Universidade de Caxias do Sul Centro de Ciências Exatas e Tecnologia Departamento de Informática

Matemática Discreta
Márcia Rodrigues Notare

Caxias do Sul, julho de 2003.

ÍNDICE
1 TEORIA DOS CONJUNTOS............................................................................................................4 1.1 1.2 1.3 1.4 1.5 2 RELAÇÃO DE PERTINÊNCIA............................................................................................................4 ALGUNS CONJUNTOS IMPORTANTES..............................................................................................4 RELAÇÃO DE INCLUSÃO ................................................................................................................5 IGUALDADE DE CONJUNTOS ..........................................................................................................6 PERTINÊNCIA X INCLUSÃO .............................................................................................................6

INTRODUÇÃO À LÓGICA MATEMÁTICA ................................................................................7 2.1 CONECTIVOS LÓGICOS ..................................................................................................................7 2.1.1 Negação ................................................................................................................................7 2.1.2 Conjunção.............................................................................................................................8 2.1.3 Disjunção..............................................................................................................................8 2.1.4 Condicional (Implicação) .....................................................................................................8 2.1.5 Bicondicional........................................................................................................................9 2.2 FÓRMULAS BEM-FORMADAS .........................................................................................................9 2.3 TABELAS-VERDADE PARA WFFS ....................................................................................................9 2.4 EQUIVALÊNCIA ............................................................................................................................10 2.5 QUANTIFICADORES ......................................................................................................................11

3

ÁLGEBRA DE CONJUNTOS ........................................................................................................13 3.1 OPERAÇÃO DE UNIÃO ..................................................................................................................13 3.1.1 Propriedades da União.......................................................................................................14 3.2 OPERAÇÃO DE INTERSEÇÃO.........................................................................................................15 3.2.1 Propriedades da Interseção................................................................................................16 3.3 OPERAÇÃO COMPLEMENTO .........................................................................................................16 3.3.1 Propriedades de DeMorgan ...............................................................................................17 3.4 OPERAÇÃO DE DIFERENÇA ..........................................................................................................17 3.5 CONJUNTO DAS PARTES...............................................................................................................18 3.6 PRODUTO CARTESIANO ...............................................................................................................18 3.7 UNIÃO DISJUNTA .........................................................................................................................19

4

RELAÇÕES ......................................................................................................................................20 4.1 RELAÇÃO BINÁRIA ......................................................................................................................20 4.2 ENDORRELAÇÃO COMO GRAFO ...................................................................................................21 4.3 RELAÇÃO COMO MATRIZ.............................................................................................................21 4.4 PROPRIEDADES DAS RELAÇÕES ...................................................................................................22 4.4.1 Relação Reflexiva ...............................................................................................................22 4.4.2 Relação Irreflexiva .............................................................................................................23 4.4.3 Relação Simétrica...............................................................................................................24 4.4.4 Relação Anti-Simétrica .......................................................................................................24 4.4.5 Relação Transitiva..............................................................................................................25 4.5 FECHOS DE RELAÇÕES .................................................................................................................25 4.5.1 Fecho Reflexivo ..................................................................................................................26 4.5.2 Fecho Simétrico ..................................................................................................................26 4.5.3 Fecho Transitivo.................................................................................................................26 4.6 RELAÇÃO DE ORDEM...................................................................................................................26 4.6.1 Elemento Mínimo................................................................................................................28 4.6.2 Elemento Minimal...............................................................................................................28 4.6.3 Elemento Máximo ...............................................................................................................28 4.6.4 Elemento Maximal ..............................................................................................................28 4.7 RELAÇÃO DE EQUIVALÊNCIA.......................................................................................................29 4.7.1 Congruência em Z...............................................................................................................30 4.8 RELAÇÃO INVERSA ......................................................................................................................30 4.9 COMPOSIÇÃO DE RELAÇÕES ........................................................................................................31 4.9.1 Composição de Relações como Produto de Matrizes .........................................................32

5

TIPOS DE RELAÇÕES...................................................................................................................33
Matemática Discreta Márcia Rodrigues Notare

2

5.1 5.2 5.3 5.4 5.5 5.6 5.7 6

RELAÇÃO FUNCIONAL .................................................................................................................33 RELAÇÃO INJETORA ....................................................................................................................33 RELAÇÃO TOTAL .........................................................................................................................34 RELAÇÃO SOBREJETORA .............................................................................................................34 MONOMORFISMO .........................................................................................................................35 EPIMORFISMO ..............................................................................................................................35 ISOMORFISMO ..............................................................................................................................35

FUNÇÕES PARCIAIS E TOTAIS .................................................................................................37 6.1 6.2 FUNÇÃO PARCIAL ........................................................................................................................37 FUNÇÃO TOTAL ...........................................................................................................................37

7

CARDINALIDADE DE CONJUNTOS..........................................................................................38 7.1 7.2 7.3 CARDINALIDADE FINITA E INFINITA ............................................................................................38 CARDINALIDADE DOS CONJUNTOS NÃO-CONTÁVEIS ..................................................................39 CARDINAL ...................................................................................................................................39

8

INDUÇÃO MATEMÁTICA............................................................................................................41 8.1 PRIMEIRO PRINCÍPIO DE INDUÇÃO MATEMÁTICA ........................................................................41

9

RECURSÃO E RELAÇÕES DE RECORRÊNCIA......................................................................47 9.1 9.2 DEFINIÇÕES RECORRENTES .........................................................................................................47 SEQÜÊNCIAS DEFINIDAS POR RECORRÊNCIA ...............................................................................47 ESTRUTURAS ALGÉBRICAS ..................................................................................................49 OPERAÇÕES .................................................................................................................................49 PROPRIEDADE DAS OPERAÇÕES BINÁRIAS ..................................................................................49 GRUPÓIDES ..................................................................................................................................50 SEMIGRUPOS................................................................................................................................50 MONÓIDES...................................................................................................................................51 GRUPOS .......................................................................................................................................52

10 10.1 10.2 10.3 10.4 10.5 10.6

Matemática Discreta Márcia Rodrigues Notare

3

1

TEORIA DOS CONJUNTOS

Definição de Conjunto: um conjunto é uma coleção de zero ou mais objetos distintos, chamados elementos do conjunto, os quais não possuem qualquer ordem associada. Em outras palavras, é uma coleção não-ordenada de objetos. Exemplo: A = {branco, azul, amarelo} Em um conjunto, a ordem dos elementos não importa e cada elemento deve ser listado apenas uma vez. Podemos definir um conjunto de diferentes formas: Denotação por Extensão: os elementos são listados exaustivamente. Exemplo: Vogais = {a, e, i, o, u} Denotação por Compreensão: definição de um conjunto por propriedades comuns aos objetos. De forma geral, escreve-se {x | P(x)}, onde P(x) representa a propriedade. Exemplo: Pares = {n | n é par}, que representa o conjunto de todos os elementos n, tal que n é um número par. Ainda podemos especificar um conjunto omitindo alguns elementos que estão implícitos na notação adotada. Veja exemplos: Dígitos = {0, 1, 2, 3, ..., 9} Pares = {0, 2, 4, 6, ...}

1.1
-

Relação de Pertinência
Se a é elemento de um conjunto A, então podemos escrever:

a∈ A
e dizemos que a pertence ao conjunto A. - Se a não é elemento de um conjunto A, então podemos escrever:

a∉ A
e dizemos que a não pertence ao conjunto A. Exemplo: Considerando o conjunto Vogais = {a, e, i, o, u}, podemos dizer que: - e ∈ Vogais - m ∉ Vogais Considerando o conjunto B = {x | x é brasileiro}, temos que: - Pelé ∈ B - Bill Gates ∉ B

1.2

Alguns Conjuntos Importantes

O Conjunto Vazio é um conjunto que não possui elementos e pode ser denotado por ∅ ou { }. Ainda temos:

Matemática Discreta Márcia Rodrigues Notare

4

-

N, que representa o conjunto dos números naturais; Z, que representa o conjunto dos números inteiros; Q, que representa o conjunto dos números racionais; I, que representa o conjunto dos números irracionais; R, que representa o conjunto dos números reais; C, que representa o conjunto dos números complexos.

Definição de Alfabeto: um alfabeto é um conjunto finito, ou seja, um conjunto que pode ser denotado por extensão. Os elementos de uma alfabeto são chamados de símbolos ou caracteres. Definição de Palavra: uma palavra sobre um alfabeto é uma seqüência finita de símbolos do alfabeto, justapostos. ε Σ Σ* palavra vazia alfabeto conjunto de todas as palavras possíveis sobre o alfabeto Σ

Exemplos: - ∅ é um alfabeto - {a, b, c, d} é uma alfabeto - N não é um alfabeto - ε é uma palavra sobre {a, b, c] - ε é uma palavra sobre ∅ - ∅* = {ε}

Chamamos de Linguagem Formal a um conjunto de palavras sobre um alfabeto. Portanto, podemos entender que uma linguagem de programação é o conjunto de todos os seus possíveis programas e que um programa é uma palavra da linguagem de programação.

1.3

Se todos os elementos de um conjunto A são também elementos de um conjunto B, então dizemos que: A⊆ B A está contido em B ou que B contém A B⊇A Neste caso, podemos dizer que A é um subconjunto de B. Por outro lado, se A ⊆ B e A ≠ B, ou seja, existe b∈B tal que b∉A, então dizemos que:

ou que

Neste caso, dizemos que A é um subconjunto próprio de B. Exemplos: - {1, 2, 3} ⊆ {3, 2, 1} - {1, 2} ⊆ {1, 2, 3} - {1, 2} ⊂ {1, 2, 3}

 

Aplicações na Computação

Relação de Inclusão

A⊂ B B⊃A

A está contido propriamente em B B contém propriamente A

Matemática Discreta Márcia Rodrigues Notare

5

b. 1. d} ⊆ S Matemática Discreta Márcia Rodrigues Notare 6 .∅∈S . c. ou seja: Exemplos: 0 .5 Pertinência x Inclusão Os elementos de um conjunto podem ser conjuntos.2} = x ∈ Ν x ≥ 0 ∧ x < 3 - Ν = {x ∈ Ζ x ≥ 0} { } {a. temos que A ⊆ U. Exemplos: Considere o conjunto S = {a.Definição de Conjunto Universo: denotado por U. é o conjunto que contém todos os conjuntos que estão sendo considerados.{1. 2}}. define o contexto de discussão.2} ∈ S . d. U não é um conjunto fixo e. b.4 Igualdade de Conjuntos A = B ↔ ( A ⊆ B ∧ B ⊆ A) Dois conjuntos A e B são ditos iguais se. d} ∉ S . {1.{a. c} = {a. b.{ . Dessa forma. preste atenção nos conceitos de pertinência e inclusão. ∅. c.{a. c.1.{a} ⊆ S . Então: . e somente se. c. para qualquer conjunto A. c} 1. possuem os mesmos elementos. Portanto. b. ou seja.{0} ∈ S . b.∅⊆S . c. b.{a} ∉ S . {0}.

Não é o caso que quatro é maior do que cinco. se P é falsa.1 Negação A negação de uma proposição é construída a partir da introdução da palavra não ou não é o caso que.Vou comprar um carro ou uma bicicleta. . que descreve as possíveis combinações dos valores lógicos das proposições. São exemplos de proposições: . .1. .Brasil não é um país. .1 Conectivos Lógicos As proposições podem ser simples (atômicas) ou compotas e os conectivos têm a função de combinar sentenças simples para formar sentenças compostas. então sua negação é denotada por: ¬P ou ~P (lê-se "não P") Interpretamos a negação da seguinte forma: se P é verdadeira.Quatro é maior do que cinco. compostas por proposições mais simples através dos conectivos lógicos (ou operadores lógicos). Matemática Discreta Márcia Rodrigues Notare 7 . então ¬P é falsa.2 INTRODUÇÃO À LÓGICA MATEMÁTICA Lógica é o estudo dos princípios e métodos usados para distinguir sentenças verdadeiras de falsas. Proposição Composta: são proposições mais complexas. . então ¬P é verdadeira. Para visualizar os valores lógicos de um conectivo utilizamos a tabela-verdade. 2. .Um triângulo é equilátero se e somente se tiver os três lados iguais. Exemplos: .Ela é muito inteligente. Definição de Proposição: uma proposição é uma construção que se pode atribuir juízo. Proposição Atômica: são proposições que não podem ser decompostas em proposições mais simples.Bom dia! 2.Animais são peludos e aves têm penas. Exemplos: . Considerando que P denota uma proposição.Como isso pode acontecer! .Como vai você? .Se chover então ficarei em casa. ou seja. que pode ser apenas verdadeira ou falsa.São Paulo é uma cidade grande Exemplos que não são proposições: .

