + 1 retas em posic a o geral denem Rk+1 = (k + 1)(k + 2)/2 + 1 regi oes. Sejam L1 , L2 , . . . , Lk+1 essas retas. Compare as regi oes do plano denidas por elas, que chamaremos de regi oes novas, com as regi oes velhas denidas pelas primeiras k dessas retas. Observe que algumas das regi oes velhas s ao divididas pela u ltima reta Lk+1 , cada uma delas formando duas regi oes novas; enquanto que as demais regi oes velhas s ao tamb em regi oes novas. Como as retas est ao em posic a o geral, a reta Lk+1 cruza cada uma das k retas anteriores em k pontos distintos. Em cada um desses cruzamentos, a reta Lk+1 passa de uma regi ao velha para outra. Essas regi oes s ao duas a duas distintas porque est ao em lados opostos de alguma reta Li , com 1 i k. Portanto a reta Lk+1 corta k + 1 regi oes velhas, que d ao origem a 2(k + 1) regi oes novas. Ou seja, Rk+1 = Rk (k + 1) + 2(k + 1) = Rk + (k + 1) Como as retas L1 , L2 , . . . , Lk est ao em posic a o geral, podemos usar a hip otese de induc a o. Obtemos Rk + (k + 1) = k(k + 1)/2 + 1 + k + 1 = (k + 1)(k + 2)/2 + 1. Fim.
72
Este teorema pode ser facilmente mostrado usando o PIM. Por outro lado, podemos demonstrar o PIM supondo que o teorema acima e verdade, e considerando o conjunto S de todos os naturais n para os quais P(n) e verdadeira.
Exerc cio 5.1: Prove que (n N) 20 + 21 + 22 + 23 + + 2n 2. Exerc cio 5.2: Prove que (n N) 2n > n. Exerc cio 5.3: Prove que (n N) nn n!. Exerc cio 5.4: Prove que, para todo n N, 9n 1 e divis vel por 8. Exerc cio 5.5: Prove que, para todo n N, an 1 e divis vel por a 1 para todo n umero inteiro a > 1. Exerc cio 5.6: Prove que, para todo n N, 11n+2 + 122n+1 e divis vel por 133. Exerc cio 5.7: Prove que, para todo n N,
n5 5
n4 2
n3 3
n 30
e um n umero inteiro.
Exerc cio 5.8: Suponha que uma caixa cont em p bolas vermelhas e q bolas amarelas, e que o seguinte procedimento e repetido at e sobrar uma u nica bola na caixa: Retire duas bolas da caixa; se elas tiverem a mesma cor, coloque uma bola vermelha na caixa; se elas tiverem cores diferentes, coloque uma bola amarela na caixa. Em ambos os casos, n ao devolva a ` caixa as bolas retiradas. Descubra qual e a cor da bola que car a na caixa. Demonstre por induc a o que a sua resposta est a correta.
73
Prova: Base: n = 4 e verdade pois 16 > 12. Hip otese de indu ca o: suponhamos que para algum k 4, k2 > 3k. Passo da indu ca o: provar que (k + 1)2 > 3(k + 1). (k + 1)2 = k2 + 2k + 1 Por hip otese de induc a o k2 > 3k, ent ao k 2 + 2k + 1 > 3k + 2k + 1 Como k 4 temos que 2k 8, logo 3k + 2k + 1 3k + 8 + 1 = 3k + 9 = 3(k + 1) portanto, destas duas desigualdades, (k + 1)2 > 3(k + 1). Fim.
Exerc cio 5.9: Prove que a soma dos a ngulos internos de um pol gono convexo de n v ertices e 180(n 2). Exerc cio 5.10: Prove que o n umero de diagonais de um pol gono convexo de n lados e dado por n(n3) dn = 2 . Exerc cio 5.11: Mostre que a soma dos cubos de tr es n umeros naturais consecutivos e divis vel por 9.
74
Podemos provar esta armac a o usando o teorema da induc a o geral 5.3, com incremento p = 3: Prova: Bases: n = 8, n = 9, n = 10. Como 8 = 5 + 3, 9 = 3 + 3 + 3 e 10 = 5 + 5 temos que a proposic a o e v alida para as bases. Hip otese de indu ca o: Suponhamos que P(k) e verdadeira para algum valor k 8. Passo: Vamos mostrar que a proposic a o e v alida para k + 3. Podemos obter o valor k + 3 acrescentando um selo de valor 3 aos selos usados para obter k. Fim.
Exerc cio 5.13: Prove que, para todo valor inteiro n 5, em dinheiro, pode ser obtido usando somente notas de 2 ou de 5 reais.
1 n+1
1 n+2
1 n+3
21n >
13 24 .
75
Prova: Base: Para n = 2 a proposic a o e verdadeira pois (1 + c)2 = 1 + 2c + c2 > 1 + 2c. Hip otese de indu ca o: Para um dado k 2, (1 + c)k > 1 + kc
Passo: Mostrar que (1 + c)k+1 > 1 + (k + 1)c. Como (1 + c)k+1 = (1 + c)k (1 + c), pela hip otese de induc a o temos que (1 + c)k+1 > (1 + kc)(1 + c) = 1 + (k + 1)c + kc2 > 1 + (k + 1)c. Logo a desigualdade e v alida para k + 1. Portanto a desigualdade vale para todo n maior ou igual a 2. Fim.
Exemplo 5.6: [Conjunto Pot encia] Seja A um conjunto com n elementos. Mostrar que o conjunto pot encia P(A) tem 2n elementos.
Prova: Base: Se n = 0 temos que o conjunto A e vazio portanto P(A) = {}, logo o n umero de elementos de P(A) e igual a 1 = 20 . Hip otese de indu ca o: Para um dado conjunto A com k 0 elementos temos que o conjunto pot encia P(A) tem 2k elementos. Passo: Mostrar que para um conjunto A com k + 1 elementos o conjunto P(A) tem 2k+1 elementos. Seja A um conjunto com k + 1 elementos. Como k 0, A tem pelo menos um elemento. Seja a este elemento. Considere o conjunto B = A {a}. Logo B tem k elementos, o que, pela hip otese de induc a o, implica que P(B) tem 2k elementos. O P(A) pode ser dividido em dois sub-conjuntos, ou seja P(A) = P(B) { C {a} : C P(B) } . Como P(B){ C {a} : C P(B) } = e o n umero de elementos de |P(B)| = |{ C {a} : C P(B) }| = 2k . conclu mos que o n umero de elementos de P(A) = 2k+1 . Fim.
76
Exemplo 5.7:[Descobrindo a Moeda Falsa] Num conjunto de 2n moedas de ouro temos uma que e falsa, ou seja pesa menos que as outras. Mostrar, por induc a o, que e poss vel achar a moeda falsa com n pesagens usando uma balanc a de dois pratos sem usar peso.
Prova: Base: Para n = 1 temos duas moedas e, portanto, basta colocar uma em cada prato para descobrir a falsa. Hip otese de indu ca o: Usando k pesagens podemos descobrir a moeda falsa dentre 2k moedas. Passo: Mostrar que, num conjunto de 2k+1 moedas, podemos descobrir a moeda falsa com k + 1 pesagens. Divide o conjunto de 2k+1 moedas em dois conjuntos de 2k moedas. Coloca-se esses conjuntos em cada prato da balanc a. Dessa forma k descobrimos em qual conjunto de 2 moedas se encontra a falsa. Pela hip otese de induc a o descobre-se a moeda com k pesagens, e, mais a pesagem anterior temos um total de k + 1 pesagens. Fim. O matem atico alem ao Johann Dirichlet (1805-1859) enunciou em 1834 o seguinte fato, conhecido como princ pio dos escaninhos (ou das gavetas, das casas de pombos etc.): Teorema 5.4: Se em n caixas (n 1) colocarmos mais de n objetos, ent ao alguma caixa conter a mais de um objeto. Vamos provar este princ pio usando induc a o matem atica no n umero n de caixas. Prova: Base: Para n = 1 o resultado e trivial pois, se h a mais de um objeto, essa caixa ter a mais de um objeto. Hip otese de indu ca o: Suponhamos que o resultado e v alido para algum n umero k 1 de caixas, contendo mais do que k objetos. Passo: Queremos mostrar que o resultado e v alido para k + 1 caixas contendo mais do que k +1 objetos. Seja m > k +1 o n umero de objetos. Escolha uma caixa ao acaso. Se essa caixa contiver mais de um objeto, a proposic a o est a provada. Se nessa caixa n ao h a nenhum objeto, nas k caixas restantes est ao acomodados m > k + 1 > k objetos; pela hip otese de induc a o, uma delas deve conter mais de um objeto. Finalmente, se na caixa escolhida h a apenas um objeto, temos que, nas k caixas restantes est ao distribu dos m 1 > (k + 1) 1 = k objetos, o que, novamente pela hip otese de induc a o, implica que uma das caixas cont em mais de um objeto. Fim.
77
Prova: Seja a sentenc a aberta P(n): Num conjunto com n cavalos, todos os cavalos tem a mesma cor. Vamos provar que P(n) e verdadeira para todo n 1, por induc a o. Hip otese de indu ca o: Suponha que P(k) e verdadeira para algum k 1; isto e , em todo conjunto com k cavalos, todos tem a mesma cor. Passo de indu ca o: Vamos mostrar que, em todo conjunto com k + 1 cavalos, todos tem a mesma cor. Considere um conjunto C = {c1 , c2 , . . . , cn , ck+1 } com k + 1 cavalos. Podemos escrever o conjunto C como uni ao de dois conjuntos, cada um com k cavalos, da seguinte forma: C = C C = {c1 , . . . , ck } {c2 , . . . , ck+1 } Pela hip otese de induc a o, todos os cavalos de C t em a mesma cor. O mesmo e verdade para C . Como c2 pertence a C e a C , conclu mos que os cavalos de C tem a mesma cor que os cavalos de C . Logo todos os cavalos de C t em a mesma cor. Fim. Este exemplo, conhecido como paradoxo dos cavalos, foi inventado pelo matem atico h ungaro George P olya (1887-1995). O exemplo a seguir ilustra um erro similar na aplicac a o do PIM, com conclus ao igualmente absurda:
Exemplo 5.9: Todos os n umeros naturais s ao iguais.
Prova: Seja P(n) a sentenc a aberta todos os n umeros naturais menores ou iguais a n s ao iguais. Vamos provar que P(n) e verdadeira para todo n N, por induc a o. Base: P(0) e obviamente verdadeira. Hip otese de indu ca o: Suponha que P(k) e verdadeira para algum k 0, ou seja, todos os n umeros menores ou iguais a k s ao iguais. Passo de indu ca o: Vamos mostrar que P(k+1) e verdadeira. Pela hip otese de induc a o, k 1 = k. Somando 1 em ambos os lados da iqualdade temos k = k + 1. Portanto P(k + 1) tamb em e verdadeira.
78 Fim.
Passo de indu ca o: Vamos mostrar que (k + 1)2 + (k + 1) e mpar. Observe que (k + 1)2 + (k + 1) = k2 + 2k + 1 + k + 1 = (k2 + k) + 2(k + 1) Este resultado e impar, pois (k2 + k) e mpar pela hip otese de induc a o, 2(k + 1) e par, e um n umero mpar somado com um n umero par e mpar. Fim. O leitor pode vericar que a armac a o provada acima n ao e verdadeira.
Exerc cio 5.16: Considere a armac a o (obviamente falsa) P(n): Para todo n umero real a > 0 e todo natural n, an = 1. Encontre o erro na demonstrac a o por induc a o abaixo.
Hip otese de indu ca o: Suponha que P(k) e verdadeira para algum k 0, ou seja, k a = 1. Passo de indu ca o: Vamos mostrar que P(k + 1) e verdadeira, isto e ak+1 = 1. Observe que ak1 1 ak+1 = ak1 a = ak1 k2 = 1 = 1. a 1 Portanto P(k + 1) tamb em e verdadeira.
Fim.
79
Portanto para provar que (n N) P(n) e verdadeiro, usando induc a o completa, devemos proceder da seguinte forma: 1. Base da indu ca o: Mostrar que P(0) e verdade. 2. Hip otese de indu ca o: Supor que, para algum k N, P(i) e verdade para todo i com 0 i k. 3. Passo da indu ca o: Mostrar que P(k + 1) e verdade. Como no PIM, podemos generalizar e considerar a base n0 no lugar de 0.
Exemplo 5.11: Denimos que um n umero natural p > 1 e primo quando os u nicos divisores dele s ao 1 e o pr oprio p. Vamos mostrar que todo inteiro maior ou igual a 2 e primo ou e um produto de primos.
Prova: Seja P(n) a sentenc a aberta n e primo ou e um produto de primos. Vamos provar que (n N) n 2 P(n), por induc a o completa. Base: P(2) e verdade pois 2 e primo. Hip otese de indu ca o: Suponha que, para algum k 2, P(i) e verdade para todo i N com 2 i k.
Passo da indu ca o: Vamos provar que P(k + 1) tamb em e verdade. Se k + 1 e primo ent ao P(k + 1) e verdadeiro. Se k + 1 n ao e primo, como k + 1 2, ele deve ter algum para algum a e b, com 1 < a k. divisor diferente de 1 e de k + 1. Ou seja, k + 1 = ab Como a > 1, conclu mos que b < k + 1; como a < k + 1, conclu mos que b > 1. Ou seja, 2 a k e 2 b k. Pela hip otese de induc a o, portanto, a e b s ao primos ou produtos de primos. Portanto k + 1 = a b tamb em e um produto de primos. Fim.
80
2. (m, n N) Fm Fn + Fm+1 Fn+1 = Fm+n+1 . o n umero de somas realizadas ao se calcular Fn . 3. (n N) S n = Fn 1 onde S n e Exerc cio 5.20: Sejam e as duas soluc o es da equac a o x2 x 1 = 0, com > 0. Prove que Fn = (n n )/( ), para todo n em N. Exerc cio 5.21: Sejam x um n umero real diferente de zero, tal que x + 1 inteiro. Prove que, para todo n umero natural n, xn + x n e
1 x
e um n umero inteiro.
81
82
83
2. (n N) 12 + 22 + 32 + + n2 =
3. (n N) 12 + 32 + 52 + + (2n 1)2 = 4. (n N) 13 + 23 + 33 + + n3 =
n(n + 1) . 2
n(n + 1) . 2
+ ...
1 n = . (2n 1)(2n + 1) 2n + 1
8. (n N) 1 20 + 2 21 + 3 22 + + n 2n1 = 1 + (n 1)2n . Exerc cio 5.23: Mostre que as regi oes do plano determinadas por n retas, em posic a o geral, podem ser coloridas utilizando duas cores de modo que regi oes adjacentes recebam cores diferentes. Exerc cio 5.24: Encontre um inteiro n0 N que torna as seguintes armac o es verdadeiras, e prove-as por induc a o em n: 1. (n N) n n0 2n > n2 . 3. (n N) n n0 n! > 2n .
n 2. (n N) n n0 n2 < ( 5 4) .
4. (n N) n n0 n! > 4n .
Exerc cio 5.25: Seja C um conjunto com n 2 elementos. Prove, usando induc a o em n, que C tem n(n 1)/2 subconjuntos com exatamente dois elementos. Exerc cio 5.26: Mostre, para n, m N, que: 1 2 . . . m + 2 3 . . . m(m + 1) + + n(n + 1) . . . (n + m 1) = Sugest ao: Fixe m arbitr ario e prove por induc a o sobre n. Exerc cio 5.27: Seja P um pol gono no plano. Triangular um pol gono signica dividir seu interior trac ando diagonais que n ao se cruzam at e que todas as regi oes obtidas sejam tri angulos. Neste caso, dizemos que o pol gono P e triangulado. Um tri angulo T de um pol gono triangulado P e exterior se dois dos lados de T s ao lados do pol gono P. Na gura 5.1, os tri angulos T 1 e T 2 s ao exteriores. n(n + 1) . . . (n + m) m+1
84
T 1
T 2
Se os conjuntos A e B s ao nitos e sucientemente pequenos, uma relac a o pode ser representada por um diagrama, em que cada elemento de A ou B e representado por um ponto, e cada par ordenado (a, b) por uma seta de a para b. Veja a gura 6.1.
Figura 6.1: Diagrama da relac a o R = {(1, 4), (2, 5), (3, 5)} do conjunto A = {1, 2, 3} para o conjunto B = {4, 5}.
Exemplo 6.2: Sejam C = {1, 2, 3, 4} e D = {4, 5, 6}. Observe que o conjunto de pares R do exemplo anterior tamb em e uma relac a o de C para D. Exemplo 6.3: O conjunto de pares ( x, x) : x N e um exemplo de uma relac a o de N para R.
85
86
Se R e uma relac a o de A para A, dizemos que R e uma relac a o em A ou sobre A. Observe que os sinais de comparac a o da a lgebra (<, , etc.) s ao relac o es bin arias denidas sobre os n umeros reais. Observe tamb em que e uma relac a o bin aria entre o conjunto U de todos os elementos, e o conjunto P(U ) de todos os conjuntos; e que e uma relac a o bin aria denida sobre o conjunto de todos os conjuntos.
87
comum se usar uma relac E a o R que foi denida sobre um conjunto A como se fosse uma relac a o sobre qualquer subconjunto A A, quando na realidade se deveria usar a restric a o de R a A . Por exemplo, a relac a o e denida sobre os reais R, mas ela e frequentemente usada como se fosse tamb em uma relac a o sobre os inteiros Z, os naturais N, ou qualquer outro subconjunto de R. Nestes casos entende-se que a relac a o desejada e a restric a o de a estes subconjuntos.
R1 = { ( x, y) : (y, x) R }
88
SR
89
Os exemplos 6.15 e 6.16 mostram que h a casos em que S R relac o es n ao e comutativa. Observe que, para quaisquer relac o es R e S, temos Dom(S R) Dom(R) e Img(S R) Img(S)
R S; isto e , a composic a o de
90
R R1 = {(2, 2), (2, 3), (3, 3), (3, 2)} . R R = {(1, 3)}. R1 R1 = {(3, 1)}.
R1 S1 = {(200, 1), (300, 1), (200, 3), (200, 2), (300, 3)} . (S R)1 = {(200, 1), (300, 1), (200, 3), (300, 3), (200, 2)} .
91
Observe que a matriz M depende da escolha dos conjuntos A e B, e tamb em da ordem em que listamos seus elementos.
Exemplo 6.20: Seja R a relac a o {(20, 20), (30, 20), (30, 30)} . Se escolhermos A = {10, 20, 30, 40} e B = {10, 20, 30}, listados nessa ordem, a matriz da relac a o ser a 10 20 30 10 0 0 0 M= 0 1 0 20 0 1 1 30 40 0 0 0
92
20 40 60 10 1 0 1 MN = 0 1 1 20 30 0 1 0 40 1 0 1
20 40 60 10 1 0 0 MN = 0 0 0 20 30 0 0 0 40 0 0 0
o de relac es. A composic Composic a o a o de relac o es tamb em pode ser entendida em termos de matrizes. Sejam R uma relac a o de A = {a1 , a2 , . . . am } para B = {b1 , b2 , . . . bn }, e S uma relac a o de B para C = c1 , c2 , . . . c p , com matrizes booleanas M (m n) e N (n p), respectivamente. Pela denic a o, a matriz P que representa a composic a o S R e tal que Pi, j = 1 se e somente se existe um inteiro k {1, 2, . . . , n} tal que Mi,k = 1 e Nk, j = 1. Ou seja, Pi, j = ( Mi,1 N1, j ) ( Mi,2 N2, j ) ( Mi,n Nn, j ) que pode ser escrita mais sucintamente como
n
Pi, j =
k=1
Mi,k Nk, j
93
(Veja o cap tulo 8.8.) Note a semelhanc a entre esta f ormula e a f ormula do produto de duas matrizes ordin arias,
n
Pi, j =
k=1
Mi,k Nk, j
Concluimos que a composic a o de uma relac a o R com uma relac a o S corresponde ao produto MN das respectivas matrizes booleanas M e N , no sentido da a lgebra de matrizes; exceto que o produto de dois n umeros e substitu do pela conjunc a o , e a soma de n umeros + e substitu da pela disjunc a o . Observe que a ordem em que as matrizes devem ser multiplicadas e oposta a ` ordem usada na notac a o S R.
Exemplo 6.22: Sejam A = {10, 20, 30, 40} , B = {20, 40, 60} , e C = {35, 55, 75, 95} . Sejam R = {(10, 20), (10, 60), (20, 40), (40, 60)} S = {(20, 35), (20, 55), (40, 55), (40, 75), (60, 95)} As matrizes booleanas que representam R, S e S R s ao 20 40 60 35 55 75 95 35 55 75 95 10 1 0 1 10 1 1 0 1 20 1 1 0 0 M= N = MN = 0 1 0 0 1 1 0 20 20 40 0 1 1 0 0 0 0 0 0 0 0 30 30 60 0 0 0 1 40 0 0 1 40 0 0 0 1
Re sim etrica se, e somente se, (a, b A) aRb bRa. Isto signica que se (a, b) R ent ao (b, a) R. Re anti-sim etrica se, e somente se, (a, b A) (aRb) (bRa) a = b. Isto signica que se (a, b) R e (b, a) R ent ao a = b. Re transitiva se, e somente se, (a, b e A) (aRb) (bRc) aRc. Isto signica que se (a, b) R e (b, c) R ent ao (a, c) R.
94
Observe que os termos sim etrica e anti-sim etrica n ao s ao opostos: uma relac a o pode ser sim etrica e anti-sim etrica ao mesmo tempo, ou pode n ao ser nem sim etrica nem anti-sim etrica. Exemplos: Seja A = {1, 2, 3} e R1 = {(1, 1), (2, 1), (1, 2)(3, 1)}. R1 n ao e sim etrica pois (3, 1) R e (1, 3) R nem anti-sim etrica pois (2, 1) R e (1, 2) R e 1 2. Se R2 = {(1, 1), (2, 2), (3, 3)} ent ao R2 e sim etrica e anti-sim etrica. Uma relac a o e anti-sim etrica se n ao existem elementos distintos a e b tais que aRb e bRa. N ao e sim etrica se contiver algum par (a, b) com a b, e n ao conter o par (b, a). Observe tamb em que uma relac a o pode ser nem reexiva e nem irreexiva, como mostra a relac a o R1 acima. Por em, se o conjunto A n ao e vazio, uma relac a o n ao pode ser ao mesmo tempo reexiva e irreexiva sobre A. Finalmente, observe que uma relac a o pode satisfazer qualquer das propriedades acima por vacuidade, se n ao existirem elementos em A que satisfac am as condic o es no lado esquerdo do conectivo . Por exemplo, a relac a o R3 = {(1, 2)} e transitiva, porque n ao existem a, b e c tais que (aR3 b) (bR3 c).
Exemplo 6.23: Considere o conjunto A = {1, 2, 3, 4} e as seguintes relac o es sobre A: R1 = {(1, 1), (1, 2), (2, 1), (2, 2), (3, 3), (3, 4), (4, 1), (4, 4)} . R2 = {(1, 1), (1, 2), (2, 1)} . R3 = {(1, 1), (1, 2), (2, 1), (2, 2), (3, 3), (4, 1), (1, 4), (4, 4)} . R4 = {(2, 1), (3, 1), (3, 2), (4, 1), (4, 2), (4, 3)} . R5 = {(1, 1), (1, 2), (1, 3), (1, 4), (2, 2), (2, 3), (2, 4), (3, 3), (3, 4), (4, 4)} . R6 = {(3, 4)}. S ao reexivas sobre A: R1 , R3 e R5 . S ao irreexivas sobre A: R4 e R6 . S ao sim etricas: R2 e R3 . S ao anti-sim etricas: R4 , R5 e R6 . S ao transitivas: R4 , R5 e R6 .
Vamos provar agora que, se R R R, ent ao R e transitiva. Sejam a, b, c tr es elementos de A. Se (a, b) R e (b, c) R, ent ao, pela denic a o de composic a o, temos que (a, c) RR. Como R R R, ent ao (a, c) R. Logo R e transitiva.
95
O teorema 6.3 pode ser reformulado: Uma relac a o R sobre um conjunto A e transitiva se e 2 somente se R R. Esse resultado pode ser generalizado: Teorema 6.4: Uma relac a o R e transitiva se e somente se Rn R para todo n 1. Prova: Para provar a parte somente se, basta tomar n = 2 e usar o teorema 6.3. Para provar a segunda parte, vamos supor que R e uma relac a o transitiva sobre um conjunto A, e provar n que R R, para todo n 1, usando induc a o em n. Hip otese de indu ca o: Vamos supor que Rk R para algum k 1. Base: Para n = 1 a armac a o e verdadeira, pois R1 = R R.
Passo: Vamos demonstrar que Rk+1 R. Seja (a, b) Rk+1 ; pela denic a o de k pot encia, (a, b) R R. Pela denic a o de composic a o, temos que ( x A) (a, x) R ( x, b) Rk . Pela hip otese de induc a o, Rk R, portanto ( x, b) R. Como R e transitiva, temos que (a, b) R.
Fim. O que este teorema nos diz e que as pot encias de uma relac a o transitiva s ao sub-conjuntos da n relac a o. Portanto se vericarmos que R R, para algum n 1, ent ao podemos concluir que a relac a o n ao e transitiva.
Exerc cio 6.11: Prove esta armac a o, ou encontre um contra-exemplo: Se R4 R, ent ao R e transitiva.
96
Note que, no caso de uma relac a o anti-sim etrica os elementos da diagonal s ao arbitr arios. Note tamb em que esta denic a o n ao corresponde ao conceito de matriz anti-sim etrica da a lgebra linear. Essa denic a o exige Mi, j = M j,i o que implica que a diagonal e nula ( Mi,i = 0).
Exemplo 6.24: Seja R uma relac a o sobre um conjunto A = {a1 , a2 , a3 } cuja matriz e 1 1 0 1 1 1 . M= 0 1 1
Observe que:
Re reexiva sobre A pois mi,i = 1 para todo i. Re sim etrica pois M e sim etrica. R n ao e anti-sim etrica pois m1,2 = m2,1 = 1. Exerc cio 6.12: Se A e um conjunto com m elementos, quantas relac o es reexivas distintas existem sobre A? E quantas irreexivas?
Exerc cio 6.13: Se A e um conjunto com m elementos, quantas relac o es sim etricas distintas existem sobre A? E quantas anti-sim etricas?
Exemplo 6.25: Sejam A = {a, b, c} e R = {(a, a), (a, b), (b, a), (c, b)} . A relac a o S = {(a, a), (a, b), (b, a), (c, b), (b, b), (c, c) e o fecho reexivo de R sobre A. Exemplo 6.26: Seja a relac a o R = {(a, b) : a, b Z a < b} sobre o conjunto dos n umeros inteiros Z. O fecho reexivo S e obtido incluindo na relac a o R todos os pares {(a, a) : a Z}. Ou seja, o fecho reexivo de R sobre Z e S = {(a, b) : a, b Z a b}
Observe que o fecho reexivo pode ser escrito como R IA . Observe tamb em que qualquer outra relac a o T que e reexiva sobre A e cont em R deve conter IA , e portanto cont em IA R = S.
