Apostila MatematicaDiscreta IC Unicamp

Elementos de Matematica Discreta para Computac ao
Anamaria Gomide Jorge Stol
Vers ao Preliminar de 25 de agosto de 2011
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.
Cap tulo 1 o a ` l Introduc a ogica matem atica

1.1 Como ter certeza?
Voc e escreveu um programa, ou inventou um algoritmo, para resolver um certo problema. Como pode voc e se convencer que ele funciona? Como pode voc e convencer os outros que ele funciona? Uma maneira de adquirir conanc a sobre um algoritmo e test a-lo. Por em, para a maioria dos algoritmos, e imposs vel montar testes que veriquem absolutamente todos os casos poss veis que podem ocorrer durante sua execuc a o. Muitos programadores podem citar exemplos de programas que funcionaram perfeitamente em todos os testes, mas falharam imediatamente quando usados na pr atica.
o da l 1.2 A invenc a ogica

Essa quest ao como ter certeza que nosso racioc nio e correto, e como transmitir aos outros essa certeza foi estudada pelos gregos s eculos antes de Cristo. Eles observaram que uma maneira de conseguir esse tipo de certeza, e para passar essa certeza a outras pessoas, e comec ar por um conjunto de axiomas, fatos simples que todos concordam que s ao verdade; e desenvolver um racioc nio a partir desses axiomas, usando regras de infer encia, maneiras de raciocinar que todos concordam que s ao v alidas. Com isso eles inventaram a l ogica, que eles consideravam um ramo da ret orica, a arte de discursar e convencer pessoas. O l osofo grego Arist oteles (384322 A.C.), em particular, estudou os chamados silogismos, racioc nios em que, partindo de duas premissas cuja verdade e aceita, obt em-se uma conclus ao nova que e necessariamente verdadeira. Por exemplo, se acreditamos nas premissas todos os homens s ao mortais e S ocrates e um homem, ent ao temos que acreditar tamb em que S ocrates e mortal.. Ou ent ao, se acreditamos que nenhum mam fero tem penas, e que morcegos s ao mam feros, ent ao temos que acreditar que morcegos n ao tem penas.
es geom 1.3 Euclides e demonstrac o etricas

Enquanto isso, os arquitetos e engenheiros gregos tinham preocupac o es semelhantes em relac a o aos algoritmos geom etricos construc o es com r egua e compasso que eles usavam em seus 15
16
A ` LOGICA CAPITULO 1. INTRODUC AO MATEMATICA
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 .
1.5 As linguagens da l ogica matem atica

Como resultado desse desenvolvimento hist orico, dispomos hoje de dois principais sistemas de notac a o, ou linguagens formais, para expressar racioc nios l ogicos de maneira matematicamente clara, sucinta, e, principalmente, livre de ambiguidades. Estas linguagens s ao a teoria de conjuntos e o c alculo de predicados. A l ogica cl assica somente lida com armac o es que s ao verdadeiras ou falsas. Essa caracter stica praticamente restringe o uso da l ogica para armac o es matem aticas. Mas no s eculo 16 e 17 matem aticos comec aram a estudar o c alculo de chances em jogos de azar (dados, roletas, loteria, etc.). No in co do s eculo 20 estas investigac o es haviam evolu do para a teoria da probabilidade, que permite expressar nosso grau de conanc a a respeito de armac o es incertas, e raciocinar com precis ao sobre elas; e para a estat stica, um conjunto de t ecnicas para analisar dados experimentais que supostamente conrmam ou refutam tais armac o es. Em meados do s eculo XX, motivada pela expans ao do r adio, telefone e outros meios eletr onicos de comunicac a o, a teoria da probabilidade por sua vez deu origem a ` teoria da informa ca o, que permite determinar, por exemplo, a capacidade real de canais de comunicac a o na presenc a de dist urbios aleat orios no sinal recebido. Finalmente, com o surgimento do computador digital, sur-
18
A ` LOGICA CAPITULO 1. INTRODUC AO MATEMATICA
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.
Cap tulo 2 Teoria dos Conjuntos

Acreditamos que o leitor j a teve contato com os conceitos b asicos da teoria dos conjuntos, como elemento, uni ao, intersec ca o, etc.. Nesta sec a o vamos revisar esses conceitos. Embora seja poss vel desenvolver a teoria de conjuntos de maneira axiom atica, como foi feito por Georg Cantor (18451918) e Ernest Zermelo (18711953), a abordagem informal apresentada e suciente para nossos prop ositos. Um conjunto e um conceito primitivo, que informalmente pode ser entendido como uma colec a o n ao ordenada de entidades distintas, chamadas de elementos do conjunto. Dizemos que um elemento x pertence a um conjunto A se x e um elemento de A. Denotamos este fato por a A. Para denotar que x n ao pertence a A, ou seja, que x n ao e um elemento do conjunto A, escrevemos x A. Se x pertence a um conjunto A, diz-se tamb em que A tem (ou possui) x, e escreve-se A x. A negac a o desta armac a o (A n ao tem ou n ao possui x) e denotada por A x. N ao e correto dizer que A cont em x, pois este termo e usado em matem atica com um sentido bem diferente (veja a sec a o 2.4)
2.1 Especicando conjuntos

Podemos especicar um conjunto de diversas formas. Se um conjunto tem poucos elementos, podemos list a-los, um a um, em qualquer ordem, entre chaves {}. Por exemplo, o conjunto cujos elementos s ao os n umeros inteiros 2, 3 e 5 pode ser escrito {2, 3, 5}. Assim, por exemplo, temos que 3 {2, 3, 5}, mas 4 {2, 3, 5}. Outra maneira de especicar um conjunto atrav es das propriedades de seus elementos. Para tanto, usamos a notac a o { a : P(a) }, onde a e uma vari avel arbitr aria e P(a) uma armac a o matem atica que pode ser verdadeira ou falsa dependendo do valor de a. Por exemplo, {a : a e um n umero inteiro e 5 < a < 5 } e outra maneira de denir o conjunto {4, 3, 2, 1, 0, +1, +2, +3, +4}.
Exerc cio 2.1: Escreva explicitamente os elementos dos seguintes conjuntos: 1. A = x : x Z e x2 2 x + 1 0 .
2. A = x : x Z, 2 x 20 e x e primo .
19
20
3. A = x : x R e x2 2 x = 0 .
CAPITULO 2. TEORIA DOS CONJUNTOS
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
es circulares e contradit 2.1.1 Denic o orias

A denic a o de um conjunto pode usar outros conjuntos, como por exemplo seja X o conjunto de todos os elementos que est ao no conjunto Y mas n ao no conjunto Z . Por em, deve-se tomar cuidado para evitar denic o es circulares, que podem n ao ter sentido. Um exemplo cl assico e a denic a o seja X o conjunto de todos os elementos que n ao pertencem a X . Esta denic a o n ao faz sentido pois diz que um elemento que est a em X n ao est a em X , e vice-versa. Este contra-exemplo teve um papel muito importante no desenvolvimento da teoria de conjuntos. Ele e conhecido pelo nome Paradoxo de Russel, por ter sido observado pelo matem atico ingl es Bertrand Russel (18721970). Ele e conhecido tamb em como Paradoxo do Barbeiro, pois foi exemplicado com uma anedota em que o barbeiro de um quartel recebeu a ordem de fazer a barba de todos os que n ao zessem sua pr opria barba, e apenas esses deixando o barbeiro na d uvida sobre o que ele deveria fazer com a sua. Por outro lado, h a denic o es circulares de conjuntos que s ao perfeitamente v alidas. Por exemplo, considere o conjunto de inteiros X que cont em o inteiro 1, n ao cont em o inteiro 0, cont em x + 2 e x 2 qualquer que seja o elemento x de X . Pode-se vericar que o u nico conjunto X com estas propriedades e o conjunto dos inteiros mpares. Para entender porque esta denic a o e v alida vamos precisar do conceito de induc a o matem atica, que ser a visto no cap tulo 5.
2.2 Igualdade de conjuntos

Por denic a o, um conjunto A e igual a um conjunto B se, e somente se, todo elemento de A e elemento de B, e todo elemento de B e elemento de A. Esta condic a o, denotada por A = B, signica que A, B s ao o mesmo conjunto. Dito de outra forma, dois conjuntos A e B s ao diferentes (A B) se, e somente se, existe um elemento de A que n ao pertence a B, ou um elemento de B que n ao pertence a A. Observe que, como os conjuntos n ao s ao ordenados, o conjunto {1, 2, 3} e igual ao conjunto {3, 2, 1}.
2.3. CONJUNTO VAZIO
21
2.3 Conjunto vazio

possivel denir conjuntos sem elementos. Dizemos que tal conjunto e E vazio. Por exemplo, considere o conjunto A = { x : x R e x = x + 1 }. Pela regra da sec a o 2.2, todos os conjuntos vazios s ao iguais; ou seja existe um u nico conjunto vazio, que e geralmente denotado por .
o de inclus 2.4 Relac a ao

Sejam A e B dois conjuntos. Dizemos que A e um subconjunto de B se, e somente se, todo elemento de A e um elemento de B. Neste caso, dizemos tamb em que A est a contido em B, ou que B cont em A. Denotamos esta condic a o por A B ou B A. Se existe um elemento de A que n ao pertence a B, ent ao A n ao e subconjunto de B, e escrevemos A B. De acordo com esta denic a o, todo conjunto est a contido em si pr oprio e cont em o conjunto vazio; ou seja, A A e A, para qualquer conjunto A. Se A B mas A B, dizemos que A e um sub-conjunto pr oprio de B, que denotamos por A B ou B A. Analogamente, A B signica que A n ao e um subconjunto pr oprio de B.
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, . . .}?
es com conjuntos 2.6 Operac o

Para os pr oximos conceitos sejam A e B dois conjuntos.
o 2.6.1 Uni ao e intersecc a

A uni ao de A e B, denotada por A B, e o conjunto de todos os elementos que est ao em pelo menos um dos conjuntos, A ou B.
Exemplo 2.1: Se A = {1, 2, 3} e B = {2, 3, 4, 5} ent ao A B = {1, 2, 3, 4, 5}.
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}.
Se A B = dizemos que os conjuntos A e B s ao disjuntos.
2.6.2 Diferenc a, universo, e complemento

A diferen ca de A e B e o conjunto de todos os elementos de A que n ao est ao em B. Este conjunto e tamb em chamado A menos B, ou o complemento de B em A, e e denotado por A B ou A \ B. Em certos casos, e conveniente supor que todos os elementos de todos os conjuntos que nos interessam pertencem a um conjunto universal ou universo, que denotaremos por U . Se A e o ou Bc . conjunto universo U , ent ao U B e chamado o complemento de B e denotado por B A . Observe que se A B ent ao A B = B, A B = A e B
Exerc cio 2.2: D e exemplos em que (A B) B = A e (A B) B Exerc cio 2.3: Sejam U = { n N : 0 n 9 }, A = {1, 2, 3, 4}, B = x R : ( x 1)( x 3)3 = 0 e C = n N : n e mpar . Calcule: 1. A B. 2. A ( B C ). 3. C A. 4. A cardinalidade de A, B e C . C. 5. A Exerc cio 2.4: Sejam A e B dois conjuntos nitos quaisquer. Encontre uma f ormula matem atica que relaciona |A|, | B|, |A B| e |A B|. A
2.6.3 Diferenc a sim etrica

Outra operac a o de conjuntos e a diferen ca sim etrica, denotada por A B ou A B, que consiste de todos os elementos que est ao em exatamente um dos dois conjuntos. Isto e , A B = ( A \ B) ( B \ A) A gura 2.1 mostra uma representac a o gr aca das operac o es de conjuntos: (2.1)
2.6. OPERAC OES COM CONJUNTOS
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
es com conjuntos 2.6.4 Propriedades das operac o

A seguir listaremos algumas propriedades que s ao satisfeitas pelas operac o es com conjuntos. Propriedades da comutatividade A B = B A. A B = B A.
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 ).
24 A (B C ) = (A B) (A C ). Propriedades da idempot encia A A = A. A A = A.
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.
Propriedades do conjunto universal A U = U. A U = A. A = A. A = .

Exerc cio 2.5: Usando diagramas de Venn, verique que a diferenc a sim etrica tamb em e uma operac a o associativa e comutativa; isto e , que A B = B A e (A B) C = A ( B C ), para quaiquer conjuntos A, B e C .
Propriedades do conjunto vazio
2.7 Conjuntos de conjuntos

Conjuntos podem ser elementos de outros conjuntos. Por exemplo, o conjunto A = {, {2, 3} , {2, 4} , {2, 4, 7}} e um conjunto com quatro elementos. Se B e o conjunto {2, 3}, temos que B e elemento de A (B A), mas B n ao e sub-conjunto de A (B A). Note que e elemento de A e tamb em subconjunto de A, enquanto que {2} n ao e nem uma coisa nem outra. Em particular, o conjunto A = {} n ao e vazio, pois ele tem um elemento o conjunto vazio. Observe que |A| = 1, enquanto que || = 0.
2.8. CONJUNTO POTENCIA
25
2.8 Conjunto pot encia

O conjunto de todos os subconjuntos de um conjunto A e chamado de conjunto pot encia de A, e denotado por P(A).
Exemplo 2.3: Se A = {1, 2, 3} ent ao P(A) = {, {1} , {2} , {3} , {1, 2} , {1, 3} , {2, 3} , {1, 2, 3}}.
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).
2.10 Produto cartesiano de dois conjuntos

2.10.1 Produto de dois conjuntos
Indicamos por (a, b) um par ordenado de elementos, no qual a e o primeiro elemento e b e o segundo elemento. Um par ordenado n ao deve ser confundido com um conjunto de dois elementos, pois a ordem e importante (por exemplo, o par (10, 20) e diferente do par (20, 10)) e os dois elementos podem ser iguais (como por exemplo no par (10, 10)). Dois pares ordenados (a, b) e (c, d ) s ao iguais (s ao o mesmo par) se, e somente se, a = c e b = d . Sejam A e B dois conjuntos. O produto cartesiano, denotado por A B, e o conjunto de todos os pares ordenados (a, b) com a A e b B. Como no produto cartesiano os pares s ao ordenados, temos que A B B A (exceto quando A = B ou A = ou B = ).
26
2.11 Exerc cios

Exerc cio 2.6: Seja R, o conjunto dos n umeros reais. Considere os seguintes subconjuntos de R: (a, b) = { x : a < x < b } (intervalo aberto); (a, b] = { x : a < x b } (intervalo fechado a ` direita), [a, b) = { x : a x < b } (intervalo fechado a ` esquerda), (, a) = { x : x < a }, (a, ) = { x : a < x }, (, ) = R, Calcule 1. [1, 3] (2, 4). (, a] = { x : x a }, [a, ) = { x : a x }, [a, b] = { x : a x b } (intervalo fechado);
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 ).
Cap tulo 3 L ogica matem atica

3.1 L ogica proposicional
es e valores l 3.1.1 Proposic o ogicos
Uma proposi ca o e uma sentenc a declarativa que ou e verdadeira ou e falsa. Exemplos: 1. O morcego e um mam fero. 2. Rio de Janeiro e a capital do Brasil. 3. H a 36 macacos no zool ogico de Londres. 4. A taxa de juros do Banco Central vai subir amanh a. 5. O trilion esimo algarismo decimal de e 7. Observe que n ao e necess ario que saibamos se a sentenc a e verdadeira ou falsa. Este fato pode depender de informac o es que n ao temos no momento (como no exemplo 3 acima), de eventos que ainda n ao aconteceram (como no exemplo 4), ou de c alculos que n ao temos recursos para realizar (como no exemplo 5). Como exemplos de frases que n ao s ao proposic o es, podemos citar 1. frases interrogativas, como O que e isto?, 2. frases imperativas, como Leia com cuidado, 3. certas sentenc as auto referentes, como Esta frase e falsa. Uma sentenc a declarativa que depende de vari aveis pode ser considerada uma proposic a o em um contexto onde as vari aveis tem valor determinado. Por exemplo, a sentenc a x e menor que 3 isoladamente n ao e uma proposic a o. Por em, uma vez que o valor de x for denido, ela se torna uma proposic a o. Este ponto ser a tratado com mais detalhe na sec a o 3.6. Dizemos que o valor l ogico ou valor-verdade de uma proposic a o e verdadeiro se ela for verdadeira, e falso caso contr ario. 27
28
CAPITULO 3. LOGICA MATEMATICA
es compostas 3.1.2 Conectivos l ogicos e proposic o

Todas as l nguas naturais possuem conectivos l ogicos, como e, ou, n ao, se . . . ent ao, que permitem combinar proposic o es simples para formar proposic o es mais complexas. Por exemplo, 1. [Bras lia e a capital do Brasil,] e [Montevid eu e a capital da Argentina]. 2. [Bras lia e a capital do Brasil,] ou [Montevid eu e a capital da Argentina]. 3. Se [a taxa de juros cair amanh a], ent ao [a ina ca o vai aumentar neste mes]. 4. N ao [haver a sess ao da meia-noite hoje neste cinema]. Uma proposic a o que n ao pode ser decomposta em proposic o es menores ligadas por conetivos l ogicos e dita uma proposi ca o simples ou at omica. Nos exemplos acima, os colchetes [] indicam as proposic o es simples. O valor l ogico (verdadeiro ou falso) de uma proposic a o deste tipo depende do valor l ogico das proposic o es simples que a comp oem, e da maneira como elas s ao combinadas pelos conectivos. Assim, se sabemos que a proposic a o Bras lia e a capital do Brasil e verdadeira, e Montevid eu e a capital da Argentina e falsa, podemos concluir que a proposic a o 1 acima e falsa, mas a proposic a o 2 e verdadeira.
o para c 3.1.3 Notac a alculo proposicional

A l ogica proposicional, ou c alculo proposicional, e um formalismo que nos permite determinar o valor l ogico de proposic o es compostas, se soubermos os valores l ogicos das proposic o es simples que a comp oem. A linguagem natural e frequentemente amb gua, e os conetivos l ogicos podem ter signicados diferentes em sentenc as diferentes. Para eliminar essa fonte de confus ao, e vantajoso traduzir as proposic o es para uma notac a o alg ebrica, cuja interpretac a o seja precisamente denida. Neste livro, representaremos as proposic o es por letras min usculas ( p, q, r, . . . ). Podemos entender estas letras como vari aveis que podem ter apenas um de dois valores poss veis, V (representando o valor l ogico verdadeiro) ou F (falso). Os conectivos l ogicos ser ao representados por sinais alg ebricos especiais (operadores) aplicados a essas vari aveis. Os mais importantes s ao: conjun ca o: p q, signicando p e q. disjun ca o: p q, signicando p ou q. nega ca o: p, signicando n ao p. implica ca o: p q, signicando se p, ent ao q. equival encia: p q, signicando p se, e somente se, q. Nas pr oximas sec o es, vamos explicar em detalhes estes operadores l ogicos, e denir outros operadores menos usados.
3.1. LOGICA PROPOSICIONAL
29
o 3.1.4 Operador de conjunc a

Se p, q s ao duas proposic o es, ent ao p e q tamb em e uma proposic a o, chamada conjun ca o de p e q. Denotaremos essa proposic a o por p q. Por denic a o, o valor l ogico de p q e verdadeiro se p e q s ao ambos verdadeiros. Se qualquer uma das duas proposic o es for falsa, ou ambas forem falsas, o valor de p q e falso. Podemos resumir esta denic a o por uma tabela, a tabela-verdade do operador : p V V F F q V F V F pq V F F F
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).
o 3.1.5 Operador de disjunc a

Se p, q s ao duas proposic o es, ent ao p ou q tamb em e uma proposic a o, chamada de disjun ca o de p e q. Denotaremos essa proposic a o por p q. Por denic a o, o valor l ogico de p q e verdadeiro se pelo menos uma das duas proposic o es for verdadeira. Se ambas forem falsas, o valor de p q e falso. A tabela-verdade do operador e p V V F F q V F V F pq V V V F
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.
o 3.1.6 Operador de negac a

A partir de uma proposic a o p, podemos formar uma nova proposic a o com o valor l ogico oposto ao de p. Essa nova proposic a o e chamada a nega ca o de p e denotada por p. A tabela-verdade desse operador e :
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).
o 3.1.7 Operador de implicac a

Sejam p, q duas proposic o es. A proposic a o se p ent ao q, que denotaremos por p q, e chamada de implica ca o ou condicional. O valor l ogico de p q e falso apenas se p for verdadeiro e q for falso. Nos demais casos, o valor de p q e verdadeiro. A tabela-verdade desse conectivo e portanto: p V V F F q V F V F pq V F V V
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.

caso p, vale q. q segue de p. p implica q. q se p. q sempre que p.
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.
3.1.8 Operador de equival encia

Se p, q s ao duas proposic o es, a proposic a o p se, e somente se, q e chamada de equival encia ou bicondicional de p e q. Denotaremos essa proposic a o por p q. O valor l ogico de p q e verdadeiro quando p e q tem o mesmo valor l ogico, e falso caso contr ario. A tabela-verdade deste conectivo e p V V F F q V F V F pq V F F V
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.
o exclusiva 3.1.9 Operador de disjunc a

Se p, q s ao duas proposic o es, denotamos por p q a proposic a o ou p ou q, mas n ao ambos. Este conectivo e chamado de disjun ca o exclusiva ou p e q. O valor l ogico de p q e verdadeiro se p e q tem valores l ogicos opostos, ou seja, exatamente um deles e verdadeiro. A tabela-verdade desse conectivo e

p V V F F q V F V F pq F V V F
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.
3.1.10 Preced encia dos operadores l ogicos

Em uma proposic a o que usa dois ou mais operadores l ogicos, como p q r, a ordem em que eles devem ser aplicados e muito importante. Podemos sempre usar par enteses para indicar a ordem correta, por exemplo ( p q) r ou p (q r). Observe que estas duas proposic o es podem ter valores l ogicos diferentes, para certas proposic o es p, q, e r. Assim como na a lgebra, e u til estabelecer regras de preced encia entre operadores, que determinam uma ordem convencional de aplicac a o mesmo na aus encia de par enteses, como na proposic a o p q r. A tabela a seguir estabelece as preced encias tradicionais dos operadores l ogicos. Operador Preced encia 1 2 , 3 , 4 Assim, por exemplo, a proposic a o p q r s u deve ser entendida como (( p) q) (r ( s v)) Para memorizar as prioridades relativas de e , basta lembrar que (e), na a lgebra de Boole, era representado por multiplicac a o; enquanto que (ou) era representado por uma soma modicada. Assim, a proposic a o p q r, por analogia com x + y z, deve ser entendida como p (q r) e n ao como ( p q) r. Em matem atica, diz-se que uma operac a o e associativa se ( x y) z e igual a x (y z), quaisquer que sejam x, y, e z. Nesse caso, podemos omitir os par enteses dessas duas f ormulas, e escrever simplesmente x y z. A soma e a multiplicac a o de n umeros reais, por exemplo, s ao operac o es associativas; enquanto que a subtrac a o n ao e . Dentre os conectivos l ogicos que vimos at e agora, , e s ao associativos. Portanto, podemos escrever p q r, p q r ou p q r, sem risco de ambiguidade. Por outro lado, a f ormula p q re amb gua, pois ( p q) r n ao e equivalente a p (q r). (Isto pode ser vericado construindo as tabelas-verdade.)
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.
es auto-referentes 3.2 Armac o

J a mencionamos que a armac o es que referem a si mesmas, como esta sentenc a e falsa, n ao s ao proposic o es l ogicas. Tais armac o es, relacionadas com o Paradoxo do Barbeiro, sempre foram um problema para a l ogica matem atica, que n ao tem maneira satisfat orias de lidar com elas. Este problema surge mesmo quando h a v arias armac o es que se referenciam entre si. Por exemplo, na frase a sentenc a seguinte e falsa, e a sentenc a anterior e verdadeira, embora possa ser analisada como uma conjunc a o p q, n ao e uma armac a o l ogica porque p e uma armac a o sobre q e vice-versa. Um exemplo mais elaborado e o seguinte
Exemplo 3.6: Considere uma lista de 100 proposic o es, p0 , p1 , . . . , p99 , onde cada proposic a o pn diz exatamente n das proposic o es desta lista s ao falsas. Exerc cio 3.3: Sejam p e q as proposic o es a eleic a o foi decididae os votos foram contados, respectivamente. Expresse cada uma das proposic o es compostas a seguir como uma sentenc a em portugu es. a) p b) p q c) q p d) q ( p q) Exerc cio 3.4: Mostre, pelas tabelas-verdade, que h a casos em que p q e verdadeira, mas sua reciproca q p e falsa; e vice-versa. Exerc cio 3.5: Mostre, pelas tabelas-verdade, que h a casos em que p q e verdadeira, mas sua inversa ( p) (q)
3.2. AFIRMAC OES AUTO-REFERENTES

Exerc cio 3.6: Mostre, pelas tabelas-verdade, que a proposic a o p q e sua contrapositiva (q) ( p) tem sempre o mesmo valor l ogico, quaiquer que sejam os valores l ogicos de p e de q. Exerc cio 3.7: Mostre que a inversa de uma implicac a o p q e a contrapositiva da rec proca. Exerc cio 3.8: Mostre que a inversa de uma implicac a o p q e a rec proca da sua contrapositiva. Exerc cio 3.9: Considere que p, q e r s ao proposic o es verdadeiras. Verique quais das armac o es s ao verdadeiras. a) p q. b) q p. c) p (q r). d) p q. e) p r. f) ( p q) p. g) ( p q) q. Exerc cio 3.10: Um conectivo muito importante para projeto de circuitos l ogicos e o operador , denido por p q = ( p q). De maneira an n ao-e ou (nand), que denotaremos por aloga , e denido por p q = ( p q). Construa as temos o operador n ao-ou ou (nor), denotado por e . tabelas-verdade dos operadores Exerc cio 3.11: Encontre f ormulas envolvendo os conectivos , e para as vari aveis x e y da tabela-verdade abaixo: p V V F F q V F V F x V V F V y F V V F
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
o l es 3.3 Manipulac a ogica de proposic o

O objetivo da l ogica proposicional e identicar as deduc o es e transformac o es de proposic o es compostas cuja validade independe da natureza das suas proposic o es at omicas, e dos valores l ogicos destas. Por exemplo, veremos mais adiante que qualquer proposic a o composta da forma p ( p q) pode ser substitu da por p q; pois, qualquer que sejam as proposic o es p e q, os valores l ogicos de p ( p q) e p q s ao sempre iguais. Nesta sec a o, veremos as principais regras deste tipo.
es 3.3.1 Tautologias e contradic o

Uma tautologia e uma proposic a o composta que e sempre verdadeira, quaisquer que sejam os valores l ogicos das proposic o es simples que a comp oem. Ou seja, uma proposic a o composta e uma tautologia se e somente se a coluna de resultado de sua tabela-verdade cont em somente valores l ogicos verdadeiros (V). Por exemplo, a proposic a o p ( p) tem a seguinte tabela-verdade: p p V F V F F V F V p ( p) V V V V
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)).
LOGICA 3.3. MANIPULAC AO DE PROPOSIC OES

Exerc cio 3.14: Construa as tabelas-verdade das proposic o es abaixo, e determine se elas s ao tautologias, contradic o es, ou nem uma nem outra. Note que as f ormulas dependem de 3 vari aveis, portanto a tabela verdade tem 23 = 8 linhas. g) (( p q) r) ( p (q r)). i) (( p q) (q r)) ( p r)
37
3.3.2 Equival encia l ogica

Duas proposic o es compostas p e q s ao ditas logicamente equivalentes se elas tem valores l ogicos iguais, para qualquer combinac a o de valores l ogicos que sejam atribu dos a ` s suas proposic o es at omicas. Em outras palavras, p e q s ao logicamente equivalentes se e somente se p q e uma tautologia. Por exemplo, podemos vericar, pela tabela-verdade, que as proposic o es compostas p e ( p) s ao equivalentes, ou seja, que p (( p)) e uma tautologia: p V F p ( p) F V V F p (( p)) V V
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.
3.3.3 Equival encias l ogicas importantes

A seguir listaremos algumas equival encias l ogicas importantes. O leitor pode se convencer da veracidade delas construindo as respectivas tabelas-verdade. Leis de elemento identidade: p F equivale a p p V equivale a p
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
Leis da comutatividade: p q equivale a q p p q equivale a q p
p q equivale a q p Leis da associatividade:
p q equivale a q p
( p q) r equivale a p (q r) ( p q) r equivale a p (q r) Leis da distributividade: p (q r) equivale a ( p q) ( p r) p (q r) equivale a ( p q) ( p r)
( 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
LOGICA 3.3. MANIPULAC AO DE PROPOSIC OES

