Escolar Documentos
Profissional Documentos
Cultura Documentos
SEROPÉDICA
2018
Matheus da Silva Lopes
SEROPÉDICA
2018
"Existe apenas um bem, o conhe-
cimento, e um mal, a ignorância".
Sócrates.
ii
Agradecimentos
Agradeço à minha família, que sempre me deram apoio e suporte para eu con-
seguir me manter na faculdade, gostaria de agradecer a todos os meu amigos,Jaqueline,
Amanda, Mariane, Suellen, Gabriel entre outros, que sempre me motivaram a estudar
mesmo em momentos de desânimo. Agradeço também ao meu orientador, Luciano,
pela paciência e pelo tratamento ímpar. Agradeço à UFRRJ, como comunidade acadê-
mica. que, apesar dos estresses, me fez viver uma das melhores épocas da minha vida,
proporcionando uma apredizagem incondicional, sobre as pessoas e a vida.
iii
Resumo
iv
Abstract
The objective of this work is to analyze and understand the metric aspects
in error correction codes, more specifically on posets spaces. We begin by develo-
ping some definitions and important theorems about finite fields, shortly after studying
metric spaces, approaching concepts, definitions and theorems of vector spaces and
metrics, proving that the Hamming metric, an important metric in Code Theory, is re-
ally a metric. With this knowledge at hand, we will finally deal with codes, initially
approaching linear codes and soon thereafter, studying poset codes, studying the poset
metric, packaging radius and how they behave in different types of posets.
v
Sumário
Introdução 1
1 Corpos 3
1.1 Corpo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Espaços Métricos 7
2.1 Espaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.1 Subespaços Vetoriais . . . . . . . . . . . . . . . . . . . . . . 9
2.1.2 Bases e Dimensão . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Espaços Métricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Considerações Finais 38
Referências Bibliográficas 39
vi
Introdução
A teoria dos Códigos corretores de erros tem como assunto principal a decodificação
de palavras em um código. um código é um subconjunto de uma tripla (X,Y,P), onde
X é de onde a palavra é enviada, chamado de fonte, e Y é a onde a palavra é recebida,
chamado de receptor, P é um modelo probabilistico de uma mensagem y ∈ Y dado que
x ∈ X foi enviado. Porém essa palavra pode sofrer algum ruído, sendo assim, sofrendo
uma diferença entre a palavra enviada e a palavra recebida.
Um modelo que simplifica bastante essa questão, é o chamado modelo Shannon-
Weaver, que reproduz um sistema de comunicação. Nele há uma fonte, do qual a men-
sagem é criada, um transmissor, onde a mensagem é codificada e enviada, um canal,
que em uma linguagem informal, é o caminho onde a mensagem pode sofrer ruidos(
Ruido de Canal), que enventualemente a modificam, um receptor, que também pode
ser chamado de decodificador, que codifica a mensagem recebida na possivel mensa-
gem enviada, e por fim, um destinatário, que seria a pessoa ou "coisa"que recebe a
mensagem decodificada.
Temos a nossa frente um um problema, de que enventualmente a palavra envi-
ada seja diferente da racebida, somos então introduzidos aos decodificadores, os quais
são critérios de decisão, que através de cálculos, encontram a palavra correspondente,
o critério de decisão ótimo é o decodificador de máxima verossimilhança, o qual é
baseado no modelo probabilístico do canal e que minimiza a probabilidade de erros.
Sob certas circunstâncias, o decodificador de máxima verossimilhança coin-
cide com o decodificador de métrico de máxima proximidade, o qual é dada por uma
métrica 𝑑 : 𝑋 −→ 𝑋 e sugere-se decodificar o 𝑦 como 𝑎(𝑦) ∈ 𝐶 mais próximo de 𝑦.
1
Em 1995, Brualdi introduziu uma grande nova familia de métricas definidas
em espaços vetoriais sobre corpos finitos F𝑛𝑞 , nomeados como 𝑝𝑎𝑟𝑡𝑖𝑎𝑙 𝑜𝑟𝑑𝑒𝑟𝑒𝑑 𝑠𝑒𝑡, ou
pela sigla 𝑝𝑜𝑠𝑒𝑡,que tem esse nome devido a alguma ordem parcial definida no con-
junto dos índices naturais [𝑛] = {1, 2, 3, · · · , 𝑛}. Além de possíveis usos práticos, as
métricas posets oferecem uma série de desafios, pois alguns conceitos que são trivi-
alizados pela métrica ed Hamming têm sua diferença amplificada por estas métricas.
Como exemplo disso, temos que a "distancia mínima"é um parâmetrp do código a ser
maximizado, mas o parâmetro realmente importante é o raio de empacotamento, o que
pode ser confundido com a distância mínima pelo fato de ser intrinsecamente relaci-
onados pela famosa equação 𝑅 = 𝑑−1
[︀ ]︀
2
, onde 𝑑 é a distância mínima de um código,
munido com a métrica Hamming. As métricas posets colocam esse e outros desafios
em cheque, sendo objeto de estudo durante os últimos anos,
2
Capítulo 1
Corpos
1.1 Corpo
(𝑥 + 𝑦) + 𝑧 = 𝑥 + (𝑦 + 𝑧)
𝑥+𝑦 =𝑦+𝑥
3. Elemento Neutro da adição: Existe um único elemento neutro, 0K , tal que para
todo 𝑥 ∈ K, tem-se que 𝑥 + 0K = 0K + 𝑥 = 𝑥. Observe que 0K não é necessa-
riamente o zero que conhecemos dos números reais. Pode sim haver um corpo
cujo elemento neutro não seja o 0 como conhecemos.
