Escolar Documentos
Profissional Documentos
Cultura Documentos
Graduao
Fundamentos da
Matemtica II
Inder Jeet Taneja
Aldrovando L. A. Arajo
Fundamentos da
Matemtica II
Inder Jeet Taneja
Aldrovando L. A. Arajo
2 Edio
Florianpolis, 2010
Governo Federal
Presidente da Repblica: Luiz Incio Lula da Silva
Ministro de Educao: Fernando Haddad
Secretrio de Ensino a Distncia: Carlos Eduardo Bielschowky
Coordenador Nacional da Universidade Aberta do Brasil: Celso Costa
Comisso Editorial
Antnio Carlos Gardel Leito
Albertina Zatelli
Elisa Zunko Toma
Igor Mozolevski
Luiz Augusto Saeger
Roberto Corra da Silva
Ruy Coimbra Charo
Design Instrucional
Coordenao: Juliana Machado
Design Instrucional: Alessandra Zago Dahmer, Elenira Oliveira Vilela
Reviso do Design Instrucional: Mrcia Maria Bernal
Reviso Gramatical: Maria Tereza de Queiroz Piacentini
Ficha Catalogrfica
T164f Taneja, Inder Jeet
Fundamentos de Matemtica II / Inder Jeet Taneja, Aldrovando L. A.
Arajo. 2. ed. Florianpolis : UFSC/EAD/CED/CFM, 2009.
131p.
ISBN 978-85-99379-71-4
1. Matemtica. II. Arajo, Aldrovando L. A. III. Ttulo.
Elaborada pela Bibliotecria Eleonora M. F. Vieira CRB 14/786
CDU 51
Sumrio
Fundamentos da Matemtica II.............................................. 7
Informaes Histricas............................................................ 9
1 Noes Bsicas...................................................................... 15
1.1 Fatorial de um Nmero Natural............................................... 17
1.2 Somatrio e Produtrio.............................................................. 22
1.2.1 Somatrio............................................................................. 22
1.2.2 Produtrio............................................................................ 24
1.3 Princpio de Induo . ................................................................ 27
2 Nmeros Binomiais............................................................. 35
2.1 Coeficientes Binomiais............................................................... 37
2.1.1 Coeficientes Binomiais Complementares......................... 38
2.1.2 Igualdade Entre Dois Binomiais....................................... 39
2.2 Relao de Stifel.......................................................................... 41
2.3 Tringulo de Pascal.................................................................... 43
2.3.1 Propriedades do Tringulo de Pascal.............................. 45
2.4 Binmio de Newton.................................................................... 54
2.4.1 Termo Geral do Binmio.................................................... 57
2.4.2 Propriedades........................................................................ 62
3 Anlise Combinatria:
Permutaes e Combinaes............................................... 67
3.1 Princpio Fundamental de Contagem....................................... 70
3.2 Arranjos........................................................................................ 76
3.2.1 Arranjos Simples................................................................. 76
3.2.2 Arranjo com Repetio....................................................... 78
3.3 Permutaes................................................................................. 79
3.3.1 Permutao Simples............................................................ 80
3.3.2 Permutaes com Elementos Repetidos.......................... 81
3.3.3 Permutaes Circulares..................................................... 83
3.4 Combinaes................................................................................ 89
3.4.1 Combinaes Simples......................................................... 89
3.4.2 Combinaes Completas.................................................... 92
3.4.3 Combinaes Completas e Equaes Lineares
com Coeficientes Unitrios................................................ 94
Fundamentos da Matemtica II
Neste trabalho discutimos um nmero de resultados e mtodos, especialmente da rea de combinatria e teoria elementar de probabilidade. A apresentao no omite provas de resultados importantes,
ainda que no seja centrada nelas. No entanto, meramente expor os
fatos sem algum argumento que os justifique, seria terrivelmente
distante do esprito de um curso superior em matemtica. Assim,
sempre que possvel, damos provas dos resultados importantes
desde que seus argumentos no estejam demasiadamente alm do
escopo da disciplina para a qual foram escritas estas notas. Outro
ingrediente que consideramos essencial a resoluo de problemas,
e neste ponto onde nossas notas se concentram. Todos os conceitos e teoremas so exaustivamente explorados nos exerccios. De
fato, dada a tipicidade do assunto, acreditamos que a sua melhor
exposio possa ser realizada na forma de resoluo de exerccios
que exemplifiquem argumentos fundamentais e outros, nos quais
o estudante deve explorar os conhecimentos adquiridos no texto e
nos exerccios resolvidos. Muitos detalhes de argumentos ou seus
refinamentos se encontram nos exerccios. imprescindvel que o
estudante tente fazer todos os exerccios das notas. De preferncia,
tente resolver os j resolvidos, sem conhecimento prvio da soluo
proposta, e em caso de fracasso sim, verifique a resoluo.
Todo o trabalho est divido em quatro captulos. Os contedos das
notas compreendem: regras bsicas de contagem, nmeros fatoriais e princpio de induo, combinaes, permutaes e arranjos
simples e com repetio, problemas combinatrios com restries,
princpio da incluso e excluso, binmio de Newton e tringulo de
Pascal, espaos de probabilidade finitos, probabilidade condicional
e eventos independentes.
Informaes Histricas
O surgimento e o desenvolvimento da anlise combinatria tem se
dado paralelamente ao desenvolvimento de outros ramos da matemtica, tais como a lgebra, a teoria dos nmeros e a probabilidade. Desde a antiguidade, Problemas de Combinatria tm atrado a
ateno dos matemticos. Por exemplo, o problema dos quadrados
mgicos que so matrizes quadradas de nmeros com a propriedade de que a soma dos elementos de qualquer coluna, linha ou diagonal o mesmo valor, aparece em um livro chins datado de 2200
a. C. Os quadrados mgicos de ordem 3 foram estudados com fins
msticos. Os coeficientes binomiais, que so os coeficientes inteiros
da expanso de (a+b)n, eram conhecidos no sculo XII. O tringulo
de Pascal, que uma disposio triangular dos coeficientes binomiais, foi desenvolvido no sculo XIII.
Pode-se considerar que no ocidente a combinatria surgiu no sculo
XVII com os trabalhos de Blaise Pascal e de Pierre Fermat sobre
a teoria de jogos de azar. Estes trabalhos, que formaram os fundamentos da teoria da probabilidade, continham os princpios para
determinar o nmero de combinaes de elementos de um conjunto
finito, e assim se estabeleceu a tradicional conexo entre combinatria e probabilidade.
O termo combinatria, tal e qual o usamos atualmente, foi introduzido por Wilhem Leibniz em sua Dissertatio de Arte Combinatria. De grande importncia para a consolidao da combinatria
foi o artigo Ars Conjectandi (a arte de conjeturar), escrito por J. Bernoulli. Este trabalho estava dedicado a estabelecer as noes bsicas
de probabilidade. Para isto, foi necessrio introduzir tambm um
bom nmero de noes bsicas de combinatria, que foram usadas
fortemente nas aplicaes ao clculo de probabilidades. Pode-se dizer que com os trabalhos de Leibniz e Bernoulli se iniciam com o
estabelecimento da combinatria como uma nova e independente
rea da matemtica.
O matemtico suo Leonard Euler foi quem desenvolveu, em princpios do sculo XVIII, uma autntica escola de matemtica combinatria. Em seus artigos sobre partio e decomposio de inteiros
positivos em somas, estabeleceu as bases de um dos mtodos fun-
10
11
fundamentais da teoria. O cientista Christian Huygens, um professor de Leibnitz, tomou conhecimento desta correspondncia e, pouco depois, publicou o primeiro livro em probabilidade, intitulado
De Ratiociniis in Ludo Alea. Em sntese, era um tratado fundado em
problemas associados teoria dos jogos de azar. Em funo do forte
apelo de tais jogos, a teoria da probabilidade logo se tornou popular,
e se desenvolveu rapidamente durante o sculo XVIII. As maiores
contribuies, durante este perodo foram de Jakob Bernoulli (16541705) e Abraham de Moivre (1667-1754). Em 1812 Pierre de Laplace
(1749-1827) introduziu um conjunto novo de idias e tcnicas em seu
livro, Thorie Analytique des Probabilits. Antes dele, a probabilidade estava concentrada no desenvolvimento de uma teoria matemtica dos jogos de azar. Laplace, no entanto, aplicou as idias
da probabilidade a muitos outros problemas cientficos e prticos.
Teoria de erros, matemtica aturial e mecnica estatstica so alguns
exemplos das aplicaes da teoria da probabilidade desenvolvidos
no sculo XIX.
Entre os matemticos que contriburam para a teoria da probabilidade, depois de Laplace, destacam-se Chebyshev, Markov, von Mises, e Kolmogorov. No entanto, a axiomatizao da teoria s se deu
no sculo XX. Em 1933, o matemtico russo Kolmogorov em uma
monografia, desenvolveu uma abordagem axiomtica que se constituiu na base para a moderna teoria da probabilidade. (O trabalho de
Kolmogorov est disponvel em ingls com o ttulo de Foundations
of Probability Theory, Chelsea, New York, 1950.) Desde ento, estas
idias tem sido refinadas e a teoria da probabilidade hoje parte de
uma disciplina mais geral conhecida como Teoria da Medida.
12
Blaise Pascal
Filsofo e matemtico francs (1623 1662).
Aos dezoito anos inventou a primeira mquina digital, chamada Pascalinne, para levar
a cabo o processo de adio e subtrao.
Fonte:
www.somatematica.com.br/biograf/pascal.php
Pierre Fermat
Advogado e oficial do governo francs (1601
1665). A matemtica era o seu passatempo. Em 1636, Fermat props um sistema de
geometria analtica semelhante quele que
Descartes proporia um ano depois. Em uma
correspondncia com Pascal, fundou a teoria matemtica da probabilidade.
Fonte:
www.somatematica.com.br/biograf/fermat.php
Wilhem Leibniz
Matemtico e filsofo alemo Gottfried Wilhelm von Leibniz (1646 1716).
J. Bernoulli
Jean Bernoulli (1667 1748) foi discpulo de
Leibniz.
13
Leonard Euler
Leonhard Euler (1707 1783) foi o matemtico mais prolfico na histria. Seus 866 livros
e artigos representam aproximadamente
um tero do corpo inteiro de pesquisas em
matemtica, teorias fsicas e engenharia mecnica publicadas entre 1726 e 1800.
Fonte:
www.somatematica.com.br/biograf/euler.php
Arthur Cayley
Matemtico ingls (1821- 1895) que foi motivado pelo problema de calcular o nmero de
ismeros de hidrocarbonetos saturados.
George Boole
O trabalho de Boole (1814 1864) foi fundamental para a evoluo dos computadores.
A lgebra Booleana tem aplicaes na estrutura dos computadores modernos e nas
ligaes telefnicas.
Fonte:
www.ime.usp.br/~leo/imatica/historia/boole.
html
Henri Poincar
Matemtico, fsico e filsofo (1854 1912). No
mbito das matemticas aplicadas, estudou
numerosos problemas de ptica, eletricidade, telegrafia, capilaridade, elasticidade, termodinmica, mecnica quntica, teoria da
relatividade e cosmologia.
Captulo 1
Noes Bsicas
17
Captulo 1
Noes Bsicas
Neste captulo apresentaremos algumas noes bsicas
de matemtica j vistas anteriormente no ensino mdio.
Apresentaremos conhecimentos de fatoriais, somatrios,
produtrios, etc. Tambm apresentaremos a noo de
princpio de induo. Estes assuntos sero utilizados freqentemente nos captulos posteriores.
Por conveno:
0! = 1
1! = 1 .
18
3!
3.2.1
= 5! +
= 5! + 1 = 120 + 1 = 121 .
3!
3.2.1
n!
;
(n 2 )!
(n 2 )! ;
(n 3)!
n ! (n + 1)!
;
n!
(n + 1)! (n 1)! .
n ! (n 1)!
Soluo.
a)
n ( n 1) ( n 2 )!
n!
=
= n ( n 1).
( n 2 )!
n
!
2
(
)
b)
(n 2 )! = (n 2 ) (n 3)! = n 2 .
(n 3)!
(n 3)!
possvel simplificar
porque o fatorial sempre
diferente de zero.