P ¬P V F F V 2.4 Condicional (Implicação) O condicional é falso se seu antecedente for verdadeiro e seu conseqüente for falso. Caso contrário. ambos são verdadeiros sob as mesmas condições. É denotado por: P→Q Observe: a expressão “P → Q” assegura que: não é o caso que P e não Q. é falsa. ou seja. é falsa.3 Disjunção Uma disjunção é verdadeira se pelo menos um dos seus disjunctos for verdadeiro. P Q P→Q V V V V F F F V V F F V Matemática Discreta Márcia Rodrigues Notare ¤ ¢ £ ¤ ¡ ¢ ¡ V V V F (lê-se "se P então Q") ¡ ¤ 8 . Caso contrário.2 Conjunção Uma conjunção é verdadeira se ambos seus conjunctos são verdadeiros. ele é verdadeiro. Caso contrário. se considerarmos a expressão: “Se esfriar.1. P V V F F Q V F V F P∧Q V F F F 2. então chove” (P → Q) podemos interpretá-la como sendo: “Não é o caso que esfria e não chove” ¬(P ∧ ¬Q) Assim.1.1. É denotada por: (lê-se "P ou Q") P∨Q A tabela-verdade da disjunção está apresentada a seguir. podemos obter a tabela-verdade de P → Q construindo a tabela verdade de ¬(P ∧ ¬Q). P V V F F Q V F V F P∨Q 2. podemos dizer que um enunciado da forma P → Q tem o mesmo significado (semântica) que um enunciado da forma ¬(P ∧ ¬Q). Portanto. É denotada por: (lê-se "P e Q") P∧Q A seguir a tabela-verdade da conjunção. Verbalizando.

Exemplos: . Por fim. denotado por P ↔ Q .wff) são sentenças lógicas construídas corretamente sobre o alfabeto cujos símbolos são conectivos. Devemos completar com todas as possibilidades de valores verdade para as letras sentenciais. P ∧ Q. completamos a tabela com os valores-verdade para os operadores.P ∨ ¬Q . completando-se os possíveis valores-verdade que P pode assumir. que é o operador principal e. a tabela-verdade de (P ↔ Q) pode ser obtida construindo a tabela-verdade de (P → Q) ∧ (Q → P). observando os passos de construção: 1. b) preenchemos a coluna da ocorrência de P na fórmula (na wff). Veja os exemplos abaixo. parênteses e letras sentenciais. sub-wffs e por fim para a wff (operador principal). Assim: Matemática Discreta Márcia Rodrigues Notare ¨ ¨ ¬P F F V V ¦ ¬ V F ¬ F V ¥ ¨ ¦ ¦§¦ ¦ ¦ P V F ∨ V F V V Q V F V F 9 . c) preenchemos o sinal de negação imediatamente à esquerda de P.(P ∧ ¬Q) → R .2 Fórmulas Bem-Formadas Fórmulas bem-formadas (well formed formula . P V F 2. P ↔ Q .2. portanto. Assim. pois é ele que determina o valor-verdade para toda a fórmula. tem o mesmo significado que (P → Q) ∧ (Q → P). a) preenchemos a coluna letra sentencial P.1. determina o valor-verdade da fórmula.3 Tabelas-verdade para wffs Para construir uma tabela-verdade para uma wff. devemos identificar o operador principal.¬(P ∧ Q) ↔ (¬P ∨¬Q) 2. P → Q.¬P. P V V F F Q V F V F Observe que o operador principal da fórmula acima é ∨ e. escrevemos as letras sentenciais à esquerda da tabela e a fórmula à direita da tabela. Construa a tabela-verdade para a fórmula ¬P ∨ Q.5 Bicondicional O bicondicional. Construa a tabela-verdade para a fórmula ¬¬P. d) preenchemos o segundo sinal de negação. portanto. A seguir. P Q P↔Q V V V V F F F V F F F V 2. P ∨ Q. deve ter sua coluna como última a ser preenchida.

onde 1 representa uma tautologia e 0 representa uma contradição: Matemática Discreta Márcia Rodrigues Notare  ∧ F F  ∨ V V ¬P F V ¬P F V   ©   ∨ V V V F ∧ F V V F ¬ F V V V     ©   © ∧ V F F F  © Q V F V F 10 . Construa a tabela verdade para a fórmula P ∨ ¬P. P V V F F Q V F V F P V V F F Q V F V F P V V F F O operador principal dessa fórmula é o ∧ (veja: (P ∨ Q) ∧ ¬(P ∧ Q)). determina o valor verdade da fórmula. Uma contradiação é intrinsecamente falsa pela sua própria estrutura. 3. exemplos de algumas equivalências tautológicas importantes. as etapas de construção são como segue: a) preenchemos as colunas das letras sentenciais P e Q (à esquerda da tabela). ou seja. Assim a coluna deste operador determina o valor-verdade da fórmula. e) finalmente. é denominada uma contradição. Construa a tabela verdade para a fórmula (P ∨ Q) ∧ ¬(P ∧ Q). Denotamos essa propriedade por P⇔Q A seguir. uma fórmula que assume sempre o valor lógico F.a) preenchemos as colunas das letras sentenciais P e Q (à esquerda da tabela). é falsa independentemente dos valores lógicos atribuidos as suas letras sentenciais. (Observe que o operador principal ∧ conecta as colunas de ∨ e ¬). Uma tautologia é intrinsecamente verdadeira pela sua própria estrutura. é verdadeira independentemente dos valores lógicos atribuidos as suas letras sentenciais. Por outro lado. Construa a tabela verdade para a fórmula P ∧ ¬P. 4. Então. portanto.4 Equivalência Dizemos que duas fórmulas P e Q são equivalentes se a fórmula P ↔ Q é uma tautologia. ou seja. b) preenchemos as colunas da ocorrência de ¬P e Q. c) preenchemos as colunas da ocorrência de ∨ e ∧ na fórmula (mas não o ∧ principal). preenchemos a coluna do operador principal ∧. 2. P V F P V F Uma fórmula que assume sempre o valor lógico V. como no exemplo 5. b) preenchemos as colunas da ocorrência de P e Q na fórmula. c) por fim. que determina o valorverdade da fórmula. d) preenchemos a coluna da ocorrência da negação do operador ∧. P V F P V F 5. é denominada uma tautologia. como no exemplo 4. preenchemos a coluna ∨. que é o operador principal e.

para qualquer ou para cada. ∨ e ¬. Quantificador Universal: é simbolizado por ∀ e lê-se para todo. o valor lógico não será afetado. else do OutraCoisa. onde A é "x < y" e B é "z < 1000". Se a expressão condicional for substituída por outra expressão equivalente mais simples. em uma ramificação condicional de um programa. Quantificadores são frases do tipo para todo. se o valor lógico da expressão condicional for verdadeiro. deve ser introduzido. frases que dizem "quantos objetos" apresentam determinada propriedade. ele execurá outro trecho do seu código. a sentença acima pode ser simbolizada por: Matemática Discreta Márcia Rodrigues Notare  Aplicações na Computação (DeMorgan) (Distributividade) (Complemetar) (Comutatividade) (Elemento Neutro) Quantificadores 11 . a expressão condicional tem a forma A ∧ ¬(A ∧ B). x>0" como sendo uma proposição verdadeira sobre os inteiros positivos.. mas o novo código será mais fácil de ser entendido e poderá ser executado mais rapidamente. 2. Nesse exemplo. isto é. Assim. Veja o exemplo a seguir: if ((x < y) and not ((x < y) and (z < 1000))) do AlgumaCoisa. Podemos simplificar essa expressão utilizando as equivalências vistas anteriormente.Elemento Neutro: . como o de quantificador.DeMorgan: A∨B⇔B∨A (A ∨ B) ∨ C ⇔ A ∨ (B ∨ C) A ∨ (B ∧ C) ⇔ (A ∨ B) ∧ (A ∨ C) A∨0⇔A A ∨ ¬A ⇔ 1 ¬(A ∨ B) ⇔ ¬A ∧ ¬B A∧B⇔B∧A (A ∧ B) ∧ C ⇔ A ∧ (B ∧ C) A ∧ (B ∨ C) ⇔ (A ∧ B) ∨ (A ∧ C) A∧1⇔A A ∧ ¬A ⇔ O ¬(A ∧ B) ⇔ ¬A ∨ ¬B Os conectivos lógicos E (AND). estão disponíveis em muitas linguagens de programação. se o valor lógico da expressão condicional for falso.5 Wffs formadas apenas pelos cinco operadores lógicos (¬ ∧ ∨ → ↔) têm possibilidade limitada de expressões. else do OutraCoisa.Comutatividade: . Tais valores lógicos permitem a decisão do fluxo de controle em programas de computador. Por exemplo. não conseguiríamos simbolizar a sentença "Para todo x. Portanto novos conceitos. Eles agem sobre combinações e expressões verdadeiras e falsas para produzir um valor lógico final. A ∧ ¬(A ∧ B) ⇔ A ∧ (¬A ∨ ¬B) ⇔ (A ∧ ¬A) ∨ (A ∧ ¬B) ⇔ 0 ∨ (A ∧ ¬B) ⇔ (A ∧ ¬B) ∨ 0 ⇔ A ∧ ¬B Podemos então reecrever a proposição da seguinte forma: if ((x < y) and not (z < 1000)) do AlgumaCoisa.Complementares: . o programa executará um trecho do seu código. para cada ou para algum. OU (OR) e NÃO (NOT). Assim.Associatividade: . respectivamente ∧. assim como o fluxo de controle do programa.Distributividade: .

Assim. para algum. para pelo menos um. se invertermos a ordem dos quantificadores escrevendo (∃y)(∀x)Q(x. y) é lida como "para todo x existe um y tal que Q(x. Considerando que o conjunto universo é conjuntos dos números inteiros e que Q(x. y) é a propriedade x < y. a expressão diz que para todo inteiro x existe um inteiro maior. A expressão (∀x)(∃y)Q(x. a expressão (∃x )(x > 0) pode ser lida como "existe um x tal que x é maior do que zero". P(x) é a propriedade que x é amarelo e o conjunto universo é o conjunto de todas as flores. Quantificador Existencial: é simbolizado por ∃ e lê-se existe. que chamamos de conjunto universo. existe algum. a mesma interpretação diz que existe um inteiro y que é maior que qualquer outro inteiro x.(∀x )(x > 0) O valor lógico da expressão (∀x)(x>0) depende do domínio dos objetos sobre os quais estamos nos referindo. P(x) é a propriedade que x é positivo ou negativo e o conjunto universo é conjunto de todos os inteiros. Qual seria o valor lógico da expressão (∀x)P(x) em cada uma das seguintes interpretações? P(x) é a propriedade que x é amarelo e o conjunto universo é o conjunto de todos os botõesde-ouro. Esta expressão é verdadeira. Neste caso. y). Entretanto. y)". o valor lógico da expressão é falso. Isto ressalta o fato de que a ordem dos quantificadores é importante! Matemática Discreta Márcia Rodrigues Notare 12 .

as figuras abaixo representam: A a b c B A A⊆B O conjunto A = {a. Dessa forma. A união dos conjuntos A e B. Podemos representar conjuntos e suas operações através de figuras geométricas. c} S U S⊆U A relação de inclusão é transitiva.1 Operação de União A ∪ B = {x x ∈ A ∨ x ∈ B} Sejam A e B conjuntos. para qualquer elemento a ∈ A . Por exemplo. B e C conjuntos quaisquer tal que A ⊆ B e B ⊆ C. Então. Matemática Discreta Márcia Rodrigues Notare 13 . pela definição de subconjunto. 3. uma Álgebra de Conjuntos é constituída por operações definidas para todos os conjuntos. Seja a ∈ A. resulta em um conjunto cujos elementos pertencem a pelo menos um dos dois conjuntos. b. é como segue: Em outras palavras. chamados Diagramas de Venn. Assim. temos que a ∈ C.3 ÁLGEBRA DE CONJUNTOS Entendemos que uma álgebra é constituída de operações definidas sobre um conjunto. temos que A ⊆ C. ou seja. ou seja: A⊆ B∧B⊆C ⇒ A⊆C Prova: Suponha A. a união de dois conjuntos A e B considera todos os elementos que pertencem ao conjunto A ou ao conjunto B. Usualmente. denotada por A ∪ B . como elipses e retângulos. temos que a∈A a∈B pela definição de subconjunto (A ⊆ B) a∈C pela definição de subconjunto (B ⊆ C) Logo. os retângulos são utilizados para representar o conjunto universo e as elipses para representar os demais conjuntos.

