Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. W OLFRAM M ATHEMATICA
• Tutorial para programadores: clic aquí.
2. T EORÍA DE CONJUNTOS
A, B, C, . . . , X, Y, Z.
2. El signo
∈
La negación de A ∈ B,
¬( A ∈ B),
1
Mat. Andrés Merino Resumen no. 01
para todo conjunto x. Representaremos esta relación entre las clases A y B por
A = B.
T EOREMA 1: Igualdad
Dadas las clases A, B y C, se tiene que:
1. Reflexiva de la igualdad de clases: A = A.
D EFINICIÓN 3: Subclase
Dadas las clases A y B, diremos que A es subclase de B si se tiene que
x∈A⇒x∈B
para todo conjunto x. Representaremos esta relación entre las clases A y B por
A ⊆ B.
T EOREMA 3: Subclase
Dadas las clases A, B y C, se tiene que
1. Reflexiva de subclase: A ⊆ A.
4. A = B si y solo si A ⊆ B y B ⊆ A.
T EOREMA 4: Subclase
Si A ⊆ B y y ∈ A, entonces y ∈ B. Además, si A ⊆ B y y 6∈ B, entonces y 6∈ A.
2
Resumen no. 01 Mat. Andrés Merino
{ x : A ( x )}.
C = { x : A ( x )}.
U = { x : x = x }.
T EOREMA 6
Toda clase es subclase de la clase universal. Es decir, dada A, se tiene que
A ⊆ U.
R = { x : x 6 ∈ x }.
3
Mat. Andrés Merino Resumen no. 01
A XIOMA 2: Subclase
Si A ⊆ B y B es un conjunto, entonces A también es un conjunto. En otras
palabras, toda subclase de un conjunto es un conjunto.
T EOREMA 8
U no es un conjunto, es una clase propia.
∅ = { x : x 6 = x }.
3. C ONJUNTOS
{ a } = { x : x = a }.
{ a, b} = { x : x = a ∨ x = b }.
2. Si c 6= a y c 6= b, entonces c 6∈ { a, b}.
4
Resumen no. 01 Mat. Andrés Merino
( a, b) = {{ a}, { a, b}}.
P ( A ) = { u : u ⊆ A }.
T EOREMA 13
Dado el conjunto A, se tiene que:
1. ∅ ∈ P ( A).
2. A ∈ P ( A).
5
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUTURAS D ISCRETAS • R ESUMEN NO . 02
A ∪ B = { x : x ∈ A ∧ x ∈ B }.
A ⊆ A∪B y B ⊆ A ∪ B.
A ∪ B = B ∪ A.
A ∩ B = { x : x ∈ A ∨ x ∈ B }.
A∩B ⊆ A y A ∩ B ⊆ B.
A ∩ B = B ∩ A.
A r B = { x : x ∈ A ∧ x 6 ∈ B }.
1
Mat. Andrés Merino Resumen no. 02
A c = { x : x 6 ∈ A }.
( Ac )c = A.
A⊆B si y solo si Bc ⊆ Ac .
I. A∪U = U
II. A∩∅ = ∅
III. Uc = ∅
IV. A ∩ Ac = ∅
I. ( A ∪ B)c = Ac ∩ Bc y
II. ( A ∩ B)c = Ac ∪ Bc .
es un conjunto.
A XIOMA 1: Unión
Dadas las clases A y B, si A y B son conjuntos, también lo es A ∪ B.
2
Resumen no. 02 Mat. Andrés Merino
A × B = {( x, y) : x ∈ A ∧ y ∈ B}.
A × B ⊆ P (P ( A ∪ B))
1.3 Cardinalidad
D EFINICIÓN 6: Cardinalidad
Dado un conjunto finito A, se denotará por | A| a la cantidad de elementos
que tiene A.
| A ∪ B | = | A | + | B | − | A ∩ B |.
| A × B | = | A | · | B |.
| P ( A)| = 2| A| .
3
Mat. Andrés Merino Resumen no. 02
o n
[ [ n
\ \
Ai = Ai y Ai = Ai
i =0 i∈ I i =0 i∈ I
2. F UNCIONES
D EFINICIÓN 9: Función
Dados A y B dos conjuntos, f es una función de A en B si:
• f ⊆ A × B;
• si ( x, y) ∈ f y ( x, z) ∈ f , entonces y = z.
4
Resumen no. 02 Mat. Andrés Merino
{ f ( x ) : x ∈ A },
img( f ) o rec( f ).
g ◦ f : A −→ C
x 7−→ g( f ( x ))
se denomina composición de g y f .
5
Mat. Andrés Merino Resumen no. 02
D EFINICIÓN 16
Se define la función piso tal que, para x ∈ R, ⌊ x ⌋ es el mayor entero menor o
igual que x. Por otro lado, se define la función techo tal que, para x ∈ R, ⌈ x ⌉
es el menor entero mayor o igual que x.
D EFINICIÓN 17
Dado un conjunto A, se define la función indicatriz de A o función caracterís-
tica de A por
1 A : U −→ { 0, 1}
1 si x ∈ A,
x 7−→
0 si x 6∈ A.
D EFINICIÓN 18
Dados los conjuntos A y B, se denota por A B al conjunto de todas las funcio-
nes de B en A.
A + = A ∪ { A }.
6
Resumen no. 02 Mat. Andrés Merino
4. L ÓGICA PROPOSICIONAL
¬ P, P ∧ Q, P ∨ Q, P⇒Q y P ⇔ Q.
3. Solo estas.
f : 2n → 2,
7
Mat. Andrés Merino Resumen no. 02
D EFINICIÓN 23
Dada una forma proposicional de n letras proposicionales, una asignación de
valores de verdad es un elemento de 2n . El valor de verdad de esta forma
proposicional bajo una asignación de valores de verdad es la evaluación de
su función de verdad.
D EFINICIÓN 24
Una forma proposicional se dice que es una tautología si su función de verdad
es constante 1 y se dice que es una contradicción si es constante 0.
D EFINICIÓN 25
Una forma proposicional se dice que es satisfactible si existe una asignación
de valores de verdad tal que la evaluación de su función de verdad en dicha
asignación sea igual a 1.
8
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUTURAS D ISCRETAS • R ESUMEN NO . 03
D EFINICIÓN 1
Diremos que una forma proposicional está en forma enunciativa restringidas
si solo contiene los conectores ∧, ∨ y ¬.
1
Mat. Andrés Merino Resumen no. 03
P ROPOSICIÓN 4. Los conjunto {∧, ¬}, {∨, ¬} y {⇒, ¬} son conjuntos ade-
cuados de conectivas.
1 1 0 0
1 0 1 1
0 1 1 1
0 0 1 1
• ¬p ≡ p ⊼ p
• p ∨ q ≡ ( p ⊼ p) ⊼ (q ⊼ q)
• ¬p ≡ p −
∨p
• p ∧ q ≡ (p − − −
∨ p) ∨ (q ∨ q)
2. L ÓGICA DE PREDICADOS
D EFINICIÓN 8: Términos
Los términos de un lenguaje de primer orden son los que se genera mediante
2
Resumen no. 03 Mat. Andrés Merino
D EFINICIÓN 9: Predicados
Los predicados son los que se genera mediante las siguientes reglas:
I. Si Amn es una letra de función y t1 , t2 ,. . . , t m son términos, entonces
Amn 1 , t2 , . . . , t m ) es un predicado.