97
Observe que o fecho sim etrico e simplesmente R R1 . Observe tamb em que, como no caso do fecho reexivo, qualquer outra relac a o sim etrica T que cont em R deve conter R1 , e portanto cont em seu fecho sim etrico R R1 .
98
a relac a o R = R R2. Pela mesma raz ao, os pares que ainda faltam em R est ao na relac a o 2 2 2 3 4 R R = (R R ) , que (pelo exerc cio 6.8) e a relac a o R R R . Portanto, acrescentando 2 3 4 esses pares obtemos R = R R R R . No pr oximo passo, obtemos R R2 R7 R8 . E assim por diante. denido como sendo a Por estas considerac o es, o fecho transitivo de R, denotado por R e uni ao de todas as pot encias de R, isto e R = R R2 R3 que pode ser escrita mais sucintamente como R =
k=1
(6.1)
Rk
(6.2)
(Veja sec a o 8.8.) Ou seja, um par (a, b) est a em R se, e somente se, existe um inteiro k 1 tal que (a, b) Rk . Se R e uma relac a o sobre um conjunto nito A, a uni ao eventualmente deixa de crescer ap os um n umero nito de termos; pois os pares que podem ser acrescentados pertencem ao conjunto A A, que e nito. Pode-se mostrar que, se A tem n elementos, o processo termina com o termo Rn , no m aximo. Nesse caso, a relac a o R assim obtida e uma relac a o transitiva, por construc a o. No caso de A ser nito, tamb em podemos escrever a f ormula (6.3) em termos das matrizes booleanas. Se M e a matriz de R, a matriz M de R e dada pela f ormula
n
M =
k=1
Mk = M M2 M3 Mn
(6.3)
Caso o conjunto A seja innito, o processo pode nunca terminar: ap os cada acr escimo de pares que faltam podem surgir novos casos de falha de transitividade. Nesse caso, a uni ao (6.3) precisa incluir todas as pot encias de R. Precisamos ent ao provar o seguinte resultado: Teorema 6.5: Para qualquer relac a o R, a relac a o R e transitiva. Prova: Sejam a, b, c elementos tais que (a, b) e (b, c) est ao em R. Precisamos provar que (a, c) tamb em est a em R .
Fim.
Pela denic a o de R , existem inteiros i 1 e j 1 tais que (a, b) Ri e (b, c) R j . Portanto (a, c) est a na composic a o R j Ri , que, pelo exerc cio 6.10, e igual a Ri+ j . Portanto o par (a, c) tamb em est a em R .
Por outro lado, o teorema a seguir mostra que o fecho transitivo R calculado pela f ormula (6.3) n ao tem nenhum par sup eruo: Teorema 6.6: Para qualquer relac a o R, qualquer relac a o transitiva que cont em R cont em o fecho transitivo R de R.
99
Os dois teoremas acima implicam que o fecho transitivo R denido pela f ormula (6.3) e a u nica relac a o transitiva que cont em R e est a contida em qualquer relac a o transitiva que cont em R. Portanto ela e tamb em a menor relac a o transitiva que cont em R.
Neste exemplo, o fecho n ao existe porque e imposs vel completar R de modo a satisfazer P. No exemplo abaixo, o fecho n ao existe porque h a duas ou mais maneiras de fazer isso, mas elas s ao incompat veis:
Exemplo 6.30: Sejam A = {1, 2}, R = {(1, 1), (2, 2)} e P(R) = R tem 3 pares. As duas relac o es S1 = {(1, 1), (1, 2), (2, 2)} e S2 = {(1, 1), (2, 1), (2, 2)} s ao relac o es que satisfazem a propriedade P) e cont em R; por em, a u nica relac a o S que est a contida em S1 e em S2 e cont em R e a pr opria relac a o R, que n ao satisfaz P. Exerc cio 6.14: Encontre os fechos reexivo, sim etrico e transitivo das seguintes relac o es: A = {a, b, c} e R = {(a, a), (a, b), (b, c), (c, b)} . A = {0, 1, 2, 3} e R = {(0, 1), (1, 1), (1, 2), (2, 0), (2, 2), (3, 0)} .
100
101
Re transitiva pois ( x, y, z R) (( x y y z) x z)). Portanto ( x, y, z R) ( xRy yRz) xRz . Re anti-sim etrica pois ( x, y R) ( x y y x) x = y. Portanto ( x, y R) ( xRy yR x) x = y .
Exemplo 6.32: Sejam P(A) o conjunto pot encia de um conjunto A e S = { (X, Y ) P(A) : X Y } . Re reexiva sobre P(A) pois (X P(A)) X X logo (X P(A)) X R X .
Observe que se R e uma relac a o de ordem sobre um conjunto A, e A A, a restric a o de R a A e uma relac a o de ordem sobre A . Se R e uma relac a o de ordem sobre um conjunto A, o par (A, R) e chamado um conjunto ordenado. Por exemplo, (N, ) e um conjunto ordenado (entendendo-se que aqui e a restric a o da relac a o menor ou igual aos n umeros naturais). Outro exemplo de conjunto ordenado e (P(A), ), para qualquer conjunto A.
Exerc cio 6.21: Seja R a relac a o sobre o conjunto dos n umeros inteiros positivos tal que aRb se e somente se existe um inteiro positivo k tal que a = kb. Mostre que R e uma relac a o de ordem. Exerc cio 6.22: Seja A o conjunto dos inteiros de 0 a 9, e R a relac a o sobre A tal que aRb se e somente se a e par e b e mpar, ou ambos s ao pares e a b, ou ambos s ao mpares e a b. Esta e uma relac a o de ordem? Exerc cio 6.23: Considere a relac a o R sobre os pares ordenados de inteiros Z Z tal que (a, b)R(c, d) (a c) (b d) para quaisquer inteiros a, b, c e d. Esta e uma relac a o de ordem? Exerc cio 6.24: Para quaisquer relac o es de ordem R e S sobre um conjunto A, a relac a o R S e sempre uma relac a o de ordem sobre A? E a relac a o R S? Prove suas respostas. Exerc cio 6.25: Seja S o conjunto de todos os arquivos em um sistema de arquivos, e R a relac a o sobre S tal que aRb se e somente se o arquivo a cont em uma c opia do conte udo do arquivo b, possivelmente com informac o es adicionais antes do in cio de b ou depois do m. A relac a o R e uma relac a o de ordem?
102
Podemos representar o conjunto A e os pares de R pelo diagrama de pontos e setas da gura 6.3 (` a esquerda). Observe que, da maneira como os pontos foram dispostos, todas as setas apontam de baixo para cima; portanto n ao e necess ario indicar sua direc a o. Sabendo que R e uma relac a o de ordem, podemos tamb em omitir todos os lac os, e todas as linhas que podem ser deduzidas pela transitividade; como (1, 3), por exemplo, que pode ser deduzida pelos pares (1, 2) e (2, 3). O resultado dessas simplicac o es e o diagrama de Hasse (` a direita).
5 5
3 7 2 6
3 7 2 6
Figura 6.3: Diagrama de pontos e setas do conjunto ordenado (A, R) (` a esquerda) e o diagrama de Hasse (` a direita). Observe que o diagrama de Hasse cont em toda a informac a o necess aria para determinar exatamente a relac a o de ordem R.
103
Note que uma relac a o de ordem estrita n ao e um tipo particular de relac a o de ordem. Por em, toda relac a o de ordem estrita R pode ser obtida de uma relac a o de ordem S excluindo-se todos os pares da forma (a, a). Reciprocamente, toda relac a o de ordem S sobre um conjunto A e a uni ao R IA onde R e uma relac a o de ordem estrita sobre A. Note que, para quaisquer a, b A aRb (aSb a b) aSb (aRb a = b) Dizemos que R e a ordem estrita associada a ` ordem S, e vice-versa. O diagrama de Hasse pode ser constru do tamb em a partir de uma ordem estrita, e e igual ao diagrama da relac a o de ordem associada.
Exerc cio 6.26: Seja A um conjunto de caixas, e R a relac a o sobre A tal que aRb se e somente se a caixa a cabe dentro da caixa b. Prove que esta e uma relac a o de ordem estrita.
104
Se R e uma relac a o de ordem total sobre A, o par (A, R) e chamado de conjunto totalmente ordenado.
Exerc cio 6.29: Seja R uma relac a o sobre um conjunto A, e seja S a relac a o (A A) \ R. Mostre que R e uma relac a o de ordem total sobre A se e somente se S e uma relac a o de ordem estrita total sobre A.
105
Observe que esta denic a o recursiva permite determinar, em um n umero nito de passos, se qual quer par (a, b) de sequ encias de A est a na relac a o R ou n ao. Prova-se (veja exerc cios 6.30, 6.31 e 6.32) que a relac a o R denida desta forma e uma relac a o de ordem. Prova-se tamb em que R e uma ordem total se e somente se R e total (veja exerc cio 6.33). A relac a o R acima e chamada de ordem lexicogr aca induzida por R.
Exerc cio 6.30: Prove que a relac a o R denida acima e reexiva. (Dica: use induc a o no n umero n de elementos da mais curta entre as duas sequ encias.) Exerc cio 6.31: Prove que a relac a o R denida acima e anti-sim etrica. Exerc cio 6.32: Prove que a relac a o R denida acima e transitiva. Exerc cio 6.33: Prove que a relac a o de ordem R denida acima e total se e somente se R e total.
O conceito de elemento m aximo de A sob R e inteiramente sim etrico. Ou seja, um elemento m de A e m aximo sob uma relac a o R tal que (a, m) R para todo a A. No diagrama de Hasse de R, o elemento m nimo existe se h a um u nico ponto no diagrama a partir do qual e poss vel alcanc ar qualquer outro ponto por uma sequ encia de linhas, todas elas
106
percorridas no sentido de baixo para cima. O elemento m aximo, se existe, pode ser identicado de maneira an aloga, isto e , se a partir dele podemos alcanc ar qualquer outro ponto percorrendo uma sequ encia de linhas no sentido descendente.
4 4 4 1 4 5 2 3 5 2 1 3 1 3 3 5 2 5 1 2
R1
R2
R3
R4
Se R e uma relac a o de ordem total, e o conjunto A e nito, sempre existe um elemento m nimo. Se R n ao e uma ordem total, ou se A e innito, o m nimo pode existir ou n ao. Em qualquer caso, se existe um elemento m nimo, ele e u nico. As mesmas observac o es s ao v alidas para o m aximo.
Exemplo 6.36: Seja A o conjunto dos inteiros pares, e R a relac a o (menor ou igual) sobre Z. N ao existe nenhum elemento m nimo de A sob R, pois para qualquer inteiro m A o par (m 2, m), por exemplo, est a em R.
Figura 6.4: Diagramas de Hasse de quatro relac o es de ordem sobre o conjunto {1, 2, 3, 4, 5}. Na relac a o R1 , o elemento 3 e m nimo e n ao existe elemento m aximo. Na relac a o R2 , o elemento 4 e m aximo, e n ao h a elemento m nimo. Na relac a o R3 , o elemento 2 e m nimo e 4 e maximo. Na relac a o R4 n ao existe nem m nimo nem m aximo.
importante observar que o fato de um elemento ser m E nimo depende tanto do conjunto A quanto da relac a o R. Um elemento que e m nimo sob R pode n ao ser m nimo sob outra relac a o S. Em 1 particular, um elemento m nimo sob R e um elemento m aximo sob R , e vice-versa. Este fato pode gerar confus oes se existe uma ordem usual para os elementos de A, distinta da ordem R. Por exemplo, no conjunto A acima, o elemento 8 e m nimo, e 2 e m aximo, sob a ordem .
Exerc cio 6.34: Seja A o conjunto das palavras de 3 letras da l ngua portuguesa, e R a relac a o tal que aRb se e somente se a palavra a vem antes da palavra b no dicion ario. Quais s ao os elementos m nimo e m aximo de A sob R? Exerc cio 6.35: Seja A o conjunto das sequ encias de 4 bits (algarismos 0 ou 1), e R a relac a o tal que aRb se e somente se cada bit de a e menor ou igual ao bit correspondente de b. Assim, por exemplo, 0100R1100, mas 1001R / 0101. Quais s ao os elementos m nimo e m aximo de A sob R?
107
Exemplo 6.38: Seja A = N\{0, 1} e R a relac a o e divisor pr oprio de; isto e , R = { ( x, y) : x A y A x < y (k O n umero 21 n ao e minimal sob R pois existem pares (a, 21) em R, por exemplo (3, 21). O n umero 17 e minimal sob R pois n ao existe nenhum par (a, 17) em R. Note que os elementos minimais de A sob R s ao os n umeros primos.
Como estes exemplos mostram, uma relac a o pode n ao ter elementos minimais, ou pode ter mais de um elemento minimal. E f acil mostrar que um elemento m nimo de A sob R, se existir, e tamb em um elemento minimal (e o u nico elemento minimal em A). O contr ario n ao e verdadeiro: um elemento minimal pode n ao ser m nimo. Da mesma forma denimos um elemento maximal de A sob R como um elemento m de A tal que n ao existe nenhum a em A, diferente de m, tal que (m, a) R. No diagrama de Hasse de R, um elemento minimal e qualquer ponto do qual n ao sai nenhuma linha descendente. Um elemento maximal e um elemento do qual n ao sai nenhuma linha ascendente. Veja a gura 6.5
4 4 4 1 4 5 2 3 5 2 1 3 1 3 3 5 2 5 1 2
R1
R2
R3
R4
Figura 6.5: Diagramas de Hasse de quatro relac o es de ordem sobre o conjunto {1, 2, 3, 4, 5}. Na relac a o R1 , o u nico elemento minimal e 3, e os elementos maximais s ao 1, 4 e 5. Na relac a o R2 , os elementos minimais s ao 3 e 5, e o u nico maximal e 4. Na relac a o R3 , o u nico minimal e 2eou nico maximal e 4. Na relac a o R4 os minimais s ao 3 e 5, e os maximais s ao 2 e 4. Os conceitos de minimal e maximal s ao muito usados quando A e um conjunto de conjuntos, e R e a relac a o . Neste caso, um elemento minimal de A e um conjunto que n ao cont em propriamente nenhum outro elemento de A. Por exemplo, seja A = { {2} , {1, 2} , {1, 3} , {1, 2, 4} , {3, 4, 5} } Neste conjunto, o elemento {1, 2, 4} n ao e minimal, pois ele cont em propriamente o conjunto {1, 2} que tamb em est a em A. Por outro lado, {2}, {1, 3}, e {3, 4, 5} s ao minimais sob a relac a o . Analogamente o elemento {2} n ao e maximal pois {2} {1, 2, 4}. Os elementos maximais de A sob s ao {1, 3}, {1, 2, 4} e {3, 4, 5}.
108
109
No exemplo 6.40 o n umero 5 pode ser substituido por qualquer inteiro m. Esta relac a o e denominada congru encia m odulo m.
Exemplo 6.41: Para todo conjunto A, a relac a o de identidade IA e uma relac a o de equival encia sobre A. Exemplo 6.42: Para todo conjunto A, o produto cartesiano A A e uma relac a o de equival encia sobre A (onde quaisquer dois elementos est ao relacionados entre si). Exemplo 6.43: Seja A um conjunto n ao vazio. A relac a o entre os conjuntos de P(A) e reexiva sobre P(A) e transitiva, mas n ao e uma relac a o de equival encia sobre P(A), pois ela n ao e sim etrica (por exemplo, A mas A .)
Se R e uma relac a o de equival encia, a notac a o aRb tamb em pode ser lida a e equivalente a b m odulo R, e denotada por a b mod R. Analogamente, aR / b pode ser lida a n ao e equivalente a b m odulo R, e denotada por a b mod R.
Teorema 6.7: Seja R uma relac a o de equival encia sobre um conjunto A. As seguintes armac o es s ao equivalentes. aR b.
[a]R = [b]R .
Vamos provar que aRb [a]R = [b]R . Seja c um elemento qualquer de [a]R . Por denic a o, cRa. Como R e uma relac a o de equival encia, se aRb ent ao cRb (por transitividade), e portanto c [b]R . Conclu mos assim que [a]R [b]R . Analogamente prova-se que [b]R [a]R . Portanto [a]R = [b]R . Vamos provar que [a]R = [b]R [a]R [b]R . Se [a]R = [b]R , ent ao [a]R [b]R = [a]R [a]R = [a]R . Como R e reexiva sobre A, temos a [a]R , logo [a]R . Conclu mos que [a]R [b]R .
Vamos provar que [a]R [b]R aRb. Como [a]R [b]R ent ao existe um c A tal que c [a]R e c [b]R . Por denic a o, cRa e cRb. Por simetria e transitividade de R, conclu mos que aRb. Fim. Cada elemento de uma classe de equival encia e chamado de um representante dessa classe. Ou seja, para qualquer a A, qualquer elemento b A equivalente a a m odulo R tem a mesma classe de equival encia que a, e portanto pode ser usado como um representante da classe [a]R .
111
Exerc cio 6.41: Seja S = {( x, y) R R : x y Q}. Mostre que S e uma relac a o de equival encia. Exerc cio 6.42: Seja R uma relac a o sobre o conjunto dos pares ordenados de inteiros positivos denida por ((a, b)R (c, d)) se, e somente se, ad = bc. 1. Prove que R e uma relac a o de equival encia. 2. Descreva a classe de equival encia de (1, 2) segundo a relac a o R. Exerc cio 6.43: Seja um n umero real positivo, e considere a relac a o sobre R tal que x y | x y| para quaisquer x e y en R. Esta e uma relac a o de equival encia? Em caso armativo, descreva suas classes de equival encia. Exerc cio 6.44: Considere a relac a o R sobre os pares ordenados de inteiros Z Z tal que (a, b)R(c, d) ((a = c) (b = d)) ((a = d) (b = c)) para quaisquer inteiros a, b, c e d. Esta e uma relac a o de equival encia? Em caso armativo, descreva suas classes de equival encia.
112
113
114
115
para quaisquer x e y en R. Esta e uma relac a o de equival encia? Em caso armativo, descreva suas classes de equival encia.
o 7.5: Uma func Denic a a o F de A para B e sobrejetora em B (ou e uma func a o de A sobre B) se, e somente se, (b B) (a A) F (a) = b. Ou seja F e uma func a o sobre B se e somente se B = Img(F ). Note que n ao tem sentido dizer que uma func a o e sobrejetora sem especicar em qual conjunto. Por exemplo, a func a o piso e tanto uma func a o de R para Z quanto de R para R; ela e sobrejetora em Z, mas n ao em R.
116
o 7.6: Uma func Denic a a o F de A para B e bijetora de A para B (ou e uma bije ca o de A para B) se, e somente se, F e injetora e sobrejetora em B. Dito de outra forma, uma relac a o F e uma bijec a o se A para B se, e somente se, (a A)(!b B) (F (a) = b) (isto e , F e uma func a o de A para B), e (b B)(!y A) (F ( x) = b). Func o es bijetoras s ao muito importantes em matem atica e computac a o. Entre outras coisas, elas permitem denir o tamanho de conjuntos innitos, como veremos no cap tulo 11.
Exerc cio 7.9: Sejam A e B conjuntos nitos com m e n elementos, respectivamente. Quantas func o es bijetoras de A para B existem? Exerc cio 7.10: Seja A um conjunto nito com n elementos. Quantas func o es bijetoras de A para A existem? Exerc cio 7.11: Sejam A e B dois conjuntos n ao vazios. Considere a func a o P : A B A onde P((a, b)) = a. Prove as armac o es abaixo ou d e um contra-exemplo. 1. A func ao P e uma func a o sobrejetora. 2. A func ao P e uma func a o bijetora.
117
Observe que a imagem de F n ao est a contida no dom nio de G. A composic a o G F e a raiz nio desta func a o n ao e Dom(F ), mas o quadrada do logaritmo, (G F )( x) = log x. O dom conjunto dos n umeros reais maiores ou iguais a 1, que e subconjunto pr oprio de Dom(F ). Por outro lado, a imagem de G F ) e R+ , que neste exemplo e igual a Img(G) Exemplo 7.7: Sejam F e G as func o es logaritmo e raiz quadrada, como no exemplo 7.6. A composic a o F G e o logaritmo da raiz quadrada, (F G)(y) = log y; como Img(F ) Dom(G), ent ao Dom(F G) = Dom(G) = R+ ; e como Dom(F ) Img(G), Img(F G) = Img(F ) = R.
Teorema 7.1: Sejam F : A B, G : B C e G F : A C ent ao: se F e G s ao injetoras ent ao G F e injetora. se F e sobrejetora em B, e G e sobrejetora em C , ent ao G F e sobrejetora em C .
Exerc cio 7.12: Demonstre o teorema 7.1.
118
F 1 (U V ) = F 1 (U ) F 1 (V ). F 1 (U \ V ) = F 1 (U ) \ F 1 (V ). U V F 1 (U ) F 1 (V ). F (F 1 (U )) = U . F 1 (F (A)) = A.
F 1 (U V ) = F 1 (U ) F 1 (V ).
Exerc cio 7.16: Seja F uma func a o de um conjunto A para um conjunto B. Considere a relac a o R sobre A tal que aRb F (a) = F (b) para quaisquer elementos a e b de A. Esta e uma relac a o de equival encia? Em caso armativo, descreva suas classes de equival encia.
119
es 7.1.9 Permutac o
Uma permuta ca o de um conjunto A e uma func a o bijetora de A para A. Observe que a relac a o de indentidade sobre A e uma permutac a o (trivial) de A. Por ser bijetora, toda permutac a o de um conjunto A tem uma inversa, que e uma permutac a o de A. A composic a o de duas permutac o es de A e uma permutac a o de A. Uma permutac a o f de um conjunto A pode ser interpretada como uma maneira de colocar os elementos de A em um conjunto de caixas, cada uma rotulada com um elemento de A. Ou seja, a permutac a o f estaria dizendo que o elemento x de A est a na caixa de r otulo f ( x). Ou, alternativamente, que a caixa de r otulo x cont em o elemento f ( x). Uma permutac a o f tamb em pode ser entendida como uma maneira de trocar o conte udo de uma colec a o de caixas rotuladas com elementos de A. Nesse caso, para cada x em A, o elemento na caixa de r otulo x deve ser transferido para a caixa de r otulo f ( x). Ou ent ao, a caixa de r otulo x deve receber o conte udo da caixa de r otulo f ( x). Nas duas intepretac o es, entende-se que todas as trocas s ao realizadas simultaneamente. Permutac o es s ao muito importantes em computac a o. Por exemplo a ordenac a o dos elementos de uma lista de n elementos, ou dos n registros de um arquivo, pode ser vista como a aplicac a o de uma permutac a o dos ndices {0.. n 1}. Um elemento xo de uma func a o f e um elemento x Dom f tal que f ( x) = x. Note que uma permutac a o que n ao e a identidade ainda pode ter um ou mais elementos xos. O nome desarranjo e ocasionalmente usado para permutac o es que n ao tem nenhum elemento xo.
Exerc cio 7.17: Liste todas as permutac o es do conjunto A = {10, 20, 30}. Exerc cio 7.18: Liste todas as permutac o es do conjunto A = {10, 20, 30, 40} . Exerc cio 7.19: Quantas permutac o es existem do conjunto A = {1, 2, 3, 4, 5, 6}. Exerc cio 7.20: Considere uma caixa quadrada de papel ao com tampa. Suponha que os lados da caixa e da tampa s ao rotulados em ordem anti-hor aria com inteiros de 0 a 4. Cada maneira de fechar a caixa com a tampa corresponde a uma permutac a o f do conjunto A = {0, 1, 2, 3}, tal que f (k) e o lado da tampa que e encaixado sobre o lado k da caixa, para cada k em A. Escreva as permutac o es de A que correspondem a todos os jeitos poss veis de tampar a caixa.
Exerc cio 7.21: Um dado de jogar tem as faces numeradas de 1 a 6, de tal modo tal que faces opostas somam 7. Suponha que o dado e rodado de modo que ele termina na mesma posic a o onde comec ou, exceto que algumas faces podem car trocadas entre si. A rotac a o pode ser descrita por uma permutac a o f do conjunto A = {1, 2, 3, 4, 5, 6}, tal que a face k termina onde estava a face f (k). 1. Liste todas as permutac o es de A que podem ser obtidas desta forma. 2. Se f e g s ao duas dessas permutac o es, qual e o signicado da composic a o f g? Ela tamb em e uma dessas permutac o es?
120
Note que uma sequ encia especica n ao apenas os valores dos termos mas tamb em sua ordem e seus ndices. Note tamb em que uma sequ encia pode ter mais de um termo com o mesmo valor. Duas sequ encias s ao iguais se, e somente se, elas tem exatamente os mesmos termos mesmos ndices e mesmos valores.
121
Alguns autores, entretanto, preferem numerar os termos a partir de 0. Note que, neste caso, em uma sequ encia com n termos os ndices variam de 0 a n 1. Al em disso, o elemento de ndice k (ou seja xk ) e o k + 1- esimo elemento da sequ encia. Mesmo assim, a numerac a o a partir de 0 tem certas vantagens em computac a o, e e o padr ao de v arias linguagens de programac a o modernas, como C, Java e Python.
7.2.3 Comprimento
O comprimento de uma sequ encia nita e o n umero de termos, geralmente denotado por | x|.
Exerc cio 7.23: Se uma sequ encia tem ndice inicial r e ndice nal s, qual e o seu comprimento? Se ela tem ndice inicial 0 e comprimento n, qual e o ndice nal? E se ela tem ndice inicial 1 e comprimento n?
H a uma u nica sequ encia de comprimento zero, a sequ encia vazia, denotada por (), que tem dom nio vazio e portanto n ao tem nenhum termo. (Neste caso os ndices inicial e nal n ao s ao denidos. Note que o intervalo {r.. s} e vazio para quaisquer r e s com r > s.)
o 7.2.4 Concatenac a
Informalmente, a concatena ca o de duas sequ encias nitas x e y e uma sequ encia nita que tem todos os termos de x, seguidos de todos os termos de y. Por exemplo, a concatenac a o de (10, 20, 30) e (40, 50) e (10, 20, 30, 40, 50). Na literatura esta operac a o pode ser indicada de muitas maneiras, por exemplo com um ponto x y, com uma barra x|y, ou com a mera justaposic a o xy. Obviamente, o comprimento da concatenac a o e a soma dos comprimentos das duas sequ encias. Para denir precisamente este conceito e preciso estabelecer um ndice inicial para a sequ encia resultante. Por exemplo, se convencionarmos que todas as sequ encias tem ndice inicial zero, a concatenac a o e a sequ encia z tal que zn = onde p = | x| e q = |y|.
Exerc cio 7.24: Adapte a f ormula da concatenac a o (7.1) para a convenc a o em que todas as sequ encias tem ndice inicial 1.
xn , se 0 n < p yn p , se p n < p + q
(7.1)
Exerc cio 7.25: Escreva a f ormula geral da concatenac a o (7.1) para o caso em que os dom nios de x e y s ao {r .. s } e {r .. s }, respectivamente, e o ndice inicial do resultado e r.