Lei da redu ca o ao absurdo: p q equivale a ( p q) F
Exerc cio 3.15: Verique cada uma das equival encias acima, construindo a tabela-verdade para as duas proposic o es. Exerc cio 3.16: Verique quais das seguintes armac o es s ao corretas: a) ( p ( p q)) e logicamente equivalente a 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)).
a) ( p ( p q)) e logicamente equivalente a p.
Exerc cio 3.18: Quais proposic o es s ao logicamente equivalentes? a) p q.
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
o l 3.3.4 Implicac a ogica

Sejam p e q duas proposic o es. Dizemos que p implica logicamente q se p q e uma tautologia. Nesse caso, dizemos tamb em que p q e uma implica ca o l ogica ou q e uma consequ encia l ogica de p. Mais geralmente, sejam p1 , p2 , . . . , pn uma colec a o de proposic o es. Dizemos que essas proposic o es implicam logicamente q se ( p1 p2 pn ) q e uma tautologia. Observe que se uma implicac a o p q e verdadeira, sua conclus ao q pode ser verdadeira ou falsa; mas se tanto a implicac a o quanto a hip otese p s ao verdadeiras, ent ao a conclus ao q deve ser verdadeira. Isto e , as proposic o es p e p q implicam logicamente q. Isso signica que, se estabelecemos de alguma forma que p e verdadeira, e que p q e verdadeira, podemos concluir que q e verdadeira. Esta implicac a o l ogica e chamada lei do modus ponens e e frequentemente usada nas demonstrac o es de teoremas em matem atica. Listaremos algumas implicac o es l ogicas mais conhecidas. As letras p, q, r representam proposic o es arbitr arias. Lei da adi ca o: p implica logicamente p q Lei da simplica ca o: p q implica logicamente p Lei do modus ponens: p e p q implicam logicamente q Lei do modus tollens: p q e q implicam logicamente p Silogismo hipot etico: p q e q r implicam logicamente p r Silogismo disjuntivo: p q e p implicam logicamente q Demonstra ca o por absurdo: p F implica logicamente p
Exerc cio 3.23: Verique cada uma das implicac o es acima, construindo a tabela-verdade para as duas proposic o es. Exerc cio 3.24: Verique quais das seguintes armac o es s ao corretas: a) ( p (q r)) implica logicamente em ( p q). b) ( p q) implica logicamente em (r p q).
3.4. SINTESE DE PROPOSIC OES

c) (( p q) r) implica logicamente em ( p r). d) (( p q) p) implica logicamente em q. e) ( p q) implica logicamente em ( p q). f) ( p q) implica logicamente em ( p q). g) ( p q) implica logicamente em q. h) ( p q) ( p r) implica logicamente em (q r). i) ( p q) (q r) implica logicamente em ( p r).
41
3.3.5 Equival encia em contexto espec co

As equival encias e implicac o es l ogicas acima s ao absolutas, isto e , podem ser usadas quaisquer que sejam as proposic o es simples representadas pelas vari aveis. Neste sentido, por exemplo as f ormulas p q e p q n ao s ao equivalentes; pois, quando substitu mos p = F e q = F, a primeira e verdadeira e a segunda e falsa. Por em, se soubermos de alguma maneira, que a armac a o p q e verdadeira, ent ao a combinac a o p = F e q = F n ao pode ocorrer. As tabelas-verdade dessas f ormulas s ao: p F F V V q pq pq pq F V F F V F F V F F F V V V V V
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.
es 3.4 S ntese de proposic o

3.4.1 Formas normais disjuntivas e conjuntivas
Dada uma tabela-verdade com determinadas vari aveis l ogicas, e sempre poss vel construir uma proposic a o composta com essas mesmas vari aveis que tem essa tabela-verdade. Podemos construir essa proposic a o tomando todas as linhas da tabela em que o resultado desejado e verdadeiro, e escrevendo para cada linha uma f ormula l ogica que e verdadeira para essa combinac a o de valores das vari aveis, e falsa para todas as outras combinac o es. Para isto, podemos usar uma conjunc a o de vari aveis ou suas negac o es. A disjunc a o de todas essas f ormulas e a proposic a o desejada.
42

Por exemplo, suponha que queremos construir uma proposic a o r que tem esta tabela-verdade: p F F V V q F V F V r F V V F
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.
3.4.2 Sistemas completos de operadores

A construc a o da forma normal disjuntiva (ou conjuntiva) permite concluir que toda proposic a o composta, usando quaisquer conectivos, e logicamente equivalente a outra proposic a o que usa apenas os conectivos , e . Dizemos ent ao que estes tr es conectivos formam um sistema completo de operadores l ogicos.
Exerc cio 3.26: Prove que os conectivos e , sozinhos, constituem um sistema completo de operadores l ogicos. Idem para e .
3.5. DUALIDADE LOGICA

Exerc cio 3.27: Prove que os conectivos e , sozinhos, constituem um sistema completo de operadores l ogicos. (Dica: prove que e poss vel obter o operador combinando esses dois operadores.) (n Exerc cio 3.28: Prove que o conectivo ao-e), sozinho, constitui um sistema completo de ope (n radores l ogicos. Idem para ao-ou).
43
3.5 Dualidade l ogica

Seja p uma proposic a o que usa apenas os conectivos , , e . A proposi ca o dual e obtida a partir de p trocando-se toda ocorr encia de por , e vice-versa; bem como toda ocorr encia de T por F, e vice-versa. Por exemplo, a dual da proposic a o ( p q) r e ( p q) r. A dual de uma proposic a o p e geralmente denotada por p . Note que ( p ) , a dual da dual, e a proposic a o original p. Em geral, p e p n ao s ao logicamente equivalentes. Entretanto, se p e uma tautologia, p e uma contradic a o, e vice-versa. Al em disso, prova-se que se duas proposic o es p e q s ao equivalentes, ent ao p e q s ao equivalentes, e vice-versa. Esta propriedade nos permite obter equival encias l ogicas a partir de equival encias j a demonstradas. Por exemplo, considere as duas leis de distributividade, de sobre e sobre : p (q r) e equivalente a ( p q) ( p r) p (q r) e equivalente a ( p q) ( p r) Uma vez provada a primeira equival encia, n ao precisamos provar a segunda: basta observar que p (q r) e a proposic a o dual de p (q r), e ( p q) ( p r) e a dual de ( p q) ( p r).
Exerc cio 3.29: Escreva a proposic a o dual de ( p q) ( p r). Exerc cio 3.30: Qual e a relac a o entre as tabelas-verdade de uma proposic a o p e de sua proposic a o dual p ? Exerc cio 3.31: Encontre uma proposic a o composta com duas vari aveis l ogicas, que seja logicamente equivalente a sua proposic a o dual usando apenas os operadores , e . Exerc cio 3.32: Para denir o dual de um operador l ogico bin ario qualquer , basta encontrar uma f ormula equivalente a p q que use apenas os operadores , , e , e denir um operador tal que p q seja equivalente a ` proposic a o dual dessa f ormula. Use este processo para denir os e . Em cada caso, determine se o dual e operadores duais de , , , um operador conhecido.
3.6 L ogica de Predicados

Uma proposi ca o aberta e uma proposic a o que depende de uma ou mais vari aveis, por exemplo x + 1 e maior que x.
44 o quadrado de x e 16. x e um n umero primo. x e maior que y. x + y = 2 x + z
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.
o universal 3.6.1 Quanticac a

A substituic a o de vari aveis por valores expl citos n ao e a u nica maneira de transformar uma proposic a o aberta em uma proposic a o at omica. Outra maneira e a chamada quantica ca o universal, que e uma armac a o do tipo para todo x no conjunto D, P( x). Denotaremos esta frase por ( x D)P( x). Nesta frase, D (o dom nio da quanticac a o) pode ser qualquer conjunto previamente denido, x pode ser qualquer vari avel, e P( x) qualquer proposic a o que depende dessa vari avel, que tenha valor l ogico bem denido sempre que x for substitu do por um elemento de D. Por denic a o, a frase ( x D) P( x) e verdadeira se, e somente se, a proposic a o P( x) for sempre verdadeira quando substitu mos vari avel x por qualquer elemento do conjunto D. Se houver um (ou mais de um) elemento de D que torna P( x) falsa quando atribu do a ` vari avel x, ent ao a frase ( x D) P( x) e falsa. Por exemplo, se P( x) representa a frase x + 1 e maior que x, ent ao a frase ( x Z) P( x) e verdadeira, pois, se substituirmos x por qualquer n umero inteiro, a armac a o P( x) ser a sempre verdadeira.
3.6. LOGICA DE PREDICADOS
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).
o existencial 3.6.2 Quanticac a

Outra maneira de transformar uma proposic a o aberta em fechada e atrav es da quantica ca o existencial, que tem a forma existe um x no conjunto D tal que P( x). Denotaremos esta frase por ( x D) P( x). Aqui tamb em, o dom nio D da quanticac a o pode ser qualquer conjunto j a denido; x pode ser qualquer vari avel; e P( x) qualquer proposic a o que depende dessa vari avel. Por denic a o, a frase ( x D) P( x) e verdadeira se, e somente se, existir pelo menos um elemento de D que, atribu do a ` vari avel x, torna a armac a o P( x) verdadeira. A frase ( x D) P( x) e falsa se, e somente se, n ao existe nenhum elemento de D com essa propriedade. Se 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 ). Como exemplo, denotemos por P( x) o predicado x e um n umero primo. A proposic a o ( x N) P( x) e verdadeira, pois, por exemplo, a armac a o P(7) (7 e um n umero primo) e verdadeira, e7e um elemento de N. Por outro lado, se Q(y) e a proposic a o aberta y e igual a y + 1, ent ao a frase (y R) Q(y) e falsa; pois, qualquer n umero real que for atribu do a y, a armac a o Q(y) (y e igual a y + 1) e falsa.
Exerc cio 3.34: 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) R( x)
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).
3.6.3 Quanticador de exist encia e unicidade

Na matem atica s ao comuns armac o es do tipo existe um u nico x no conjunto D tal que P( x). Esta armac a o e frequentemente denotada por (! x D) P( x). Observe que, assim como pode ser visto como uma disjunc a o inclusiva , o quanticador ! pode ser visto como uma disjunc a o exclusiva . Ou seja, se D = { x1 , x2 , . . . , xn }, a proposic a o (! x D) P( x) signica que uma, e apenas uma, das armac o es P( x1 ), P( x2 ), . . . , P( xn ) e verdadeira. Por em, note que esta armac a o n ao e equivalente a P( x1 ) P( x2 ) P( xn ). Pode-se vericar que esta armac a o signica que um n umero mpar desses termos s ao verdadeiros. Toda f ormula (! x D) P( x) pode ser escrita em termos dos quanticadores j a denidos: (( x D) P( x)) (( x D)(y D) ((P( x) P(y)) x = y))
o sobre o conjunto vazio 3.6.4 Quanticac a

A armac a o existe um estudante com mais de duzentos anos que gosta de f sica e obviamente falsa; pois nem sequer existem estudantes com essa idade, muito menos que gostem de f sica. Esta armac a o pode ser escrita ( x D) P( x), onde D e o conjunto dos estudantes com mais de duzentos anos de idade, e P( x) denota a armac a o x gosta de f sica. De modo geral, se o dom nio De vazio, a armac a o ( x D) P( x) e falsa, qualquer que seja o predicado P. Considere agora a armac a o: todos os estudantes com mais de duzentos anos de idade gostam de f sica. Qual o valor l ogico desta frase? Na notac a o acima, esta armac a o pode ser escrita ( x D) P( x). A quest ao e : qual o valor l ogico da armac a o P( x) e verdadeira, para qualquer elemento x de D, se D n ao tem nenhum elemento? Verica-se que, quando o dom nio D e vazio, a interpretac a o mais consistente e considerar a frase ( x D) P( x) verdadeira, qualquer que seja o predicado P. Dizemos que tais armac o es s ao verdadeiras por vacuidade. Em particular, a frase todos os estudantes com mais de duzentos anos de idade gostam de f sica deve ser considerada verdadeira. Por outro lado,
47
3.6.5 C alculo de predicados

Aa rea da l ogica que trata de predicados e quanticadores e chamada c alculo de predicados. Assim como no c alculo proposicional, no c alculo de predicados estudam-se as regras de racioc nio que valem para quaisquer predicados. Em particular, estamos interessados em equival encias l ogicas e implica co es l ogicas entre proposic o es com quanticadores. Assim como no c alculo proposicional, denimos uma tautologia do c alculo de predicados como sendo uma proposic a o com dom nios e predicados simb olicos que e verdadeira quaisquer que sejam as denic o es que adotemos para os mesmos. Um exemplo trivial e a proposic a o ( x D) P( x) P( x). Dizemos tamb em que duas proposic o es quanticadas p e q s ao logicamente equivalentes se p q e uma tautologia, e que p implica logicamente q se p q e uma tautologia. Por outro lado, uma contradi ca o e uma proposic a o que e falsa quaisquer que sejam as denic o es adotadas para seus predicados; como, por exemplo, ( x D) P( x) P( x).
o de quanticadores 3.6.6 Negac a

Um exemplo importante de equival encia l ogica no c alculo de predicados s ao as regras para nega ca o de quanticadores: [( x D) P( x)] e equivalente a ( x D) P( x) [( x D) P( x)] e equivalente a ( x D) P( x) Ou seja, podemos trocar as posic o es do operador de negac a o e do quanticador, desde que tamb em troquemos o tipo de quanticador ( por , e vice-versa). Ressaltamos que estas equival encias valem para qualquer predicado P e qualquer dom nio D, e, naturalmente, qualquer que seja a vari avel usada nos quanticadores. Por exemplo, considere a armac a o (n N) n + 1 > 2. O valor l ogico dessa armac a o e falso, pois a proposic a o aberta n + 1 > 2 n ao vale quando n = 0 ((0 + 1) = 1 e 1 n ao e maior que 2). Por outro lado, este mesmo exemplo mostra que existe um n tal que a armac a o contr aria n + 1 2 e verdadeira; isto e , que (n D) n + 1 2 e verdadeira. Lembramos que , de certa forma, representa v arias conjunc o es (); no mesmo sentido que que representa v arias disjunc o es (). Observe portanto que as regras para disjunc a o de quanticadores s ao an alogas a ` s leis de De Morgan para negac a o de e . Estas regras valem tamb em quando o dom nio D e vazio. Ali as, a principal justicativa para a regra da sec a o 3.6.4 e justamente fazer com que as regras de negac a o de quanticadores sejam v alidas em todos os casos. Por exemplo, considere a armac a o existe um estudante com mais de duzentos anos de idade que n ao gosta de f sica, ou seja ( x D) P( x) onde D e o conjunto (vazio) dos estudantes com mais de duzentos anos, e P( x) e a frase x gosta de f sica. Esta armac a o e obviamente falsa; e portanto sua negac a o, (( x D) P( x)), deveria ser verdadeira. De fato, pelas regras acima, a negac a o desta frase (( x D) P( x)) e ( x D) P( x), ou seja ( x D) P( x); e, conforme denimos na sec a o 3.6.4, esta armac a o tem valor l ogico verdadeiro.
3.6.7 Distributividade de quanticadores

Em alguns casos, e poss vel trocar a ordem de quanticadores com outros conectivos l ogicos. Por exemplo, lembrando que representa uma s erie de conjunc o es , e que representa uma s erie de
48 disjunc o es , podemos concluir que
( 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)).
es quanticadas 3.6.8 Traduzindo linguagem natural para proposic o

A codicac a o de proposic o es da linguagem natural em f ormulas com quanticadores nem sempre e f acil. Na linguagem natural, muitas vezes os quanticadores e/ou o dom mio est ao impl citos. Por exemplo, considere a seguinte armac a o: macacos gostam de bananas.Nesta armac a o, h a um quanticador universal impl cito: todos os macacos gostam de bananas. Sua formalizac a o e portanto ( x M ) B( x) onde M e o conjunto dos macacos, e B( x) e o predicado x gosta de banana. Outro exemplo e a armac a o existe um x tal que x2 = 5. O valor l ogico dessa armac a o depende do dom nio; se escrevermos ( x N) x2 = 5, a armac a o e falsa; se escrevermos ( x R) x2 = 5, ela e verdadeira. Neste caso, o dom nio correto s o pode ser determinado pelo contexto da armac a o. V arias express oes podem ser usadas na l ngua portuguesa para expressar os quanticadores: para qualquer x em D, P( x), se x e um elemento gen erico de D, ent ao P( x), um elemento que est a em D sempre satisfaz P( x), para quem est a em D, vale P( x), algum elemento de D satisfaz P( x), h a elementos em D para os quais P( x) vale. H a tamb em muitas express oes para a negac a o dos quanticadores: nenhum x em D satisfaz P( x), nem todo x em D satisfaz P( x), n ao h a elemento x em D que satisfac a P( x), ningu em em D satifaz P( x), para nenhum x em D vale P( x), quando x est a em D, a armac a o P( x) nem sempre e verdadeira. Na linguagem natural, muitas vezes o quanticador est a no meio ou no m da sentenc a: P( x) vale para todo x em D,

P( x) e verdade para algum x em D, P( x) vale sempre que x est a em D, P( x) n ao e verdade para alguns elementos x de D.
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.
k) Nenhuma soluc a o de x2 14 = 0 e positiva.
l) Existe algum estudante de direito que n ao e brasileiro.
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
3.6.9 Mudanc a de dom nio

A regra abaixo permite restringir o dom nio das quanticac o es universais: As armac o es D E e ( x E ) P( x) implicam logicamente ( x D) P( x). Ou seja, uma quanticac a o universal verdadeira continua verdadeira se restringirmos o dom nio a qualquer subconjunto do mesmo. Por exemplo, se sabemos que todo ruminante tem quatro patas, e que as zebras s ao um subconjunto dos ruminantes, podemos concluir que todas as zebras tem quatro patas. Reciprocamente, a regra abaixo permite ampliar o dom nio de quanticac o es existenciais: As armac o es D E e ( x D) P( x) implicam logicamente ( x E ) P( x). Ou seja, uma quanticac a o existencial verdadeira continua verdadeira se ampliarmos o dom nio. Por exemplo, se sabemos que existe um boi preto, e que os bois s ao um subconjunto dos ruminantes, podemos concluir que existe um ruminante preto. Outras regras permitem mudar o dom no no sentido contr ario, com ressalvas na f ormula quanticada: Se D E , a armac a o ( x D) P( x) e logicamente equivalente a ( x E ) ( x D P( x)). Se D E , a armac a o ( x D) P( x) e logicamente equivalente a ( x E ) ( x D P( x)). Por exemplo, se aceitarmos que os pagapaios s ao um subconjunto dos animais, a armac a o todo papagaio tem um bico equivale a dizer todo animal, se for um papagaio, tem um bico; E a armac a o existe um papagaio amarelo equivale a dizer que existe um animal que e papagaio ee amarelo. Um erro comum e confundir as duas regras, e mudar o dom nio do quanticador universal com ao inv es de . Por exemplo, traduzir a armac a o todo macaco gosta de banana pela f ormula ( x A) ( x M ) B( x), onde A e o conjunto dos animais, M e o conjunto dos macacos, e B( x) signica x gosta de banana. Esta f ormula na verdade signica todo animal e macaco e gosta de banana, que e bem diferente do sentido original. A f ormula correta seria ( x A) ( x M ) B( x), que, pelas regras acima, equivale a ( x M ) B( x). O erro sim etrico e usar ao mudar o dom nio do quanticador existencial. Por exemplo, representar a armac a o (falsa) existe um macaco que voa por ( x A) ( x M ) V ( x), onde A s ao os animaus, M os macacos, e V ( x) signica x voa. Esta f ormula na verdade signica existe um animal que, se for macaco, voa. Esta armac a o e verdadeira, pois basta considerar um x em A \ M (um animal que n ao e macaco) e a frase ( x M ) V ( x) ca F V ( x) e portanto verdadeira. A f ormula correta seria ( x A) ( x M ) V ( x), que e falsa como a original.
Exerc cio 3.39: Em cada um dos casos abaixo, procure determinar se as duas proposic o es s ao logicalmente equivalentes: a) (( x A) P( x)) (( x B) P( x)) equivale a ( x A B) P( x)? c) (( x A) P( x)) (( x B) P( x)) equivale a ( x A B) P( x)?
b (( x A) P( x)) (( x B) Q( x)) equivale a ( x A B) (P( x) Q( x))?
d) (( x A) P( x)) (( x B) Q( x)) equivale a ( x A B) (P( x) Q( x))?
51
3.6.10 Quanticadores multiplos

Se uma proposic a o aberta menciona mais de uma vari avel, e preciso mais de um quanticador um para cada vari avel distinta para transform a-la numa proposic a o fechada. Por exemplo, se escolhermos Z como o dom nio, h a oito maneiras de transformar a armac a o aberta x + y = 2 x em uma proposic a o fechada: ( x Z)(y Z) x + y = 2 x ( x Z)(y Z) x + y = 2 x ( x Z)(y Z) x + y = 2 x ( x Z)(y Z) x + y = 2 x (y Z)( x Z) x + y = 2 x (y Z)( x Z) x + y = 2 x (y Z)( x Z) x + y = 2 x (y Z)(y Z) x + y = 2 x
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 ).
d) (n N)(m N) (n + m = 0). f) (n N)(m N) (n2 + m2 = 5).
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).
m) ( x R)(y R) ( x y = 0). n) ( x R)(y R) ( x + y p) ( x R)(y R) (y o) ( x R) x y + x). 0 (y R) ( x y = 1).
0 ( x y = 1)).
q) ( x R)(y R) ( x + y = 1).
r) ( x R)(y R) ( x + 2y = 2 2 x + 4y = 5). t) ( x R)(y R)(z R) (z = ( x + y)/2).
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.
3.6.11 Escopo de um quanticador

A parte da f ormula onde um quanticador tem efeito e chamada de escopo do quanticador. Por convenc a o, o escopo e toda a parte da f ormula que segue ao quanticador; mas podemos usar par enteses para limitar esse escopo. Por exemplo, na f ormula (( x D) P( x)) (( x E ) Q( x)) R( x), o escopo do primeiro quanticador e apenas P( x), o do segundo quanticador e Q( x), e a f ormula R( x) est a fora do escopo de ambos ou seja, a ocorr encia de x em R( x) ainda est a livre.
3.6.12 Omiss ao do dom nio

O dom nio da quanticac a o pode ser omitido em dois casos. Em primeiro lugar, se, em algum contexto, todos os quanticadores tiverem o mesmo dom nio D, podemos anunciar esse fato no in cio, e escrever apenas ( x) P( x) ou ( x) P( x), em vez de ( x D) P( x) ou ( x D) P( x).
Exerc cio 3.43: Escreva, em portugu es, as seguintes proposic o es, supondo que R( x) signica x e um rato, Q( x) signica x come queijo, e o dom nio consiste de todos os animais. a) ( x) R( x) Q( x).

b) ( x) R( x) Q( x). a) ( x) R( x) Q( x). b) ( x) R( x) Q( x).
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
Cap tulo 4 M etodos de Prova de Teorema

o 4.1 Introduc a
Como vimos no cap tulo 1, demonstrac o es s ao instrumentos usados por uma pessoa para convencer outras pessoas (ou a si mesma) de que uma armac a o e verdadeira. Toda demonstrac a o precisa partir de algumas denic o es e/ou armac o es b asicas chamadas axiomas ou postulados que ambas as partes aceitam como verdadeiras, e/ou armac o es que foram previamente demonstradas. Para ser convincente, uma demonstrac a o somente pode usar armac o es e regras de racioc nio que as duas partes consideram v alidas. Em geral, podem ser usadas as equival encias e implicac o es l ogicas vistas nos cap tulos anteriores. Podem tamb em ser usadas as regras de manipulac a o de f ormulas da a lgebra e da teoria de conjuntos. Uma armac a o devidamente demonstrada e chamada de teorema (palavra derivada de uma express ao grega que signica verdade dos Deuses). Um teorema que e demonstrado apenas para ajudar na prova de um outro teorema e chamado de lema. Um corol ario de um teorema e outro teorema que e consequ encia do primeiro, e cuja demonstrac a o e relativamente simples.
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
CAPITULO 4. METODOS DE PROVA DE TEOREMA
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
4.2. METODOS DE 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.
4.2 M etodos de prova

Todo teorema tem muitas demonstrac o es diferentes. Qual e a melhor e , at e certo ponto, uma quest ao de gosto, e depende de para quem a prova e dirigida. Em geral, quanto mais curta a prova, melhor; mas h a outros crit erios, como a facilidade de compreens ao, a simplicidade dos passos, etc.. De modo geral, quando n ao sabemos se uma armac a o e verdadeira, nossa primeira preocupac a o e encontrar uma demonstrac a o que nos convenc a. Para convencer outras pessoas, entretanto, devemos cuidar para que a demonstrac a o seja, al em de correta, tamb em simples, clara e objetiva, tanto quanto poss vel. H a v arios m etodos de demonstra ca o (estilos, estrat egias, esquemas, etc.) que s ao frequentemente usados em matem atica. Em geral, a mesma demonstrac a o pode ser reformulada e rearranjada de modo a se enquadrar em v arios esquemas distintos. Dependendo do caso, algumas dessas vers oes podem ser mais f aceis de encontrar, escrever e entender do que outras. No restante deste cap tulo vamos descrever algumas t ecnicas frequentemente utilizadas em provas.
es 4.3 Prova de implicac o

No decorrer de muitas demonstrac o es, temos que provar implicac oes da forma p q, isto e se p e verdadeira, ent ao q tamb em e . A armac a o p e chamada de hip otese, premissa ou condi ca o, e a armac a o q e chamada de tese ou conclus ao.
58
4.3.1 M etodo direto

No m etodo direto de demonstrac a o, supomos que a hip otese p e verdadeira, e usamos uma sequ encia de proposic o es que s ao consequ encias l ogicas das anteriores, at e obter a tese q. Esta sequ encia de passos prova a implicac a o p q. Por exemplo, digamos que e preciso provar a armac a o Teorema 4.1: Se m e n s ao pares, ent ao m + n e par. em um contexto onde m e n s ao n umeros inteiros. Podemos escrever a seguinte demonstrac a o: Prova: 1. Suponha que m e par. (Hip otese.) 2. Suponha que n e par. (Hip otese.) 3. Existe um inteiro r tal que m = 2r. (Denic a o de par). 4. Existe um inteiro s tal que n = 2 s. (Denic a o de par). 5. Existem inteiros r e s tais que m + n = 2r + 2 s = 2(r + s). (De 3 e 4, por a lgebra.) 6. Existe um inteiro t tal que m + n = 2t. (De 5, chamando r + s de t.) 7. m + n e par. (Denic a o de par, dada 6. Tese.) Fim. Na pr atica, os passos s ao escritos de maneira muito abreviada, na suposic a o que o leitor consegue ler os detalhes nas entrelinhas. Por exemplo, a demonstrac a o acima normalmente seria escrita da seguinte maneira: Prova: Suponha que m e n s ao pares. Por denic a o de n umero par, existem inteiros r e s tais que m = 2r e n = 2 s. Logo m + n = 2r + 2 s = 2(r + s). Como r + s e inteiro, conclu mos que o inteiro m + n e par, pela denic a o. Isto prova que, se m e n s ao pares, m + n e par. Fim.
4.3.2 M etodo da contrapositiva

No m etodo da contrapositiva, para provar a armac a o p q, supomos que a negac a o da tese q e verdadeira, e procuramos uma sequ encia de deduc o es l ogicas que termina com a negac a o da hip otese p. Esta sequ encia de passos prova que (q) ( p). Como vimos na sec a o 3.3.2, esta armac a o e logicamente equivalente a p q, que portanto tamb em est a provada. Por exemplo, digamos que e necess ario provar a armac a o: Teorema 4.2: Se n2 e par, ent ao n e par.
4.3. PROVA DE IMPLICAC OES

Prova: Suponha que n e mpar. Pela denic a o de mpar, existe um inteiro k tal que n = 2k + 1. 2 2 2 Portanto n = (2k + 1) = 4k + 4k + 1 = 2(2k2 + 2k) + 1. Como 2k2 + 2k e um inteiro, pela denic a o de mpar conclu mos que n2 e impar. Pela regra da contrapositiva, isto prova que, se n2 e par, ent ao n e par. Fim.
59
o ao absurdo 4.3.3 M etodo de reduc a

O m etodo de redu ca o ao absurdo (tamb em chamado de prova indireta ou por contradi ca o), baseiase na equival encia l ogica entre a f ormula ( p q) e a f ormula ( p q) F, vista na sec a o 3.3.2. Neste m etodo, para provar a armac a o p q, supomos que tanto a hip otese p quanto a negac a o da tese q s ao verdadeiras, e procuramos uma sequ encia de deduc o es l ogicas que termina com uma contradic a o (uma armac a o com valor l ogico F). Isto prova a armac a o ( p q ) F, e portanto tamb em a armac a o equivalente a p q. Por este m etodo, a armac a o Teorema 4.3: Se m e n s ao pares, ent ao m + n e par. pode ser provada desta maneira: Prova: Suponhamos que m e n s ao pares e m + n e mpar; vamos mostrar que estas suposic o es levam a uma contradic a o. Pela denic a o de par, existem r e s inteiros tais que m = 2r e n = 2 s. Pela denic a o de mpar, existe um inteiro j tal que m + n = 2 j + 1. Logo 2r + 2 s = 2 j + 1, ou seja, r + s j = 1/2. Isto e falso pois r + s j e um inteiro. Fim.
Esta contradic a o prova que, se m e n s ao pares, m + n e par.
o com tese conjuntiva 4.3.4 Implicac a