3
4. Simetria na Soma:Todo elemento 𝑥 ∈ 𝐾 possui um simétrico, denotado por,
−𝑥, tal que a adição 𝑥 + (−𝑥) = (−𝑥) + 𝑥 = 0K
(𝑥.𝑦).𝑧 = 𝑥.(𝑦.𝑧)
𝑝 𝑝′ 𝑝 · 𝑞 ′ + 𝑝′ · 𝑞
+ ′ = ;
𝑞 𝑞 𝑞·𝑞
e a multiplicação sendo definida por:
𝑝 𝑝′ 𝑝 · 𝑝′
· ′ = ;
𝑞 𝑞 𝑞 · 𝑞′
também é um corpo, dizemos que Q é um subcorpo dos reais.
4
Exemplo 1.1.3. Os conjunto dos números reais R, e dos números complexos C, com
as operações usuais de adição e multiplicação são exemplos de corpos.
+ 0 1 · 0 1
0 0 1 0 0 0
1 1 0 1 0 1
torna-se um corpo.
𝑎 · 𝑏 = 𝑎.𝑏,
Será um corpo. Note que só será corpo quando 𝑝 for primo. Com efeito, Z4 não será
corpo.
O conjunto Z5 = {0, 1, 2, 3, 4} definido com as operações de adição e mul-
tiplicação do 1.1.5 será um corpo finito. Por exemplo, o número 10 ∈ 0 pois o resto
da divisão de dez por cinco tem resto zero, de forma análoga, teremos que o número
11∈ 1, sendo assim teremos que 10 e 11 são equivalentes a, respectivamente, 0 e 1,
sendo assim teremos que 10 + 11 = 0 + 1 = 0 + 1 = 1
Os exemplos 1.1.4, 1.1.5 e ?? mostram uma classificação de corpo muito im-
portante para o estudo de códigos, pois muitas vezes os códigos serão formados sobre
5
corpos finitos. Vamos então definir e mostrar propriedades de corpos finitos, enunci-
ando, ao final da seção que todo corpo finito é isomorfo, ou seja, possui as mesmas
propriedades, que os corpos Z𝑝 , com 𝑝 primo. A demonstração desse teorema pode
ser vista em [3]. Isso nos facilita muito o entendimento sobre o código, pois se temos
algun corpo finito muito dificil de se trabalhar, podemos "substituí-lo"por algum Z𝑝 ,
onde conhecemos sua estrutura.
6
Capítulo 2
Espaços Métricos
Nosso objetivo nesse capítulo é introduzir a noção de espaços métricos. Para isso,
faremos um resumo de espaços e subespaços vetorias, juntamente com a noção de
base e dimensão de um espaço vetorial. Na segunda seção do capítulos falaremos
propriamente de métrica. Introduzindo a definição de algumas métricas famosas em
códigos, como a métrica Hamming e a métrica cadeia, e provando que são métricas.
Nesse capítulo usaremos como referência [5] e o [2].
1. Tal conjunto V é munido de uma operação, chamada adição, que para cada 𝑣, 𝑧
e 𝑤 ∈ 𝑉 tem as seguintes propriedades:
(a) Associativa: 𝑣 + (𝑤 + 𝑧) = (𝑣 + 𝑤) + 𝑧
(b) Comutativa: 𝑣 + 𝑤 = 𝑤 + 𝑣
7
(d) Simetria:Todo elemento 𝑣 ∈ 𝑉 possui um simétrico, denotado por, −𝑣, tal
que a adição 𝑣 + (−𝑣) = (−𝑣) + 𝑣 = 0𝑉
Exemplo 2.1.2. Seja 𝑆 um conjunto qualquer não vazio e seja K um corpo, então o
conjunto das funções ℱ em que relaciona os elementos do conjunto 𝑆 com os do corpo
K, munido da operação adição definida por:
8
Exemplo 2.1.3. Seja o conjunto F𝑛𝑞 , cujos elementos são n-uplas, ou seja, se 𝑥 ∈ F𝑛𝑞
então 𝑥 = (𝑥1 , 𝑥2 , · · · , 𝑥𝑛 ), onde cada coordenada é é um elemento do corpo finito F𝑞 .
Esse conjunto será um espaço vetorial com as operações de adição e multiplicação,
definidas por:
𝑘 · 𝑥 = 𝑘 · (𝑥1 , 𝑥2 , · · · , 𝑥𝑛 ) = (𝑘 · 𝑥1 , 𝑘 · 𝑥2 , · · · , 𝑘 · 𝑥𝑛 )
1. 0𝑉 ∈ 𝐸;
2. Se 𝑣, 𝑤 ∈ 𝐸 então 𝑣 + 𝑤 ∈ 𝐸;
9
Exemplo 2.1.5. Dado um espaço vetorial 𝑉 , temos que 𝑉 e {0} são subespaços veto-
riais, chamaremo-os de subespaços triviais..
Exemplo 2.1.6. Dizemos que uma matriz 𝑀𝑛×𝑛 , sobre o corpo 𝐾 é simétrica, quando𝐴𝑖𝑗 =
𝐴𝑗𝑖 , para todo 𝑖, 𝑗 ∈ Z. O conjunto das matrizes simétricas formam um subespaço de
matrizes M𝑛×𝑛 sobre o corpo 𝐾.