( t
¬A, A ∧ B, (∀ x )A y (∃ x )A
3
Mat. Andrés Merino Resumen no. 03
3. R ELACIONES
D EFINICIÓN 12: Producto cartesiano
Dados dos conjunto A y B, se define el producto cartesiano de A y B por el
conjunto
A × B = {( x, y) : x ∈ A y y ∈ B}.
{(C, D ) ∈ P ( A)2 : C ⊆ D }.
{( x, y) ∈ R2 : x < y}.
4
Resumen no. 03 Mat. Andrés Merino
∆ A = {( x, x ) ∈ A2 : x ∈ A},
4. C OMPOSICIÓN DE RELACIONES
5
Mat. Andrés Merino Resumen no. 03
T ◦ (S ◦ R) = ( T ◦ S) ◦ R.
6
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUTURAS D ISCRETAS • R ESUMEN NO . 04
A = { x1 , x2 , . . . , x m } y B = { y1 , y2 , . . . , y n }
M R −1 = ( M R ) | .
1
Mat. Andrés Merino Resumen no. 04
M R MS y MS ◦ R
MS ◦ R ≤ M R MS y M R MS ≤ | B | MS ◦ R .
2. T IPOS DE RELACIONES
2
Resumen no. 04 Mat. Andrés Merino
C OROLARIO 10. Sea R una relación sobre A, con A un conjunto finito. Se tiene
que R es transitiva si y solo si ( MR )2 ≤ | A| MR , para todo n ∈ N∗ .
3
Mat. Andrés Merino Resumen no. 04
T EOREMA 13
Sea R una relación sobre A, con A un conjunto finito de n elementos. Se tiene
que
R ∪ R2 ∪ · · · ∪ R n
3. R ELACIONES DE EQUIVALENCIA
4
Resumen no. 04 Mat. Andrés Merino
D EFINICIÓN 8
Sea ∼ una relación de equivalencia sobre A. El conjunto cociente de A por ∼
se define por
A/∼ = {[ x ] ⊆ A : x ∈ A}.
Dado que los elementos de A/∼ son disjuntos dos a dos y la unión de todos
o ellos da como resultado A, se dice que A/∼ genera una partición de A.
5
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUTURAS D ISCRETAS • R ESUMEN NO . 05
A1 × · · · × An = {( x1 , . . . , xn ) : x1 ∈ A1 , . . . , xn ∈ An }.
sC ( R) = {( x1 , . . . , xn ) ∈ R : ( x1 , . . . , xn ) cumple C }.
Además,
1
Mat. Andrés Merino Resumen no. 05
( x1 , . . . , x m − p , y1 , . . . , y p , z1 , . . . , z n − p ),
donde
( x1 , . . . , x m − p , y1 , . . . , y p ) ∈ R y (y1 , . . . , y p , z1 , . . . , zn− p ) ∈ S.
Pi ( x ) = Pi (y) implica x = y.
2. A LGORITMOS
D EFINICIÓN 9: Algoritmos
Un algoritmo es un conjunto finito de instrucciones precisas que sirve para
realizar un cálculo o resolver un problema.
2
Resumen no. 05 Mat. Andrés Merino
• Efectividad. Debe ser posible realizar cada paso del algoritmo con
exactitud y en un intervalo finito de tiempo.
2.1 Ejemplos
3
Mat. Andrés Merino Resumen no. 05
8 devolver m
6 devolver m
4
Resumen no. 05 Mat. Andrés Merino
3 6 si x > am entonces
7 i := m + 1
8 en otro caso
9 j := m
10 si x = ai entonces
11 devolver i
12 en otro caso
13 devolver 0
5
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUTURAS D ISCRETAS • R ESUMEN NO . 06
1. A LGORITMOS DE ORDENAMIENTO
Revisar: http://lwh.free.fr/pages/algo/tri/tri_es.htm
6 devolver ( a1 , a2 , . . . , an )
1
Mat. Andrés Merino Resumen no. 06
2
Resumen no. 06 Mat. Andrés Merino
2. A NÁLISIS DE ALGORITMOS
2.1 Notación O, Ω, Θ
D EFINICIÓN 1
Sean f y g funciones reales cuyos dominios son el mismo subconjunto de los
reales no negativos. Decimos que:
1. f es de orden al menos g, que se escribe f ( x ) es Ω( g( x )), si y sólo si,
existen A > 0 y a ≥ 0 tales que, para todo x > a
A| g( x )| ≤ | f ( x )|.
| f ( x ) ≤ B| g( x )|.
A| g( x )| ≤ | f ( x )| ≤ B| g( x )|.
3
Mat. Andrés Merino Resumen no. 06
xr es O( x s )
T EOREMA 3
Sean a0 , a1 , a2 , . . . an ∈ R, con n ∈ N∗ , tales que an 6= 0. Se tiene que
1. an x n + an−1 x n−1 + · · · + a1 x + a0 es O( x s ) para todo s ≥ n.
3. an x n + an−1 x n−1 + · · · + a1 x + a0 es Θ( x n ).
an x n + an−1 x n−1 + · · · + a1 x + a0 no es Θ( x m ).
4
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUTURAS D ISCRETAS • R ESUMEN NO . 07
1. A NÁLISIS DE ALGORITMOS
D EFINICIÓN 1
Dado un algoritmo A, cuyo conjunto de datos es D, se define la función
T : D → N, denominada tiempo de ejecución, de tal forma que para un dato
x ∈ D, T ( x ) es el número de operaciones elementales que realiza el algoritmo,
con el dato x, hasta finalizar.
D EFINICIÓN 2
Sea un algoritmo A cuyo conjunto de datos es D y, para x ∈ D tomemos
n x ∈ N una característica del dato x. Si para todo x, y ∈ D tal que n x =
ny = n ∈ N se tiene que T ( x ) = T (y) se dice que el tiempo de ejecución
no depende de la naturaleza de los datos sino únicamente del tamaño de la
entrada n y se redefine la función T : N → N de tal forma que para n ∈ N,
T (n) es el número de operaciones elementales que realiza el algoritmo, con datos
de cardinalidad n, hasta finalizar.
D EFINICIÓN 3
Sea un algoritmo A cuyo conjunto de datos es D y, para x ∈ D tomemos
n x ∈ N una característica del dato x. Para n ∈ N, se define:
• el tiempo del mejor caso:
1
Mat. Andrés Merino Resumen no. 07
• el tiempo esperado:
D EFINICIÓN 4
Sea un algoritmo A cuyo conjunto de datos es D y, para x ∈ D tomemos
n x ∈ N una característica del dato x.
• Si existe una función g : N → N tal que Tm (n) es Θ( g(n)), decimos que
el mejor caso de A es Θ( g(n)) o que A tiene un mejor caso de orden
g ( n ).
2. S UCESIONES Y RECURSIVIDAD
D EFINICIÓN 5: Sucesión
Dado un conjunto A, una sucesión de elementos de A es una función
x : N −→ A
n 7−→ x (n).
2
Resumen no. 07 Mat. Andrés Merino
f : R −→ R
x 7−→ x · a.
• γ(0) = 1, y
• a0 = 1, y
3
Mat. Andrés Merino Resumen no. 07
• a0 = 1, y
1 d e f expa ( n ) :
2 i f n == 0 :
¥ 3 return 1
4 else :
5 r e t u r n e x p a ( n−1)∗ a
• 0! = 1 y
• 0! = 1 y
4
Resumen no. 07 Mat. Andrés Merino
1 def f a c t o r i a l (n) :
2 i f n == 0 :
¥ 3 return 1
4 else :
5 r e t u r n n ∗ f a c t o r i a l ( n−1)
0 n +1 n
∑ a i = a0 . y ∑ a i = a n +1 + ∑ a i
i =0 i =0 i =0
5
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUTURAS D ISCRETAS • R ESUMEN NO . 08
1. I NDUCCIÓN MATEMÁTICA
2. si n ∈ A, entonces n + 1 ∈ A,
entonces A = N.