Para provar uma conjunc a o de duas armac o es p q, basta provar cada uma das armac o es separadamente. Em particular, para provar uma implicac a o da forma p (q r), podemos observar que ela equivale logicamente a ` armac a o ( p q) ( p r). Portanto, basta provar cada uma destas duas implicac o es separadamente. Se usarmos o m etodo direto para provar cada implicac a o, supomos que p e verdadeira; provamos ent ao q; e provamos em seguida r. Por exemplo, considere o teorema abaixo: Teorema 4.4: Se 6 divide um inteiro n, ent ao 2 divide n e 3 divide n.
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 ).
o com hip 4.3.5 Implicac a otese disjuntiva

Suponha que e necess ario provar uma implicac a o da forma ( p q) r, onde a hip otese e uma disjunc a o de duas armac o es. Pode-se vericar que esta implicac a o equivale a ( p r) (q r). (Note a troca de por .) Portanto, basta provar cada uma destas duas implicac o es separadamente. Assim como na sec a o 4.3.4 podemos estender essa t ecnica para hip oteses com tr es ou mais termos. Observamos que ( p1 p2 pn ) q equivale a ( p1 q) ( p2 q) ( pn q) e se cada uma das implicac o es for provada pelo m etodo direto, a demonstrac a o consistir a de uma lista de casos: Caso 1: Supomos que p1 vale. Provamos q. Caso 2: Supomos que p2 vale. provamos q. ... Caso n: Supomos que pn vale. Provamos q. Note que os casos n ao precisam ser mutuamente exclusivos. Por exemplo: Teorema 4.5: Para quaiquer inteiros m e n, se m for par ou n for par, ent ao mn e par. Prova: Sejam m e n inteiros quaisquer. Temos dois casos (n ao exclusivos): Caso 1: m e par. Pela denic a o, existe um inteiro q tal que m = 2q. Nesse caso, mn = (2q)n = 2(nq), e portanto mn e par. Caso 2: n e par. pela denic a o, existe um inteiro r tal que n = 2r. Nesse caso mn = m(2r) = 2(mr), e portanto mn e par. Portanto, se m e par ou n e par, mn e par. Fim.
4.4. PROVA DE AFIRMAC OES SE E SOMENTE SE
61
es se e somente se 4.4 Prova de armac o

Outro tipo comum de teorema tem a forma p q, ou seja, p vale se e somente se q vale. Para demonstrar este tipo de teorema, podemos usar a equival encia l ogica entre as armac o es p q e ( p q) (q p). Ou seja, dividimos a demonstrac a o em duas partes: (1) prova que p q; (2) prova que q p. Por exemplo: Teorema 4.6: Os inteiros x e y s ao ambos mpares se, e somente se, o produto xy e mpar. Prova: Sejam x e y inteiros quaisquer. Parte (1): provaremos que, se x e y s ao mpares, ent ao xy e mpar. Se x e y s ao mpares, por denic a o existem inteiros r e s tais que x = 2r + 1 e y = 2 s + 1. Portanto xy = (2r + 1)(2 s + 1) = 2(rs + r + s) + 1. Como rs + r + s e um inteiro, conclu mos que xy e mpar. Parte (2): provaremos que, se xy e mpar, ent ao x e y s ao ambos mpares. Ou seja (pela contrapositiva), que se x e par ou y e par, ent ao xy e par. Temos dois casos (n ao exclusivos): Caso (a): x e par. Neste caso existe um inteiro r tal que x = 2r. Portanto xy = (2r)y = 2(ry). Como ry e inteiro, conclu mos que xy e par. Caso (b): y e par. Ent ao existe um inteiro s tal que y = 2 s. Portanto xy = x(2 s) = 2( xs). Como xs e inteiro, conclu mos que xy e par. Fim. Observe que neste exemplo usamos o m etodo da contrapositiva na segunda parte. Com essa escolha, que e bastante comum, a prova de p q passa a ser (1) prova de que p q; (2) prova de que ( p) (q). Este m etodo pode ser generalizado para armac o es com tr es ou mais termos, como ( p1 p2 ) ( p2 p3 ) ( pn1 pn ). Observe que esta armac a o signica que, no contexto corrente, todas as armac o es p1 , p2 , . . . , pn s ao equivalentes. Esta armac a o e logicamente equivalente a ( p1 p2 ) ( p2 p3 ) ( pn1 pn ) ( pn p1 ). Por exemplo: Teorema 4.7: Para todo inteiro n, as seguintes armac o es s ao equivalentes: 1. n e um n umero par 2. n 1 e um n umero mpar 3. n2 e um n umero par. Prova: Parte (1): vamos provar que se n e par ent ao n 1 e mpar. Como n e par, por denic a o existe um inteiro r tal que n = 2r. Logo, n 1 = 2r 1 = 2(r 1) + 1. Como r 1 e inteiro, conclu mos que n 1 e mpar.
62

Parte (2) vamos provar que, se n 1 e mpar, ent ao n2 e par. Como n 1 e mpar, existe 2 um inteiro s tal que n 1 = 2 s + 1. Logo n = (2 s + 1) + 1 = 2( s + 1), e n = (2( s + 1))2 = 2(2( s + 1)2 ). Como 2( s + 1)2 e inteiro, conclu mos que n2 e par. Portanto n2 = 4(k + 1)2 = 2 2(2(k + 1) ) e par. Parte (3) vamos provar que, se n2 e par, ent ao n e par. Esta armac a o e verdadeira pelo teorema 4.2. Fim.
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.
4.5 Prova de quanticador universal

4.5.1 Suspens ao do quanticador
Muitos teoremas s ao armac o es com quanticador universal, da forma ( x D) P( x). Na demonstrac a o deste tipo de teorema, podemos comec ar supondo que x e um elemento de D escolhido arbitrariamente, e omitir o quanticador no restante da prova. Se, com essa suposic a o, conseguirmos provar a armac a o P( x), podemos concluir que o teorema original (com o quanticador) e verdadeiro. O mesmo m etodo pode ser usado para v arios quanticadores universais encaixados. Por exemplo:
4.6. PROVA DE TEOREMAS COM O QUANTIFICADOR EXISTENCIAL

Teorema 4.9: Para quaisquer n umeros reais x e y, ( x + y)2 ( x y)2 = 4 xy. Prova: Sejam x e y dois n umeros reais quaisquer. Pelo teorema do bin omio, temos ( x + y)2 = x2 + 2 xy + y2 , e ( x y)2 = x2 2 xy + y2 . Portanto, ( x + y)2 ( x y)2 = ( x2 + 2 xy + y2 ) ( x2 2 xy + y2 ) = 4 xy.
63
Fim.
Ao usar este m etodo, deve-se tomar cuidado para usar vari aveis que n ao tenham signicado j a denido anteriormente.
4.5.2 Prova por vacuidade

Lembramos que, se E e o conjunto vazio, a armac a o ( x E ) Q( x) e verdadeira, qualquer que seja o predicado Q. Como vimos na sec a o 3.6.4 esta armac a o e verdadeira por vacuidade.
Exemplo 4.1: Todos os pares primos maiores que dois s ao quadrados perfeitos.
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.
4.6 Prova de teoremas com o quanticador existencial

Muitos teoremas armam a exist encia de objetos com uma propriedade particular, ou seja, s ao da forma ( x D) P( x). Veremos a seguir m etodos gerais para demonstrar teoremas deste tipo.
es construtivas 4.6.1 Demonstrac o

Uma maneira comum de provar proposic o es existenciais e atrav es de uma demonstra ca o construtiva, em que se exibe um elemento espec co a do dom nio D (explicitamente, ou atrav es de uma construc a o algoritmica) e prova-se que P(a) e verdadeira, para esse elemento. Por exemplo: Teorema 4.10: Existem tr es n umeros inteiros positivos tais que x2 + y2 = z2 .
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)
4.6. PROVA DE TEOREMAS COM O QUANTIFICADOR EXISTENCIAL

Logo todos os inteiros x + i com 0 i < n s ao n ao primos; e eles formam uma sequ encia de n inteiros consecutivos. Fim.
65
es n 4.6.2 Demonstrac o ao construtivas

Em alguns casos, e poss vel demonstrar a exist encia de um elemento que satisfaz uma dada condic a o mesmo sem exibir explicitamente tal elemento. Uma demonstrac a o deste tipo e chamada de demonstra ca o n ao construtiva. Por exemplo: Teorema 4.13: Existem dois n umeros reais irracionais x e y tais que xy e racional. Prova: 2 Sabemos que n umero a armac a o est a satisfeita 2 e irracional. Se ( 2) for racional, 2 tomando-se for irracional, podemos tomar 2 e y = 2. Por outro lado, se ( 2) 2 2 x = 2 2 2 y ao x = (( 2) ) = ( 2) 2 = ( 2) = 2 que e racional. x = ( 2) e y = 2. Ent
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.
4.6.3 Provas de exist encia e unicidade

Lembramos que uma armac a o do tipo (! x D) P( x) equivale logicamente a (( x D) P( x)) (( x D)(y D) ((P( x) P(y)) x = y)) Portanto, uma demonstrac a o de exist encia e unicidade pode ser dividida em duas partes:
66

Exist encia: prova-se-se (construtivamente ou n ao) que existe pelo menos um x em D que satisfaz P( x). Unicidade: sup oe-se que y tamb em e um elemento de D que satisfaz P(y), e prova-se que ele e igual ao x cuja exist encia foi mostrada na primeira parte. Teorema 4.15: Para todo n umero complexo z diferente de zero, existe um u nico n umero complexo x tal que zx = 1. Prova: Seja z um n umero complexo qualquer, diferente de zero. Por denic a o, existem a e b em 2 R tais que z = a + bi, onde i e um elemento de C tal que i = 1.
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.
4.6.4 Prova de falsidade por contra-exemplo

Demonstrac o es de exist encia s ao usadas, em particular, para refutar conjeturas da forma ( x D) P( x); pois a negac a o desta armac a o e ( x D) P( x). Neste caso dizemos que o elemento x de D que comprovadamente n ao satisfaz P( x), e que portanto mostra a falsidade da conjetura, e um contra-exemplo para a mesma. Teorema 4.16: Para todo primo n, o inteiro 2n 1 e primo. Prova: O n umero n = 11 e um contra-exemplo, pois P(11) = 211 1 = 2047 = 23 89. 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
4.7 Exerc cios

Prove os seguintes teoremas:
Exerc cio 4.5: Para todos os n umeros reais a e b, se a < b e b < 0 ent ao a2 > b2 . Exerc cio 4.6: O quadrado de um n umero inteiro, n ao divis vel por 5, tem resto 1 ou 4 quando dividido por 5. Exerc cio 4.7: Sejam x, y, z n umeros reais. Pelo menos um deles e maior ou igual a ` m edia aritm etica dos tr es. Exerc cio 4.8: Um inteiro positivo n e par se, e somente se 7n + 4 e par. Exerc cio 4.9: Um n umero inteiro positivo n e mpar se, e somente se, 5n + 6 e mpar. Exerc cio 4.10: Se p e um inteiro mpar, ent ao a equac a o x2 + x p = 0 n ao tem soluc a o inteira. Exerc cio 4.11: Se n e um n umero inteiro n ao divis vel por 3, ent ao seu quadrado tem resto 1 quando divis vel por 3. Exerc cio 4.12: Para quaisquer conjuntos A, B, C e D, as seguintes armac o es s ao sempre verdadeiras Se x A, (A B) (C D) e x Se x C e (A C ) B, ent ao x D, ent ao x B. B. (A B).
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 4.16: Para todo inteiro n, se n n ao e divis vel por 2 ou por 3, ent ao n2 1 e divis vel por 24. Exerc cio 4.17: Se n e um inteiro n ao divis vel por 3, ent ao n2 dividido por 3 tem resto 1. Exerc cio 4.18: Todo inteiro divis vel por 2 e por 3 e divis vel por 6. Exerc cio 4.19: O algarismo das unidades do quadrado de qualquer inteiro n e 0, 1, 4, 5, 6 ou 9. Exerc cio 4.20: O algarismo das unidades da quarta pot encia de qualquer inteiro n e 0, 1, 5 ou 6. Exerc cio 4.21: O n umero 2e irracional.
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.
Cap tulo 5 o Matem Induc a atica

o 5.1 Introduc a
Seja P(n) uma sentenc a matem atica que depende de uma vari avel natural n, a qual se torna verdadeira ou falsa quando substituimos n por um n umero natural dado qualquer. Estas sentenc as s ao chamadas senten cas abertas denidas sobre o conjunto dos n umeros naturais N. Exemplos: 1. P(n): n e mpar. Observe que esta armac a o e verdadeira para alguns valores de n e falsa para outros. 2. P(n): n2 n + 41 e um n umero primo. Neste exemplo podemos vericar, n ao t ao f acilmente, que P(1), P(2), . . . , P(40) s ao verdadeiros mas P(41) = 412 e falso. f 3. P(n): 2n + 6 e par. E acil ver que 2n + 6 = 2(n + 3) para qualquer n, portanto P(n) e verdade para todo n. 4. P(n): 1 + 3 + 5 + + (2n + 1) = (n + 1)2 . Ser a que conseguiremos encontrar algum m tal que P(m) seja falso? Depois de algumas tentativas comec amos a desconar que a sentenc a P(n) do exemplo 4 e verdadeira para todo n N. Como poder amos provar isso? Obviamente n ao podemos testar, um por um, todos os n umeros naturais pois eles s ao em n umero innito. Algumas proposic o es P(n), como no exemplo 3. podem ser demonstradas usando a lgebra e as t ecnicas estudadas anteriormente. No exemplo 4, como o lado esquerdo da igualdade n ao e uma forma fechada, ela n ao pode ser tratada algebricamente. Para estes casos, vamos precisar de uma nova t ecnica, a demonstra ca o por indu ca o matem atica.
o Matem 5.2 Princ pio de Induc a atica

O princ pio da indu ca o matem atica (PIM) e a principal ferramenta para demonstrar sentenc as da forma (n N) P(n). Ele diz o seguinte: Axioma 5.1: Seja P(n) uma sentenc a aberta sobre N. Suponha que: 69
70 1. P(0) e verdade, e
MATEMATICA CAPITULO 5. INDUC AO
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.
MATEMATICA 5.2. PRINCIPIO DE INDUC AO

Exemplo 5.2: Dizemos que um conjunto de n retas no plano est ao em posi ca o geral se n ao possui duas retas paralelas e nem tr es retas se interceptando num mesmo ponto. Vamos provar por induc a o que um conjunto de n retas em posic a o geral divide o plano em Rn = n(n + 1)/2 + 1 regi oes.
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.
o do PIM usando conjuntos 5.2.1 Formulac a

O Princ pio da Induc a o Matem atica tamb em pode ser enunciando usando a linguagem da teoria de conjuntos: Teorema 5.1: Seja S um subconjunto de N tal que 1. 0 S , e 2. Sempre que k S , para algum k N, temos que k + 1 S ; ent ao S = N.
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.
es da Induc o Matem 5.3 Generalizac o a atica

H a muitas variac o es do princ pio da induc a o matem atica, que s ao no fundo equivalentes, mas podem tornar algumas demonstrac o es mais simples.
5.3.1 Base gen erica

Muitas vezes precisamos provar que uma sentenc a aberta P(n) vale para todos os n umeros naturais maiores ou iguais a um certo n0 ; ou seja, que (n N) n n0 P(n). Por exemplo, a armac a o 2 n > 3n e verdadeira para todo natural n maior ou igual a 4, embora n ao seja verdadeira se n for 0, 1, 2 ou 3. Podemos usar o PIM para provar esse tipo de armac a o, de maneira indireta. Primeiro denimos um outro predicado Q(m) como sendo equivalente a P(n0 + m). Provamos ent ao a armac a o (m N) Q(m), usando o PIM. Essa armac a o ent ao implica (n N) n n0 P(n). Este racioc nio justica o teorema geral abaixo, que nos permite provar tais armac o es por induc a o matem atica de maneira mais direta, usando n0 como base em vez de 0: Teorema 5.2: Seja P(n) uma sentenc a aberta sobre N. Se 1. P(n0 ) e verdadeira, e
MATEMATICA 5.3. GENERALIZAC OES DA INDUC AO

2. Para todo k n0 , (P(k) P(k + 1)). ent ao P(n) e verdadeira para todo n N com n n0 .
Exemplo 5.3: Prove que n2 > 3n para todo n N com n 4.
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.
Exerc cio 5.12: Prove que (n N) n 13 n2 < (3/2)n .
74
5.3.2 Passo gen erico constante

Numa prova por induc a o, al em de comec ar com uma base n0 arbitr aria, e poss vel usar um incremento maior que 1 no passo da induc a o. Ou seja, o passo da induc a o pode ser a demonstrac a o de que P(k) P(k + p), em vez de P(k) P(k + 1). Nesse caso, o roteiro e dado pelo seguinte teorema geral: Teorema 5.3: Seja P(n) uma sentenc a aberta sobre N, n0 um n umero natural qualquer, e p um inteiro positivo. Se 1. P(n0 ), P(n0 + 1), . . . , P(n0 + p 1) s ao verdadeiros, e 2. Para todo k, k n0 , P(k) P(k + p). ent ao P(n) e verdade para todo n n0 . Observe que, neste caso, a prova da base da induc a o deve valer para p inteiros consecutivos, (n0 , n0 + 1, . . . , n0 + p 1, e n ao apenas n0 .
Exemplo 5.4: Prove que qualquer valor postal inteiro n 8 pode ser obtido utilizando apenas selos com valores 3 e 5.
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.
Exerc cio 5.14: Prove que, para todo inteiro n 2,
1 n+1
1 n+2
1 n+3
21n >
13 24 .
Exerc cio 5.15: Prove que, para todo inteiro n 3, n2 7n + 12 0.
MATEMATICA 5.4. MAIS EXEMPLOS DE INDUC AO
75
o matem 5.4 Mais exemplos de induc a atica

Exemplo 5.5: [Desigualdade de Bernoulli] Se c e um n umero real tal que c > 1 e c para todo n umero natural n 2 vale a desigualdade (1 + c)n > 1 + nc 0, ent ao
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.
MATEMATICA 5.5. USOS INDEVIDOS DA INDUC AO
77
o matem 5.5 Usos indevidos da induc a atica

importante entender e vericar as condic E o es em que a induc a o matem atica se aplica. Se mal utilizada, ela pode levar a conclus oes absurdas. Nos exemplos a seguir, tente encontrar o erro na demonstrac a o.
Exemplo 5.8: Todos os cavalos tem a mesma cor.
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.
Base: Para n = 1 a sentenc a P(n) e verdadeira.
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.
O pr oximo exemplo mostra a necessidade de provar a base da induc a o:

Exemplo 5.10: Para todo n umero natural n 1, o n umero n2 + n e mpar.
Prova: Hip otese de indu ca o: Suponha que k2 + k e impar para algum k 1.
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.
Prova: Base: P(0) e obviamente verdadeira uma vez que a0 = 1.
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.
o Completa 5.6 Princ pio da Induc a

Vamos agora enunciar o princ pio da indu ca o completa (PIC), tamb em chamado de princ pio da indu ca o forte. Esta vers ao alternativa do princ pio da induc a o matem atica serve, como a anterior, para demonstrar sentenc as na forma (n N) P(n). Em alguns casos essa t ecnica torna a demonstrac a o da sentenc a mais f acil que a t ecnica anterior. Na sec a o 5.9 provaremos a equival encia desses dois princ pios.
COMPLETA 5.6. PRINCIPIO DA INDUC AO

Teorema 5.5: Seja P(n) uma sentenc a aberta sobre N. Suponha que 1. P(0) e verdade; e 2. para todo k em N, ((i N) i k, P(i)) P(k + 1), ent ao P(n) e verdade para todo n N.
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.
o do PIC usando conjuntos 5.6.1 Formulac a

Assim como no caso do PIM, o princ pio da induc a o completa tamb em pode ser enunciando usando a linguagem da teoria de conjuntos: Teorema 5.6: Seja S um subconjunto de N tal que 1. 0 S , e
2. Para todo k N, {0, 1, 2, . . . , k} S k + 1 S ; ent ao S = N.
80
5.7 Exerc cios

Exerc cio 5.17: Prove que todo n umero natural m > 0 pode ser escrito como soma de pot encias de 2, isto e , existem n umeros inteiros n1 , n2 , . . . , nr , com 0 n1 < n2 < < nr , tais que m = 2n1 + 2n2 + + 2nr Exerc cio 5.18: Sejam m moedas, uma das quais e falsa e tem peso diferente das demais. Use o exerc cio anterior mostrar, por induc a o, que bastam nr pesagens com uma balanc a de pratos para descobrir a moeda falsa. Exerc cio 5.19: Os n umeros de Fibonacci F0 , F1 , F2 , . . . s ao denidos pelas seguintes regras: F0 = 0, F1 = 1, e Fn = Fn1 + Fn2 para todo n umero natural n maior ou igual a 2. Prove, por induc a o, que
n 1. (n N) Fn < ( 13 8) .
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.
o 5.8 Princ pio da Boa Ordenac a

Uma outra maneira de provar sentenc as abertas sobre n umero naturais e usar uma propriedade dos n umeros naturais conhecida como o princ pio da boa ordena ca o (PBO). Seja S um conjunto de n umeros reais. Um elemento m nimo de S e um y S tal que para todo x S , y x. O princ pio da boa ordenac a o diz que Teorema 5.7: Todo subconjunto n ao vazio S de N tem um elemento m nimo. Note que esta armac a o n ao e v alida para subconjuntos de R ou Z; isto e , exitem subconjuntos de R e de Z que n ao tem elemento m nimo. Como exemplo de uso do PBO, vamos provar o Teorema da Divis ao de Euclides: Teorema 5.8: Sejam a, b N, com b 0 r < b. Prova: Sejam a, b N, com b 0, e seja S = { a b k : k N, a b k 0 } 0. Ent ao existem q, r N tais que a = bq + r com
5.9. FORMAS EQUIVALENTES DO PRINCIPIO DA INDUC AO

Observe que S N pois a b k 0; e que S pois contem a = a b 0. Ent ao pelo PBO S tem um elemento m nimo. Seja r = a b q esse elemento. Suponha agora que r b. Nesse caso a b (q + 1) = r b 0, e portanto r b est a tamb em em S . Como b > 0, temos r b < r. Isto contraria a escolha de r como o menor elemento de S . Portanto r < b. Fim.
81
o 5.9 Formas equivalentes do princ pio da induc a

Nesta sec a o vamos provar a equival encia do princ pio da induc a o matem atica e do princ pio da induc a o completa. Para isso vamos utilizar o princ pio da boa ordenac a o (PBO). Vamos provar que PIM PBO PIC PIM.
5.9.1 PIM implica PBO

Vamos supor que o princ pio da induc a o matem atica e v alido, e provar o princ pio da boa ordenac a o. Prova: Seja S um subconjunto de N que n ao possui elemento m nimo; vamos mostrar que ele s o pode ser o conjunto vazio. Considere a sentenc a aberta P(n): todo elemento de S e maior que n. Vamos provar (n N) P(n) por induc a o matem atica. Base: como 0 x para todo x N, 0 n ao pertence a S , pois caso contr ario seria um elemento m nimo. Logo, P(0) e verdadeira. Hip otese de indu ca o: Vamos supor que P(k) e verdadeira para algum k; isto e , todo elemento de S e maior que k. Passo da indu ca o: Vamos provar que P(k + 1) e verdadeira. Todo elemento x de S e maior que k, portanto e maior ou igual a k + 1. Segue da que o n umero k + 1 n ao pode pertencer a S , pois nesse caso seria um elemento m nimo. Portanto, todo elemento de S e maior que k + 1. Ou seja, P(k + 1) e verdadeira. Por outro lado, se x e um elemento qualquer de S , a amac a o P( x) e falsa. Portanto, a armac a o (n N) P(n) implica que S e vazio. Fim.
82
5.9.2 PBO implica PIC

Vamos supor agora que o princ pio da boa ordenac a o e v alido, e provar o princ pio da induc a o completa. Prova: Suponha que P(n) e uma sentenc a aberta que satisfaz as condic o es do PIC, isto e 1. P(0) e verdade; e 2. para todo k N, ((i N) i k P(i)) P(k + 1). Considere o conjunto S = { n N : P(n) e falsa }. Se S n ao for vazio, pelo PBO ele possui um elemento m nimo. Pela condic a o 1 acima, este elemento e positivo, ou seja e k + 1 para algum k N. Como k + 1 e m nimo, P(i) deve ser verdadeira para todo natural i k. Mas pela condic a o 2, P(k + 1) deve ser verdadeira, ou seja k + 1 S . Esta contradic a o signica que S e vazio, ou seja P(n) e verdadeira para todo n. Fim.
5.9.3 PIC implica PIM

Para concluir, vamos supor que o PIC e verdade, e provar o PIM. Prova: Seja P(n) uma sentenc a aberta que satisfaz as condic o es do PIM, isto e , 1. P(0) e verdade; e 2. para todo k N, P(k) P(k + 1). A segunda armac a o implica que 2. para todo k N, ((i k) P(i)) P(k + 1). Nesta passagem usamos o fato que (i k) P(i) equivale a ((i < k) P(i)) P(k) e o teorema da l ogica proposicional (exerc cio 3.24) ( p q) (r p q) onde A = P(k), B = P(k + 1), e C = ((i < k) P(i)) As condic o es 1 e 2 s ao as hip oteses do PIC, portanto concluimos que P(n) e verdadeira para todo n. Fim.
5.10. EXERCICIOS ADICIONAIS
83
5.10 Exerc cios adicionais

Exerc cio 5.22: Mostre a validade das seguintes f ormulas: 1. (n N) 1 + 2 + 3 + + n = n(n + 1) . 2 n(n + 1)(2n + 1) . 6 n(2n 1)(2n + 1) . 3
2
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
5. (n N) 20 + 21 + 22 + + 2n = 2n+1 1. 6. (n N) 12 22 + 32 + (1)n1 n2 = (1)n1 7. (n N) 11 3 +

1 35
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
Figura 5.1: Pol gono triangulado.