Exemplos: . 1. Temos que R∪Q=R R∪I=R Q∪I=R Para qualquer conjunto universo U e qualquer A ⊆ U. 7. x ∈ (∅ ∪ A) ⇔ x∈∅∨ x∈A⇔ (definição de união) x∈A∨x∈∅⇔ (comutatividade) x∈A (elemento neutro) Logo. 2. 6. 3. e. temos que D ∪ V = {0. i. i. 5. 9. o.. A ∪ ∅ = A Analogamente. 2. 7. temos que ∅∪∅=∅ U∪∅=U U∪A=U U∪U=U - 3. 5. 9} e V = {a.} Considere R. u} Dados os conjuntos A = {x ∈ Ν | x > 2} e B = { x ∈ Ν | x2 = x}. 8. 5. 4. 8. temos que A ∪ B = {0. ∅ ∪ A = A Idempotência: A ∪ A = A Prova: Seja x ∈ (A ∪ A). o. 1. e.1. 8. 2. a. 6. x ∈ (A ∪ A) ⇔ x∈A∨x∈A⇔ x∈A (definição de união) (idempotência do conectivo ∨) Matemática Discreta Márcia Rodrigues Notare 14 . 4. u}.1 Propriedades da União Elemento Neutro: A ∪ ∅ = ∅ ∪ A = A Prova: Seja x ∈ (A ∪ ∅). 9. como mostrado a seguir. 7. 3.A operação de união pode ser visualizada através de um diagrama de Venn. 4.. 1. 3. x ∈ (A ∪ ∅) ⇔ x∈A∨x∈∅⇔ (definição de união) x∈A (elemento neutro) Logo. 6. Q e I. . seja x ∈ (∅ ∪ A).Dados os conjuntos D = {0.

Portanto. Matemática Discreta Márcia Rodrigues Notare 15 .2 Operação de Interseção A ∩ B = {x x ∈ A ∧ x ∈ B} Sejam A e B conjuntos. pela definição de inclusão. é como segue: Em outras palavras. denotada por A ∩ B . (A ∪ B) ∪ C ⊆ A ∪ (B ∪ C). x∈B∪A⇒ x∈B∨x∈A⇒ x∈A∨x∈B⇒ x∈A∪B (definição de união) (comutatividade do conectivo ∨) (definição de união) Logo. pela definição de igualdade de conjuntos. (A ∪ B) ⊆ (B ∪ A). Caso 2: Seja x ∈ B ∪ A. A interseção dos conjuntos A e B. resulta em um conjunto cujos elementos pertencem aos conjuntos A e B.Logo. pela definição de inclusão. Associatividade: A ∪ (B ∪ C) = (A ∪ B) ∪ C Prova: Caso 1: Seja x ∈ A ∪ (B ∪ C). x ∈ A ∪ (B ∪ C) ⇒ x ∈ A ∨ x ∈ (B ∪ C) ⇒ (definição de união) x ∈ A ∨ (x ∈ B ∨ x ∈ C) ⇒ (definição de união) (x ∈ A ∨ x ∈ B) ∨ x ∈ C ⇒ (associatividade do conectivo ∨) x ∈ (A ∪ B) ∨ x ∈ C ⇒ (definição de união) x ∈ (A ∪ B) ∪ C (definição de união) Logo. 3. podemos concluir que A ∪ B = B ∪ A. x ∈ (A ∪ B) ∪ C ⇒ x ∈ (A ∪ B) ∨ x ∈ C ⇒ (x ∈ A ∨ x ∈ B) ∨ x ∈ C ⇒ x ∈ A ∨ (x ∈ B ∨ x ∈ C) ⇒ x ∈ A ∨ x ∈ (B ∪ C) ⇒ x ∈ A ∪ (B ∪ C) (definição de união) (definição de união) (associatividade do conectivo ∨) (definição de união) (definição de união) Logo. a interseção de dois conjuntos A e B considera todos os elementos que pertencem ao conjunto A e ao conjunto B. (B ∪ A) ⊆ (A ∪ B). Portanto. simultaneamente. temos que A ∪ (B ∪ C) ⊆ (A ∪ B) ∪ C. Caso 2: Seja x ∈ (A ∪ B) ∪ C. A ∪ A = A Comutatividade: A ∪ B = B ∪ A Prova: Caso 1: Seja x ∈ A ∪ B. x∈A∪B⇒ x∈A∨x∈B⇒ (definição de união) x∈B∨x∈A⇒ (comutatividade do conectivo ∨) x ∈ (B ∪ A) (definição de união) Logo. podemos concluir que A ∪ (B ∪ C) = (A ∪ B) ∪ C. ou seja. pela definição de igualdade de conjuntos.

5. u} e P = {0. como mostrado a seguir. temos que D ∩ P = {0. Exemplos: . é como segue: Matemática Discreta Márcia Rodrigues Notare 16 . Propriedades que envolvem União e Interseção a) Distributividade da Interseção sobre a União: A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C) b) Distributividade da União sobre a Interseção: A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C) 3.. V = {a. 2. temos que ∅∩∅=∅ U∩A=A U∩∅=∅ U∩U=U - - 3. 2. 8} D∩V=∅ Chamamos conjuntos cuja interseção é o conjunto vazio de conjuntos disjuntos. e.A operação de interseção pode ser visualizada através de um diagrama de Venn. 2. denotado por ~ A . 3.3 Operação Complemento ~ A = {x ∈  x ∉ A} Suponha o conjunto universo U. temos que A∩B=∅ (conjuntos disjuntos) Considere R. 9}. 4. 7. 1. 6.}. 8.2. 6.1 Propriedades da Interseção Elemento Neutro: A ∩ U = U ∩ A = A Idempotência: A ∩ A = A Comutatividade: A ∩ B = B ∩ A Associatividade: A ∩ (B ∩ C) = (A ∩ B) ∩ C As provas são análogas à operação de união e ficam sugeridas como exercício. 4. Dados os conjuntos A = {x ∈ Ν | x > 2} e B = { x ∈ Ν | x2 = x}. o. i. O complemento de um conjunto A ⊆ U. Temos que R∩Q=Q R∩I=I Q∩I=∅ Para qualquer conjunto universo U e qualquer conjunto A ⊆ U. 6. 8..Dados os conjuntos D = {0. Q e I. 4. .

temos que ~A = {x ∈ N | x > 2} Para qualquer conjuntos universo U. (definição de complemento) 3. 6. A diferença entre os conjuntos A e B. 7. 5. x ∉ A. 9} e o conjunto A = {0. 3.1 Propriedades de DeMorgan ⇔ ⇔ A ∪ B = ~(~A ∩ ~B) A ∩ B = ~(~A ∪ ~B) a) ~(A ∪ B) = ~A ∩ ~B b) ~(A ∩ B) = ~A ∪ ~B 3. temos que ~A = {3. a diferença entre dois conjuntos A e B considera todos os elementos que pertencem ao conjunto A e que não pertencem ao conjunto B. ¬¬(x ∈ A). denotada por A − B . 2}.A operação complemento pode ser visualizada através de um diagrama de Venn. 4. A operação de diferença pode ser visualizada através de um diagrama de Venn. 1. 8. x ∈ A.Dados o conjunto universo U = {0.4 Operação de Diferença A − B = {x x ∈ A ∧ x ∉ B} Sejam A e B conjuntos. ou seja ¬(x ∈ A) ⇒ para ~ ~A. Exemplos: . 7. 8. 1. temos que ~Q = I ~I = Q Suponha U qualquer. é como segue: Em outras palavras. temos que ~∅ = U ~U = ∅ Considerando R como conjunto universo. Então para qualquer conjunto A ⊆ U. como mostrado a seguir.3. 9} Dados o conjunto universo U = N e o conjunto A = {0. como mostrado a seguir. 1. x∈A⇒ para ~A. 6. 5. temos que A ∪ ~A = U A ∩ ~A = ∅ ~ ~A = A - - - Podemos provar o último caso da seguinte forma: Suponha um elemento x ∈ A. 2. ou seja. Matemática Discreta Márcia Rodrigues Notare 17 . 2}. 4.

Q e I. 2. V = {a. temos que .P(C) = {∅. 3. {b.∅⊆A . 4. i.Exemplos: .. 1. {a}} . {a}.} B .. 4.Se x ∈ A. 3. 5. dizemos que uma 2-upla é uma par ordenado e é representada por x. temos que D-V=D D . então o números de elementos de P(X) é 2n. {a. {b}.A⊆A .B = {3. B = {a. c}. {a. temos que A . b} e C = {a. y ) .A = {0. 8. e. .P = {1.P(A) = {∅. c}} Se o número de elementos de um conjunto X é n. vamos definir uma seqüência: uma seqüência de n elementos é definida como sendo uma n-upla ordenada. b}} . b}. 6. Matemática Discreta Márcia Rodrigues Notare 18 . temos que: . 6. {a}. ou seja. resulta num conjunto constituído de todos os subconjuntos de A é denominada conjunto das partes de A e é denotada por: P(A) = {X X ⊆ A} Exemplo: Dados os conjuntos A = {a}.Dados os conjuntos A = {x ∈ N | x > 2} e B = {x ∈ N | x = x2}. y ou (x. que aplicada a um conjunto A.. b.6 Produto Cartesiano Antes de definirmos a operação produto cartesiano.}. então {x} ⊆ A A operação unária..Dados os conjuntos D = {0. b. 5. temos que R-Q=I R-I=Q Q-I=Q Para qualquer conjunto universo U e qualquer conjunto A ⊆ U. 3. 4. c}. 7. 9}. temos que ∅-∅=∅ U-∅=U U . 5. c}. o.P(B) = {∅.A = ~A U-U=∅ - 3. u} e P = {0. n objetos em ordem fixa.7 .P(∅) = {∅} . {a.5 Conjunto das Partes Dado conjunto A. 8. . Particularmente. 9} . 2. {c}. 1} Dados os conjuntos R. 7. 6 . {b}. {a.

. 2. 4. b a ∈ A ∧ b ∈ B} 2 Denotamos o produto cartesiano de um conjunto A por ele mesmo como A × A = A . b. B = {a. 8D. i. 4P. u}. A a ∈ A}∪ { b. b0.0 . 3. bA. 2.2 a. a. a .1 .7 União Disjunta A + B = { a. a. B representam elemento. b. b . b. a . a. a. b - { } B × C = { a. V = {a. 2D. y ≠ y. a .1 . 4. a } B = { a.0 .1 . 8D. a. 7D. 6D. a. b. 9}. 9D. O produto cartesiano de A por B é como segue: A × B = { a. 6. x . P = {0. a. b } A = { a.0 . B b ∈ B} Sejam A e B conjuntos.D + V = {0D. a. Exemplos: Dados os conjuntos A = {a}. 0. Também podemos denotar a união disjunta da seguinte forma: A + B = { A a ∈ A}∪ { B b ∈ B} a b Exemplos: Dados os conjuntos D = {0.0 . b .Não-associatividade: (A × B )× C ≠ A × (B × C ) Propriedades que envolvem Produto Cartesiano. b ..2 } C × B = { 0. União e Interseção a) Distributividade sobre a União: A × (B ∪ C ) = (A × B ) ∪ (A × C ) b) Distributividade sobre a Interseção: A × (B ∩ C ) = (A × B ) ∩ (A × C ) 3.D + P = {0D. é como segue: onde os pares ordenados a. 5. a . o. a. 4D. b.. a.1 . A união disjunta dos conjuntos A e B.. b.Observação: A ordem dos elementos é importante! Logo. a. b } A × Ν = { a. 2}. c0. 4D. 1. 9D. e. uV} . 1. 5D.∅+∅=∅ .. a. a.0 . 3D. b . 8. temos que: .1 .1 . a. 3D.1 . cA} . 6D. oV. a . 2P. 5D. A × (B × C ) = { a. aV. b. 7.. a. a . a. a.} e A = {a. denotada por A + B . A e b.2 . Sejam A e B conjuntos. . identificação . a .2 . . x. eV.A + ∅ = {aA.} .A + A = {a0. b . c}.0 . 1D. b} e C = {0. 2. 7D. c1} Matemática Discreta Márcia Rodrigues Notare 19 . 6P.2 } } A×∅ = ∅ ∅ ×A =∅ ∅2 = ∅ Observações: . b. 0P. 6.0 .Não-comutatividade: A × C ≠ C × A . a. a1. 1. 2. 2D.2 . iV. b1. 1. b . 1D. b. a .} 2 2 (A × B )× C = { a..2 . a . temos que: A × B = a.

podemos { } - Relação de Igualdade de A em A: Relação "menor" de C em C: { 0. onde: . a . destino ou conjunto de chegada de R Para R ⊆ A × B . origem ou conjunto de partida de R . 1. ≤ - Ζ. Podemos denotar uma relação R da seguinte forma: R : A → B e. ⊂ Uma relação binária pode ser representada no diagrama de Venn. temos que origem e destino são o mesmo conjunto e podemos denota-la por A. ≤ Q. se a.1 RELAÇÕES Relação Binária Dados dois conjuntos A e B.2 . b de R : A → B C .A é o domínio. ⊆ P(R). 1. Assim. b é uma relação de A em B - a.2 . a . como mostram as figuras abaixo. a } Endorrelação ou Auto-Relação: dado um conjunto A.1 . são endorrelações: Ν. para um elemento denota-lo como aRb . b } ⊆: P( B) → P( B) ≤ : C →C =: A → A { a. A C B C 0 0 b a 1 2 1 2 par a. São exemplos de relações: . 0. uma relação binária R de A em B é um subconjunto de um produto cartesiano A × B . 1. B = {a. Então. b ∈ R .4 4. < = { 0. Exemplos: Sejam A = {a}.B é o contra-domínio. = P( A). 2}. ou seja R ⊆ A × B . algumas definições referentes ao conceito de relação: Matemática Discreta Márcia Rodrigues Notare 20 . 1.2 } A seguir. então afirmamos que "a relaciona-se com b". 0.∅ é uma relação de A em B A × B = a.1 . b ∈ R . Exemplos: Seja A um conjunto. R . a. uma relação do tipo R : A → A é dita uma Endorrelação ou Auto-Relação.2 } Relação de C em B: { 0. b} e C = {0.