Observe que, se o ndice inicial e xo, a concatenac a o com a sequ encia vazia n ao tem efeito nenhum: x () = () x = x para qualquer sequ encia nita x.
122
7.2.6 n-uplas
Para qualquer natural n, denimos uma n-upla ordenada, ou simplesmente n-upla, como sendo uma sequ encia nita de comprimento n. Uma 2-upla, como observado acima, pode ser considerada um par ordenado, e e geralmente chamada por esse nome. Para n 3 usam-se os nomes tripla, qu adrupla, qu ntupla, s extupla, s eptupla, o ctupla, etc.. N ao h a um nome especial consagrado para 1-uplas.
123
o 7.4.2 Projec a
Seja R uma relac a o n- aria, e sejam i1 , i2, . . . , im inteiros distintos entre 1 e n. A proje ca o de R sobre as componentes i1 , i2, . . . , im e a relac a o m- aria S tal que uma m-upla (b1 , b2, . . . , bm ) est a em S se e somente se existe uma n-upla (a1 , a2 , . . . , an ) em R tal que b1 = ai1 , b2 = ai2 , . . . , bm = aim .
Exemplo 7.12: Seja R N N N a relac a o tern aria formada pelas triplas {(1, 10, 200), (1, 20, 200), (2, 20, 200), (2, 30, 100), (3, 30, 300)} . Eis algumas projec o es dessa relac a o sobre diversas listas de componentes: Sobre 2 e 3: {(10, 200), (20, 200), (30, 100), (30, 300)} Sobre 1 e 3: {(1, 200), (2, 200), (2, 100), (3, 300)} Sobre 1 e 2: {(1, 10), (1, 20), (2, 20), (2, 30), (3, 30)} Sobre 2 e 1: {(10, 1), (20, 1), (20, 2), (30, 2), (30, 3)} Sobre 1, 2 e 3: {(1, 10, 200), (1, 20, 200), (2, 20, 200), (2, 30, 100), (3, 30, 300)} = R Exemplo 7.13: Seja R R R R a relac a o tern aria que consiste de todas as triplas (a, b, c) tais que a2 + b2 + c2 = 1 isto e , todos os pontos da superf cie da esfera de raio 1 e centro na origem 3 do R . A projec a o de R sobre as componentes 1 e 3 e o conjunto S de todos os pares (a, c) R R tais que (b R) a2 + b2 + c2 = 1. Pode-se vericar que S = (a, c) R R : a2 + c2 1 , ou seja, o disco de raio 1 e centro na origem do plano R2 .
Observe que a ordem dos ndices i1 , i2 , . . . , im e importante. Observe tamb em que, se m = n e os ndices forem 1, 2, . . . , n, a operac a o n ao tem efeito o resultado e a pr opria relac a o R. Um caso muito comum e a eliminac a o de uma determinada componente j mantendo a ordem das demais, como no exemplo 7.13. Nesse caso, m = n 1 e os ndices i1 , i2, . . . , im s ao 1, 2, . . . , j 1, j + 1, . . . , n.
124
o 7.4.4 Restric a
Seja R uma relac a o n- aria, e X1 , X2 , . . . , Xn conjuntos arbitr arios. Da mesma forma que para relac o es bin arias, denimos a restri ca o de R a esses conjuntos como a relac a o S das n-uplas (a1 , a2 , . . . , an ) de R que tem a j X j , para cada j; ou seja S = R ( X1 X2 Xn )
Exemplo 7.14: Considere a relac a o R = {(1, 10, 200), (1, 20, 200), (2, 20, 200), (2, 30, 100), (3, 30, 100), (3, 30, 300)} . Observe que esta e uma relac a o entre os conjuntos A1 = {1, 2, 3}, A2 = {10, 20, 30} , e A3 = {100, 200, 300} . Sejam X1 = {1, 2, 3, 4}, X2 = {20, 30, 40} , e X3 = {200, 300}. A restric a o de R a X1 , X2 e X3 e S = {(1, 20, 200), (2, 20, 200), (2, 30, 100), (3, 30, 300)}
o 7.4.5 Junc a
As tabelas abaixo descrevem duas relac o es tern arias R e S. A relac a o R e uma relac a o que associa empregados, salas, func o es, e chefe imediato. A segunda relac a o associa salas, departamentos, e
125
Note que h a empregados que trabalham em v arias salas, salas com v arios empregados, salas com mais de um ramal, ramais que servem mais de uma sala, etc. Cruzando estes dados, podemos obter outras relac o es entre essas entidades. Por exemplo, casando o n unero da sala nas duas relac o es, podemos construir a relac a o T abaixo: Nome Jos e Jos e Jos e Jos e Maria Maria Pedro Pedro Luiz Luiz Func a o Secret ario Secret ario Digitac a o Digitac a o Digitac a o Digitac a o Assistente Assistente Despacho Motorista Chefe An bal An bal An bal An bal S onia S onia Jos e Jos e Carlos Carlos T sala Ramal s.102 8247 s.102 8250 s.103 8288 s.103 8289 s.103 8288 s.103 8289 s.102 8247 s.102 8250 s.301 8380 s.307 8380 Setor Financeiro Patrim onio Vendas Vendas Vendas Vendas Financeiro Patrim onio Compras Transporte
Note que, por exemplo, a linha (Jos e, Digitac a o, An bal, 8289, Vendas) foi inclu da na relac a o T porque existe a qu adrupla (Jos e, Digitac a o, An bal, S.103) na relac a o R, e a tripla (S.103, 8288, Vendas) com o mesmo n umero de sala na relac a o S. A construc a o da tabela acima e um exemplo de jun ca o de duas relac o es n- arias para produzir uma terceira relac a o. Mais formalmente, seja R uma relac a o m- aria e S uma relac a o n- aria. Dene-se a jun ca o das relac o es R e R como sendo a relac a o (m + n 1)- aria T consistindo de todas as tuplas (a1 , a2 , . . . , am1 , c, b1, b2 , . . . , bn1 ), tais que (a1 , a2, . . . , am1 , c) R e (c, b1 , b2 , . . . , bn1 ) S. Podemos generalizar ainda mais esta operac a o casando dois ou mais campos ao mesmo tempo. Seja R uma relac a o m- aria, S uma relac a o n- aria, e p um inteiro positivo menor que m e n. A jun ca o em p campos das relac o es R e S e a relac a o (m + n p)- aria T consistindo de todas as tuplas (a1 , a2 , . . . , am p , c1 , c2 , . . . , c p , b1 , b2, . . . , bn p ), tais que (a1 , a2 , . . . , am p, c1 , c2 , . . . , c p ) R, e (c1 , c2 , . . . , c p , b1 , b2 , . . . , bn p ) S. Observe que a junc a o, tal como denida acima, pode ser combinada com operac o es de permutac a o e projec a o para casar quaisquer campos de duas relac o es (e n ao apenas os u ltimos campos de R com os primeiros de S), e eliminar campos desnecess arios no resultado.
126
Relac o es n- arias e as operac o es vistas acima s ao conceitos fundamentais em bancos de dados, especicamente nos bancos de dados relacionais.
Exerc cio 7.26: Mostre que a composic a o S R de duas relac o es bin arias R e S pode ser obtida por uma junc a o seguida de uma projec a o.
2k
k=1
f (k)
k=m
onde k e uma vari avel arbitr aria (o ndice ou a vari avel indexadora), f (k) e uma f ormula qualquer que depende de k (o termo geral da somat oria), e m, n s ao inteiros que n ao dependem de k. Esta notac a o nos diz para incluirmos na soma precisamente aqueles termos f (k) onde k e um inteiro maior ou igual a m e menor ou igual a n, ou seja m k n. Esta soma tamb em pode ser escrita f (k)
k mkn
quando a vari avel ndice k e o bvia pelo contexto. Observe que se f (k) tem o mesmo valor para dois (ou mais) ndices k diferentes entre m e n, esse valor deve ser somado duas (ou mais) vezes. ao 4, 6, 6, 4; portanto a soma e 20. Por exemplo, na somat oria 4 k=1 k(5 k), as parcelas s Uma variante mais geral da notac a o e f (k)
k P(k)
127
128
onde k e a vari avel ndice, e P e algum predicado sobre inteiros. Ela representa a soma de todos os valores f (k) tais que P(k) e verdadeiro. Esta forma e mais comum quando temos restric o es mais complicadas sobre os ndices, como por exemplo k 2 = 12 + 32 + 52 + 72 + 92
1k10 k mpar
(8.1)
1 1 1 1 = + + p 2 5 7
p primo p divide 140
(8.2)
Chamaremos de dom nio da somat oria o conjunto dos ndices dos seus termos. Observe que se o dom nio e vazio, o valor da somat oria e zero, por denic a o. Em particular, a n somat oria k=m f (k) e zero sempre que m > n.
1 = n
k=1 n
(8.3)
k =
k=1 n
(8.4)
k2 =
k=1 n 3
(8.5)
k
k=1 n1 k=0
(8.6)
2k = 2n 1
(8.7)
Estas f ormulas podem ser demonstradas facilmente por induc a o sobre o valor de n (veja exerc cio 5.22).
129
2 =
k=1
n1 i=0
2i+1
Note que para modicar o intervalo da vari avel i usamos a equac a o i = k 1, enquanto que para modicar o termo usamos a equac a o equivalente k = i + 1. Exemplo 8.2: Podemos simplicar a somat oria (8.1) trocando a vari avel k por 2i + 1, resultando em
(n1)/2 i=0
(2i + 1)2
Note que a equac a o (8.2) n ao pode ser simplicada desta maneira, pois n ao se conhece uma f ormula expl cita para os n umeros primos. Damos a seguir mais algumas regras b asicas. Nestas somat orias, o dom nio K e um conjunto qualquer de inteiros, e f , g s ao func o es de inteiros para n umeros reais. Distributividade: Para qualquer n umero c c f (k) = c f (k)
k K
k K
Esta propriedade nos permite mover fatores constantes (que n ao dependem do ndice) para dentro ou para fora da somat oria. Associatividade:
k K
( f (k) + g(k)) =
k K
f (k) +
k K
g(k)
A associatividade nos permite substituir uma somat oria de somas pela soma de somat orias sobre os mesmos ndices, ou vice-versa. Decomposi ca o do dom nio: Se {K1 , K2 } e uma partic a o de K , ent ao f ( k ) + f ( k ) f (k) =
k K k K1 k K2
Esta regra diz que podemos quebrar uma somat oria em duas somat orias parciais, desde que cada valor do ndice aparec a no dom nio de uma, e apenas uma, dessas duas partes. Esta regra pode ser generalizada para partic o es do dom nio K em qualquer n umero de partes.
f ( p(k))
A comutatividade nos diz que podemos colocar os termos em qualquer ordem. Uma vers ao mais geral desta regra e :
130
Troca de dom nio: Se p e uma func a o bijetora qualquer de K para um conjunto J Z, f ( p(k)) =
k K j J
f ( j)
Note que troca de vari avel indexadora, como as dos exemplos 8.1 e 8.2, s ao casos particulares desta regra.
Exemplo 8.3: Seja x uma sequ encia qualquer de n umeros reais, e considere a somat oria xk ). Usando as regras acima, podemos reescrever a somat oria como segue:
n k=1 n n n k=1 ( xk+1
( xk+1 xk ) = =
xk+1
n
xk
k=1
(8.8)
xi
xk
k=1 n
(8.9) xk
k=2
=
i=2
xi + xn+1 x1
(8.10) (8.11)
= xn+1 x1
A identidade do exemplo 8.3 e conhecida como somat oria telesc opica porque uma parte de cada parcela est a encaixada em (isto e , cancela) uma parte da parcela anterior, como ocorre com as pec as de uma luneta. Podemos usar esta identidade para provar as f ormulas das somat orias de quadrados e cubos da sec a o 8.2.
1 ao parte de uma Exerc cio 8.1:[Soma de PA] Calcule a somat oria n k=0 (a + rk), cujas n parcelas s progres ao aritm etica com termo inicial a e passo r arbitr arios. 2 3 3 2 Exemplo 8.4: Para calcular a somat oria n k=1 k , observamos que (k + 1) = k + 3k + 3k + 1, 3 3 2 portanto (k + 1) k = 3k + 3k + 1. Temos ent ao que n k=1 n
((k + 1) k ) =
(3k2 + 3k + 1)
k=1
(n + 1)3 1 = 3 ou seja 3
n 2 k=1 k
k2 + 3
k=1 k=1
k+
k=1
131
k(k + 1).
n
k(k + 1) =
k=1 k=1
k2 +
k=1
= n(n + 1)(2n + 1)/6 + n(n + 1)/2 = n(n + 1)(n + 2)/3 Exemplo 8.6: Calcular a somat oria
n1 k k=0 2 . n1 k k=0 2
= (12 + 22 + 32 + + n2 ) + (1 + 2 + 3 + + n)
n1 k+1 = 2k ) k=0 (2 n 0 = 2 2 = 2n 1
Exerc cio 8.2: Calcule a somat oria Observe que bk = (bk+1 bk )/(b 1).
n1 k k=0 b
1 k Exerc cio 8.3:[Soma de PG] Calcule a somat oria n ao parte de uma k=0 ar , cujas n parcelas s progres ao geom etrica com termo inicial a e raz ao r arbitr arios.
Exerc cio 8.4: Calcule a somat oria Exemplo 8.7: Calcular a somat oria
n
n k=1 1/k(k
n k1 . k=1 k2 n
k2k1 =
k=1 k=1 n
(8.16) (8.17)
=
k=1 n
k2k1
k=1 n1 k=0 n1 k=0
=
k=1 n
(k + 1)2k k2k
n1 k=0
(8.18) 2k
=
k=1 n
(8.19)
= n2
n
2k
= n2n (2 1) = 2 (n 1) + 1
sin k =
k=1
1 n sin n+ sin 2 2
sin 1 2
132
2. Prove que (n N)
Fi2 = Fn Fn+1 .
Fi = Fn+2 1
Exerc cio 8.7: Sejam a e b n umero reais distintos. Prove que, para todo n em N, vale a igualdade:
n
ai bni =
i=0
bn+1 an+1 ba
Este mesmo exemplo pode ser tamb em escrito usando duas vezes a notac a o , isto e , como uma somat oria de somat orias: f ( j, k) =
j,k 1 j3 2k4 1 j3 2k4
f ( j, k) = ( f (1, 2) + f (1, 3) + f (1, 4))+ ( f (2, 2) + f (2, 3) + f (3, 4))+ ( f (3, 2) + f (3, 3) + f (3, 4))
(8.24)
ou ent ao f ( j, k) =
j,k 1 j3 2k4 2k4 1 j3
f ( j, k) = ( f (1, 2) + f (2, 2) + f (3, 2))+ ( f (1, 3) + f (2, 3) + f (3, 3))+ ( f (1, 4) + f (3, 4) + f (3, 4))
(8.25)
Podemos entender as f ormulas (8.24) e (8.25) como duas maneiras de somar todos os elementos de uma matriz: coluna por coluna ou linha por linha.
f ( j, k) =
k K j J
f ( j, k).
133
Quando o dom nio da soma interna depende da vari avel ndice da somat oria externa, a troca exige mais cuidado. Por exemplo,
n n n k
a j,k =
j=1 k= j 1 jkn
a j,k =
k=1 j=1
a j,k .
Para entender esta transformac a o, veja a gura 8.1. Os pontos representam todos os pares ( j, k) considerados na somat oria central. As setas s olidas indicam a ordem descrita pela somat oria dupla da esquerda (por linhas), e as setas tracejadas indicam a da direita (por colunas).
1 1 n
Figura 8.1: Duas maneiras de calcular uma soma dupla. O eixo horizontal e a vari avel k, o eixo vertical e a vari avel j.
Exerc cio 8.8: Para todo n umero inteiro positivo n, o n- esimo n umero ham onico e
n
Hn =
k=1
1 1 1 1 = 1 + + ... . k 2 3 n
Hk = nHn n.
f ( j)g(k) =
j J k K j J k K
f ( j)g(k)
(8.26)
Note que esta regra tamb em permite trocar uma somat oria dupla por um produto de duas somat orias. Para isso basta que o dom nio da somat oria interna n ao dependa do ndice da soma externa, e que o termo geral possa ser fatorado no produto de duas f ormulas, cada uma delas dependendo de um dos dois ndices apenas.
Tamb em podemos majorar cada termo da somat oria por alguma outra f ormula cuja somat oria e conhecida. Por exemplo, observe que, para todo k N, temos k k 2 < 2k k+1 Podemos ent ao concluir que
n k k k=0 k+1 2 n k < k=0 2 n+1 = 2 1.
3i c3n
para todo n N.
135
Embora esta somat oria tenha uma f ormula conhecida (soma de progress ao geom etrica), vamos tentar mostrar a desigualdade sem usar essa f ormula. Prova: A tese a ser provada tem a forma (c > 0)(n N) P(n), portanto somente pode ser provada por induc a o se escolhermos um valor adequado para c. Para isso, podemos escrever um rascunho da demonstrac a o da parte (n N) P(n), por induc a o em n, deixando o valor de c em aberto; e depois escolher um valor de c que torna todas as partes dessa demonstrac a o v alidas. Base: para n = 0, a armac a o P(n) e
0
i=0
3i = 30 = 1 c 1
Esta desigualdade ser a v alida se c for maior ou igual a 1. Hip otese de indu ca o: suponhamos que a desigualdade e verdadeira para algum k, ou seja
k
i=0
3i c3k
Passo de indu ca o: temos de provar que a desigualdade e verdadeira para k + 1, isto e temos que mostrar que:
k+1
i=0
3i c3k+1
k
Temos que
k+1
3i =
i=0 i=0
3i + 3k+1
Precisamos agora concluir que 1 1 + c3k+1 c3k+1 3 c Isto e verdade se c 3/2. Portanto se escolhermos c = 3/2, tanto a base quanto o passo da induc a o estar ao corretos, e a armac a o (n N) P(n) car a provada. Fim.
136
x log x dx =
a
b2 1 a2 1 (log b ) (log a ) 2 2 2 2
para quaisquer a, b maiores ou iguais a 1. Entretanto, n ao se conhece uma f ormula expl cita simples para a somat oria. Por em podemos obter limitantes superior e inferior para a mesma usando a f ormula da integral, como pode ser visto pelo gr aco da gura 8.2.
20
f*(x) x log x
15
10
-5 2
Figura 8.2: Limitante superior por integral. Nessa gura, a linha em escada e o gr aco da func a o f ( x) = x log x Observe que, para todo inteiro k, esta func a o tem valor constante f ( x) = k log k para todo x entre
n-1
137 f ( x) dx = k log k, e
f ( x) dx =
2
n1 k=2
k log k
Por outro lado, como x x para todo x, e x log x e uma func a o crescente de x, podemos concluir que f ( x) x log x para todo x maior ou igual a 2. Veja a gura. Temos portanto que
n 2 n
f ( x) dx
x log x
2
Ou seja
n1 k=2
k log k
1 2
1 n2 (log n ) (2 log 2 1) 2 2
(8.27)
k log k
n2 log n 2
A mesma id eia fornece um limitante inferior para a soma, como ilustrado na gura 8.3.
30 25 20 15 10 5 0 -5 2
fdisc(x+1) fcont(x)
n-1
138
Observe que a func a o f deslocada de uma unidade para a esquerda (ou seja, f ( x + 1)) est a acima do gr aco de x log x para todo x 1, pois x + 1 > x e portanto log x + 1 > log x. Temos portanto que
b a b
f ( x + 1) dx
b+1 b
x log( x) dx
a
(8.28)
a+1
Escolhendo a = 1 e b = n 1, obtemos
n1 k=2
k log k
n1 1
u log u du =
(n 1)2 1 1 (log(n 1) ) + 2 2 4
(8.29)
20068.3
k=2
k log k 20525.5
k log k =
k=2
k log k n log n
n k=2
k log k
u log u du n log n =
n2 n2 1 = log n n log n + 2 4 4
Uma vantagem da f ormula (8.30) e que seu primeiro termo n2 log n e igual ao do limitante superior (8.27). Isso permite ver que a diferenc a entre os dois limitantes (que mede nossa incerteza sobre o valor da somat oria) e = ( n2 n2 n2 1 n2 log n 2 log 2 + 1) ( log n n log n + ) 2 4 2 4 4 3 = n log n 2 log 2 + 4 (8.31) (8.32)
Exerc cio 8.9: Para todo n umero inteiro positivo n, o n- esimo n umero ham onico e
n
Hn =
k=1
1 1 1 1 = 1 + + ... . k 2 3 n
Prove que Hn 1 + ln n.
139
n H2n 1 + . 2 k=1
Exerc cio 8.11: Usando a minorac a o por integral, prove que Hn ln(n + 1). Exerc cio 8.12: Prove que, para todo inteiro positivo n,
n k=1
1 1 + ln n. 2k 1 2
n 1 k=1 k2
f (k) = lim
k=0
f (k)
k=0
xk = lim
1 xn+1 = n 1 x
Em particular,
k=0
1 1 1 1 = 1+ + + +... = 2 k 2 2 4 8 2k = 1 + 2 + 4 + 8 + . . . = +
k=0
Observe que o limite pode n ao existir, ou pode ser innito. Um exemplo cl assico e a soma dos inversos dos inteiros positivos, 1 k k=1 A soma dos n primeiros termos e o n umero harm onico Hn ; que e maior ou igual a ln(n + 1) (veja o exerc cio 8.11), e portanto tende a innito quando n tende a innito.
140
S eries s ao muito importantes no c alculo diferencial e integral, e s ao exaustivamente estudadas nessa disciplina. Em computac a o, somat orias nitas s ao mais comuns, mas as innitas tamb em ocorrem ocasionalmente. Por exemplo, se f (k) 0 para todo k N, temos que
n
k=0
f (k)
k=0
f (k)
desde que a somat oria innita esteja denida. Esta desigualdade pode oferecer um limitante superior simples para uma somat oria nita que n ao possui uma f ormula fechada simples. Por exemplo,
n
k=0
zk k!
k=0
zk = ez k!
k=0
(k 1) = 0. 2k
Exerc cio 8.17: Obtenha uma f ormula para k em relac x a o a x.) a derivada de k=0
k=1
f (k)
k=m
denota o produto dos valores f (k) para todos os inteiros k tais que m k n. Uma f ormula deste tipo e chamada de produt oria ou produt orio. Se n ao existe nenhum k no intervalo especicado (isto e , se m > n), o valor desta f ormula e 1 (e n ao zero!), por denic a o.
Exerc cio 8.18: Calcule o valor da produt oria Exerc cio 8.19: D e f ormulas expl citas (sem
n +2 2 k=2 k
+ 1.
1.
k=1 n
2.
k=0
8.7. PRODUTORIAS
n
141
3.
k=m m+2
4.
k=m n
3 k
k=1 n
5. 6.
k
k=n n
7.
k=1 n
k2 2k
k=0
8.
Muitos dos conceitos e t ecnicas que vimos para somat orias como troca de ndices, separac a o de termos, mudanc a de ordem de enumerac a o, majorac a o de termos, provas por induc a o, etc. podem ser trivialmente adaptadas para produt orias.
Exerc cio 8.20: D e f ormulas expl citas (sem
n
1.
k=m n
k k+1 k 3i
k=1 i=1
2. 3.
k=1 n m
Uma produt oria tamb em pode ser transformada em somat oria usando a func a o logaritmo ln x = x loge x e a func a o exponencial exp x = e , onde e e a constante neperiana 2.1718281828.... Lembramos que ab = exp((ln a) + (ln b)) para quaiquer reais positivos a, b. Podemos ent ao concluir que n n f (k) = exp ln f ( k )
k=m k=m
Esta identidade pode ser usada, por exemplo para majorar produt orias por integrais.
Exerc cio 8.21: Determine f ormulas expl citas para as produt orias
n
2 4k k+1 1 k2
142
(8.34)
Assim como no caso de somat orias, muitas das variac o es, propriedades e f ormulas de somat orias podem ser adaptadas para estas operac o es iteradas. Por em, identidades e f ormulas que alteram a ordem dos termos somente valem se a operac a o for comutativa. Note que, quando o conjunto de termos e vazio, o resultado e o elemento neutro da operac a o: F para e , V para , para , e o conjunto universal U para .
Assim como no caso das sequ encias nitas, a escolha do ndice inicial r varia de autor para autor. Em particular, muitos autores denem sequ encias innitas como func o es dos naturais positivos N \ {0}. Em outros contextos, entretanto, e conveniente adotar o ndice inicial como sendo 0, e denir sequ encias innitas como func o es com dom nio N (incluindo 0). O conceito de subsequ encia tamb em vale para sequ encias innitas. Por exemplo, se x e a 2 sequ encia com dom nio N tal que xn = n , e R e o conjunto dos n umeros naturais pares, a subsequ encia y de x determinada por R seria a restric a o de x a R, ou seja, a func a o y = (2k, 4k2) : k N = {(0, 0), (2, 4), (4, 16), . . .} Como no caso nito, e conveniente supor que os termos de uma subsequ encia s ao re-indexados a partir de um valor convencional (0 ou 1). No exemplo acima, a subsequ encia de x determinada por R seria a func a o y = (k, 4k2 ) : k N = {(0, 0), (1, 4), (2, 16), . . .}
144
Uma quest ao comum em matem atica discreta e computac a o e encontrar uma f ormula que representa o termo geral de uma sequ encia da qual se conhecem apenas alguns termos.
Exemplo 9.2: Seja x uma sequ encia cujos primeiros termos s ao x0 , x1 , x3 , . . . s ao 0, 1, 8, 27, 64, . . . . Qual e a f ormula para o termo geral xn ? Pode-se vericar que estes termos satisfazem a f ormula xn = n3 . Exemplo 9.3: Seja x uma sequ encia cujos primeiros termos s ao x0 , x1 , x3 , . . . s ao 1, 4, 10, 28, 244, 730, . . . . Qual e a f ormula para o termo geral xn ? Pode-se vericar que estes termos satisfazem a f ormula xn = 3n + 1.
Na verdade, este e um problema mal posto, pois sempre existem innitas f ormulas distintas que fornecem os mesmos resultados para um conjunto nito de valores de n. Por exemplo, outra sequ encia que tamb em comec a com 0, 1, 8, 27, 64, . . . e yn = n3 + n(n 1)(n 2)(n 3)(n 4). Esta 3 f ormula e diferente de xn = n , pois x5 = 125 mas y5 = 245. Em geral, neste tipo de problema o que se deseja e uma f ormula simples que seja compat vel com os termos dados. Esta quest ao faz mais sentido quando existe um algoritmo ou outro crit erio indireto que dene todos os valores da sequ encia. Por exemplo, considere a sequ encia p cujos termos s ao os inteiros primos, em ordem crescente de valor. Os primeiros termos dessa sequ encia s ao 2, 3, 5, 7, 11, 13, 17, 19, 23, 29, . . . . Todos os termos da sequ encia est ao bem denidos, e podem ser calculados; por em at e hoje n ao se conhece nenhuma f ormula para o termo geral pn .
onde a e r s ao valores reais, chamados de termo inicial e passo ou incremento da progress ao.