T EOREMA 2
Dada una función proposicional P(n) sobre el conjunto de los números natu-
rales, se tiene que, si P cumple que
1. P(0) es cierta y
1
Mat. Andrés Merino Resumen no. 08
2. Si x ∈ S, entonces f ( x ) ∈ S.
Para construir un conjunto S de manera recursiva basta con definir sus ele-
o mentos iniciales y una manera de obtener nuevos elementos a partir de los
ya existentes.
2. Si w ∈ Σ∗ y x ∈ Σ, entonces wx ∈ Σ∗ .
2
Resumen no. 08 Mat. Andrés Merino
3. A LGORITMOS RECURSIVOS
D EFINICIÓN 3: Algoritmo recursivo
Un algoritmo se dice recursivo si resuelve un problema reduciéndolo a un caso
del mismo problema con datos de entrada más pequeños.
3
Mat. Andrés Merino Resumen no. 08
para n!.
4
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUTURAS D ISCRETAS • R ESUMEN NO . 09
1. G RAFOS Y MULTIGRAFOS
D EFINICIÓN 1: Grafo
Sean V un conjunto finito y A un subconjunto de pares no ordenados de V.
Se dice que G = (V, A) es un grafo, al conjunto V se lo denomina vértices
de grafo y al conjunto A se lo denomina aristas del grafo. Para e ∈ A, si
e = {u, v}, con u, v ∈ V, se dice que la arista e une el vértice u con el vértice v.
Dado un grafo G = (V, A), si para algún u ∈ V se tiene que e une el vértice
o v consigo mismo, se dice que e es un lazo. Si un grafo no contiene lazos, se
dice que es un grafo simple.
D EFINICIÓN 2: Multigrafo
Sean V y A conjuntos y f una función de A en el conjunto de pares no orde-
nados de V. Se dice que G = (V, A, f ) es un multigrafo, al conjunto V se lo
denomina vértices de grafo y al conjunto A se lo denomina aristas del grafo.
Para e ∈ A, si f (e) = {u, v}, con u, v ∈ V, se dice que la arista e une el vértice
u con el vértice v.
D EFINICIÓN 3
Sean G = (V, A) un grafo y u, v ∈ V. Se dice que u y v son adyacentes en G si
existe e ∈ A tal que e une u con v.
D EFINICIÓN 4
Sea G = (V, A) un grafo (multigrafo). Para u ∈ V, se define el grado de u,
denotado por grad(u), por el número de aristas en A que contienen a u como
uno de sus extremos (en caso de que existan lazos, estos cuentan por dos).
1
Mat. Andrés Merino Resumen no. 09
∑ grad(u) = 2| A|.
u ∈V
¿Cuál es el número máximo de aristas que puede tener un grafo sin lazos?
2. G RAFOS DIRIGIDOS
D EFINICIÓN 5: Grafo
Sean V un conjunto finito y A un subconjunto de pares ordenados de V. Se
dice que G = (V, A) es un grafo dirigido o digrafo, al conjunto V se lo deno-
mina vértices de grafo y al conjunto A se lo denomina arcos del grafo. Para
e ∈ A, si e = (u, v), con u, v ∈ V, se dice que el arco e empieza en el vértice u
y termina en el vértice v.
D EFINICIÓN 6
Sean G = (V, A) un grafo dirigido y u, v ∈ V. Se dice que u y v son adyacentes
en G si existe e ∈ A tal que e une u con v o viceversa.
2
Resumen no. 09 Mat. Andrés Merino
D EFINICIÓN 7
Sea G = (V, A) un grafo dirigido. Si los arcos o vértices de G se etiquetan con
algún tipo de datos, se dice que G es un grafo dirigido etiquetado.
D EFINICIÓN 8
Sea G = (V, A) un grafo dirigido. Si B ⊆ A y U ⊆ V son tales que ( B, U ) es
un grafo dirigido, entonces se dice que ( B, U ) es un subgrafo de G.
D EFINICIÓN 9
Sea G = (V, A) un grafo dirigido. Para u ∈ V, se define el grado de salida
de u, denotado por grads (u), por el número de aristas en A que contienen a
u como su extremo inicial. De manera similar, se define el grado de entrada
de u, denotado por grade (u), por el número de aristas en A que contienen a u
como su extremo final.
T EOREMA 3
Sea G = (V, A) un grafo dirigido. La suma de los grados de salida de los
vértices de G es igual a la suma de los grados de entrada de los vértices e
igual al número de aristas de G, es decir
3
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUTURAS D ISCRETAS • R ESUMEN NO . 10
1. I SOMORFISMOS Y HOMEOMORFISMOS
D EFINICIÓN 1
Sea G = (V, A) un grafo (multigrafo). Si B ⊆ A y U ⊆ V son tales que
( B, U ) es un grafo (multigrafo), entonces se dice que ( B, U ) es un subgrafo
(submultigrafo) de G.
E JEMPLO 1.
D EFINICIÓN 3
Sean G = (V, A) un grafo y {u, v} ∈ A. Una subdivisión elemental es el grafo
resultante al eliminar la arista {u, v} y añadiendo un nuevo vértice w junto
con las aristas {u, w} y {w, v}.
D EFINICIÓN 4
Sean G1 = (V1 , A1 ) y G2 = (V2 , A2 ) dos grafos. Se dice que G1 y G2 son
homeomorfos si se pueden obtener a partir de un mismo grafo por medio de
una secuencia de subdivisiones elementales.
1
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUTURAS D ISCRETAS • R ESUMEN NO . 11
n n
grad(v j ) = ∑ mij = ∑ m ji .
i =1 i =1
D EFINICIÓN 3
Sea G = (V, A) un grafo. Para v ∈ V, se define por V [v] al conjunto de todos
los vértices que son adyacentes a v. Para C ⊆ V, se define por V [C ] al conjunto
de todos los vértices que son adyacentes con algún vértice de C.
1
Mat. Andrés Merino Resumen no. 11
b f
e a c
g d
2. C AMINOS Y CONECTIVIDAD
D EFINICIÓN 5: Camino
Sean G = (V, A) un grafo (multigrafo) y a, b ∈ V. Un camino entre a y b es
una secuencia
C = ( v 0 , e1 , v 1 , e2 , v 2 , . . . , e n −1 , v n −1 , e n , v n )
2
Resumen no. 11 Mat. Andrés Merino
D EFINICIÓN 8: Recorrido
Sean G un grafo (multigrafo) y α un camino en G. Se dice que α es un recorrido
si todas sus aristas son diferentes.
T EOREMA 5
Sean G = (V, A) un grafo (multigrafo) y a, b ∈ V. Existe un camino entre a y
b si y solo si existe un camino simple entre a y b.
D EFINICIÓN 11
Sea G = (V, A) un grafo (multigrafo). Se dice que G es conexo si para todo
u, v ∈ V, existe un camino entre u y v.
D EFINICIÓN 12
Sean G = (V, A) un grafo (multigrafo) y u, v ∈ V. Se dice que u y v están
conectados si existe un camino entre u y v.