1 . 1} e o conjunto imagem é o conjuto {1. 1. b) o número de colunas é m (número de elementos da imagem). 0. Matemática Discreta Márcia Rodrigues Notare 21 . 4. 2}. < . Exemplos: a a b ∅: A → A = : B → B = { a.2 . b ∈ R : dizemos que R está definida para a e que b é a imagem de a. b j ∈ R . então a posição determinada pela linha i e pela coluna j da matriz contém valor verdadeiro (1).a) a.. b} e C = {0..2 } 4. d) cada uma das m x n células possuem um valor lógico associado. c) Conjunto imagem: conjunto de todos os elementos de B que estão relacionados com algum elemento de A. temos que . c) a matriz resultante possui m x n células. a . 1.0 .. b) cada par a. bm} dois conjuntos finitos.para a endorelação C . onde: a) cada elemento do conjunto A é representado como um nodo do grafo. a2. caso contrário. Exemplos: Dados os conjuntos A = {a}.3 Relação como Matriz R : C → C tal que R = { 0. 2. e) se a i . com origem em a e destino em b. o domínio de definição é o conjunto {0. B = {a. o domínio de definição é o conjunto {a} e o conjunto imagem também é o conjunto {a}. b 0 1 2 } 0 1 2 C .. A representação da relação R : A → B como matriz é como segue: a) o número de linhas é n (número de elementos do domínio). b.. .. < = { 0. . 2. b2.2 Endorrelação como Grafo Toda endorrelação R : A → A pode ser representada como um grafo. b da relação é representada como uma aresta do grafo. seu valor será falso (0).2 } Sejam A = {a1. b) Domínio de definição: é o conjunto de todos os elementos de A para os quais R está definida.2 . an} e B = {b1. 2] para a relação = : A → B .

1. ⊆ .4. b} 1 1 2 1 1 0 2 1 0 1 b 1 ∅: A → A B. ≤ . = .Exemplo: Dados os conjuntos A = {a}. pois todo elemento é igual a si mesmo A matriz e o grafo de uma relação reflexiva apresentam uma característica especial: a diagonal principal da matriz contém somente valores lógicos verdadeiro (1) e qualquer nodo do grafo Matemática Discreta Márcia Rodrigues Notare 22 . 2}.4 Propriedades das Relações Uma endorrelação binária em um conjunto A pode ter determinadas propriedades. 2. pois todo conjunto está contido em si mesmo A 2 : A → A . 1. = C. b} e C = {0.1 Relação Reflexiva Sejam A um conjunto e R uma endorrelação em A.0 . 4. < R : C → C tal que R = { 0.0 . temos que ∅ a = a b < 0 1 2 R 0 1 2 a 0 a 1 0 0 0 0 0 0 0 0 1 b 0 1 1 1 0 0 1 0 0 0 a 1 b 0 1 0 ∅ 1 0 {a} 1 1 {b} 1 0 {a. R é uma relação reflexiva se: (∀a ∈ A)(aRa ) A negação da propriedade reflexiva é como segue: (∃a ∈ A)(¬(aRa )) Exemplos: Dado o conjunto A = {0. 1.2 . B = {a.1 e 2. a . 1. A seguir serão apresentadas as propriedades que envolvem as endorrelações. b }: C → B ⊆: P( A) → P( B) 4. temos que as seguintes relações são reflexivas Ν. 2. 2}. pois esta relação contém os pares 0.2 } A× B a S 0 1 2 ⊆ ∅ {a} a 1 0 0 A× B = A → B S = { 0. pois todo elemento é igual a si mesmo - P( A).2 A.

2}. e qualquer nodo do grafo não possui aresta com origem e destino nele mesmo.1 }. R é uma relação irreflexiva se: (∀a ∈ A)(¬(aRa )) Exemplos: Dado o conjunto A = {0. ≠ . Veja as matrizes e grafos referentes a alguns dos exemplos apresentados acima.2 . temos que as seguintes relações são irreflexivas Ζ.0 . ∅ :A→ A ∅ 0 1 2 0 0 0 0 1 0 0 0 2 0 0 0 1 0 2 Matemática Discreta Márcia Rodrigues Notare 23 . 1. pois não elemento diferente de si mesmo - P( A). 2. R . A2 0 1 2 A :A→ A 2 0 1 1 1 1 1 1 1 2 1 1 1 1 0 2 A. pois para a relação "está contido propriamente" os conjunto precisam se diferentes ∅: A → A. = = 0 1 2 0 1 0 0 1 0 1 0 2 0 0 1 1 0 2 4. se R = { 0. se S = 0. 1. 2. ⊂ . pois não há nenhum elemento do tipo a.4. a A. 2.A.2 Relação Irreflexiva Sejam A um conjunto e R uma endorrelação em A.2 { } A matriz e o grafo de uma relação irreflexiva apresentam uma característica especial: a diagonal principal da matriz contém somente valores lógicos falso (0). S .possui uma aresta com origem e destino nele mesmo. a Exemplo de relação nem reflexiva. pois não há nenhum elemento do tipo a.2 . nem irreflexiva: .1 . Veja as matrizes e grafos referentes a alguns dos exemplos apresentados acima.

temos que as seguintes relações são simétricas .4.= - X.1 .X2: X → X X. = ∅: X → X A matriz e o grafo de uma relação simétrica apresentam uma característica especial: na matriz. A :A→ A 2 A2 0 1 2 0 1 1 1 1 1 1 1 2 1 1 1 1 0 2 A. ou não existe aresta. 2. 1. no grafo. 1. = = 0 1 2 0 1 0 0 1 0 1 0 2 0 0 1 1 0 2 4. 2} e X um conjunto qualquer. R é uma relação anti-simétrica se: (∀a ∈ A)(∀b ∈ A)(aRb ∧ bRa → a = b ) Exemplos: Dados o conjunto A = {0. 2} e X um conjunto qualquer.4.2 . e. a metade acima da diagonal principal é a imagem espelhada da metade de baixo. R é uma relação simétrica se: (∀a ∈ A)(∀b ∈ A)(aRb → bRa ) Exemplos: Dados o conjunto A = {0.4 Relação Anti-Simétrica Sejam A um conjunto e R uma endorrelação em A.1 } R 0 1 2 0 0 0 0 1 1 0 1 2 0 1 0 1 0 2 4. entre dois nodos quaisquer. ou existem duas arestas. uma em cada sentido. temos que as seguintes relações são anti-simétricas Matemática Discreta Márcia Rodrigues Notare 24 . Veja as matrizes e grafos referentes a alguns dos exemplos apresentados acima.3 Relação Simétrica Sejam A um conjunto e R uma endorrelação.≠ P( X ). 1.R = { 0.

temos que as seguintes relações não são transitivas Ζ. 1.2 { } A matriz e o grafo de uma relação anti-simétrica apresentam uma característica especial: na matriz.5 Fechos de Relações Sejam R: A → A uma endorrelação e P um conjunto de propriedades.2 } 4. ⊆ P( X ). R . R ⊆ FECHO − P(R ) Matemática Discreta Márcia Rodrigues Notare 25 .1 } A.1 . para qualquer célula verdadeira (1) em uma das metades da matriz.0 .0 . 2. R . nem anti-simétrica: . = ∅: X → X Ν.1 . ⊂ Exemplos: Dado um conjunto X qualquer. y ∈ Ν2 y = x2 } Exemplo de relação nem simétrica. Veja a matriz e o grafo referentes a um dos exemplos apresentado acima. Se a relação R já contém as propriedades de P. se R = { 0. S .0 . < P( X ). se R = { x.= P( X ). se R = { 0.A. Então. no grafo.= - Ν. se S = 0. ≤ Ζ. 2. a correspondente célula na outra metade é falsa (0). o fecho de R em relação a P é a menor endorrelação em A que contém R e que satisfaz as propriedades de P. então ela é a seu próprio fecho em relação a P. 1.2 } R 0 1 2 0 1 0 0 1 0 1 0 2 0 1 0 1 0 2 4.4. 1. existe no máximo uma aresta. entre dois nodos quaisquer. 2.1 . R = { 0.∅: X → X X. R é uma relação transitiva se: (∀a ∈ A)(∀b ∈ A)(∀c ∈ A)(aRb ∧ bRc → aRc ) Exemplos: Dado um conjunto X qualquer.X2: X → X .0 .- X. 1.2 . temos que as seguintes relações são transitivas . ≠ - A. 2.5 Relação Transitiva Sejam A um conjunto e R uma endorrelação em A. R .

a. c ∈ Fecho − { transitiva}(R ) .5 . 1. b ∈ R} Exemplo: Dados o conjunto A = {1. 3. 2.5 . 3. a R = {1. 3. considerando o exemplo acima. 1.6 R * = {1.1 Fecho Reflexivo Suponha R: A → A uma endorrelação. 1.4.2 . 5} e R: A → A uma endorrelação. 4.4 .3 . 4.3 . 2.1 .3 .2 .4 .4 }. c ∈ Fecho − { transitiva}(R ) . temos que 4. 1.5 } Relação de Ordem Intuitivamente. 2. 3.3 .3 . 2. 1. 3. transitiva}(R ) Portanto.1 . 3. a a ∈ A} Exemplo: Dados o conjunto A = {1. 2. temos que - Fecho − {reflexiva}(R ) = {1. 2.4 .3 .2 . 2. 5. b ∈ R . podemos pensar numa relação de ordem quando lembramos de uma fila no banco.5 } 4.2 .5. 1.5 .3 . de uma fila de alunos dispostos numa sala de aula. 2.5. 2. tal que - Fecho − {simétrica}(R ) = {1. 3.5 . 1. 2.2 . 1.2 . 3. 4.3 Fecho Transitivo Suponha R: A → A uma endorrelação. 2. etc.4 . 1. b ∈ Fecho − { transitiva}(R ) . tal que R = {1.5. 3.4 }.5 . Então o fecho transitivo de R é definido como segue: a) se a.2 . 2. Matemática Discreta Márcia Rodrigues Notare 26 . 4.1 } 4.4 }. tal que R = {1.3 . b ∈ Fecho − { transitiva}(R ) e b. então a. 2.4 . Então o fecho reflexivo de R é definido como segue: Fecho − {reflexiva}(R ) = R ∪ { a. 4. 1. 5} e R: A → A uma endorrelação.4 .3 . 3.3 .4 . então Exemplo: Dados o conjunto A = {1. 1. 5} e R: A → A uma endorrelação.2 . 5. temos que a.2 Fecho Simétrico Suponha R: A → A uma endorrelação. temos que - Fecho − { transitiva}(R ) = {1.2 . 5. na relação "menor ou igual" no números naturais.5 . 3.1 . 1. 3.3 . Então o fecho simétrico de R é definido como segue: Fecho − {simétrica}(R ) = R ∪ { b. 2.2 . b) se a.4 } Algumas notações são importantes e podem ser utilizadas para simplificar e representar as seguintes relações: transitiva}(R ) a) R + = Fecho − { * b) R = Fecho − {reflexiva.3 .4 .4 . 1.5 . 4. 2. 3.