Pode-se provar facilmente por induc a o que o termo geral da progress ao aritm etica do exemplo 9.4 e xn = a + nr, para todo n 0; ou seja, uma func a o linear do ndice n.
Exemplo 9.5: Uma progress ao geom etrica (PG) e uma sequ encia x denida pela recorr encia x0 = a xn = xn1 r
para todo n 1
O termo geral de uma progress ao geom etrica e xn = arn , para todo n 0; ou seja, uma func a o exponencial do ndice n.
145
para todo n 2
Os primeiros termos dessa sequ encia s ao 0, 1, 1, 2, 3, 5, 8, 13, . . . . Exerc cio 9.1: No cap tulo 5 mostramos que um conjunto de n retas em posic a o geral divide o plano em Rn = n(n + 1)/2 + 1 regi oes. Estas regi oes tamb em podem ser descritas pela recorr encia abaixo: R0 = 1 Rn = Rn1 + n para todo n 1 Exerc cio 9.2: Suponha que um casal de tatus comec a a dar crias com dois anos de idade, e produz 6 crias (tr es casais) de tatuzinhos a cada ano. Suponha que um rancho de criac a o de tatus comec ou com 1 casal rec em-nascido em 2000, e que nenhum tatu foi acrescentado ou eliminado do rebanho desde essa e poca. Escreva uma denic a o recursiva para o n umero xn de tatus que existem no ano n.
No caso da recorr encia geral xn = xn1 + f (n) para todo n > m, Pode-se vericar por induc a o em n que a soluc a o desta recorr encia e
n
xn = xm +
k=m+1
f (k)
Exerc cio 9.4: Determine a f ormula para o termo geral xn da recorr encia x0 = 0 xn = xn1 + n2 para todo n > 0
146
xn = xm
k=m+1
f (k)
Exerc cio 9.7: Determine a f ormula para o termo geral xn da recorr encia x0 = 1 xn = 2 n xn1 para todo n > 0 Exerc cio 9.8: Determine a f ormula para o termo geral xn da recorr encia x0 = 1 p xn = n+ n xn1 para todo n > 0 onde p e um n umero natural que n ao depende de n.
onde k e um inteiro positivo e os coecientes c1 , c2 , . . . , ck s ao n umeros reais, todos independentes de n. Pode-se provar por induc a o que esta recorr encia e satisfeita por uma progress ao geom etrica xn = rn , onde r e qualquer raiz do polin omio zk c1 zk1 c2 zk2 ck z0 Esta f ormula e chamada de polin omio caracter stico da recorr encia. (9.2)
147
Por exemplo, a recorr encia fn = fn2 + fn1 dos n umeros de Fibonacci e linear e homog enea de ordem 2, com coecientes c1 = c2 = 1. Ela e satisfeita pelas sequ encias x e y, onde xn = rn , yn = sn , e r, s s ao as duas ra zes da equac a o z2 = z + 1. Estas ra zes s ao 1+ 5 1 5 r= s= (9.3) 2 2 A primeira raiz r = 1.6180339887 . . . , geralmente denotada pela letra , e conhecida como raz ao a urea, porque na Gr ecia antiga os arquitetos e artistas acreditavam que o ret angulo com lados 1 e tinha as proporc o es mais belas dentre todos os ret angulos. A segunda raiz s = 0.6180339887, 1 , e que v arios autores denotam por igual a 1 e . n rn sn 0 1.00000000 1.00000000 1 1.61803399 -0.61803399 2 2.61803399 0.38196601 3 4.23606798 -0.23606798 4 6.85410197 0.14589803 5 11.09016994 -0.09016994 6 17.94427191 0.05572809 7 29.03444185 -0.03444185 . . . . . . . . . Nesta tabela pode-se vercar que r2 = r1 + r0 , s2 = s1 + s0 , r3 = r2 + r2 , e asim por diante. As sequ encias x e y s ao apenas duas das poss veis soluc o es para a recorr encia (9.3). Pode-se provar que qualquer combinac a o linear destas duas sequ encias n zn = xn + yn = n + (9.4)
tamb em e uma soluc a o da recorr encia. Os valores de e podem ser obtidos a partir dos valores iniciais dados f0 = 0 e f1 = 1, e s ao = 1/ 5 = 1/ 5 (9.5) Ou seja 1 n) (9.6) fn = (n 5 n da f = 0.61803399 e menor que 1, o valor absoluto do termo ormula (9.6) vai Uma vez que diminuindo rapidamente a ` medida que n aumenta. Portanto,
n
lim
fn fn1
(9.7)
e podemos dizer que 1 (9.8) f n n 5 Esta t ecnica resolve qualquer recorr encia homog enea de ordem k cujo polin omio caracter stico tem k ra zes distintas. Quando o polin omio tem ra zes iguais, ainda existem k soluc o es independentes, mas elas tem uma forma um pouco mais complicada. Especicamente para cada raiz r com multiplicidade p, toda sequ encia xn = ni rn , para todo i entre 0 e p 1, e uma soluc a o independente.
148
(9.10)
(9.11)
onde a0 , a1 , . . . , ak1 , c1 , c2 , . . . ck s ao constantes (que n ao dependem de n), e f (o termo independente) e uma sequ encia qualquer. Por exemplo, considere a recor encia x0 = 2 x1 = 2 xn = xn1 + xn2 + (1)n para todo n 2 (9.12) (9.13)
Note que esta recorr encia e similar a ` de Fibonacci, exceto pelos termos iniciais e pela parcela + 1 na recorr encia. N ao h a uma t ecnica geral para resolver recorr encias n ao homog eneas, como (9.10) (9.11). Entretanto, suponha que conseguimos encontrar uma sequ encia particular x que satisfaz a f ormula do termo geral (9.11), mas n ao necessariamente os termos iniciais. No exemplo acima, pode-se vericar que xn = (1)n e uma soluc a o para a recorr encia (9.13), embora tenha x0 = +1 e x1 = 1. Considere agora a recorr encia homog enea similar a (9.13), zn = zn1 + zn2 (9.14)
n. Verica-se Como vimos anteriormente, a soluc a o geral para esta recorr encia e zn = n + ent ao que a soluc a o geral para a recorr encia original (9.13) e a soma de zn e da soluc a o particular acima, isto e , n + (1)n zn = n + (9.15)
149
Os valores de e podem ser ent ao determinados pelas condic o es iniciais x0 = 2 e x1 = 2, resultando em 2 = 2+ 1 (9.16) 3 = 2 1 e portanto xn = + 2 n 3 n + + (1)n 2 1 2 1 (9.17)
De modo geral, podemos resolver a recorr encia linear n ao homog enea (9.10) (9.11) somando uma soluc a o particular x da equac a o (9.11) com a soluc a o geral da equac a o homog enea yn = c1 yn1 + c2 yn2 + ck ynk para todo n k (9.18)
Esta soluc a o geral vai depender de k par ametros 1 , . . . , k , que podem ser determimados pelas condic o es iniciais (9.10).
Podemos provar que zn yn para todo n N, por induc a o em n. Basta observar que zn1 yn1 , pela hip otese de induc a o, e que u u para qualquer n umero real u. A recorr encia de z pode ser simplicada para zn = (4/3)zn1 . Esta e uma progress ao geom etrica com termo inicial 3 e raz ao n n 4/3, e portanto a soluc a o exata e zn = 3(4/3) . Podemos ent ao concluir que yn 3(4/3) para todo n em N.
150
De maneira an aloga, podemos obter um limitante inferior x observando que u u 1 para todo n umero real u. Obtemos ent ao a recorr encia x0 = 3 xn = xn1 + ( xn1 /3 1) para todo n > 0 Esta recorr encia pode ser reescrita xn = (4/3) xn1 1. (9.21)
es 10.1 Permutac o
Seja X um conjunto nito de n elementos. Informalmente, uma permuta ca o de X e uma lista dos elementos de X em determinada ordem, sem repetic o es nem omiss oes. Mais precisamente, podemos denir uma permutac a o de X como uma func a o f bijetora do conjunto {0.. n 1} = {0, 1, . . . , n 1} para o conjunto X . Podemos interpretar o valor de f (k) como o elemento que est a na posic a o k da lista, contando a partir de 0. Por exemplo, suponha que X e o conjunto das vogais, X = {a, e, i, o, u}. A func a o {(0, u), (1, e), (2, i), (3, a), (4, e uma permutac a o de X . Esta func a o pode ser escrita tamb em como 0 1 2 3 4 u e i a o ou como a sequ encia (u, e, i, a, o), ou simplesmente ueiao; cando sub-entendido que os ndices da sequ encia comec am com 0. Duas outras permutac o es, distintas dessa, s ao (u, i, e, a, o) e (e, a, o, i, u). Quantas permutac o es de X existem? Quando tentamos escrever uma permutac a o f , elemento a elemento, e f acil ver que temos n escolhas para o elemento f (0) (qualquer elemento de X ); n 1 escolhas para f (1) (qualquer elemento de X , exceto f (0)); n 1 para f (2) (qualquer exceto f (0) e f (1)); e assim por diante. Para o pen ultimo elemento f (n 2) temos apenas 2 possibilidades, e para o u ltimo f (n 1) temos apenas uma. Qualquer s erie de escolhas resulta em uma permutac a o distinta. Portanto o n umero de permutac o es distintas e n (n 1) (n 2) 2 1 = n! 151 (10.1)
152
que e o n umero de func o es bijetoras entre dois conjuntos de n elementos (veja exerc cio 7.10). Assim, por exemplo, o n umero de permutac o es das cinco vogais e 5! = 5 4 3 2 1 = 120. Observe que se o conjunto X e vazio (isto e , se n = 0), h a apenas uma permutac a o poss vel, que e a sequ encia vazia () (ou seja, o conjunto vazio de pares ndice-elemento). Essa observac a o justica a denic a o de 0! como sendo 1. O fatorial de n cresce muito rapidamente quando n aumenta. Por exemplo, 20! = 2.432.902.008.176.640.000 mais de dois quintilh oes (bilh oes de bilh oes)! O fatorial de 50 e aproximadamente 3.04 1064 , que e muito maior que o n umero de a tomos no sistema solar. Assim, embora possamos facilmente calcular o n umero de permutac o es de um baralho de 52 cartas, e imposs vel gerar todas essas permutac o es, em qualquer computador conceb vel atualmente.
Exerc cio 10.1: Qual e maior, 10! ou 510 ?
onde ln e o logaritmo natural (na base e = 2.7182818 . . . ). Aplicando exp( x) = ex em ambos os lados temos n n n! 2n e
10.2 Arranjos
Dado um conjunto nito X de n elementos, e um inteiro r N, denimos um arranjo de r elementos de X como uma sequ encia de elementos de X com comprimento r, em determinada ordem e sem repetic o es. Ou seja, uma func a o dos inteiros {0.. r 1} para o conjunto X . Por exemplo, os arranjos de 3 elementos do conjunto X = {a, e, i, o, u} s ao aei aeo aio aeu aiu aou eio eiu eou iou aie aoe aoi aue aui auo eoi eui euo iuo eai eao iao eau iau oau ieo ieu oeu oiu eia eoa ioa eua iua oua ioe iue oue oui iae oae oai uae uai uao oei uei ueo uio iea oea oia uea uia uoa oie uie uoe uoi
153
(10.2)
Em muitos livros este n umero e denotado por Ar e-se arranjos de n, tomados r a r). Alguns n (l autores usam a notac a o nr (l e-se n a ` pot encia r caindo). Este n umero pode ser calculado a partir de fatoriais, pela f ormula n! (10.3) (n r)! Note que os fatores do denominador cancelam uma parte dos fatores do numerador, deixando apenas os fatores da f ormula (10.2). Assim, por exemplo, o n umero de arranjos de 3 vogais, listados acima, e 5!/(5 3)! = 5 4 3 = 60. Uma maneira de entender a f ormula (10.3) e considerar todas as n! permutac o es de n elementos, e imaginar o que ocorre se tomarmos apenas os r primeiros elementos de cada uma, para obter os arranjos. Note que duas permutac o es que diferem apenas na ordem dos n r elementos descartados produzem o mesmo arranjo. H a (n r)! maneiras de ordenar esses elementos descartados, sem mexer nos r primeiros. Portanto, para cada arranjo temos (n r)! permutac o es.
es 10.3 Combinac o
Outro problema muito comum e contar o n umero de subconjuntos de tamanho r de um conjunto X de n elementos. Note que este problema e diferente de contar os arranjos de r elementos de X : em ambos os casos desejamos tomar r elementos de X , sem repetic o es; mas neste caso a ordem dos elementos em cada subconjunto n ao interessa. Estes subconjuntos s ao tamb em chamados de combina co es de r elementos de X . Assim, por exemplo, as combinac o es de 3 vogais s ao aei aeo aio aeu aiu aou eio eiu eou iou onde aiu signica o sub-conjunto {a, i, u}, e assim por diante. n O n umero de tais combinac o es acima e denotado por Cr por alguns autores, por em a notac a o n mais comum e r , que se l e combinac o es de n, tomados r a r. Para contar as combinac o es, podemos determinar o n umero de arranjos de r elementos, e contar apenas uma vez todos os arranjos que diferem apenas na ordem dos elementos. Por exemplo, os seis arranjos aio, aoi, iao, ioa, oai e oia correspondem a ` mesma combinac a o {a, i, o}. Como temos r elementos em cada arranjo, conclu mos que cada combinac a o corresponde a r! arranjos diferentes. Portanto, o n umero de combinac o es e Ar n (n 1) (n r + 1) n = r! r (r 1) 1 (10.4)
154 Esta f ormula pode ser escrita em termos de fatoriais n! n = r r!(n r)!
(10.5)
Exerc cio 10.2: Quantas m aos diferentes de cinco cartas podem ser obtidas de um baralho de 52 cartas? Exerc cio 10.3: H a 2n sequ encias distintas de n bits (algarismos 0 e 1). Quantas dessas sequ encias tem exatamente k bits iguais a 1?
Uma vez que o n umero de elementos de um conjunto e um n umero natural, a denic a o de n r n ao faz muito sentido quando n e/ou r s ao negativos. Por em, a experi encia mostra que muitos teoremas e f ormulas cam mais simples quando denimos n = 0 quando n < 0 ou r < 0. r
10.3.2 Propriedades
A func a o
n r
Para demonstrar esta identidade, considere um conjunto X de n elementos, e observe que para cada conjunto de r elementos existe um u nico conjunto de n r elementos que e seu complemento, e vice-versa. Ou seja, a operac a o de complemento em relac a o a X e uma bijec a o entre o conjunto dos subconjuntos de r elementos e o conjunto dos subconjuntos de n r elementos. Outra propriedade importante e a identidade de Pascal: n n n+1 + = r+1 r r+1
155
Para provar esta identidade, considere um conjunto X de n + 1 elementos, e escolha um elemento arbitr ario x de X . Seja X o conjunto dos demais elementos, X = X \ { x}. Considere agora todos os subconjuntos de X com r + 1 elementos. Eles podem ser separados em dois grupos: aqueles que cont em o elemento escolhido x, e aqueles que n ao cont em x. Os primeiros s ao exatamente os n sub-conjuntos de X de tamanho r, cada um deles acrescido do elemento x. Os segundos s ao r exatamente os
n r +1
subconjuntos de X de tamanho r + 1.
n r
Podemos enunciar esta propriedade gracamente, dispondo os valores de tri angulo innito
0 0 1 0 2 0 3 0 4 0 5 0 5 1 4 1 5 2 3 1 4 2 5 3 2 1 3 2 4 3 5 4 1 1 2 2 3 3 4 4 5 5
na forma de um
1 1 1 1 1 1 5 4 10 ... 3 6 10 2 3 4 5 1 1 1 1 1
...
A identidade de Pascal diz que cada n umero deste diagrama e a soma dos dois vizinhos mais 4 4 pr oximos da linha acima. Por exemplo, 5 = + . 2 1 2
(a + b) =
r =0
n nr r a b r
a4 b0 +
4 1
a3 b1 +
4 2
a2 b2 +
4 3
a1 b3 +
4 4
a0 b4
= 1a4 + 4a3 b + 6a2 b2 + 4ab3 + 1b4 Por conta desta f ormula, os n umeros n s ao tamb em chamados de coecientes binomiais. As r seguintes propriedades s ao corol arios imediatos da f ormula de Newton:
Exerc cio 10.4: Mostre que
n n r =0 r
= 2n .
156
Exerc cio 10.5: Mostre que Exerc cio 10.6: Mostre que
n r n r =0 2 r
n r n r =0 (1) r
Exerc cio 10.7: Seja X um conjunto de n elementos. Usando a f ormula 10.6, mostre que o n umero de subcojuntos de X de tamanho par e igual ao n umero de sub-conjuntos de tamanho mpar. Exerc cio 10.8: Prove que, para todos os naturais k e n com n k, temos
k n k=r r
n+1 r +1
Exerc cio 10.9: Uma prova tem 10 quest oes do tipo verdadeiro/falso. Quantas maneiras h a de responder essas quest oes, sem deixar nenhuma em branco, de modo a acertar exatamente 7 delas? E acertar pelo menos 7 delas?
Esta recorr encia pode ser demonstrada por induc a o em r. Para provar o passo da induc a o, basta observar que o lado direito da equac a o 10.4 pode ser fatorada como segue
pelo algoritmo
2. C 1
5. Devolva C .
Neste algoritmo e importante efetuar a multiplicac a o por n k + 1 antes de dividir por r k. Isto garante que a divis ao ser a exata.
157
Esta identidade e f acil de entender pelo diagrama de Venn: ao contar os elementos de A e de B, estamos contando os elementos de A B, mas contando em dobro os elementos de A B. Pelo mesmo racioc nio podemos concluir que, para quaiquer conjuntos nitos A, B,e C , vale a identidade |A B C | = |A| + |B| + |C | |A B| |A C | | B C | + |A B C | (10.7)
| Ai |
=
i, j 1i< jn
Ai A j (10.8) Ai A j Ak
i, j,k 1i< j<kn
= +
= ... = +(1)n1 |A1 A2 An | Para simplicar esta f ormula, vamos denotar por Cn o es de r r o conjunto de todas as combinac elementos do conjunto {1, 2, . . . , n}. Podemos escrever ent ao n (10.9) A | A1 A2 An | = (1)r1 k
r =1 X Cn r k X
Esta f ormula para a cardinalidade da uni ao de conjuntos nitos e conhecida pelo nome de princ pio da inclus ao e exclus ao.
Exerc cio 10.10: Quantos n umeros entre 1 e 1.000.000 s ao quadrados perfeitos, cubos perfeitos, ou s ao divis veis por 5? Exerc cio 10.11: Na notac a o decimal, quantos n umeros entre 100000 e 999999 comec am com algarismo par, terminam com algarismo maior que 5, ou possuem todos os algarismos iguais? Exerc cio 10.12: Demonstre a f ormula (10.8), por induc a o em n.
158
sub-conjunto escolhido do conjunto X , com r elementos, e a segunda caixa ao complemento desse sub-conjunto em relac a o a X .) Esta denic a o alternativa pode ser generalizada para qualquer n umero positivo t de caixas. Ou seja, podemos perguntar quantas maneiras existem de distribuir n objetos em t caixas distintas, com r1 elementos na caixa 1, r2 elementos na caixa 2, e assim port diante. Obviamente isso e poss vel apenas se r1 + r2 + + rt = n. Um racioc nio an alogo ao utilizado na sec a o 10.3 permite concluir que esse n umero e n! n = r1 , r2 , . . . , rt r1 !r2 ! rt ! (10.10)
Por exemplo, suponha que temos 10 pessoas para distribuir em tr es comiss oes A, B e C , com, respectivamente, 5, 3, e 2 membros. Isso pode ser feito de 10! 10 = 2520 = 5!3!2! 5, 3, 2 maneiras distintas.
(10.11)
Exerc cio 10.13: Quantas maneiras existem de distribuir 5 cartas para cada um de 4 jogadores, de um baralho de 52 cartas? (Note que, al em das 4 m aos distribu das, h a tamb em um monte de 32 cartas n ao distribu das.)
Exerc cio 10.14: Quantas maneiras distintas existem de pintar 20 casas com as cores vermelha, azul, verde e amarela (cada casa de uma s o cor), sendo que deve haver o mesmo n umero de casas de cada cor?
n r1 ,r2 ,...,rt
se t = 1? E se rt = 0? E se r1 = r2 = = rt = 1?
O n umero de distribuic o es de n elementos em t caixas de tamanhos xos aparece na f ormula da soma de t vari aveis, x1 + x2 + + xt , elevada a pot encia n. Mais precisamente, r1 ,r2n,...,rt e o r1 r2 rt n coeciente do termo x1 x2 xt na expans ao da f ormula ( x1 + x2 + + xt ) : ( x1 + x2 + + xt )n = n t xr1 xr2 . . . xr t . r1 , r2 , . . . , rt 1 2
r1 , r2 , . . . , rt r1 + r2 + + rt = n
159
a4 b0 c0 + a3 b0 c1 + a2 b0 c2 + a1 b0 c3 + a0 b0 c4
a3 b1 c0 + a2 b1 c1 + a1 b1 c2 + a0 b1 c3 +
a2 b2 c0 + a1 b2 c1 + a0 b2 c2 +
4 1,3,0 4 0,3,1
a1 b3 c0 + a0 b3 c1 +
4 0,4,0
a0 b4 c0 +
= 1a4 + 4a3 b + 6a2 b2 + 4ab3 + 1b4 + 4a3 c + 12a2 bc + 12ab2 c + 4b3 c+ 6a2 c2 + 12abc2 + 6b2 c2 + 4ac3 + 4bc3 + 1c4 Por esta raz ao, estes n umeros s ao tamb em chamados de coecientes multinomiais. n Note que o coeciente binomial r equivale ao coeciente multinomial r,nnr Os coecientes multinomiais tamb em contam as maneiras de listar t objetos distintos com n umero especicado de repetic o es de cada objeto. Mais precisamente, suponha que queremos formar uma lista de comprimento n com t itens distintos, sendo que o primeiro item aparece r1 vezes na lista, o segundo item aparece r2 vezes, e assim por diante. O n umero de listas desse tipo n e justamente r1 ,r2 ,...,rt .
160
161
162
Ou seja, e poss vel retirar elementos de um conjunto innito sem alterar sua cardinalidade. Verica-se que esta e uma propriedade geral de conjuntos innitos. Inclusive, muitos autores usam esta propriedade como denic a o, dizendo que um conjunto A e innito se e somente se ele tem um subconjunto pr oprio B tal que A B. O exemplo acima foi enunciado pelo matem atico alem ao David Hilbert (18621943) na forma de uma anedota: um hotel com innitos quartos, todos ocupados, de repente recebe innitos novos h ospedes, e precisa arrumar quartos para eles. Dois outros exemplos importantes s ao os seguintes:
Exemplo 11.2: Considere a func ao f : N Z denida por f (n) = (1)n n+1 2 = k se n e par, n = 2k (k + 1) se n e mpar, n = 2k + 1 (11.1)
A tabela abaixo ilustra a func a o f 1 2 3 4 5 6 7... n 0 f (n) 0 1 1 2 2 3 3 4 . . . Esta func a o e uma bijec a o de N para Z, e portanto N Z. Exemplo 11.3: Considere a func a o f : N N N denida pela f ormula f (u, v) = (u + v)(u + v + 1) +u 2 (11.2)
A tabela abaixo ilustra a func a o f . Ela associa a cada par (u, v) um n umero natural na sequ encia, segundo diagonais sucessivas: v 0 1 2 3 4 ... 0 1 3 6 10 . . . 2 4 7 11 . . . 5 8 12 . . . 9 13 . . . 14 . . . . . .
0 1 u 2 3 4 . . .
Verica-se que esta func a o e uma bijec a o de N N para N, e portanto N N N. Exemplo 11.4: Considere a func a o f : [0, 1] [0, 2] denida por f ( x) = 2 x. Verica-se que esta func a o e uma bijec a o do intervalo [0, 1] para o intervalo [0, 2], e portanto conclu mos que [0, 1] [0, 2] Por racioc nio an alogo, podemos concluir que todos os intervalos fechados [a, b] de n umeros reais tem a mesma cardinalidade.
Em vista desses exemplos, poder amos ser levados a acreditar que todos os conjuntos innitos tem a mesma cardinalidade, ou seja, que existe apenas um tipo de innito. Essa conjetura foi derrubada pelo matem atico Georg Cantor em 1879, que mostrou que os conjuntos N e R tem cardinalidades diferentes.
163
A frac a o decimal b n ao aparece na lista acima, pois ela difere de cada frac a o ai na i- esima posic a o. Como b usa apenas algarismos 4 e 5 depois da v rgula, o n umero real b que ela representa n ao e nem 0 nem 1, e portanto est a no intervalo aberto (0, 1). Uma vez que b n ao termina nem em innitos zeros nem em innitos noves, o n umero b tem apenas essa representac a o, e portanto ele e diferente do n umero real f (i), para todo i em N. Conclu mos que nenhuma func a o f de N para (0, 1) pode ser sobrejetora. Logo (0, 1) n ao e enumer avel.
164 Fim.
A t ecnica usada nesta demonstrac a o para encontrar o contra exemplo b e conhecida como m etodo da diagonaliza ca o (ou m etodo da diagonaliza ca o de Cantor. Este m etodo e muito usado em l ogica matem atica e na teoria da computac a o.
Em particular, para quaisquer conjuntos A, B tais que A B, a func a o identidade IA e uma func a o injetora de A para B; portanto conclu mos que A B implica A B. Em particular, A A para qualquer conjunto A; ou seja, e uma relac a o reexiva. Prova-se tamb em que, se A B e B C , ent ao A C ; isto e , e transitiva. (Veja exerc cio 11.6) Finalmente, prova-se que, se A Be B A, ent ao A B (isto e , A e B tem a mesma cardinalidade). Por em, a demonstrac a o deste fato (devida a Cantor, Schr oder e Bernstein) foge do escopo deste livro [6]. Outro resultado cuja prova n ao cabe aqui e que, dados quaisquer dois conjuntos A e B, pelo menos uma das condic o es A B e B A deve ser verdadeira. Pode-se vericar tamb em (veja exerc cio 11.7) que se A A , B B , e A B, ent ao A B. Portanto a relac a o entre conjuntos depende apenas de suas cardinalidades, e n ao dos conjuntos em si. Podemos ent ao substituir por uma relac a o entre cardinalidades. Em vista das propriedades acima, esta e uma relac a o de ordem total, que denotaremos por . Ou seja, dizemos a cardinalidade de A e menor ou igual a ` de C , e escrevemos |A| | B|, se e somente se A B. Se |A| | B|, mas |A| | B|, dizemos que a cardinalidade de A e estritamente menor que a cardinalidade de B, e denotamos esse fato por |A| < | B|. Para conjuntos nitos, a relac a o de ordem parcial entre cardinalidades coincide com a relac a o f entre n umeros naturais. E acil ver tamb em que a cardinalidade de um conjunto nito e sempre maior que a cardinalidade de qualquer subconjunto pr oprio. (Veja o exerc cio 11.8.) Ou seja, para qualquer conjunto nito A e qualquer conjunto B, temos B A | B| < |A|.