19
c) n ! (n + 1)! = n ! (n + 1)n ! = n ! (1 n 1) = n .
n!
n!
n!
d)
Encontrar o valor da
varivel (letra, incgnita,
etc...).
(n 1)! (n 2 + n 1) n 2 + n 1 .
=
n 1
(n 1)! (n 1)
n ! = 5 (n 1)!
b) (n 1)! = 120 ;
Equaes
Igualdade entre duas expresses matemticas que se
verifica para determinados
valores das variveis. Fonte:
Dicionrio Houaiss.
c)
(n + 5)! + (n + 4 )! = 35 (n + 3)!;
d)
x!
= 30 ;
(x 2 )!
e)
f)
g)
(x + 1)! = 56 ;
(x 1)!
(n + 1)! n ! = 8n ;
(n 1)!
2 (n + 1)! + (n 1)!
= 13 .
n ! (n 1)!
Soluo.
Para resolver equaes com fatorial conveniente primeiro simplificar os fatoriais, fazer as operaes na forma simplificada e depois
buscar as solues das equaes. Veja as solues abaixo:
a) n (n 1)! = 5 (n 1)!
n = 5.
b) (n 1)! = 5!
(n 1) = 5
n=6.
c)
20
(n + 5 )(n + 4 ) + (n + 4 ) = 35
(n + 4 )(n + 6 ) = 35
n 2 + 10n + 24 = 35
n 2 + 10n 11 = 0
n ' = 1 e n '' = 11 .
Agora, n '' = 11 no vlido, pois no natural, ento a nica soluo da equao dada n = 1 .
d) x ( x 1) ( x 2 )! = 30 ( x 2 )!
x 2 x = 30
x 2 x 30 = 0
(x 6 )(x + 5 ) = 0
x ' = 6 ou x '' = 5 .
(x + 1) x (x 1)!
= 56
(x 1)!
e)
x 2 + x = 56
x 2 + x 56 = 0
(x + 8 )(x 7 ) = 0
x ' = 8 ou x '' = 7 .
(n 1)!
= 8n .
21
2n 2 + 2n + 1 = 13n 13
2n 2 11n + 14 = 0
n' =
n 1
= 13
= 13
7
ou n '' = 2 .
2
Lista de Exerccios 1
1) Calcule:
a) 7! + 5! .
5!
b)
7! .
3!4!
b)
(n + 2 )!n ! .
2
(n + 1)!
2) Simplifique:
a) n ! + (n + 1)! .
n!
3) Obtenha n , tal que:
(n + 1)! = 10 .
a)
n!
b) n ! + (n 1)! = 6 (n 1)! .
x ! + (x + 1)! + (x 1)!
x ! + (x 1)!
=7.
b) 20 (x 1)! (x + 1)! = 0 .
x!
22
1.2.1 Somatrio
+4+5+6+7+8=
3 . 5 . 7 . 9 .11 ==
i)
i = 1+ 2 + 3 + ... + n ;
( 2i + 1) .
i =1
n
iii) i 3 = 13 + 23 + 33 + ... + n3 ;
i =1
6
iv) 5 = 5 + 5 + 5 + 5 + 5 = 5.5 = 25 ;
i= 2
v)
i =1
O smbolo usado um
sigma maisculo, letra
grega.
i =1
ii)
i e
i =1
vi) 15 = 15 + 15 + 15 + 15 = 4.15 = 60 ;
i=1
i=1
= 2 + 22 32 + 2 + 22 33 + 2 + 22 34
2 4 ;
= 2i 3 j
i =1 j =2
3
= 22 + 23 + 32 + 33
3
i =2
i =2
= 2i + 3i ;
23
ix)
2 + 2
i
i =0
x)
i =3
a
i =0
= 2 + 2 + 2 + 2 + 2 + 2 = 2i ;
0
i= 0
= a3 + a2 + a1 + a0
3 i
= a0 + a1 + a2 + a3
3
= ai
i =0
i =1
i =1
k ai = k ai ;
n
k = nk ;
i =1
ii)
n m
= ai b j ;
i =1 j =1
a b
i =1 j =1
i =1
i =1
i =1
iii) (ai + bi ) = ai + bi ;
p
iv) ai +
i =1
v)
a
i =0
p i
i = p +1
ai = ai ;
i =1
i = p n
Exemplo 1.6.
Chamamos expandir como
representao da expresso,
8
por exemplo
i =1+2+
i =1
3+4+5+6+7+8
a) Expanda a expresso
3i 2
.
i =3 i + 1
7
24
n
c) Avalie
(a a ) considerando a
i =1
i 1
= 0.
Soluo.
a) Podemos escrever
7
3i 2
i2
=
3
i =3 i + 1
i =3 i + 1
7
32
42
52
62
72
= 3
+
+
+
+
3 + 1 4 + 1 5 + 1 6 + 1 7 + 1
9 16 25 36 49
= 3 + + +
+ .
6
7
8
4 5
b) Podemos escrever
5
1
1
1
1
1
1
+
+
+
+
=
.
1.3 2.4 3.5 4.6 5.7 i =1 i (i + 2)
c) Podemos escrever
n
(a
i =1
ai 1 )
= ( a1 a0 ) + ( a2 a1 ) + ( a3 a2 ) + ... + ( an an 1 )
= ( a1 a0 ) + ( a2 a1 ) + ( a3 a2 ) + ... + ( an an 1 )
= a0 + a n
= an , pois a0 = 0 .
1.2.2 Produtrio
A notao produtrio ( ) utilizada para representar numa forma
reduzida uma expresso, nmeros, funes, etc., colocados em certa ordem e separados por sinal de produto () . Por exemplo,
n
i) 1.2.3.4... n = i = n ! ;
i =1
ii) x . x . x . ... .x = xi ;
2
i =1
O smbolo usado um pi
maisculo, letra grega.
25
s
iv) xi = xr . xr +1..... xs
rs;
i =r
v)
(i ) = (1)(2 )... (n )
i =1
= (1) n ! ;
n
= (1.2.3.4 )(2.3.4.5 )
= i (i + 1) ;
i =1 i =1
vii)
= 45 1.2.3.4.5
= 45 i ;
i =1
viii) 4 = 4.4.4.4 = 44 ;
i=1
ix) (i + 1) = 2 .3 .4 = (2.3.4 ) = (i + 1) .
i =1
i =1
n n
=
a
b
i i
ai bi ;
i =1
i =1 i =1
n
ii) Seja k um nmero natural fixo arbitrrio, usualmente chamado de constante, ento:
a)
k = k
i =1
n
i =1
i =1
b) k ai = k n ai ;
26
n
=
a
c) i ai .
i =1
i =1
n
( j + 1)
j =0
i =1
( j + 1)
j =0
1 2 3... n ( n + 1)
1 2 3... n
i =1
1 2 3... n ( n + 1)
1 2 3... n
= n +1.
Lista de Exerccios 2
1) Expanda as seguintes somas:
6
a) 2i ;
i =1
6
b) x i .
i =0
a) (3 j + 7 ) ;
j =2
4
b) i 3 7i + 3
i =1
27
Deduzir
Concluir (algo) pelo raciocnio; inferir. Fonte: Dicionrio
Houaiss. Matematicamente,
o raciocnio dedutivo um
poderoso instrumento de se
chegar a concluses a partir de fatos conhecidos e de
uma estrutura lgica que os
articule.
b) p ( p + 1)( p + 2 )... ( p + n ).
S n = (2i 1) = 1 + 3 + 5 + ... + 2n 1 .
i =1
Sn
1 = 12
1 + 3 = 4 = 22
1 + 3 + 5 = 9 = 32
1 + 3 + 5 + 7 = 16 = 4 2
1 + 3 + 5 + 7 + 9 = 25 = 52
28
i) P (a ) verdadeira;
ii) para todo r a , se P (r ) verdadeira, ento P (r + 1) tambm
verdadeira.
Para aplicarmos este princpio de induo matemtica, devemos seguir
os seguintes passos:
1 Passo (Base de induo): Verificar se P (n ) verdadeira para
n = a.
2 Passo (Hiptese de induo): Assumir P (k ) verdadeira, hiptese da induo, com k fixado arbitrariamente.
3 Passo (Tese de induo): Provar que P (k + 1) verdadeiro.
Concluso: Sendo verificados os trs passos, podemos concluir que
P (n ) vlida para qualquer valor de n a .
Vamos aplicar este princpio de induo para resolver alguns exemplos.
Exemplo 1.8. Prove por induo que
1 + 2 + ... + n =
n (n + 1)
2
, n 1.
(1 + 1) = 2 = 1 (vale).
2
r (r + 1) .
2
(r + 1)(r + 2 ) .
2
r (r + 1)
2
+ r +1
29
=
=
r (r + 1) + 2 (r + 1)
2
(r + 1)(r + 2 ) .
2
x
i =0
n +1
= 1 + x + x 2 + ... + x n = x 1 , x , x 1 n 1 ,
x 1
onde
x o conjunto dos nmeros reais.
Soluo.
1 Passo: (Base de induo). Para n = 1
1
= 1+ x
i =0
e
x 2 1 (x 1)(x + 1)
=
= x +1 .
x 1
(x 1)
Portanto a afirmao verdadeira para n = 1 .
2 Passo: (Hiptese de induo). Vamos supor que a frmula
vlida para n = k , isto ,
x k +1 1
x =
(hiptese).
x 1
i =0
k
= 1 + x + ... + x k + x k +1
i =0
= xi + x k +1 (hiptese)
i =0
x k +1 1
=
+ x k +1
x 1
x k +1 1 + x k +1 (x 1)
=
x 1
30
xk +2 1 .
x 1
=
Isso diz que
k +1
xi =
i =1
x(k +1)+1 1
(vale para n = k + 1 ).
x 1
x 1
i =0
n
x 1,
x.
n
i = i ,
i =1
i =1
n
n 1 .
i =
n (n + 1)
2
i =1
4
i =1
2
1 Passo: n = 1
12 (1 + 1)
1 =
1 4
=1
4
1 = 1 (verdadeira).
2 Passo: Vamos supor que a afirmao vale para n = k , isto ,
k
k 2 (k + 1) .
2
i =1
i =1
Agora,
k +1
i = i + (k + 1)
i =1
i =1
(k + 1) (k + 2 )
=
2
31
k 2 (k + 1)
+ (k + 1)
k 2 (k + 1) + 4 (k + 1)
2
(k + 1) k 2 + 4 (k + 1)
=
4
2
2
k + 1) (k + 2 )
(
=
.
4
2
Assim, a frmula vale para k + 1 se for vlida para k . Logo, pelo princpio de induo ela vlida para qualquer n 1 , isto ,
n 2 (n + 1) ,
i =
4
i =1
n
ou seja,
2
n (n + 1) n ,
= i
2
i =1
2
n 1 .
n .
(k + 1) + (k + 2 ) + (k + 3)
3
mltiplo de 9.
32
Podemos escrever
3
3
3
(k + 1) + (k + 2 ) + (k + 3)
= (k + 1) + (k + 2 ) + k 3 + 27 + 3.3k (k + 3)
3
= k 3 + (k + 1) + (k + 2 ) + 27 + 9k 2 + 27k
= 9t + 27 + 9k 2 + 27 k
= 9 t + 3 + k 2 + 3k = 9 p ,
onde p = t + 3 + k 2 + 3k .
Logo, podemos concluir que a expresso
(k + 1) + (k + 2 ) + (k + 3)
3
um mltiplo de 9.
Conseqentemente, a afirmao n 1 verdadeira.
Analogamente, tambm podemos provar que o resultado vlido
para n , pois neste caso escrevemos n = n .
Exemplo 1.12. Utilizando o princpio de induo, prove que
m
n .
=
a
i
ai
i =1
i =1
n
Soluo.
1 Passo: Para n = 1 .
m
1
ai = a = ai .
i =1
i =1
2 Passo: Vamos supor que o resultado vale para n = k , isto :
1
m
1
k
.
=
a
i
ai
i =1
i =1
3 Passo: Vamos provar que o resultado vlido para n = k + 1, ou
seja,
k
k +1 .
ai = ai
i =1
i =1
k +1
Agora,
k +1
i =1
i =1
ai m = ai m a m k +1
33
m
= ai a m k +1 (usando 2 Passo)
i =1
k
= ai ak +1
i =1
k +1
= ai (vale).
i =1
Portanto, usando o princpio de induo conclumos que a afirmao
n 1 verdadeira.