Exemplos: 1 . São exemplos de relação de ordem parcial: Ν. onde as arestas que representam as relações reflexivas e transitivas ficam implícitas no diagrama. desnecessária. ou seja. reflexiva. 3 1 2 3 2 1 (grafo) (diagrama de Hasse) Observe que os elementos da relação são representados no diagrama em ordem crescente de baixo para cima. 2. Se A é um conjunto finito.Ordem parcial: é toda relação binária em um conjunto A que é. ⊆ Ζ + . Exemplo: Dados o conjunto A = {1.2}). seu diagrama de Hasse está representado abaixo. As orientação das arestas torna-se. ≤ - P( Ν). R é um conjunto Se R é uma relação de ordem parcial em A. 12. já que a disposição dos elementos no diagrama preserva essa informação. O diagrama de Hasse pode ser construído com base num grafo. dessa forma. Veja o exemplo a seguir. Matemática Discreta Márcia Rodrigues Notare 27 . Cada elemento de A é representado por um ponto (vértice) do diagrama. ≤ . o diagrama de Hasse está representado abaixo. simultaneamente. anti-simétrica e transitiva.2} {1} {2} ∅ - Dados o conjunto A = {1.Dada a relação de ordem P ({ . 2. temos seus respectivos grafo e diagrama de Hasse representados abaixo. então dizemos que parcialmente ordenado. como 1 ≤ 2. então podemos representar visualmente um conjunto parcialmente ordenado em A por um diagrama de Hasse. x _ divide _ y A. 18} e a relação de ordem "x divide y". {1. 3} e a relação de ordem A. ⊆ . 3. 6. então o elemento 1 aparece abaixo do elemento 2.

c . c .4 de R se Suponha A um conjunto e A. a ∉ R) Exemplo: Dados o conjunto A = {1. . . a. e .1 é elemento mínimo. e b c d a f temos { a. pois não existem elementos com os quais eles relacionamse. 12. Elemento Mínimo que o conjunto dado pela relação de ordem é 4.6. m Elemento Máximo ∉ R) 4. 2.12 6 18 2 3 1 - Dado o diagrama de Hasse a seguir. a . d . a. c. b . Dizemos que m é elemento maximal (∀a ∈ A)( m.6. d . Dizemos que m é elemento minimal (∀a ∈ A)( a. pois não há elemento que relaciona-se com ele. a.1 é elemento minimal. pois está relacionado com todos os outros elementos de A. e.6. e . 6.6.3 de R se Suponha A um conjunto e A. f }.12 e 18 são elementos maximais.2 de R se Suponha A um conjunto e A. R uma relação de ordem. b . Dizemos que m é elemento mínimo de (∀a ∈ A)(mRa ) Elemento Minimal 4.1 R se Suponha A um conjunto e A. e . d . Dizemos que m é elemento máximo (∀a ∈ A)(aRm) Elemento Maximal 4. 3. Matemática Discreta Márcia Rodrigues Notare 28 . R uma relação de ordem. 18} e a relação de ordem "x divide y". temos que . f . d . R uma relação de ordem. a. b. R uma relação de ordem. cujo diagrama de Hasse já foi apresentado anteriormente.

7 Relação de Equivalência A relação de equivalência nos dá a noção de igualdade semântica. e somente um. 1} e aRb ↔ a = b 2 Partição de um Conjunto: uma partição de um conjunto A é um conjunto de subconjuntos disjuntos não-vazios cuja união é igual ao conjunto A. Classes de Equivalência: se R é uma relação de equivalência em um conjunto A e se a ∈ A. obtemos a figura abaixo. dois elementos maximais. Dessa forma. se A = {0. de elementos que apresentam um mesmo significado. Observe que o conjunto A foi divido em subconjuntos tais que todos os alunos da turma pertencem a um. Para visualizar uma partição.= - A. ou seja. Qualquer relação de equivalência divide o conjunto onde está definida em uma partição. Relação de Equivalência: é toda relação binária em um conjunto A que é. subconjunto. suponha um conjunto A = {x  x é aluno de Matemática Discreta} e a relação xRy ↔ A. Os subconjuntos que compõem a partição são formados agrupando-se os elementos relacionados. simultaneamente. R . São exemplos de relações de equivalência: X. podemos escrever que [a] = {x x ∈ A ∧ aRx} Teorema: uma relação de equivalência R em um conjunto A determina uma partição de A e uma partição de A determina uma relação de equivalência em A. pois não há elemento que se relaciona com todos os outros elementos de A. não existam elementos mínimo e máximo e cada elemento está relacionado com dois outros elementos. denotamos por [a] o conjunto de todos os elementos relacionados a a em A e o chamamos de classe de equivalência de a.- não há elemento máximo. simétrica e transitiva. Matemática Discreta Márcia Rodrigues Notare 29 . como no caso dos alunos da turma de Matemática Discreta. Exemplo: Desenhe um diagrama de Hasse para um conjunto parcialmente ordenado com quatro elementos. x _ sen ta _ na _ mesma _ fila _ que _ y . Ao agruparmos todos os alunos do conjunto A que estão relacionados entre si. reflexiva. tais que existam dois elementos minimais. Um possível diagrama é o apresentado a seguir: 4.

temos que a relação é reflexiva. então x + y é par.Exemplo: Considere o conjunto dos números naturais e a relação de equivalência Ν. 2. Logo.3 . simétrica e transitiva e. então x − y é divisível por m. todos os números pares formam uma classe de equivalência e todos os números ímpares formam uma segunda classe de equivalência. então x − y e y − z são divisíveis por m. Então − (x − y ) = y − x também também é divisível por m. descreva as classes de equivalência correspondentes. 6. em duas classes de equivalências.. Então.2 . . reflexiva. tais que cada classe de equivalência contém um único elemento. 2.1 As classes de equivalência são as seguintes: [1] = {1. Podemos representar essa partição de N como mostra figura abaixo. simétrica e transitiva.. se x = y + km para algum inteiro k. se x é ímpar. 1. 3. temos que mostrar que a relação de congruência em Z é uma relação reflexiva.8 Relação Inversa Seja uma relação R: A → B. Dizemos que x é congruente a y módulo m. = Possui n classes de equivalência.} . 3. mostramos que a relação de congruência módulo m em Z é. então x + y é ímpar para todo número ímpar.classe dos ímpares: [1] = [11] = [2451] = {1. a) Ν. temos que a soma Suponha que x ≡ y (mod m ) . simultaneamente. portanto. 2. Suponha agora que x ≡ y (mod m ) e que y ≡ z (mod m ). 2. x ≡ z (mod m ) e a relação é transitiva. Tal relação divide o conjunto N em duas partes. temos que a relação é simétrica.classe dos pares: [2] = [6] = [1034] = {0.7.1 Congruência em Z Considere o conjunto dos números inteiros Z e um número inteiro m > 1 . temos que x ≡ x(mod m ) . A relação de congruência em Z define uma relação de equivalência em Z.2 .. 7. Logo. . (x − y ) + ( y − z ) = x − z 4.. a relação inversa é como segue: Matemática Discreta Márcia Rodrigues Notare 30 . é uma relação de equivalência. pois x − x = 0 é divisível por m. Assim. para todo número par. 3} e R = 1.1 . Logo. 2} = [2] [3] = {3} { } 4.} Exemplo: Para cada uma das relações a seguir. Se x é par. ou seja. ou seja. 5. " x + y _ é _ par" . Assim. 4. Acompanhe o raciocínio a seguir: para qualquer inteiro x. é divisível por m. denotada por x ≡ y (mod m ) se x − y é divisível por m. Observe que as classes de equivalência podem ser representadas por qualquer objeto pertencente à ela: . [n] = {n} b) Em A = {1. Para verificar que isso é válido. Então.

temos que (T  S )  R = T  (S  R ) = T  S  R Matemática Discreta Márcia Rodrigues Notare   (∀a ∈ A)(∀b ∈ B )(∀c ∈ C )(aRb ∧ bSc → a(R  S )c ) R  S = { a . Exemplo: Dados os conjuntos A = {a.3 . Então. b ∈ R} Exemplos: . ou seja: Sejam as relações R: A → B. 2. B e C conjuntos. z . 4.1 . y . y . a .2 . x . b. R é dada por - -1 R −1 : A → B = { a. b. d}.Dados os conjuntos A = {a. d .R −1 : B → A = { b.3 } Dados o conjunto C = {2. denotada por R S : A → C . S: B → C e T: C → D. é tal que Ou seja. 5. 4} e a relação C .4 . a a. c.9 Composição de Relações < −1 => : C → C Sejam A. < . b. b ∈ R ∧ b . c ∈ S } { } { } R  S = { a. c ∃b ∈ B ∧ a . 3.5 e S : B → C = 1. 5} e C = {x. b. d . b . x . a relação inversa pode ser visualizada no diagrama a seguir: 2 3 4 2 3 4 2 3 4 2 3 4 < :C → C 4. 3. z } B 1 2 3 4 5 C S x y z 31 . temos que a composição de R e S é como segue e pode ser visualizada no diagrama a seguir: R S A a b R c d A composição de relações é associativa. 4} e a relação R : B → A = 2. 3. 2. y. { } temos que a relação inversa de R. 5. y . z} e as relações R : A → B = a. d . b} e B = {2. e R: A → B e S: B → C relações. A composição de R e S. 3. B = {1.

4. c . b . c . a . b . 32 .9. c} definidas por R = a. a. Abaixo. Exemplo: Sejam R e S relações em X = {a. c. Determinaremos a composição de R e S através da { }e multiplicação das correspondentes matrizes. b. ou seja. b. temos que a R S é dada pela matriz R ⋅ S . composição R  S = a. Veja o exemplo a seguir. a. a }. a S = { a. c . temos as correspondentes matrizes que representam as relações R e S. a . b . R a b c a 0 1 0 b 1 0 0 c 1 0 0 S a b c a 0 1 1 b 0 1 0 c 1 0 0 A multiplicação das matrizes R e S é dada como segue:  0 + 1 + 1 0 + 1 + 0 0 + 0 + 0  2 1 0     R ⋅ S = 0 + 0 + 0 0 + 0 + 0 1+ 0 + 0  = 0 0 1   0 + 0 + 0 0 + 0 + 0 0 + 0 + 0  0 0 0     { } Matemática Discreta Márcia Rodrigues Notare  Assim. b.1 Composição de Relações como Produto de Matrizes A composição de relações pode ser vista como o produto de matrizes. b. b.

5. a . 2. B = {1. existe no máximo um inteiro y tal que y = x . um elemento do conjunto destino. cada elemento do conjunto origem deve estar relacionado a. temos que. A matriz de uma relação funcional tem uma característica particular: cada linha da matriz pode conter no máximo um valor lógico verdadeiro (1). temos que para uma relação ser funcional. A matriz de uma relação injetora tem uma característica particular: existe no máximo um valor lógico verdadeiro (1) em cada coluna. um elemento do conjunto origem. tal que R = a. Uma relação binária R: A → B é uma relação injetora se. e somente se: (∀b ∈ B )(∀a1 ∈ A)(∀a 2 ∈ A)(a1 Rb ∧ a 2 Rb → a1 = a 2 ) Em outra palavras. no máximo.3 . 3} e R = 1. 2. um elemento de A. { } Matemática Discreta Márcia Rodrigues Notare 33 . e somente se: (∀a ∈ A)(∀b1 ∈ B )(∀b2 ∈ B )(aRb1 ∧ aRb2 → b1 = b2 ) Em outras palavras. para 2 { } cada inteiro x. y ∈ Ζ 2 y = x 2 . 2}. temos que. b.1 . Podemos também visualizar uma relação funcional no diagrama de Venn. c}.2 Relação Injetora Relação injetora é o conceito dual (inverso) de relação funcional. b. um elemento do conjunto destino (o que significa que podem haver elementos da origem não relacionados a algum elemento do destino). 2 Exemplo: Dada a relação X : Z → Z. Considerando a relação R: A → A. tal que X 2 = x. tal que A = {1. temos que cada elemento de B está relacionado a.2 .1 TIPOS DE RELAÇÕES Vamos estudar agora os diferentes tipos de relações. no máximo. Veja a seguir o diagrama que representa a relação R. cada elemento do conjunto destino deve estar relacionado a. no máximo. c e A = {a. Relação Funcional Uma relação binária R: A → B é uma relação funcional se. temos que o correspondente { } diagrama é como segue: A a b c a b c A Observe que. Exemplo: Dada a relação R: A → B. de fato. cada elemento do conjunto origem está relacionado a. no máximo. para um relação ser injetora.5 5. 1.