165
Em particular, a cardinalidade P(N) e estritamente maior que a de N. N ao e dif cil encontrar uma bijec a o entre o intervalo aberto (0, 1) e o conjunto dos n umeros reais R. Veja exerc cio 11.4. Portanto, em vista do teorema 11.1 a cardinalidade de R e estritamente maior que a cardinalidade de N.
Cantor mostrou que |P(N)| = |R|, e portanto 1 e a cardinalidade do conjunto R. Cantor conjecturou em 1878 que n ao e poss vel denir um conjunto com cardinalidade entre 0 e 1 isto e , estritamente maior que N mas estritamente menor que R. Esta conjetura cou conhecida como a hip otese do cont nuo, e cou aberta at e 1963, quando Paul Cohen (baseado em um teorema provado por Kurt G odel em 1939) mostrou que, com os axiomas usuais da teoria dos conjuntos, n ao e poss vel demonstrar nem essa armac a o nem sua negac a o. Ou seja, pode-se supor que tais conjuntos existem, ou que n ao existem e, nos dois casos, nunca se chegar a a uma contradic a o.
Exerc cio 11.1: Mostre que e uma relac a o de equival encia. Exerc cio 11.2: Prove que para todo n umero natural m e n, se In Im ent ao m = n. (Sugest ao: use induc a o em n.)
166
B, ent ao A
Exerc cio 11.8: Prove que para qualquer conjunto nito A e qualquer conjunto B, A B ent ao | B| < |A|. Exerc cio 11.9: Prove que, se A e innito, ent ao para qualquer n N existe um subconjunto de A com cardinalidade n.
Figura 12.1: Um grafo, desenhado de duas maneiras diferentes. Grafos s ao extremamente u teis para modelar problemas em muitas a reas de aplicac a o. Por exemplo, a malha rodovi aria de um estado pode ser representada por um grafo em que as cidades s ao os v ertices, e cada trecho de estrada entre cidades consecutivas e uma aresta. Um circuito el etrico pode ser visto como um grafo onde os v ertices s ao condutores met alicos e as arestas s ao resistores, capacitores, e outros componentes. Uma mol ecula pode ser abstra da por um grafo onde os a tomos s ao os v ertices e as arestas s ao as ligac o es covalentes. Uma trelic a met alica pode ser entendida como um grafo onde as arestas s ao as barras e os v ertices s ao as juntas. Grafos s ao especialmente importantes em computac a o, para modelar tanto hardware em v arios n veis (desde circuitos digitais at e a internet mundial) quanto conceitos de software (como registros em bancos de dados, blocos e m odulos de programas, protocolos de transmiss ao de dados, e muito mais). O conceito abstrato de grafo e o estudo matem atico de suas propriedades foi uma das muitas contribuic o es do matem atico su c o Leonhard Euler (17071783). Um quebra-cabec as famoso na 167
168
e poca era encontrar um passeio que visitasse todas as pontes da cidade de K onigsberg (veja a gura 12.2), passando uma u nica vez em cada ponte. Euler resumiu as propriedades essenciais do mapa por um diagrama de pontos ligados por linhas. Apenas analisando esse diagrama abstrato, ele provou que o tal passeio era imposs vel. Este trabalho (publicado em 1736) e considerado o primeiro artigo da teoria de grafos.
Figura 12.2: O problema das pontes de K onigsberg. A teoria matem atica dos grafos foi desenvolvida gradualmente no s eculo 19, quando surgiram importantes aplicac o es em qu mica e engenharia. Sua import ancia cresceu muito no s eculo 20, com o surgimento das redes de telefonia, dos circuitos digitais, e por m dos computadores.
Exerc cio 12.1: Desenhe o grafo cujos v ertices s ao todos os n umeros inteiros de 2 a 30, sendo que dois v ertices est ao ligados se e somente se um dos n umeros e divisor do outro. Exerc cio 12.2: Escolha uma frase qualquer e desenhe o grafo onde cada v ertice representa uma palavra dessa frase, e dois v ertices est ao ligados entre si se e somente se as duas palavras correspondentes possuem pelo menos uma letra em comum. Assim, por exemplo, gato e cavalo devem ser ligados porque tem as letras a e o em comum; enquanto que gato e peixe n ao devem ser ligados.
169
natureza das arestas depende da denic a o, mas cada aresta tem sempre dois extremos (n ao necessariamente distintos) que s ao v ertices de G. Dependendo da denic a o, um grafo pode ter outras informac o es al em dos conjuntos V G e E G.
12.2.3 Lac os
Uma aresta que liga um v ertice a ele mesmo, como uma viela circular que comec a e termina na mesma esquina, e chamada de la co. Algumas denic o es permitem lac os no grafo; outras pro bem lac os, exigindo que os dois extremos de cada aresta sejam v ertices distintos.
170
Figura 12.3: Um grafo orientado simples. Uma consequ encia importante desta denic a o e que um grafo n ao pode ter duas arestas distintas com a mesma origem e o mesmo destino. Ou seja, os grafos denidos desta forma s ao orientados e n ao possuem arestas paralelas (mas podem ter arestas antiparalelas). Neste modelo, um lac o e um par (u, u) onde u V G. Alguns autores excluem explicitamente lac os na denic a o.
171
Figura 12.4: Um grafo simples n ao dirigido. Uma maneira equivalente de denir o mesmo conceito e dizer que E G e uma relac a o sim etrica sobre V G, ou seja, que o par (u, v) est a em E G se e somente se o par (v, u) tamb em est a. Neste caso, os dois pares ordenados (u, v) e (v, u) juntos correspondem ao par n ao ordenado {u, v} da denic a o anterior. Uma consequ encia importante desta denic a o e que um grafo n ao pode ter duas arestas distintas com os mesmos extremos. Portanto grafos denidos desta forma n ao s ao orientados e n ao podem ter arestas distintas que sejam paralelas ou antiparalelas. Note que se u e v s ao o mesmo v ertice, o conjunto {u, v} tem apenas um u nico elemento. Neste modelo, portanto, excluir lac os equivale a exigir que toda aresta seja um conjunto com exatamente dois elementos, ambos v ertices do grafo.
172
func o es de E G para V G, fornecendo respectivamente o v ertice de origem e o v ertice de destino de cada aresta. Este modelo tamb em permite lac os, ou seja arestas e tais que F G(e) = (u, u) para algum u V G. Alguns autores pro bem lac os explicitamente.
v4
173
174
vV G
Prova: Cada aresta (lac o ou n ao) contribui duas unidades na soma dos graus. Fim. Para grafos orientados, o mesmo argumento permite concluir o seguinte: Teorema 12.2: Em qualquer grafo orientado G = (E V, E G, F G), a soma dos graus de entrada (ou de sa da) de todos os v ertices e igual ao n umero de arestas. Isto e
+ dG (v) = vV G vV G dG (v) = |E G|
Uma consequ encia do teorema 12.1 e Corol ario 12.3: Em todo grafo G = (V G, E G, F G), o n umero de v ertices de grau mpar e par. Prova: Sejam P o conjunto dos v ertices de grau par e I o conjunto dos v ertices de grau mpar. Ent ao dG (v) = dG (v) + dG (v) = 2 |E G|
vV G v P v I
logo
v I
dG (v) = 2 |E G|
dG (v)
v P
Fim.
O lado direito da equac a o acima e par. Como a soma de parcelas mpares e par somente se o n umero de parcelas for par, conclu mos que o |I | e par.
Os s mbolos G e G s ao frequentemente usados para denotar o maior e o menor grau dos v ertices, respectivamente, de um grafo G.
175
c g h
e a
f b
176
do passeio, denotado por |P|. Quando o grafo e simples podemos denir o passeio apenas pela sequ encia de seus v ertices. Em particular, um passeio pode ter apenas um v ertice e nenhuma aresta, P = (v0 ). Tal passeio e dito trivial, e seu comprimento e zero. Dizemos que o passeio P passa por, visita, ou atravessa cada uma das arestas {e1 , e2 , . . . , ek }. Dizemos tamb em que P visita os v ertices {v0 , v1 , . . . , vk }, come ca no v ertice v0 , termina no v ertice vk e passa por ou atravessa cada um dos v ertices v1 , v2 , . . . , vk1 . O v ertice v0 e o in cio do passeio, vk e o t ermino, e {v1 , v2 , . . . , vk1 } s ao os v ertices intermedi arios ou internos do passeio. Note que a mesma aresta e/ou o mesmo v ertice podem ocorrer mais de uma vez; e que o mesmo v ertice pode ser ao mesmo tempo in cio e/ou t ermino e/ou v ertice intermedi ario do passeio. Portanto um passeio de comprimento k visita no m aximo k + 1 v ertices distintos, e tem no m aximo k 1 v ertices internos. Se as arestas e1 , e2 , . . . , ek s ao todas distintas o passeio e chamado de trilha. Note que uma trilha pode repetir v ertices. facil ver que um caminho Um caminho em um grafo e um passeio que n ao repete v ertices. E n ao pode visitar mais de uma vez a mesma aresta, portanto todo caminho tamb em e uma trilha. Note que um caminho de comprimento k visita exatamente k + 1 v ertices distintos e tem exatamente k 1 v ertices internos.
um caminho? Exerc cio 12.11: Um passeio trivial e uma trilha? E
177
Exerc cio 12.18: Seja P um passeio fechado (v0 , e1 , v1 , . . . , ek , vk ) com k 1 tal que (v0 , e1 , v1 , . . . , ek1 , vk1 ) constitui um caminho. O passeio P e um circuito? Exerc cio 12.19: Seja P um passeio fechado (v0 , e1 , v1 , . . . , ek , vk ) com k 1 que n ao repete v ertices exceto v0 = vk . O passeio P e um circuito?
Exerc cio 12.21: Prove que um grafo G possui uma trilha fechada se e somente se ele possui um circuito.
Exerc cio 12.22: Seja G um grafo onde todo v ertice tem grau maior ou igual a 2. Prove que G tem um circuito.
Exerc cio 12.24: Seja G um grafo orientado, e sejam u, v dois v ertices quaisquer de G. Prove que existe um passeio orientado de u para v em G se e somente se existe um caminho orientado de u para v em G.
178
12.6 Subgrafos
Um grafo H e um subgrafo de outro grafo G se V H V G, E H E G, e cada aresta de E H tem os mesmos extremos em H e em G. Se G e orientado, H tamb em precisa ser orientado e as arestas precisam ter tamb em a mesma orientac a o. Ou seja, F H e a restric a o F G a E H . Veja a gura 12.8. Dado o grafo G, cada subgrafo H e completamente determinado pelos conjuntos V H e E H . Se V H = V G o subgrafo H e chamado subgrafo gerador ou subgrafo espalhado. A (a) D (b) D A (c) D
Figura 12.8: (a) Um grafo. (b) Um dos seus subgrafos. (c) Um subgrafo gerador. Se X e um subconjunto de V G, dene-se o subgrafo de G induzido por X , denotado por G[X ], como sendo o maior subgrafo de G cujo conjunto de v ertices e X . Isto e , o subgrafo com esses v ertices cujas arestas s ao todas as arestas de G que possuem ambos os extremos em X . Veja a gura 12.9.
(a)
(b)
Figura 12.9: (a)Um grafo G. (b) O subgrafo induzido G[X ] onde X = {A, B, C, E } V G. Analogamente, se Y e um subconjunto de E G, o subgrafo de G induzido por Y , tamb em denotado por G[Y ], e o menor subgrafo de G cujas arestas s ao Y . Isto e , o subgrafo que possui apenas essas arestas e os v ertices que s ao extremos delas. Veja a gura 12.10(a). Finalmente, se P = (v0 , e1 , v1 , . . . , vn , en ) e um passeio em um grafo G, denimos o subgrafo induzido por P como sendo o subgrafo G[P] cujos v ertices s ao exatamente {v1 , v2 , . . . , vn } e cujas arestas s ao exatamente {e1 , . . . , en }. Veja a gura 12.10(b).
12.6. SUBGRAFOS
179
(a)
(b)
Figura 12.10: (a) O subgrafo induzido G[Y ] onde G e o grafo da gura 12.9 e Y = {(B, C ), (B, E ), (C, E ), (D, E )} E G. (d) O subgrafo induzido G[P] onde P e o passeio (B, E , D, C, E ).
B A (d)
C D
B (e)
C D
Figura 12.11: (a) Um grafo G. (b) Um dos seus subgrafos H . (c) Um dos seus subgrafos K . (d) O grafo H K . (e) O grafo H K .
180
Por outro lado, a operac a o de diferenc a de conjuntos n ao tem uma adaptac a o natural para grafos. Por em, se Y e subconjunto E G, denotamos por G \ Y o subgrafo de G que tem v ertices em disso, se X e um subconjunto de V G, denotamos por G \ X os V G e arestas E G \ Y . Al subgrafo G[V G \ X ]. Note que esta operac a o retira de G todos os v ertices em X e todas as arestas que tem alguma ponta em X .
Exerc cio 12.26: Seja Y E G. Mostre que G \ Y G[V G \ Y ].
v5
v6
v5
v6
v2
v3
v2
v3
181
uma aresta com extremos (vi , v j ) no caso orientado, ou vi , v j no caso n ao orientado. Observe que, neste segundo caso, a matriz ser a sim etrica ( Mi j = M ji para quaisquer i e j). Se as arestas de um grafo s ao denidas como pares de v ertices (ordenados ou n ao), ent ao o grafo G e completamente determinado pela lista ordenada de v ertices v0 , v1 , . . . , vn1 e pela correspondente matriz de adjac encia (orientada ou n ao). Na verdade, dada uma lista ordenada de n v ertices, qualquer matriz booleana n n determina um grafo orientado com esses v ertices; e qualquer matriz sim etrica determina um grafo n ao orientado. Se a denic a o permite arestas m ultiplas, a matriz booleana de adjac encias n ao e mais suciente para representar completamente o grafo. Para tal m, podemos entretanto usar uma matriz M onde cada elemento Mi j e um n umero natural, especicamente o n umero de arestas com extremos (vi , v j ) ou vi , v j , conforme o caso. Por em, esta representac a o ainda n ao permite saber quais arestas ligam esses dois v ertices.
Se G e um grafo orientado, podemos construir duas matrizes de incid encia. Na matriz de + entrada (ou chegada) M + , o elemento Mik e V se e somente se a aresta ek entra no v ertice vi . A matriz de sa da M e denida de maneira an aloga. Em algumas aplicac o es, e conveniente combinar estas duas matrizes em uma u nica matriz M cujos elementos s ao inteiros no conjunto {+1, 0, 1}; sendo que Mik e +1 se ek entra em vi , 1 se + ek sai de vi , e 0 se ek n ao incide em vi . Ou seja, Mik = Mik Mik , supondo que V = 1 e F = 0. Entretanto, esta representac a o somente pode ser usada se o grafo n ao tiver lac os.
182 (G1 ) v5
v6
v3
v1 d (G3 ) f
v2 c 4
x (G4 )
y 3
6 e a b 1 5 2
Figura 12.13: (G1 ), (G2 ), (G3 ) grafos com mesma estrutura. (G4 ) grafo com estrutura diferente de (G1 ), (G2 ) e (G3 ). O conceito de mesma estrutura pode ser formalizado da seguinte maneira. Dizemos que dois grafos G e H s ao isomorfos se existem bijec o es f : V G V H e g : E G E H tais que um v ertice v e extremo de uma aresta e no grafo G se e somente se f (v) e extremo da aresta g(e) no grafo H . No caso de grafos orientados, a direc a o da aresta tem que ser preservada tamb em: a aresta e entra no (resp. sai do) v ertice v em G se e somente se g(e) entra em (resp. sai de) f (v). Ou seja, as func o es f e g preservam as relac o es de incid encias entre v ertices e arestas. Se os grafos s ao simples, e suciente que exista uma func a o bijetora f : V G V H que preserva as adjac encias dos v ertices. Se G e H s ao o mesmo grafo, dizemos que f e um automorsmo de G. Escrevemos G H para indicar que G e H s ao isomorfos. Quando isto ocorre, qualquer propriedade de G que pode ser denida apenas em termos de incid encias tamb em ser a uma propriedade de H . Por esta raz ao, isomorsmo e um dos conceitos mais importantes da teoria dos grafos.
Exerc cio 12.29: Os grafos abaixo s ao isomorfos? Relacione-os dois a dois. Demonstre que s ao isomorfos, se o forem; caso contr ario justique porque n ao o s ao.
@ @ @ @ @ u @u 3 6 @ @ @ @ u @u @
1 u
2 u
a u
(a)
@ @ @u e u
b u u f@ @ @u (b) c
u u u HH @ @ @ H @ @ @ H HH @ @ H H H @u u @u
n (c)
Dados dois grafos G e H , com V G = V H = n, vericar se G e H s ao isomorfos e um problema dif cil. Uma maneira e na forc a bruta, ou seja analizar todas as n! bijec o es de V G para V H e vericar se alguma delas satisfaz a condic a o de isomorsmo. H a algoritmos mais
183
ecientes, mas todos os m etodos conhecidos podem demorar demais em certos casos, mesmo para grafos relativamente pequenos. f E acil provar (veja o exerc cio 12.30) que o isomorsmo e uma relac a o de equival encia entre grafos. Uma classe de equival encia desta relac a o e o conjunto de todos os grafos que tem um determinado diagrama (isto e , uma determinada estrutura) , independentemente dos r otulos dos v ertices e das arestas. Por esse motivo, cada uma dessas classes e chamada de grafo n ao rotulado; e os grafos que vimos at e agora podem ent ao ser chamados de grafos rotulados. Este conceito se aplica a qualquer um dos tipos de grafos denidos na sec a o 12.3 (simples, orientado, etc.). Pode-se vericar que todos os grafos simples completos com n v ertices s ao isomorfos entre si. Portanto, para cada natural n, existe apenas um grafo n ao rotulado completo com n v ertices, que e geralmente denotado por Kn . As guras 12.14 e 12.15 mostram todos os grafos simples (rotulados) com v ertices {1, 2, 3}, e todos os grafos simples n ao rotulados com tr es v ertices, respectivamente. Observe que v arios dos grafos da gura 12.14 s ao isomorfos, e portanto correspondem ao mesmo diagrama da gura 12.15. a a a a
c a
c a
c a
c a
184
Tabela 12.1: N umero de grafos simples com n v ertices. n 0 Rotulados 1 N ao rotulados 1 1 2 3 1 2 8 1 2 4 4 5 6 7 ... 64 1.024 32.768 2.097.152 . . . 34 156 1.044 12.346 . . .
A f ormula que permite calcular o n umero de grafos simples n ao rotulados com n v ertices (a segunda linha da tabela 12.1) foi encontrada por George P olya em 1935 [7, 8], mas e bastante complexa e foge do escopo deste livro.
12.9 Conexidade
12.9.1 Conexidade em grafos n ao orientados
Seja G um grafo n ao orientado, Dizemos que um v ertice u V G est a conectado ou ligado em G a um v ertice v V G se e somente se existe um passeio em G com in cio u e t ermino v. Isto equivale a dizer que existe um caminho em G de u para v (veja o exerc cio 12.15 Dizemos que um grafo e conexo se ele n ao e vazio e quaisquer dois de seus v ertices s ao conectados.
Exerc cio 12.33: Mostre que, em qualquer grafo n ao orientado G, a relac a o est a conectado a e uma relac a o de equival encia. Exerc cio 12.34: Sejam H e K dois subgrafos conexos de um grafo G. Demonstre que H K e conexo se e somente se V H V K . Exerc cio 12.35: Demonstre que um grafo G e conexo se e somente se existe um vertice u V G tal que todo v ertice v V G est a ligado a u.
As componentes (conexas) de um grafo G s ao os subgrafos conexos de G que s ao maximais na relac a o ( e subgrafo de). Uma propriedade importante das componentes e a seguinte: Teorema 12.4: Um subgrafo H de um grafo n ao orientado G e uma componente conexa de G se e somente se H e conexo, e toda aresta de E G que tem um extremo em V H est a em E H (e portanto tem os dois extremos em V H ).
12.9. CONEXIDADE
Prova: Para demonstrar a parte somente se, seja H uma componente conexa de G. Por denic a o, He conexo. Seja e uma aresta qualquer de E G que tem uma ponta u em V H . Seja v a outra ponta de e, e seja H o subgrafo de G com v ertices V H = V H {v} e E H = conexo, pois qualquer v ertice w V H est a conectado a u, e u E H {e}. O grafo H e est a conectado a v pela aresta e. Mas, pela denic a o de componente, H e maximal dentre os subgrafos conexos de G sob . Portanto, como H H , devemos ter H = H ; ou seja e E H e v V G.
185
Fim.
Para demonstrar a rec proca, suponha que H e um subgrafo conexo de G, e toda aresta de a em E H . Vamos mostrar que H e maximal dentre E G que tem um extremo em V H est os subgrafos conexos de G. Seja H um subgrafo conexo de G tal que H H . Vamos mostrar que H = H . Por denic a o de grafo conexo, H n ao e vazio. Seja portanto u um v ertice de H , e v um v ertice qualquer de H . Como H e conexo, existe um passeio (v0 , e1 , v1 , . . . , vn ) em H tal que v0 = u e vn = v. Como e1 tem uma ponta (u) em V H , ela est a em H e portanto a outra ponta v2 est a em V H . Desta forma, por induc a o em i, provamos que vi est a em V H para todo i, e portanto v est a em H . Conclu mos assim que otese, e V H = V H . Portanto, toda aresta e E H tem as duas pontas em V H ; pela hip est a em E H , e conclu mos que E H = E H . Portanto H = H , ou seja H e maximal.
O teorema 12.4 implica que cada componente de um grafo G e essencialmente um grafo independente, sem intersecc a o ou ligac a o com as outras componentes. Observe que um grafo e conexo se e somente se ele tem exatamente uma componente conexa. Em particular, o grafo vazio n ao e conexo. Alguns autores usam o termo desconexo para um grafo com duas ou mais componentes. Um grafo sem arestas e dito totalmente desconexo. Seja e uma aresta de um grafo G. O grafo G e ou tem o mesmo n umero de componentes conexas que G, ou tem uma componente a mais. No segundo, caso dizemos que a aresta e e uma aresta de corte. Observe que, se retirarmos uma aresta de corte de um grafo conexo, obtemos um grafo desconexo.
Exerc cio 12.36: Seja G um grafo e u um v ertice qualquer de G. Prove que a componente de G que cont em u e G[U ], onde U e o conjunto de todos os v ertices que est ao ligados a u em G. Exerc cio 12.37: Prove que uma aresta e de um grafo G e uma aresta de corte se e somente se e n ao pertence a nenhum ciclo de G.
186
G. Isto e , as componentes fortemente conexas de G s ao os subgrafos fortemente conexos de G que s ao maximais sob . Ao contr ario do que ocorre em grafos n ao orientados, uma componente fortemente conexa H de um grafo G n ao e necessariamente isolada das outras componentes. Pode existir uma (ou mais) aresta e de G que n ao est a em E H mas tem origem ou destino em V H . (Nesse caso e f acil provar que o outro extremo de e n ao est a em V H .) Portanto, pode-se ver que as componentes fortemente conexas de um grafo orientado G n ao coincidem com as componentes conexas do grafo n ao orientado G que e obtido de G ignorandose as orientac o es das arestas. Em particular, se G e conexo, G pode n ao ser fortemente conexo. Neste caso, diz-se que G e fracamente conexo.
12.10 Arvores
Uma a rvore e um grafo conexo ac clico. Arvores s ao muito importantes, em computac a o e em outras a reas, e tem in umeras propriedades interessantes. Por exemplo, a maneira mais econ omica de interligar um conjunto de computadores e switches por cabos e formando uma a rvore. Observe que uma a rvore e necessariamente um grafo simples. Teorema 12.5: Em uma a rvore quaisquer dois v ertices s ao ligados por um u nico caminho. Prova: Sejam T uma a rvore e u e v dois v ertices de T . Como T e conexo existe um caminho P ligando o v ertice u ao v ertice v. Suponhamos, por contradic a o, que este caminho n ao e u nico, ou seja, existe um caminho Q, distinto de P ligando o v ertice u ao v ertice v. Como os caminhos s ao distintos existe uma aresta e que ocorre em P e n ao em Q. Podemos escrever ent ao P = P1 ( x, e, y) P2 onde x e y s ao os extremos de e. Considere agora o subgrafo H de G que consiste de todos os v ertices e arestas de P e de Q, exceto a aresta e. 1 1 A concatenac a o P1 Q P2 e um passeio que visita todos os v ertices de H . Portanto H e conexo. Logo existe um caminho R em H de x para y que n ao passa por e. A concatenac a o R (y, e, x) e portanto um circuito em T . Isto contradiz a denic a o de a rvore. Portanto conclu mos que o caminho P e u nico. Fim. Outra propriedade de a rvores que precisaremos mais adiante e a seguinte: Corol ario 12.6: Seja G uma a rvore e e uma aresta de G. O grafo G \ {e} tem exatamente duas componentes conexas. Prova: Sejam u e v os extremos de e, e seja H = G \ {e}. Pelo teorema 12.5, o u nico caminho entre u e v em G e (u, e, v). Portanto em H n ao existe caminho entre u e v, implicando que He desconexo. Por outro lado, todo v ertice x de G est a ligado a u por um um u nico caminho P( x). Se esse caminho n ao passa por e, ent ao ele e um caminho em H . Se ele passa por e, ent ao
187
Vamos provar este teorema por induc a o no n umero de v ertices. Observe que, como um grafo conexo n ao pode ser vazio, uma a rvore tem pelo menos um v ertice. Base: Se n = 1, ent ao qualquer aresta de G seria um lac o, e portanto formaria um circuito. Portanto G tem zero arestas, e a armac a o e verdadeira. Hip otese de indu ca o: Para todo k < n, uma a rvore com k v ertices tem k 1 arestas. Passo: Supondo que n 2 e a hip otese de induc a o, vamos provar que toda a rvore G com n v ertices tem n 1 arestas. Como G e conexo, ele deve ter pelo menos uma aresta e = (u, v). Considere o subgrafo H = G \ {e}. Pelo lema 12.6, H tem exatamente duas componentes conexas, H1 e H2 . Sejam n1 = |V H1 | e n2 = |V H2 |; note que n1 + n2 = n, n1 < n, e n2 < n. Portanto, pela hipotese de induc a o, H1 tem n1 1 arestas, e H2 tem n2 1 arestas. Logo o n umero de arestas de G e (n1 1) + (n2 1) + 1 = n1 + n2 1 = n 1. Fim.