Lista de Exerccios 3
Prove, utilizando o princpio da induo:
1)
n (n + 1)(2n + 1)
i =1
2)
(2 j 1) = n
j =1
6
2
n 1.
n 1.
Captulo 2
Nmeros Binomiais
37
Captulo 2
Nmeros Binomiais
Neste captulo apresentaremos o Binmio de Newton e o
tringulo de Pascal. Estes dois assuntos so importantes
nas aplicaes em anlise combinatria, apresentada no
captulo a seguir.
Coeficientes
Coeficientes so nmeros
reais, em geral inteiros, que
multiplicam as incgnitas ou
variveis de uma expresso.
Na seo 2.4 voc perceber
porque chamamos a expresso definida a seguir de coeficientes binomiais.
(1)
ou
n
n!
, n p, n, p .
=
p (n p)! p !
(2)
Podemos verificar facilmente que as expresses (1) e (2) so equivalentes. De fato, multiplicando e dividindo (1) por (n p )! , temos
n n(n 1)...(n p + 1)(n p)!
=
(n p )! p !
p
=
n!
p !(n p )! .
38
5!
5!
5.4. 3! 20
=
=
=
= 10 .
2!(5 2)! 2! 3! 2! 3!
2
b) C5,1 =
5!
5!
5. 4!
=
=
= 5.
1!(5 1)! 4! 1! 1! 4!
c) C7,5 =
7!
7!
7.6. 5! 42
=
=
=
= 21 .
5!(7 5)! 5! 2! 5! 2! 2
d) C p , p 5 =
p!
p!
=
= C p ,5 .
( p 5)!( p p + 5)! ( p 5)! 5!
i (i 1)!
i!
=i.
=
(i 1)! 1! (i 1)! 1!
ii) Ci +1,2 =
(i + 1)i (i 1)! i (i + 1)
(i + 1)!
.
=
=
2!
(i + 1 2)! 2!
(i 1)! 2!
iii) Ci + 2,3 =
C n, p =
n
n
.
p
p
n
Notao. H vrias formas de denotar a expresso : por Cn , p , por Cnp ,
p
por nc p , etc. Neste trabalho sempre utilizaremos Cn , p .
39
Cn , p = Cn ,q p = q ou p + q = n .
Exemplo 2.3.
a) C11, x = C11,5 x = 5 ou x + 5 = 11 x = 6
x = 5 ou x = 6 .
b) C8,4 = C8, x x = 4 , pois ou x + 4 = 8 x = 4 .
Esta concluso se enuncia genericamente da seguinte forma:
Proposio 2.1. vlida a relao
C n , p = C n , n p , n , p e n p ,
onde o conjunto de nmeros naturais positivos.
A demonstrao segue direto da propriedade de igualdade entre
dois binomiais e do fato de que n p + p = n
3
.
4
40
Soluo. Temos
Cn ,2
Cn ,3
n!
3
(n 2)! 2! 3
=
=
n!
4
4
(n 3)!3!
(n 3)!3! 3
=
(n 2)! 2! 4
(n 3)! 3. 2!
(n 2) (n 3)! 2!
3
4
3
3
=
n2 4
n2= 4
n = 6.
n!
n(n 1)(n 2)!
=
(n 2)! 2!
(n 2)! 2!
30 = n(n 1)
n 2 n 30 = 0
(n 6)(n + 5) = 0
n = 6 ou n = 5 .
Lista de Exerccios 1
1) Efetue as expresses:
a) C3,0 + C3,1 + C3,2 ;
b) C5,0 + C5,2 + C5,4 .
41
C = 1;
a) n,3
b) Cn 1,2 = 36 .
4) Considere An , p =
n!
. Obtenha x tal que:
( n p )!
a) Ax ,2 C x ,2 = 10 x ;
b) Ax +1,2 C x 1,2 = 24 .
Cn , p + Cn , p +1 =
n!
n!
+
p !(n p)! ( p + 1)!(n p 1)!
n!
n!
+
p !(n p )(n p 1)! ( p + 1) p !(n p 1)!
1
n!
1
+
p !(n p 1)! n p p + 1
p +1+ n p
n!
p !(n p 1)! (n p )( p + 1)
n !(n + 1)
p !(n p 1)!(n p )( p + 1)
42
(n + 1)!
(n p)!( p + 1)!
(n + 1)!
( p + 1)!(n + 1 ( p + 1) )!
= Cn +1, p +1
10! 10.9.8
=
= 120 .
7! 3! 1.2.3
9!
9.8.7
=
= 84 .
6!3! 1.2.3
Lista de Exerccios 2
Ao resolver os exerccios, atente para o fato de que matematicamente um problema est resolvido se for mostrado que no h soluo
possvel
43
1) Complete:
C5,1 + C5,2 = C,2 .
Note que aqui o n tratado
como uma constante e a
resposta encontrada ser
em funo de n.
2) Resolva em x a equao
Cn ,3 = x Cn ,4 .
3) Obtenha x tal que
C12,2 x = C12, x +9 .
4) Obtenha x e y tal que
C10, x + C10,2 x 5 = C11, y .
L0 : 0
C0,0
L1 :1
C1,0
C1,1
L2 : 2
C2,0
C2,1
C2,2
L3 : 3
C3,0
C3,1
C3,2
C3,3
L4 : 4
C4,0
C4,1
C4,2
C4,3
C4,4
L5 : 5
C5,0
C5,1
C5,2
C5,3
C5,4
C5,5
...
...
...
...
...
...
...
Tabela 1
...
...
44
10
10
...
...
...
...
...
...
...
...
...
Tabela 2
45
Cn , p = Cn , n p .
Propriedade 2.2. (Teorema das linhas) A soma dos coeficientes binomiais situados numa mesma linha (de numerador n ) de um tringulo de
Pascal sempre 2n . Isto ,
n
C
i =0
n ,i
= Cn ,0 + Cn ,1 + ... + Cn ,n = 2n .
Anlise:
Linha
Soma
n = 0 (L0 ):
n = 1 (L1 ):
n = 2 (L2 ):
n = 3 (L3 ):
n = 4 (L4 ):
e sucessivamente
1 ou 1=20
1+1=2=21
1+2+1=4=22
1+3+3+1=8=23
1
1+4+6+4+1=16=24
...
46
Por exemplo,
i)
C
i =0
ii)
5,i
C
i =0
3,i
= 25 ;
= 23 ;
(vale).
Ci +1,i = Ci ,i 1 + Ci ,i .
47
= 2 Ci ,0 + Ci ,1 + ... + Ci ,i
= 2 2i
= 2i+1 .
Logo, o resultado vale n 0 .
S = i Cn , i ?
i =1
Soluo. Temos
n
S = i Cn , i
i =1
= i
i =1
n
=
i =1
n!
i !(n i )!
n!
(i 1)!(n i )!
n(n 1)!
i =1 (i 1)!( n 1 (i 1))!
=
n
= n Cn 1,i 1
i =1
C
i =0
n +i ,n
= Cn + p +1,n +1 ,
n 0.
48
Anlise:
C0
C1
C2
C3
C4
...
1
1
1
1
1
...
1
2
3
4
...
1
3
6
...
1
4
...
1
...
...
( n + i + 1)! ( n + i + 1)!
+
( n + 1)!i !
n !(i + 1)!
( n + i + 1)! 1
1
+
n !i ! n + 1 i + 1
49
( n + i + 1)!( n + i + 2)
n !i !( n + 1)(i + 1)
=
( n + i + 2)!
( n + 1)!(i + 1)!
= Cn +i + 2, n +1 ,
o que o lado direito da expresso.
S = i (i + 1)(i + 2)
i =1
30
= 3! Ci + 2,3
i =1
33!
4!(33 4)!
33 32 31 30
6
1 2 3 4
= 245520 .
S = i2 .
i =1
S = i2 =
i =1
n(n + 1)(2n + 1) .
6
50
i =1
i =1
S = i 2 = [i (i + 1) i ]
i =1
i =1
= i (i + 1) i
n
i =1
i =1
= 2 Cn + 2,3 Cn +1,2
=2
1.2.3
1.2
n + 2 1
= n (n + 1)
2
3
=
n(n + 1)(2n + 1) .
6
S = (3i 1)i 2 .
Soluo. Temos
i =1
em termos de
Temos
3i 3 i 2 = Ai (i + 1)(i + 2) + Bi (i + 1) + Ci + D
i, i (i + 1) ,
51
= Ai 3 + (3 A + B)i 2 + (2 A + B + C )i + 1 .
Isto implica em
3i 3 i 2 = 3i (i + 1)(i + 2) 10i (i + 1) + 4i .
Logo
n
S = (3i 1)i 2
i =1
i =1
i =1
i =1
= 3 i (i + 1)(i + 2) 10 i (i + 1) + 4 i
n
i =1
i =1
i =1
= n(n + 1)
+ 2
4
3
.
n(n + 1)(9n 2 + 5n 2)
=
12
Portanto,
n(n + 1)(9n 2 + 5n 2) .
S = (3i 1)i =
12
i =1
n
C
i =0
n +i ,i
52
Anlise:
C0
C1
C2
C3
C4
C5
C6
...
1
1
1
1
1
1
1
...
1
2
3
4
5
6
...
1
3
6
10
15
...
1
4
10
20
...
1
5
15
...
1
6
...
1
...
...
Por exemplo,
i) C4,0 + C5,1 + C6,2 = C7,2 ;
ii) C10,0 + C11,1 + C12,2 + C13,3 = C14,3 .
Demonstrao. Utilizando as propriedades de combinao complementares, isto , Cn , p = Cn ,n p , n p , podemos escrever
p
C
i =0
n + i ,i
se
p<
n 1
;
2
b) Cn , p > Cn , p +1
se
p>
n 1
.
2
53
n!
n!
n !(n p ) n !( p + 1) n !(n 2 p 1)
.
=
( p + 1)!(n p )!
( p + 1)!(n p )!
> 0,
Cn , p +1 Cn , p
< 0,
n 1
2 .
n 1
p>
2
p<
Cn , p + Cn , p +1 = Cn +1, p +1 .
54
Lista de Exerccios 3
1) Prove, fazendo as contas, que Cn + 2, p + 2 = Cn , p + 2 Cn , p +1 + Cn , p + 2 .
n
(i + 1)C
2) Calcule
i =0
n ,i
a) S = i (i + 1) .
i =15
n
b) S = i (2i + 1) .
i =1
para n = 2 : (a + b) 2 = 1 a 2 + 2 a b + 1b 2 ;
para n = 3 : (a + b)3 = 1 a 3 + 3 a 2 b + 3 a b 2 + 1b3 ;
para n = 4 : (a + b) 4 = 1 a 4 + 4 a 3 b + 6 a 2 b 2 + 4 a b3 + 1b 4 ;
para n = 5 : (a + b)5 = 1 a 5 + 5 a 4 b + 10 a 3 b 2 + 10 a 2 b3 + 5 a b 4 + 1b5
e assim por diante.
Uma simples anlise nas identidades acima verifica que:
medida que o expoente aumenta, o nmero de termos de
desenvolvimento tambm aumenta;
o nmero de termos do desenvolvimento da expresso (a + b) n
3
n + 1 . Assim, (a + b) tem quatro termos, (a + b)5 tem seis termos, etc.;
55
1
1
10
10
...
...
...
...
...
...
...
(a + b) n = Cn ,0 a n + Cn ,1 a n 1 b + Cn ,2 a n 2 b 2 + ... + Cn ,n 1 a b n 1 + Cn ,n b n
(a + b) n = Cn ,i a n i bi .
i =0
(3)
56
( a + b ) k = Ck , i a k i b i , k 1 .
i =0
3 Passo: Vamos provar a afirmao (3) para n = k + 1 , ou seja, precisamos verificar que
k +1
(a + b) k +1 = Ck +1,i a k +1i bi .
i =0
Podemos escrever
(a + b )
k +1
= (a + b )(a + b )
= (a + b) Ck ,0 a k + Ck ,1 a k 1b + Ck ,2 a k 2b 2
+... + Ck ,k 1 a bk 1 + Ck ,k bk
= Ck ,0 a k +1 + (Ck ,1 + Ck ,0 )a k b + (Ck ,2 + Ck ,1 ) a k 1b 2
+... + (Ck ,k + Ck ,k 1 ) a b k + Ck ,k b k +1 .