D EFINICIÓN 13
Sea G un grafo (multigrafo). A cada clase de equivalencia de G bajo la relación
“estar conectados” se la denomina componente conexa de G.
3
Mat. Andrés Merino Resumen no. 11
diam( G ) = máx{d(u, v) : u, v ∈ V }.
4
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUTURAS D ISCRETAS • R ESUMEN NO . 11
T EOREMA 1
Sean G un grafo (multigrafo) conexo. Se tiene que G es euleriano si y solo si
todo vértice tiene grado par.
T EOREMA 2
Sean G un grafo (multigrafo) conexo. Se tiene que si G posee únicamente dos
vértices de grado impar, entonces existe un recorrido euleriano, el cual inicia
en uno de los vértices de grado impar y termina en el otro.
Un circuito euleriano recorre cada arista exactamente una vez, aunque pue-
o de repetir vértices, mientras que un circuito hamiltoniano visita cada vérti-
ce exactamente una vez aunque no puede repetir aristas.
T EOREMA 3
Sean G = (V, A) un grafo (multigrafo) conexo de n vértices, con n ≥ 3. Si para
todo u ∈ V se cumple que grad(u) ≥ n/2, entonces el grafo es hamiltoneano.
1
Mat. Andrés Merino Resumen no. 11
1 Función CaminoEuleriano(G,v1 ):
2 H := G
3 C : = ( v1 )
4 v : = v1
5 mientras H tenga vértices hacer
3 6 e := una arista con extremo en v que no sea un puente de H (a menos que
no se tenga otra opción)
7 v := el otro vértice de e
8 C := Concatenar(C,v)
9 H := H sin e y sin todos los vértices aislados
10 devolver C;
D EFINICIÓN 4
Sean G = (V, A) un grafo (multigrafo) y p : A → [0, +∞[. A p se la llama
función de pesos o de ponderaciones del grafo G. A
∑ p(e)
e∈ A
D EFINICIÓN 5
Sean G un grafo, p una función de pesos de G y C un subgrafo de G o un
camino en G. El peso de C se define por
∑ p ( e ),
e∈ B
2
Resumen no. 11 Mat. Andrés Merino
3
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUTURAS D ISCRETAS • R ESUMEN NO . 13
1. G RAFOS PLANOS
D EFINICIÓN 2: Regiones
Sea G un grafo plano conexo. Se tiene que la representación plana de G deli-
mita regiones en el plano, entre ellas una región no acotada.
T EOREMA 1: Euler
Sea G = (V, A) un grafo plano conexo sin lazos y sea R el conjunto de sus
regiones. Se tiene que
| R| + |V | − | A| = 2.
P ROPOSICIÓN 3. Sea G un grafo plano conexo sin lazos. Se tiene que G posee
un vértice de grado menor o igual a 5.
1
Mat. Andrés Merino Resumen no. 13
T EOREMA 5: Kuratowski
Un grafo es plano si y slo si no contiene ningún subgrafo homeomorfo a K3,3
o a K5 .
2. C OLOREADOS DE GRAFOS
¿Cuántos colores son suficientes para colorear un mapa de tal manera que dos
regiones que tengan una frontera en común no tengan el mismo color?
D EFINICIÓN 3: Grafo dual
Dado un mapa, si a cada región del mapa se le asigna un vértice y si dos
regiones del mapa tienen una frontera en común se asigna una arista entre
los vértices asignados a las regiones, el grafo que se obtiene se lo denomina el
grafo dual al mapa.
D EFINICIÓN 4: Coloración
Sean G = (V, A) un grafo sin lazos y c : V → N. Se dice que c es una colora-
ción de G si para todo u, v ∈ V que sean adyacentes se tiene que c(u) 6= c(v).
2
Resumen no. 13 Mat. Andrés Merino
1 Función Coloreado(G):
2 C := ∅ /* Vértices coloreados */
3 n := 1 /* Color actual */
4 mientras C 6= V hacer
5 v := Primero(V r C) /* Vértice actual */
6 Cn := {v} /* Vértices del color actual */
3 7 para u ∈ V r C hacer
8 si u 6∈ V [Cn ] entonces
9 Cn = Cn ∪ {u}
10 C := C ∪ Cn
11 n := n + 1
12 devolver C1 , C2 , . . . , Cn
3. Á RBOLES
D EFINICIÓN 6: Árbol
Sea T un grafo. Se dice que T es un árbol si es conexo y no posee ciclos (cami-
nos cerrados).
D EFINICIÓN 7: Bosque
Sea G un grafo. Se dice que G es un bosque si no posee ciclos (caminos cerra-
dos). Cada componente conexa de G es un árbol.
T EOREMA 8
Sea T un grafo de n vértices, con n ∈ N ∗ . Se tiene que las siguientes son
equivalentes:
• T es un árbol.
3
Mat. Andrés Merino Resumen no. 13
4
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUTURAS D ISCRETAS • R ESUMEN NO . 13
1
Mat. Andrés Merino Resumen no. 13
Con esto, podemos generar un árbol de expansión marcando cada arista que
vamos recorriendo en el algoritmo BFS.
Dados G = (V, A) un grafo y v ∈ V, el pseudocodigo para la función que
devuelve un árbol de expansión de G con raíz en v utilizando BFS es:
1 Función ArbolExpansionBFS(G,v):
2 Q := (v) /* Vértices que se visitarán */
3 M := {v} /* Vértices ya visitados */
4 T := ∅ /* Aristas del árbol resultante */
5 mientras Q 6= ∅ hacer
6 u := Ultimo(Q) /* Vértice actual */
7 Q := SinUltimo(Q)
3 8 para w ∈ V [u] hacer
9 si w 6∈ M entonces
10 M := M ∪ {w}
11 T := T ∪ {{w, u}}
12 Q := Concatenar(w,Q)
13 devolver (M,T)
2
Resumen no. 13 Mat. Andrés Merino
1 d e f DFS (G , v ) :
2 Q = [v]
3 M = {v}
4 w h i l e Q != [ ] :
5 u = Q[ −1]
6 i f a l l ( a in M f o r a in G[ u ] ) :
¥ 7 Q = Q[ : − 1 ]
8 else :
9 f o r w in G[ u ] :
10 i f w n o t i n M:
11 M. add (w)
12 Q . append (w)
13 break
Con esto, podemos generar un árbol de expansión marcando cada arista que
vamos recorriendo en el algoritmo DFS.
Dados G = (V, A) un grafo y v ∈ V, el pseudocodigo para la función que
devuelve un árbol de expansión de G con raíz en v utilizando DFS es:
1 Función DFS(G,v):
2 Q := (v) /* Vértices que se visitarán */
3 M := {v} /* Vértices ya visitados */
4 T := ∅ /* Aristas del árbol resultante */
5 mientras Q 6= ∅ hacer
6 u := Ultimo(Q) /* Vértice actual */
7 si V [u] ⊆ M entonces
8 Q := SinUltimo(Q))
3 9 en otro caso
10 para w ∈ V [u] hacer
11 si w 6∈ M entonces
12 M := M ∪ {w}
13 T := T ∪ {{w, u}}
14 Q := Concatenar(Q,w)
15 Salir;
16 devolver (M,T);
3
Mat. Andrés Merino Resumen no. 13
1 Función Kruskal(G):
2 T := ∅ /* Aristas del árbol resultante */
3 para v ∈ V hacer
4 Cv := {v} /* Componente del vértice v */
11 devolver T;
2. Á RBOLES
• Un árbol con raíz suele utilizarse para representar sistemas de archivos (John-
sonbaugh, pág. 381).