188
D Figura 12.16: Grafo das pontes de K onigsberg No seu artigo de 1736, Euler fez mais do que resolver o problema da cidade de K onigsberg. Ele encontrou uma condic a o necess aria e suciente para que um grafo qualquer G tenha um tour euleriano: Teorema 12.8: Um grafo conexo tem um tour de Euler se e somente se ele n ao tem v ertices de grau mpar. A demonstrac a o da parte somente se do teorema e o exerc cio 12.41. A prova da parte se do enunciado e mais trabalhosa e foge do escopo deste livro. Outro quebra-cabec as cl assico que recai no mesmo problema de grafos e desenhar cada um dos diagramas da gura 12.17 sem levantar o l apis do papel e sem trac ar duas vezes a mesma linha. Cada desenho pode ser modelado por um grafo G, onde os v ertices s ao os extremos isolados de linhas ou pontos onde tr es ou mais linhas se encontram; e as arestas s ao as linhas ligando esses pontos. Nesse caso, o que se pede e uma trilha euleriana, uma trilha (n ao necessariamente fechada) que passa por todas as arestas de G. O seguinte teorema e um corol ario do teorema de Euler: Corol ario 12.9: Um grafo conexo tem uma trilha de Euler se e somente ele tem no m aximo dois v ertices de grau mpar.
189 (G3 ) d h c g b
v5
190
Pode-se ver que a soluc a o do quebra-cabec as e um circuito nesse grafo G que passa por todos os seus v ertices; ou seja, um passeio fechado que passa exatamente uma vez em cada v ertice. Veja a gura 12.19. Modred Artur Galahad Alymore Lancelot Guinglain Gawaine Brunar Degore Dagonet Ector Kay Pellinore Saphar Bors Lamorak Percival Lionel Tristan Gareth Bedivere Blioberis LaCotemal Lucan Palamedes
Figura 12.19: Uma soluc a o para o problema do Rei Artur. Um circuito com essas propriedades e chamado de circuito hamiltoniano do grafo G. Este nome homenageia o matem atico irland es William Rowland Hamilton (18051861). Em 1856 ele descreveu, em uma carta a um colega, um jogo para duas pessoas baseado no grafo G da gura 12.20, derivado do dodecaedro. Nesse jogo, uma pessoa escolhe um caminho P qualquer de cinco v ertices no grafo G, e a outra deve encontrar um circuito em G que comec a com P e passa por todos os v ertices.
191
Um grafo que possui pelo menos um circuito hamiltoniano e chamado de grafo hamiltoniano. A gura 12.21 mostra alguns exemplos de grafos hamiltonianos (com os respectivos circuitos) e de grafos n ao hamiltonianos. (a) c g h 5 e a f b 1 2 6 d 4 (b) 3
(c) w u v z
(d )
d e i a x y f k
c g j b
Figura 12.21: (a) e (b) grafos hamiltonianos. (c) e (d ) grafos n ao hamiltonianos. H a v arios argumentos que podem ser usados para demonstrar que um grafo n ao e hamiltoniano. Por exemplo, se G tem um v ertice de grau 1, ent ao G n ao e hamiltoniano. No exemplo da gura 12.21(c), pode-se ver que qualquer passeio que visite os v ertices u e v deve repetir a aresta a, e portanto n ao pode ser um circuito. No exemplo da gura 12.21(d), pode-se observar que os cinco v ertices brancos e os seis v ertices pretos formam uma bipartic a o V G, V+ G de G. Como os dois conjuntos tem cardinalidades diferentes, podemos concluir que n ao h a circuito que passe por todos os v ertices. Um grafo completo Kn sempre tem um circuito hamiltoniano se n 3. Uma condic a o suciente para um grafo G seja hamiltoniano e que | V G| 3 e cada v ertice tenha grau pelo menos |V G| /2. Entretanto, esta condic a o n ao e necess aria. A demonstrac a o deste teorema (e muitas outras condic o es necess arias ou sucientes para um grafo ser hamiltoniano) pode ser encontrada em textos de teoria de grafos [2, 3]. Em contraste com os grafos eulerianos, n ao se conhece nenhum algoritmo eciente para encontrar um circuito hamiltoniano em um grafo G dado. Na verdade, n ao se conhece nenhuma condic a o necess aria e suciente para saber se um grafo e hamiltoniano que seja f acil de testar. Um caminho que visita todos os v ertices de um grafo G e chamado caminho hamiltoniano de G.
192
Exerc cio 12.43: Um poliedro e um s olido geom etrico limitado por pol gonos planos. A todo poliedro K corresponde um grafo G tal que V G e o conjunto dos v ertices (cantos) de K , E G e o conjunto das arestas (quinas) de P, e as pontas de cada aresta em s ao as mesmas em G e em K . Os poliedros plat onicos s ao poliedros cujas faces, v ertices, arestas e a ngulos s ao todos iguais. Existem apenas sete poliedros plat onicos: o tetraedro, o cubo, o octaedro, o icosaedro, e o dodecaedro regulares. Desenhe os grafos desses poliedros, e determine quais deles possuem um circuito hamiltoniano,
Exerc cio 12.44: D e exemplos de: 1. Um grafo euleriano que n ao e hamiltoniano. 2. Um grafo hamiltoniano que n ao e euleriano.
Exerc cio 12.45: Demonstre que se G e um grafo bipartido com um n umero mpar de v ertices, ent ao G n ao e um grafo hamiltoniano.
Exerc cio 12.46: Considere um tabuleiro de xadrez. Um cavalo pode, atrav es de seus movimentos no jogo de xadrez, passar por todas as casas do tabuleiro e retornar a ` casa de onde partiu? Responda esta quest ao considerando um tabuleiro 4 4, 5 5, 7 7, 8 8. Sugest ao: O exerc cio 12.45 poder a auxiliar em alguns desses casos.
Exerc cio 12.47: Prove, por induc a o, que o n-cubo e um grafo hamiltoniano.
193
Figura 12.22: O problema das tr es casas e tr es servic os. O problema pede para desenhar um grafo G (neste caso, o grafo completo bipartido K3,3 ) no plano, de modo que nenhuma aresta cruze outra aresta ou passe por um v ertice que n ao e seu extremo. Um desenho deste tipo e chamado de representa ca o planar do grafo G. Se G pode ser desenhado desta forma, dizemos que ele e um grafo planar. Nem todo grafo e planar. A gura 12.23 mostra exemplos de grafos planares e n ao planares. 1 u 2 u a u E D C b u u B f@ @ @u
c d 4 (a) (b) Figura 12.23: (a) Um grafo n ao planar. (b) Um grafo planar. 5
@ @ @ @ @ u @u 3 @ @ @ @ @u @ u
@ @ A @u e u
Uma representac a o planar de um grafo divide o plano em uma ou mais regi oes, separadas pelos desenhos dos v ertices e arestas. Essas regi oes s ao chamadas de faces da representac a o. Na gura 12.23(b), h a cinco faces (A, B,C ,D,E ). Note que uma dessas regi oes a face externa E tem tamanho innito; as demais tem tamanho nito. A teoria dos grafos planares e bastante extensa e necessita de conhecimentos de topologia do espac o R2 que fogem ao escopo deste livro. Portanto indicaremos apenas alguns resultados importantes sobre este tema, sem demonstrac a o. uma representac Teorema 12.10: Seja G a o planar de um grafo G. Uma aresta e de G . pertence a um circuito se e somente se ela separa duas faces distintas de G Corol ario 12.11: Um grafo e uma a rvore se e somente se ele tem uma representac a o planar com uma u nica face.
194
5 C
Figura 12.24: Duas representac o es planares do mesmo grafo. No entanto, Euler descobriu que toda representac a o planar de um mesmo grafo G tem o mesmo n umero de faces. Este resultado foi expresso pelo seguinte teorema: uma representac Teorema 12.12:[F ormula de Euler] Seja G a o planar de um grafo simples . Ent e conexo G. Seja f o n umero de faces de G ao f = e v + 2, onde v = |V G| e e = |E G |. Prova: . Se f = 1 ent Vamos provar usando induc a o no n umero de faces de G ao, pelo teorema 12.11, G e uma a rvore. Nesse caso, pelo teorema 12.7, temos e = v 1. Portanto o enunciado vale para f = 1. Suponhamos agora que f e um inteiro maior ou igual a 2, e que a armac a o e verdadeira para todas as representac o es planares de grafos simples com o n umero de faces menor que uma representac f . Seja G a o de um grafo conexo e planar G com f faces. Escolha uma aresta a de G que n ao seja uma aresta de corte. Logo a pertence a algum circuito de G (veja . o exerc cio 12.37), e portanto, pelo teorema 12.10, ela separa duas faces distintas de G obtemos uma representac do subgrafo G a. Observe Ent ao retirando a aresta a de G a o G separadas por que G a e conexo e que G tem f = f 1 faces, pois as duas faces de G . Sejam v = v e e = e 1 o n a tornam-se uma face em G umero de v ertices e arestas do grafo G a. Por hip otese de induc a o temos que f = e v + 2 ou seja ( f 1) = (e 1) v + 2 e portanto f =ev+2
195
Uma consequ encia da f ormula de Euler e que um grafo planar n ao pode ter muitas arestas. Mais precisamente: Corol ario 12.13: Seja G um grafo planar, simples e conexo, com pelo menos tr es v ertices. Ent ao |E G| 3 |V G| 6. O corol ario 12.13 permite concluir que o grafo completo K5 n ao e planar, pois para ele temos |V K5 | = 5, |E K5 | = 10, e 10 > 3 5 6 = 9. Corol ario 12.14: Seja G um grafo planar, simples e conexo, com pelo menos tr es v ertices. Se G n ao possui ciclos de comprimento 3, ent ao |E G| 2 |V G| 4. Este corol ario permite concluir que K3,3 n ao e planar, pois ele n ao tem ciclos de comprimento 3, tem V K3,3 = 6, E K3,3 = 9, e 9 > 2 6 4 = 8. Observe que este resultado mostra que o problema das tr es casas e tr es servic os n ao tem soluc a o.
Figura 12.25: Um grafo G e uma subdivis ao H de G. Teorema 12.15:[Teorema de Kuratowski] Um grafo G e planar se e somente se ele n ao cont em um subgrafo que seja isomorfo a uma subdivis ao do K5 ou do K3,3 .
196
(a) A E J I H D (c) F D C A G E I H J C F G B
(b) A E J I H D (c) F D J C F G
Figura 12.26: (a) o grafo de Petersen. (b,c) O subgrafo G \ {B} desenhado de duas maneiras diferentes. (c) um grafo K3,3 que subdividido d a G \ { B}.
Exerc cio 12.48: Assinale com V ou F as armac o es que s ao verdadeiras ou falsas respectivamente: todo subgrafo de um grafo planar e planar. todo subgrafo de um grafo n ao-planar e n ao-planar. todo grafo que cont em um grafo planar (como subgrafo) e planar. todo grafo que cont em um grafo n ao-planar (como subgrafo) e n ao-planar. Exerc cio 12.49: Para que valores de n, Kn e planar?
Exerc cio 12.50: Para quais valores de r e s (r s) o grafo bipartido completo Kr, s e planar?
197
1 A b
1 A
d B C 3 C 2 B 3 b
c d C
de um grafo G (esq.) e sua representac Figura 12.27: Uma representac a o planar G a o (dir.). planar dual H h Para cada armac a o sobre uma representac a o planar G a uma armac a o equivalente sobre a representac a o dual H , onde os conceitos de face e v ertice trocam de pap eis. Por exemplo, dizer que G possui um v ertice de grau 5 equivale a dizer que H possui uma face com cinco lados (levando em conta que uma mesma aresta pode contribuir dois lados). Aplicando esta correspond encia a teoremas j a provados podemos obter outros teoremas, a ` s vezes nada o bvios, que n ao precisam ser demonstrados.
198
mais vis veis. Uma quest ao antiga e quantas cores diferentes s ao necess arias para esse m. A experi encia sugere que tr es cores s ao insucientes, mas quatro cores bastam (desde que cada pa s seja um u nico territ orio cont nuo). Ser a que existe algum mapa que precisa de cinco (ou mais) cores? Em 1852 esta quest ao foi colocada como um problema matem atico pelo aluno ingl es Francis Guthrie (18311899), e foi amplamente divulgada pelo seu professor Augustus De Morgan. Em 1879, o matem atico ingl es Alfred Kempe (18491922) publicou uma demonstrac a o de que quatro cores eram sucientes. Por em, em 1890 foi observado que havia uma falha na demonstrac a o de Kempe. Uma demonstrac a o correta foi obtida apenas em 1976, por Kenneth Appel e Wolfgang Haken. Essa demonstrac a o causou bastante controv ersia, pois os autores reduziram o problema a 2000 casos separados, e utilizaram um programa de computador para enumerar e vericar todos esses casos. Por esse motivo muitos matem aticos se recusaram a considerar a demonstrac a o v alida, e ela foi publicada somente em 1989. Em 1996 Robertson, Sanders, Seymour e Thomas conseguiram simplicar a demonstrac a o reduzindo a lista para apenas 633 casos. (Hoje demonstrac o es usando computador tornaram-se ferramentas importantes em matem atica.) de um grafo G: cada Um mapa de pa ses pode ser visto como uma representac a o planar G v ertice de G e um ponto do mapa onde tr es ou mais pa ses tem fronteira comum, e cada aresta e um trecho de fronteira entre dois pa ses ligando dois desse pontos. Na representac a o dual H de G, cada v ertice e um pa s, e existe uma aresta ligando dois pa ses se e somente se eles tem um trecho de fronteira em comum. Portanto, o resultado de Appel e Haken pode ser reformulado como segue Teorema 12.16:[Teorema das quatro cores] Se H e um grafo planar, e sempre poss vel colorir seus v ertices com quatro cores, de modo que quaisquer dois v ertices adjcentes tenham cores distintas.
199
200
202
objetivo da l ogica cl assica ajudar-nos a pensar e decidir mas lida com graus de conanc a, em vez de certezas absolutas.
o 13.1 Denic a
Nesta teoria, cada proposic a o P tem uma probabilidade: um valor real entre 0 e 1, que mede o grau de conanc a ou expectativa que temos de que a proposic a o seja verdadeira. Denotaremos esse n umero por Pr(P). Probabilidade 1 signica que temos certeza absoluta de que a armac a o Pe verdadeira. Probabilidade 0 signica que temos certeza absoluta que e falsa. O valor 1/2 signica que n ao sabemos se P e falsa ou verdadeira, e que qualquer das duas possibilidades nos parece igualmente prov avel. Assim, por exemplo, quando vamos jogar uma moeda, podemos atribuir probabilidade 1/2 a ` armac a o o resultado ser a cara. Uma probabilidade mais pr oxima de 1 signica que n ao temos certeza, mas acreditamos que e mais prov avel que a armac a o P seja verdadeira do que ela seja falsa. Na teoria de da probabilidade, toda proposic a o P em tese continua tendo um valor l ogico verdadeiro ou falso, mas a teoria n ao exige que esse valor seja conhecido. A probabilidade da armac a o reete justamente nosso grau de conhecimento. Se conhecemos o valor l ogico da armac a o, devemos atribuir a ela probabilidade 0 ou 1; e, nesse caso, como veremos, a teoria da probabilidade se reduz a ` l agica cl assica. As probabilidades s ao frequentemente expressas em percentagens. Assim, tanto faz dizer que uma probabilidade e 25% ou 25/100 = 0, 25.
13.1. DEFINIC AO
203
204
Por exemplo, suponha que algu em escolheu e retirou uma carta de um baralho comum. Considere as armac o es a carta e ouros, a carta e copas, a carta e paus, a carta e espadas, ou a carta e um coringa. Como a carta s o pode ser de um tipo, e tem que ser de um desses cinco tipos, ent ao as probabilidades dessas armac o es devem somar 1. Observe que este princ pio e respeitado quando atribu mos probabilidade 1/n para n alternativas igualmente prov aveis.
Exerc cio 13.1: Contagens em uma f abrica mostraram que 5% dos parafusos tem um defeito na rosca, 4% tem um defeito na cabec a, e 2% tem um defeito em ambas as partes. Qual e a probabilidade de que um desses parafusos, escolhido ao acaso, tenha algum defeito?
(13.6)
Estas armac o es s ao mutuamente exclusivas e esgotam todas as possibilidades, e portanto a soma de suas probabilidades deve ser 1. Se n ao temos nenhuma raz ao para suspeitar que o dado de alguma maneira inuencie a moeda, ou vice-versa, ent ao e razo avel atribuir a mesma probabilidade (1/12) a estas 12 armac o es. Note que 1/12 e o produto de Pr(D( x)) = 1/2 e Pr( M (y)) = 1/6. Temos portanto que Pr(D( x) M (y)) = Pr(D( x)) Pr( M (y)) para quaisquer x e y.
205
Este e um exemplo de uma regra geral, o princ pio da independ encia. Por denic a o, duas armac o es P e Q s ao ditas independentes se e somente se Pr(P Q) = Pr(P) Pr(q) (13.7)
O princ pio da independ encia diz que, se n ao sabemos de nenhuma ligac a o ou inu encia entre o valor l ogico de uma armac a o P e o de outra armac a o Q, ent ao e razo avel supor que elas s ao independentes; ou seja, e razo avel atribuir a ` conjunc a o P Q o produto das respectivas probabilidades.
Exerc cio 13.2: Dois dados, um vermelho e um verde, s ao atirados ao mesmo tempo. Qual e a probabilidade de que o resultado do dado vermelho seja menor que 4, e o do dado verde seja maior que 1? Exerc cio 13.3: Se as armac o es P e Q s ao independentes, quanto vale Pr(P Q) em func a o de Pr(P) e Pr(Q)? Exerc cio 13.4: Contagens em uma f abrica mostraram que 20% dos parafusos tem um defeito na rosca, 30% tem um defeito na cabec a. Supondo que os defeitos afetam as duas partes do parafuso de maneira independente, qual e a probabilidade de que um desses parafusos, escolhido ao acaso, tenha algum defeito?
Observe tamb em que, nestas condic o es, temos que atribuir Pr(X = v) = 0 para qualquer valor v que n ao est a no conjunto D.
206
Vari aveis aleat orias com valores num ericos podem ser combinadas com operac o es aritm eticas e func o es matem aticas, aveis aleat orias. Por um n umero resultando em outras vari exemplo, se e real, a f ormula X + Y denota a vari avel aleat oria cujo valor e u + v, onde u e o valor de X e v o valor de Y . A distribuic a o dessa nova vari avel e determinada pelas distribuic o es de probabilidades de X e de Y .
Exerc cio 13.5: Sejam X e Y os resultados obtidos atirando-se dois dados de cores diferentes, cada um com distribuic a o uniforme de probabilidades. Determine a distribuic a o das seguintes vari aveis derivadas de X e Y : 1. X 2 2. X mod 3 3. X + Y 4. min {X, Y }
Neste livro s o vamos tratar de vari aves aleat orias cujos dom nios s ao conjuntos discretos (nitos ou enumer aveis). A teoria pode ser estendida para vari aveis com dom nios n ao enumer aveis, como os n umeros reais; mas esse assunto merece uma disciplina a ` parte.
207
dos anteriores, e denotando por G( x) o predicado nosso ganho m edio por aposta ser a x, teremos ent ao Pr(G(30)) = 1/4 Pr(G(10)) = 1/4 + 1/4 = 1/2 (13.9) Pr(G(+10)) = 1/4 Ou seja, o ganho m edio R$ 10 e duas vezes mais prov avel que R$ 30 ou R$ + 10. Para quatro apostas seguidas, podemos ter 0, 1, 2, 3, ou 4 acertos, com ganhos m edios por aposta de 30, 20, 10, 0 e +10, respectivamente. As probabilidades s ao Pr(G(30)) = Pr(G(20)) = Pr(G(10)) = Pr(G(0)) = Pr(G(+10) = 4 0 4 1 4 2 4 3 4 4 /24 = 1/16 /24 = 4/16 /24 = 6/16 /24 = 4/16 /24 = 1/16 (13.10)
Como se pode ver, e muito mais prov avel que o ganho m edio por aposta seja R$ 10 do que qualquer outro valor. A medida que o n umero de apostas aumenta, essa tend encia permanece: o valor mais prov avel para o ganho m edio por aposta ser a R$ 10. Em geral, suponha que temos uma vari avel aleat oria X que pode assumir qualquer valor de um conjunto de valores num ericos D. O valor m edio esperado (ou simplesmente o valor esperado) de Xe , por denic a o = v Pr(X = v) (13.11) EX = Para entender esta f ormula, suponha que temos uma colec a o grande com N vari aveis, todas elas semelhantes a X mas tais que o valor de uma delas n ao tem inu encia nos valores das outras. Nesse caso, o n umero de vari aveis que tem valor v ser a aproximadamente N Pr(X = v). Observe que se D tem um n umero nito n valores distintos, e todos os valores de D s ao igualmente prov aveis, ent ao Pr(X = v) = 1/n, e a f ormula do valor esperado (13.11) reduz-se a ` m edia aritm etica dos elementos de D.
Exerc cio 13.6: Furar um poc o de petr oleo em determinada regi ao custa R$500.000, e tem 30% de chance de encontrar o leo. Se isso acontecer, o poc o pode ser vendido por R$800.000. Caso contr ario o investimento e totalmente perdido. Qual o ganho esperado por poc o?
v D
Quando o dom nio da vari avel e um conjunto innito, o valor esperado pode ser innito, mesmo que todos os seus valores poss veis sejam nitos. Por exemplo, considere a vari avel X cujo valor 2 2 e um inteiro positivo, tal que Pr(X = k) = (6/ )/k para todo k N \ {0}. Esta distribuic a o de probabilidades e v alida, pois verica-se que a soma de todas as probabilidades e 1. Entretanto, o valor esperado de X deveria ser a somat oria E( X ) =
k=0
A = A k2
k=0
1 k
208
que, como sabemos, n ao tem valor nito (veja sec a o 8.6). O valor esperado pode ser denido para qualquer vari avel cujos valores podem ser somados e multiplicados por um n umero real. Por exemplo, suponha que o valor de uma vari avel aleat oria X e um par (u, v), onde u e o resultado de lanc ar uma moeda (0 = cara, 1 = coroa), e v e o resultado de lanc ar um dado (um inteiro entre 1 e 6); sendo que cada par poss vel tem a mesma probabilidade 1/12. Note que esses pares podem ser considerados vetores do espac o R2 . Portanto podemos calcular o valor esperado de X E( X ) = 1 1 7 ((0, 1) + (0, 2) + + (1, 5) + (1, 6)) = ( , ) 12 6 2
Estas f ormulas valem mesmo que as vari aveis X e Y tenham alguma depend encia entre si. Note que n ao h a f ormulas an alogas para outras operac o es (como produto, divis ao, etc.).
Exerc cio 13.7: Um dado vai ser lanc ado, e a seguinte aposta e oferecida: o cliente paga R$7, 00 ao banqueiro, e recebe em reais o dobro do valor que sair no dado. Por exemplo, se sair um 4, o cliente recebe R$8, 00, obtendo um ganho l quido de R$1, 00. Qual e o ganho esperado do cliente? Exerc cio 13.8: Na mesma situac a o do exerc cio 13.7, uma outra aposta e oferecida: cliente paga R$49, 00 ao banqueiro, e recebe em reais o dobro do quadrado do valor que sair no dado. Por exemplo, se sair um 6, o cliente recebe 2 62 = R$72, 00, obtendo um ganho l quido de R$23, 00. Qual e o ganho esperado do cliente?
13.4 Mediana
O valor esperado de uma vari avel aleat oria X pode em muitos casos ser considerado o valor t pico de X . Por exemplo, se X e a altura (em metros) de uma pessoa que n ao vimos ainda, o valor esperado de X para a populac a o brasileira e pr oximo a 1, 70 m. Podemos ent ao imaginar o brasileiro t pico como tendo essa altura. Por em este racioc nio nem sempre e apropriado. Por exemplo, suponha uma vila com 99 casas t erreas e um pr edio de 101 andares, e considere a vari avel aleat oria X que e o n umero de andares de um edif cio arbitr ario dessa vila, escolhido com probabilidade uniforme. O valor esperado da
13.5. MODA
209
vari avel X ser a 2, mas obviamente n ao e correto dizer que o edif cio t pico dessa vila tem dois andares. Devido a exemplos como esse, foram propostas outras maneiras de obter o valor t pico de uma vari avel aleat oria. O mais comum e a mediana. Idealmente, este e um valor v tal que Pr(X v) 1/2 e Pr(X v) 1/2. Por exemplo, suponha que a vari avel aleat oria X pode ter qualquer valor inteiro entre 1 e 6, com as seguintes probabilidades k Pr(X = k) 1
6 20
2
2 20
3
1 20
4
3 20
5
7 20
6
1 20
Neste caso podemos tomar a mediana de X como sendo 4, pois Pr(X 4) = Pr(X 4) = Note que o valor esperado de X e 1 6 2 1 3 7 1 66 +2 +3 +4 +5 +6 = = 3, 3 20 20 20 20 20 20 20
6 20 3 20
+ +
2 20 7 20
+ +
1 20 1 20
3 20
= =
12 20 11 20
1 2 1 2
Note por em que pode haver diversos valores v que satisfazem a condic a o Pr(X < v) = Pr(X > v). Por exemplo, se a distribuic a o de probabilidades de X for k Pr(X = k) 1
6 20
2
2 20
3
2 20
4
1 20
5
8 20
6
1 20
ent ao, para qualquer valor v tal que 3 < v < 4, teremos Pr(X v) = (6 + 2 + 2)/20 = 1/2 e Pr(X v) = (1 + 8 + 1)/20 = 1/2. Quando isso acontece, pode-se provar que os valores de v que satisfazem a denic a o formam um intervalo nito dos n umeros reais. Nesses casos, alguns autores denem a mediana como sendo o ponto m edio desse intervalo; no exemplo acima, seria v = (3 + 4)/2 = 3, 5.
Exerc cio 13.9: Seja X o quadrado de um n umero entre 1 e 6 que ser a obtido pelo lanc amento de um dado. Note que o valor de X pode ser 1, 4, 9, 16, 25, ou 36. Qual e o valor esperado da vari avel X ? E sua mediana? Exerc cio 13.10: Seja X o produto dos dois n umeros entre 1 e 6 que ser ao obtidos pelo lanc amento de dois dados. Qual e a distribuic a o de probabilidades da vari avel X ? Qual e seu valor esperado? E sua mediana? Exerc cio 13.11: Prove que qualquer vari avel aleat oria com valores inteiros tem uma mediana.