Prove, usando induc a o matem atica, que um pol gono triangulado P com quatro ou mais lados possui pelo menos dois tri angulos exteriores.
Cap tulo 6 es Relac o

Func o es como seno e logaritmo, e os sinais de comparac a o >, =, etc., s ao casos particulares de rela co es, um conceito fundamental da matem atica.
6.1 Conceitos b asicos

Uma rela ca o bin aria (ou simplesmente uma rela ca o) R de um conjunto A para um conjunto B e um sub-conjunto de A B. Em outras palavras, e um conjunto de pares ordenados (a, b) com a A e b B. Em geral usa-se a notac a o aRb para dizer que (a, b) R e aR / b para dizer que (a, b) R. Se (a, b) R dizemos que a est a relacionado com b pela relac a o R.
Exemplo 6.1: Sejam A = {1, 2, 3}, B = {4, 5}. Ent ao R = {(1, 4), (2, 5), (3, 5)} e uma relac a o de A para B. Neste exemplo, temos 2R5 e 3R5, mas 2R / 4 e 5R / 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
CAPITULO 6. RELAC OES
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.
6.1.1 Dom nio e imagem

O dom nio de uma relac a o R, denotado por Dom(R), e o conjunto de todos os primeiros elementos dos pares ordenados que est ao em R. Isto e : Dom(R) = { a : (a, b) R } A imagem ou contra-dom nio de uma relac a o R, denotado por Img(R), e o conjunto de todos os segundos elementos dos pares ordenados que est ao em R. Isto e : Img(R) = { b : (a, b) R } Observe que um conjunto de pares ordenados R e uma relac a o de A para B se, e somente se, Dom(R) A e Img(R) B.
Exemplo 6.4: Seja R a relac a o {(1, 4), (2, 5), (3, 5)} . Temos que Dom(R) = {1, 2, 3} e Img(R) = {4, 5}. Exemplo 6.5: Seja R a relac a o ( x, x2 ) : x Z . Observe que Dom(R) e o conjunto de todos os inteiros Z, mas Img(R) e o conjunto dos quadrados perfeitos {0, 1, 4, 9, . . .}. Exemplo 6.6: Seja A o conjunto dos presidentes do Brasil, de 1889 a 2010. Seja R a relac a o sobre A tal que aRb se e somente se o presidente b foi o sucessor de a. Assim, por exemplo, temos que FigueiredoRTancredo e Fernando HenriqueR / Lula, mas LulaR / Fernando Henrique. Observe que o dom nio desta relac a o s ao todos os presidentes menos Lula (que terminou o mandato em 2010), e a imagem s ao todos os presidentes menos Floriano Peixoto. Exemplo 6.7: Seja A = {1, 2, 3}, e R o conjunto dos pares (a, b) de A A tais que a < b. Ou seja, R = {(1, 2), (1, 3), (2, 3)} . Neste caso, Dom(R) = {1, 2} e Img(R) = {2, 3}. Exemplo 6.8: Seja A o conjunto dos n umeros inteiros e R = { (a, b) : aRb a = 2b }. Note que Dom(R) e o conjunto dos inteiros pares e Img(R) = Z. Exemplo 6.9: Seja A o conjunto dos n umeros reais e R = (a, b) : a2 + b2 = 25 . Neste caso Dom(R) = { a : 5 a 5 } e Img(R) = { b : 5 b 5 }. Exerc cio 6.1: Prove que, para qualquer relac a o R, a imagem Img(R) e vazia se e somente se o dom nio Dom(R) e vazio.
6.1. CONCEITOS BASICOS
87
o de relac es 6.1.2 Restric a o

Seja R uma relac a o, e sejam A e B conjuntos quaiquer. A restri ca o de R a A e B e o conjunto de pares de (a, b) R tais que a A e b B ; ou seja, R A B . A restri ca o de R a A e geralmente entendida como R A A .
Exemplo 6.10: Seja R a relac a o dos inteiros positivos N \ {0} para os inteiros, tal que xRy se e somente se x e divisor de y. A restric a o de R aos conjuntos U = {0, 2, 3, 5, 6} e V = {0, 1, 2, . . . , 9} e o conjunto de pares {(2, 0), (2, 2), (2, 4), (2, 6), (2, 8), (3, 0), (3, 6), (3, 9), (5, 0), (5, 5), (6, 0), (6, 6)} A restric a o de R ao conjunto U e {(2, 0), (2, 2), (2, 6), (3, 0), (3, 3), (3, 6), (5, 0), (5, 5), (6, 0), (6, 6)}
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.
es de identidade 6.1.3 Relac o

Para qualquer conjunto A, a relac a o identidade sobre A, denotada por IA , e denida por IA = {( x, x) : x A} Esta relac a o nada mais e que a relac a o de igualdade =, restrita ao conjunto A.
Exemplo 6.11: Se A = {1, 2, 3} ent ao IA = {(1, 1), (2, 2), (3, 3)} .
o inversa 6.1.4 Relac a

Seja R uma relac a o do conjunto A para o conjunto B. A rela ca o inversa denotada por R1 , e a relac a o do conjunto B para o conjunto A denida da seguinte forma: Ou seja, R1 e a relac a o tal que aR1 b se e somente se bRa, para quaisquer a e b. Observe que 1 Dom(R ) = Img(R) e Img(R1 ) = Dom(R).
Exemplo 6.12: Seja A = {1, 2, 3} e R a relac a o sobre A do exemplo 6.7. A relac a o inversa e R1 = { (a, b) : bRa } = { (a, b) : a A b A b < a } = {(2, 1), (3, 1), (3, 2)} . Veja que Dom(R1 ) = {2, 3} e Img(R1 ) = {1, 2}. Exemplo 6.13: A inversa de , denotada por , e uma relac a o do conjunto P(U ) de todos os conjuntos para o conjunto U de todos os elementos. A f ormula A x (l e-se A possui x, ou A tem x) signica a mesma coisa que x A. (Note a diferenc a entre , , e .) Exerc cio 6.2: Qual e inversa da relac a o <? E da relac a o =? E da relac a o ? Exerc cio 6.3: Se A e um conjunto com m elementos, quantas relac o es distintas existem sobre A? Se B e um conjunto com n elementos, quantas relac o es existem de A para B?
R1 = { ( x, y) : (y, x) R }
88
6.1.5 Imagem e imagem inversa de conjuntos

o 6.1: Sejam R uma relac Denic a a o de um conjunto A para um conjunto B, e X um conjunto qualquer. A imagem de X sob R e o conjunto { b : (a X ) (a, b) R } A imagem inversa de X sob R e o conjunto { a : (b X ) (a, b) R } Observe que a imagem inversa de X sob R e a imagem de X sob a relac a o inversa R1. A imagem de X sob R costuma ser indicada por R(X ). A imagem inversa ent ao pode ser indicada por R1 (X ).
o de relac es 6.2 Composic a o

Sejam R e S duas relac o es. A composi ca o de R com S e a relac a o denotada por S R, e denida da seguinte forma: S R = {(a, c) : (b) (a, b) R (b, c) S}
Exemplo 6.14: Considere as relac o es R = {(1, 1), (1, 4), (2, 3), (3, 1), (3, 4)} S = {(1, 0), (2, 0), (3, 1), (3, 2), (4, 1)} A composic a o delas e S R = {(1, 0), (1, 1), (2, 1), (2, 2), (3, 0), (3, 1)} Observe que (1, 0) S R porque (1, 1) R e (1, 0) S,
(1, 1) S R porque (1, 4) R e (4, 1) S,
(2, 1) S R porque (2, 3) R e (3, 1) S,
(2, 2) S R porque (2, 3) R e (3, 2) S,
(3, 0) S R porque (3, 1) R e (1, 0) S,
(3, 1) S R porque (3, 4) R e (4, 1) S.
Figura 6.2: Composic a o das relac o es do exemplo 6.14.
SR
DE RELAC 6.2. COMPOSIC AO OES

Exemplo 6.15: Seja R a relac a o de Z para Z denida por xRy x = y + 1. Seja S a relac a o de Z para Z denida por ySz y = 2z. A composic a o S R e a relac a o de Z para Z denida por x(S R)z (y Z) x = y + 1 y = 2z Ou seja, x(S R)z x = 2z + 1. Observe que (5, 2) S R, porque (5, 4) R e (4, 2) S. Observe tamb em que (6, 2) S R, porque o u nico elemento relacionado com 6 por R e 5, mas (5, 2) S. Exemplo 6.16: Sejam R e S as mesmas relac o es do exemplo 6.15. A composic a o R S e a relac a o de Z para Z denida por x(R S)z (y Z) x = 2y y = z + 1 Ou seja, x(R S)z x = 2z + 2. Observe que (5, 2) R S, mas (6, 2) R S.
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
o alternativa 6.2.1 Notac a

A notac a o S R para composic a o de R com S e muito comum, especialmente para func o es (vide cap tulo 7.1). Em algumas a reas da matem atica, entretanto, a composic a o de uma relac a o R com uma relac a o S e denotada pela justaposic a o RS. Observe que, nesta notac a o, a ordem das relac o es e oposta a ` da notac a o tradicional.
o com identidade 6.2.2 Composic a

Observe que, para qualquer relac a o R de um conjunto A para um conjunto B, as composic a os IB R e R IA s ao sempre a pr opria relac a o R.
Exemplo 6.17: Seja A = {1, 2, 3}, B = {10, 20, 30, 40} e R = {(1, 20), (1, 30), (2, 30)} . Lembramos que IA = {(1, 1), (2, 2), (3, 3)} e IB = {(10, 10), (20, 20), (30, 30), (40, 40)} . Pode-se vericar que R IA = IB R = {(1, 2), (1, 3), (2, 3)} .
o com a relac o inversa 6.2.3 Composic a a

Considere o seguinte exemplo:
Exemplo 6.18: Seja A = {1, 2, 3} e seja R = {(1, 2), (1, 3), (2, 3)} , uma relac a o sobre A. Lembramos 1 que a relac a o inversa R e {(2, 1), (3, 1), (3, 2)} , e que IA = {(1, 1), (2, 2), (3, 3)} . Ent ao: R1 R = {(1, 1), (1, 2), (2, 2), (2, 1)} .
90
R R1 = {(2, 2), (2, 3), (3, 3), (3, 2)} . R R = {(1, 3)}. R1 R1 = {(3, 1)}.
Observamos que neste exemplo RR1 e diferente de R1 R, e ambas s ao diferentes da identidade IA .

Exerc cio 6.4: Prove que, para toda relac a o R, a composic a o R1 R cont em a relac a o de identidade 1 sobre Dom(R); e que R R cont em a identidade sobre Img(R).
o 6.2.4 Inversa da composic a

Pode-se vericar que, para quaisquer relac o es R e S, (S R)1 = R1 S1 Ou seja, a inversa da composi ca o e a composi ca o das inversas, na ordem inversa.
Exemplo 6.19: Sejam as relac o es R = {(1, 20), (1, 30), (2, 40), (3, 20)} S = {(20, 200), (20, 300), (40, 200)} Observe que S R = {((1, 200), (3, 200), (3, 300), (2, 200)} . R1 = {(20, 1), (30, 1), (40, 2), (20, 3)} . S1 = {(200, 20), (300, 20), (200, 40)} .
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)} .
o e inclus 6.2.5 Composic a ao

O seguinte teorema decorre imediatamente das denic o es: Teorema 6.1: Para quaisquer relac o es R1 , R2 , S1, S2 , se R1 R2 e S1 S2 , ent ao R1 S 1 R2 S 2 .
o 6.2.6 Pot encias de uma relac a

Seja R uma relac a o. A pot encia Rn , n = 1, 2, e denida como: R1 = R Rn+1 = Rn R Teorema 6.2: Para quaisquer relac o es R e S, e qualquer inteiro n 1, se R S ent ao R n Sn .
DE RELAC 6.3. REPRESENTAC AO OES USANDO MATRIZES

Prova: Vamos provar este teorema por induc a o em n. Base: para n = 1, o resultado e verdadeiro, pois R1 = R S = S1 . Hip otese de indu ca o: vamos supor que, para algum k 1, Rk Sk . Hip otese de indu ca o: vamos provar que Rk+1 Sk+1 . Pelo teorema 6.1, concluimos que Rk R Sk S. Pela denic a o de pot encia, Rk+1 Sk+1 . Fim.
Exerc cio 6.5: Prove que, se R e uma relac a o de A para B, ent ao R IA = IB R = R. Exerc cio 6.6: Prove que, para quaisquer relac o es R e S, vale R1 S1 = (S R)1 . Exerc cio 6.7: Prove que a composic a o de relac o es e associativa; isto e , que, para quaisquer tr es relac o es R, S e T , vale T (S R) = (T S) R. Exerc cio 6.8: Prove que a composic a o de relac o es distribui sobre uni ao de relac o es; isto e , que, para quaisquer tr es relac o es R, S e T , vale T (R S) = (T R) (T S), e (R S) T = (R T ) (S T ). Exerc cio 6.9: Prove que para quaisquer tr es relac o es R, S e T , vale T (RS) (T R) (T S). Encontre um exemplo em que n ao vale a igualdade; isto e , T (R S) (T R) (T S). Exerc cio 6.10: Prove que, para toda relac a o R e quaisquer m e n inteiros, Rm Rn = Rm+n .
91
o de relac es usando matrizes 6.3 Representac a o

o 6.3.1 Matriz booleana de uma relac a
Uma matriz booleana e uma matriz cujos elementos s ao valores l ogicos, F ou V. Ao escrever tais matrizes, e conveniente usar 0 e 1, respectivamente, para indicar esses valores. Sejam A = {a1 , a2, , am } e B = {b1 , b2, , bn } conjuntos nitos com |A| = m , | B| = n e R uma relac a o de A para B. Uma maneira de representar esta relac a o e atrav es de uma matriz booleana M de m linhas e n colunas denida da seguinte maneira: Mi, j = 1 se ai Rb j 0 se ai R /bj
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
es com relac es usando matrizes 6.3.2 Operac o o

A representac a o por matrizes tamb em pode ser usada para visualizar operac o es entre relac o es. es. Sejam R e S duas relac Uni ao de relac o o es de um conjunto A para um conjunto B, com matrizes booleanas M e N , respectivamente. A matriz booleana P que representa a uni ao R S e tal que Pi, j = 1 se, e somente se, Mi, j = 1 ou Ni, j = 1. Ou seja, Pi, j = Mi, j Ni, j . Podemos denotar essa matriz por M N . o de relac es. Analogamente, a matriz Q que representa a intersec Intersecc a o a o R S e tal que Qi, j = 1 se e somente se Mi, j = 1 e Ni, j = 1; ou seja Qi, j = Mi, j Ni, j . tiverem 1 e 0 caso contr ario. Podemos denotar essa matriz por M N .
Exemplo 6.21: Sejam A = {10, 20, 30, 40} e B = {20, 40, 60}, e sejam R = {(10, 20), (10, 60), (20, 40), (40, 60)} S = {(10, 20), (20, 60), (30, 40), (40, 20)} As matrizes booleanas que representam R, S, R S e R S s ao 20 40 60 10 1 0 1 M= 0 1 0 20 0 0 0 30 40 0 0 1 20 40 60 10 1 0 0 N= 0 0 1 20 0 1 0 30 40 1 0 0
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
6.4. TIPOS DE RELAC OES
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
es 6.4 Tipos de relac o

Nesta sec a o daremos algumas propriedades de relac o es que s ao importantes em muitos contextos. Seja R uma relac a o sobre um conjunto A. Dizemos que: Re reexiva sobre A se, e somente se, (a A) aRa. Isto signica que (a, a) R para todo a A. Re irreexiva sobre A se, e somente se, (a A) aR / a. Isto signica que (a, a) a A. R para todo
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 .
o e transitividade 6.4.1 Composic a

O pr oximo teorema mostra como a operac a o de composic a o se relaciona com a propriedade transitiva de uma relac a o. Teorema 6.3: Uma relac a o R sobre um conjunto A e transitiva se, e somente se R R R. Prova: Seja R uma relac a o. Vamos primeiro provar que, se R e transitiva, ent ao R R R. Seja (a, b) R R. Pela denic a o de composic a o de relac o es, temos que ( x A) (a, x) R ( x, b) R. Como R e transitiva, concluimos que (a, b) R. Logo R R R.
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.
6.4. TIPOS DE RELAC OES

Fim.
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.
es usando matrizes 6.4.2 Propriedades de relac o

Se R e uma relac a o sobre um conjunto nito A a matriz M e quadrada e as linhas e colunas tem os mesmos r otulos. Nesse caso, se usarmos a mesma ordem para linhas e colunas, v arias propriedades da relac a o R podem ser facilmente vericadas na matriz M : 1. Uma relac a o R e reexiva sobre A se, e somente se (i {1, 2, , n}) ai Rai . Portanto R e reexiva sobre A e somente se (i {1, 2, , n}) Mi,i = 1; isto e , os elementos da diagonal de M s ao todos 1. 2. Uma relac a o R e irrreexiva sobre A se, e somente se (i {1, 2, , n}) ai R / ai . Portanto R e irrreexiva sobre A e somente se os elementos da diagonal de M s ao todos 0. 3. Uma relac a o R e sim etrica se, e somente se (i, j {1, 2, , n}) ai Ra j a j Rai . Portanto Re sim etrica se, e somente se, a matriz M e sim etrica, ou seja, ela e igual a ` sua transposta. 4. Uma relac a o R e anti-sim etrica se, e somente se (i, j {1, 2, , n}) (ai Ra j a j Rai ) ai = a j . Portanto R e anti-sim etrica se, e somente se n ao existem ndices i e j com i j tais que Mi, j e M j,i s ao simultaneamente iguais a 1.
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?
o 6.5 Fechos de uma relac a

6.5.1 Fecho reexivo
Seja R uma relac a o sobre um conjunto A. Se R n ao e reexiva sobre A, e porque n ao possui um ou mais pares da forma (a, a) com a A. Se acrescentarmos todos esses pares a R, obtemos uma relac a o S que e reexiva sobre A e cont em R. Essa relac a o e chamada de fecho reexivo de R sobre A.
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.
6.5. FECHOS DE UMA RELAC AO
97
6.5.2 Fecho sim etrico

De maneira an aloga, se R e uma relac a o qualquer, obtemos seu fecho sim etrico acrescentando a R todos os pares necess arios para torn a-la uma relac a o sim etrica; isto e , todo par da forma (b, a) tal que (a, b) R.
Exemplo 6.27: Sejam A = {a, b, c} e R = {(a, a), (a, b), (b, b), (b, c), (c, a), (c, b)} . A relac a o S = {(a, a), (a, b), (b, a), (b, b), (c, a), (b, c), (c, b)} e o fecho sim etrico de R. Exemplo 6.28: Seja a relac a o R = {(a, b) : a, b Z a < b} sobre o conjunto dos n umeros inteiros Z. O fecho sim etrico S e obtido incluindo na relac a o R todos os pares {(b, a) : a, b Z a > b} . Ou seja, o fecho sim etrico de R e S = {(a, b) : a, b Z a b}
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 .
6.5.3 Fecho transitivo

Vamos agora considerar o problema an alogo de completar uma relac a o R, se necess ario, de modo a torn a-la transitiva. Para isso, precisamos garantir que, para quaisquer pares (a, b) e (b, c) na relac a o, o par (a, c) tamb em est a na relac a o. Podemos pensar que basta examinar todos os pares (a, c) e (b, c) que est ao na relac a o dada R. Entretanto, isso n ao e suciente. Por exemplo, considere a relac a o R = {(1, 2), (2, 3), (3, 4)} Esta relac a o falha a denic a o de relac a o transitiva em exatamente dois casos: (1, 2) R (2, 3) R mas (1, 3) (2, 3) R (3, 4) R mas (2, 4) Se acrescentarmos os pares (1, 3) e (2, 4), obtemos a relac a o R = {(1, 2), (1, 3), (2, 3), (2, 4), (3, 4)} Mas esta relac a o ainda n ao e transitiva; pois ela possui (1, 3) e (3, 4) mas n ao possui (1, 4). Observe que esta falha de transitividade foi revelada quando acrescentamos o par (1, 3) a ` relac a o. Se acrescentarmos o par que falta, (1, 4), obtemos R = {(1, 2), (1, 3), (1, 4), (2, 3), (2, 4), (3, 4)} que e transitiva. Os pares que faltam em R s ao da forma (a, c) tais que existe algum b com (a, b) R e (b, c) R. Ou seja, s ao os pares de R R = R2 . Portanto, ao acrescentarmos esses pares estamos construindo R R
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.
6.5. FECHOS DE UMA RELAC AO

Prova: Seja R uma relac a o qualquer, e seja S uma relac a o que cont em R. Pelo teorema 6.2, para n n todo n 1, temos que R S . Pelo teorema 6.4, temos que Sn = S; logo Rn S. Uma vez que todos os termos da f ormula (6.3) est ao contidos em S, ent ao a uni ao de todos esses termos R tamb em est a. Fim.
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.
6.5.4 Fecho em geral

De maneira geral, sejam R uma relac a o em um conjunto A, P uma propriedade de relac o es, e S uma relac a o em A com a propriedade P. Dizemos que S e o fecho da relac a o R com respeito a ` propriedade P, se S cont em R e est a contida em toda relac a o que possiu a propriedade P e cont em R. Em outras palavras, S e o fecho de R com respeito a ` propriedade P se R S. S satisfaz a propriedade P. Para toda relac a o T em A, se R T e T satisfaz a propriedade P, ent ao S T . A relac a o R pode ter ou n ao ter a propriedade P. Se R tiver a propriedade P ent ao R = S. O fecho de uma relac a o com respeito a uma determinada propriedade pode ou n ao existir. Veja o exemplo a seguir:
Exemplo 6.29: Sejam A = {1, 2, 3}, R = {(1, 1), (1, 2), (2, 2), (3, 3)} e P(R) = R n ao e reexiva sobre A. Observe que qualquer relac a o contendo R conter a {(1, 1), (2, 2), (3, 3)} , portanto n ao existe nenhuma relac a o, que n ao seja reexiva sobre A, e contenha 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

Exerc cio 6.15: Sejam A = {1, 2, 3, 4, 5} e R = {(1, 3), (2, 4), (3, 1), (3, 5), (4, 3), (5, 1), (5, 2), (5, 4)} . Encontre as pot encias R2 , R3 , R4 , R5 , R6 e o fecho transitivo R. Exerc cio 6.16: Encontre a menor relac a o contendo A = {(1, 2), (1, 4), (3, 3), (4, 1)} que e : Sim etrica e reexiva sobre A. Reexiva sobre A e transitiva. Sim etrica e transitiva. Reexiva sobre A, sim etrica e transitiva. Exerc cio 6.17: Sejam R1 e R2 relac o es sobre o conjunto A, tais que R1 R2 . Sejam S1 e S2 os fechos reexivos de R1 e R2 , respectivamente. Prove que S1 S2 . Enuncie os teoremas an alogos para os fechos sim etricos e transitivos. Prove esses teoremas, ou encontre contra-exemplos. Exerc cio 6.18: Sejam R1 e R2 relac o es sobre o conjunto A, e R = R1 R2 . Sejam S1 , S2 e S os fechos reexivos de R1 , R2 e R, respectivamente. Prove que S1 S2 = S. Sejam S1 , S2 e S os fechos sim etricos de R1 , R2 e R, respectivamente. Prove que S1 S2 = S. Sejam S1 , S2 e S os fechos transitivos de R1 , R2 e R, respectivamente. Prove que S1 S2 S, e encontre um exemplo em que a inclus ao e pr opria. Exerc cio 6.19: Sejam R1 e R2 relac o es sobre o conjunto A, e R = R1 R2 . Sejam S1 , S2 e S os fechos reexivos de R1 , R2 e R, respectivamente. Prove que S = S1 S2 . Sejam S1 , S2 e S os fechos sim etricos de R1 , R2 e R, respectivamente. Prove que S S1 S2 , e mostre com um exemplo que a inclus ao pode ser pr opria. Sejam S1 , S2 e S os fechos transitivos de R1 , R2 e R, respectivamente. Prove que S S1 S2 , e mostre com um exemplo que a inclus ao pode ser pr opria. Exerc cio 6.20: Seja R a relac a o sobre o conjunto dos n umeros inteiros positivos tal que aRb se e somente se existe um n umero primo p tal que a = pb. Qual e o fecho reexivo S de R? Encontre o fecho transitivo T de R.
es de ordem 6.6 Relac o

o 6.2: Uma relac Denic a a o R sobre um conjunto A e uma rela ca o de ordem se ela e reexiva sobre A, anti-sim etrica e transitiva.
Exemplo 6.31: Sejam A = R e R = { ( x, y) R R, : x y }.
6.6. RELAC OES DE ORDEM

Re reexiva sobre A pois ( x R) x x logo ( x R) xR x.
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 .
Re transitiva pois (X, Y, Z P(A)) (X Y Y Z ) X Z ). Portanto (X, Y, Z P(A)) (X RY Y RZ ) X RZ ).
Re anti-sim etrica pois (X, Y P(A)) (X Y Y X ) X = Y ). Portanto (X, Y ( A )) ( X R Y Y RX ) X = Y . P
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
6.6.1 Diagrama de Hasse

Podemos representar gracamente um conjunto ordenado (A, R), onde A e nito e n ao muito grande, por um diagrama de pontos e linhas, chamado diagrama de Hasse (em homenagem ao matem atico alem ao Helmut Hasse, 18981979). Neste diagrama, cada elemento de A e representado por um ponto do plano, com posic a o arbitr aria, exceto pela regra de que, para todo par (a, b) R com a, b A e a b, o ponto que representa a deve estar abaixo do ponto que representa b. Cada um desses pares e representado por uma linha reta ligando a com b, exceto que pares que podem ser deduzidos por transitividade n ao s ao desenhados. Para ilustrar a construc a o deste diagrama, vamos usar o conjunto A = {1, 2, 3, 4, 5, 6, 7, 8, 9}, e a seguinte relac a o sobre A: R = { (1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6), (7, 7), (8, 8), (9, 9), (1, 2), (1, 3), (1, 4), (1, 5), (1, 7), (2, 3), (2, 4), (2, 5), (3, 4), (3, 5), (4, 5), (6, 9), (6, 5), (7, 4), (7, 5), (8, 7), (8, 4), (8, 5), (9, 5)
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
es de ordem estrita 6.6.2 Relac o

o 6.3: Uma relac Denic a a o R sobre um conjunto A e uma rela ca o de ordem estrita se ela e irrreexiva sobre A, anti-sim etrica e transitiva.
Exemplo 6.33: Sejam A = R e R = { ( x, y) R R, : x < y }. Re irreexiva sobre A pois ( x R) ( x < x) logo ( x R) xR / x. ( x, y, z R) ( xRy yRz) xRz . Re anti-sim etrica, pois ( x, y R) (( x < y y < x). Portanto, por vacuidade, ( x, y R) ( xRy yR x) x = y . Re transitiva pois ( x, y, z R) (( x < y y < z) x < z)). Portanto
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.
6.6.3 Ordem total

Dizemos que dois elementos a, b s ao compar aveis por uma relac a o R se aRb ou bRa. o 6.4: Uma relac Denic a a o R e uma ordem total sobre um conjunto A (ou ordem linear) se, e somente se R e uma relac a o de ordem sobre A e quaisquer dois elementos de A s ao compar aveis por R. Portanto uma relac a o de ordem R e total se, quaisquer que sejam a e b em A, (a, b) R ou (b, a) R. Observe que a relac a o (exemplo 6.33) e uma ordem total sobre R, pois (a, b R) a b b a. Por outro lado, a relac a o (exemplo 6.32) n ao e uma ordem total quando A tem pelo menos dois elementos, pois nesse caso existem sub-conjuntos distintos X e Y em P(A) tais que nem X Y nem Y X . Por exemplo, se A = {1, 2}, podemos tomar X = {1} e Y = {2}. Analogamente, dizemos que uma ordem estrita R sobre um conjunto A e total se e somente se quaisquer dois elementos distintos de A s ao compar aveis por R.
104

Exerc cio 6.27: A ordem estrita sobre um conjunto de caixas denida no exerc cio 6.26 e uma ordem total? Exerc cio 6.28: Descreva o diagrama de Hasse de uma ordem total sobre um conjunto nito A.
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.
6.6.4 Ordem lexicogr aca

Uma ordem muito importante no dia a dia, e em computac a o, e a ordem alfab etica denida sobre palavras, nomes, etc.. Por exemplo, nesta ordem hoje vem antes de ontem, biscoito vem antes de bolacha, porco vem antes de porta, e sol vem antes de soldado. Observe que esta ordem e baseada na ordem tradicional das letras do alfabeto: a, b, c, . . . , z. A regra e : para decidir se uma palavra vem antes da outra, compara-se a primeira letra de uma com a primeira letra da outra. Se forem diferentes, a ordem das palavras e a mesma das letras. Se as palavras comec am com a mesma letra, compara-se a segunda letra de uma com a segunda da outra. Se persistir o empate, consideram-se as terceiras letras, as quartas letras, e assim por diante at e haver um desempate (letras diferentes na mesma posic a o das duas palavras), ou uma das palavras terminar. Neste u ltimo caso (como no exemplo de sol e soldado), convenciona-se que a palavra que termina primeiro vem antes da outra. Uma id eia semelhante pode ser utilizada para ordenar pares de reais. Seja a relac a o 2 denida sobre os pares R R, pela f ormula (a1 , a2 ) 2 (b1 , b2 ) (a1 < b1 ) (a1 = b1 a2 b2 ) Note a semelhanc a entre a relac a o 2 e a ordem alfab etica de palavras. Este conceito pode ser generalizado para sequ encias de letras arbitr arias e ordenac o es arbitr arias dessas letras. Seja R uma relac a o de ordem sobre um conjunto A. Vamos denotar por A o conjunto de todas as sequ encias de elementos de A, e () a sequ encia vazia. Considere a relac a o R denida recursivamente sobre A , da seguinte maneira: 1. () R b para qualquer sequ encia b A . 2. b R / () para qualquer sequ encia n ao vazia a em A . 3. Se a e b s ao sequ encias n ao vazias em A , sejam a1 e b1 os elementos iniciais de a e b, e a , b o que resta de a e b retirando-se estes elementos iniciais. Ent ao temos que a R b se, e somente se, (a1 b1 a1 Rb1 ) (a1 = b1 a R b )
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.
6.6.5 Ordens parciais

Fora de contextos matem aticos, a palavra parcial geralmente signica incompleto, e portanto o oposto de total. Em matem atica, entretanto, muitos autores usam relac a o de ordem parcial como sin onimo de relac a o de ordem. Para esses autores, as ordens totais s ao casos particulares de ordens parciais. Esses autores tamb em se referem a um conjunto ordenado (A, R) como conjunto parcialmente ordenado, (em ingl es, partially ordered set ou poset) mesmo que a relac a o R seja uma ordem total. Para outros autores, entretanto, ordem parcial pode signicar uma ordem que n ao e total. O leitor deve car atento para esses dois sentidos da palavra parcial. Para evitar ambiguidades, pode-se evitar essa palavra, usando relac a o de ordem para o caso geral, e ordem total ou ordem n ao total para os dois tipos.
6.6.6 Elementos m nimos e m aximos

Seja R uma relac a o de ordem sobre um conjunto X , e A um subconjunto de X . Um elemento m nimo de A sob R e um elemento m A tal que (m, a) R para todo a A.
Exemplo 6.34: Seja A = {2, 4, 6, 8} Z, e seja R a relac a o (menor ou igual) sobre Z. O inteiro 2 e um m nimo de A sob R, pois (2, a) R (ou seja 2 a) para todo a A. Exemplo 6.35: Considere o conjunto de conjuntos A = { {1, 2, 4} , {2, 4} , {2, 3, 4} , {2, 4, 5} , {2, 3, 4, 6} } e seja R a relac a o entre conjuntos. O elemento {2, 4} de A e m nimo sob R, pois {2, 4} b para todo conjunto b A.
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?
6.6.7 Elementos minimais e maximais

Seja R uma relac a o de ordem sobre um conjunto X , e A um subconjunto de X . Um elemento minimal de A sob R e um elemento m A tal que n ao existe nenhum a A, diferente de m, com (a, m) R.