Aplicando a relao de Stifel e utilizando as identidades
Ck ,0 = Ck +1,0 e Ck ,k = Ck +1,k +1 ,
(4)
57
= Ck +1,i a k +1i bi ,
i =0
o que prova o resultado para n = k + 1 . Logo, pelo princpio de induo, podemos concluir a validade da afirmao (3) para qualquer
n.
n
Observao 2.2. s vezes, a expresso (a + b) chamada de Binmio, e
seu desenvolvimento (3) conhecido como Binmio de Newton.
(a + b) = Cn ,i a b = Ti +1 ,
n
n i i
i =0
i =0
onde
Ti +1 = Cn ,i a n i bi , 0 i n .
(5)
(a b )
= [ a + ( b )] =
C
i =0
a n i ( b ) .
i
n ,i
Como ( b ) = ( 1) b , ento
i
(a b) n = Cn ,i a n i (1) bi
i
i =0
n
= (1)i Cn ,i a n i bi
i =0
58
i =0
i =0
(a b) n = (1)i Cn ,i a n i bi = Ti +1 ,
onde
Ti +1 = (1)i Cn ,i a n i bi , 0 i n
n
o termo geral da expresso (a b) .
(x + y )
= x 5 5 x 4 y + 10 x 3 y 2 10 x 2 y 3 + 5 x y 4 y 5 .
Exemplo 2.16. Calcule o 7 termo do desenvolvimento de (2 + y )8 .
Soluo. Podemos escrever
8
(2 + y )8 = Ti +1 ,
i =0
onde
Ti +1 = C8,i 28i y i .
59
termo independente
comum em matemtica
fazer referncia em uma
equao ao termo em que
a incgnita no aparece. A
este termo chamamos de
termo independente da incgnita ou simplesmente
termo independente.
7.6
(1) x 2
1.2
= 21.81.3(1)x 2
= 63.81 x 2
Exemplo 2.18. Verifique se existe termo independente de a no desenvolvimento de
7
1 .
a +
a
7 i
1
a
= C7,i a 7 i a i
= C7,i a 7 2i .
Para que Ti +1 seja independente de a , necessrio que 7 2i = 0 ,
7
ou seja, i = .
2
7
Como i , logo i = . Portanto, no existe o termo
2
independente de a .
1
3 .
+x
x
60
8i
( x 3 )i
= C8,i x 8+ 4i .
Para o termo independente de x , devemos ter o expoente igual a
zero, ou seja,
8 + 4i = 0 i = 2 ,
isto ,
T3 = C8,2 x 8+8
= C8,2
=
87
= 28 .
1 2
(x 3 y ) = C4,i x 4i (3 y )
4
i =0
+ C4,3 x (3 y ) + C4,4 (3 y )
3
= x 4 12 x3 y + 54 x 2 y 2 108 x y 3 + 81 y 4 .
Portanto
(x 3 y )
= x 4 12 x3 y + 54 x 2 y 2 108 x y 3 + 81 y 4 .
x+
.
x
61
Soluo. Temos
Ti +1 = Cn ,i a n i bi .
Agora,
a = x, b =
1
,n=9 e i =5.
x
Assim, temos
1
T6 = C9,5 x 95
x
=
9 8 7 6 4 5/ 2
x x
1 2 3 4
= 126x 4 5 / 2
= 126x 3/ 2 .
Exemplo 2.22. Um dos termos do desenvolvimento de
12
x 2
x
no depende de x . Qual ?
Soluo. Sabemos que
12 i
Ti +1 = C12,i x
1
2
x
Para que Ti +1 seja independente de x , devemos ter 12 3i = 0 ou
i = 4.
Logo
T5 = (1) C12,4 x1212
4
= C12,4 =
12!
8! 4!
12 11 10 9
= 11 5 9
1 2 3 4
= 495 .
=
62
Soluo. Temos
( )
Ti +1 = C9,i 29i b 2
= C9,i 29i b 2i .
Para obter o termo em b6 , devemos fazer 2i = 6 , isto , i = 3 .
Logo,
T4 = C9,3 26 b6
=
9.8.7 6 6
2 b
1.2.3
= 84.26 b6 .
Para obter o coeficiente do termo em x8 , devemos fazer 10 i = 8 ,
isto , i = 2 .
Logo
T3 = (1) C10,2 x8 32
2
=9
10 9 8
x
1 2
= 405 x8 .
2.4.2 Propriedades
A seguir apresentaremos duas propriedades interessantes do binmio de Newton.
63
Propriedade 2.6. No desenvolvimento de (a + b ) , a soma dos coeficientes de ordem par igual a soma dos coeficientes de ordem mpar.
n
Ordem
Na frmula do termo geral
do binmio chamamos de
ordem ao termo i.
(a + b ) = Cn,i a nibi .
n
i =0
0 = Cn ,i (1)
i =0
= Cn ,0 Cn ,1 + Cn ,2 Cn ,3 + ... + (1) Cn ,n
n
Cn ,1 + Cn ,3 + ... = Cn ,0 + Cn ,2 + ... ,
C
i =0
n ,i
= 2n .
(a + b ) = Cn,i a nibi .
n
i =0
2 n = Cn , i
ou
i =1
Cn ,0 + Cn ,1 + ... + Cn ,n = 2n .
64
(x
+x
) = C (x )
10
10,i
i =0
10 i
xi .
210 = C10,i .
i =0
1
1 + .
2
Soluo. O termo geral dado por
i
1
1
Ti +1 = C21,i 121i = C21,i .
2
2
Sabemos que cada termo maior que o anterior (at certo valor de
i ) , ou seja,
Ti +1 > Ti
i
1
1
C21,i > C21,i 1
2
2
i
i 1
21! 1
21!
1
>
i !(21 i ) 2 (i 1)!(22 i )! 2
(22 i )! > i ! 2
(21 i )! (i 1)!
22 i > 2i
22 > 3i i <
22
3 .
i 1
65
Assim, temos
i {0,1, 2,..., 7}.
Ti +1 > Ti
Analogamente,
i {8,..., 21}.
Ti +1 < Ti
Logo
T1 < T2 < T3 < ... < T7 < T8 > T9 > ... > T21 .
Portanto, o termo mximo T8 , isto ,
7
1
T8 = C21,7 .
2
Alternativamente, se fizermos o clculo de cada um desses nmeros
veremos que T7 < T8 e, por outro lado, T9 < T8 . Logo, o termo mximo
T8 .
Exemplo 2.27. Calcule
n
a) Cn ,i x i ;
i =0
n
b) i Cn ,i xi ;
i =0
c)
i C
i =0
n ,i
Soluo.
a) Sabemos que
(a + b ) = Cn,i a nibi .
n
i =0
Considerando a = 1 e b = x , obtemos
n
(1 + x ) = Cn,i xi .
n
i =0
b) Podemos escrever
n
iC
i =0
n ,i
x n = i Cn , i x i .
i =1
66
Portanto,
n
i =1
i =1
i Cn , i x i = i
n
=
i =1
n!
xi
n
i
!
i
!
( )
n (n 1)!
x x i 1
((n 1) (i 1))!(i 1)!
(n 1)!
x i 1
i =1 ((n 1) (i 1))!(i 1)!
n
= n x
= n x (1 + x ) .
n 1
c) Fazendo x = 1 em (b) obtemos
n
iC
i =0
n ,i
= n 2n 1 .
(a + b ) = Cn,i a nibi
n
i =0
Lista de Exerccio 4
1) Determine o termo independente de x no desenvolvimento de
6
a) x + ;
x
b) 2 x .
3x
b) (x 1) .
8
12
Captulo 3
Anlise Combinatria:
Permutaes e Combinaes
69
Captulo 3
Anlise Combinatria:
Permutaes e Combinaes
A anlise combinatria visa desenvolver mtodos que permitam contar o nmero de elementos de um conjunto. Por
exemplo: imagine que voc administrador do rgo de
trnsito e precisa emplacar os veculos, que cdigo voc
criaria? Quantas placas diferentes posso fazer com, por
exemplo, 2 letras e 4 algarismos, como era antigamente?
Por que quando foi alterado o cdigo de emplacamanento,
a deciso foi por aumentar uma letra e no um algarismo?
A anlise combinatria se ocupa de problemas do dia-adia como este.
Na anlise combinatria consideramos conjuntos cujos elementos
so agrupados sob certas condies. Tais condies sero estabelecidas e estudadas no decorrer do curso.
Por exemplo,
A o conjunto de nmeros de dois algarismos distintos formados a partir dos dgitos 1 e 2, ou seja,
A = {11,12, 21, 22} , # A = 4 ,
#B = 6.
70
C = {012, 021, 013, 031, 014, 041,...}.
Observe que nesse caso h um nmero grande de possibilidades.
Desse modo, trabalhoso obter todos os elementos agrupados deste
conjunto. A seguir apresentaremos algumas tcnicas de agrupamento
de determinados elementos. Estas tcnicas so conhecidas como Princpio Fundamental de Contagem ou regras gerais de Anlise Combinatria.
( a1 , b1 )
bn
( a1 , bn )
b
b
( a2 , b1 )
bn
( a2 , bn )
b
b
( a m, b1 )
bn
( am , bn )
a2
am
( a1 , b2 )
( a2 , b 2 )
m n pares
b
b
71
( am , b2 )
Figura 3.1
X
a
b
b
b
b4
Figura 3.2
72
nibus
Carro
Joinville
Avio
Florianpolis
nibus
Avio
Figura 3.3
(m 1) pares
(m 1) pares
pares
O nmero de pares
m 1) + (m 1) + ... + (m 1) = m (m 1) .
(
m vezes
Exemplo 3.5. Quantos nmeros com dois algarismos distintos podemos formar com os dgitos 1 a 9?
73
Soluo. Seja A = {1, 2,...,9}. Considere dois nmeros a e b tais que
a, b A , a b , ento cada nmero pode ser considerado um par de
dgitos (a, b ), a b , onde temos 9.8 = 72 formas diferentes de dois
algarismos distintos.
Exemplo 3.6. Um edifcio tem 5 portas. De quantas formas uma pessoa poder entrar no edifcio e sair por uma porta diferente da que
usou para entrar?
r-uplas
Esta notao comum em
matemtica para generalizar
a forma do portugus que
fala de dupla, tripla, qudrupla, quntupla, para seqncias ordenadas com 2, 3, 4 e
5 elementos. Para uma seqncia ordenada com qualquer nmero r de elementos,
dizemos uma r-upla.
Soluo. 5 4 = 20 .
A seguir daremos um resultado mais geral.
Proposio 3.1. Consideremos r conjuntos de ni elementos cada:
Ai = {ai1 , ai 2 ,..., aini } , i = 1, 2,..., r .
Ento, o nmero de r uplas ordenadas (seqncia de r elementos) do
tipo (x1 , x2 ,..., xr ) n1 n ... nr , r 2 , onde xi Ai , i = 1, 2,..., r .
A demonstrao da proposio 3.1 pode ser feita aplicando o princpio de induo.
A seguir veremos outros exemplos:
Exemplo 3.7. Uma moeda lanada 5 vezes. Qual o nmero de
seqncias possveis de caras e/ou coroas?
Soluo. Sabemos que cada lanamento tem duas possibilidades: cara
ou coroa. Como temos 5 lanamentos, ento o resultado procurado
2.2.2.2.2 = 25 = 32 seqncias possveis de cara e/ou coroa.
Exemplo 3.8. De quantas formas podemos responder um questionrio com 10 perguntas cuja resposta para cada pergunta pode ser
sim, no ou no sei?
Soluo. Vamos representar as perguntas do questionrio por um
conjunto
A = {a1 , a2 ,..., a10 }
,
onde cada ai (i = 1, 2,...,10 ) tem trs possibilidades de respostas, ou
seja
74
ai {sim, no, no sei}.
Logo, pela proposio 3.1, temos 3.3. ... .3 = 310 possibilidades.
10 vezes
r elementos
ai A, i {1, 2,..., m}
ai a p , i p
m (m 1)... (m r + 1) .