3. vn es un hijo de vn−1 ;
4
Resumen no. 13 Mat. Andrés Merino
D EFINICIÓN 4
Un árbol binario completo es un árbol binario en el que cada vértice tiene dos
o cero hijos.
T EOREMA 1
Si T es un árbol binario completo con n vértices internos, entonces T tiene
n + 1 vértices terminales y 2n + 1 vértices en total.
T EOREMA 2
Si un árbol binario de altura h tiene t vértices terminales, entonces
log2 (t) ≤ h.
5
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS • E JERCICIOS NO . 01
1. C ONJUNTOS
Solución. Notemos que ∅ ∈ {∅}, pero ∅ 6∈ ∅, por lo tanto los conjuntos no son iguales.
o
{ a, ∅} = {d, {∅}} ∧ {b, {∅}} = {c, ∅}.
lo cual equivale a
[ a = c ∨ a = c ] ∧ [ b = d ∨ b = d ],
es decir, que a = c y b = d.
Del segundo caso, se tiene que
( a = {∅} ∧ d = ∅) ∧ (b = ∅ ∧ c = {∅}),
1
Mat. Andrés Merino Ejercicios no. 01
Solución. Notemos que {∅} contiene únicamente al elemento ∅, mientras que {{∅}} contiene
únicamente al elemento {∅}, así que para los conjuntos sean iguales, dichos elementos deben ser
iguales; sin embargo, por el Ejercicio 1, tenemos que ∅ 6= {∅}, luego los conjuntos dados no son
iguales.
E JERCICIO 4. Dado los conjuntos a, b y c, ¿cómo definiría una tripleta ordenada con lo visto
en clase? (use los ejercicios anteriores).
Demostración. Debemos hallar todos los subconjuntos de A. Por comodidad los vamos a listar por
el número de elementos que posean:
Con esto, tenemos que P ( A) = {∅, { a}, {b}, {c}, { a, b}, { a, c}, {b, c}, { a, b, c}}.
P (∅) = {∅}.
Por otra parte, el conjunto P (∅) tiene por subconjuntos a ∅ y {∅}, por lo tanto
2
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS • E JERCICIOS NO . 02
E JERCICIO 1. Dados
A = { a, b, c}, B = {u, v} y C = { p },
Determine A × B, B × A y A × C.
A × B = {( a, u), ( a, v), (b, u), (b, v), (c, u), (c, v)},
B × A = {(u, a), (u, b), (u, c), (v, a), (v, b), (v, c)}
y
A × C = {( a, p), (b, p), (c, p)}.
In[1]:= cA={a};
cB={b,c};
Length[Subsets[Subsets[Union[cA,cB]]]]
Out[1]= 256
1
Mat. Andrés Merino Ejercicios no. 02
Solución.
[
I. [0, n] = [0, +∞[.
n ∈N ∗
[
II. [0, 1 − 1/n] = [0, 1[.
n ∈N ∗
\
III. [0, 1/n] = {0}.
n ∈N ∗
\
IV. ]0, 1/n] = ∅.
n ∈N ∗
2. F UNCIONES
f ( x ) = 4x mód 5,
f ( x ) = 4x mód 5,
determine f ◦ f .
2
Ejercicios no. 02 Mat. Andrés Merino
a) 1 Ac = 1 − 1 A
b) 1 A∩ B = 1 A · 1B
c) 1 A∪ B = 1 A + 1B − 1 A · 1B
Solución.
1 Ac = 1 − 1 A .
1 A∩ B = 1 A · 1B .
1 A ∪ B ( x ) = 1 A ( x ) + 1 B ( x ) − 1 A ( x ) · 1 B ( x ).
3
Mat. Andrés Merino Ejercicios no. 02
1 A∩ B ( x ) = 1 A ( x ) · 1B ( x ) = 0,
1 A ∪ B ( x ) = 1 A ( x ) + 1 B ( x ) − 1 A ( x ) · 1 B ( x ).
1 A∩ B ( x ) = 1 A ( x ) · 1B ( x ) = 1,
y además 1 A ( x ) = 1 y 1B ( x ) = 1, luego
1 A ∪ B ( x ) = 1 A ( x ) + 1 B ( x ) − 1 A ( x ) · 1 B ( x ).
Además,
1 si x ∈ A ∧ x ∈ B,
0 si x 6∈ A ∧ x ∈ B,
1 A ( x ) · 1B ( x ) =
0 si x ∈ A ∧ x 6∈ B,
0 si x 6∈ A ∧ x 6∈ B.
4
Ejercicios no. 02 Mat. Andrés Merino
1 A∪ B = 1 A + 1B − 1 A · 1B .
1 A ( x ) + 1B ( x ) − 1 A ( x ) · 1B ( x ) = 1 A ( x ) + 1B ( x ) − 1 A∩ B ( x )
Con esto:
2 si x ∈ A ∧ x ∈ B,
1 si x 6∈ A ∧ x ∈ B,
1 A ( x ) + 1B ( x ) =
1
si x ∈ A ∧ x 6∈ B,
0 si x 6∈ A ∧ x 6∈ B.
Además,
1 si x ∈ A ∩ B,
1 A∩ B ( x ) =
0 si x 6∈ A ∩ B.
Por lo tanto,
1 A ( x ) + 1B ( x ) − 1 A ( x ) · 1B ( x ) = 1 A ( x ) + 1B ( x ) − 1 A∩ B ( x )
5
Mat. Andrés Merino Ejercicios no. 02
1 si ( x ∈ A ∧ x ∈ B) ∧ x ∈ A ∩ B,
0 si ( x 6∈ A ∧ x ∈ B) ∧ x ∈ A ∩ B,
si ( x ∈ A ∧ x 6∈ B) ∧ x ∈ A ∩ B,
0
−1
si ( x 6∈ A ∧ x 6∈ B) ∧ x ∈ A ∩ B,
=
2
si ( x ∈ A ∧ x ∈ B) ∧ x 6∈ A ∩ B,
1 si ( x 6∈ A ∧ x ∈ B) ∧ x 6∈ A ∩ B,
si ( x ∈ A ∧ x 6∈ B) ∧ x 6∈ A ∩ B,
1
0 si ( x 6∈ A ∧ x 6∈ B) ∧ x 6∈ A ∩ B.
1 A∪ B = 1 A + 1B − 1 A · 1B .
E JERCICIO 10. Dado un conjunto n, ¿se tiene que n ∈ n+ ?, ¿se tiene que n ⊆
n+ ?
6
Ejercicios no. 02 Mat. Andrés Merino
Solución. Recordemos que 0 = ∅, 1 = {∅} y 2 = {0, 1}, por lo que 2 = {∅, {∅}}.
Así, tenemos que
4 = 3+
= 3 ∪ {3}
= {∅, {∅}, {∅, {∅}}} ∪ {{∅, {∅}, {∅, {∅}}}}
= {∅, {∅}, {∅, {∅}}, {∅, {∅}, {∅, {∅}}}}.
Demostración. Del Ejercicio 10 tenemos que para todo conjunto n se cumple que
n ⊆ n+ , por lo tanto n ∪ n+ = n+ . Así, tenemos que 0 ∪ 1 = 1, 1 ∪ 2 = 2, 2 ∪ 3 = 3
y 3 ∪ 4 = 4, por lo tanto
[
n = 0 ∪ 1 ∪ 2 ∪ 3 ∪ 4 = 4.
n ∈5
7
Mat. Andrés Merino Ejercicios no. 02
Solución.