Exemplo 6.37: Seja A = {1, 2, 3, 4, 5, 6} e R = {(1, 3), (2, 3), (1, 4), (2, 4), (3, 4), (5, 6)} . O inteiro 2, por exemplo, e um elemento minimal de A sob R, pois n ao existe nenhum par (a, 2) na relac a o. Os elementos minimais de A sob R s ao 1, 2, e 5.
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

Exerc cio 6.36: Encontre os elementos minimais e maximais em cada uma das relac o es da gura 6.4. Exerc cio 6.37: Encontre um conjunto A e uma relac a o de ordem R sobre A tal que existe um u nico elemento minimal em A sob R, mas que n ao e m nimo. Exerc cio 6.38: Seja A = {3, 6, 9, . . .} o conjunto dos m ultiplos positivos de 3, e R a relac a o sobre A tal que ( x, y) est a em R se e somente se todos os algarismos decimais de x aparecem em y, na mesma sequ encia. Assim, por exemplo, (262, 12682) est a em R, mas (262, 12268) n ao est a. Determine os elementos minimais de A sob R. Exerc cio 6.39: Seja A = X N : X |X | e par . Note que A n ao e um conjunto de inteiros, mas sim um conjunto de conjuntos: {1, 2, 3, 4} e {10, 20} s ao elementos de A, enquanto que 20 e {20, 40, 60} n ao s ao. Seja R a relac a o de contin encia de conjuntos. Encontre os elementos minimais de A sob R. Existe algum elemento maximal de A sob R? Exerc cio 6.40: Seja R = {( x, y) N {0} N {0} : x divide y}. 1. Prove que R e uma relac a o de ordem denida sobre N {0}. 2. A relac a o de ordem R e total? Prove ou d e um contra-exemplo. 3. Quais s ao os elementos minimais de N {0} sob R? 4. O conjunto N {0} tem um elemento m nimo sob R?
es de equival 6.7 Relac o encia

o 6.5: Uma rela Denic a ca o de equival encia sobre um conjunto A e uma relac a o R sobre A que e reexiva sobre A, sim etrica e transitiva.
Exemplo 6.39: Seja A o conjunto de todas as retas do plano, e seja R a relac a o X RY se, e somente se, X = Y ou X Y = . Esta relac a o e simplesmente a relac a o de paralelismo da geometria plana. Claramente a relac a o e reexiva sobre A, sim etrica e transitiva, logo e uma relac a o de equival encia. Exemplo 6.40: Sejam Z o conjunto dos n umeros inteiros. A relac a o R = (a, b) : a Z b Z (a b) e m ultiplo de 5 e uma relac a o de equival encia. Vericando: Re reexiva sobre Z: para todo a Z, temos (a, a) R, pois a a = 0 5. Re sim etrica: para todo (a, b) R, temos a b = 5r para algum r Z; logo b a = 5(r), portanto (b, a) R. Re transitiva: para todo (a, b) R e todo (b, c) R, temos a b = 5r para algum r Z, e b c = 5 s para algum s Z; logo c = b 5 s, a c = a b + 5 s = 5r + 5 s = 5(r + s); portanto (a, c) R.
6.7. RELAC OES DE EQUIVALENCIA
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.
6.7.1 Classes de equival encia

Seja R uma relac a o de equival encia sobre um conjunto A. Para todo elemento a A, o conjunto [a]R = { x A : xRa} e denominado a classe de equival encia do elemento a.
Exemplo 6.44: Vamos construir as classes de equival encia da relac a o R de congru encia m odulo 5 (exemplo 6.40). A classe de equival encia de um inteiro i, e o conjunto [i]R = { x Z : ( s Z) x i = 5 s} Ou seja, x [i]R se e somente se x = 5k + i para algum r Z; isto e , se e somente se x tem o mesmo resto que i quando dividido por 5. Portanto existem apenas 5 classes de equival encia, que correspondem aos poss veis restos da divis ao por 5: [0]R = { , 10, 5, 0, 5, 10, }. [1]R = { , 9, 4, 1, 6, 11 }. [2]R = { , 8, 3, 2, 7, 12 }. [3]R = { , 7, 2, 3, 8, 13, }. [4]R = { , 6, 1, 4, 9, 14, }.
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 .
110 [a]R [b]R Prova:
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 .
es de equival es 6.7.2 Relac o encia e partic o

O que o teorema 6.7 nos mostra e as que classes de uma relac a o de equival encia R sobre um conjunto A s ao duas a duas disjuntas. Como todo elemento de A est a em alguma classe, a uni ao de todas as classes e o conjunto A. Isto signica que as classes de equival encia de R formam uma partic a o do conjunto A. (Veja a sec a o 2.9.) Vamos mostrar agora que toda partic a o de um conjunto pode ser usada para construir uma relac a o de equival encia sobre esse conjunto. Dizemos que dois elementos est ao relacionados se e somente se eles est ao no mesmo bloco da partic a o. Mais precisamente: Teorema 6.8: Sejam P uma partic a o do conjunto A, e SP a relac a o SP = {( x, y) : (C P) x C y C } . Ent ao SP e uma relac a o de equival encia, e suas classes s ao os blocos da partic a o P. Prova: Para mostrar que SP e uma relac a o de equival encia, precisamos mostrar que ela e reexiva sobre A, sim etrica e transitiva. A relac a o e reexiva sobre A: para todo a A, temos aSPa; pois, pela denic a o de partic a o, todo elemento de A pertence a algum bloco C da partic a o P. A relac a o e sim etrica: para todo (a, b) SP , por denic a o a e b pertencem a algum sub-conjunto C P; logo bSP a.
6.7. RELAC OES DE EQUIVALENCIA

A relac a o e transitiva: para quaisquer (a, b) e (b, c) em SP , existem blocos C e D de P tais que a, b C e b, c D; logo b C D. Como os blocos de uma partic a o s ao disjuntos dois a dois, conclu mos que C e D s ao o mesmo bloco. Portanto a e c pertencem ao mesmo bloco, logo aSP c. Fim.
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
Cap tulo 7 es, sequ es n- Func o encias e relac o arias

es 7.1 Func o
7.1.1 Conceito
o 7.1: Dizemos que uma relac Denic a a o F de A para B e uma fun ca o de A para B se, e somente se, para todo a A existe exatamente um b B tal que (a, b) F . Portanto, como vimos na sec a o 6.1, uma func a o F de A para B e um subconjunto do produto cartesiano A B, ou seja um conjunto de pares (a, b) com a A e b B, com a propriedade acima. Para indicar que F e uma func a o de A para B, usa-se geralmente a notac a o F : A B. Para cada elemento a de A, e costume indicar por F (a) o valor de F em a, isto e , o u nico elemento b de B tal que (a, b) F . Observe que esta notac a o s o tem sentido para func o es, e n ao para relac o es em geral.
Exemplo 7.1: A relac a o F = {(1, 40), (2, 30), (3, 30)} e uma func a o do conjunto X = {1, 2, 3} para o conjunto Y = {20, 30, 40}, isto e F : X Y. Exemplo 7.2: A relac a o F = {(1, 40), (3, 30)} n ao e uma func a o de X = {1, 2, 3} para Y = {20, 30, 40}, pois para a = 2 X n ao existe um b Y tal que (a, b) F . Exemplo 7.3: A relac a o F = {(1, 40), (2, 20), (2, 30), (3, 30)} n ao e uma func a o de X = {1, 2, 3} para Y = {20, 30, 40}, pois para a = 2 X existem dois valores distintos b = 20 Y e b = 30 Y tais que (a, b ) F e (a, b ) F . Exemplo 7.4: A relac a o F = ( x, x2 ) : x Z e uma func a o do conjunto Z para o conjunto N, isto e F : Z N. Exemplo 7.5: A relac a o F = ( x2 , x) : x Z n ao e uma func a o do conjunto N para o conjunto Z, pois h a elementos a N (como a = 5) para os quais n ao existe par (a, b) F , e h a elementos a N (como a = 4) para os quais existem dois pares (a, b) F (no caso, (4, 2) e (4, 2)).
113
114
CAPITULO 7. FUNC OES, SEQUENCIAS E RELAC OES N -ARIAS
o 7.1.2 Dom nio e imagem de uma func a

Uma vez que func o es s ao um tipo particular de relac o es, todos os conceitos introduzidos para relac o es (como dom nio, composic a o, inversa, etc.) valem tamb em para func o es. Por exemplo se F e uma func a o de A para B, ent ao, de acordo com a denic a o, o dom nio Dom(F ) de F e sempre o conjunto A. A imagem ou contra-dom nio Img(F ) de F e o conjunto Img(F ) = {F (a) : a A} = {b B : (a A) b = F (a)} Observe que a imagem est a contida no conjunto B, mas nem sempre e igual a B. Podemos portanto dizer que duas func o es F : A B e G : C D s ao a mesma func a o se, e somente se, A = C , e (a A) F (a) = G(a). Como observamos no caso de relac o es em geral, se F e uma func a o de A para B, e B C , ent ao F tamb em e uma func a o de A para C . Por exemplo, a func a o seno e uma func a o do conjunto dos n umeros reais R para o intervalo B = [1, +1]. Como B e um subconjunto de R, ent ao seno tamb em e uma func a o de R para R. Por em, precisamos observar que alguns autores consideram que o conjunto B e parte da denic a o da func a o. Nesta abordagem, se F for denida como func a o de A para B, e C for um conjunto diferente de B, ent ao F n ao e uma func a o de A para C . Para esses autores, por exemplo, seno pode ser denida como func a o de R para R, ou de R para [1, +1]; mas estas duas escolhas resultam em func o es distintas. Neste livro n ao seguimos essa abordagem: para n os, uma func a o, assim como uma relac a o, e apenas o conjunto dos seus pares.
es piso e teto 7.1.3 As func o

Em a lgebra e c alculo s ao estudados muitos exemplos de func o es, como raiz quadrada, seno, cosseno, logaritmo, etc. A seguir veremos duas func o es que s ao especialmente importantes em computac a o. o 7.2: A fun Denic a ca o piso (tamb em chamada de ch ao ou solo) associa a cada n umero real x o maior inteiro que e menor ou igual a x. Este inteiro e denotado por x. Observe que 1/3 = 2/3 = 0, 1/3 = 2/3 = 1 e 5 = 5. o 7.3: A fun Denic a ca o teto associa a cada n umero real x o menor inteiro que e maior ou igual a x. Este inteiro denotado por x. Observe que 5/4 = 7/4 = 2, 1/4 = 3/4 = 0 e 4 = 4 Tanto o piso quanto o teto s ao func o es do conjunto R para o conjunto Z. Essas func o es tem algumas propriedades importantes: x = n se, e somente se n x < n + 1. x = n se, e somente se x 1 < n x. x = n se, e somente se n 1 < x n.
7.1. FUNC OES

x = n se, e somente se x n < x + 1. x 1 < x x x < x + 1. x = x. x = x.
Exerc cio 7.1: Sejam A e B conjuntos nitos com |A| = n e | B| = m. Quantas func o es poder ao ser denidas de A para B?. Exerc cio 7.2: Prove que x + n = x + n e x + n = x + n. Exerc cio 7.3: Prove, ou d e um contra exemplo, que x + y = x + y e x + y = x + y. Exerc cio 7.4: Seja um n umero real positivo, e considere a relac a o sobre R tal que x y x y =
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 injetora, sobrejetora e bijetora 7.1.4 Func a

o 7.4: Uma func Denic a a o F de A para B e injetora se, e somente se, ( x, y A) (F ( x) = F (y) ( x = y). Ou seja, F e injetora se e somente se ela atribui um valor diferente para cada elemento do dom nio. Diz-se tamb em que estas func o es preservam informa ca o, pois o valor de F ( x) determina univocamente o valor de x. Func o es injetoras tamb em s ao chamadas de func o es um para um.
Exerc cio 7.5: Sejam A e B conjuntos nitos com m e n elementos, respectivamente. Quantas func o es injetoras F : A B existem? Exerc cio 7.6: Sejam f : A B e g : B C . Prove que se g f : A C n ao e injetora ent ao pelo menos uma dentre f e g e n ao injetora. Exerc cio 7.7: Sejam F : A C e G : B D duas func o es injetoras. Considere a func a o: H : ABCD H (a, b) (F (a), G(b)) Prove que f uma func a o injetora.
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

Exerc cio 7.8: Sejam A e B conjuntos nitos com m e n elementos, respectivamente. Quantas func o es sobrejetoras F : A B existem?
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.
o de func es 7.1.5 Composic a o

Uma vez que func o es s ao relac o es, a composic a o de duas func o es F e G e denida da mesma forma que para relac oes, ou seja, e a relac a o G F = { (a, c) : (b) (a, b) F (b, c) G } Em particular, se F : A B e G : B C , ent ao verica-se que G F e uma func a o de A para C , e para todo a A o valor de G F em a e denido pela f ormula: (G F )(a) = G(F (a)) Por exemplo, sejam F : R R com F ( x) = 2 x + 3, e G : R R com G( x) = 3 x + 2. Ent ao (G F )( x) = G(F ( x)) = G(2 x + 3) = 3(2 x + 3) + 2 = 6 x + 11 e (F G)( x) = F (G( x)) = F (3 x + 2) = 2(3 x + 2) + 3 = 6 x + 7. Este exemplo mostra que a composic a o de func o es n ao e comutativa. Na verdade, demonstra-se que a composic a o de duas func o es quaisquer e sempre uma func a o. Como vimos na sec a o 6.2, e tamb em verdade que Dom(G F ) Dom(F ) e Al em disso, no caso de func o es, temos que Img(G F ) Img(G)
Img(F ) Dom(G) Dom(G F ) = Dom(F ) e Dom(G) Img(F ) Img(G F ) = Img(G)
7.1. FUNC OES

Exemplo 7.6: Seja F a func a o logaritmo, F ( x) = log x, G a func a o raiz quadrada, G(y) = + Seja R o conjunto de todo os reais n ao negativos. Dom(F ) = R+ \ {0} Img(F ) = R Dom(G) = R+ Img(G) = R+ y.
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.
o inversa 7.1.6 Func a

A inversa de uma func a o F e denida como na sec a o 6.1.4, ou seja, e a relac a o F 1 = { (y, x) : ( x, y) F } Se F e uma bijec a o do conjunto A para o conjunto B, ent ao verica-se que a inversa F 1 tamb em e uma func a o, do conjunto B para o conjunto A, tal que, para todo a em A e todo b em B, 1 (F (b) = a) (F (a) = b). Portanto, (a A) F 1 (F (a)) = a (b B) F (F 1 (b)) = b Dito de outra forma, F e uma bijec a o de A para B se, e somente se, F 1 F = IA e F F 1 = IB . Observe que a inversa de uma bijec a o de A para B tamb em e uma bijec a o de B para A.
Exerc cio 7.13: Seja F uma func a o. Prove que a relac a o F 1 tamb em e uma func a o se e somente se F e injetora.
118
7.1.7 Imagem e imagem inversa de conjuntos

Para qualquer func a o F e qualquer conjunto X , verica-se que a imagem de X sob F , denida na sec a o 6.1.5, e F (X ) = { F ( x) : x (X Dom(F )) } = y Img(F ) : ( x X ) F ( x) = y Note que os elementos de X que n ao est ao em Dom(F ) n ao contribuem para a imagem. Este conceito e geralmente usado quando X Dom(F ). A imagem inversa de um conjunto Y qualquer sob F , tamb em denida na sec a o 6.1.5, e a imagem de Y sob a relac a o inversa F 1 , ou seja F 1 (Y ) = { x Dom(F ) : F ( x) Y } = { x Dom(F ) : (y) ( x, y) F } Observe que a func a o F pode n ao ser injetora e nem sobrejetora, e portanto F 1 pode n ao ser uma func a o. Isto n ao e um problema uma vez que os conceitos de imagem e imagem inversa s ao denidos para relac o es em geral.
o de func es 7.1.8 Restric a o

O conceito de restric a o de relac o es pode ser aplicado tamb em a func o es. Se F e uma func a o e X e um conjunto, a notac a o F |X ou F |X e frequentemente usada para indicar a restric a o de F (vista como relac a o) aos conjuntos X e Img(F ). Isto e , F |X = F (X Img(F )) = { ( x, y) : ( x, y) F x X } Este conceito tamb em e geralmente usado quando X e um subconjunto de Dom(F ).
Exerc cio 7.14: Sejam F uma func a o, e A, B subconjuntos de Dom(F ). Prove que F (A B) F (A) F ( B). Mais ainda, se F e injetora ent ao F (A B) = F (A) F ( B). Exerc cio 7.15: Sejam F uma func a o, A, B subconjuntos de Dom(F ) e U , V subconjuntos de Img(F ). Prove ou encontre contra-exemplos para cada uma destas armac o es: F (A B) = F (A) F ( B). F (A \ B) = F (A) \ F ( B). B A F ( B) F (A).
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.
7.1. FUNC OES
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
es idempotentes 7.1.10 Func o

Uma func a o f e dita idempotente se a composic a o f f e igual a f . Ou seja, se f ( f ( x)) = f ( x) para todo x Dom( f ). Esta condic a o tamb em equivale a dizer que f restrita a Img( f ) e a func a o identidade sobre Img( f ). Por exemplo, as func o es solo e teto dendas na sec a o 7.1.3 s ao idempotentes. Outro exemplo e a func a o f com dom nio N \ 0, 1 tal que f (z) e o menor fator primo de z.
Exerc cio 7.22: Prove que a composic a o de duas func o es idempotentes e uma func a o idempotente.
Em a lgebra linear, uma transformac a o linear idempotente e chamada de proje ca o.
7.2 Sequ encias nitas

Uma sequ encia nita e uma func a o x cujo dom nio e um intervalo de inteiros { n Z : r n s }, onde r e s s ao inteiros; que pode ser abreviado para {r.. s}. Se os valores de x pertencem a um conjunto A, dizemos que x e uma sequ encia nita sobre A. Em algumas a reas da matem atica e da computac a o, sequ encias nita tamb em s ao chamadas de listas, palavras, e nuplas ou cadeias. A imagem de um inteiro n por uma sequ encia x e habitualmente denotada por xn (em vez de x(n)). Os pares (n, xn ) s ao os termos ou elementos da sequ encia; o inteiro n e o ndice do termo, e xn e seu valor. Os inteiros r e s s ao o ndice inicial e o ndice nal da sequ encia.
Exemplo 7.8: Seja x : {2.. 6} R cujos termos s ao {(2, 4), (3, 9), (4, 16), (5, 25), (6, 36)} . Podemos ent ao escrever que x2 = 4, x3 = 9, e xn = n2 para todo n {2.. 6}.
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.
o para sequ 7.2.1 Notac a encias nitas

Quando o ndice inicial r e especicado pelo contexto, uma sequ encia nita e geralmente denotada colocando-se os valores dos termos entre par enteses e separados por v rgulas. Por exemplo, se convencionamos que os ndices comec am com zero, a notac a o (1, 2, 2, 5) representa a sequ encia {(0, 1), (1, 2), (2, 2), (3, 5)}. Note que a sequ encia (2) n ao e a mesma coisa que o inteiro 2, e a sequ encia (2, 3) n ao e a mesma coisa que o par ordenado (2, 3). Devido a esta confus ao, alguns autores (e algumas linguagens de programac a o) usam outros s mbolos, no lugar de par enteses, para denotar sequ encias; como colchetes angulares . . . , ou colchetes comuns [. . . ]. Note que h a tamb em uma diferenc a entre a sequ encia (23) e o conjunto {23}).
7.2.2 Indice inicial padr ao

Em matem atica (e em algumas linguagens de programac a o, como FORTRAN), o ndice inicial de uma sequ encia e geralmente 1 por convenc a o. Uma vantagem desta escolha e que o n- esimo elemento de uma sequ encia x e xn .
7.2. SEQUENCIAS FINITAS
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
7.2.5 Subsequ encias e subcadeias

Segundo alguns autores, uma subsequ encia de uma sequ encia x e simplesmente uma restric a o y de x a um subconjunto R de seu dom nio. Por exemplo, segundo esta denic a o, a func a o y = {(3, 30), (5, 20)} seria a subsequ encia de x = {(2, 20), (3, 30), (4, 30), (5, 20)} determinada pelo conjunto R = {3, 5}. Uma desvantagem desta denic a o e que a subsequ encia nem sempre e uma sequ encia, pois o novo dom nio R nem sempre e um intervalo de inteiros consecutivos. Por esse motivo, alguns autores especicam que os termos da subsequ encia devem ter seus ndices alterados para inteiros consecutivos a partir de um in cio convencional. Com esta denic a o, e com ndice inicial 0, a func a o y = {(0, 30), (1, 20)} seria a subsequ encia de x = {(0, 20), (1, 30), (2, 30), (3, 20)} determinada pelo conjunto R = {1, 3}. Alguns autores usam a palavra subcadeia para indicar que o conjunto R e um intervalo de inteiros. Muitas linguagens de programac a o incluem func o es para extrair subcadeias de cadeias dadas.
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.
7.3 Produto cartesiano de n conjuntos

O produto cartesiano de n conjuntos A1 , A2 , . . . , An , denotado por A1 A2 An , e o conjunto das n-uplas ordenadas (a1 , a2 , . . . , an), com ai Ai para i = 1, 2, . . . , n. Se todos os conjuntos A1 , A2 , . . . , An s ao o mesmo conjunto A, o produto cartesiano A1 A2 n An e denotado por A .
es n- 7.4 Relac o arias

o 7.4.1 Denic a
Sejam A1 , A2 , A3 , . . . , An , conjuntos. Uma rela ca o n- aria entre estes conjuntos e um sub-conjunto R de A1 A2 A3 An . Isto e , um elemento de R e uma n-upla (a1 , a2 , . . . , an ), tal que ai Ai para cada i. O inteiro n e chamado de grau ou ordem da relac a o. O i- esimo dom nio da relac a o e o conjunto Domi (R) de todos os elementos de Ai que ocorrem na posic a o i das suas n-uplas. Ou seja, um elemento x pertence a Domi (R) se, e somente se, existe uma n-upla (a1 , a2 , . . . , an ) em R com ai = x.
7.4. RELAC OES N -ARIAS

Exemplo 7.9: Seja R a relac a o em R R R denida pelo conjunto das triplas (a, b, c) tais que a = b = c. Observe que a tripla (2, 2, 2) R mas a tripla (2, 3, 3) R. Os dominios Dom1 (R), Dom2 (R) e Dom3 (R) s ao o conjunto dos n umeros reais, e o grau e 3. Exemplo 7.10: Seja R a relac a o em N N N denida pelo conjunto das triplas (a, b, c) tais que a2 + b2 = c2 , a > 0, e b > 0. Observe que a tripla (3, 4, 5) R mas a tripla (2, 2, 3) R. Pode-se vericar que Dom1 (R) = Dom2 (R) = N \ {1, 2}; e que os menores elementos de Dom3 (R) s ao {5, 10, 13, 17, 20, 25, 26, 29, . . . } Exemplo 7.11: Seja R a relac a o em Z Z Z Z denida pelo conjunto das qu adruplas (a, b, q, r) tais que a = b q + r. Observe que a qu adrupla (7, 3, 2, 1) est a em R mas a qu adrupla (3, 7, 2, 1) n ao est a.
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 de componentes 7.4.3 Permutac a

Para relac o es bin arias, temos o conceito de relac a o inversa em que e trocada a ordem das duas componentes de cada par. Sua generalizac a o para relac oes n- arias e a operac a o de permuta ca o de componentes, que rearranja a ordem das componentes de todas as n-uplas, da mesma maneira. Mais precisamente, dada uma relac a o n- aria R e uma permutac a o i1 , i2, . . . , in dos inteiros 1, 2, . . . , n, esta operac a o produz a relac a o n- aria S que consiste de todas as n-uplas (ai1 , ai2 , . . . , ain ) tais que (a1 , a2 , . . . , an ) est a em R. Por exemplo, dada a relac a o tern aria {(1, 20, 350), (2, 20, 300), (4, 40, 400)}, podemos formar a relac a o tern aria {(20, 350, 1), (20, 300, 2), (40, 400, 4)} substituindo cada tripla (a1 , a2 , a3 ) pela tripla rearranjada (a2 , a3 , a1 ). Note que esta operac a o e um caso particular da projec a o generalizada com ndices i1 , i2 , . . . , im , em que m = n e os ndices s ao uma permutac a o dos inteiros 1, 2, . . . , n. Note tamb em que cada n-upla de R corresponde a uma u nica n-upla de S, e vice-versa.
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
7.4. RELAC OES N -ARIAS

ramais de telefone. R Nome Func a o Jos e Secret ario Jos e Digitac a o Maria Digitac a o Maria Secret aria Pedro Assistente Luiz Despacho Luiz Motorista Sala Ramal S.101 8233 S.102 8247 S.102 8250 S.103 8288 S.103 8289 S.104 8300 S.301 8380 S.303 8350 S.307 8380 S Setor Vigil ancia Financeiro Patrim onio Vendas Vendas Pessoal Compras Contabilidade Transporte
125
Chefe An bal An bal S onia S onia Jos e Carlos Carlos
Sala S.102 S.103 S.103 S.202 S.102 S.301 S.307
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.
Cap tulo 8 Somat orias e produt orias

o 8.1 Introduc a
Muitas quantidades importantes em matem atica s ao denidas como a soma de uma quantidade vari avel de parcelas tamb em vari aveis, por exemplo a soma 21 + 22 + + 2n , para algum inteiro n. Para estas situac o es, uma notac a o muito pr atica e a somat oria (tamb em chamada somat orio ou nota ca o sigma), introduzida por Joseph Fourier em 1820. Nesta notac a o, a soma acima e escrita
n
2k
k=1
Em geral, a notac a o sigma tem a forma

n
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
Costuma-se simplicar esta notac a o para f (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
CAPITULO 8. SOMATORIAS E PRODUTORIAS
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.
8.2 Somat orias b asicas

Algumas somat orias simples tem f ormulas expl citas. Por exemplo:
n
1 = n
k=1 n
(8.3)
k =
k=1 n
n+1 n(n + 1) = 2 2 n(n + 1)(2n + 1) 6 n(n + 1) 2

2
(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).
o de somat 8.3 Manipulac a orias

A notac a o pode ser manipulada de v arias maneiras. Em primeiro lugar, observe que a vari avel ndice k pode ser substitu da por qualquer outra letra i, j, l, . . . que n ao tenha signicado denido no contexto. Podemos tamb em trocar a vari avel indexadora k por uma vari avel relacionada a ela de maneira biun voca, com o intervalo de variac a o devidamente ajustado.
DE SOMATORIAS 8.3. MANIPULAC AO

Exemplo 8.1: Trocando a vari avel k pela vari avel i = k 1, temos
n
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.
Comutatividade: Se p e uma permutac a o qualquer de K , f (k) =

k K k K
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 ) = =
k=1 n+1 i=2 n
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
O lado esquerdo e uma soma telesc opica, portanto temos

n n n
(n + 1)3 1 = 3 ou seja 3
n 2 k=1 k
k2 + 3
k=1 k=1
k+
k=1
n = (n + 1)3 1 3 n k=1 k k=1 1 = (n + 1)3 1 3n(n + 1)/2 n = (2n3 + 3n2 + n)/2 n
Logo k2 = (n(n + 1)(2n + 1))/6

k=1
DE SOMATORIAS 8.3. MANIPULAC AO

Exemplo 8.5: Calcular a soma
n n k=1
131
k(k + 1).
n
k(k + 1) =
k=1 k=1
k2 +
k=1
(8.12) (8.13) (8.14) (8.15)
= 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)
Observe que 2k = 2k+1 2k .
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
para um n umero real b arbitr ario diferente de 1 e 0.
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
+ 1) Observe que 2k1 = 2k 2k1 . k(2k 2k1 )

n
n k1 . k=1 k2 n
k2k1 =
k=1 k=1 n
(8.16) (8.17)
=
k=1 n
k2k k2k k2k

n1 k=0 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
(8.20) (8.21) (8.22)
= n2n (2 1) = 2 (n 1) + 1
Exerc cio 8.5: Prove, por induc a o em n, que

n
sin k =
k=1
1 n sin n+ sin 2 2
sin 1 2
para todo n N, e todo a ngulo que n ao e um m ultiplo inteiro de 2.
132