13.5 Moda
Outra maneira de denir o valor t pico de uma vari avel aleat oria e tomar o valor mais prov avel, tamb em chamado de moda da vari avel. Por exemplo, se a distribuic a o for k Pr(X = k) 1
6 20
2
2 20
3
1 20
4
3 20
5
7 20
6
1 20
210
diremos que a moda de X e 5. Por outro lado, se as probabilidades forem um pouco diferentes k Pr(X = k) A moda ser a 1. 1
7 20
2
2 20
3
1 20
4
3 20
5
6 20
6
1 20
2
7 20 2 20
3
4 20 2 20
4
7 20 2 20
5
1 20 7 20
As duas vari aveis tem o mesmo valor esperado v = 3, mas intuitivamente podemos ver que Y varia mais do que X . Como podemos transformar essa intuic a o em n umeros? A maneira mais comum e calcular a vari ancia V(X ) da vari avel, denida pela f ormula V(X ) =
v D
(13.14)
Pode-se vericar que este e o valor esperado da vari avel Y = (X E(X ))2 . No exemplo acima, temos V(X ) = (1 3)2 V(Y ) = (1 3)2
1 20 7 20
+ (2 3)2 + (2 3)2
7 20 2 20
7 20 2 20
+ (5 3)2 + (5 3)2
1 20 7 20
= =
26 20 60 20
= 1, 3 = 3, 0
evidenciando assim que os valores de Y tendem a estar mais longe de sua m edia do que os valores de X . Observe que as parcelas (v E(X ))2 da somat oria (13.14) nunca s ao negativas, portanto a vari ancia tamb em n ao pode ser negativa. Al em disso, a vari ancia s o pode ser zero se todas as parcelas forem zero, ou seja se a vari avel X s o pode ter um valor que e portanto seu valor esperado E(X ). Se ela pode assumir dois ou mais valores distintos, com probabilidades diferentes de zero, ent ao a vari ancia ser a estritamente positiva. Observe que, se o dom nio D da vari avel X e um conjunto innito, a vari ancia pode ser innita (mesmo que o valor esperado exista e seja nito). Por exemplo, seja D = Z \ {0}, e Pr(X = v) = B/ |v|3 , onde B e uma constante tal que a soma das probabilidades seja 1. O valor esperado existe (E(X ) = 0). Por em, temos
v D
k = 1+
B 1 v = 2B v3
k = 1+
1 v
211
Esta f ormula n ao vale se soubermos de alguma depend encia entre as vari aveis X e Y (isto e , se atribu mos a alguma armac a o do tipo ( x = u) (Y = v) uma probabilidade diferente de Pr(X = u) Pr(Y = v)). Nesse caso, a vari ancia de X + Y pode ser maior ou menor que V(X ) + V(Y ).
O desvio padr ao e medido com as mesmas unidades da vari avel. Informalmente, pode ser interpretado como o valor t pico da diferenc a entre o valor da vari avel e seu valor esperado.
Exemplo 13.2: Suponha um lote de parafusos que deveriam ser todos iguais, e Seja X o comprimento real de um desses parafusos, escolhido ao acaso. Se dissermos que o valor esperado de X e 150 mm e o desvio padr ao e 1 mm, estamos dizendo que o comprimento do parafuso dicilmente ser a muito maior que 151 mm ou muito menor que 149 mm.
Esta interpretac a o informal do desvio padr ao tem por base o seguinte resultado, devido ao matem atico russo Pafnuti Chebyshev ou Tchebychev (18211894): Teorema 13.1: Para qualquer vari avel aleat oria X , e qualquer n umero real 1, Pr(|X E(X )| D(X )) 1 2 (13.17)
A demonstrac a o deste resultado foge do escopo deste livro. Em outras palavras, se E(X ) = e ao o valor de X estar a dentro do intervalo [ , + ] com probabilidade D(X ) = , ent 2 1 1/ . Para a vari avel X do exemplo 13.2, o teorema de Tchebychev diz que o comprimento do parafuso (em mil metros) est a no intervalo [150 2 1, 150 + 2 1] = [148, 152] com probabilidade maior ou igual a 1 1/22 = 75%;
212
no intervalo [150 3 1, 150 + 3 1] = [147, 153] com probabilidade maior ou igual a 1 1/32 88%; no intervalo [150 4 1, 150 + 4 1] = [146, 154] com probabilidade maior ou igual a 1 1/42 93%; e assim por diante. Observe que o resultado de Tchebychev vale qualquer que seja a distribuic a o de probabilidade da vari avel X .
Exerc cio 13.12: Seja X uma vari avel aleat oria que pode assumir qualquer valor entre 0 e 100, com igual probabilidade. Calcule o valor esperado, a vari ancia e o desvio padr ao de X . Calcule a probabilidade de X estar entre 40 e 60 (inclusive ambos). Compare esse resultado com a probabilidade obtida pelo teorema de Tchebychev.
A covari ancia e uma medida da depend encia entre X e Y . A grosso modo, ela tende a ser positiva quando e muito prov avel que os valores de X e Y sejam ambos maiores ou ambos menores que suas m edias (caso em que o produto (u E(X ))(v E(Y )) e positivo). Ela tende a ser negativa quando X e Y tendem a variar em direc o es opostas em relac a o a suas m edias quando um est a acima da m edia, o outro provavelmente est a abaixo. Observe que V(X ) e a mesma coisa que C(X, X ). f E acil provar que, se X e Y s ao independentes, ent ao sua covari ancia e zero. Prova-se tamb em que, para quaiquer vari aveis aleat orias num ericas X e Y , V(X + Y ) = V(X ) + V(Y ) + 2 C(X, Y ) Note que esta f ormula implica na f ormula (13.16) quando X e Y s ao independentes.
Exerc cio 13.13: Encontre duas vari aveis aleat orias X e Y que possuem covari ancia nula mas n ao s ao independentes.
Prova-se que este n umero est a sempre entre 1 e +1. Ele e zero se X e Y s ao independentes, +1 se cada vari avel e func a o linear crescente da outra (isto e , se Y = X + com > 0) e 1 se cada vari avel e func a o linear descrecente da outra (Y = X + com < 0). Um valor intermedi ario, por exemplo 0, 50, signica que o valor de cada vari avel e parcialmente func a o da outra, mas inclui um termo que n ao depende dela. Neste caso diz-se que h a correla ca o entre X e Y (positiva ou negativa, conforme o sinal do coeciente).
213
Aplicando esta f ormula ao exemplo acima, a armac a o P seria X e mpar e Q a armac a o X 3. Temos ent ao que Pr(P Q) = Pr(X = 1) + Pr(X = 5) = 2 /6 Pr(Q) = Pr(X = 1) + Pr(X = 2) + Pr(X = 4) + Pr(X = 5) + Pr(X = 6) = 5/6 2 /6 Pr(P|Q) = = 2 /5 5 /6
Exerc cio 13.14: Seja X o valor obtido lanc ando um dado. Calcule, pela f ormula (13.18) 1. Pr(X e par|X 3)
2. Pr(X e par|X e quadrado perfeito) 3. Pr(X e primo|X e maior que 2) Exerc cio 13.15: Seja X a soma dos valores obtidos no lanc amento de dois dados. Calcule, pela f ormula (13.18) 1. Pr(X e par|os dois dados deram o mesmo resultado) 2. Pr(X e par|os dois dados deram resultados diferentes) 3. Pr(X = 6|os dois valores n ao s ao primos entre si)
214
A f ormula da probabilidade condicional e tamb em muito usada na forma inversa: Pr(P Q) = Pr(P|Q) Pr(Q) (13.19)
Ou seja, uma vez denida a probabilidade de P dado Q, e tamb em a probabilidade de Q, a probabilidade da armac a o P e Q e simplesmente o produto das duas.
Exerc cio 13.16: Suponha que a probabilidade de algum hacker tentar violar seu computador no pr oximo minuto e 10%, e que a probabilidade de tal tentativa ter sucesso e 80%. Qual e a probabilidade de seu computador ser violado por algum hacker no pr oximo minuto? (Ignore a possibilidade de haver mais de um ataque por minuto.)
Exerc cio 13.17: Suponha que atiramos dois dados, um verde e um vermelho. Qual a probabilidade de que o dado verde mostre o valor 2, e o dado vermelho mostre o valor 3? E qual e a probabilidade de que um deles mostre o valor 2, e o outro 3? Agora suponha que os dois dados s ao id enticos, a tal ponto que n ao podemos dizer qual e um e qual e o outro. Qual e a probabilidade de que um deles mostre 2, e o outro 3?
Esta f ormula e conhecida como regra de Bayes ou teorema de Bayes, desenvolvida pelo matem atico ingl es Thomas Bayes (17021761) e, independentemente, pelo matem atico franc es Pierre-Simon Laplace (17491827). Ela e geralmente usada quando se quer obter a probabilidade Pr(P|Q) de uma poss vel causa P, sabendo-se que uma consequ encia Q ocorreu, a partir da probabilidade condicional inversa Pr(Q|P) (de que essa consequ encia produza essa causa). Este racioc nio probabil stico e conhecido como infer encia bayesiana ou dedu ca o bayesiana. Por exemplo, considere uma colec a o de caixas quadradas e redondas, cada uma contendo uma bola que pode ser azul ou branca. Suponha que h a igual n umero de caixas de cada formato, sendo que h a bolas azuis em metade das caixas quadradas, mas em apenas 10% das caixas redondas. Imagine que algu em escolheu uma caixa ao acaso, e encontrou nela uma bola azul. Qual a probabilidade de que ele tenha escolhido uma caixa quadrada? E se a bola for branca? Se n ao tiv essemos a informac a o sobre a bola, seria razo avel supor que a caixa era quadrada com probabilidade 1/2. Por em, como bolas brancas s ao mais comuns nas caixas redondas, intuitivamente, a informac a o de que a bola era branca aumenta a probabilidade de que a caixa seja redonda. Para calcular essas probabilidades, vamos denotar por Q, R, A e B as armac o es a caixa era quadrada, a caixa era redonda, a bola era azul e a bola era branca, respectivamente. Pelo
215
O que se pede s ao as probabilidade condicionais Pr(Q|A) e Pr(Q| B). Para aplicar a f ormula (13.18), precisamos determinar Pr(B) e Pr(Q B). Para chegar l a, temos que calcular as probabilidades de todas as combinac o es v alidas dessas armac o es. Aplicando a f ormula (13.19) temos Pr(Q A) Pr(Q B) Pr(R A) Pr(R B) Da tiramos Pr(A) = Pr(B Q) + Pr(B R) = Pr(B) = Pr(A Q) + Pr(A R) = Pr(Q|A) = Pr(Q| B) =
Pr(QA) Pr(A) Pr(QB) Pr(B)
= = = =
= = = = + + = =
1 20 9 20
1 2 1 2 9 10 1 10
1 2 1 2 1 2 1 2
= = = =
3 10 7 10
1 4 1 4 9 20 1 20
= =
5 6 5 14
portanto
= =
= =
0, 833 0, 357
Observe que a informac a o adicional a bola sorteada e azul aumenta a probabilidade de que a caixa escolhda seja quadrada, de 0, 5 a 0, 833 Generalizando este exemplo, suponha que temos m armac o es A1 , A2 , . . . Am , os antecedentes, exaustivas e mutuamente exclusivas, cujo valor l ogico pode inuir na probabilidade de outras n armac o es B1 , B2, . . . Bn , os consequentes, tamb em exaustivas e mutuamente exclusivas. As armac o es Ai podem ser as alternativas poss veis para um evento-causa (no exemplo acima, a escolha caixa, quadrada ou redonda), e as armac o es B j a poss veis consequ encias do mesmo (a cor da bola). Suponha que atribu mos probabilidades Pr(Ai ) para cada antecedente Ai , sem levar em conta as armac o es B j ; e temos tamb em a probabilidade condicional Pr(B j |Ai ) de cada consequente, dado o antecedente. Uma vez sabido que um determinado B j e verdadeiro, a probabilidade de cada Ai passa a ser Pr(Ai | B j ) = Pr(Ai B j ) = Pr(B j ) Pr(Ai B j) = = 1m Pr(B j Ak )
m k
(13.21)
Note que para aplicar a f ormula (13.21) precisamos atribuir uma probabilidade Pr(Ai ) a cada antecedente, independente de qual consequente e verdadeiro. O fator Pr(Ai ) nesta f ormula e chamado de probabilidade a priori do antecedente Ai , enquanto que o resultado Pr(Ai | B j) e sua probabilidade a posteriori. A inu encia das probabilidades a priori Pr(Ai ) e uma caracter stica essencial da infer encia bayesiana. Elas podem ser vistas como preconceitos que temos a respeito das armac o es Ai , antes de olharmos para as evid encias B j . A f ormula portanto explicita quantitativamente a constatac a o comum, de que nossos preconceitos sempre afetam nossa interpretac a o dos fatos.
216
217
b algarismos, cada qual 0 ou 1: 0 00 = 0, 0 01 = 1, 0 10 = 2, 0 11 = 3, . . . , 1 11 = 2b 1. Da o nome bit, que e abreviac a o do ingl es binary digit. Mais geralmente, se o n umero de estados poss veis n, a capacidade de informac a o e denida como log2 n = (ln n)/(ln 2), o logaritmo de n na base 2. Assim, por exemplo, a capacidade de informac a o de um dado de jogar, em repouso sobre a mesa, e log2 6 = 2, 5849625007 . . . bits. Note que, se n n ao e uma pot encia de 2, a capacidade em bits n ao e um n umero inteiro (e, na verdade, e um n umero irracional). Note tamb em que se o sistema tem apenas um estado poss vel, sua capacidade de armazenar informac a o e (como se pode esperar) zero bits. Esta denic a o implica na seguinte propriedade: Teorema 13.2: Se um sistema S consiste de dois sub-sistemas discretos A e B independentes (no sentido de que cada estado poss vel de A pode co-existir com qualquer estado poss vel de B, e vice-versa), ent ao a capacidade de S e a soma das capacidades de A e de B.
Exerc cio 13.20: Determine a capacidade de informac a o dos seguintes sistemas: 1. Um od ometro (mostrador de quilometragem) de autom ovel com 6 algarismos decimais. 2. Um dado em forma de octaedro, com faces numeradas de 1 a 8, em respouso sobre a mesa. 3. Uma cadeia de DNA com 100 elementos (nucleot deos), cada qual podendo ter quatro estruturas qu micas poss veis adenosina (A), timina (T), guanina (G), ou citosina (C).
Exerc cio 13.21: Determine a capacidade de informac a o dos seguintes sistemas, constitu dos de 4 moedas, cada qual podendo ser de 5, 10, 25, ou 50 centavos, que somente podem ser distinguidas pelo seu valor: 1. Uma pilha, em qualquer ordem. 2. Uma pilha, em ordem crescente de valor. 3. Uma colec a o em um saco. 4. Uma pilha onde todas as moedas tem o mesmo valor.
Exerc cio 13.22: Refac a o exerc cio 13.21, supondo que todas as moedas de mesmo valor est ao marcadas com letras distintas entre A e D. Assim, por exemplo, na alternativa 1, as moedas poderiam ser, na ordem, (10, D), (25, C ), (10, B), (10, C ) mas n ao poderiam ser (10, D), (25, C ), (10, B), (10, D).
Exerc cio 13.23: Qual e a capacidade de informac a o de uma carta retirada de um baralho com 13 cartas? E de um baralho com 52 cartas? Se acrescentarmos um coringa ao baralho, de quanto aumenta a capacidade, em cada caso?
218
Neste exemplo, observe que a not cia X = 200 traz muito menos informac a o do que a not cia X = 100, porque tem probabilidade maior 5/6 em vez de 1/6.
219
Este paradoxo e resolvido se considerarmos a quantidade esperada de informa ca o, ou entropia, da vari avel X . Ou seja, a quantia H (X ) = Pr(X = v) Q(X = v) = Pr(X = v) log2 Pr(X = v) (13.22)
Nesta f ormula, o ndice v do somat orio assume todos os valores poss veis da vari avel X . Observe que, como na f ormula (13.11), cada termo desta soma e a quantidade de informac a o trazida pela not cia X = v, vezes a probabilidade de recebermos essa not cia. Pode-se vericar que H (X ), assim como cada termo Q(X = v), e um valor real n ao negativo. No exemplo 13.3, a quantidade esperada de informac a o que recebemos ao conhecer o valor de Xe H (X ) = Pr(X = 100) Q(X = 100) + Pr(X = 200) Q(X = 200) 1 5 = 6 log2 6 +6 log2 6 1 5 5 1 2 , 5849625 . . . + 0, 2630344 . . . 6 6 0, 65002241 . . . Observe que, embora a not cia X = 100 fornec a mais de 2,5 bits de informac a o, ela e muito menos prov avel que a not cia X = 200, que fornece menos que 0,27 bits de informac a o. Assim, a quantidade esperada de informac a o que ganhamos ao saber o valor de X e cerca de 0,65 bits, ou seja abaixo da capacidade de X (1 bit). Esta u ltima observac a o e um resultado importante: Teorema 13.3: Se uma vari avel aleat oria X pode assumir n valores distintos, ent ao a quantidade esperada de informac a o que ganhamos conhecendo o valor de X e no m aximo a capacidade de X , log2 n; e e exatamente log2 n apenas quando todos esses valores podem ocorrer com igual probabilidade 1/n. Devido a este teorema, a f ormula (13.22) e muito usada para medir a uniformidade da distribuic a o de probabilidades de uma vari avel aleat oria X . O valor de H (X ) varia entre 0 e log2 n, onde n e o n umero de valores poss veis de X . Quanto maior H (X ), mais uniforme a distribuic a o. Na verdade, a f ormula (13.22) pode ser usada com qualquer lista de n valores reais p0 , p1 , . . . pn1 n ao negativos cuja soma e 1. Observe que se X tem uma distribuic a o degenerada com Pr(X = v) = 1 para um u nico valor v, e zero para os demais valores ent ao H (X ) e zero. Ou seja, se temos certeza de qual vai ser o valor de X , nossa expectativa e que a revelac a o desse valor n ao vai nos trazer nenhuma informac a o.
220
221
Indice Remissivo
pi algarismos, 27 n-upla, veja e nupla a gua, 192 a lgebra, 17 de Boole, 33 a rvore, veja grafo a rvore o ctupla, veja e nupla ndice de somat oria, veja somat oria, ndice a ngulo interno, 73 e nupla, veja sequ encia nita, 122 denic a o, 122 elementos, 122 igualdade, 122 vazia, 122 absurdo, veja prova,implicac a o por absurdo Al-Khowarizmi, 17 alef (), veja cardinalidade de Cantor algarismo, 108, 157 algoritmo de Euclides, 17 demonstrac a o, 15 geom etrico, 15 ambiguidade, 28, 29, 33, 56 amigo, 49 an alise de algoritmos, 17 antecedente, 30 Appel, Kenneth, 56 Appel, Kenneth Ira, 198 Argentina, 28 Arist oteles, 15 arquivo, 101 arranjo, 152153 contagem, 153 de letras, 152 denic a o, 152 e permutac a o, 153 arroz, 29 Artur, Rei da Inglaterra, 189 associatividade, 38 da intersecc a o, 23 da uni ao, 23 auto-refer encia, veja proposic a o auto-referente axioma, 15, 19, 55 da aritm etica, 70 de Euclides, 16 do cont nuo, 165 balanc a, 76, 80 banana, 4850 banco de dados, 167 bancos de dados, 125 baralho, 151, 154, 158, 217 base neperiana (e), 141 bateria, 33 Bayes, Thomas, 214 Bernoulli, Jacob, 75 Bernstein, Felix, 164 bijec a o, veja func a o bijetora, 161166 bin omio de Newton, 155 bipartic a o, 187 bit, 106, 216 contagem de cadeias, 154 denic a o, 216 bloco de partic a o, 25 boi, 50 bola, 72, 214 branco, 30 Bras lia, 28, 30 Brasil, 27, 28 222
INDICE REMISSIVO
byte, 216
223
el etrico, 167 classe C (linguagem), 120 de equival encia, 109111, 183 c alculo representante, 110 de predicados, 17, 47 de isomorsmo, 183 proposicional, 2743 coeciente binomial, veja combinac a o c odigo gen etico, 217 casos especiais, 154 c rculo, 16 denic a o, 153 cadeia, veja sequ encia nita coeciente multinomial, veja combinac a o m ultipla caixa, 103, 214 cofre, 191 jeitos de tampar, 119 Cohen, Paul, 165 rotulada, 119 Cole, Frank Nelson, 57 Cantor, Georg, 19 colorac a o, veja grafo, colorac a o Cantor, Georg Ferdinand Ludwig Philipp, 162, combinac a o, 153156 164, 165 algoritmo, 156 capacidade de armzenamento, veja informac a o, casos especiais, 154 capacidade com repetic o es, veja combinac a o m ultipla capacidade de informac a o, veja informac a o, cacontagem, 153 pacidade de letras, 153 cardinalidade, veja conjunto, 161166 de respostas em prova, 156 comparac a o, 164 denic a o, 153 cont avel, 163 e arranjo, 153 da uni ao, 156 f ormula de Leibniz, 158 de Cantor (k ), 165 f ormula de Newton, 155 de conjunto nito, 161 f ormula recursiva, 156 de conjunto innito, 161 identidade de Pascal, 154 de conjuntos nitos, 164 m ultipla, 157159 de subconjuntos, 164 notac a o, 153 denic a o, 161 propriedades, 154 dos inteiros, 162 simetria, 154 dos n umeros naturais, 163, 165 somat oria, 155, 156 dos n umeros reais, 162165 tri angulo de Pascal, 155 dos pares de naturais, 162 complemento, veja conjunto, complemento igualdade, 161 composic a o menor, 164 de relac o es, veja relac a o, composic a o menor ou igual ( ), 164 comutatividade, 38 casa, 30 da intersecc a o, 23 casas, 29 da uni ao, 23 cavalo, 77, 192 conclus ao, 30 celular, 29 condic a o {} (chaves), 19 necess aria, 31 Chebyshev, veja Tchebychev suciente, 31 cheque, 32 conectivo l ogico, veja operador l ogico em linguagem natural, 28 circuito conetivo l ogico, veja operador l ogico digital, 167
224 conjectura, veja conjetura conjetura, 5657 aberta, 56 das quatro cores, 56 de Fermat, 56 de Goldbach, 57 de Mersenne, 57 refutac a o, 66 refutada, 56 conjunc a o, veja operador conjunc a o conjunto cardinalidade, 21, 22, 26, 75, veja cardinalidade complemento, 22, 24, 157 cont avel, 163 contin encia, 67 de conjuntos, 24 de sequ encias, 104 denic a o, 19 diferenc a, 25 diferenc a (\), 22 diferenc a sim etrica (), 22 disjunto, 22, 25 dos subconjuntos, veja conjunto pot encia enumer avel, 163 nito, 21, 161 igualdade, 20 innito, 21, 161 intersecc a o, 2324 intersecc a o (), 22 leis de De Morgan, 24 notac a o, 19 operac a o, 2124, 26 ordenado, 101 parcialmente, 105 totalmente, 104 parcialmente ordenado, 105 partic a o, 25, 187 por propriedade, 19 pot encia, 22, 75, 101, 109, 164 cardinalidade, 25 pot encia (P(A)) denic a o, 25 totatlmente ordenado, 104 uni ao, 2324
INDICE REMISSIVO
uni ao (), 21 universal, 24, 53, 142 universal (U ), 22 vazio, 21, 24, 63, 94, 142 cardinalidade, 21 como elemento, 24 inclus ao, 21 partic a o, 25 pot encia, 25 vs. sequ encia, 120 consequ encia, 30 consequ encia l ogica, 40 (n ao estr. cont em), veja inclus ao (n ao cont em), veja inclus ao (contido), 19 (estr. cont em), veja inclus ao (cont em), veja inclus ao contagem, 151159 arranjos, 153 cadeias de bits, 154 combinac o es, 153 de relac o es, 87 anti-sim etrica, 96 irreexivas, 96 reexivas, 96 sim etrica, 96 ordens, 151 permutac o es, 151 uni ao, 156 (n ao estr. contido), veja inclus ao (n ao contido), veja inclus ao (estr. contido), veja inclus ao (contido), veja inclus ao contra-exemplo, 66, 67 contradic a o, 36, 37, 47 contrapositiva de implicac a o, veja proposic a o contrapositiva cor, 77 cores, 158, veja grafo, colorac a o de faces corol ario, 55 correio, 33, 74 criptograa digital, 17 cubo, 73, 192 cubo perfeito, 68
INDICE REMISSIVO
225
dado de jogar, 204206, 208, 213215, 217, 218 domingo, 49 de equival encia, 62 dualidade l ogica, 43 De Morgan, veja conjunto, leis de e, veja base neperiana De Morgan, Augustus, 24, 38, 198 eleic a o, 34 denic a o, 5556 elemento circular, 20 denic a o, 19 contradit oria, 20 m a ximo, veja m aximo denic a o, 55 m nimo, veja m nimo recursiva, 104 neutro, 37, 142 demonstrac a o, 17, 5568 elemento maximal, veja maximal por computador, 198 elemento minimal, veja minimal desarranjo, 119 encomenda, 32 desigualdade entropia, 218, 219 de Bernoulli, 75 como medida de uniformidade, 219 diagonal, 73 m axima, 219 diagonalizac a o, 162164 nula, 219 diagrama equival encia, 62, veja relac a o de equival encia de Hasse, 102105, 107 de operadores, 4243 de Venn, 2224, 26 l ogica, 3739, 41 dicion ario, 104, 106 operador, veja operador equival encia diferenc a, veja conjunto, diferenc a equival encia l ogica, 39, 43, 47 de grafos, veja grafo, subgrafo, diferenc a escopo \, veja conjunto, diferenc a diferenc a sim etrica, veja conjunto, diferenc a sim etrica de quanticador, 52 , veja conjunto, diferenc a sim etrica esfera, 123 dinheiro, 74 esgoto, 192 Dirichlet, Johann Peter Gustav Lejeune, 76 estado disco, 123 de um sistema, veja informac a o, capacidade disjunc a o, veja operador disjunc a o estat stica, 17 disjunc a o exclusiva, 46 estrutura de programa, 167 operador, veja operador disjunc a o exclusiva estudante, 46, 47, 49 distributividade, 38 Euclides, 16, 17, 65 da intersecc a o, 23 Euler, Leonhard, 167 da uni ao, 23 exponencial, 141 divisibilidade, 59, 67, 68, 168 f ormula divisor, 56, 64 de Bayes, veja infer encia bayesiana comum, 17 de Euler, 194 denic a o, 56 de P olya, 184 DNA, 217 de Tchebychev, veja vari avel aleat oria, teododecaedro, 190, 192 rema de Tchebychev dom nio, veja relac a o, dom nio f ormula de Stirling, 152 de quanticador, 44, 45 fatorial, 140, 141, 151 mudanc a, 50 aproximac a o, 152 omiss ao, 52 crescimento, 152 universal, 53