[
I. {n} = N.
n ∈N
[
II. n = N.
n ∈N
[
III. {n} = P, donde P es el conjunto de números pares.
n∈ P
[
IV. n = N, donde P es el conjunto de números pares.
n∈ P
4. L ÓGICA PROPOSICIONAL
• (( p ∧ q) ⇒ r ) ∧ ¬(s ∨ p)
• ¬(s ∨ p) ⇒ ((¬ p ⇔ q) ∨ ¬r )
Solución.
Out[1]//TableForm=
p q r s Resultado
8
Ejercicios no. 02 Mat. Andrés Merino
In[2]:= TautologyQ[raz1]
Out[2]= False
In[3]:= SatisfiabilityInstances[raz1, p, q, r, s]
9
Mat. Andrés Merino Ejercicios no. 02
Out[4]//TableForm=
p q r s Resultado
10
Ejercicios no. 02 Mat. Andrés Merino
In[5]:= TautologyQ[raz2]
Out[5]= False
In[6]:= SatisfiabilityInstances[raz2, p, q, r, s]
11
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS • E JERCICIOS NO . 03
I. ( p ∨ q) ∧ (¬ p ∨ r )
II . ¬ p ∨ ( p ⇒ ¬r )
III . ( p ∧ ¬q) ∨ ( p ∧ r )
IV . ( p ∨ q ) ⇔ ¬r
I. In[1]:= BooleanConvert[And[Or[p,q],Or[Not[p],r]],"DNF"]
Out[1]= (p&&r)||(!p&&q)
Out[2]= !p||Neg[p]||Neg[r]
1
Mat. Andrés Merino Ejercicios no. 03
• p ∨ q ≡ ¬p ⇒ q
• ¬p ≡ ¬p
Para comprobar esto, podemos hacer solo las tablas de verdad. Con esto, gracias
a que {¬, ∨} es un conjunto adecuado de conectivas, se tiene que {⇒, ¬} también
lo es.
2. R ELACIONES
I. R1 = {( x, y) ∈ A × B : x < y}
II . R2 = {( x, y) ∈ A × B : x ≤ y}
2
Ejercicios no. 03 Mat. Andrés Merino
I. {( x, y) ∈ A2 : x = y}
II . {( x, y) ∈ A2 : x < y}
III . {( x, y) ∈ A2 : x ≤ y}
I. {( x, y) ∈ A2 : x = y}
II . {( x, y) ∈ A2 : x < y}
III . {( x, y) ∈ A2 : x > y}
IV . {( x, y) ∈ A2 : x ≤ y}
V. {( x, y) ∈ A2 : x ≥ y}
y la relación
R = {( x, y) ∈ A × B : x2 = 5 − y2 },
determinar:
3
Mat. Andrés Merino Ejercicios no. 03
Solución.
I. Tenemos que
R = {(−2, −1), (−2, 1), (−1, −2), (−1, 2), (1, −2), (1, 2), (2, −1), (2, 1)}.
In[5]:= ListPlot[{{-2,-1},{-2,1},{-1,-2},{-1,2},{1,-2},{1,2},
{2,-1},{2,1}}]
-2 -1 1 2
-1
-2
4
Ejercicios no. 03 Mat. Andrés Merino
1
2
-2
-1
-3 3 0
VI . Se tiene que
R−1 = {(−1, −2), (1, −2), (−2, −1), (2, −1), (−2, 1), (2, 1), (−1, 2), (1, 2)} = R.
A = {1, 2, 3, 4}, B = { a, b, c, d} y C = { x, y, z}
las relaciones
R = {(1, a), (2, d), (3, a), (3, b), (3, d)} y S = {(b, x ), (b, z), (c, y), (d, z)}.
5
Mat. Andrés Merino Ejercicios no. 03
de A en B y de B en C, respectivamente. Determinar:
II . R −1 y S −1 .
III . R ◦ S.
Solución.
In[7]:= cA = 1, 2, 3, 4;
cB = a, b, c, d;
cC = x, y, z;
R = 1, a, 2, d, 3, a, 3, b, 3, d;
S = b, x, b, z, c, y, d, z;
fR[x_, y_] := MemberQ[Union[R, S], x, y];
RelationGraph[fR, Union[cA, cB, cC], Union[cA, cB, cC],
VertexLabels -> Automatic]
1 3 2 c
a b d y
x z
II . Se tiene que
R−1 = {( a, 1), (d, 2), ( a, 3), (b, 3), (d, 3)}
6
Ejercicios no. 03 Mat. Andrés Merino
y
S−1 = {( x, b), (z, b), (y, c), (z, d)}.
7
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS • E JERCICIOS NO . 04
1. C LASES DE RELACIONES
Solución.
I. La relación R1 es reflexiva, pues se tiene que todo elemento de A está rela-
cionado consigo mismo y su representación matricial está dada por
1 0 0
M R1 = 0 1 0 .
0 0 1
0 0 1
0 0 0
1
Mat. Andrés Merino Ejercicios no. 04
0 0 0
Solución.
I. La relación R1 es simétrica, pues para todo elemento x, y ∈ A se tiene que
( x, y) ∈ R1 implica que (y, x ) ∈ R1 . La representación matricial de R1 está
dada por
1 0 0
M R1 = 0 1 0 .
0 0 1
0 0 1
1 0 0
2
Ejercicios no. 04 Mat. Andrés Merino
0 0 0
Solución.
0 0 1
0 0 1
1 0 0
3
Mat. Andrés Merino Ejercicios no. 04
0 0 0
Solución.
I. La relación R1 es transitiva, pues para todo x, y, z ∈ A, se tiene que ( x, y) ∈
R1 y (y, z) ∈ R1 implica ( x, z) ∈ R1 . La representación matricial de R1 está
dada por
1 0 0
M R1 = 0 1 0 .
0 0 1
0 0 1
1 0 0
4
Ejercicios no. 04 Mat. Andrés Merino
0 0 0
V. R5 = A × A.
Solución.
I.
II .
5
Mat. Andrés Merino Ejercicios no. 04
III .
IV .
6
Ejercicios no. 04 Mat. Andrés Merino
V.
2. P ROPIEDADES DE CERRADURA
determinar:
Solución.
7
Mat. Andrés Merino Ejercicios no. 04
R1 = R ∪ ∆ A
= {( x, y), (y, z), ( x, x ), (y, y)} ∪ {( x, x ), (y, y), (z, z)}
= {( x, y), (y, z), ( x, x ), (y, y), (z, z)}
R 2 = R ∪ R −1
= {( x, y), (y, z), ( x, x ), (y, y)} ∪ {(y, x ), (z, y), ( x, x ), (y, y)}
= {( x, y), (y, z), ( x, x ), (y, y), (y, x ), (z, y)}.
y
R3 = {( x, x ), ( x, y), ( x, z), (y, y), (y, z)},
por lo tanto
R3 = R ∪ R2 ∪ R3
= {( x, y), (y, z), ( x, x ), (y, y)} ∪ {( x, x ), ( x, y), ( x, z), (y, y), (y, z)}
∪ {( x, x ), ( x, y), ( x, z), (y, y), (y, z)}
= {( x, x ), ( x, y), ( x, z), (y, y), (y, z)}.
3. C LASES DE EQUIVALENCIA
8
Ejercicios no. 04 Mat. Andrés Merino
R = {(1, 1), (1, 2), (2, 1), (2, 2), (3, 3)},
determinar:
Solución.