Exerc cio 8.6: Sejam F0 , F1 , F2 , . . . os n umeros de Fibonacci, denidos recursivamente por F0 = 0, F1 = 1, e Fn+2 = Fn+1 + Fn para todo n umero natural n. prove pro induc a o que 1. Prove que (n N)
n i=1 n i=1
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
8.4 Somat orias multiplas

Os termos de uma somat oria podem ser especicados por dois ou mais ndices, como no exemplo abaixo: f ( j, k) = f (1, 2) + f (1, 3) + f (1, 4)+ (8.23) f (2, 2) + f (2, 3) + f (2, 4)+ j,k f (3, 2) + f (3, 3) + f (3, 4) 1 j3
2k4
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.
8.4.1 Mudanc a de ordem de somat orias

As f ormulas (8.24) e (8.25) dizem que podemos trocar a ordem de duas somat orias, quando o dom nio de cada vari avel e independente da outra vari avel: f ( j, k) =
j J k K j J k K
f ( j, k) =
k K j J
f ( j, k).
8.4. SOMATORIAS MULTIPLAS
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
Prove que, para todo inteiro n maior ou igual a 2,

n1 k=1
Hk = nHn n.
8.4.2 Distributividade generalizada

Outra regra importante para somat orias duplas e a da distributividade generalizada, que permite trocar o produto de duas somat orias por uma somat oria dupla. Para quaisquer conjuntos J, K Z,
134 e quaisquer func o es f : J R, g : K R f ( j) = g(k)

j J k K
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.
o de somat 8.5 Majorac a orias

Muitas vezes n ao precisamos saber o valor exato da somat oria, basta saber limitante superior ou inferior.
o dos termos 8.5.1 Majorac a

Algumas vezes um bom limitante para o valor de uma somat oria pode ser obtido limitando cada um de seus termos pelo termo de maior valor. Por exemplo:
n k+1 k=1 k 2 = 1 +3 ++ 2 n k=1 2 = 2n. n n1
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.
o por induc o matem 8.5.2 Majorac a a atica

No cap tulo 5 discutimos a t ecnica de prova por induc a o matem atica e vimos como us a-la para vericar uma f ormula expl cita exata para o resultado de uma somat oria. Esta t ecnica pode ser usada tamb em para provar um limitante superior ou inferior para uma somat oria.
Exemplo 8.8: Prove que existe uma constante c > 0 tal que
n i=0
3i c3n
para todo n N.
DE SOMATORIAS 8.5. MAJORAC AO
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
Usando a hip otese de induc a o, temos

k+1 i=0
3i c3k + 3k+1 +1 )c3k+1 = (1 3 c
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
o por integrais 8.5.3 Majorac a

Uma somat oria pode ser vista como uma vers ao discreta de uma integral. Algumas propriedades s ao de fato comuns aos dois conceitos: por exemplo, se f e um polin omio de grau g, tanto a n f ( x ) dx s a o polin o mios (diferentes) de grau g + 1 na somat oria n f ( k ) quanto a integral k=0 0 x vari avel n. Se f e uma func a o exponencial, f ( x) = Ar , tanto a somat oria quanto a integral n s ao func o es exponenciais ABr + C (com valores diferentes de B e C ). Muitas das regras para manipulac a o de somat orias (troca de vari avel, decomposic a o do dom nio, associatividade, etc.) correspondem a regras para manipulac a o de integrais. Entretanto, encontrar uma f ormula expl cita para uma somat oria pode ser mais dif cil do que 1 calcular a integral da mesma func a o. Um exemplo e a somat oria n k log k , que ocorre na an alise k=2 da eci encia de algoritmos importantes. A integral correspondente pode ser facilmente calculada (por integrac a o por partes):
b
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
DE SOMATORIAS 8.5. MAJORAC AO

k (inclusive) e k + 1 (exclusive). Temos portanto que
n k+1 k
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)
Como 2 log 2 1 > 0 e log n
< log n, podemos escrever tamb em que

n1 k=2
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
Figura 8.3: Limitante inferior por integral.
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
ou seja k log k 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)
Os limitante (8.27) e (8.29) permitem dizer que, por exemplo

100
20068.3
k=2
k log k 20525.5
Outra maneira de obter um limitante inferior e e observar que

n1 k=2 n
k log k =
k=2
k log k n log n
n k=2
e usar a desigualdade (8.28) para limitar a somat oria

n1 k=2 n
k log k. Tomando a = 1 e b = n, temos
k log k
u log u du n log n =
1 1 n2 (log n ) + n log n 2 2 4 (8.30)
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.
8.6. SOMAS INFINITAS

Exerc cio 8.10: Prove que, para todo n N,
n1
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
Exerc cio 8.13: Prove que a somat oria
tem um limitante superior que n ao depende de n.

n 5/2 . k=1 k
Exerc cio 8.14: Encontre e prove um limitante superior para
8.6 Somas innitas

A notac a o e tamb em usada para somas innitas, tamb em chamadas de s eries. Uma somat oria innita e o limite de uma somat oria nita, quando o valor m aximo da vari avel indexada tende para innito. Ou seja,
n
f (k) = lim
k=0
f (k)
k=0
Exemplo 8.9: Se x e um n umero real positivo, ent ao

k=0
xk = lim
1 xn+1 = n 1 x
1/(1 x), se 0 x < 1 + , se x 1
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!
Exerc cio 8.15: Prove que
k=0
(k 1) = 0. 2k
Exerc cio 8.16: Encontre um limitante superior para a somat oria:

n k=0
k . 3k kxk , supondo que a soma converge. (Dica: calcule
Exerc cio 8.17: Obtenha uma f ormula para k em relac x a o a x.) a derivada de k=0
k=1
8.7 Produt orias

Sejam m, n n umeros inteiros e f uma func a o denida sobre os inteiros. A notac a o
n
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.
nem . . . ) para o valor das produt orias abaixo:
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
nem . . . ) para o valor das produt orias abaixo:
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
k=1 n k=0 n k=2
2 4k k+1 1 k2
142
o de outras operac es 8.8 Iterac a o

Notac o es an alogas a somat orias e produt orias podem ser usada para indicar a iterac a o (repetic a o) de outras operac o es associativas. Por exemplo, se P e um predicado que depende de um inteiro i, podemos escrever n = F P(1) P(2) P(n) i=1 P(i) n P ( i ) = V P(1) P(2) P(n) (8.33) i=1 n P(i) = F P(1) P(2) P(n) i=1 De maneira an aloga, se X e uma func a o que a cada inteiro i associa um conjunto, podemos escrever
n i=1 n i=1
X (i) = X (1) X (2) X (n) X (i) = U X (1) X (2) X (n)
(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 .
Cap tulo 9 Sequ encias innitas e recorr encias

9.1 Sequ encias innitas
Uma sequ encia innita e uma func a o cujo dom nio e um conjunto de inteiros limitado inferiormente, ou seja { n Z : n r } para algum inteiro r; por exemplo, todos os naturais N, ou todos os inteiros positivos N \ {0}. Para estas sequ encias valem os mesmos conceitos de termo, ndice e valor vistos para sequ encias nitas, bem como a notac a o xn em vez de x(n). Al em disso, se n e uma vari avel arbitr aria, a f ormula xn e chamada de termo geral da sequ encia. Ocasionalmente o termo sequ encia tamb em e usado quando o dom nio e o conjunto de todos os inteiros Z; nesse caso pode-se dizer que a sequ encia e bi-innita.
Exemplo 9.1: Seja x : N R onde xn = n2 , para todo n N. Os elementos da sequ encia s ao: x0 = 0, x1 = 1, x2 = 4, x3 = 9, . . . .
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), . . .}
9.2 Especicando sequ encias innitas

Uma sequ encia innita n ao pode ser especicada listando todos seus termos. Para denir tal sequ encia, podemos fornecer uma f ormula para o termo geral xn que normalmente depende da vari avel n. 143
144
CAPITULO 9. SEQUENCIAS INFINITAS E RECORRENCIAS
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 .
9.3 Recorr encia

Muitas sequ encias importantes s ao denidas recursivamente, fornecendo-se um ou mais termos iniciais e uma f ormula que determina os demais termos a partir dos termos que os precedem. Essa f ormula e chamada de recorr encia.
Exemplo 9.4: Uma progress ao aritm etica (PA) e uma sequ encia x denida pela recorr encia x0 = a xn = xn1 + r
para todo n > 0
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
onde a e r s ao valores reais, chamados de termo inicial e raz ao da progress ao.
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.
DE RECORRENCIAS 9.4. RESOLUC AO

Exemplo 9.6: A sequ encia dos n umeros de Fibonacci e denida por f0 = 0 f1 = 1 fn = fn2 + fn1
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.
o de recorr 9.4 Resoluc a encias

Determinar uma f ormula expl cita para uma sequ encia denida recursivamente e um problema dif cil em geral, mas h a t ecnicas que resolvem certos casos especiais.
9.4.1 Recorr encia aditiva simples

Um desses casos especiais s ao as recorr encias da forma xn = xn1 + f (n) para todo n m, onde f e uma func a o qualquer. A progress ao aritm etica do exemplo 9.4 e um caso particular desta classe, cuja soluc a o, como vimos, e xn = a + rn. Uma f ormula semelhante resolve recorr encias da forma xn = xn1 + r que valem somente a partir de um ndice m diferente de zero.
Exerc cio 9.3: Determine a f ormula para o termo geral xn da recorr encia xm = a xn = xn1 + r para todo n > m onde m e uma constante inteira, e a, b s ao constantes reais que n ao dependem de 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

Exerc cio 9.5: Determine a f ormula para o termo geral xn da recorr encia x1 = 1 xn = xn1 + 2n para n > 1
9.4.2 Recorr encia multiplicativa simples

Outro caso importante s ao as recorr encias da forma xn = f (n) xn1 para todo n > m, onde f e uma func a o qualquer. No caso particular da progress ao geom etrica (exemplo 9.5), em que f (n) e uma constante r, m = 0, e x0 = a, a soluc a o, como vimos, e xn = arn para todo n 0. Recorr encias com ndice inicial m > 0 tem soluc a o semelhante.
Exerc cio 9.6: Determine a f ormula para o termo geral xn da recorr encia xm = a xn = rxn1 para todo n > m onde m e uma constante inteira, e a, b s ao constantes reais que n ao dependem de n.
Quando f e uma func a o que depende de n, o resultado e uma produt oria

m
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.
9.4.3 Recorr encias lineares homog eneas

Dizemos que uma relac a o de recorr encia e linear e homog enea de ordem k se ela tem a forma xn = c1 xn1 c2 xn2 + + ck xnk (9.1)
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)
DE RECORRENCIAS 9.4. RESOLUC AO
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

Exemplo 9.7: Suponha que um casal de tatus matem aticos comec a a dar crias com dois anos de idade, e produz 8 crias (quatro 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. Determine uma f ormula expl cita para o n umero xn de tatus que existem no ano n.
9.5 Recorr encias lineares n ao homog eneas

Uma recorr encia linear n ao homog enea e uma f ormula que dene o termo geral xn como uma combinac a o linear de termos anteriores, com coecientes constantes, mais uma func a o arbitr aria do ndice n. Por exemplo, x0 = 0 n x para todo n > 0 xn = xn1 + 2 n 1 n1 Pode-se vericar, por induc a o, que xn = n2n e a soluc a o desta recorr encia. No caso geral, uma recorr encia linear n ao homog enea de ordem k tem a forma x0 = a0 x1 = a1 . . . xk1 = ak1 xn = c1 xn1 + c2 xn2 + ck xnk + fn para todo n k (9.9)
(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)
E MINORAC DE RECORRENCIAS 9.6. MAJORAC AO AO
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).
o e minorac o de recorr 9.6 Majorac a a encias

Muitas vezes e dif cil ou imposs vel obter uma f ormula expl cita exata para uma sequ encia y denida resursivamente sobre um conjunto de ndices D. Por em, nesses casos pode ser poss vel obter um limitante inferior para y: uma sequ encia x, com mesmo dom nio D, tal que xn yn para todo n em D. Analogamente, pode ser poss vel obter um limitante superior, uma sequ encia z tal que yn zn para todo n em D. Tais limitantes podem ser sucientes para muitos ns como, por exemplo, reserva de espac o de mem oria para certa tarefa, ou estimativa do tempo de execuc a o de um programa. Por exemplo, considere a sequ encia y tal que y0 = 3 yn = yn1 + yn1 /3 para todo n > 0 Os primeiros termos desta sequ encia s ao n 0 1 2 3 4 5 6 7 8 9 10 11 12 13 yn 3 4 5 6 8 10 13 17 22 29 38 50 66 88 Podemos obter um limitante superior para y trocando o lado direito da recorr encia por uma f ormula mais simples que seja maior igual a esse termo. Por exemplo, z0 = 3 zn = zn1 + zn1 /3 para todo n > 0 (9.20) (9.19)
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)
Cap tulo 10 Contagem

Um problema comum em matem atica, e especialmente em computac a o, e contar objetos matem aticos (conjuntos, func o es, sequ encias, etc.) com determinadas propriedades. Por exemplo, quantas maneiras diferentes h a de escolher 5 cartas de um baralho com 52 cartas? Quantas palavras (com ou sem signicado) podem ser formadas com 5 letras distintas? Quantas maneiras h a de ordenar um arquivo de n nomes? J a encontramos alguns problemas desse tipo nos cap tulos anteriores. Na sec a o 2.8, por exemplo, vimos que o n umero de subconjuntos de um conjunto com n elementos e 2n . Neste cap tulo vamos examinar alguns dos problemas mais comuns deste tipo.
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
CAPITULO 10. CONTAGEM
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 ?
10.1.1 F ormula de Stirling

A f ormula (10.1) n ao e adequada para calcular n! quando n e muito grande. Por exemplo, para calcular 1000000! temos que multiplicar 1000000 de n umeros, e o produto vai crescendo a cada passo; o resultado tem mais de 5 milh oes de algarismos. Uma f ormula que permite estimar o valor aproximado do fatorial com menos trabalho foi encontrada por Abraham de Moivre (16671754) e James Stirling (16921770): ln n! n ln n n + 1 ln(2n) 2
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
10.3. COMBINAC OES

onde aie signica a sequ encia (a, i, e), ou seja a func a o 0 1 2 a i e e assim por diante. Pelo mesmo racioc nio usado na sec a o 10.1, conclu mos que o n umero de tais arranjos e n (n 1) (n 2) (n r + 1)
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?
10.3.1 Casos especiais

Alguns casos especiais s ao dignos de nota. Para todo n N, n n =1 = n 0 Para todo inteiro n positivo, n n =n = n1 1 n(n 1) n n = = n2 2 2 Al em disso, e o bvio que
n r
e, para todo inteiro n maior que 1,
e zero se r e maior que n.
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
tem v arias propriedades interessantes. Por exemplo, para todo n, r N, temos n n = nr 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
10.3. COMBINAC OES
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
10.3.3 F ormula do Bin omio de Newton

Uma das propriedades mais famosas das combinac o es e a f ormula de Newton para as pot encias de um bin omio (soma de dois termos):
n
(a + b) =
r =0
n nr r a b r
Por exemplo, temos (a + b)4 =

4 0
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

= 3n . = 0.
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?
10.3.4 F ormula recursiva

A f ormula (10.5) n ao e muito eciente quando n e r s ao n umeros grandes, pois o numerador n! e denominador (n r)!r! podem ser muito maiores que o resultado nal n . Isto tamb em pode r n acontecer com a f ormula Ar /r!, no lado esquerdo da equac a o (10.4). Uma maneira mais eciente e utilizar a recorr encia n n1 se n r > 0, r 1 r n = 1 se n r = 0, r 0 se n < r ou r < 0. n n1n2 n nr+1 = r r r1 r2 1
1 e que a parte entre par enteses e n . Podemos portanto calcular r 1 1. Se n < r ou r < 0, devolva 0. Sen ao n r
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
3. Para k variando de 1 a r, fac a 4. C (C (n k + 1))/(r k)
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.
10.4 Cardinalidade da uni ao de conjuntos

Para quaiquer conjuntos nitos A e B, vale a identidade | A B| = | A| + | B| | A B| (10.6)
10.5. COMBINAC OES MULTIPLAS
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)
As f ormulas (10.6) e (10.7) podem ser generalizadas para n conjuntos nitos A1 , A2 , . . . , An : | A1 A2 An | =

i 1leqin
| 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.
es multiplas 10.5 Combinac o

O n umero n pode ser denido tamb em como o n umero de maneiras de colocar n objetos distintos r em duas caixas distintas, com r elementos na primeira caixa, e nr na segunda caixa. (Comparando com a denic a o usada na sec a o 10.3, pode-se ver que o conte udo da primeira caixa corresponde ao
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
Exerc cio 10.15: Quanto vale
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
10.5. COMBINAC OES MULTIPLAS

Esta igualdade e conhecida como f ormula de Leibniz. Por exemplo, (a + b + c)4 =
4 4,0,0 4 3,0,1 4 2,0,2 4 1,0,3 4 0,0,4
159
a4 b0 c0 + a3 b0 c1 + a2 b0 c2 + a1 b0 c3 + a0 b0 c4
4 3,1,0 4 2,1,1 4 1,1,2 4 0,1,3
a3 b1 c0 + a2 b1 c1 + a1 b1 c2 + a0 b1 c3 +
4 2,2,0 4 1,2,1 4 0,2,2
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
Cap tulo 11 Cardinalidade de conjuntos

No cap tulo 2 denimos informalmente a cardinalidade de conjuntos nitos, mas s o agora temos condic o es de dar uma denic a o mais precisa de cardinalidade, inclusive para conjuntos innitos. o 11.1: Sejam A e B dois conjuntos. Se existir uma func Denic a a o bijetora f : A B, ent ao dizemos que A e B tem a mesma cardinalidade. Denotaremos este fato por A B. Pode-se provar que e uma relac a o de equival encia. As classes de equival encia da relac a o s ao chamadas de cardinalidades ou n umeros cardinais. A cardinalidade de um conjunto A e geralmente denotada por |A| ou #A. Portanto temos que A B se e somente se |A| = | B|.
11.1 Conjuntos nitos

Para cada n umero natural n denimos In = {i N : i < n}. Por exemplo, I5 = {0, 1, 2, 3, 4}. Um conjunto A e dito nito se existe um n umero natural n tal que A In . Neste caso, dizemos que n e o n umero de elementos de A. f E acil ver que dois conjuntos nitos tem a mesma cardinalidade se e somente se eles tem o mesmo n umero de elementos. Portanto a cardinalidade de um conjunto nito pode ser identicada com seu n umero de elementos. Observe que, de acordo com a denic a o, o conjunto vazio e nito e || = 0.
11.2 Conjuntos innitos

Para certos conjuntos A, n ao existe uma bijec a o de A para In , para nenhum n N. Exemplos incluem o pr oprio conjunto N, bem como Z, Q e R. Dizemos que estes conjuntos s ao innitos. Poder amos supor que, como no caso dos conjuntos nitos, os subconjuntos pr oprios de um conjunto innito A tem cardinalidades estritamente menores que |A|. Por em, os exemplos abaixo mostram que isso n ao e verdade:
Exemplo 11.1: Seja E N o conjunto dos n umeros naturais pares, { 2k : k N }. Considere a func ao f : N E denida por f (n) = 2n. A func a o f e uma bijec a o do conjunto dos naturais no conjunto dos n umeros pares. Portanto N E e portanto a cardinalidade de N e a mesma que E.
161
162
CAPITULO 11. CARDINALIDADE DE CONJUNTOS
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.
11.3. CONJUNTOS ENUMERAVEIS E CONTAVEIS
163
11.3 Conjuntos enumer aveis e cont aveis

Um conjunto e dito enumer avel se ele tem a mesma cardinalidade dos n umeros naturais. Dizemos que um conjunto e cont avel se ele e nito ou enumer avel. Observe que um conjunto A e enumer avel se, e somente se e poss vel listar os elementos do conjunto como uma sequ encia {a0 , a1 , a2, }, isto e , podemos index a-los pelos n umeros naturais. O teorema 11.1 mostra que o intervalo aberto (0, 1) n ao tem a mesma cardinalidade que os n umeros naturais. Teorema 11.1: O intervalo aberto (0, 1) = { x : R, 0 < x < 1 } n ao e cont avel. Prova: O conjunto (0, 1) n ao e nito, portanto precisamos demonstrar apenas que ele n ao e enumer avel. Seja f uma func a o qualquer de N para (0, 1) Para cada n umero real f (i), considere uma representac a o decimal innita seja ai = 0, ai0 ai1 ai2 . . . do mesmo. Temos ent ao uma lista innita de segu encias innitas de algarismos a0 = 0, a00a01 a02 . . . a1 = 0, a10a11 a12 . . . a2 = 0, a20a21 a22 . . . . . . Observe que alguns n umeros reais tem duas representac o es distintas deste tipo, uma delas terminando com uma sequencia innita de zeros, e a outra com uma sequencia innita de noves. Por exemplo, o n umero 1/4 pode ser escrito como 0, 250000 . . . ou 0, 249999 . . . . Isto ocorre se, e somente se, o n umero e um racional da forma m/10n , com m e n inteiros, m 0 e n 0. Se f (i) e um destes n umeros, escolhemos para ai qualquer das duas representac o es, arbitrariamente. Todos os outros n umeros reais tem uma, e apenas uma, representac a o decimal. Observe tamb em que as sequ encias 0, 000000 . . . e 0, 999999 . . . representam os n umeros 0 e 1, respectivamente, e portanto n ao est ao no intervalo aberto (0, 1). Por em, exceto por esses dois casos, toda frac a o decimal innita que comec a com 0, . . . representa algum n umero real no intervalo (0, 1). Considere agora a representac a o decimal innita b = 0, b1b2 b3 . . . onde bi = 4 se aii 4 5 se aii = 4
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.
o de cardinalidades 11.4 Comparac a

Sejam A e C conjuntos. Denimos a relac a o A C se existe um conjunto B tal que A B e B C . Em outras palavras, A C se e somente se existe uma func a o injetora de A para C .
Exemplo 11.5: Seja C o conjunto dos n umeros primos, e M o conjunto dos quadrados perfeitos, n2 : n N . Observe que a func a o f de C para M denida por f ( p) = p2 e uma func a o injetora. Portanto, conclu mos que C M.
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|.
11.4.1 Teorema de Cantor

Cantor mostrou tamb em o seguinte resultado importante: Teorema 11.2: Para todo conjunto A, |A| < |P(A)|. Dito de outra forma, todo conjunto nito ou innito tem mais subconjuntos do que elementos. Este resultado e o bvio para conjuntos nitos, pois se |A| = n ent ao |P(A)| = 2n (vide sec a o 2.8), e 2n > n para todo natural n. A contribuic a o de Cantor foi mostrar que vale tamb em para conjuntos innitos.
DE CARDINALIDADES 11.4. COMPARAC AO

Prova: Seja A um conjunto e f uma func a o qualquer de A para P(A), ou seja, uma func a o f que a cada elemento a A associa um subconjunto f (a) A. Vamos mostrar que f n ao pode ser uma bijec a o de A para P(A). Observe que o elemento a pode pertencer ou n ao ao subconjunto f (a). Considere agora o seguinte conjunto: X = { a A : a f (a) } Observe que X e um subconjunto de A, logo X P(A). Por em, para todo a A, temos f (a) X : pois se a f (a) ent ao a X , e se a f (a) ent ao a X . Portanto f n ao e sobrejetora em P(A). Conclu mos que, para qualquer conjunto A, n ao existe nenhuma bijec a o de A para P(A); ou seja, estes dois conjuntos n ao tem a mesma cardinalidade. Por outro lado, observe que existe uma bijec a o de qualquer conjunto A para o conjunto A = { {a} : a A }, que e um subconjunto de P(A). Isto mostra que |A| |P(A)|. Juntando estes dois resultados, conclu mos que |A| < |P(A)|. Fim.
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.
11.4.2 Cardinalidades de Cantor

Tradicionalmente denota-se por 0 a cardinalidade |N| do conjunto N. Usando o teorema de Cantor, podemos denir uma sequ encia de cardinalidades innitas, cada vez maiores: 1 = |P(N)| < 2 = |P(P(N))| < 3 = |P(P(P(N)))| (11.3)
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

se A e nito, ent ao existe exatamente um n umero natural tal que In A. Exerc cio 11.3: Mostre que o conjunto Q e enumer avel. Exerc cio 11.4: Prove que (0, 1) R. Exerc cio 11.5: Prove todo conjunto innito tem um subconjunto enumer avel. Exerc cio 11.6: Prove que, se A BeB C , ent ao A C. B .
Exerc cio 11.7: Prove que se A A , B B e A
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.
Cap tulo 12 o a ` Teoria de Grafos Introduc a

o 12.1 Introduc a
Informalmente, um grafo e um modelo matem atico para representar uma colec a o de objetos (chamados v ertices) que s ao ligados aos pares por outra colec a o de objetos (chamados arcos ou arestas). Em ilustrac o es de grafos, os v ertices s ao geralmente representados por pontos, c rculos ou caixas, e as arestas por linhas ligando os v ertices. veja a gura 12.1. Em tais diagramas entende-se que as posic o es dos v ertices e a forma das linhas s ao irrelevantes; o grafo representa apenas a topologia dos v ertices e arestas, isto e , quem est a ligado a quem. A D C E E D
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
A ` TEORIA DE GRAFOS CAPITULO 12. INTRODUC AO
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.
12.2 Variedades de grafos

H a v arias maneiras diferentes de formalizar o conceito de grafo em matem atica. Cada autor pode adotar uma denic a o diferente, e qual delas e melhor depende da aplicac a o. Nesta sec a o vamos apresentar as denic o es mais comuns. Em todas as denic o es, um grafo G consiste de um conjunto de v ertices e um conjunto de arestas, que denotaremos por V G e E G, respectivamente. O conjunto de v ertices e arbitr ario; a
12.2. VARIEDADES DE GRAFOS
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.
12.2.1 Grafos orientados e n ao orientados

Um detalhe que varia entre as diferentes denic o es e a exist encia de uma orienta ca o ou dire ca o espec ca em cada aresta, como a m ao u nica de certas vias urbanas. Grafos que incluem essa informac a o s ao ditos grafos orientados (ou dirigidos), e os que n ao a registram s ao n ao orientados (ou n ao dirigidos). Em um grafo orientado, os extremos de cada aresta s ao distintos: um v ertice e considerado a origem da aresta, e o outro seu destino. Nas ilustrac o es de grafos dirigidos, o sentido de cada aresta e geralmente indicado por uma seta da origem para o destino.
12.2.2 Arestas paralelas

Em algumas aplicac o es, tudo o que precisamos saber sobre as arestas e se dois v ertices u e v est ao ligados entre si ou n ao. Nesse caso, o conjunto E G pode ser denido como um conjunto de pares de v ertices: u e v est ao ligados se e somente se o par (u, v) est a em E G. Em outras aplicac o es, pode haver mais de uma ligac a o entre dois v ertices, e esse fato precisa ser levado em conta pelo modelo. Nesses casos, costuma-se denir E G como outro conjunto arbitr ario, independente de V G, e acrescentar ao grafo uma fun ca o de incid encia F G que, para cada aresta, diz quem s ao seus dois extremos. Neste modelo, portanto, pode haver um n umero arbitr ario de arestas com os mesmos extremos. Em um grafo n ao orientado, duas arestas com os mesmos extremos s ao ditas paralelas (ou m ultiplas). Em um grafo orientado, duas arestas s ao paralelas se elas tem os mesmos extremos e a mesma orientac a o (ou seja, a mesma a origem e mesmo destino). Se elas tem os mesmos extremos mas orientac o es opostas, elas s ao ditas antiparalelas.
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.
12.2.4 Grafos simples e multigrafos

Alguns autores denem grafos simples como sendo grafos (orientados ou n ao) sem lac os e sem arestas paralelas. Outros denem grafo excluindo arestas paralelas, e usam o termo multigrafo quando h a tais arestas.
12.2.5 Grafos nitos e innitos

Um grafo pode ter innitos v ertices e/ou innitas arestas. Tais grafos innitos tem aplicac o es na matem atica, mas os que ocorrem em computac a o geralmente s ao nitos em ambos os aspectos.
170
No restante deste cap tulo vamos considerar apenas grafos nitos.
es formais 12.3 Denic o