∑︀𝑛
Exemplo 2.1.8. Sejam 𝑣, 𝑣1 , 𝑣2 , · · · , 𝑣𝑛 ∈ 𝑉 , então 𝐸 = { 𝑖=1 𝛼𝑣𝑖 ; 𝛼 ∈ K} é um
subespaço vetorial,𝐸 é chamado o subconjunto das combinações lineares sobre V.
Nesta seção anunciaremos uma série de resultados clássicos de álgebra linear, que não
apresentaremos as demonstrações, porém, as mesmas podem ser encontradas, discuti-
das mais profundamente em [5] [2]
Para, começar nosso estudo, devemos definir o que é um conjunto Linear-
mente Independente (LI) ou Linearmente Dependente (LD).
10
Definição 2.1.12. Um conjunto de vetores 𝐵 é uma 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑉 se o mesmo conjunto é
LI e, além disso, gera todos os vetores de 𝑉
Isso significa que cada elemento de 𝑉 pode ser escrito, de maneira única,
como combinação linear dos vetores da base. Alguns teoremas interessantes, são os
seguintes, onde a demonstração pode ser encontrada em [2], [5].
Para definirmos o que seria um espaço métrico, devemos definir o que é uma métrica.
Todas as definições e Teoremas desse capítulo pode ser visto em,[6], [3] e [1].
11
Como ela está definida em um conjunto 𝑀 , então diremos que esta é uma
métrica sobre 𝑀 , a propriedade 𝑀4 é conhecida como desigualdade triângular. A
seguir apresentaremos uma série de exemplos de métricas. A demonstração que as
seguintes funções são métricas podem ser encontradas em [6].
√︀
𝑑(𝑥, 𝑦) = (𝑥1 − 𝑦1 )2 + (𝑥2 − 𝑦1 )2 + · · · + (𝑥𝑛 − 𝑦𝑛 )2
ou
⎯
⎸ 𝑛
⎸∑︁
𝑑(𝑥, 𝑦) = ⎷ (𝑥𝑖 − 𝑦𝑖 )2
𝑖=1
é uma métrica.
Os próximos exemplos, são exemplos de métricas que são utilizadas frequen-
temente, na teoria dos códigos corretores de erros.
12
M1 𝑑𝐻 (𝑥, 𝑦) ≥ 0
Se 𝑥 ̸= 𝑦 isso significa que existe 𝑖 ∈ N tais que 𝑥𝑖 ̸= 𝑦𝑖 e assim 𝑑(𝑥, 𝑦) ≥ 1 > 0,
pois 𝑖 = {1, 2, · · · , 𝑛}
M2 𝑑𝐻 (𝑥, 𝑦) = 𝑑𝐻 (𝑦, 𝑥)
13
Definição 2.2.6. Seja um espaço vetorial F𝑛𝑞 , com a distância definida da seguinte
forma:
𝑑𝐶 (𝑥, 𝑦) =máx{𝑖; 𝑥𝑖 ̸= 𝑦𝑖 }
M1 𝑑𝐶 (𝑥, 𝑦) ≥ 0
M2 𝑑𝐶 (𝑥, 𝑦) = 𝑑𝐶 (𝑦, 𝑥)
Quando 𝑥 ̸= 𝑦, então teremos que, seja 𝑑𝐶 (𝑥, 𝑦) = 𝑚 logo, não se pode ter
𝑥𝑚 = 𝑧𝑚 e 𝑧𝑚 = 𝑦𝑚 . Sem perda de generalidade, tome 𝑥𝑚 ̸= 𝑧𝑚 ⇒ máx{𝑖; 𝑥𝑖 ̸=
𝑧𝑖 } ≥ 𝑚 ⇒ 𝑑𝐶 (𝑥, 𝑦) ≥ 𝑚 ⇒ 𝑑𝐶 (𝑥, 𝑦) = 𝑚 ≤ 𝑑𝐶 (𝑥, 𝑧) ≤ 𝑑𝐶 (𝑥, 𝑧) + 𝑑𝐶 (𝑧, 𝑦)
Essa métrica nos diz que, a distância entre os elementos é dada pela maior
coordenada tal que 𝑥𝑖 ̸= 𝑦𝑖 .
14
Capítulo 3
Chegamos, com esse capítulo ao nosso tema central, códigos corretores de erros. Intro-
duziremos aqui a definição de código e também de código lineares, falaremos também
sobre a matriz geradora e matriz teste de paridade, cuja as suas propriedades são inte-
ressantes, e por fim falaremos de códigos posets e raio de empacotamento em códigos
posets. Usaremos como referências [1], [7],[3], [2] e [?].
A teoria teve início na década de quarenta, onde os computadores eram muito
difíceis de serem mantidos, sendo assim, somente grupos de grande porte, como o
governo e universidades eram capazes desse feito. Em sua maioria, os computadores
eram utilizados para cálculos numéricos complexos.
Richard O. Hamming trabalhava com esses computadores no Bell’s Laboratory of Tec-
nology. O funcionamento desses computadores eram simplórios, de forma que após
detectar algum erro, todo o trabalho era descartado, e eles analisavam o próximo traba-
lho. Após semanas de trabalho jogado fora, Hamming tem a ideia de fazer as máquinas
não só detectarem, mas também corrigir os erros.