temos que cada elemento de B está relacionado a algum elemento de A. Veja a seguir o diagrama que representa a relação R. O domínio de definição é o próprio conjunto A. 2.1 . Exemplo: Dada a relação R: A → B. c. e somente se: (∀b ∈ B )(∃a ∈ A)(aRb ) Em outras palavras. B = {a. tal que A = {1. tal que A = {a. b . O conjunto imagem é o próprio conjunto B. Na matriz de uma relação total. Na matriz de uma relação sobrejetora. deve existir pelo menos um valor lógico verdadeiro em cada linha. temos que para uma relação ser total. deve existir pelo menos um valor lógico verdadeiro em cada coluna. todos os elementos do conjunto origem devem estar relacionados a algum elemento do conjunto destino. 2. b. 2}. Exemplo: Dada a relação R: A → B.A 1 1 2 2 3 B 5. A 1 1 2 2 3 B { } 5. b} e R = a. e somente se: (∀a ∈ A)(∃b ∈ B )(aRb ) Em outras palavras. temos que cada elemento de A está relacionado a algum elemento de B. temos que para uma relação ser sobrejetora. { } Matemática Discreta Márcia Rodrigues Notare 34 . B = {1. Veja a seguir o diagrama que representa a relação R. 2.3 Relação Total Uma relação binária R: A → B é uma relação total se. todos os elementos do conjunto destino devem estar relacionados a algum elemento do conjunto origem.2 . Uma relação binária R: A → B é uma relação sobrejetora se.3 .4 Relação Sobrejetora Relação sobrejetora é o conceito dual (inverso) de relação total. a . c}. 3} e R = 1.

existe uma relação S: B → A tal que: R S = idA S R = idB onde idA é uma endorrelação de igualdade em A A. o domínio de definição é o próprio conjunto A e cada elemento de B está relacionado com no máximo um elemento de A. Dessa forma. a . chamadas de relação identidade. Matemática Discreta Márcia Rodrigues Notare     35 . e somente se.5 Monomorfismo Uma relação R: A → B é um monomorfismo se.=: A → A . = . 1. se R S = idA e S R = idB. tal que S = 0. A matriz de um monomorfismo tem a seguinte característica: existe pelo menos um valor verdadeiro em cada linha da matriz (o que carateriza a relação total) e existe no máximo um valor lógico verdadeiro em cada coluna (o que carateriza a relação injetora). for simultaneamente uma relação funcional e sobrejetora. Ainda. Uma relação R: A → B é um epimorfismo se. e somente se. for simultaneamente uma relação total e injetora. = e idB é uma endorrelação de igualdade em B B. onde A = {a} e B = {a. e somente se. B = {a. Exemplo: A relação =: A → B . b { } 5. 1. é um monomorfismo. Dessa forma. podemos afirmar que a relação R possui inversa. podemos chama-los de conjuntos isomorfos. o conjunto imagem é o próprio conjunto B e cada elemento de A está relacionado com no máximo um elemento de B. Assim.6 Epimorfismo Epimorfismo é o conceito dual (inverso) de monomorfismo.S: C → B. 2}: .7 Isomorfismo Uma relação R: A → B é um isomorfismo se. se existe um isomorfismo entre dois conjuntos. b} e C = {0. 5. b}. sendo que onde A = {a}. Exemplo: São exemplos epimorfismo.A a a b b c B 5. A matriz de um epimorfismo tem a seguinte característica: existe pelo menos um valor verdadeiro em cada coluna da matriz (o que carateriza a relação sobrejetora) e existe no máximo um valor lógico verdadeiro em cada linha (o que carateriza a relação funcional).

funcional e sobrejetora. os conjuntos origem e destino devem possuir o mesmo número de elementos. b . Dessa forma. f. for simultaneamente uma relação total. R for simultaneamente um monomorfismo e um epimorfismo. g } = idB Logo. a . b. Teorema: Seja R: A → B uma relação. temos que { } R −1  R = { e. f . e somente se. f . a relação R possui inversa e os conjuntos A e B são conjuntos isomorfos. c. injetora.Exemplo: Dados os conjuntos A = {a. e somente se. f . g . g . b. e . c. g . b. c }. e . b . R  R −1 = { a. a . uma relação é um isomorfismo se. c } = idA Matemática Discreta Márcia Rodrigues Notare 36 . c} e B = {e. g} e a relação R: A → B tal que R = a. pois considerando a relação inversa de R. R é um isomorfismo. Então R é um isomorfismo se. R −1 : B → A = { e. f . Podemos observar que para uma relação ser um isomorfismo.

0 . Se uma função é total. f deve ser uma função bijetora. portanto. a relação inversa de uma função não necessariamente é uma função.1 } não é uma relação total e. Se a relação funcional for também total.1 Função Parcial Uma função parcial é uma relação funcional. estamos nos referindo a funções totais. não é uma função. nem toda relação é uma função parcial. 1.2 Função Total Uma função total é uma função parcial que é total. Portanto. portanto. consequentemente.0 . ou seja. não é uma função parcial. 1. Exemplo: Dados os conjuntos A = {a} e B = {x.2 { } { } não é uma relação funcional e. 1. 1. 1. Em outras palavras.0 . 2. Considerando os conjuntos A = {0. podemos dizer que toda função total é uma função parcial e que toda função parcial é uma relação. a . y .0 . Assim.0 . cada elemento do domínio está relacionado a no máximo um elemento do contra-domínio. sempre que mencionarmos apenas função. 2} e a função parcial f: A → A tal que f = 0.6 FUNÇÕES PARCIAIS E TOTAIS Uma função parcial nada mais é do que um relação que é funcional. 6. ou seja.1 . b ∈ f pode ser representado por f (a ) = b .2 não é uma relação { } { } funcional e. então a denominamos de função total. f −1 = 0. Podemos considerar também a função g: A → B. f −1 = 1. g −1 = { 0. 1} e B = {0.1 . Da mesma forma que para funções parciais. 6. ela deve ser também injetora (que é o dual de funcional).R : B → A = x. 1. assim como nem toda função parcial é uma função total. Entretanto. Um elemento pertencente à função parcial a. 2. Matemática Discreta Márcia Rodrigues Notare 37 . tal que g = 0. Para que a relação inversa de uma relação funcional seja uma função parcial. uma função bijetora é uma função injetora e sobrejetora. podemos verificar as seguintes propriedades: Função Injetora = monomorfismo Função Sobrejetora = epimorfismo Função Bijetora = isomorfismo Ou seja. temos que a relação inversa de f. y} temos que as seguintes relações são funções parcias: . dizemos apenas que é uma função. 2} e a função f : B → A = 0. a { } - =: B → B Vale observar que a relação inversa de uma função parcial não necessariamente é uma função parcial.1 .0 . temos que a relação inversa de f. é uma função parcial definida para todos os elementos do domínio. A inversa de g. 1. 0. { } Para que a relação inversa de uma função f seja uma função. Se considerarmos o conjunto A = {0.1 .1 . não é uma função.

#A = n. o conjunto dos números naturais N.. Portanto.7 CARDINALIDADE DE CONJUNTOS A cardinalidade de um conjunto nada mais é do que a medida de seu tamanho.. 7. Dois conjuntos A e B possuem o mesmo número de elementos ou a mesma cardinalidade.1 Cardinalidade Finita e Infinita Finita: se existe uma bijeção entre A e o conjunto {1. representada por #A é: - Exemplo: Mostre que o conjunto dos números inteiros Z é um conjunto infinito. precisamos encontrar uma função bijetora f : Ζ → Ν . como por exemplo. . então f (a ) = 2a − 1 A tabela abaixo mostra os valores de f(a) e sugere o relacionamento um-para-um entre Z e N. Podemos dizer que um conjunto infinito A é dito: Matemática Discreta Márcia Rodrigues Notare 38 .. 2. denotado por # A =# B se existe uma correspondência um-para-um f : A → B . Infinita: se existe uma bijeção entre A e um subconjunto próprio de A. tal que: se a ≥ 0 . f(a) 7 5 3 1 0 2 4 6 8 . Neste caso. Para mostrar que Z é um conjunto infinito. ou ainda são ditos equipotentes. precisamos mostrar que existe uma bijeção entre ele e um subconjunto próprio dele.. ou seja. n}. a -4 -3 -2 -1 0 1 2 3 4 . 3. então f (a ) = 2a se a < 0 . se conseguimos "tirar" alguns elementos de A e ainda assim podemos estabelecer uma bijeção com A.. O conceito de cardinalidade permite definir conjuntos finitos e infinitos. Temos que f é uma função bijetora e sabemos que N é um subconjunto próprio de Z. Portanto. Suponha f : Ζ → Ν ... A cardinalidade de um conjunto A. como queríamos mostrar. Z é um conjunto infinito. Vale ressaltar que nem todos os conjuntos infinitos possuem a mesma cardinalidade. para algum n ∈ Ν .

Assim. Como qualquer conjunto infinito contável possui mesma cardinalidade que o conjunto dos números naturais. Não-Contável: caso contrário. existe uma função bijetora g : A ↔ B . tem-se que: f (a ) = {a} f é injetora e.- Contável: se existe um bijeção entre A e um subconjunto infinito de N. Entretanto. podemos afirmar que todos os conjuntos contáveis são equipotentes. Seja o seguinte subconjunto B de A: Matemática Discreta Márcia Rodrigues Notare 39 . Conjuntos Equipotentes: Dois conjuntos A e B são ditos equipotentes quando existe uma bijeção entre eles. Pela definição de conjuntos equipotentes. 7. para todo a ∈ A. O cardinal do conjunto dos números naturais é representado por ℵ0 (aleph-zero). mostrando. 7. por absurdo. Exemplo: Os conjuntos Z (inteiros) e Q (racionais) são conjuntos contáveis e os conjuntos I (irracionais) e R (reais) são conjuntos não-contáveis.3 Cardinal A relação estabelecida entre conjuntos equipotentes é uma relação de equivalência. Logo. Teorema Schröder-Bernstein: sejam A e B dois conjuntos tais que existem duas funções injetoras: f 1 : A → B e f 2 : B → A . apresentando uma função injetora f : A → 2 A . Seja A conjunto e 2A o conjunto das partes de A. ou seja. ou seja: # A ≤# B quando existe uma função injetora f : A → B . Prova: Parte 1: Vamos mostrar que #A ≤ #2A. portanto. Teorema de Cantor: o conjunto das partes de um conjunto tem sempre cardinalidade maior que este.2 Cardinalidade dos Conjuntos Não-Contáveis Todos os conjuntos contáveis possuem mesma cardinalidade. que não existe uma função bijetora entre A e 2A. que #A < #2A. #A ≤ #2A. Seja f : A → 2 A uma função tal que. podemos dizer que os conjuntos A e B possuem a mesma cardinalidade. então #A < #2A. então ℵ0 representa o cardinal de qualquer conjunto infinito contável e é o menor cardinal dos conjuntos infinitos. Suponha que existe uma função bijetora g : A → 2 A . Dizemos que um conjunto A tem tantos elementos quanto um conjunto B. podemos considerar o cardinal como uma classe de equivalência dos conjuntos equipotentes. Então. Parte 2: Vamos mostrar que #A ≠ #2A. A bijeção que define o conjunto A como conjunto contável é dita enumeração de A. nem todos os conjuntos não-contáveis possuem a mesma cardinalidade.

portanto. Portanto.2. a 4 = 0. tem-se que b ∈ g(b) = B. tem-se que 2 0 é a cardinalidade do conjunto dos números reais. a 3 . pela definição de B. Seja b = 0. f (2 ) = a 2 .}. 1] de todos os números reais entre 0 e 1 é não-contável..}. Prova (por absurdo): Suponha I contável. como queríamos provar. x 21 x 22 x 23 x 24 .B = { ∈ A a ∉ g (a )} a Como A é um conjunto. pois y 2 ≠ x 22 b ≠ a3 . a suposição de que I é contável é falsa e... um número real obtido da seguinte forma: . pois y 3 ≠ x33 . já que b ∈ Ι ! Logo. Teorema: O conjunto I = [0. não existe uma função bijetora entre A e 2A. x 41 x 42 x 43 x 44 .. Vamos listar seus elementos em Então... o que é uma contradição. I é não-contável. então.... Matemática Discreta Márcia Rodrigues Notare 40 . O conjunto das partes de N é equipotente ao conjunto dos números reais R. é a cardinalidade do continuum.. Portanto......... a 2 = 0.9}. a3 = 0.. Neste caso: se b ∈ B. existe uma função bijetora f :Ν →Ι... Considerando que χ 2k denota o cardinal do conjunto das partes com cardinalidade k. a 2 .1. . tem-se que b ∉ g(b) = B. b ∉ Ι = {a1 .. Seja uma coluna com sua expansão decimal: a1 = 0.. onde xij ∈ {0.. x31 x32 x33 x34 . pela definição de B. I = {a1 . ele pode ser um conjunto de conjuntos.. tal que g (b ) = B . ou seja. a 2 . x11 x12 x13 x14 . então. isto é. se b ∉ g(B). b ∈ Ι . O que é uma contradição! Logo. f (1) = a1 . pois y1 ≠ x11 b ≠ a 2 . y1 y 2 y 3 y 4 . Mas 1 yi =  2 se xii ≠ 1 se xii = 1 b ≠ a1 .. a 3 . Suponha b ∈ A.. f (3) = a3 .