75
Lista de Exerccios 1
1) Um homem vai a um restaurante disposto a comer um s prato
de carne e uma s sobremesa. O cardpio oferece 8 pratos distintos de carne e 5 pratos diferentes de sobremesa. De quantas
formas pode o homem fazer sua refeio?
2) Numa festa existem 80 homens e 90 mulheres. Quantos casais
diferentes podem ser formados?
3) Um edifcio tem 8 portas. De quantas formas uma pessoa poder entrar no edifcio e sair por uma porta diferente da que
usou para entrar?
4) Um homem possui 10 ternos, 12 camisas e 5 sapatos. De quantas formas poder ele vestir um terno, uma camisa e um par
de sapatos?
5) De quantas formas podemos responder a 12 perguntas de um
questionrio, cujas respostas para cada pergunta so sim ou
no?
6) Uma prova consta de 20 testes tipo verdadeiro ou falso. De
quantas formas uma pessoa poder responder aos 20 testes?
7) Quantos nmeros de 3 algarismos (iguais ou distintos) podemos formar com os dgitos 1,2,3,7,8?
8) Quantos nmeros telefnicos com 7 dgitos podem ser formados, se usarmos os dgitos de 0 a 9?
76
3.2 Arranjos
Se temos um conjunto A = {x1 ,..., xm } de m elementos, chamamos
de arranjos dos m elementos tomados r a r (a r m ) a quaisquer
r uplas, (seqncia de r elementos) formados com elementos de
A , todos distintos.
Os arranjos podem ser simples ou com repeties.
m!
, 1 r m.
(m r )!
5!
5!
= = 5.4 = 20 .
(5 2 )! 3!
77
x4 x1 , x4 x2 , x4 x3 , x4 x5 , x5 x1 , x5 x2 , x5 x3 , x5 x4 }, # AS = 20 .
xi x j x j xi , i j , i, j = 1, 2,3, 4 e 5 .
Exemplo 3.13. De um baralho de 52 cartas, 2 cartas so retiradas sucessivamente e sem reposio. Quantas seqncias de cartas possvel obter?
( x, y )
Soluo. Em cada resultado temos um par ordenado de cartas
em que x a primeira e y a segunda carta extrada. Observe que
x e y so distintas e a extrao feita sem reposio. Logo, o nmero de arranjos simples
AS = 52 51 = 2652 .
Exemplo 3.14. Consideremos os dgitos 1, 2, 3 e 4. Quantos nmeros
de 2 algarismos distintos podem ser formados?
Soluo. Os nmeros de 2 algarismos tm o algarismo das unidades e o algarismo das dezenas. Logo, existem 2 posies para
serem preenchidas. Se considerarmos um dos quatros dgitos na 1
posio, ento temos 3 dgitos a serem colocados na 2 posio (os
algarismos so distintos). Portanto, temos 4 3 = 12 nmeros de 2
algarismos diferentes que podem ser formados com 4 dgitos.
Exemplo 3.15. Dado o conjunto X = {x1 , x2 , x3 , x4 }, quantos subconjuntos de 2 elementos X possui?
Soluo. Para formar uma seqncia de grupos de elementos de 2
a 2, temos 4.3 = 12 possibilidades. Mas queremos formar subcon12
=6
juntos onde {xi , x j }= {x j , xi }. (i, j = 1, 2,3, 4) . Logo temos
2
possibilidades de formar subconjuntos de X com 2 elementos:
78
r vezes
Em particular, quando r = 1 , AR = m .
Exemplo 3.16. Em um conjunto de 4 elementos so formados agrupamentos dos elementos dois a dois, onde aparecem elementos repetidos
em cada grupo. Quantas seqncias de elementos so possveis obter?
2
Soluo. Temos m = 4 e r = 2. Logo, a resposta ser 4 = 4.4 = 16.
Veja o conjunto abaixo para conferir X = {x1 , x2 , x3 , x4 }
AX (R ) = {x1 x1 , x1 x2 , x1 x3 , x1 x4 , x2 x1 , x2 x2 , x2 x3 ,
x2 x4 , x3 x1 , x3 x2 , x3 x3 , x3 x4 , x4 x1 , x4 x2 , x4 x3 , x4 x4 },
# AX (R ) = 16 .
Exemplo 3.17. Numa sorveteria h 15 sabores diferentes de sorvete. Considerando que no se podem misturar sabores, de quantas maneiras 5
pessoas podem fazer seus pedidos?
Soluo. Cada pessoa tem 15 escolhas para o seu pedido. Como so 5
pessoas, ento so 15 15 15 15 15 = 155 maneiras de fazer o pedido.
Lista de Exerccios 2
1) Quantas palavras contendo 3 letras diferentes podem ser formadas com um alfabeto de 26 letras?
2) Quantos so os gabaritos possveis de um teste de 10 questes de
mltipla escolha com cinco alternativas por questo?
79
3) De quantos modos diferentes podem ser escolhidos um presidente e um secretrio de um conselho que tem 12 membros?
4) De quantos modos 3 pessoas podem sentar-se em 5 cadeiras
em fila?
5) Quantos nmeros de quatro dgitos so maiores que 2400 e:
a) Tm todos os dgitos diferentes.
b) No tm dgitos iguais a 3,5 ou 6.
c) Tm as propriedades a) e b) simultaneamente.
6) Quantos so os nmeros naturais de 4 dgitos que possuem
pelo menos dois dgitos iguais?
7) Em uma banca h 5 exemplares iguais da revista A , 6 exemplares iguais da revista B e 10 exemplares iguais da revista C .
Quantas colees no vazias de revistas dessa banca possvel
formar?
8) Quantos nmeros diferentes podem ser formados multiplicando alguns (ou todos) dos nmeros 1, 5, 6, 7, 7, 9, 9, 9?
9) Um vago de metr tem 10 bancos individuais, sendo 5 de
frente e 5 de costas. De 10 passageiros, 4 preferem sentar de
frente, 3 preferem sentar de costas e os demais no tm preferncia. De quantos modos os passageiros podem se sentar,
respeitando-se as preferncias?
10) Fichas podem ser azuis, vermelhas ou amarelas; circulares, retangulares ou triangulares, finas ou grossas. Quantos tipos de
fichas existem?
3.3 Permutaes
Nesta seo apresentaremos diversas formas de permutaes, tais
como: permutao, permutao com alguns elementos distintos e
permutaes simples circulares.
80
Anagrama
Na lngua portuguesa, anagrama a transposio de
letras de palavra ou frase
para formar outra palavra
ou frase diferente (Natrcia,
de Caterina; amor, de Roma;
Clia, de Alice, etc.). Matematicamente, consideramos
todas as ordens diferentes
em que se podem colocar as
letras de uma palavra, ainda
que no sejam formadas novas palavras.
81
82
n elementos
n! ,
n1 !
n! .
n1 !
nr so iguais a ar ,
ento podemos calcular o nmero de permutaes, nessas condies, atravs da frmula
Pnn1 ,n2 ,...,nr =
n!
.
n1 !n2 !... nr !
83
10!
= 151200
3!2!2!
84
x
x
Figura 3.4
x3 , x1 , x2 ,
x2 , x3 , x1
x3 , x2 , x1 ,
x2 , x1 , x3
x1 , x3 , x2 .
85
PC3 =
3!
= (3 1)! = 2! = 2 .
3
n!
= (n 1)! .
n
Vamos
analisar a frmula dada acima para n = 4 . Seja
X = {x1 , x2 , x3 , x4 }. Queremos colocar estes quatro objetos distintos
em crculo. De quantos modos podemos fazer isso, entendendo que
as disposies que podem coincidir por rotao so consideradas
iguais? Pela frmula de permutao simples, a resposta P4 = 4! = 24
, e pela frmula de permutao circular, PC4 = (4 1)! = 3! = 6 .
Vamos conferir esta situao atravs das figuras:
x4 x
x
x
x x
x x4
x4
Figura 3.5
x4
x
x
#1 .
#1
x1 x3 x4 x2 = x3 x4 x2 x1 = x4 x2 x1 x3 = x2 x1 x3 x4
#1
x1 x3 x2 x4 = x3 x2 x4 x1 = x2 x4 x1 x3 = x4 x1 x3 x2
#1
x1 x4 x3 x2 = x4 x3 x2 x1 = x3 x2 x1 x4 = x2 x1 x4 x3
#1 .
86
Logo, a resposta
PC4 =
4!
= (4 1)! = 3! = 6
4
x6
x5
x4
Figura 3.6
x7
x6
x4
x5
Figura 3.7
87
Logo, temos
5! 6 5 = 120 30 = 3600
maneiras diferentes de colocar 8 crianas numa roda, onde duas determinadas crianas no podem ficar juntas.
Exemplo 3.27. Temos 5 meninas e 5 meninos. De quantas maneiras
eles podem formar uma roda, de modo que meninos e meninas se
alternem?
Soluo. Podemos formar PC5 = 4! rodas somente com as meninas.
Agora se colocarmos os meninos entre essas 5 meninas, teremos que
escolher as posies um por um, ou seja, o 1 menino tem 5 maneiras
diferentes de ficar entre essas 5 meninas. Como dois meninos no podem ficar juntos, ento o segundo menino tem 4 maneiras diferentes
de ficar entre essas 5 meninas, e assim por diante. Logo, temos
4! 5 4 3 2 1 = 4!5! = 24 120 = 2880
formas diferentes de colocar 5 meninas e 5 meninos de modo que
meninas e meninos fiquem de forma alternada.
Em geral, se temos m meninas e m meninos, ento temos
(m 1)!m!
formas diferentes de colocar m meninas e m meninos numa roda,
onde meninos e meninas se alternem.
Lista de Exerccios 3
1) Quantos so os anagramas da palavra CAPTULO:
a) Que comeam por consoante e terminam por vogal?
b) Que tm as letras C, A, P juntas nessa ordem?
c) Que tm as letras C, A, P juntas em qualquer ordem?
d) Que tm as vogais e as consoantes intercaladas?
e) Que tm a letra C no 1 lugar e a letra A no 2 lugar?
88
89
3.4 Combinaes
Nesta seo apresentaremos a noo de combinaes em duas formas diferentes. Uma, combinao simples, e outra, combinao
completa.
90
Por outro lado, importante notar a diferena entre uma combinao (conjunto) e uma seqncia, pois numa combinao no importa a ordem dos elementos, e numa seqncia importa a ordem dos
elementos.
Clculo do nmero de combinaes
O nmero de combinaes simples de ordem r de m objetos dado
por Cm ,r , ou seja,
Cm , r =
m!
, 0 r m
r !( m r )!
m (m 1)(m 2 )... (m r + 1)
, 0r m
.
r!
Podemos tambm escrever
Cm , r =
ou
Am ,r
r!
Am ,r = r ! Cm ,r ,
onde Am ,r o nmero de arranjos de m elementos tomados r a r .
Em particular, temos Cm ,m = 1 , Cm ,0 = 1 e C0,0 = 1 .
Exemplo 3.28. Queremos formar uma comisso de 4 membros e dispomos de 15 membros. Quantas comisses podem ser formadas?
Soluo. Observe que cada comisso um subconjunto de 4 elementos. Assim, as comisses devem ser combinaes dos 15 membros
tomados 4 a 4. Logo, o nmero de comisses :
C15,4 =
15!
15 14 13 12 11!
=
4! 11!
11! 4 3 2 1
= 15 13 7 = 1365 .
Exemplo 3.29. Quantas saladas contendo exatamente 3 frutas podemos formar se dispomos de 12 frutas diferentes?
Soluo. Para o clculo do nmero de saladas deve ser usado o conceito de combinaes. Para formar uma salada basta escolher 3 das
12 frutas, o que pode ser feito de
91
C12,3 =
12! 12.11.10
=
= 220 modos diferentes.
3! 9!
3.2.1
b b b b4 b5 b6 b7 b8 b9
Figura 3.8
= 144 + 54 = 198 .
0 mulher
6 homens
1 mulher
5 homens
2 mulheres
4 homens
3 mulheres
3 homens
4 mulheres
2 homens
5 mulheres
92
A resposta
C8,7 .C5,0 + C8,6 .C5,1 + C8,5 .C5,2 + C8,4 .C5,3
+ C8,3.C5,4 + C8,2 .C5,5
=
8! 5! 8! 5!
8! 5!