Atualmente, a teoria dos códigos corretores de erro é muito importante pois
está intrinsicamente ligada com o nosso dia a dia, televisão, telefone, etc. Vamos então
definir primeiramente o que seria um código.
15
3.1 Códigos Lineares
Definição 3.1.3. Seja 𝒞 ⊆ F𝑛𝑞 , um código linear. A distância mínima de 𝒞 é dada por:
Observação: Seja 𝒞 ⊆ F𝑛𝑞 um código linear, com F𝑛𝑞 , temos que 𝑤(𝑥) =
𝑑(𝑥, 0)
16
Definição 3.1.4. Seja 𝒞 ⊆ F𝑛𝑞 e seja 𝑑: F𝑛𝑞 × F𝑛𝑞 → R+ , a métrica Hamming, o peso
mínimo do código (𝐶) é:
Temos que 𝑑(𝑧, 0) = 𝑤(𝑧), logo, teremos que 𝑑(𝒞) = 𝑚𝑖𝑛{𝑑(𝑧, 0); 𝑧 ∈ 𝒞} =
𝑚𝑖𝑛{𝑤(𝑧); 𝑧 ∈ 𝒞} = 𝑤(𝐶).
𝑥∈𝒞 𝑤(𝑥)
000001000 1
000000010 1
000000001 1
000001010 2
000001001 2
000000011 2
000001011 3
𝑤(𝒞) 1
17
3.2 Códigos Poset
Nesta seção iremos definir o que é um poset, mostrar vários exemplos de poset, como o
Cadeia, Anticadeia, Hierárquico, NRT , etc. Iremos também introduzir a métrica poset,
uma métrica interessante que generaliza métricas conhecidas, como a métrica Ham-
ming e a métrica cadeia, mostraremos que ela é métrica e terminaramos analisando os
raios de empacotamento de códigos em espaços com diferentes métricas posets.
Uma relação 𝑅 de X em Y, é um subconjunto de 𝑋 × 𝑌 . Quando 𝑋=𝑌 ,
dizem-se simplesmenteque 𝑅 é uma relação em 𝑋. Para a relação 𝑅 ser uma relação
de ordem parcial tem que satisfazer três propriedades.
Definição 3.2.1. Uma relação 𝑅 entre 𝑋 e 𝑌 é dita ser de ordem, e denotada por ⪯,
se satisfaz as seguintes propriedades:
Reflexiva : Para todo 𝑥 ∈ 𝑋, (𝑥, 𝑥) ∈ 𝑅;
Transitiva : Se (𝑥, 𝑦) e (𝑦, 𝑧) ∈ 𝑅, então (𝑥, 𝑧) ∈ 𝑅;
Anti − simetrica : Se (𝑥, 𝑦) e (𝑦, 𝑥) ∈ 𝑅, então 𝑥 = 𝑦.
Neste caso, se (𝑥, 𝑦) ∈ 𝑅, denotamos que 𝑥 ⪯ 𝑦 e que 𝑥 e 𝑦 são comparáveis.
Se para quaisquer 𝑥 e 𝑦 ∈ 𝑋, eles são comparáveis, diremos que ⪯ é uma relação de
ordem totel.
Definição 3.2.2. Sejam 𝑋 um conjunto e ⪯ uma ordem parcial, então o par (X,⪯), que
é o conjunto 𝑋 munido da ordem parcial ⪯ é um Poset. (A palavra Poset, tem origem
no inglês, 𝑃 arcially 𝑜rdered 𝑠𝑒𝑡).
Exemplo 3.2.3. Afirmamos que (Z, ≤), onde ≤ é a relação de ordem usual dos intei-
ros, é um conjunto totalmente ordenado. Podemos perceber que ≤ obedece as três pro-
priedades para ser uma relação de ordem, podemos perceber também que para qualquer
𝑥 e 𝑦 ∈ Z, tem-se que 𝑥 ≤ 𝑦. Portanto para qualquer 𝑥 e 𝑦 ∈ Z eles, são comparáveis,
logo ≤ é uma relação de ordem total.
18
O conjunto de todos ideais do Poset 𝑃 é denotado por I(P), ou seja
I(P) = {𝑌 ⊆ 𝑃 |𝑌 é um ideal em 𝑃 }
Exemplo 3.2.6. Seja o Poset 𝑋 com a seguinte relação de ordem sobre {1, 2, · · · , 8},
sendo 𝑅 := {(1, 1)(2, 2), (3, 3), (4, 4), (5, 5), (6, 6), (7, 7), (8, 8), (1, 5), (1, 6), (1, 8),
(2, 5), (2, 6), (2, 8), (3, 6), (3, 7), (3, 8), (4, 7), (6, 8)}. Esse poset terá o seguinte Dia-
grama de Hasse abaixo:
19
Podemos perceber nesse exemplo a diferença entre um ideal 𝐴, e um ideal gerado ⟨𝐴⟩.
O conjunto 𝐴 = {8, 7, 6, 4, 3, 2, 1} é um dos ideais que contém {8}, porém não é ⟨8⟩,
pois não é o menor ideal que contém {8}, sendo assim ⟨8⟩ = {8, 6, 3, 2, 1}, que é o
menor ideal que contém {8}.