Nesta sec a o veremos como denir formalmente os v arios tipos de grafos descritos na sec a o 12.2.
12.3.1 Arestas como pares ordenados

Alguns autores denem um grafo G como um par (V G, E G), onde V G e um conjunto qualquer, e EG e uma relac a o sobre V G, isto e , um subconjunto de V G V G. Nesse caso, cada aresta e um par ordenado de v ertices (u, v). A func a o de incid encia F G e portanto a func a o identidade. De acordo com esta denic a o, se u e v s ao v ertices distintos de G, os pares (u, v) e (v, u) s ao arestas distintas. Considera-se portanto que a aresta (u, v) tem uma orientac a o denida, sendo u a origem e v o destino. O conjunto E G pode conter apenas a primeira, apenas a segunda, ambas, ou nenhuma. Veja a gura 12.3. A D
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.
12.3.2 Arestas como pares n ao ordenados

Outros autores denem uma aresta como sendo um par n ao ordenado de v ertices. Segundo estes autores, um grafo G e simplesmente um par de conjuntos (V G, E G), onde V G e arbitr ario, e cada elemento de E G e um conjunto da forma {u, v} onde u e v s ao elementos de V G. Como {u, v} e {v, u} s ao o mesmo par n ao ordenado, neste modelo as arestas n ao tem direc a o denida, e n ao e poss vel dizer qual dos extremos de uma aresta e a origem e qual e o destino. Veja a gura 12.4.
12.3. DEFINIC OES FORMAIS

A D
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.
12.3.3 Arestas como objetos com origem e destino

Um grafo G tamb em pode ser denido como uma tripla da forma (V G, E G, F G) onde V G e ao conjuntos quaisquer, e F G e uma func a o de E G para V G V G. Ou seja, para cada E G s aresta e existe um u nico par ordenado de v ertices (u, v) = F G(e) que s ao os extremos de e; especicamente, u e a origem de e, e v e o destino. Observe que este modelo dene um grafo orientado e permite arestas paralelas, ou seja podemos ter e , e E G com e e mas F G(e ) = F G(e ). Veja a gura 12.5. v1 a e b c v5 d v2 i Figura 12.5: Um grafo orientado com arestas paralelas e lac os. Outra maneira equivalente de denir este conceito e dizer que um grafo G e uma qu adrupla (V G, E G, F G, F + G) onde V G e E G s ao conjuntos quaiquer, e tanto F G quanto F + G s ao v3 f h v4 g
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.
12.3.4 Arestas como objetos com dois extremos

Outra opc a o comum e dizer que um grafo G e uma tripla (V G, E G, F G), como na denic a o anterior, exceto que a func a o F G leva cada aresta a um par n ao ordenado de v ertices. Isto e , para todo e E G, F G(e) e um conjunto da forma {u, v} onde u, v s ao v ertices de G. Esta denic a o fornece grafos n ao orientados com arestas paralelas. Veja a gura 12.6. Assim como a anterior, esta denic a o tamb em permite lac os, que alguns autores excluem explicitamente. v1 a e b c v5 d v2 v3 Figura 12.6: Um grafo n ao orientado com arestas paralelas e lac os.
Exerc cio 12.3: Qual denic a o de grafo e mais apropriada para o problema das pontes de K onigsberg? Exerc cio 12.4: Seja V o conjunto dos inteiros entre 2 e 30, inclusive. Qual denic a o de grafo (orientado ou n ao, simples ou n ao, com ou sem lac os, etc.) melhor captura cada uma das seguintes informac o es entre cada par de n umeros de V : 1. Um dos n umeros e maior que o outro. 2. Um dos n umeros e o dobro do outro, menos 2. 3. Um dos n umeros e divisor do outro. 4. Um dos n umeros e divisor pr oprio do outro. 5. Os dois n umeros possuem um fator primo comum p. 6. Os dois n umeros s ao relativamente primos entre si.
v4
es para este livro 12.3.5 Convenc o

No restante deste livro adotaremos as denic o es de grafo que permitem arestas paralelas e lac os, ou seja as fornecidas nas sec o es 12.3.3 (para grafos orientados) e 12.3.4 (para grafos n ao orientados). Quando for conveniente, usaremos o termo grafo simples para excluir lac os e arestas m ultiplas. Nesses casos o conjunto de arestas pode ser modelado por um conjunto de pares, e portanto usaremos as denic o es das sec o es 12.3.1 e 12.3.2. Al em disso, quando n ao for especicado o contr ario, deve-se entender que os grafos n ao s ao orientados.
12.4. CONCEITOS FUNDAMENTAIS
173
12.4 Conceitos fundamentais

H a v arios conceitos fundamentais que s ao v alidos e importantes para toda a teoria de grafos, qualquer que seja a denic a o adotada.
12.4.1 Grafo vazio e sem arestas

O conjunto de v ertices V G de um grafo G pode ser vazio. Nesse caso o conjunto de arestas E G e obrigatoriamente vazio, e a func a o de incid encia tamb em. Portanto existe um u nico grafo sem v ertices, que chamamos de grafo vazio. Por outro lado, se o conjunto de v ertices V G n ao e vazio, o conjunto de arestas E G pode ser vazio ou n ao.
12.4.2 Incid encia

Se um v ertice v de um grafo G e um dos extremos de alguma aresta e de G, dizemos que e incide em v, e vice-versa. Esta propriedade pode ser vista como uma relac a o entre o conjunto de arestas e o conjunto de v ertices, a rela ca o de incid encia do grafo. (N ao confundir com a fun ca o de incid encia, denida na sec a o 12.2.2, que leva cada aresta ao par dos seus extremos.) Se o grafo e orientado, podemos dizer, mais especicamente, que uma aresta e com extremos (u, v) sai (ou parte) do v ertice u e entra (ou chega) no v ertice v. Isto dene duas relac o es de E G para V G, a rela ca o de sa da e a rela ca o de chegada.
12.4.3 Adjac encia

Dois v ertices u, v s ao ditos adjacentes ou vizinhos em um grafo G se e somente se existe uma aresta de G cujos extremos s ao u e v. Esta relac a o (sim etrica) entre v ertices e a rela ca o de adjac encia (n ao orientada) do grafo. Se G e um grafo orientado, pode-se dizer que um v ertice u domina ou atinge outro v ertice v se e somente se existe uma aresta de G com origem u e destino v. Esta relac a o e a rela ca o de adjac encia orientada ou de domin ancia do grafo G. Observe que, se as arestas s ao denidas como pares ordenados de v ertices, a relac a o de adjac encia orientada e simplesmente o conjunto E G; e a relac a o de adjac encia n ao orientada e o fecho sim etrico da mesma.
12.4.4 Grau do v ertice

Em um grafo G, denimos o grau de um v ertice v como o n umero de arestas de G incidentes a v. Nesta denic a o, cada lac o deve ser contado duas vezes. Denotaremos o grau por dG (v). (Nesta e em outras notac o es, vamos omitir o subscrito G quando o grafo estiver determinado no contexto.) Se o grafo G e orientado, podemos tamb em denir o grau de entrada e o grau de sa da de um v ertice v como o n umero de arestas que entram em v ou saem de v, respectivamente. Denotaremos + esses n umeros por dG (v) e dG (v), respectivamente. Note que cada lac o e contado uma vez em + ambos os graus. Nesse caso, temos que dG (v) = dG (v) + dG (v).
174

Teorema 12.1: Em qualquer grafo G = (V G, E G, F G), a soma dos graus de todos os v ertices e igual ao dobro do n umero de arestas. Isto e dG (v) = 2 |E G|
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.
12.4.5 Grafos regulares

Um grafo G e regular se todos os seus v ertices tem o mesmo grau. Em particular se o grau dos v ertices e r ent ao G e chamado r-regular regular de grau r. Veja a gura 12.7. Note que um grafo G e r-regular se e somente se G = G = r. Se o grafo G e orientado os graus de entrada e sa da devem ser iguais.
12.5. PERCURSOS EM GRAFOS
175
c g h
e a
f b
Figura 12.7: O grafo do cubo, um grafo simples 3-regular.
12.4.6 Grafos completos

Um grafo G e chamado completo se n ao tem lac os e existe exatamente uma aresta entre cada par de v ertices. Note que um grafo completo e sempre um grafo simples e (n 1) -regular.
Exerc cio 12.5: Quantas arestas tem um grafo completo com n v ertices? Exerc cio 12.6: Encontre um limite superior para o n umero de arestas de um grafo simples. Exerc cio 12.7: Quantas arestas possui um grafo k-regular com n v ertices? Exerc cio 12.8: Desenhe todos os grafos n ao orientados sem arestas paralelas com v ertices {1, 2, 3, 4, 5} que s ao regulares de grau 2. Exerc cio 12.9: Desenhe todos os grafos orientados sem arestas paralelas com v ertices {1, 2, 3, 4} que s ao regulares de grau 2. denominada Exerc cio 12.10: Se G possui v ertices v1 , v2 , . . . , vn , a sequ encia (dv1 , dv2 , . . . , dvn ) e sequ encia de graus de G. 1. Existe um grafo com a seguinte sequ encia de graus: 3,3,3,3,5,6,6,6,6? 2. Existe um grafo com a seguinte sequ encia de graus: 1,1,3,3,3,3,5,6,8,9? 3. Existe um grafo simples com a sequ encia de graus do item 2?
12.5 Percursos em grafos

12.5.1 Passeios, trilhas e caminhos
Um passeio em um grafo G e uma sequ encia P = (v0 , e1 , v1 , . . . , ek , vk ), onde cada vi e um v ertice de G, cada ei e uma aresta de G, e os extremos de ei s ao vi1 e vi . O inteiro k e o comprimento
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
o e de passeios 12.5.2 Invers ao e concatenac a

Seja P = (v0 , e1 , v1 , . . . , ek , vk ) um passeio qualquer em um grafo G. O passeio inverso, que denotaremos por P1 , e a sequ encia dos mesmos v ertices e arestas na ordem contr aria, isto e (vk , ek , vk1 , ek1 , . . . , v1 , e1 , v0 ). Sejam P = (v0 , e1 , v1 , . . . , ek , vk ) e Q = (w0 , f1, w1 , . . . , fk , wk ) dois passeios em um grafo G, tais que o t ermino vk de P coincide com o in cio w0 de Q. Nesse caso denimos a concatena ca o de P com Q como sendo a sequ encia (v0 , e1 , v1 , . . . , ek , vk , f1, w1 , . . . , fk , wk ), que denotaremos por P Q. E facil ver que P Q tamb em e um passeio em G. Se o t ermino de P n ao coincide com o in cio de Q, a concatenac a o P Q n ao e denida.
Exerc cio 12.12: Qual e a relac ao entre |P|, |Q|, e | P Q|? Exerc cio 12.13: Se P Q est a denido e e igual a P, o que podemos dizer sobre P e Q? Exerc cio 12.14: Se P Q1 est a denido, o que podemos dizer sobre P e Q? Exerc cio 12.15: Seja G um grafo, e sejam u, v dois v ertices quaisquer de G. Prove que existe um passeio de u para v em G se e somente se existe um caminho de u para v em G. Exerc cio 12.16: Prove a seguinte armac a o, ou mostre um contra exemplo: Se P e Q s ao caminhos em um grafo G, e o t ermino de P e igual ao in cio de Q, ent ao a concatenac a o P Q e um caminho em G.
12.5. PERCURSOS EM GRAFOS
177
12.5.3 Circuitos e ciclos

Dizemos que um passeio P = (v0 , e1 , v1 , . . . , ek , vk ) e fechado se v0 = vk , isto e , se ele comec a e termina no mesmo v ertice. Um circuito ou ciclo em um grafo G e um passeio fechado (v0 , e1 , v1 , . . . , ek1 , vk1 , ek , vk ) com k 1 que n ao repete v ertices nem arestas exceto v0 = vk . Um circuito ou ciclo de comprimento k e chamado um k-ciclo ou k-circuito. Um grafo ciclo ou grafo circuito e um grafo onde existe um circuito que passa por todos os v ertices e todas as arestas. Um grafo sem circuitos e chamado grafo ac clico.
um circuito? Exerc cio 12.17: Um passeio trivial e um passeio fechado? E
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 12.20: Um grafo ciclo e regular?
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.
12.5.4 Passeios orientados

A denic a o de passeio da sec a o 12.5.1 n ao leva em conta a orientac a o das arestas, e portanto e geralmente usada em grafos n ao orientados. Se o grafo G e orientado, podemos denir passeio orientado como sendo um passeio (v0 , e1 , v1 , . . . , ek , vk ) que respeita a orientac a o de cada aresta; isto e , onde cada aresta ei tem origem vi1 e t ermino vi . Os conceitos de trilha, caminho, e circuito orientado s ao denidos da mesma forma.
Exerc cio 12.23: Se P e um passeio orientado, o passeio inverso P1 pode ser orientado? E se P for 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 ).
o de subgrafos 12.6.1 Uni ao e intersecc a

As operac o es booleanas de conjuntos de uni ao e intersecc a o podem ser estendidas para os subgrafos de um grafo. Por exemplo, se H e K s ao subgrafos de um mesmo grafo G, o grafo uni ao H K tem v ertices V (H K ) = V H V K e arestas E (H K ) = E H E K ; sendo que toda aresta deste grafo tem os mesmos extremos no grafo H K e no grafo G. A intersecc a o H K de dois subgrafos H e K e denida de maneira an aloga. Veja a gura 12.11. Estas denic oes valem para todos os tipos de grafos denidos na sec a o 12.3. A (a) D A (b) D (c) D
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

Exerc cio 12.25: Sejam H e K subgrafos de um grafo G. Prove que H K e H K , como denidos acima, s ao subgrafos de G. Em particular, mostre que, no grafo resultante, os extremos de toda aresta pertencem ao conjunto dos v ertices.
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 ].
12.6.2 Grafos complementares

Dois grafos simples n ao orientados G e H s ao ditos complementares se eles tem o mesmo conjunto de v ertices V , e para qualquer par de v ertices distintos u, v V , a aresta {u, v} est a em G se e somente se ela n ao est a em H . No caso de grafos simples orientados, vale a mesma denic a o, com o par ordenado (u, v) em vez de {u, v}. Veja a gura 12.12. Dito de outra forma, dois grafos simples G e H s ao complementares se e somente se V G = V H , E H E G = , e E H E G s ao todos os pares de v ertices distintos. O grafo complementar de um grafo simples G e chamado de complemento de G e denotado por G. Observe que G G e o grafo simples completo com v ertices G . V (b) (a) v1 v4 v1 v4
v5
v6
v5
v6
v2
v3
v2
v3
Figura 12.12: (a) Um grafo G. (b) O seu complemento G

Exerc cio 12.27: Formule a seguinte armac a o em termos de grafos, e prove sua validade: Em qualquer grupo de 6 pessoas, existem tr es que se conhecem mutuamente, ou tr es que se desconhecem mutuamente.
o matricial de grafos 12.7 Representac a

12.7.1 Matriz de adjac encia
A matriz de adjac encia de um grafo nito G e simplesmente a representac a o matricial da sua relac a o de adjac encia. Ou seja, escolhida uma ordenac a o total v0 , v1 , . . . , vn1 dos v ertices de G, constru mos a matriz booleana M de n linhas e n colunas onde Mi j e V se e somente se E G inclui
12.8. ISOMORFISMOS DE GRAFOS
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.
12.7.2 Matriz de incid encia

A matriz de incid encia de um grafo nito n ao orientado G e simplesmente a representac a o matricial da sua relac a o de incid encia. Ou seja, escolhida uma ordenac a o total v0 , v1 , . . . , vn1 dos v ertices de G e uma ordenac a o total e0 , e1 , . . . , em1 das arestas, constru mos a matriz booleana M de n linhas e m colunas onde Mik e V se, e somente se o v ertice vi e um extremo da aresta ek . Dadas as listas de v ertices e arestas, a matriz de incid encia determina completamente o grafo, mesmo quando este possui lac os ou arestas paralelas.
Exerc cio 12.28: Seja G um grafo n ao orientado sem lac os, e M sua matriz de incid encia, constru da a partir de enumerac o es dadas de seus v ertices e arestas. Se considerarmos V = 1 e F = 0, quanto vale a soma dos elementos da linha i de M ? E a soma dos elementos da coluna k? E a soma de todos os elementos? O que acontece se o grafo tiver lac os?
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.
12.8 Isomorsmos de grafos

Observe na gura 12.13 os grafos G1 , G2 e G3 tem a mesma estrutura, diferindo apenas nos nomes dos v ertices e das arestas, e na maneira como est ao desenhados; enquanto que o grafo G4 tem uma estrutura diferente. (Por exemplo, G4 e ou nico que tem um circuito de comprimento 4.)
182 (G1 ) v5

(G2 ) v4 u v w
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
12.8. ISOMORFISMOS DE GRAFOS
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
Figura 12.14: Grafos rotulados com tr es v ertices.
Figura 12.15: Grafos n ao rotulados com tr es v ertices.

Exerc cio 12.30: Prove que isomorsmo e uma relac a o de equival encia entre grafos. Exerc cio 12.31: Prove que se G e H n ao s ao orientados e tem arestas paralelas, ent ao G H se e somente se existe uma bijec a o entre V G e V H que preserva adjac encias: isto e , dois v ertices u, v s ao adjacentes em G se e somente f (u) e f (v) s ao adjacentes em H . Exerc cio 12.32: Prove que a armac a o do exerc cio 12.31 n ao e verdade se G e G possuem arestas paralelas.
184
12.8.1 Contagem de grafos

Existem 2n(n1)/2 grafos (orientados) simples com n v ertices dados. Para justicar esta f ormula, n basta observar que cada um dos 2 = n(n 1)/2 pares (ordenados) de v ertices pode ser ou n ao aresta do grafo. Se levarmos em conta isomorsmos isto e , se contarmos grafos simples n ao rotulados com n v ertices o n umero e bem menor. Veja a tabela 12.1.
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.
12.9.2 Conexidade em grafos orientados

Um grafo orientado G e fortemento conexo se, para quaisquer dois v ertices u, v V , existe um passeio orientado de u para v e de v para u. Isto equivale a dizer que existe um caminho orientado de u para v (veja o exerc cio 12.24.) Um subgrafo fortemente conexos de um grafo orientado G que n ao est a contido em nenhum outro subgrafo fortemente conexo de G e , por denic a o, uma componente fortemente conexa de
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
12.11. GRAFOS BIPARTIDOS

P( x) = P ( x) (v, e, u), e portanto P ( x) e um caminho de x para v em H . Conclu mos que todo v ertice de H est a ligado em H ao v ertice u ou ao v ertice v. Portanto H tem exatamente duas componentes conexas: a que cont em u, e a que cont em v. Fim. Este corol ario implica que toda aresta de uma a rvore e uma aresta de corte. Prova: Teorema 12.7: Seja G uma a rvore com |V G| = n e |E G| = m ent ao m = n 1.
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.
12.11 Grafos bipartidos

Seja G = (V G, E G, F G) um grafo. Uma biparti ca o de V G e um par n ao ordenado de subcon + + juntos V GG e V GG de V G, tais que V GG V GG = V G e V GG V+ GG = e toda aresta do grafo tem um extremo em V GG e o outro em V+ GG. Um grafo G com uma bipartic a o + V GG, V GG e chamado um grafo bipartido. Um grafo bipartido completo e um grafo bipartido no qual todo v ertice de V GG e adjacente + a todo v ertice de V GG. Verica-se que uma condic a o necess aria e suciente para que um grafo G = (V G, E G, F G) tenha uma bipartic a o e que ele n ao possua ciclos de comprimento mpar. Pode-se vericar (veja o exerc cio 12.38) que, para cada par de n umeros naturais m e n, existe apenas um grafo n ao rotulado bipartido completo cuja bipartic a o tem m v ertices em um conjunto e n v ertices no outro. Esse grafo n ao rotulado e geralmente denotado por Km,n .
Exerc cio 12.38: Mostre que dois grafos bipartidos completos G e H s ao isomorfos se e somente se + + existirem bipartic o es V G, V G de G e V H, V H de H tais que # V G = # V H e # V+ G = + # V H. Exerc cio 12.39: Quando e que um grafo bipartido completo e regular?
188
12.12 Grafos eulerianos

Para mostrar que o problema das pontes de K onigsberg n ao tem soluc a o, Euler primeiro modelou o mapa da gura 12.2 por um grafo G n ao orientado, onde cada v ertice representava uma regi ao de terra rme (uma margem do rio ou uma ilha), e cada aresta representava uma ponte entre as duas regi oes representadas pelos seus extremos. Veja gura 12.16. Neste modelo, o problema pede um passeio no grafo G que atravessa exatamente uma vez cada aresta de E G; ou seja, uma trilha que atravessa por todas as arestas. Uma trilha com esta propriedade e chamada de trilha euleriana ou trilha de Euler do grafo G. Se a trilha e fechada ela e chamada de tour euleriano ou tour de Euler. Um grafo e dito euleriano se ele cont em um tour de Euler.
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.
12.13. GRAFOS HAMILTONIANOS

(G1 ) v4 v3 x (G2 ) w e a v1 v2 u v f Figura 12.17: Grafos com trilhas eulerianas.
Exerc cio 12.40: Para que valores de n um grafo completo com n v ertices tem um tour de Euler? Exerc cio 12.41: Seja G um grafo conexo. Se G tem um tour de Euler ent ao G n ao tem v ertices de grau mpar.
189 (G3 ) d h c g b
v5
12.13 Grafos hamiltonianos

Considere o seguinte quebra-cabec as: o Rei Artur precisa designar os assentos para seus 24 Cavaleiros em volta da T avola Redonda. Mas nem todos eles s ao amigos; e e importante que cada cavaleiro seja colocado entre dois de seus amigos. Podemos descrever as relac o es de amizade como um grafo simples G onde os v ertices s ao os Cavaleiros e existe uma aresta entre dois Cavaleiros se eles s ao amigos (e portanto podem sentar lado a lado). Veja por exemplo a gura 12.18. Tristan Saphar Percival Pellinore Palamedes Modred Lucan Lionel Lancelot Lamorak LaCotemal Kay Artur Alymore Bedivere Blioberis Bors Brunar Dagonet Degore Ector Galahad Gareth Gawaine Guinglain
Figura 12.18: O grafo de amizades dos Cavaleiros da T avola Redonda.
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.
Figura 12.20: O grafo G do jogo de Hamilton.
12.13. GRAFOS HAMILTONIANOS
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 12.42: Um cofre tem uma fechadura el etrica acionada por tr es chaves, cada uma das quais pode estar em duas posic o es indicadas por 0 e 1. A porta abre somente se as tr es chaves estiverem em uma combinac a o secreta espec ca, por exemplo 011. Um ladr ao que n ao conhece o segredo quer tentar todas as combinac o es mexendo em apenas uma chave de cada vez, no menor tempo poss vel. Modele o problema em um grafo e encontre uma soluc a o para o mesmo. Fac a o mesmo para um cofre com quatro chaves.
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.
12.14 Grafos planares

Um quebra-cabec as cl assico pede para ligar tr es casas a tr es centrais de servic o a gua, esgoto e internet banda-larga sem que nenhuma dessas ligac o es cruze qualquer outra. Veja a gura 12.22.
12.14. GRAFOS PLANARES
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
12.14.1 A f ormula de Euler para grafos planares

Um mesmo grafo planar G pode ter v arias representac o es planares bem diferentes. Na gura 12.24, por exemplo, no primeiro desenho as faces A, B, C, D tem 3, 3, 5 e 5 lados, respectivamente, enquanto que no segundo as faces A , B, C , D tem 3, 3, 4 e 6 lados, respectivamente.
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
12.14. GRAFOS PLANARES

Fim.
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.
12.14.2 O teorema de Kuratowski

A denic a o de grafo planar usa o conceito de curvas desenhadas no plano R2 , e portanto sai do dom nio da matem atica discreta (grafos) para o dom nio da matem atica cont nua (geometria e topologia do plano). Entretanto, em 1930, o matem atico polon es Kasimierz Kuratowski (1896 1980) descobriu que e poss vel caracterizar os grafos planares apenas em termos discretos. Para apresentar esse resultado precisamos do conceito de subdivis ao de um grafo. Dizemos que um grafo simples H e uma subdivis ao de outro grafo simples G se V G V H , e para cada aresta e E G existe um caminho Ce em H ligando os extremos e; sendo que toda aresta de E H e todo v ertice de V H \ V G ocorre em exatamente um destes caminhos. (Ou seja, se e somente se H pode ser obtido de G inserindo-se zero ou mais v ertices novos ao longo de cada aresta.) Veja a gura 12.25. G 1 4 1 7 H 8 4
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

Exemplo 12.1: A gura 12.26(a) mostra o chamado grafo de Petersen (estudado pelo matem atico dinamarqu es Julius Petersen, 18391910) que denotaremos por P. Seja H o subgrafo de P formado pelos v ertices e arestas cheias, que est a redesenhado na gura 12.26(b). Neste desenho e f acil ver que H e isomorfo a uma subdivis ao do grafo completo K3,3 ilustrado na gura 12.26(c). Note, por exemplo, que o caminho (e, a, f ) de H corresponde a ` aresta (1, 4) de K3,3 .
(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?
DE GRAFOS 12.15. COLORAC AO
197
12.14.3 Grafo dual

e Seja G uma representac a o planar de um grafo G, e seja H um grafo denido da seguinte maneira: ; Os v ertices de H s ao as faces de G As arestas de H s ao as arestas de G; Uma aresta e tem extremos nos v ertices A e B em H se e somente se ela e parte da fronteira . entre as faces A e B em G tal que cada v Verca-se que H tamb em e um grafo planar, e tem uma representac a o planar H ertice de H est a dentro da face correspondente de G, e vice-versa; e tal que uma aresta e em H cruza se e somente se e = e . Veja a gura 12.27. Neste caso, diz-se que G eH s uma aresta e de G ao representa co es planares duais, e que G e H s ao grafos duais.
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.
o de grafos 12.15 Colorac a

o de mapas 12.15.1 Colorac a
costume em mapas pintar os pa E ses (estados, munic pios, etc) com cores variadas, de tal forma que estados que tem fronteira comum tenham cores diferentes a m de tornar as fronteiras
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.
o de grafos em geral 12.15.2 Colorac a

O problema das quatro cores e um caso particular de uma quest ao mais geral sobre grafos arbitr arios (n ao necessariamente planares). Denimos uma k-colora ca o de um grafo simples G como uma atribuic a o de k cores aos v ertices de tal forma que v ertices adjacentes n ao tem a mesma cor. O n umero crom atico de G e o menor n umero k de cores tal que G tem uma k-colorac a o. Denotaremos por (G) o n umero crom atico de um grafo G. f E acil ver que o n umero crom atico de G e 2 se e somente se G e bipartido, e que o n umero crom atico do grafo completo Kn e n. O teorema das quatro cores diz que o n umero crom atico de um grafo planar e no m aximo 4. Ainda n ao se conhece um algoritmo eciente para determinar o n umero crom atico de um grafo simples G arbitr ario. Entretanto, existe um teorema que limita o n umero a um intervalo bem reduzido: Teorema 12.17: Seja G um grafo simples, e o maior dos graus de seus v ertices. O n umero crom atico de G e no m aximo + 1.
Exerc cio 12.51: Qual e o n umero crom atico do grafo ciclo com cinco v ertices (C5 )? E do grafo ciclo com n v ertices (Cn ) em geral?
DE GRAFOS 12.15. COLORAC AO

Exerc cio 12.52: Qual e o n umero crom atico do grafo completo bipartido K p,q , para p, q 1? Exerc cio 12.53: Seja G um grafo com pelo menos uma aresta. Prove que G e um grafo bipartido se, e somente se, o n umero crom atico de G e dois. Exerc cio 12.54: Seja G um grafo planar com n v ertices. Prove, usando induc a o, que os v ertices de G podem ser pintados com 6 cores. Exerc cio 12.55: Prove o teorema 12.17 usando induc a o no n umero de v ertices do grafo.
199
200
Cap tulo 13 Probabilidade