Determinar:
I. La matriz de la relación R.
Solución.
9
Mat. Andrés Merino Ejercicios no. 04
0 1 1 0 0 1
In[1]:= mR={{1,0,0,0,1,0},{0,1,1,0,0,1},{0,1,1,0,0,1},
{0,0,0,1,0,0} ,{1,0,0,0,1,0},{0,1,1,0,0,1}};
And@@Thread[Table[1,6] ≤ Diagonal[mR]]
Out[1]= True
In[2]:= mR == Transpose[mR]
Out[2]= True
Out[3]= True
In[4]:= AdjacencyGraph[mR]
10
Ejercicios no. 04 Mat. Andrés Merino
6 3 4
5 1
R1 = R ∪ ∆ A
= {(1, 2), (2, 3), (1, 1), (2, 2)} ∪ {(1, 1), (2, 2), (3, 3)}
= {(1, 2), (2, 3), (1, 1), (2, 2), (3, 3)}.
R2 = R1 ∪ R1−1
= {(1, 2), (2, 3), (1, 1), (2, 2), (3, 3)} ∪ {(2, 1), (3, 2), (1, 1), (2, 2), (3, 3)}
11
Mat. Andrés Merino Ejercicios no. 04
= {(1, 2), (2, 3), (1, 1), (2, 2), (3, 3), (2, 1), (3, 2)}.
R22 = {(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)}
y
R32 = {(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)},
por lo tanto
R3 = R2 ∪ R22 ∪ R32
= {(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)}.
R3 = {(1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)}.
12
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS • E JERCICIOS NO . 05
E JERCICIO 1. Resolver los ejercicios 5, 9, 14, 18 de la sección 3.4, pág. 141 del
libro de Johnsonbaugh (http://bit.ly/3tCTT7a).
Solución.
5. Empleado[Nombre]
2. A LGORITMOS
Solución.
Datos: Tres números reales a, b y c
Resultado: El mínimo entre a, b y c
1 Función Mínimo(a, b, c):
2 m := a /* m será el mínimo de los números */
3 si m > b entonces
3 4 m := b
5 si m > c entonces
6 m := c
7 devolver m
1
Mat. Andrés Merino Ejercicios no. 05
6 devolver k
Para los siguientes ejercicios, considere que solo se pueden realizar ope-
raciones y comparaciones sobre números reales, además, se tienen las si-
guientes funciones
I. Dada una matriz A ∈ Rn×n , para 0 ≤ i, j ≤ n, la expresión A(i, j)
obtiene el elemento de la fila i y columna j de la matriz.
o
II . TamañoMatriz: toma como argumento una matriz cuadrada y devuel-
ve el tamaño de la matriz.
Solución.
Datos: Una matriz cuadrada A
Resultado: Si la relación es reflexiva, devuelve 1 y si no lo es, devuelve 0
1 Función EsReflexiva(A):
2 n := TamañoMatriz( A) /* n es el tamaño de la matriz */
3 k=1 /* k será el índice que iremos recorriendo */
4 t=1 /* t guardará la información de si A es reflexiva o no */
3 5 mientras k ≤ n ∧ t = 1 hacer
6 si A(k, k ) 6= 1 entonces
7 t=0
8 k := k + 1
9 devolver t
2
Ejercicios no. 05 Mat. Andrés Merino
Solución.
Datos: Una matriz cuadrada A
Resultado: Si la relación es simétrica, devuelve 1 y si no lo es, devuelve 0
1 Función EsSimétrica(A):
2 n := TamañoMatriz( A) /* n es el tamaño de la matriz */
3 i := 1 /* i será el índice que recorrerá las filas */
4 t := 1 /* t guardará la información de si A es simétrica o no */
5 mientras i ≤ n ∧ t = 1 hacer
3 6 j := 1 /* j será el índice que recorrerá las columnas */
7 mientras j < i ∧ t = 1 hacer
8 si A(i, j) 6= A( j, i ) entonces
9 t=0
10 j := j + 1
11 i := i + 1
12 devolver t
Solución.
Datos: Una matriz cuadrada A
Resultado: Una matriz con unos en las entradas en las que A tiene valores positivos
1 Función ReemplazaPorUnos(A):
2 n := TamañoMatriz( A) /* n es el tamaño de la matriz */
3 para i ∈ {1, . . . , n} hacer
3 4 para j ∈ {1, . . . , n} hacer
5 si A(i, j) > 0 entonces
6 A(i, j) := 1
7 devolver A
Solución.
3
Mat. Andrés Merino Ejercicios no. 05
Solución. Por comodidad, primero definiremos una función que reciba una matriz
y un número natural n positivo, y devuelva la suma de las primeras n potencias
positivas de la matriz.
Datos: Una matriz cuadrada A y un entero positivo n
Resultado: Devuelve el resultado de la suma A + A2 + A3 + · · · + An
1 Función SumaPotencias(A,n):
2 B := A /* B guardará la suma de las potencias de A */
3 si n == 1 entonces
3 4 devolver B
5 en otro caso
6 para i ∈ {2, . . . , n} hacer
7 B := B + MatrixExp( A, i )
8 devolver B
4
Ejercicios no. 05 Mat. Andrés Merino
5
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS • E JERCICIOS NO . 06
1. A NÁLISIS DE ALGORITMOS
1
| g( x )| ≤ | f ( x )|,
B
1
y, ya que > 0, se sigue que f ( x ) es Ω( g( x )).
B
f ( x ) + g( x ) es O(h( x ))
Solución. Si f ( x ) es O(h( x )), existen A > 0 y a ≥ 0 y tales que, para todo x > a
| f ( x )| ≤ A|h( x )|,
| g( x )| ≤ B|h( x )|.
1
Mat. Andrés Merino Ejercicios no. 06
f ( x ) + g( x ) es Ω(h( x ))
B|h( x )| ≤ | g( x )| = g( x ).
por lo tanto
C |h( x )| ≤ | f ( x ) + g( x )|,
f ( x ) g( x ) es O((h( x ))2 )
Solución. Si f ( x ) es O(h( x )), existen A > 0 y a ≥ 0 y tales que, para todo x > a
| f ( x )| ≤ A|h( x )|,
| g( x )| ≤ B|h( x )|.
2
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS • E JERCICIOS NO . 07
1. A NÁLISIS DE ALGORITMOS
Solución. Para el bucle de la linea 4, se ejecutan 2 operaciones por cada valor que
puede tomar la variable i. Dado que i puede tomar los valores entre 2 y n, tenemos
que i puede tomar n − 2 + 1 = n − 1 valores. Así, en las lineas 4 y 5, el algoritmo
da 2(n − 1) operaciones, con esto:
T ( n ) = 2( n − 1)
para todo n ∈ N.
Solución. Para el bucle de la linea 3, se ejecuta 1 operación por cada valor que pue-
de tomar la variable i. Dado que i puede tomar como valores números pares entre
1
Mat. Andrés Merino Ejercicios no. 07
n
2 y n, tenemos que i puede tomar valores. Así, en las lineas 3 y 4, el algoritmo
2
n
da 2 · = n operaciones, con esto:
2
T (n) = n
para todo n ∈ N.
Solución. Para el bucle de la linea 4, se ejecutan 4 operaciones por cada valor que
puede tomar la variable j. Dado que j puede tomar los valores entre 1 e i, tenemos
que j puede tomar i − 1 + 1 = i valores. Así, en las lineas 4 y 5, se ejecutan 4i
operaciones.