Definição 3.2.8. Dado um conjuto 𝑋 dizemos que ele recebe o 𝑟𝑜𝑡𝑢𝑙𝑎𝑚𝑒𝑛𝑡𝑜 𝑛𝑎𝑡𝑢𝑟𝑎𝑙
quando 𝑋 = [𝑛], onde [𝑛] = {1, 2, · · · , 𝑛}.
20
𝑙(𝑖) = 𝑚𝑎𝑥{𝑙; 𝑖1 ≺ 𝑖2 ≺ · · · ≺ 𝑖𝑙 = 𝑖; 𝑖1 𝑜 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜 𝑚𝑖𝑛𝑖𝑚𝑎𝑙 𝑑𝑒 𝑃 }
𝐻𝑘 := {𝑖 ∈ 𝑋; 𝑙(𝑖) = 𝑘}
Caso 2 Seja 𝑖 ∈ ⟨𝐴⟩, tal que 𝑖 não é um maximal de ⟨𝐴⟩, então existe 𝑗 ∈ 𝐴 tal que
𝑖 ≺ 𝑗, como 𝐴 ⊂ 𝐵 então 𝑗 ∈ 𝐵, logo 𝑗 ∈ ⟨𝐵⟩ e como ⟨𝐵⟩ é um ideal, então
teremos que 𝑖 ∈ ⟨𝐵⟩. Portanto ⟨𝐴⟩ ⊆ ⟨𝐵⟩.
21
Exemplo 3.2.12. Poset Cadeia
Seja 𝑃 = ([𝑛], ⪯) um poset totalmente ordenado, ou seja, (assumindo o ro-
tulamento natural) dados 𝑖, 𝑗 ∈ [𝑛], 𝑖 ⪯ 𝑗 se, e somente se, 𝑖 ≤ 𝑗, onde ≤ é a relação
de ordem usual dos inteiros. Um poset cadeia sobre [𝑛] tem altura 𝑛 e cada nível tem
apenas um elemento.
22
Exemplo 3.2.14. Poset NRT
Posets NRT, que é originado a partir de três nomes, a saber (N𝑖𝑒𝑑𝑒𝑟𝑟𝑒𝑖𝑡𝑒𝑟,
R𝑜𝑠𝑒𝑛𝑏𝑙𝑜𝑜𝑚, T𝑠𝑓 𝑎𝑠𝑚𝑎𝑛), foram apresentado pela primeira vez em [9] e [8]. Esse
poset é definidos para cada decomposição 𝑛 = 𝑚.ℎ, com 𝑚, 𝑛 ∈ Z colocando-se
Por exemplo, dado um poset cadeia ([10], ⪯), temos que 𝑛 = 10, podemos
entao decompor, lembrando que 𝑚 e ℎ são intieros, 𝑛 = 𝑚.ℎ de duas formas possiveis,
𝑚 = 5 e ℎ = 2 ou 𝑚 = 2 e ℎ = 5. Tomemos o segundo caso, como exemplo, pela
definição teremos que:
23
Fazendo o diagrama de Hasse desse poset, usando a definição de Poset NRT,
teremos:
24
Exemplo 3.2.15. Poset Árvore Uni-Raiz
Segundo [1], um poset 𝑃 = ([𝑛], ⪯) é uma árvore uni-raiz se, obedece três condições:
(i) Possui um único elemento minimal, que será chamado de raíz de P;
(ii) Para todo 𝑖 ∈ [𝑛], exceto a raiz, existe um outro 𝑗 ∈ [𝑛] tal que 𝑗 ≺ 𝑖
(iii) Para todo elemento 𝑖 ∈ 𝑃 o ideal gerado por {𝑖} é totalmente ordenado
Num poset árvore unirraiz dados 𝑖, 𝑗 ∈ 𝑃 tais que 𝑖 ⪯ 𝑗 e @𝑘 ∈ [𝑛] tal que
𝑖 ≺ 𝑘 ≺ 𝑗, então 𝑖 e pai de 𝑗 e 𝑗 é filho de 𝑖.
Proposição 3.2.16. Dado 𝑖 ∈ [𝑛] e 𝑃 = ([𝑛], ⪯) uma árvore unirraiz, então, o ele-
mento pai de 𝑖 ∈ [𝑛] é único.
Demonstração. Suponha por absurdo que o elemento 𝑖, possua dois pais 𝑗 e 𝑗 ′ , sabe-
mos que o ideal gerado por 𝑖, a saber ⟨𝑖⟩, é totalmente ordenado, como, por definicão
de ideal, temos que se 𝑗 ≺ 𝑖 e 𝑖 ∈ ⟨𝑖⟩ então 𝑗 ∈ ⟨𝑖⟩ portanto como 𝑗 e 𝑗 ′ são pais de 𝑖
então 𝑗, 𝑗 ′ ∈ ⟨𝑖⟩.
Como ⟨𝑖⟩ é totalmente ordenado, então existe uma relação 𝑗 ⪯ 𝑗 ′ , porém
como 𝑗 é pai de 𝑖 então @𝑗 ′ tal que 𝑗 ≺ 𝑗 ′ ≺ 𝑖, logo 𝑗 ′ ⪯ 𝑗.
Da mesma forma, como 𝑗 ′ é pai de 𝑖 então @𝑗 tal que 𝑗 ′ ≺ 𝑗 ≺ 𝑖, logo 𝑗 ⪯ 𝑗 ′ ,
e pela propriedade anti-simétrica de uma relação R, temos que 𝑗 = 𝑗 ′ .