226 fechadura, 191 fecho, 100 geral, 99 reexivo, 96, 99, 100 sim etrico, 97, 99, 100 transitivo, 97, 99, 100 feij ao, 29 Fermat, Pierre de, 56 forma normal conjuntiva, 42 disjuntiva, 4142 FORTRAN, 120 Fourier, Joseph, 127 func a o, 113120 bijetora, 116, 117, veja permutac a o, 130, 182 contagem, 116 ch ao, veja func a o piso composic a o, 116117, 119, 120 contra-dom nio, veja func a o, imagem denic a o, 113 denic a o alternativa, 114 dom nio, 114, 116118 elemento xo, 119 idempotente, 120 igualdade, 114 imagem, 114, 116, 117 de conjunto, 118 imagem inversa de conjunto, 118 injetora, 115, 117, 118, 164 contagem, 115 intersecc a o, 118 inversa, 117119 logaritmo, 116, 117 notac a o (), 113 permutac a o, veja permutac a o piso (), 114 projec a o, 120 quadrado, 113 raiz quadrada, 116, 117 restric a o, 118 seno, 114 sobrejetora, 115118 contagem, 115
INDICE REMISSIVO
solo, veja func a o piso teto (), 114 G odel, Kurt, 165 geometria, 1517 Goldbach, Christian, 57 gorila, 49 grafo, 167199 k-colorac a o, 198 n-cubo, 192 a rvore, 186, 187, 193 denic a o, 186 n umero de arestas, 187 ac clico, 177, 186 adjac encia matriz, veja grafo, matriz de adjac encia arco, veja grafo, aresta aresta, 167 antiparalela, 169172 circular, veja grafo,lac o como elemento arbitr ario, 171, 172 como par de v ertices, 170 como par n ao ordenado, 170 de corte, 185 destino, 169, 171 direc a o, 169, 170 extremo, 168, 172 lac o, 169172 m ultipla, 169172, 181 orientac a o, 169, 170 origem, 169, 171 paralela, 169172, 181 ponte, 186 automorsmo, 182 bipartido, 187, 191, 192 caracterizac a o, 187 colorac a o, 198 completo, 187, 193, 196, 198, 199 conexo, 195 denic a o, 187 caminho, 176, 177, 186 comprimento, 187 hamiltoniano, 191 orientado, 185 ciclo, veja grafo, circuito
INDICE REMISSIVO
circuito, 177, 185, 190, 193, 195, 198 hamiltoniano, 190 colorac a o, 197199 de faces, 197 de v ertices, 198 complementar, 180 complemento, veja grafo complementar completo, 175, 189, 191, 195, 196 colorac a o, 198 componente, 184186 fechamento, 184 fortemente conexa, 185 conexidade, veja grafo conexo conexo, 184186, 195 denic a o, 184 fortemente, 185 fracamente, 186 contagem, 184 convenc o es do livro, 172 de Hamilton, veja grafo hamiltoniano de Petersen, 195 denic a o informal, 167 desconexo, 185 totalmente, 185 desenho, 167, 169, 188, 193 diferenc a, 185 dual, 197, 198 em computac a o, 167 euleriano, 188189, 191, 192 denic a o, 188 face, 193, 197 externa, 193 nito, 169 fortemente conexo, veja grafo conexo, fortemente fracamente conexo, veja grafo conexo, fracamente func a o de incid encia, 169172 hamiltoniano, 189192 denic a o, 190 teste, 191 incid encia, 173 matriz, veja grafo, matriz de incid encia induzido por v ertices, 185 innito, 169 isomorsmo, 181184, 187, 195 algoritmo, 182 denic a o, 182 motivac a o, 181 lac o, 169173 matriz de adjac encia, 180 de entrada, 181 de incid encia, 181 de sa da, 181 n umero crom atico, 198, 199 limitantes, 198 n ao orientado, 170, 172, 175 n ao rotulado, 183 contagem, 184 enumerac a o, 183 orientado, 169171, 175 passeio, 175, 176 atravessa, 176 comprimento, 175, 176 concatenac a o, 176 fechado, 177 in cio, 176 inverso, 176 orientado, 177 passa por, 176 t ermino, 176 trivial, 176, 177 v ertice interno, 176 visita, 176 percurso, 175177 planar, 192197 colorac a o, 199 denic a o, 193 dual, veja grafo dual n umero de arestas, 195 regular, 174, 175, 177, 187 relac a o de adjac encia, 173 de chegada, 173 de domin ancia, 173 de incid encia, veja grafo, incid encia
227
228 de sa da, 173 representac a o planar, veja grafo,desenho representac a o matricial, 180181 rotulado, 183 contagem, 184 enumerac a o, 183 sem arestas, 173 sequ encia de graus, 175 simples, 169, 175, 186 subdivis ao, 195 subgrafo, 178, 184, 195, 196 diferenc a, 180 espalhado, 178 gerador, 178 intersecc a o, 179 uni ao, 179, 184 tipos, 168172 tour de Euler, veja grafo, tour euleriano euleriano, 188, 189 trilha, 176, 177 de Euler, veja grafo, trilha euleriana euleriana, 188 v ertice, 167 adjacente, 173 atinge, 173 conectado, 184, veja grafo, v ertice ligado domina, 173 grau, 173, 177, 191 ligado, 184, 185 vizinho, 173 vazio, 173, 185 Guthrie, Francis, 56, 198 hacker, 214 Haken, Wolfgang, 56, 198 Hamilton, William Rowland, 190 Hasse, Helmut, 102 Hilbert, David, 162 hip otese, 30 do cont nuo, 165 hotel, 162 icosaedro, 192
INDICE REMISSIVO
idempot encia da intersecc a o, 24 da uni ao, 24 igualdade de func o es, 114 de sequ encias, 120 imagem, veja relac a o, contradom nio de conjunto por func a o, veja func a o, imagem de conjunto inversa, veja relac a o, imagem inversa implica, veja operador implica implicac a o, veja operador implicac a o l ogica, 4041 implicac a o l ogica, 40, 47 inclus ao de conjuntos, 19 denic a o, 21 estrita denic a o, 21 notac a o (, ), 21 notac a o (, ), 21 inclus ao e exclus ao, 156 induc a o, 20, 6984, 156, 157 base gen erica, 72 boa ordenac a o, 8082 completa, 7882 denic a o, 69 desigualdade, 73, 74 equival encia das formas, 8182 forte, veja induc a o completa incorreta, 7778 motivac a o, 69 passo gen erico, 74 por conjuntos, 71 variac o es, 7274 infer encia bayesiana, 214216 antecedente, 215 consequente, 215 f ormula, 214 interpretac a o, 215 preconceito, 215 probabilidade a posteriori, 215, 216 a priori, 215, 216
INDICE REMISSIVO
innito como limitante, 26 inac a o, 28 informac a o, 216219 capacidade, 216217 versus quantidade, 218 aditividade, 217 de sistema f sico, 216 de sistemas independentes, 217 quantidade, 216, 218 versus capacidade, 218 denic a o, 218 esperada, veja entropia injec a o, veja func a o injetora integral, 136 inteiro mpar, 20, 58, 59, 63, 67, 68, 101 denic a o, 56 congru encia, 108, 109 m ultiplo, 108 par, 5759, 63, 66, 67, 86, 87, 101, 106 denic a o, 56 pitag orico, veja tripla pitag orica primo, veja primo internet, 167, 192 intersecc a o, veja conjunto de grafos, veja grafo, subgrafo, intersecc a o , veja conjunto, intersecc a o intervalo de n umeros reais, 26 inversa de implicac a o, veja proposic a o inversa de relac a o, veja relac a o inversa iterac a o de conjunc a o, 142 de disjunc a o, 142 de disjunc a o exclusiva, 142 de intersecc a o, 142 de operac a o associativa, 142 de uni ao, 142 vazia, 142 Java (linguagem), 120 jogo, 190 jogos de azar, 202 K onigsberg, 167, 172, 188 Kempe, Alfred Bray, 198 Kuratowski, Kasimierz, 195
229
l ogica, 15, 1718, 2753, 5568 cl assica, 17 de predicados, 4353 proposicional, veja c alculo proposicional relac a o com probabilidade, 205 l ampada, 218 ladr ao, 191 Laplace, Pierre-Simon, 214 laptop, 29 lei da adic a o, 40 da associatividade, 38 da comutatividade, 38 da contrapositiva, 38 da distributividade, 38 da dominac a o, 38 da idempot encia, 38 da identidade, 37 da implicac a o, 38 da reduc a o ao absurdo, 39, 40 da simplicac a o, 40 de De Morgan, 38, 47 do modus ponens, 40 do modus tollens, 40 silogismo disjuntivo, 40 silogismo hipot etico, 40 Leibniz, Gottfried Wilhelm, 158 leis de absorc a o, 39 lema, 55 letra, 168 limitante de somat oria, veja somat oria, majorac a o inferior de sequ encia, 149 superior de sequ encia, 149 linguagem natural interpretac a o, 4849 lista, veja sequ encia nita logaritmo, 133, 136141 como func a o, veja func a o logaritmo
230 Londres, 27 Lucas, Edouard, 57 m aximo, 105106 de dois n umeros, 68 divisor comum, 17 m edia aritm etica, 62, 67 m etodos de prova, veja prova, m etodo m odulo um inteiro, veja inteiro, congru encia uma relac a o, 109 m ultiplo, 56, 59, 64 denic a o, 55 m nimo, 105106, 108 de dois n umeros, 68 m ae, 49 macaco, 27, 48, 50 majorac a o de somat oria, veja somat oria, majorac a o malha vi aria, 167 malote, 33 mam fero, 15, 27 mapa, 197 matriz booleana, 91 composic a o, 92 conjunc a o, 92 disjunc a o, 92 intersecc a o, 92 produto, 92 uni ao, 92 de relac a o, 91 maximal, 106108 Mersenne, Marin, 57 minimal, 106108 minorac a o de somat oria, veja somat oria, majorac a o modus ponens, 40, veja lei do modus ponens modus tollens, veja lei do modus tollens moeda, 204, 206, 216, 217 falsa, 76, 80 Moivre, Abraham de, 152 mol ecula, 167 Montevid eu, 28
INDICE REMISSIVO
morcego, 15, 27 Morgan, veja De Morgan mostrador de quilometragem, 217 multigrafo, 169 N (n umeros naturais), veja n umero natural n umero mpar, veja inteiro mpar, 78 de Fibonacci, 144 denic a o, 80 f ormula, 80 limite superior, 80 operac o es, 80 somat oria, 80 de bonacci, 146 de Mersenne, 57 divisor, 72 em bin ario, 80 harm onico, 133, 138, 139 inteiro, 80, 162 conjunto (Z), 20 irracional, 65, 66, 68 natural, 70, 161 conjunto (N), 20 par, veja inteiro par, 161 pitag orico, veja tripla pitag orica primo, veja primo, 79, 144 racional, 111 conjunto (Q), 20 real conjunto (R), 20 n umero par, 30 n umero primo, 17 n umeros cubos, 157 divisibilidade, 157 quadrados, 157 negac a o, veja operador negac a o, 49, 52 de quanticador, 47 negac a o dupla, 37 Newton, Isaac, 155 nota, 74 notac a o decimal, 108 nucleot deo, 217 octaedro, 192, 217
INDICE REMISSIVO
od ometro, 217 operac a o aritm etica, 17 operador associativo, 33, 38 bicondicional, veja operador equival encia comutativo, 38 condicional, veja operador implicac a o conjunc a o, 59 em probabilidade, 204 conjunc a o (e, ), 2930, 3340, 43 de implicac a o, 94 diferenc a, 67 de grafos, veja grafo, subgrafo, diferenc a disjunc a o, 60 em probabilidade, 203, 204 disjunc a o (ou, ), 2931, 3341, 43 disjunc a o exclusiva, 46 em probabilidade, 203 disjunc a o exclusiva (), 3233 disjunc a o exclusiva (), 3340, 43 distributivo, 38 dual (), 43 elemento neutro, veja elemento neutro equival encia, 56, 62 equival encia (), 32 equival encia (sse, ), 3341, 43 gen erico (), 43 idempot encia, 38 implica (se, ), 3040, 43 implicac a o prova, veja prova de implicac a o intersecc a o, 67 de grafos, veja grafo, subgrafo, intersecc a o l ogico, 2834 ), 35, 43 n ao-e (nand, n ao-e (nor, ), 39 ), 35, 39, 43 n ao-ou (nor, negac a o em probabilidade, 203 negac a o (n ao, ), 2931, 3340, 43 preced encia, 3334 uni ao, 67 de grafos, veja grafo, subgrafo, uni ao ordenac a o, 119 P olya, George, 77, 184 palavra, veja sequ encia nita, 168 papagaio, 50 par ordenado, 101, 120 denic a o, 25 Paradoxo de Russel, 20 do Barbeiro, 20 paradoxo do barbeiro, 34 do hotel innito, 162 dos cavalos, 77 parafuso, 204, 205, 211 parte de partic a o, 25 partic a o, 129 de conjunto, veja conjunto, partic a o de um conjunto, 110111 Pascal, Blaise, 154, 155 PBO, veja induc a o, boa ordenac a o Peano, Giuseppe, 70 pent agono construc a o, 15 perfeito, 49 permutac a o, 119, 124, 151152 composic a o, 119 contagem, 119, 151 das faces de um dado, 119 de letras, 151 de termos em somat oria, 129 denic a o, 119, 151 desarranjo, veja desarranjo do conjunto vazio, 152 dos lados de uma tampa, 119 inversa, 119 sem elemento xo, veja desarranjo (pertence), 19 (n ao pertence), 19 pertin encia em conjunto, 19 pessoa conhecida, 180 Petersen, Julius, 195 PIC, veja induc a o completa PIF, veja induc a o completa PIM, veja induc a o, denic a o
231
232
INDICE REMISSIVO
probabilidade, 201219 Pit agoras a posteriori, veja infer encia bayesiana, proteorema de, 16 babilidade a posteriori poc o de petr oleo, 207 a priori, veja infer encia bayesiana, probabipol gono lidade a priori convexo, 73 como percentagem, 202 diagonais, 73 condicional, 213214 soma de a ngulos, 73 denic a o, 213 poliedro invers ao, 214 denic a o, 192 justicativa, 213 plat onico, 192 da conjunc a o, 204, 205 polin omio da disjunc a o, 204, 205 caracter stico, 146 denic a o, 202 ponte distribuic a o, 205, 206 de K onigsberg, 167, 172, 188 denic a o, 205 ponto, 16 degenerada, 219 poset, veja conjunto parcialmente ordenado entropia, veja entropia (possui), 19 uniforme, 202, 204, 219 (n ao possui), 19 em jogos de azar, 202 postulado, veja axioma f ormula de Bayes, veja infer encia bayesiana pot encia infer encia bayesiana, veja infer encia bayede bin omio, 155 siana de conjunto, veja conjunto pot encia justicativa, 201 2A , veja conjunto pot encia princ pio da complementaridade, 203 encia P(A), veja conjunto pot princ pio da exaust ao, 203 preconceito, 215 princ pio da exclus ao m utua, 203 predicado, 44, 55 princ pio da inclus ao e exclus ao, 204 premissa, 30 princ pio da independ encia, 204, 205 presidente, 86 princ pio de exclus ao e inclus ao, 205 primo, 57, 6366 relac a o com l ogica, 205 denic a o, 56 subjetividade, 202 princ pio encia bayesiana da boa ordenac a o, veja induc a o, boa ordenac a o teorema de Bayes, veja infer vari avel aleat oria, veja vari avel aleat oria da complementaridade, 203 da exaust ao, 203 problema das quatro cores, veja grafo, colorac a o de da exclus ao m utua, 203 faces da inclus ao e exclus ao, 156, 204 produt oria, 140141, 146 da independ encia, 204, 205 analogia com somat oria, 141 da induc a o completa, veja induc a o completa b asica, 140 da induc a o forte, veja induc a o completa da induc a o matem atica, veja induc a o, denic a o de constante, 140 de exponenciais, 141 das casas de pombos, veja princ pio dos esde pot encias, 140 caninhos de progress ao aritm etica, 140, 141 das gavetas, veja princ pio dos escaninhos denic a o, 140 do pombal, veja princ pio dos escaninhos f ormula, 140 dos escaninhos, 76
INDICE REMISSIVO
majorac a o, 141 manipulac a o, 141 vazia, 140 via logaritmos, 141 produt orio, veja produt oria produto cartesiano, 109, 113 produto cartesiano, 25, 85 e nupla, 122 de n conjuntos, 122 denic a o, 25 iterado, 122 par ordenado, 25, 122 progress ao aritm etica, 145 denic a o, 144 incremento, 144 passo, 144 termo inicial, 144 geom etrica, 146 denic a o, 144 raz ao, 144 termo inicial, 144 proposic a o aberta, 4351 at omica, 28 auto-referente, 34 contradit oria, veja contradic a o contrapositiva, 31, 34, 35 denic a o, 27 fechada, 44, 51 inversa, 31, 35 mais forte, 31 mais fraca, 31 poss vel, 30 rec proca, 31, 35 simples, 28 tautol ogica, veja tautologia transformac a o, 36 vi avel, 30 prova, 17, veja demonstrac a o construtiva, 6365 de conjunc a o, 59 de disjunc a o, 67 de equival encia, 6162, 67
233 de exist encia e unicidade, 68 de falsidade, 66 de implicac a o, 5760, 67 direta, 59 hip otese disjuntiva, veja prova por casos tese conjuntiva, 59 de quanticador existencial, 6268 de quanticador universal, 6263, 67, 68 estrat egia, veja prova, m etodo exist encia e unicidade, 6566 implicac a o contrapositiva, 58 direta, 58 por absurdo, 59 indireta, veja prova,implicac a o por absurdo m etodo, 5768 n ao construtiva, 65 por absurdo, veja prova,implicac a o por absurdo, 65 por casos, 60, 68 por contra-exemplo, 6667 por contradic a o, veja prova,implicac a o por absurdo por exemplo, 63 por partes, 59 por vacuidade, 63, 94 qualidades, 57 t ecnica, veja prova, m etodo Python, 120 Q (n umeros racionais), veja n umero racional qu adrupla, veja e nupla, 123 qu ntupla, veja e nupla quadrado monotonicidade, 67 quadrado perfeito, 63, 67, 68, 86 quando, veja operador implica quanticador de exist encia u nica, 46 em conjunto vazio, 46 escopo, 52 existencial, 4547, 50, 63 m ultiplo, 62 universal, 4447, 50 suspens ao, 62
234 quebra-cabec as, 188, 189, 192 queijo, 52 R (n umeros reais), veja n umero real r egua e compasso, 15 r otulo, 119 raiz quadrada, 85 como func a o, veja func a o raiz quadrada como relac a o, 113 rato, 52 raz ao a urea, 146 rec proca, veja proposic a o rec proca rec proco de um n umero, 80 recho, 96 recorr encia, 144150 aditiva resoluc a o, 145 linear homog enea, 146 n ao homog enea, 148 termo independente, 148 majorac a o, 149150 minorac a o, 149150 multiplicativa resoluc a o, 146 resoluc a o, 145149 rede, 186 reduc a o ao absurdo, 39, 40, veja prova,implicac a o por absurdo refutac a o, veja conjetura refutada regra de infer encia, 15 relac a o, 85111 anti-sim etrica, 9396, 100, 103, 105 aproximadamente igual, 111 bin aria, 85 completa, 109 composic a o, 94, 116, 119, 125, 126 associatividade, 91 com identidade, 89 com inversa, 89 de pot encias, 91 denic a o, 88, 89 distibutiva sobre uni ao, 91 dom nio, 89
INDICE REMISSIVO
e inclus ao, 90 e intersecc a o, 91 em forma matricial, 92 imagem, 89 inversa da, 90 n ao-comutatividade, 89 notac a o alternativa, 89 pot encia, 90 repetida, veja pot encia composic a o (), 8891 conjunc a o de, 92 cont em (), 87 cont em estritamente (), 87 contagem, veja contagem de relac o es contido, 101, 103, 107109 contido (), 86 contradom nio, veja relac a o, imagem de adjac encia, 183 de equival encia, 108111, 118, 183, 184 classe, veja classe de equival encia denic a o, 108 entre pares, 111 de ordem, 100108, 164 alfab etica, 104, 106 denic a o, 100 entre pares, 101, 104 estrita, 103, 104 lexicogr aca, 104 parcial, 105 subcadeia, 101 total, 103105, 119 uni ao, 101 denic a o, 85 dentro de, 103 diagrama, 85 de Hasse, 102 disjunc a o de, 92 divis vel, 108 divisibilidade, 101 dom nio, 86 entre n umeros, 17 fecho, veja fecho fecho sim etrico, 173 func a o, veja func a o identidade, 87, 109
INDICE REMISSIVO
igual (=), 87 igualdade, 87 imagem, 86 de conjunto, 118 imagem inversa, 88 de conjunto, 118 intersecc a o de, 92 inversa, 87, 106, 117, 119, 124 irreexiva, 9396, 103 maior, 101 maior ou igual, 106 menor, 86, 101 menor (<), 86, 87 menor ou igual, 100, 103, 106 menor ou igual (), 86 menor que, 104 n- aria, 122126 i- esimo dom nio, 122 denic a o, 122 grau, 122 junc a o, 124126 ordem, 122 permutac a o de componentes, 124 projec a o, 123, 124 restric a o, 124 paralela, 108 pertence (), 86, 87 possui (), 87 pot encia, 91, 95, 97, 99 raiz quadrada, 113 reexiva, 9396, 99, 100, 105, 108 representac a o matricial, 9193, 9596 restric a o, 87, 101, 118 sim etrica, 9396, 108, 171 sobre, 86 tipos, 9396 transitiva, 9395, 100, 102, 103, 105, 108 uni ao de, 92 vazia, 86 repetic a o, veja iterac a o representante de classe de equival encia, 110 restric a o de relac a o, veja relac a o, restric a o ret orica, 15 reta, 16 dividindo plano, 70, 145 paralela, 16, 108 perpendicular, 16 reuni ao, 30 Rio de Janeiro, 27 Robertson, Neil, 56, 198 ruminante, 50 Russel, Bertrand, 20 s eptupla, veja e nupla s erie, veja somat oria innita S ocrates, 15 s extupla, veja e nupla s ntese de operadores, 4143 Sanders, Daniel, 56 Sanders, Daniel P., 198 Schr oder, Ernst, 164 se e somente se, veja operador eqival encia selos, 74 seno, 114 sentenc a declarativa, 27 sequ encia, 163 ndice, 120, 143 inicial, 120, 121, 143 bi-innita, 143 comprimento, 121 de bits, 106 elemento, 143 ndice, 120, 143 valor, 120, 143 nita, 120122 comprimento, 121 concatenac a o, 121 denic a o, 120 notac a o (, , . . .), 120 notac a o [, , . . .], 120 notac a o , , . . . , 120 vazia, veja sequ encia vazia igualdade, 120 innita, 143150 ndice inicial, 143 completando, 143 denic a o, 143 dos primos, 144
235
236 por f ormula, 143 n- esimo termo, 120 notac a o xn , 120 ordem dos termos, 120 repetic a o de termos, 120 termo, 120, 143 ndice, 120, 143 geral, 143 valor, 120, 143 vazia, 104, 121 comprimento, 121 concatenac a o, 121 vs. conjunto, 120 Seymour, Paul, 56 Seymour, Paul D., 198 Shannon, Claude, 216 sigma (), veja somat oria silogismo disjuntivo, 40 hipot etico, 40 sistema bin ario, 216 sistema completo, 4243 soma, veja somat oria somat oria, 127140 ndice, 127, 132 ndice nal innito, 139 associatividade, 129, 130 b asica, 128 comutatividade, 129 de mpares, 127 de constante, 128 de cubos, 73 de exponencial, 128, 131, 132 de frac o es, 131 de n umeros de Fibonacci, 132 de PG, 72 de pot encias, 128, 130, 131, 139 de pot encias crescentes, 131 de pot encias de 2, 128, 131 de primos, 127, 129 de progess ao geom etrica, 134 de progress ao aritm etica, 128, 130, 140, 141 de progress ao geom etrica, 128, 131, 132, 139, 140
INDICE REMISSIVO
de quadrados, 130, 131 de senos, 131 decomposic a o de dom nio, 129 denic a o, 127 distributividade, 129, 130, 133 divergente, 207 dom nio, 128 f ormula, 128 fator comum, 129 fatorac a o, 133 indice nal, 128 indice inicial, 128 innita, 139140 dos inversos, 207 limitante, veja somat oria, majorac a o m ultipla, 132134 denic a o, 132 troca de ordem, 132, 133 majorac a o, 134139 pelo maior termo, 134 por induc a o, 134 por integral, 136139 por somat oria innita, 139 termo a termo, 134, 139 manipulac a o, 128132 minorac a o, veja somat oria, majorac a o notac a o, 127 ordem dos termos, 129 produto, 133 propriedades, 129 telesc opica, 130, 131 termo, 127 troca de ndice, 128130, 132 troca de dom nio, 130, 132 vazia, 128 somat orio, veja somat oria Stirling, James, 152 sub-conjunto, veja inclus ao denic a o, 21 pr oprio denic a o, 21 subcadeia, 122 subconjunto, 67 subsequ encia, 122, 143
INDICE REMISSIVO
T avola Redonda, 189 tabela-verdade, 29, 30, 32, 3537, 3943 tampa de caixa, 119 tanque, 33 tatu, 145, 147 tautologia, 36, 37, 40, 47 taxa de juros, 27, 28 Tchebychev, Pafnuti, 211 teorema, 16, 55 da innidade de primos, 65 de Bayes, veja infer encia bayesiana de Cantor, 163164 de Euler para grafos planares, 194 para tours em grafos, 188 de Fermat, veja conjetura de Fermat de Kuratowski, 195 de P olya, 184 do deserto de primos, 64 teoria da computabilidade, 17 da informac a o, 17, veja informac a o da probabilidade, 17 de conjuntos, 17 dos conjuntos, 1926 dos grafos, veja grafo tese, 30 tetraedro, 192 Thomas, Robin, 56, 198 tijolos, 29 tr angulo equi angulo, 49 trelic a, 167 tri angulo, 16 congru encia, 16 ret angulo, 16 tripla, 122, veja e nupla, 123 troca, veja permutac a o troco, 74 uni ao, veja conjunto de grafos, veja grafo, subgrafo, uni ao , veja conjunto, uni ao U , veja conjunto universal urna, 72 vacuidade, 46
237 valor absoluto, 68 valor l ogico, 27 falso, 142 verdadeiro, 142 valor-verdade, 27 vari avel, 17 aleat oria, 205212 cont nua, 206 discreta, 206 amarrada, 51, 55 l ogica, 28 livre, 51, 55 vari avel aleat oria coeciente de correlac a o, veja correlac a o correlac a o, 212 covari ancia, 212 denida por f ormula, 206, 208 desvio padr ao, 211212 denic a o, 211 teorema de Tchebychev, 211 esperanc a, veja vari avel aleat oria, valor esperado m edia, veja vari avel aleat oria, valor esperado mediana, 208209 moda, 209210 teorema de Tchebychev, 211 valor esperado, 206208 com distribuic a o uniforme, 207 func a o am, 208 func a o linear, veja func a o am func a o n ao linear, 208 innito, 207 soma, 208 valor m edio, veja vari avel aleat oria, valor esperado valor mais prov avel, veja moda vari ancia, 210212 denic a o, 210 func a o am, 211 innita, 210 justicativa, 210 sinal, 210 soma, 211 vetorial
238 valor esperado, 208 variavel aleat oria vetorial, 208 Venn, John, 23 voto, 34 xadrez, 192 Z (n umeros inteiros), veja n umero inteiro zebra, 50 Zermelo, Ernest, 19 zool ogico, 27
INDICE REMISSIVO