+
+
7! 5! 6!2! 4! 5! 3! 2! 3!
+
=8+
8! 5!
8! 5!
8! 5!
+
+
4! 4! 3! 2! 5! 3! 4! 6! 2! 5!
87
87 6 5 4 87 65 5 4
5+
+
1 2
1 2 3 1 2
1 2 3 1 2
+
8+7+6
87
5+
1 2 3
1 2
= 3816 .
93
x1 x1 x2
x1 x1 x3
x1 x2 x4
x1 x4 x3
x2 x2 x2
x2 x2 x1
x2 x2 x3
x2 x2 x4
x1 x3 x4
x1 x2 x3
x3 x3 x3
x3 x3 x1
x3 x3 x2
x3 x3 x4
x4 x1 x4
x4 x4 x4
x4 x4 x1
x4 x4 x2
x2 x3 x4 .
(m + r 1)! .
m ! (r 1)!
94
12! 12 11 10 9 8 7
=
= 11 7 4 3 = 924 .
6! 6!
1 2 3 4 5 6
x1
x2
x3
95
x1
[
2
[
[
x1
x2
x3
x2
x3
x1
x2
x3
x1
x2
x3
] .
9!
= 36 ,
7! 2!
(m + r 1)!
m ! (r 1)!
ou, equivalentemente,
CRm ,r = Pmm+,rr11 = Cm + r 1, r 1 .
Logo,
CRm ,r = Pmm+,rr11 = Cm + r 1, r 1 .
96
Assim podemos dizer que a resoluo, quando se procuram solues inteiras e no-negativas, da equao
x1 + x2 + ... + xr = m
equivale combinao completa de m objetos distintos, de classe r dos m elementos, em agrupamentos
com ou sem repetio.
6!
6.5.4
=
= 20 .
3!3! 1.2.3
3!
= 1;
3!0!
a + b + c + d = 1 P41,3 =
4!
= 4;
1!3!
a + b + c + d = 2 P52,3 =
5!
= 10 ;
1!3!
a + b + c + d = 3 P63,3 =
6!
65 4
=
= 20 ;
3!3! 1 2 3
a + b + c + d = 4 P74,3 =
7!
765
=
= 35 .
4! 3! 1 2 3
Logo, temos
P74,3 + P63,3 + P52,3 + P41,3 + P30,3 = 35 + 20 + 10 + 4 + 1 = 70 .
97
Alternativamente, outra resoluo possvel a introduo de uma varivel extra para ter sinal de igualdade, ou seja, existe e tal que
a + b + c + d + e = 5 P95,4
9!
8!
5! 4! 5!3!
9 87 6 87 6
1 2 3 4 1 2 3
= 126 56 = 70 .
(1)
Ento, temos
y1 + y2 + y3 + y4 = 17 8 = 9 .
(2)
12 11 10
= 220 .
1 2 3
Logo, h 220 solues inteiras no negativas da equao (1) que respeitam a condio posta.
98
y1 + y2 + y3 = 12 .
14.13
= 91
1.2
43
= 6;
1 2
x1 + x2 + x3 = 3 P53,2 =
5 4
= 10 ;
1 2
x1 + x2 + x3 = 4 C3,2 = P64,2 =
65
= 15 .
1 2
Lista de Exerccios 4
1) Uma comisso formada por 3 homens e 3 mulheres deve ser
escolhida em um grupo de 8 homens e 5 mulheres.
99
Captulo 4
Elementos de Probabilidade
103
Captulo 4
Elementos de Probabilidade
Neste captulo apresentaremos a noo de probabilidade
em espaos finitos e provaremos suas propriedades. Alm
disso, discutiremos a noo de independncia de eventos e
a noo de probabilidade condicional.
A teoria da probabilidade a teoria matemtica responsvel pela descrio dos fenmenos classificados como aleatrios. Dizemos que um
fenmeno determinstico quando, repetido em condies semelhantes, conduz a resultados idnticos. Aqueles experimentos que repetidos
sob mesmas condies conduzem a resultados diferentes so denominados aleatrios. Por exemplo, quando lanamos um dado, o resultado
pode ser qualquer um dos nmeros 1, 2, 3, 4, 5 e 6. O lanamento de um
dado um exemplo de um experimento aleatrio, uma vez que no podemos determinar antecipadamente qual o resultado que redundar
do experimento. Inmeros fenmenos na natureza tm esta caracterstica, e responsabilidade da probabilidade descrever e estuda-los.
Vamos, neste trabalho, estudar fenmenos aleatrios simples e atravs
deles proporcionar a apresentao de alguns conceitos fundamentais
da teoria das probabilidades.
Quando estudamos certo experimento, devemos comear pela descrio de seus possveis resultados. Estes possveis resultados formam
um conjunto que denotaremos por S e que usualmente chamamos
de espao amostral. Vejamos um exemplo: o lanamento de uma moeda. Os possveis resultados so: cara (H) e coroa (T). Logo, nosso
espao amostral pode ser representado pelo conjunto S = {H , T }.
Consideremos outro exemplo: o lanamento de um dado. Agora os
resultados possveis formam o conjunto S = {1, 2,3, 4,5, 6}.
Vamos assumir nesta apresentao que o espao amostral S finito.
Voc notar que para este estudo, em espao amostral finito, voc
utilizar todo o conhecimento de Anlise Combinatria visto nos
captulos anteriores deste material. Existem estudos na Matemtica
104
de probabilidade com espaos amostrais infinitos, mas este estudo
extrapola a inteno e o nvel de complexidade deste curso.
Todo subconjunto de S chamado de evento. Portanto, se estamos
lanando um dado, o subconjunto E = {2, 4, 6} S pode ser pensado como o evento de ter sado um nmero par. A interseo de dois
eventos corresponde ao evento no qual ocorreram. Dois eventos
so ditos exclusivos se nunca ocorrem simultaneamente. Por exemplo, o evento O = {1,3,5} e o evento E = {2, 4, 6} so exclusivos, pois
E O = .
A cada evento gostaramos de atribuir um nmero positivo que determinasse Qual a chance de tal evento ocorrer. Aos eventos que
sempre ocorrem, devemos atribuir o valor 1 indicando a chance total de ocorrer. O espao todo sempre ocorre, e portanto, ao espao
amostral, atribumos o valor 1. Quando lanamos um dado vrias
vezes, v-se que a chance de um evento elementar, isto , um evento
formado por um resultado apenas, tem a mesma chance de ocorrer
que qualquer outro. Portanto, sendo equiprovveis, devemos atribuir para cada evento elementar o valor 1/ 6 . O evento E = {2, 4, 6}
ocorre quando sair qualquer um dos nmeros 2,4,6. Segue que existem 3 casos em 6 possveis resultados que favorecem o evento E
ocorrer. natural atribuir a probabilidade do evento E ocorrer ao
quociente dos resultados favorveis pelos resultados possveis, isto
#E 3 1
, probabilidade de E=
= = .
#S 6 2
105
i) Jogue um dado e observe o nmero mostrado na face de
cima.
ii) Jogue uma moeda quatro vezes e observe o nmero de caras
obtido.
iii) Em uma linha de produo, fabrique peas em srie e conte o
nmero de peas defeituosas produzidas em um perodo de
24 horas.
iv) Uma lmpada fabricada. Em seguida ensaiada quanto
durao da vida, pela colocao em um soquete e anotao do
tempo decorrido (em horas) at queimar.
Espao Amostral (mega)
o conjunto de todos os possveis resultados de um experimento
aleatrio.
Considerando cada um dos experimentos acima, o espao amostral
de cada um deles ser:
1: {1, 2, 3, 4, 5, 6}.
2: {0, 1, 2, 3, 4}.
3: {0, 1, 2, ..., n}, onde n o nmero mximo de peas que pode ser
produzido em 24 horas.
4: {t / t 0}.
Evento (E)
Chamamos evento qualquer subconjunto do espao amostral de
um experimento aleatrio. Um evento sempre definido por uma
sentena.
Se E = , ento E chamado evento certo.
Se E = , ento E chamado evento impossvel.
Exemplo 4.1. No lanamento de um dado, onde = {1, 2, 3, 4, 5, 6},
106
a) obter um nmero par na face superior. A = {2, 4, 6};
b) obter um nmero menor ou igual a seis na face superior. B =
{1, 2, 3, 4, 5, 6} = ;
c) obter um nmero maior do que seis na face superior. C = .
Podemos combinar eventos usando as vrias operaes com conjuntos:
o evento A B ocorre se, e somente se, ocorre A ou ocorre B
(ou ambos);
o evento A B ocorre se, e somente se, ocorrem A e B ;
o evento Ac , complemento de A , ocorre se, e somente se, no
ocorre A .
Dois eventos, A e B , so ditos mutuamente exclusivos se so disjuntos, isto , se A B = . Em outras palavras, A e B so mutuamente exclusivos se no ocorrem simultaneamente.
Exemplo 4.2. Vamos considerar o seguinte experimento: lanar um
dado e observar o nmero que aparece na face voltada para cima. Ento o espao amostral = {1, 2, 3, 4, 5, 6}. Seja A o evento ocorrer
nmero par, B : ocorrer nmero impar e C : ocorrer nmero primo, ou seja, A = {2, 4, 6}; B = {1, 3, 5} e C = {2, 3, 5}. Ento
A C = {2,3, 4,5, 6} o evento ocorrer um nmero par ou um nmero primo.
B C = {3,5} o evento ocorrer um nmero primo impar;
107
Axioma 2. P () = 1 .
Axioma 3. Se A e B so eventos mutuamente exclusivos, ento
P ( A B ) = P ( A) + P ( B ) .
1 = P() = P( A Ac ) = P( A) + P( Ac ) P( Ac ) = 1 P( A) .
108
B|A
Figura 4.1
da figura abaixo
AB
A|B
A
Figura 4.2
109
resulta que
A = ( A | B ) ( A B ) P ( A) = P ( A | B ) + P ( A B ) ,
Teorema 4.6. P ( A B ) = P ( A) + P ( B ) P ( A B ) .
Demonstrao.
Como A = ( A B) ( A B ) e B = ( B A) ( A B ),
onde as unies so disjuntas, temos
P ( A) = P ( A B ) + P ( A B )
P ( B ) = P ( B A) + P ( A B ) .
Somando estas igualdades, obtemos
P ( A) + P( B) = P( A B) + P( A B ) + P ( B A) + P ( A B )
= P ( A B ) + P ( B A) + 2 P( A B ) .
Alm disso, podemos escrever A B = ( A B ) ( B A) ( A B ) ,
que uma unio disjunta e, portanto,
P ( A B ) = P( A B ) + P( B A) + P( A B ) ,
que combinado com a identidade anterior gera
P ( A B ) = P ( A B ) + P( B A) + P( A B ) = P( A) + P( B ) P ( A B )
P( A B ) = P ( A B ) + P ( B A) + P( A B ) = P( A) + P( B ) P ( A B ) .
O teorema 4.6 pode ser estendido usando-se o mesmo argumento do princpio da incluso e da excluso para se obter a seguinte
igualdade:
P( A1 A2 An ) = P ( A1 ) + P( An ) +
P ( A1 A2 ) P( An1 An ) +
+ P ( A1 A2 A3 ) + +
+ (1) n P ( A1 A2 An ) .
110
Exemplo 4.3. Trs moedas so jogadas simultaneamente. Qual a probabilidade de obter 2 caras? Qual a probabilidade de obter pelo menos 2 caras?
Soluo. Comeamos exibindo o nosso espao amostral:
( H , H , H ), ( H , H , T ), ( H , T , H ), ( H , T , T ), (T , H , H ), .
S =
(T , H , T ), (T , T , H ), (T , T , T )
Segue que os resultados possveis so # S = 8 e os resultados favorveis para a obteno de exatamente duas caras esto no conjunto
E = {( H , H , T ), ( H , T , H ), (T , H , H )}.
Logo, a probabilidade de obter exatamente 2 caras : p =
#E 3
= .
#S 8
#A 4 1
= = .
#S 8 2
Exemplo 4.4. Dois dados so lanados simultaneamente. Qual a probabilidade de que a soma dos nmeros obtidos nas faces de cima dos
dados seja 6?