Definição 3.2.17. Uma árvore uni-raiz é dita regular por nível, se todo elemento no
k-ésimo nível de 𝑃 possui exatamente 𝑞𝑘 filhos, com 𝑘 ∈ {1, · · · , ℎ − 1}, ou seja,
todos os elementos de um mesmo nível possui a mesma quantidade de filhos.
Uma árvore uni-raiz é denotada pela quantidade de elementos que ela tem, se-
guido da quantidades de filhos nos respectivos níveis, dessa forma (𝑛; 𝑞1 , 𝑞2 , · · · , 𝑞ℎ−1 )
representa uma árvore unirraiz em que os elementos do 𝑗 − 𝑠𝑖𝑚𝑜 nível tem 𝑞𝑗 filhos,
lembrando que nao incluimos a altura ℎ pois no nível ℎ nenhum elemento possui filhos,
os elementos do nível ℎ são chamados de 𝑓 𝑜𝑙ℎ𝑎𝑠.
Para termos uma ideia melhor de como é a estrutura de uma árvore uni-raiz,
regular por nivel, observemos a Figura 3.7. Nela temos que a raiz, será {1}, que tam-
bém é o primeiro nível, os respectivos filhos de {1} serão {2, 3}, e formarão o segundo
25
Figura 3.7: Diagrama de Hasse de uma (15; 2,3,1) árvore uni-raiz, regular por nível.
nivel da árvore, o terceiro nível será o conjunto {4, 5, 6, 7, 8, 9} onde {4, 5, 6} são fi-
lhos de {2} e {7, 8, 9} são os filhos de {3} e assim o quarto e último nível será formado
por {10, 11, 12, 13, 14, 15} e esses serão filhos dos elementos do terceiro nível. Note
que os elementos do primeiro e terceiro nível tem 1 filho, e os elementos do segundo
nível tem 3.
de [𝑛] tal que 𝑖 ⪯ 𝑗 se e somente se 𝑖 ∈ 𝐻𝑙𝑖 , 𝑗 ∈ 𝐻𝑙𝑗 e 𝑙𝑖 < 𝑙𝑗 , onde cada classe 𝐻𝑖 é o
i-ésimo nível de 𝑃 , e | 𝐻𝑖 |= 𝑛𝑖 .
Apesar de uma definição novamente complicada, fica masi fácil de se entender
quando é mostrado no Diagrama de Hasse. O que a definição nos diz, é que [n] pode
ser particionado em várias classes disjuntas, onde cada classe vai representar um nível
do Poset Hierarquico. A relação entre os elementos é dado a partir das classes. O
elemento 𝑗 ∈ 𝐻𝑙𝑗 tem relação com todos os elementos 𝑖 ∈ 𝐻𝑙𝑖 de um nível menor, ou
seja quando 𝑙𝑖 < 𝑙𝑗 .
26
Vamos pôr como exemplo um (9; 4, 2, 3) poset hieraquico, temos então que
[𝑛] = 9 e pela descrição do poset temos que [𝑛] = ∘𝑙=1,2,3 𝐻𝑙 e onde 𝐻1 := {1, 2, 3, 4},
⋃︀
𝐻2 := {5, 6}, e 𝐻3 := {7, 8, 9}, então temos que, por exemplo, 5 ∈ 𝐻2 , pela definição,
𝑖 ⪯ 5, ∀𝑖 ∈ 𝐻1 , podemos perceber isso na Figura 3.8.
𝑠𝑢𝑝𝑝(𝑥) = {𝑖; 𝑥𝑖 ̸= 0}
𝑤𝑝 (𝑥) =| ⟨𝑠𝑢𝑝𝑝(𝑥)⟩ |
27
Exemplo 3.3.3. Seja em F11
2 os pelos posets 𝐴, 𝐶, 𝑈, 𝐻, Onde 𝐴 é um poset anti-
cadeia, 𝐶 um poset cadeia, U um (11;2,2,1) poset árvore uni-raiz, regular por nível, e
𝐻 um (11;4,2,5) poset hierárquico, tome então o elemento 𝑣 = (00010001000) ∈ F11
2 ,
iremos calcular o peso de 𝑣, para isso teremos que calcular o suporte, e pela definição
Definição 3.3.1 temos que 𝑠𝑢𝑝𝑝(𝑣) = {4, 8}
28
Definição 3.3.4. Dados 𝑥, 𝑦 ∈ F𝑛𝑞 , a métrica poset é dada por
𝑑𝑝 (𝑥, 𝑦) = 𝑤𝑝 (𝑥 − 𝑦)
Agora, apresentaremos uma série de resultados que nos levará a concluir que
a métrica poset é uma métrica, conforme a Definição 2.2.1.
29
𝑠𝑢𝑝𝑝(𝑥 − 𝑦) = ∅ e assim, 𝑥𝑖 = 𝑦𝑖 ∀𝑖 ∈ {1, · · · , 𝑛} o que nos mostra que
𝑥 = 𝑦.