. Supomos que a propriedade P é válida para qualquer inteiro positivo k: P(k) 3. Como saber se será capaz de chegar a um degrau arbitrariamente alto? Suponha as seguintes hipóteses: 1. você consegue chegar ao segundo. Vamos chamar esses dois filhos de geração 1. Exemplo: Suponha que um ancestral casou-se e teve dois filhos. Então a geração 2 contém quatro descendentes. Essa mesma propriedade é utilizada para provar propriedades dos números inteiros positivos! Considere que P(n) denota que o número inteiro positivo n possui a propriedade P. Suponha agora que cada um desses filhos teve dois filhos. chega ao terceiro degrau. P(1) é verdade 2.. ou seja. vamos ilustrar a técnica: - - Pela hipótese 1. Você consegue alcançar o primeiro degrau 2.. (∀k)(P(k) é verdade → P(k+1) é verdade) E com isto. pela hipótese 2. 1. então é válida para o próximo inteiro positivo k+1: P(k) → P(k+1) 8.. e assim sucessivamente. Uma vez chegando a um degrau. Imagine que esse processo continua de geração em geração. Assumimos que o número 1 tem a propriedade P: P(1) 2. provamos que a propriedade é verdadeira para todo inteiro positivo n.8 - INDUÇÃO MATEMÁTICA Você está subindo uma escada infinitamente alta. podemos deduzir que: A geração 1 possui 2 descendentes A geração 2 possui 4 descendentes A geração 3 possui 8 descendentes E assim sucessivamente.1 Primeiro Princípio de Indução Matemática O Primeiro Princípio de Indução Matemática é formulado da seguinte forma: 1. se a propriedade P é válida para qualquer número inteiro k. que P(n) é verdade.. novamente pela hipótese 2. Provamos que. A figura abaixo ilustra esse processo: Geração 1 2 3 . Então. Descendentes 2 = 21 4 = 22 8 = 23 . você sempre é capaz de chegar ao próximo Para entender intuitivamente o que é a Indução Matemática. Matemática Discreta Márcia Rodrigues Notare  41 . você é capaz de chegar ao primeiro degrau..

vamos provar que nossa conjectura está correta. ou seja. P(k ) : 1 + 3 + 5 + . + (2k − 1) = k 2 Passo de Indução ..P(k + 1) Tentamos provar que a propriedade é válida para n = k + 1. ou seja. que: P(k + 1) : 1 + 3 + 5 + . + (2n − 1) = n 2 Base de Indução .. P(1) : 1 = 12 Hipótese de Indução ..Então. + [2(k + 1) − 1]=(k + 1) ? 2 Matemática Discreta Márcia Rodrigues Notare 42 . Ou seja. através do primeiro princípio de indução matemática: Base de Indução (estabelecemos a veracidade da propriedade para n = 1): P(1) = 21 = 2 Hipótese de Indução (supomos que a propriedade é válida para algum inteiro k. Suponha P (k ) Prove P (k + 1) 1 + 3 + 5 + . podemos fazer a seguinte conjectura: a geração n possui 2n descendentes. k ≥ 1): P(k ) = 2 k Passo de Indução (provamos que a propriedade é válida para o inteiro seguinte k+1. podemos escrever que: P(n ) = 2 n Agora. resume os três passos necessários para uma demonstração que usa o primeiro princípio de indução.P(k) Supomos que a propriedade é válida para n = k...P(1) Verificamos que a propriedade é válida para n = 1.. Demonstração por Indução Passo 1 Prove a base de indução Passo 2 Passo 3 Vejamos mais alguns exemplos: Exemplo: Prove que a equação a seguir é verdadeira para qualquer inteiro positivo n. que P(k) → P(k+1)): P(k + 1) = 2 k +1 P(k + 1) = 2 ⋅ P(k ) = 2 ⋅ 2 k = 2 k +1 (o número de descendentes dobra de uma geração para outra) HI A tabela abaixo.

... Matemática Discreta Márcia Rodrigues Notare 43 .. + 2 n = 2 n +1 − 1 Novamente. 1 + 2 + 2 + .P(1) Verificamos que a propriedade é válida para n = 1. 2 Exemplo: Prove que a equação a seguir é verdadeira para todo n ≥ 1.. + 2 k + 2 k +1 = 2 k +1 − 1 + 2 k +1 = 2 ⋅ 2 k +1 − 1 = 2 k +1+1 − 1 Portanto.. + n = Base de Indução .P(1) Verificamos que a propriedade é válida para n = 1. 1 + 3 + 5 + . 2 Exemplo: Prove que. + 2 k + = 2 demonstração. P(k ) : 1 + 2 + 2 2 + ... o que mostra que P(k + 1) é válida.. P(k + 1) : 1 + 3 + 5 + .. vamos utilizar a indução para provar a validade da propriedade. ou seja.P(k + 1) Provamos que a propriedade é válida para n = k + 1.... concluindo a n ⋅ (n + 1) . para qualquer inteiro positivo n. 1 + 2 + 2 2 + .Para fazermos uma demonstração por indução. o que mostra a validade de P (k + 1) .P(k) Supomos que a propriedade é válida para n = k. Base de Indução .. + 2 k = 2 k +1 − 1 Passo de Indução . + 2 k +1 = 2 ( k +1) +1 − 1 ? P(k + 1) = 1 + 2 + 2 2 + ... + [2(k + 1) − 1] = (k + 1) . 2 1 ( k +1) +1 HI ( ) − 1 .. que: P(k + 1) : 1 + 2 + 2 2 + . + (2k − 1) + [2(k + 1) − 1] = k 2 + [2(k + 1) − 1] = k 2 + (2k + 2 − 1) = k 2 + 2k + 1 = HI (k + 1)2 Portanto. vamos reescrever o lado esquerdo da equação de P(k + 1) incluindo a penúltima parcela e usaremos a hipótese de indução para provarmos o que queremos. 1 + 2 + 3 + . + [2(k + 1) − 1] = 1 + 3 + 5 + .. P(1) : 1 + 2 = 21+1 − 1 ou 3 = 2 2 − 1 Hipótese de Indução ... + 2 k +1 = 1 + 2 + 2 2 + .

+ k + (k + 1) = k ⋅ (k + 1) + (k + 1) = 2 k ⋅ (k + 1) + 2 ⋅ (k + 1) = 2 (k + 1)⋅ (k + 2) = HI (k + 1)⋅ [(k + 1) + 1] 2 Nem todas as demonstrações por indução envolvem somas... P(k + 1) : 1 + 2 + 3 + . + (k + 1)= ? (k + 1)⋅ [(k + 1) + 1] 2 P(k + 1) = 1 + 2 + 3 + . P(k + 1) : 2 k +1 > k + 1 ? 2 k +1 = 2 ⋅ 2 k k ⋅ 2 = k + k ≥ k + 1 > HI 1 Portanto. Exemplo: Prove que.. 2 n > n .P(k + 1) Provamos que a propriedade é válida para n = k + 1.P(k) Supomos que a propriedade é válida para n = k.P(k + 1) Provamos que a propriedade é válida para n = k + 1. P(k ) : 2 k > k Passo de Indução . Matemática Discreta Márcia Rodrigues Notare 44 .. para qualquer inteiro positivo n. P(k ) : 1 + 2 + 3 + . + k = k ⋅ (k + 1) 2 Passo de Indução . + (k + 1) = 1 + 2 + 3 + .. 2 Exemplo: Prove que. Veja os exemplos a seguir. P(1) : 21 > 1 Hipótese de Indução .P(k) Supomos que a propriedade é válida para n = k. 2 k + > k + 1 ... 2 n − 1 é divisível por 3.P(1) Verificamos que a propriedade é válida para n = 1.P(1) : 1 = 1 ⋅ (1 + 1) 2 Hipótese de Indução . Base de Indução . para qualquer inteiro positivo n..

ou seja.Base de Indução . P(k + 1) : 2 2 (k +1) − 1 é divisível por 3? 2 2⋅(k +1) − 1 = 2 2k +2 − 1 = (2 2 ⋅ 2 2 k ) − 1 = 2 2 ⋅ (3m + 1) − 1 = 12m + 4 − 1 = 12m + 3 = 3 ⋅ (4m + 1) HI 2 Exemplo: Prove que n > 3n para n ≥ 4 .P(k) Supomos que a propriedade é válida para n = k. portanto. P(k ) : 2 2 k − 1 é divisível por 3. P(k ) : k 2 > 3k .P(2) Verificamos que a propriedade é válida para n = 2. P(4) : 4 2 = 16 > 12 = 3 ⋅ 4 Hipótese de Indução .P(4) Verificamos que a propriedade é válida para n = 4. P(k + 1) : (k + 1) > 3 ⋅ (k + 1) 2 ? (k + 1)2 = HI k 2 + 2k + 1 > 3k + 2k + 1 ≥ 3k + 8 + 1 > 3k + 3 = 3 ⋅ (k + 1) (pois k ≥ 4 ) 1 Exemplo: Prove que 2 n + < 3 n para todo n > 1 . Base de Indução . Base de Indução .P(k) Supomos que a propriedade é válida para n = k. k ≥ 4 Passo de Indução . 2 2 k = 3m + 1 Passo de Indução .P(1) Verificamos que a propriedade é válida para n = 1. que 2 2 k − 1 = 3m e que.P(k + 1) Provamos que a propriedade é válida para n = k + 1. P(1) : 2 2⋅1 − 1 = 4 − 1 = 3 é divisível por 3 Hipótese de Indução .P(k + 1) Provamos que a propriedade é válida para n = k + 1. Matemática Discreta Márcia Rodrigues Notare 45 .

P(k + 1) Provamos que a propriedade é válida para n = k + 1.P(k) Supomos que a propriedade é válida para n = k.P(2) : 2 2+1 = 8 < 9 = 3 2 Hipótese de Indução . P(k + 1) : 2 ( k +1)+1 < 3 ( k +1) ? k +1 2 ( k +1)+1 = 2 ⋅ 2. P(k ) : 2 k +1 < 3 k . k > 1 Passo de Indução .

<.

k ⋅ 2 < 3 k ⋅ 3 = 3 k +1 3 HI Matemática Discreta Márcia Rodrigues Notare 46 .

exceto os dois primeiros.1 RECURSÃO E RELAÇÕES DE RECORRÊNCIA Definições Recorrentes Uma definição onde o item definido aparece como parte da definição é chamada de definição por recorrência. Uma definição recorrente é formada por duas partes: 1.. 7. 8. 13 Seqüência de Fibonacci: é uma seqüência introduzida pelo matemático italiano Fibonacci e é definida por recorrência da seguinte forma: F(1) = 1 F(2) = 1 F(n) = F(n – 2) + F(n – 1). Existe um primeiro objeto. fornecendo alguns casos simples e concretos.. A parte 1 da definição nos permite começar. a partir destes mais simples e assim por diante. ou definição recorrente. 10. temos 2. e assim por diante. e assim por diante. ou ainda definição por indução. 9. o primeiro valor da seqüência é 2. onde novos casos do item que está sendo definido são dados em função de casos anteriores. T(1) = 1 2. A parte 2 nos permite construir novos casos. T(n) = T(n . Exemplo: A seqüência S é definida por recorrência por 1. S(k) denota o k-ésimo objeto da seqüência. S(1) = 2 2. qualquer valor da seqüência de Fibonacci. um segundo objetos.2 Seqüências Definidas por Recorrência Uma seqüência S é uma lista de objetos numerados em determinada ordem.9 9. onde algum(s) caso(s) simples do item que está sendo definido é dado explicitamente. Base ou condição básica. o segundo valor da seqüência é S(2) = 2S(2-1) = 2S(1) = 2 ⋅ 2 = 4. 32. 2. 4. para n ≥ 2 1. para n ≥ 2 Traduzindo. Um passo de indução ou recorrência. Daí o nome definição por indução. S(n) = 2S(n .1) para n ≥ 2 Assim. o terceiro valor da seqüência é S(3) = 2S(2) = 2 ⋅ 4 = 8. 16. Exemplo: Escreva os cinco primeiro valores da seqüência T. é dado pela soma de seus dois valores anteriores. Continuando a seqüência. . 4. devido à analogia com as demonstrações por indução. Matemática Discreta Márcia Rodrigues Notare 47 . Uma seqüência é definida por recorrência nomeando-se o primeiro valor da seqüência e depois definindo os valores subseqüentes na seqüência em termos de valore anteriores. tal que: 1.1) + 3.