Soluo. Precisamos exibir o nosso espao amostral. Vamos exibi-lo
atravs de uma tabela,
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
111
Soluo. O espao amostral de nosso problema o conjunto dos
pares de dias de nascimento dos estudantes desta sala. Como cada
estudante pode ter nascido em qualquer dia dos 365 de um ano, existem 36530 = 7, 4 1076 pares de tais datas. Para resolver o problema de maneira mais fcil, vamos calcular a probabilidade do evento
complementar, ou seja, quando nenhum dos estudantes possua datas
de nascimento iguais. Temos ento 30 estudantes e queremos alocar
datas de nascimento de modo a nunca termos duas iguais. Usando
nossa combinatria dos captulos anteriores, temos 365 possibilidades para o primeiro estudante, 364 para o segundo, pois sua data de
nascimento no pode coincidir com a do primeiro, 363 para o terceiro, ..., 336 para o ltimo. Logo a probabilidade de que todos tenham
dias de nascimento diferentes
p=
= 0, 294 .
30
365
365 365
365
Logo a probabilidade de que ao menos um par de estudantes tenha dias de nascimento iguais p = 1 0, 294 = 0,706 . Observe que
neste problema usamos a igualdade P( Ac ) = 1 P( A) , onde por Ac
denotamos o complementar de A em S .
Exemplo 4.6. Seis dados so lanados. Qual a probabilidade de
todos os nmeros serem diferentes?
Soluo. O nmero de resultados possveis de nosso experimento
66 . O nmero de resultados favorveis ao evento em questo o nmero de permutaes de 6 elementos, que 6! . Portanto, a
6! 5 4
probabilidade
Probabilidadedo
doevento
evento= 6 = 4 = 0,015432 .
6
6
Exemplo 4.7. Uma funcionria de correio deve enviar 5 passaportes
para seus legtimos donos. Preocupada com o encontro que teria
nesta noite, ela trabalha apressadamente, sem verificar corretamente a correspondncia. Determine a probabilidade da funcionria ter
enviado todos os 5 passaportes para donos errados.
Soluo. O espao amostral neste caso pode ser representado pelas
permutaes dos nmeros {1, 2,3, 4,5}. Logo o nmero de resultados
possveis 5! . J os favorveis correspondem s permutaes que
no deixam nenhum elemento fixo. Para calcular este nmero, usemos o princpio da incluso-excluso. Denotamos por N i as permutaes que deixam fixo o elemento i , N ij aquelas deixam fixos i e j ,
112
Temos ento que calcular cada um destes nmeros. Mas as permutaes de n elementos que deixam k elementos fixos correspondem s
permutaes de n k elementos e, portanto, N k = (n k )! . Finalmente obtemos 5
5
5
5
5
N
=
5!
4!
+
3!
2!
+
1!
1=1 =
0
N 0 = 5! C5,1 14! + C5,22 3! C5,3
2! + C45,4 1! 5C5,5
3
= 120 5 24 + 10 6 10 2 + 5 1 11 = 44 .
Segue que a probabilidade procurada
44 .
p=
120
Exemplo 4.8. Dez pessoas so separadas em dois grupos de 5 pessoas cada um. Qual a probabilidade de que duas pessoas determinadas, A e B, faam parte do mesmo grupo?
Soluo. O nmero de casos possveis C10,5 = 252 , pois h
C10,5 = 252 modos de escolher o primeiro grupo e, depois disso, h
apenas um modo possvel para escolher o segundo grupo. O nmero
de casos favorveis 2 C8,3 = 112 , pois h C8,3 = 56 modos de distribuir as pessoas A e B no primeiro grupo e h outro tanto com A e
B no segundo grupo.
A probabilidade procurada
113
P=
112 4
= .
252 9
- C1 C2 C3 C4 C5 C6 C7 C8
Segue que existem C9,4 = 126 escolhas de vagas vazias sem que haja
consecutivas. Portanto p =
126 14
.
=
495 55
114
e, portanto,
P ({sC }) = 3 p =
3
6
18
1
.
; P ({sB }) = ; P ({s A }) = ; P ({sD }) =
28
28
28
28
1 11
=
= P ( A) P ( B ) .
4 22
115
Por outro lado, seja N o evento em que amanh ser um dia nublado
e C o evento em que amanh ser um dia chuvoso. Suponhamos
que P ( N ) = 1/ 5 e que P (C ) = 1/10 . Se estes eventos fossem independentes, ento poderamos concluir que a probabilidade de um dia
chuvoso e nublado seria bem pequena:
1 1
1 .
P( N C ) = P( N ) P(C ) = . =
5 10 50
No entanto, estes eventos so dependentes. Em particular, todo dia
chuvoso nublado. Assim a probabilidade de um dia chuvoso e nublado , de fato, 1/10 . Assim definimos:
Definio 4.1. Dizemos que dois eventos, A e B, so independentes se
P ( A B ) = P ( A) P ( B ) .
Vejamos. Por um lado, sabemos que P ( A B ) = 0 porque no contm evento algum, A B = . Por outro lado, temos P ( A) P( B) > 0 ,
exceto nos casos degenerados, nos quais ou A ou B tenham probabilidade zero. Assim, disjuno e independncia so conceitos muito
diferentes. Vejamos uma imagem mais adequada pra explicar isto.
Seja o retngulo da figura abaixo um espao de probabilidade onde
a rea de cada subconjunto a probabilidade do evento representado pelo conjunto. Se A cobre uma frao a do retngulo e B cobre
uma frao b do mesmo, ento a rea da interseo ser uma frao
a b do retngulo. Em termos de probabilidade
P ( A B ) = P ( A) P ( B ) .
Suponhamos que lancemos duas moedas no viciadas. Considere
os eventos:
A = as moedas caem com a mesma face voltada pra cima
B = a primeira moeda cai CARA.
So estes dois eventos independentes? Intuitivamente, a resposta
no. De modo geral, se as moedas caem iguais, depende de como
cai a primeira moeda. Entretanto, a definio matemtica de independncia no corresponde com a noo intuitiva de no-relacionados. Estes eventos so, de fato, independentes, como se pode ver
116
pelos clculos:
1 1 1
+ =
4 4 2
1 1 1
P( B) = P( HH ) + PHT ) = + =
4 4 2
1
P( A B ) = P ( HH ) =
4
P( A) = P( HH ) + P(TT ) =
1 1 1
= = P ( A) P ( B ) .
6 2 3
1
1
= P( E F G ) P( E ) P( F ) P(G ) = .
4
2
Logo, ainda que os eventos E , F , G sejam dois a dois independentes,
eles no so independentes.
Exemplo 4.12. Suponhamos que seja lanado um dado no viciado.
Seja E o evento em que a soma dos nmeros na parte superior dos
117
dados seja 7 e F o evento no qual no primeiro dado sorteado o
nmero 4. So estes eventos independentes?
Soluo. Observe que
P( E F ) = P ({4,3}) =
1
36
enquanto
1 1 1
P( E ) P( F ) = =
= P( E F ) ,
6 6 36
provando que eles so, de fato, independentes.
Uma outra noo importante em probabilidade a noo de probabilidade condicional. Vamos defini-la agora. Para tal, consideremos
o seguinte problema: suponha que temos um espao de probabilidade e que saibamos que um determinado evento ocorreu. Como so
ento as probabilidades dos outros eventos, uma vez que o evento
considerado j ocorreu?
Exemplo 4.13. Um experimento consiste em lanar um dado. Seja
X o resultado, seja F o evento {X = 6}, e seja E o evento {X > 4}.
1
Como probabilidade, assumamos que P(Y ) = para Y = 1, 2, 6 .
6
1
Assim P( F ) = . Agora suponhamos que o dado foi lanado e que
6
fomos informados de que o evento E ocorreu. Neste caso, nos restam 2 resultados possveis: 5 e 6. Qual, ento, a probabilidade de
F ter ocorrido?
Soluo.
Como restam 2 resultados possveis segue que a probabilidade pro1
curada . Vamos denotar por P( F | E ) e referenci-lo como a
2
probabilidade do evento F dado que o evento E ocorreu.
Exemplo 4.14. Dois dados so lanados. Qual a probabilidade de
que tenha sado 4 em um dos dados, sabendo que a soma dos resultados dos lanamentos 8?
Soluo. Sabemos que a soma dos dois dados foi 8, e portanto sabemos que o lanamento dos dois dados deve ter sido 2 e 6, 3 e 5, 4 e
118
4, 5 e 3, 6 e 2. Assim, existe um total de 5 possibilidades. Entre estes
resultados, somente 1 tem 4 como resultado de um dos dados. Logo,
se denotamos pelo evento E saiu um 4 e pelo evento F a soma
dos dados 8, temos que
1
P( E | F ) = .
5
Exemplo 4.15. Trs candidatos, A, B e C , esto concorrendo a um
cargo poltico. Apenas um candidato pode ganhar. Suponhamos
que A e B tm a mesma chance de ganhar e que C tem metade das
chances de ganhar que tem A .
Soluo.
Seja A o evento A vence, B o evento B vence, e C o evento
2
C vence. Logo as probabilidades de cada evento sero P ( A) = ,
5
2
1
P( B ) = e P(C ) = .
5
5
Suponhamos que, antes da eleio acontecer, A desista. Ento quais
seriam agora as probabilidades para os eventos B e C ?
Soluo.
natural, na ausncia de outras informaes, atribuir probabilidades
a estes eventos que sejam proporcionais s probabilidades originais.
2
1
Assim teramos P( B | A) = e P(C | A) = .
3
3
Nestes exemplos, temos um dado espao de probabilidade e uma nova
informao que determina, de certa maneira, um novo espao de probabilidades. Este novo espao consiste nos resultados que ainda so
possveis, dada a informao adicional que temos. Nosso objetivo
atribuir probabilidades a estes eventos. Vamos formalizar ento os
procedimentos realizados nestes exemplos. Seja = {1 , , r } o espao amostral original com as probabilidades P( i ) correspondentes.
Suponhamos que o evento E tenha ocorrido. Queremos atribuir novas probabilidades P( i | E ) aos eventos {1 , , r } que reflitam esta
informao. Claramente, se i E , razovel atribuir P( i | E ) = 0 .
Alm disso, na ausncia de informao, razovel assumir que as probabilidades para i em E deveriam ter a mesma magnitude relativa
119
i:i E
P ( i | E ) = c
i:i E
P ( i ) = cP ( E ) .
Segue que
c=
i:i E
1
1
=
.
P( i ) P( E )
P( i )
,
P( E )
i:i E F
P ( i | E ) =
i:i E F
P( i ) P( F E ) .
=
P( E )
P( E )
P( F E )
.
P( E )
P( A B )
.
P( A)
120
Exemplo 4.16. Retornemos ao exemplo do lanamento de um dado
(ex. 4.13). Lembre-se que F corresponde ao evento X = 6 , e que E
o evento X > 4 . Observe que F E o evento F . Logo a frmula
acima nos d
P ( F E ) 1/ 6 1
P( F | E ) =
=
= ,
P( E )
1/ 3 2
em concordncia com nossos clculos anteriores.
Exemplo 4.17. Encontre a probabilidade de se tirar um 4 de um baralho de 52 cartas, dado que dele j tiramos um 7.
Soluo. Dado que um 7 j foi retirado, temos agora apenas 51 cartas
disponveis. Portanto, a probabilidade de tirar um 4 agora
4
P(4 | 7) = . Se usarmos a frmula, temos:
51
4 4
P (4 7) 52 51 4 .
P (4 | 7) =
=
=
4
P(7)
51
52
Exemplo 4.18. Uma moeda lanada 3 vezes sucessivas. Calcule a
probabilidade do evento A ocorrer dado que o evento B ocorreu,
quando os eventos A e B so definidos por:
A = {mais caras que coroas aparecem}, B = {a primeira cara}.
Soluo. O espao amostral consiste nas 8 seqncias:
= {HHH , HHT , HTH , HTT , THH , THT , TTH , TTT },
que assumimos serem igualmente provveis. O evento B consiste de
quatro elementos, HHH , HHT , HTH , HTT , e, portanto, sua probabilidade
4
P( B) = .
8
O evento A B consiste em trs resultados
HHH , HHT , HTH , logo sua probabilidade
P( A | B) =
possveis,
P( A B) 3 / 8 3
=
= .