A l ogica e uma ferramenta essencial pois nos permite deduzir o valor l ogico de proposic o es mais complexas a partir dos valores l ogicos de suas proposic o es e predicados elementares. Por em, para us a-la precisamos saber se as proposic o es e predicados s ao verdadeiros ou falsos. Na vida real, e raro sabermos com certeza se uma armac a o e verdadeira ou n ao. Todas as fontes de informac a o que temos not cias, contagens, medidas, evid encias, e nossos pr oprios sentidos e mente podem ser err oneas ou enganosas; de modo que toda proposic a o que acreditamos verdadeira pode ser falsa, e vice-versa. Como podemos ent ao usar a l ogica, ou tomar qualquer decis ao, nessas condic o es? Por outro lado, h a armac o es sobre as quais temos muito mais conanc a do que outras. Podemos tratar a frase ontem choveu na minha rua como verdadeira, com conanc a quase absoluta, se est avamos l a ontem. Por outro lado, se a previs ao do tempo diz que n ao vai chover manh a, e prudente pensar na possibilidade que chova. Para certas armac o es, nossa conanc a pode vir do hist orico de situac o es semelhantes que j a presenciamos. Podemos tratar como certa a proposic a o uma pedra solta no ar cai para baixo com base em incont aveis experi encias que tivemos ao longo da vida. As leis da f sica, em particular, s ao certezas adquiridas por meio de experimentos cuidadosos e exaustivamente analisados. Mesmo assim sempre e poss vel que, em situac o es especiais que nunca encontramos antes, essas armac o es certamente verdadeiras venham a ser falsas. Para algumas proposic o es, nossa conanc a pode se dividir igualmente entre as duas possibilidades. Algu em jogou uma moeda ao ar e ela caiu onde n ao podemos ver. Ser a que o resultado foi cara, ou coroa? Nossa experi encia com moedas nos diz que a ` s vezes o resultado e um, a ` s vezes e outro. Da mesma forma, quando atiramos um dado, nossa experi encia diz apenas que o resultado pode ser qualquer n umero entre 1 e 6, e que parece n ao haver diferenc a entre eles. Por essa experi encia, armac a o o resultado ser a 3 merece tanta conanc a quanto o resultado ser a 5. Na verdade, jogos de azar como dados e cara-ou-coroa baseiam-se inteiramente no fato de que todos resultados poss veis s ao igualmente plaus veis. Por outro lado, mesmo nesses jogos h a armac o es que merecem mais conanc a do que outras. Quando atiramos um dado, a armac a o o resultado ser a 3 deve nos parecer menos plaus vel do que o resultado ser a diferente de 3. Esta conanc a pode vir da experi encia, mas tamb em por racioc nio: se todos os 6 resultados tem chances iguais de acontecer, ent ao o resultado 3 deve ter menos chances do que os outros cinco juntos. A teoria da probabilidade surgiu para formalizar este tipo de racioc nio, que tem o mesmo 201
202
CAPITULO 13. PROBABILIDADE
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.
o uniforme 13.1.1 Distribuic a

Em geral, quando temos n alternativas poss veis para uma situac a o qualquer, e n ao temos nenhuma informac a o, experi encia ou racioc nio que justique atribuir probabilidade maior a uma algumas do que outras, e razo avel atribuir probabilidade 1/n a cada alternativa. Neste caso dizemos que essas alternativas tem uma distribui ca o uniforme de probabilidade. Um exemplo de distribuic a o uniforme e o sorteio de um item entre n outros. Para que o sorteio seja justo e importante que ele seja feito de modo que cada item tenha a mesma probabilidade de ser escolhido. Neste caso dizemos que a escolha e perfeitamente aleat oria. Esse conceito e importante em muitos jogos de azar, como cara-ou-coroa, palitinho, par-ou- mpar, dados, roletas, baralhos, etc.. Esses jogos dependem de dispositivos ou ac o es que podem dar dois ou mais resultados distintos. Para que o jogo seja justo, e essencial que os jogadores n ao tenham nenhum conhecimento pr evio sobre o resultado, de modo que todos atribuam uma distribuic a o uniforme de probabilidade ao mesmo. Por outro lado, e importante observar que a teoria n ao diz como atribuir as probabilidades de armac o es elementares, mas apenas como combin a-las para obter as probabilidades de armac o es importante notar que as probabilidades dependem do observador: se um jogador compostas. E troca o dado honesto por um viciado, ele pode (e deve) atribuir probabilidades diferentes a cada n umero.
13.1. DEFINIC AO
203
13.1.2 Princ pio da exclus ao mutua

Intuitivamente, parece pouco razo avel termos conanc a ao mesmo tempo em duas armac o es contradit orias. Na teoria da probabilidade, essa intuic a o e formalizada pelo princ pio da exclus ao m utua, ou aditividade: se duas proposic o es P e Q n ao podem ser verdadeiras ao mesmo tempo (isto e , P Q e Q P), ent ao devemos ter Pr(P) + Pr(Q) 1. Por exemplo, considere as armac o es o Diretor est a agora em S ao Paulo e o Diretor est a agora no Rio de Janeiro. Quaisquer que sejam as informac o es que temos a respeito do paradeiro do Diretor, n ao faz sentido atribuir probabilidade 0,75 para a primeira e 0,80 para a segunda, pois se uma delas for verdadeira, a outra n ao e . Essa regra pode ser generalizada para tr es ou mais proposic o es P1 , P2 , . . . , Pn . Essas proposic o es s ao mutuamente exclusivas se sabemos que Pi P j , para quaisquer i e j entre 1 e n com i j. Nesse caso, o princ pio da exclus ao m utua exige que Pr(P1 ) + Pr(P2 ) + + Pr(Pn ) 1.
13.1.3 Princ pio da exaust ao

Por outro lado, se sabemos que pelo menos uma dentre duas armac o es e verdadeira, n ao e razo avel termos pouca conanc a nas duas armac o es. Por exemplo, n ao e razo avel n ao acreditar nem na armac a o o lucro ser a maior que R$ 10.000 nem na armac a o o lucro ser a menor que R$ 20.000, pois pelo menos uma dessas armac o es com certeza e verdadeira. Na teoria da probabilidade, essa regra e formalizada pelo princ pio da exaust ao: se sabemos que P Q e verdadeiro, ent ao devemos ter Pr(P) + Pr(Q) 1. No exemplo acima, podemos atribuir probabilidade 1/2 ou 3/4 para ambas, mas n ao 1/4; se atribuirmos probabilidade 0, 30 para a primeira, podemos atribuir 0, 80 para a segunda, mas n ao 0, 50. Mais geralmente se sabemos que P1 P2 Pn e verdadeiro, ent ao devemos ter Pr(P1 ) + Pr(P2 ) + + Pr(Pn ) 1.
13.1.4 Princ pio da complementaridade

Juntando o princ pio da exclus ao e da exaust ao, podemos concluir que se uma armac a o P e o oposto l ogico (negac a o) da armac a o Q, ent ao a soma das probabilidades deve ser exatamente 1. Ou seja, para qualquer armac a o P, temos Pr(P) + Pr(P) = 1 ou seja Pr(P) = 1 Pr(P) (13.2) Por exemplo, se a probabilidade de vai chover amanh a e 3/4, a probabilidade de n ao vai chover amanh a tem que ser 1/4. Esta regra e conhecida como o princ pio da complementaridade. Esta regra tamb em pode ser generalizada para tr es ou mais armac o es. Suponha que sabemos que exatamente uma das armac o es P1 , P2 , . . . , Pn e verdadeira. Isto e , sabemos que elas s ao mutuamente exclusivas, mas tamb em que uma delas tem que ser verdadeira. Ent ao devemos ter Pr(P1 ) + Pr(P2 ) + + Pr(Pn ) = 1 (13.3) (13.1)
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.
13.1.5 Princ pio da exclus ao e inclus ao

Os princ pios acima podem ser vistos como corol arios de um princ pio mais geral: para quaisquer armac o es P e Q, devemos ter Pr(P Q) = Pr(P) + Pr(Q) Pr(P Q) Compare este princ pio com a f ormula para cardinalidade de conjuntos | A B| = | A| + | B| | A B| (13.5) (13.4)
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?
13.1.6 Princ pio da independ encia

Um dado e uma moeda s ao atirados ao mesmo tempo. Como discutimos acima, e razo avel atribuir probabilidade 1/6 a ` armac a o o resultado do dado ser a 3, e probabilidade 1/2 a ` armac a o o resultado da moeda ser a cara. Que probabilidade devemos atribuir a ` conjunc a o dessas duas frases, ou seja o resultado do dado ser a 3, e o da moeda ser a cara? Uma maneira de fazer esta escolha e observar que h a 12 poss veis resultados para os dois lances. Vamos denotar por D( x) e M (y), respectivamente, os predicados o resultado do dado ser a x, e o resultado da moeda ser a y. As 12 possibilidades correspondem a ` s armac o es D(1) M (cara) D(2) M (cara) D(3) M (cara) D(4) M (cara) D(5) M (cara) D(6) M (cara) D(1) M (coroa) D(2) M (coroa) D(3) M (coroa) D(4) M (coroa) D(5) M (coroa) D(6) M (coroa)
(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.
13.2. VARIAVEL ALEATORIA
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?
o com a l 13.1.7 Relac a ogica cl assica

A teoria da probabilidade inclui a l ogica cl assica como caso particular. Mais precisamente, atribuir probabilidade 0 a uma armac a o equivale a acreditar que a armac a o e falsa; e atribuir probabilidade 1 equivale a acreditar que ela e verdadeira. Se todas as armac o es tem probabilidade 0 ou 1, as regras e conceitos da l ogica cl assica podem ser traduzidos por regras e conceitos da probabilidade. Por exemplo, o conetivo P Q equivale a armar que Pr(Q|P) = 1.
13.2 Vari avel aleat oria

Uma vari avel aleat oria e uma vari avel (par ametro, quantia) X cujo valor e conhecido apenas parcialmente, no sentido probabil stico. Isto e , sabemos que o valor de X e algum elemento de um certo conjunto D, o dom nio da vari avel; e, para qualquer v em D, temos uma medida de probabilidade Pr(X = v) para a armac a o X = v. A func a o que a cada v D associa a probabilidade Pr(X = v) e chamada de distribui ca o de probabilidade (ou simplesmente distribui ca o) da vari avel X . Observe que, se u, v s ao elementos distintos de D, ent ao as armac o es X = u e X = v s ao mutuamente exclusivas. Al em disso, sabemos que existe algum elemento v em D tal que a armac a o X = v e verdadeira. Pelo princ pio de inclus ao e exclus ao, temos portanto que Pr(X = v) = 1
v D
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

Exemplo 13.1: Um dado foi lanc ado, mas o resultado da jogada ainda est a oculto. Seja X a vari avel aleat oria cujo valor e esse resultado. Sabemos que o dom nio de X e o conjunto D = {1, 2, . . . , 6}. Como n ao temos motivos para distinguir entre esses resultados, e razo avel atribuir probabilidades iguais (1/6) para cada valor em D, e probabilidade zero para qualquer outro valor. Em particular, Pr(X = 3) = Pr(X = 5) = 1/6, e Pr(X = 0) = Pr(X = 7) = Pr(X = 1/2) = 0.
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.
13.3 Valor esperado

Um uso importante (e o mais antigo) da teoria da probabilidade e avaliar o ganho ou perda que pode decorrer de uma escolha ou acontecimento cujo resultado e desconhecido, como por exemplo uma aposta ou um investimento na bolsa. Suponha por exemplo que atiramos uma moeda e apostamos R$ 30 contra R$ 10 que o resultado ser a cara. Temos igual chance de ganhar R$ 10 (se sair cara) e perder R$ 30 (se sair coroa). Ou seja, 1 Pr(nosso ganho ser a R$ 10) = Pr(nosso ganho ser a R$ 30) = 2 Intuitivamente, se repetirmos essa aposta n vezes, em aproximadamente metade das vezes vamos ganhar 10 e na outra metade perder 30; portanto o ganho por aposta, em m edia, ser a aproximadamente n (R$ 10) + n (R$ 30) 2 2 = R$ 10 (13.8) n Para entender melhor este exemplo, suponha que repetimos duas vezes essa aposta. Temos quatro possibilidades: perder nas duas vezes, s o na primeira, s o na segunda, ou ganhar nas duas. Nosso ganho m edio por aposta ser a respectivamente, (30 30)/2 = 30, (30 + 10)/2 = 10, (10 30)/2 = 10, e (10 + 10)/2 = +10. Supondo que o resultado de cada lance seja independente
13.3. VALOR ESPERADO
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
13.3.1 Propriedades do valor esperado

Seja X uma vari avel aleat oria com dom nio num erico, sejam e dois n umeros reais quaisquer. Nesse caso, pode-se provar que (13.12) E(X + ) = E(X ) + Por em, se uma vari avel aleat oria Z depende de X de maneira n ao linear (por exemplo, se Z e o quadrado de X ), n ao existe uma f ormula geral que relacionem E(Z ) a E(X ) (Veja o exerc cio 13.8.) Sejam X e Y duas vari aveis aleat orias com valores num ericos, e seja Z a vari avel aleat oria, denotada por X + Y , cujo valor e a soma dos valores de X e de Y . Verica-se que E(Z ) = E(X ) + E(Y ) (13.13)
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
13.6 Vari ancia e desvio padr ao

Em muitas situac o es, n ao basta saber o valor esperado E(X ) de uma vari avel aleat oria; e preciso tamb em saber at e que ponto o valor da vari avel pode diferir desse valor esperado. Considere por exemplo as vari aveis aleat orias X e Y , que podem assumir valores entre 1 e 5 com as seguintes probabilidades: k Pr(X = k) Pr(X = k) 1
1 20 7 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
(v E(X ))2 Pr(X = v)
(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
4 + (3 3)2 20 + (4 3)2 2 + (3 3)2 20 + (4 3)2
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
Pr(X = v)(v E(X ))2 = 2
k = 1+
B 1 v = 2B v3
k = 1+
1 v
que, como sabemos, e innita.
13.6. VARIANCIA E DESVIO PADRAO
211
13.6.1 Propriedades da vari ancia

Seja X uma vari avel aleat oria com valores num ericos. Sejam e dois valores reais arbitr arios. Verica-se ent ao que (13.15) V(X + ) = 2 V(X ) Note que somar uma constante a uma vari avel n ao altera sua vari ancia. Se X e Y s ao duas vari aveis aleat orias independentes, verica-se que V(X + Y ) = V(X ) + V(Y ) (13.16)
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 ).
13.6.2 Desvio padr ao

Pode-se dizer que, quanto maior a vari ancia, mais espalhada e a distribuic a o de probabilidade da vari avel. Entretanto, n ao e f acil interpretar o valor num erico da vari ancia. Por exemplo, se o valor de X e uma medida em metros, a vari ancia e medida em metros quadrados. Uma medida de espalhamento que e mais f acil de interpretar e o desvio padr ao, denido como a raiz quadrada da vari ancia: D( X ) = V(X ) =
v D
(v E(X ))2 Pr(X = v)
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.
13.6.3 Covari ancia

Se X e Y s ao vari aveis aleat orias num ericas, a covari ancia entre as duas e denda pela f ormula C(X, Y ) =
u,v
Pr((X = u) (Y = v))(u E(X ))(v E(Y ))
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.
o 13.6.4 Coeciente de correlac a

O sinal de C(X, Y ) revela o sentido geral da depend encia entre X e Y , mas seu valor num erico e dif cil de interpretar. Por essa raz ao e interessante denir o coeciente de correla ca o C(X, Y ) C(X, Y ) (X, Y ) = = D(X ) D(Y ) V(X ) V(Y )
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).
13.7. PROBABILIDADE CONDICIONAL
213
13.7 Probabilidade condicional

Seja X a vari avel aleat oria cujo valor e o resultado do lanc ando um dado, e considere as duas armac o es X e par e X e mpar. Se n ao temos nenhuma outra informac a o sobre X , como vimos, e razo avel atribuir a probabilidade 1/6 a cada um dos poss veis valores 1, 2, . . . , 6, e portanto Pr(X e par) = Pr(X = 2) + Pr(X = 4) + Pr(X = 6) = 1/2 Pr(X e mpar) = Pr(X = 1) + Pr(X = 3) + Pr(X = 5) = 1/2 Suponha agora que sabemos que o valor de X n ao e 3. Que probabilidade devemos atribuir a essas duas armac o es? N ao podemos simplesmente eliminar o termo Pr(X = 3) na segunda f ormula, pois a soma n ao seria 1. Como a probabilidade do valor ser 3 e zero, temos que corrigor a probabilidade dos demais valores para que elas tenham soma 1. Ou seja, temos que supor Pr(X = 3) = 0 e Pr(X = v) = 1/5 para os demais valores. Ent ao teremos Pr(X e par) = Pr(X = 2) + Pr(X = 4) + Pr(X = 6) = 3/5 Pr(X e mpar) = Pr(X = 1) + Pr(X = 5) = 2 /5 Observe que a informac a o adicional X 3 afetou n ao apenas a probabilidade de X ser mpar, mas tamb em a probabilidade de ele ser par. Em casos como este, costuma-se usar a notac a o Pr(P|Q) para denotar a probabilidade condicional da armac a o P, sabendo-se que (ou dado que) a armac a o Q e verdadeira. Verica-se que essa probabilidade pode ser calculada pela f ormula Pr(P|Q) = Pr(P Q) Pr(Q) (13.18)
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?
13.8 Infer encia bayesiana

Combinando as f ormulas (13.18) e (13.19), obtemos a equac a o Pr(P|Q) = Pr(Q|P) Pr(P) Pr(Q) (13.20)
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
13.8. INFERENCIA BAYESIANA

enunciado do problema, temos 1 2 1 Pr(A|Q) = 2 1 Pr(A|R) = 10 Pr(Q) = 1 2 1 Pr(B|Q) = 2 9 Pr(B|R) = 10 Pr(R) =
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)
= = = =
Pr(A Q) Pr(B Q) Pr(A R) Pr(B R)
= Pr(A|Q) Pr(Q) = Pr(B|Q) Pr(Q) = Pr(A|R) Pr(R) = Pr(B|R) Pr(R)

1 4 1 4
= = = = + + = =
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
= =
Pr(A|Q) Pr(Q) Pr(A) Pr(B|Q) Pr(Q) Pr(B)
= =
1/4 3/10 1/4 7/10
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
Pr(B j |Ai ) Pr(Ai ) Pr(B j |Ak ) Pr(Ak )
(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

Exerc cio 13.18: Suponha que h a duas gavetas em uma mesa de jogo. Uma delas cont em um dado honesto, que d a cada valor de 1 a 6 com igual probabilidade 1/6; a outra cont em um dado viciado, que d a o valor 6 com probabilidade 1/2, e os valores de 1 a 5 com probabilidade 1/10 cada. 1. Uma pessoa escolhe (sem voc e ver) um desses dois dados. Na falta de informac o es, voc e atribui a probabilidade a priori 1/2 de que esse dado seja viciado. O dado e ent ao lanc ado e o resultado e 6. Como ca a probabilidade de que o dado seja viciado? 2. Suponha agora que a pessoa seja um not orio vigarista, de modo que, mesmo antes de lanc ar, voc e d a 90% de chance de que ele tenha escolhido o dado viciado. Como ca essa probabilidade depois que o dado foi lanc ado, com resultado 6? 3. Finalmente suponha que voc e cona na pessoa e portanto acredita que ela escolheu o dado honesto, com 90% de probabilidade. Como ca sua conanc a nessa hip otese depois que o dado deu 6? Exerc cio 13.19: Uma moeda e lanc ada 10 vezes seguidas, e o resultado e sempre cara. Talvez a moeda seja normal, e esse resultado seja coincid encia; ou talvez ela seja uma moeda anormal, com cara dos dois lados. Suponha que a probabilidade a priori da moeda ser anormal e p. Qual e a probabilidade a posteriori, depois desses 10 lances? Fac a um gr aco dessa probabilidade em func a o de p.
o 13.9 Teoria da informac a

Hoje em dia todos conhecem o conceito de bit e outras unidades derivadas, como byte (8 bits), megabyte (106 ou 22 0 bytes, conforme o contexto), gigabyte (109 ou 23 0 bytes) etc. Em geral esses conceitos s ao usados para descrever tamanhos de arquivos, capacidade de mem oria, taxas de transmiss ao, etc. Por em e necess ario distinguir entre a capacidade de armazenamento de informa ca o de tais sistemas, e a quantidade de informa ca o contida neles em determinado momento. Este segundo conceito e o centro da teoria da informa ca o, desenvolvida principalmente em meados do s eculo 20 pelo matem atico e engenheiro americano Claude Shannon (19162001).
o 13.9.1 Capacidade de informac a

Considere um sistema f sico (real ou imagin ario) que em qualquer momento pode assumir um u nico estado dentre uma colec a o nita de estados poss veis; sendo que esse estado pode ser identicado com precis ao por algum tipo de teste ou medida. Por exemplo, uma moeda sobre uma mesa, que pode estar na posic a o cara ou coroa; um dado de jogar, que pode estar virado com qualquer face para cima, de 1 a 6; uma chave el etrica, que pode estar desligada ou ligada; um o el etrico, que pode estar a zero volts ou a +5 volts; uma barra de ferro, que pode estar magnetizada em dois sentidos diferentes; e assim por diante. Tal objeto e dito um sistema discreto. Suponha que o sistema tem apenas dois estados poss veis (ou seja, e um sistema bin ario). Por b denic a o, a capacidade de informac a o de tal sistema e 1 bit. Se o sistema tem 2 estados poss veis, sua capacidade e b bits. Observe que podemos numerar os estados de tal sistema em base 2 usando
13.9. TEORIA DA INFORMAC AO
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
o 13.9.2 Quantidade de informac a

A capacidade de informac a o de um sistema discreto diz apenas o limite m aximo de informac a o que pode ser armazenada nele. Por em, dependendo de como o sistema e usado, nem toda a capacidade pode ser utilizada. Por exemplo, considere uma l ampada que, ao meio-dia, pode estar acesa ou apagada conforme o sol tenha nascido ou n ao naquele dia. Embora a capacidade de informac a o desse sistema seja 1 bit, intuitivamente a not cia de que essa l ampada est a acesa n ao traz muita informac a o. Por outro lado, uma l ampada que indica se est a chovendo ou n ao fora do pr edio parece fornecer mais informac a o muito embora sua capacidade de informac a o seja exatamente a mesma. A diferenc a estes dois exemplos est a na probabilidade que atribu mos aos dois estados do sistema. No primeiro caso, e natural atribuir probabilidade bem pr oxima a 1 a ` armac a o a l ampada est a acesa. (A menos que sejamos extremamente pessimistas!) Por isso, a not cia de que essa informac a o e verdadeira n ao muda muito nosso estado de conhecimento. J a, no segundo exemplo, faz sentido atribuir probabilidade bem menor que 1 a essa armac a o. (A menos que estejamos na Bol via, onde nunca chove!) Para tornar esta intuic a o mais precisa, suponha que X e uma vari avel aleat oria que pode assumir um certo valor v. A quantidade de informa ca o trazida pela not cia o valor de X e v e , por denic a o, 1 = log2 Pr(X = v) Q(X = v) = log2 Pr(X = v) Este valor, como a capacidade de informac a o, e medido em bits, e nunca e negativo. Em particular, se X pode assumir n valores distintos com igual probabilidade Pr(X = v) = 1/n, a quantidade de informac a o que recebemos quando camos sabendo o valor de X (qualquer valor de X ) e exatamente Q(X = v) = log2 n bits ou seja, a capacidade da vari avel X . Por em, se as probabilidades dos valores de X n ao s ao iguais, a quantidade de informac a o pode ser menor ou maior, dependendo do valor. Por exemplo:
Exemplo 13.3: Suponha que um dado est a para ser lanc ado, e X e uma vari avel que vale 100 se o resultado do dado e 1, e 200 caso contr ario. Ent ao as not cias X = 100 e X = 200 carregam as seguintes quantidades de informac a o: Q(X = 100) = log2 Pr(X = 100) = log2 1 6 5 Q(X = 200) = log2 Pr(X = 200) = log2 6 2, 5849625 . . . 0, 2630344 . . .
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.
o 13.9.3 Quantidade esperada de informac a

No exemplo 13.3, observe tamb em que a not cia X = 100 traz mais que 1 bit de informac a o muito embora a vari avel X tenha apenas dois valores poss veis, e portanto tenha apenas 1 bit de capacidade.
13.9. TEORIA DA INFORMAC AO
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
Refer encias Bibliogr acas

[1] B ela Bollob as. Modern Graph Theory. Springer, 1998. [2] J. A. Bondy and U. S. R. Murty. Graph Theory with Applications. MacMillan, London, 1976. [3] J. A. Bondy and U. S. R. Murty. Graph Theory. Springer, 2008. [4] Thomas H. Cormen, Charles E. Leiserson, and Ronald L. Rivest. Introduction to Algorithms. MIT Press, 1989. [5] Ronald L. Graham, Donald E. Knuth, and Oren Patashnik. Matem atica Concreta: Fundamentos para Ci encia da Computa ca o. LTC, 1995. Segunda edic a o. [6] Paul R. Halmos. Teoria Ing enua dos Conjuntos. Editora da USP, 1960. [7] Frank Harary. Graph Theory. Addison Wesley, 1972. [8] John M. Harris, Jery L. Hirst, and Michael J. Mossingho. Combinatorics and Graph Theory. Springer, 2000. [9] Thomas L. Heath. The Thirteen Books of Euclids Elements. Dover, 1956. Segunda edic a o. [10] David C. Kurtz. Foudations of Abstract Mathematics. McGraw-Hill, 1992. [11] Luiz Henrique Jacy Monteiro. Elementos de Algebra . Ao Livro T ecnico, 1969. [12] Kenneth H. Rosen. Discrete Mathematics and Its Applications. McGraw-Hill, 2003. Quinta edic a o. [13] J. Pl nio O. Santos, Margarida P. Mello, and Idani T. C. Murari. Introdu ca o a ` An alise Combinat oria. Editora da UNICAMP, 1995. [14] Daniel J. Velleman. How to Prove It: A Structured Approach. Cambridge University Press, 2006. Segunda edic a o.
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

Apostila MatematicaDiscreta IC Unicamp

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Apostila MatematicaDiscreta IC Unicamp

Enviado por

Direitos autorais:

Formatos disponíveis

Elementos de Matematica Discreta para Computac ao

Anamaria Gomide Jorge Stol

Vers ao Preliminar de 25 de agosto de 2011

Cap tulo 1 o a ` l Introduc a ogica matem atica

o da l 1.2 A invenc a ogica

es geom 1.3 Euclides e demonstrac o etricas

A ` LOGICA CAPITULO 1. INTRODUC AO MATEMATICA

1.5 As linguagens da l ogica matem atica

A ` LOGICA CAPITULO 1. INTRODUC AO MATEMATICA

Cap tulo 2 Teoria dos Conjuntos

2.1 Especicando conjuntos

CAPITULO 2. TEORIA DOS CONJUNTOS

es circulares e contradit 2.1.1 Denic o orias

2.2 Igualdade de conjuntos

2.3. CONJUNTO VAZIO

2.3 Conjunto vazio

o de inclus 2.4 Relac a ao

es com conjuntos 2.6 Operac o

o 2.6.1 Uni ao e intersecc a

CAPITULO 2. TEORIA DOS CONJUNTOS

Se A B = dizemos que os conjuntos A e B s ao disjuntos.

2.6.2 Diferenc a, universo, e complemento

2.6.3 Diferenc a sim etrica

2.6. OPERAC OES COM CONJUNTOS

es com conjuntos 2.6.4 Propriedades das operac o

24 A (B C ) = (A B) (A C ). Propriedades da idempot encia A A = A. A A = A.

CAPITULO 2. TEORIA DOS CONJUNTOS

Propriedades do conjunto universal A U = U. A U = A. A = A. A = .

Propriedades do conjunto vazio

2.7 Conjuntos de conjuntos

2.8. CONJUNTO POTENCIA

2.8 Conjunto pot encia

2.10 Produto cartesiano de dois conjuntos

CAPITULO 2. TEORIA DOS CONJUNTOS

2.11 Exerc cios

Cap tulo 3 L ogica matem atica

CAPITULO 3. LOGICA MATEMATICA

es compostas 3.1.2 Conectivos l ogicos e proposic o

o para c 3.1.3 Notac a alculo proposicional

3.1. LOGICA PROPOSICIONAL

o 3.1.4 Operador de conjunc a

o 3.1.5 Operador de disjunc a

o 3.1.6 Operador de negac a

CAPITULO 3. LOGICA MATEMATICA

o 3.1.7 Operador de implicac a

3.1. LOGICA PROPOSICIONAL

CAPITULO 3. LOGICA MATEMATICA

3.1.8 Operador de equival encia

o exclusiva 3.1.9 Operador de disjunc a

3.1. LOGICA PROPOSICIONAL

3.1.10 Preced encia dos operadores l ogicos

CAPITULO 3. LOGICA MATEMATICA

es auto-referentes 3.2 Armac o

3.2. AFIRMAC OES AUTO-REFERENTES

CAPITULO 3. LOGICA MATEMATICA

o l es 3.3 Manipulac a ogica de proposic o

es 3.3.1 Tautologias e contradic o

LOGICA 3.3. MANIPULAC AO DE PROPOSIC OES

3.3.2 Equival encia l ogica

3.3.3 Equival encias l ogicas importantes

CAPITULO 3. LOGICA MATEMATICA

Leis da comutatividade: p q equivale a q p p q equivale a q p

p q equivale a q p Leis da associatividade:

( p q) r equivale a p (q r) ( p q) r equivale a p (q r) Leis da distributividade: p (q r) equivale a ( p q) ( p r) p (q r) equivale a ( p q) ( p r)