55 Exemplo: Prove que. Logo. F(n + 4) = 3F(n +2) – F(n). 13. utilizando a sua definição por recorrência: 1. na seqüência de Fibonacci. 2. Podemos provar essa fórmula diretamente. sem utilizar indução matemática. 34. .5. podemos escrever os dez primeiros números da seqüência de Fibonacci. usando apenas a relação de recorrência na definição dos números de Fibonacci. podemos utilizá-la para provar a fórmula: F (n + 4) = F (n + 3) + F (n + 2) = F (n + 2) + F (n + 1) + F (n + 2) = . 1.3 . para todo n ≥ 1. 8.Por exemplo.F(n). 21. A relação de recorrência F(n + 2) = F(n) + F(n + 1) pode ser reescrita na forma F(n + 1) = F(n + 2) .

.

.

.

.

.

F ( n + 3)   F (n + 2) +  F (n + 2) − F (n) + F (n + 2) = .

 .

.

( n +1) .

 F   3F (n + 2) − F (n) Matemática Discreta Márcia Rodrigues Notare 48 .

Exemplos: a) A operação de divisão nos números reais divisão : R × R → R é uma operação binária interna a R. Então. 10. elemento neutro e elemento inverso. Podemos defini-la como uma função parcial do tipo: ⊕ : A× B → C Operações Internas: operações internas a um conjunto A são operações cujo domínio e contradomínio são definidos sobre um mesmo conjunto A. para um dado conjunto A. associativa. Então. é uma operação binária interna e fechada. y. iniciaremos este capítulo estudando operações e suas propriedades. é uma operação interna e fechada: quadrado(n ) : n 2 c) A operação união ∪ : P ( A) × P ( A) → P ( A) . é uma operação definida para todo x ∈ A × A e cujo resultado pertence a A. y elementos quaisquer de A. que serão detalhadas a seguir. a operação ⊕ é associativa se: (∀x )(∀y )(∀z )[x ⊕ ( y ⊕ z ) = (x ⊕ y ) ⊕ z ] Propriedade Comutativa: Seja ⊕ : A × A → A uma operação binária interna e fechada e x. Propriedade Associativa: Seja ⊕ : A × A → A uma operação binária interna e fechada e x. z elementos quaisquer de A. Uma operação binária interna ao conjunto A é uma operação do tipo: ⊕ : A× A → A Operações Fechadas: uma operação fechada é uma operação total. ou seja.1 Operações Operações Binárias: são operações cujo domínio é um conjunto resultante de um produto cartesiano. 10. a operação ⊕ é comutativa se: (∀x )(∀y )(x ⊕ y = y ⊕ x ) Elemento Neutro: Seja ⊕ : A × A → A uma operação binária interna e fechada e x elemento qualquer de A. definida como segue. Então. é uma função. Portanto. a operação ⊕ tem elemento neutro se: (∃e)(∀x )(x ⊕ e = e ⊕ x = x ) Matemática Discreta Márcia Rodrigues Notare 49 .10 ESTRUTURAS ALGÉBRICAS O estudo de álgebra está diretamente relacionado ao estudo de operações.2 Propriedade das Operações Binárias As principais propriedades das operações binárias internas e fechadas são: comutativa. y ) : x y b) A operação quadrado nos números naturais quadrado : Ν → Ν . definida como segue: divisão( x. Em outras palavras.

é uma álgebra cuja operação é fechada e associativa. a operação ⊕ tem elemento inverso se: (∀x )(∃x −1 )(x ⊕ x −1 = x −1 ⊕ x = e) Exemplos: a) A operação de união ∪ : P ( A) × P ( A) → P ( A) satisfaz as propriedades comutativa. Seja ⊕ : A × A → A uma operação binária e interna.÷ 10. Se a operação for fechada.4 Semigrupos Um semigrupo é um grupóide cuja operação interna é associativa. c) A operação de adição nos números inteiros + : Ζ × Ζ → Ζ . Σ * . associativa e elemento neutro (zero).× R. já que.× d) As seguintes operações não são grupóides: Ν. associativa e elemento neutro (conjunto vazio). Portanto. Então. além de satisfazer as propriedades comutativa. Exemplos: * * * a) Seja Σ um alfabeto não-vazio. ∪ : P ( A) × P ( A) → P ( A) e ∩ : P( A) × P( A) → P( A) respectivamente. b) A operação de adição nos números naturais + : Ν × Ν → Ν satisfaz as propriedades comutativa. b) Seja A um conjunto. A.⊕ é um grupóide. ou seja: n + (− n ) = −n + n = 0 10. A operação de concatenação • : Σ × Σ → Σ é fechada.Elemento Inverso: Seja ⊕ : A × A → A uma operação binária interna e fechada e x elemento qualquer de A.∪ e P( A). c) As seguintes operações são grupóides abelianos: Ν. adicionalmente. As operações de união e interseção. Portanto. a operação for comutativa.+ e R. Matemática Discreta Márcia Rodrigues Notare 50 . associativa e elemento neutro (zero) satisfaz também a propriedade elemento inverso.× Ζ.• é um grupóide.+ e Ν. Se. então Abeliano.3 Grupóides Um grupóide é uma álgebra interna (operação binária interna) cuja operação interna é fechada. basta tomar –n como elemento inverso. Portanto.∩ são grupóides abelianos. para qualquer inteiro n. são fechadas e comutativas.+ e Ζ.− - R . mas não é comutativa.⊕ é um Grupóide P( A). então A.

• é * * * um semigrupo.Seja ⊕ : A × A → A um grupóide.×. A são monóides b) As seguintes operações são monóides abelianos: Ν. simultaneamente.⊕ é um Semigrupo Abeliano. P ( A).− - . Portanto.• e um semigrupo e possui elemento neutro (a palavra vazia ε). e ∩ : P( A) × P( A) → P( A) respectivamente.1 c) Ζ. Se ⊕ : A × A → A possui elemento neutro. Matemática Discreta Márcia Rodrigues Notare 51 . Σ * .× R. associativas e comutativas. Se. c) As seguintes operações são semigrupos abelianos: Ν.×. Exemplos: a) As operações A.⊕ é um semigrupo.+ e Ζ. Seja A. a operação for comutativa. abelianos. Se.⊕. e ∩ : P( A) × P( A) → P( A) respectivamente.•.∪ e P ( A). fechado. então A. R − {0} ÷ 10. Se A. associativas.× Ζ. adicionalmente.0 e Ν.×. ∅ e P( A).5 Monóides Um monóide é um semigrupo cuja operação possui elemento neutro.+ e Ν. Σ * .⊕.⊕ um semigrupo. um semigrupo é. comutativas e de possuem elemento neutro.∩ são semigrupos abelianos.× d) As seguintes operações não são semigrupos: Ζ. são fechadas. b) As ∪ : P( A) × P( A) → P( A) união e interseção. associativo e possui elemento neutro. adicionalmente.+. Portanto.∩. e é um Monóide ∪ : P( A) × P( A) → P( A) união e interseção. e é um monóide.+ e R. são fechadas.0 e R. Portanto. então A. então A. ε é um monóide. P( A).+. então Abeliano. Exemplos: a) A operação de concatenação • : Σ × Σ → Σ é fechada e associativa. Portanto.1 R.1 A operação de concatenação Σ * .0 e Ζ. a operação for comutativa.+. operações de Portanto.∪.⊕ for associativa.

pois a adição de duas matrizes 2 × 2 é uma matriz 2 × 2 . possui elemento neutro 1 e elemento inverso. a operação for comutativa. possui elemento neutro e elemento inverso. pois a b   e f  i j   a b   e + i f + j  c d  +   g h  +  k m   = c d  +   g + k h + m                  a + (e + i ) b + ( f + j )  (a + e ) + i (b + f ) + j  c + (g + k ) d + (h + m ) = (c + g ) + k (d + h ) + m =         a b  e f   i j  c d  +  g h   +  k m           =   Matemática Discreta Márcia Rodrigues Notare 52 . Para verificarmos se a operação Μ 2 (Ζ ). b) A operação R.⊕.⊕ um monóide. então A. então A.10. precisamos verificar quais propriedades ela satisfaz: - Μ 2 (Ζ ). e é um grupo. Se.+ é associativa. fechada. Se ⊕ : A × A → A possui elemento inverso. o número 0 não possui elemento inverso! A tabela abaixo apresenta um resumo das estruturas algébricas estudadas e suas respectivas propriedades. Μ 2 (Ζ ). Propriedades Elemento Neutro Tipo de Álgebra Grupóide Semigrupo Monóide Grupo Fechada Associativa Elemento Inverso Exemplo: Seja Μ 2 (Ζ ) o conjunto de todas as matrizes 2 × 2 com elementos inteiros. Portanto. adicionalmente.× não é um grupo.6 Grupos Um grupo é um monóide cuja operação é possui elemento inverso. Exemplos: a) A operação * R+ . Seja A.⊕.+ é um grupo abeliano. um grupo é uma operação que é. pois não há número real x tal que: 0⋅ x = x⋅0 =1 Ou seja. comutativa. associativa. simultaneamente.× é um grupo abeliano.+ é um grupo abeliano? Μ 2 (Ζ ). pois é uma operação fechada. associativa. e é um Grupo Abeliano.+ é fechada.

  - Portanto. pois estão espelhadas em torno da diagonal principal. 3 × 5 4 = 2 .4}. Matemática Discreta Márcia Rodrigues Notare 53 .- Μ 2 (Ζ ).+ 5 e Ζ 5 . Por exemplo. Definimos a soma módulo 5.× 5 são comutativas.+ é um grupo abeliano! 0 Exemplo: Seja Ζ 5 = { . A multiplicação módulo 5 é definida por x × 5 y = r . pois 2 × 3 = 6 e o resto da divisão de 6 por 5 é 1. Por exemplo: 1 +5 2 = 3 3 + 5 4 = 2 . a inversa da matriz   é a matriz 2 1  − 4 − 3 − 2 − 1  .× 5 são fechadas. onde r é o resto da divisão de x × y por 5.1. onde r é o resto da divisão de x + y por 5.+ possui elemento inverso. pois todos os resultados verificados Ζ 5 .2. pois 3 + 4 = 7 e o resto da divisão de 7 por 5 é 2. pois 3 × 4 = 12 e o resto da divisão de 12 por 5 é 2.3. As seguintes tabelas definem + 5 e × 5 em Ζ 5 : +5 0 1 2 3 4 0 0 1 2 3 4 1 1 2 3 4 0 2 2 3 4 0 1 3 3 4 0 1 2 4 4 0 1 2 3 ×5 0 1 2 3 4 0 0 0 0 0 0 1 0 1 2 3 4 2 0 2 4 1 0 3 0 3 1 4 2 4 0 4 3 2 1 Podemos verificar que Ζ 5 .+ possui elemento neutro:   0 0  4 3 Μ 2 (Ζ ). pois  a b  e f   a + e b + f  e + a f + b  e f   a b  c d  +  g h  = c + g d + h  =  g + c h + d  =  g h  + c d              - 0 0  Μ 2 (Ζ ). denotada por + 5 .+ é comutativa. através das tabelas construídas. como x + 5 y = r . Μ 2 (Ζ ). Por exemplo: 2 × 5 3 = 1 . Podemos também verificar que e Ζ 5 .+ 5 nas tabelas são elementos de Ζ 5 . em Ζ 5 .

+ 5 e Ζ 5 .× 5 possuem elemento neutro: o elemento neutro de Ζ 5 .+ 5 e Ζ 5 .× 5 um monóide abeliano. o elemento inverso de 2 é 3.Ainda é possível verificar que Ζ 5 . nem todos os elementos de Ζ 5 .+ 5 é 0 e o elemento neutro de Ζ 5 .+ 5 possuem elemento inverso: o elemento inverso de 0 é 0. possuem elemento inverso.× 5 é 1. o elemento inverso de 1 é 4. Entretanto. o elemento inverso de 4 é 1. Todos os elementos de Ζ 5 . Portanto.+ 5 é um grupo abeliano. não podemos verificar tal propriedade nas tabelas construídas.× 5 são associativas. o elemento inverso de 3 é 2. Ζ 5 . Entretanto. Logo Ζ 5 . podemos afirmar que Ζ 5 .× 5 é Matemática Discreta Márcia Rodrigues Notare 54 .

Sign up to vote on this title
UsefulNot useful