𝑀2 𝑑𝑝 (𝑥, 𝑦) = 𝑑𝑝 (𝑦, 𝑥)
𝑥𝑖 − 𝑦𝑖 ̸= 0 ⇒ 𝑥𝑖 = 𝑦𝑖 ⇒ 𝑦𝑖 − 𝑥𝑖 ̸= 0
30
Como vimos que em todos os casos, temos que se 𝑚 ∈ 𝑠𝑢𝑝𝑝(𝑥 − 𝑦) ⇒ 𝑚 ∈
𝑠𝑢𝑝𝑝(𝑥) ∪ 𝑠𝑢𝑝𝑝(𝑦), logo, de forma análoga, temos que:
Definição 3.3.7. Um Espaço Poset, é um espaço F𝑛𝑞 , que é munido da métrica poset
𝑑𝑝 , denomidado em escrita matemática, como o par (F𝑛𝑞 , 𝑑𝑝 )
Definição 3.3.9. Seja o espaço F𝑛𝑞 munido da métrica poset 𝑑𝑝 e seja 𝐶 ⊆ F𝑛𝑞 um
código então a distância minima do código poset é definida como:
31
Exemplo 3.3.10. Seja 𝒞 ⊆ F92 , com 𝒞 := {000001000, 000000010, 000000001, 000001010,
000001001, 000000011, 000001011} sendo também 𝐴 um poset anti-cadeia, 𝐶, um po-
set cadeia, 𝑈 , um (9;2,3) poset árvore uni-raiz, regular por nível, 𝐻, um (9;4,2,3) poset
hieráquico.
𝑥∈C 𝐴 𝐶 𝑈 𝐻
000001000 1 6 3 5
000000010 1 8 3 7
000000001 1 9 3 7
000001010 2 8 5 7
000001001 2 9 5 7
000000011 2 9 4 8
000001011 3 9 6 8
𝑑𝑝 (𝒞) 1 6 3 5
32
O raio de empacotamento de um código linear é o maximo tal que as bolas
métricas com esse raio, centradas nos elementos do código linear não tem nenhum
elemento em comum.
Uma pergunta que naturalmente surge, após ler a definição, é se tem uma
maneira de calcular o 𝑅𝑑 (𝐶) sem ter que testar cada raio para os elementos. Afirma-
mos que, se a métrica adotada for a métrica de Hamming, então 𝑅𝑑 (𝐶) é diretamente
determinado pela distância mínima do código.
𝑑(𝒞) − 1
𝑅𝑑 (𝒞) = ⌊ ⌋
2
Um absurdo. Observe que na primeira desigualdade usamos o fato que 𝑑𝐻 (𝑥, 𝑦) é uma
métrica, então podemos usar a desigualdade triangular, e na segunda usamos o fato que
𝑤 ∈ 𝐵𝐻 (𝑥, 𝑅) ∩ 𝐵𝐻 (𝑦, 𝑅), que por definição significa que 𝑑𝐻 (𝑥, 𝑤), 𝑑𝐻 (𝑦, 𝑤) ≤ 𝑅,
na última usamos a definição de 𝑅 dado acima. Lembre-se que 𝑅 = ⌊ 𝑑−1
2
⌋ siginifica
33
que 𝑅 ≤ ⌊ 𝑑−1
2
⌋ e ⌊ 𝑑−1
2
⌋ ≤ 𝑅. Logo 𝐵𝐻 (𝑥, 𝑅) ∩ 𝐵𝐻 (𝑦, 𝑅) = ∅ Vamos mostrar agora
que R é o maior valor que pode ser atingido por 𝑅. Afirmamos que
𝑑−1 𝑑−1 1
⌊ ⌋≥ −
2 2 2
Sabemos que 𝑑 ∈ N , então
𝑑−1 𝑑−2
𝑑−1≥𝑑−2⇒ ≥
2 2
Afirmamos que ⌊ 𝑑−1
2
⌋ = 𝑚 − 1 com 𝑚 ∈ N, como 𝑑 é um número natural,
podemos analisar o que acontece quando ele for par, da forma 2𝑚 ou ímpar, da forma
2𝑚 − 1
𝑑−1 2(𝑚 + 1) − 1 2𝑚 + 1 2𝑚 1 1
⌊ ⌋= ⌋=⌊ ⌋=⌊ + ⌋ = ⌊𝑚 + ⌋ = 𝑚
2 2 2 2 2 2
1
Como estamos lidando somente com a parte inteira de 𝑚 + 2
então somar a
1
fração 2
é como somar zero. e daí concluímos que ⌊ 𝑑−1
2
⌋ = 𝑚 − 1 quando
𝑑 = 2𝑚.
𝑑−1 2𝑚 − 2 2𝑚 − 1 1 𝑑−1 1
⌊ ⌋=𝑚−1= = − = −
2 2 2 2 2 2
Então quando 𝑑 é par vale a igualdade.
34
Na última igualdade usamos o fato de que 𝑚 é inteiro e por consequência 𝑚 − 1
também o será. Vamos mostrar que a desigualdade ⌊ 𝑑−1
2
⌋≥ 𝑑−1
2
− 12 vale. Temos
que se 𝑑 = 2𝑚 − 1 então ficará.
𝑑−1 2𝑚 − 2 2𝑚 − 1 1 𝑑 1 𝑑−1 1
⌊ ⌋=𝑚−1= = − = − > −
2 2 2 2 2 2 2 2
Provamos que, quando 𝑑 for par, a igualdade vale, e quando for ímpar a desi-
gualdade. Logo para qualquer 𝑑 ∈ N teremos que ⌊ 𝑑−1
2
⌋≥ 𝑑−1
2
− 1
2
é válida.