P( B)
4/8 4
121
menos um deles um menino? Assuma que o espao amostral S
dado por S = {(mo , mo ), (mo , ma ), (ma , mo ), (ma , ma )} e que todos os
resultados so igualmente provveis. [ (mo , ma ) indica que o mais
velho um menino e que o mais novo uma menina.]
Soluo. Seja E o evento em que ambos os filhos so meninos, e F
o evento em que pelo menos um dos filhos um menino. Ento, a
probabilidade procurada dada por
P( E | F ) =
P( E F )
=
P( F )
P
({(m , m )})
o
({(m , m ), (m , m ), (m , m )})
o
1
1
=4= .
3 3
4
P ( A) P ()
=
=0
P ( A)
P ( A)
P( S | A) =
P( S A) P( A)
=
= 1.
P ( A)
P ( A)
Como 0 P( A B ) P ( A) , ento 0
P( A B)
1 e, portanto,
P ( A)
0 P( B | A) 1 .
b) Sabemos que
P (( B C ) | A) =
P (( B C ) A) P(( B A) (C A))
=
P ( A)
P ( A)
P( B A) P(C A)
+
= P( B | A) + P(C | A) .
P( A)
P( A)
122
Lema 4.2. Se P( A1 A2 An ) , ento,
P( A1 A2 An ) = P ( A1 ) P ( A2 | A1 ) P ( A3 | ( A1 A2 ) P ( An | A1 A2 An1 )
P( A1 A2 An ) = P ( A1 ) P ( A2 | A1 ) P ( A3 | ( A1 A2 ) P ( An | A1 A2 An1 ) .
Lema 4.3 (Lei de Bayes). Seja = {A1 , A2 , , An }uma partio do espao de probabilidade S . Ento se E um evento com P ( E ) > 0 , v+ale
P( A j | E ) =
P( Aj ) P( E | Aj )
n
P( A ) P( E | A )
i =1
1
1
probabilidade de ter 5 caras =
e a probabilidade de ter 4
2 32
5
5
1
caras (e 1 coroa) 5 =
, porque a probabilidade de ter 4 ca
2 32
5
1
1
ras e 1 coroa na ordem cara-cara-cara-cara-coroa =
, e h
2 32
123
5 ordens possveis. A resposta
1
5
3
+
= .
32 32 16
Exemplo 4.22. Considere duas urnas. A primeira contm duas bolas
brancas e sete pretas, e a segunda contm cinco bolas brancas e seis
pretas. Lanamos uma moeda, e se sair cara retiramos uma bola da
primeira urna, caso contrrio, retiramos uma bola da segunda urna.
Qual a probabilidade condicional de ter sado cara, dado que uma
bola branca foi selecionada?
Soluo. Seja W o evento em que uma bola branca foi retirada e H
o evento em que a moeda deu cara. A probabilidade procurada pode
ser calculada como segue:
P( H W ) P(W | H ) P( H )
=
=
P(W )
P (W )
P(W | H ) P( H )
=
=
P(W | H ) P( H ) + P(W | H c ) P ( H c )
21
22
92
=
=
2 1 5 1 67
+
9 2 11 2
P( H | W ) =
Soluo. P ( A) = P ( B ) =
1,
4
pois para os dois lanamentos h quatro resultados possveis que so
124
Exemplo 4.24. Suponhamos que haja um teste para diagnosticar o
cncer que d positivo em 95% dos casos quando se aplica s pessoas que possuem a enfermidade, e d negativo em 95% dos casos
quando se aplica s pessoas que no a possuem. Se a probabilidade
de que uma pessoa tenha realmente cncer 0, 005 , qual a probabilidade de que uma pessoa tenha realmente cncer quando o teste
tiver dado positivo?
Soluo. Seja C o evento no qual uma pessoa examinada tenha cncer e A o evento no Qual o resultado do teste seja positivo para o
cncer. Apliquemos a lei de Bayes:
P(C | A) =
=
P ( A | C ) P (C )
P ( A | C ) P (C ) + P ( A | C c ) P (C c )
(0,95)(0,005)
= 0,087 .
(0,95)(0,005) + (0,05)(0,995)
Exemplo 4.25. Das 28 peas de um domin, escolhem-se duas aleatoriamente. Ache a probabilidade de que com elas se possa formar
uma cadeia compatvel s regras do jogo.
Soluo.
P(cadeia compatvel) = P(2 a pea encaixe| 1a dupla)P (1a dupla)
+ P (2a pea encaixe| 1a no dupla)P(1a no dupla)
=
7 6 21 12 7
+
= .
28 27 28 27 18
1 12
.
52 51
125
Exemplo 4.27. Determine a probabilidade de obter:
a) Ao menos um 6 em quatro lanamentos de um dado.
b) Ao menos um duplo 6 em 24 lanamentos de um par de dados.
Soluo. A probabilidade de nenhum seis em quatro lanamen4
5
1 = 1 0, 4823 = 0,5177 , o que responde a letra a.
6
A probabilidade de nenhum duplo seis em 24 lanamentos de um
24
35
par de dados = 0,5086. Logo, a probabilidade de pelo me 36
24
35
nos 1 duplo seis 1 = 1 0,5086 = 0, 4914.
36
Exemplo 4.28. Marina quer enviar uma carta a Vernica. A proba8
bilidade de que Marina escreva a carta de
. A probabilidade de
10
9
que o correio no a perca de
. A probabilidade de que o carteiro
10
9
a entregue de
. Dado que Vernica no recebeu a carta, qual a
10
probabilidade condicional de que Marina no a tenha escrito?
Soluo. Vamos usar aqui na soluo um diagrama de rvore.
9/10
No perde
Entrega
9/10
Escreve
8/10
1/10
No entrega
1/10
Perde
2/10
No escreve
Figura 4.3
22
25
PP(no
(noescreve)
escreve)
25 .
10
10
PP(no
==
==
(noescreve|
escreve|no
norecebe)
recebe)==
PP(no
(norecebe)
recebe) 22 ++ 88 11 ++ 88 99 11 44
44
10
10 10
1010
10 10
1010
1010
10
126
Lista de Exerccios
1) Trs urnas I, II e III contm respectivamente 1 bola branca e 2
pretas, 2 brancas e 1 preta e 3 brancas e 2 pretas. Uma urna escolhida ao acaso e dela retirada uma bola que branca. Qual
a probabilidade condicional de que a urna escolhida foi a II?
2) Uma moeda jogada 4 vezes. Sabendo que o primeiro resultado foi cara, calcular a probabilidade condicional de obter pelo
menos 2 caras.
3) A probabilidade de um homem ser canhoto 1 .Qual a pro10
babilidade de, em um grupo de 10 homens, haver pelo menos
um canhoto?
4) Durante o ms de agosto a probabilidade de chuva em um dia
determinado de 4 . O Fluminense ganha um jogo em um
10
dia com chuva com probabilidade 6 e em um dia sem chuva
10
4
com probabilidade de
. Sabendo-se que o Fluminense ga10
nhou um jogo naquele dia de agosto, qual a probabilidade de
que choveu neste dia?
5) Num exame h trs respostas para cada pergunta e apenas
uma delas certa. Portanto, para cada pergunta, um aluno tem
probabilidade de 1/3 de escolher a resposta certa se ele est
adivinhando e 1 se sabe a resposta. Um estudante sabe 30%
das respostas do exame. Se ele deu a resposta correta a uma
das perguntas, qual a probabilidade de que a adivinhou?
6) Treze cartas so escolhidas de um baralho comum de 52 cartas. Seja A o evento o s de copas est entre as 13 cartas e B
o evento as 13 copas so do mesmo naipe. Provar que A e B
so independentes.
127
7) Joguei um dado duas vezes. Calcule a probabilidade condicional de obter 3 na primeira jogada, sabendo que a soma dos
resultados foi 7.
8) Em uma cidade, as pessoas falam a verdade com probabilidade 1/3. Suponha que A faz uma afirmao e que D diz que C
diz que B diz que A falou a verdade. Qual a probabilidade de
A ter falado a verdade?
9) Um urna contm 3 bolas vermelhas e 7 brancas. A e B sacam
alternadamente, sem reposio, bolas dessa urna at que uma
bola vermelha seja retirada. A saca a 1a bola. Qual a probabilidade de A sacar a bola vermelha?
10) Considere 4 urnas, cada uma delas contendo 10 bolas numeradas de 1 a 10. Extrai-se uma bola de cada urna. Calcular a
probabilidade de que as 4 bolas somem 20.
11) Ao responder uma questo de um teste de mltipla escolha
um estudante ou sabe a resposta ou a chuta. Seja p a probabilidade de que ele saiba resposta e 1 p a probabilidade de que
ele chute. Suponha que o estudante quando chuta tem proba1
bilidade de m de acertar, onde m o nmero de alternativas
das questes. Qual a probabilidade condicional de que o estudante sabia a resposta da questo dado que ele respondeu
acertadamente?
12) Ns sabemos que uma determinada carta igualmente provvel de estar em um de trs escaninhos. Seja a1 a probabilidade
de que ns a vamos encontrar depois de um exame superficial
no escaninho i se a carta estiver de fato no escaninho i , para
i = 1, 2,3 . (Podemos ter ai < 1 .) Suponhamos que examinemos
o escaninho e no encontremos a carta. Qual a probabilidade
da carta estar de fato no escaninho 1?
128
Lista 2
1) a)
43
1) a) 42
1) b)
35
2) a)
(2i 1)
i =1
2) a)
n+2
2) b)
(n + 2)
(n + 1)
3) a)
3) b)
2) b)
(1)i i 2
i =1
3) a)
13 16 19 22 ....
n=9
3) b)
3159
n=5
4) a)
(2i 1)
i =1
4) a)
x=6
4) b)
4) b)
( p + i)
i =0
x=4
CAPTULO 2
Lista 1
Lista 2
1) a) 7
1)
1) b) 11
2)
x=
2) a) x
= 1 ou x = 4
3)
x = 9 ou x = 1
2) b) x = 1 ou x = 7
4)
x=6ey=7
3) a) n
Lista 3
=3
3) b) n = 10
2)
2n1 (n + 2)
3) a)
4) a) x
4) b)
=4
x=5
4
(n 3)
145180
3) b) n( n + 1)(4n + 5)
129
Lista 3
2)
2n1 (n + 2)
3) a)
145180
3) b) n( n + 1)(4n + 5)
Lista 4
1) a) 20
1) b)
3)
1120
81
924x 6
CAPTULO 3
Lista 1
Lista 2
1)
40
1)
15.600
2)
7200
2)
9.765.625
3)
56
3)
132
4)
600
4)
60
5)
4096
5) a)
3864
6)
1.048.576
5) b)
1567
7)
125
5) c)
560
8)
9.000.000
6)
4464
7) 461
8)
48
9)
43200
10) 18
130
Lista 3
1) a)
11520
1) b)
720
1) c)
4320
1) d) 1152
Lista 4
1) a)
560
1) b)
434
2)
6300
3)
40
4)
267.148
1) e)
720
1) f)
9360
1) g)
13080
5)
12.960
2) a)
81
6)
138.378.240
2) b)
46721
2) c)
2) d)
5.333.280
3)
3600
4)
8640
5)
604.800
6) a)
462
6) b)
5775
6) c)
792
6) d)
10395
6) e)
51975
7) 564.480
8) 720
CAPTULO 4
5
12
7
2)
8
1)
3)
4)
5)
7)
9) 8192
8)
10) 2880
9)
0,6513
1
2
7
16
1
6
13
41
7
12
131
Referncias
HAZZAN, S. Fundamentos de Matemtica Elementar 5: Combinatria e Probabilidade. Atual: So Paulo, 1977.
NETTO, F.A.L. Lies de Anlise Combinatria. Livraria Nobel:
So Paulo, 1967.
MORGADO, A.C.O.; CARVALO, J.B.P.; CARVALHO, P.C.P.; FERANANDEZ, P. Anlise Combinatria e Probabilidade. (Coleo Professor de Matemtica) SBM: Rio de Janeiro, 2004.
SANTOS, J.P.O.; MELLO, M.P.; MURARI, I.T.C. Introduo Anlise Combinatria. Ed. Unicamp: Campinas, 1995.
HOEL, P.G.; PORT, S.C. ; STONE, C.J. Introduo Teoria da Probabilidade. Intercincia: Rio de Janeiro, 1978.