𝑑𝐻 (𝑧, 𝑣) = 𝑑 − (𝑅 + 1) ≤ 2(𝑅 + 1) − (𝑅 + 1) ≤ (𝑅 + 1)
35
tem limitantes inferior e superior, e a reposta a esta questão é afirmativa. Segundo [7],
temos a seguinte proposição.
Proposição 3.4.3. Seja C ⊆ Fnq um código e 𝑑 uma métrica sobre F𝑛𝑞 , então
𝑑(𝒞) − 1
⌊ ⌋ ≤ 𝑅𝑑 (𝒞) ≤ 𝑑(𝒞) − 1
2
Demonstração. De fato, na primeira parte da demonstração, usamos apenas as propri-
edades de espaço métrico e nenhuma especial da métrica de Hamming. Logo, num
espaço métrico qualquer, temos um limitante inferior para o raio de empacotamento.
Portanto, a parte esquerda da desigualdade, tem-se 𝑅 ≥ ⌊ 𝑑(𝒞)−1
2
⌋.
A desigualdade da direita, é de fato, pois se 𝑅𝑑 (𝒞) = 𝑑(𝒞) então sendo 𝑑(𝒞) =
𝑑𝐻 (𝑥, 𝑦) para algum 𝑥, 𝑦 ∈ 𝒞 então 𝑥 ∈ 𝐵𝐻 (𝑥, 𝑅𝑑 (𝒞)) ∩ 𝐵𝐻 (𝑦, 𝑅𝑑 (𝒞)). Logo 𝑅𝑑 (𝒞)
tem que ser no máximo 𝑑(𝒞) − 1, portanto 𝑅𝑑 (𝒞) ≤ 𝑑(𝒞) − 1
Agora que já falamos sobre raio de empacotamento para códigos lineares, es-
sas propriedades também valem para um código poset. Sabemos que um código poset,
é um código linear com uma métrica poset, então é de se imaginar que as proprieda-
des mostradas acima funcionem para um código poset. Analisaremos agora os raios
de empacotamento em alguns posets, comparando a métrica hamming com a métrica
hierárquica. Existem estudos como por exemplo [1] e [7], que trabalharam com a pes-
quisa de raios de empacotamentos em certos posets específicos, em [1], temos o raio
de empacotamento para códigos poset hierárquicos, e em [7] temos a generalização
dos raios de empacotamento para códigos poset.
Segundo [1] temos
36
Teorema 3.4.5. Seja P um poset e 𝒞 ⊆ F𝑛𝑞 . Denotemos o ideal gerado pelo suporte
de uma palavra-código 𝑥 ∈ 𝒞 por 𝐼𝑥 . Então, o raio de empacotamento de 𝒞 é
𝑃 𝑜𝑠𝑒𝑡 𝑅(C)
𝐶 3
𝐴 0
𝐻 6
𝑁 0
𝑈 1
37
Considerações Finais
Neste capítulo podemos considerar alguns livros e estudos para quem deseja
a ampliação do conhecimento ao estudo de Teoria dos Códigos.
No capítulo um, falamos sobre corpos finitos, e suas propriedades e teoremas,
sugerimos o livro [?], que nos mostra uma visão totalmente algébrica, e também [?]
ao qual apesar de ser, também, totalmente algébrico, ele explora mais a visão voltada
para construir um conhecimento voltado para a teoria dos códigos.
No capítulo dois, temos dois temas, aos quais podem ser separados, para es-
paços vetorias temos que qualquer livro de álgebra linear satisfaça para o material em
código, dois livros que são referências, são o [2] e [5]. Ainda sobre o capítulo dois, mas
voltado para a Métrica, temos [5] para um conhecimento amplo dessa área, e também
temos novamente [3] onde ele cita brevemente o que é métrica.
No capítulo três, a grande referência para o estudo foi [1], [7], [3] onde o
primeiro faz um estudo sobre códigos e abrange os códigos posets, sendo o trabalho
que definiu um raio de empacotamento para um código poset Hierárquico, em [7]
temos um trabalho também em códigos posets de maneira sucinta, e abrangendo o raio
de empacotamento para algum código poset, o terceiro, não menos importante, não faz
referência aos códigos posets, porém se trata de outros tipos de códigos.
38
Referências Bibliográficas
[9] H.Niederreiter. A combination problem for vector spaces over finite fields. Dis-
crete Mathematic, 96:221-228, 1991.
39
Índice Remissivo
40
Poset Hierárquico, 26 Teorema de LD , 10
Poset NRT, 22 Teorema de LI, 10
Subespaços das Funções, 9
Subespaços das Matrizes Simétricas,
9
Corpo Q, 3
Corpo R e C, 3
Corpo finito, 4
Poset Árvore Uni-Raiz, 25
Subespaços Triviais, 8
Métrica Poset, 29
Proposiçôes
Todo elemento possui um Pai, 25
Proposições
⟨𝐴⟩ ⊆ ⟨𝐵⟩, 20
Espaço de Dimensão Finita, 10
Ideal Gerado, 28
Limitantes de 𝑅𝑑 (C), 19
Raio de Empacotamento, 18
Distância Cadeia é uma Métrica , 12
Distância Hamming é uma métrica, 11
Matriz teste de paridade, 17
O elemento pai é único, 25
Peso de um Código , 15
Teoremas
Cdarateristica de um corpo finito, 4
Espaço vetorial de dimensão finita, 10
Subcorpo Finito isomorfo, 5
41