Para el bucle de la línea 3. como i puede tomar los valores entre 1 y n, el algo-
ritmo da
4(1) + 4(2) + 4(3) + · · · + 4( n )
operaciones, es decir, da
n
∑ 4i = 2n(n + 1)
i =1
para todo n ∈ N.
2
Ejercicios no. 07 Mat. Andrés Merino
Solución. Para el bucle de la linea 5, se ejecuta 1 operación por cada valor que
puede tomar la variable j. Dado que j puede tomar los valores entre 1 e i, tenemos
que j puede tomar i − 1 + 1 = i valores. Así, en las lineas 5 y 6, se ejecutan i
operaciones.
Para el bucle de la línea 5, por cada valor que toma i se ejecutan i + 1 opera-
ciones. Dado que i puede tomar valores entre 1 y n, tenemos que i puede tomar
n − 1 + 1 = n valores. Así, entre las líneas 3 y 7, el algortimo da
(1 + 1) + (2 + 1) + · · · + ( n + 1)
operaciones, es decir, da
n n n
n ( n + 1) n ( n + 3)
∑i+1 = ∑i+∑1= 2
+n =
2
i =1 i =1 i =1
3
Mat. Andrés Merino Ejercicios no. 07
Calcule el tiempo del mejor caso, del peor caso y el tiempo esperado del
algoritmo en función del dato n.
Calcule el tiempo del mejor caso, del peor caso y el tiempo esperado del
algoritmo en función del dato n.
2. S UCESIONES Y RECURSIVIDAD
4
Ejercicios no. 07 Mat. Andrés Merino
Notemos que el tercer término de la sucesión se puede formar al sumar los dos
primeros; así mismo, el cuarto término se forma al sumar el segundo y tercer tér-
mino. De hecho, a partir del tercero, cada término de la sucesión se forma al sumar
los dos términos inmediatamente anteriores a él, es decir, que la sucesión de Fibo-
nacci se puede definir de manera recursiva como sigue:
F0 = 1, F1 = 1, y Fn = Fn−1 + Fn−2 ,
para cada n ≥ 2.
El pseudocodigo para la función que reciba un número natural y devuelva el
n-ésimo término de la sucesión de Fibonacci es:
Datos: Un número natural n
Resultado: El n-ésimo número de la sucesión de Fibonacci
1 Función Fibonacci(n):
2 si n = 0 o n = 1 entonces
3 3 devolver 1
4 en otro caso
5 devolver Fibonacci(n-1)+Fibonacci(n-2)
1 Función Fibonacci(n):
2 si n = 0 o n = 1 entonces
3 devolver 1
4 en otro caso
5 devolver (Fibonacci(n-1)+Fibonacci(n-2))
5
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS • E JERCICIOS NO . 08
1. I NDUCCIÓN M ATEMÁTICA
n = 3a + 5b.
8 = 3a + 5b.
3 · 1 + 5 · 1 = 3 + 5 = 8,
de donde
8 = 3a + 5b.
n = 3a + 5b.
n + 1 = 3a′ + 5b′ .
n + 1 = 3a + 1
= 3( a − 3) + 3 · 3 + 1
= 3( a − 3) + 10
= 3( a − 3) + 5 · 2;
1
Mat. Andrés Merino Ejercicios no. 08
n + 1 = 3a′ + 5b′ .
n + 1 = 3a + 5b + 1
= 3a + 5(b − 1) + 5 + 1
= 3a + 5(b − 1) + 6
= 3a + 5(b − 1) + 3 · 2
= 3( a + 2) + 5( b − 1);
n + 1 = 3a′ + 5b′ .
n + 1 = 3a′ + 5b′ .
n
n ( n + 1)
∑k= 2
.
k =0
0
0(0 + 1)
∑k= 2
.
k =0
2
Ejercicios no. 08 Mat. Andrés Merino
n
r n +1 − 1
∑ rk = .
k =0
r−1
3
Mat. Andrés Merino Ejercicios no. 08
0
r 0+1 − 1
∑ rk = r−1
.
k =0
4
Ejercicios no. 08 Mat. Andrés Merino
n 2
n ( n + 1)
∑ k3 = .
k =0
2
n
n(n + 1)(2n + 1)
∑ k2 = 6
.
k =0
0
0(0 + 1)(2(0) + 1)
∑ k2 = 6
.
k =0
5
Mat. Andrés Merino Ejercicios no. 08
• 0∈P
• Si x ∈ P entonces x + 2 ∈ P
• Si x ∈ P entonces x − 2 ∈ P
6
Ejercicios no. 08 Mat. Andrés Merino
• 1∈I
• Si x ∈ I entonces x + 2 ∈ I
• Si x ∈ I entonces x − 2 ∈ I
• Si P ∈ Σ entonces (¬ P) ∈ Σ
• Si P, Q ∈ Σ entonces ( P ⇒ Q) ∈ Σ.
II. Para el primer caso constructivo, supongamos que tenemos P ∈ Σ tal que
tiene igual cantidad de paréntesis de derecha como de izquierda. Notemos
que, en (¬ P), se tiene que el número de paréntesis de izquierda es el mismo
número de paréntesis de izquierda de P más uno; por otro lado el número de
paréntesis de derecha es el mismo número de paréntesis de derecha P más
uno; por lo tanto, ¬ P tiene igual cantidad de paréntesis de derecha como de
izquierda.
7
Mat. Andrés Merino Ejercicios no. 08
Con esto, podemos concluir que, todo elemento de Σ tiene la misma cantidad de
paréntesis de derecha como de izquierda
8
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS • E JERCICIOS NO . 11
E JERCICIO 1. Dados los grafos (V, A), usando Wolfram Mathematica repre-
sente los siguientes grafos:
III. V = {1, 2, 3} y A = {{1, 2}, {2, 3}, {3, 1}, {1, 1}}
V. V = {1, 2, 3} y A = {{1, 2}, {1, 2}, {2, 3}, {3, 1}, {3, 1}, {3, 1}}
Solución.
1 3
II.
1
Mat. Andrés Merino Ejercicios no. 11
IV.
E JERCICIO 2. Dados los grafos (V, A), determine la matriz de adyacencia del
grafo:
III. V = {1, 2, 3} y A = {{1, 2}, {2, 3}, {3, 1}, {1, 1}}
V. V = {1, 2, 3} y A = {{1, 2}, {1, 2}, {2, 3}, {3, 1}, {3, 1}, {3, 1}}
Solución.
AdjacencyMatrix[g1]//MatrixForm
2
Ejercicios no. 11 Mat. Andrés Merino
Out[4]=
0 1 1
1 0 1
1 1 0
II.
AdjacencyMatrix[g2]//MatrixForm
Out[5]=
1 1 1
1 0 1
1 1 0
IV.
AdjacencyMatrix[g3]//MatrixForm
Out[6]=
0 2 3
2 0 1
3 1 0
E JERCICIO 3. Dados los grafos dirigidos (V, A), determine la matriz de adya-
cencia del grafo:
III. V = {1, 2, 3} y A = {(1, 2), (2, 3), (3, 1), (1, 1)}
V. V = {1, 2, 3} y A = {(1, 2), (1, 2), (2, 3), (3, 1), (3, 1), (3, 1)}
Solución.
3
Mat. Andrés Merino Ejercicios no. 11
AdjacencyMatrix[g1]//MatrixForm
Out[7]=
0 1 0
0 0 1
1 0 0
II.
AdjacencyMatrix[g2]//MatrixForm
Out[8]=
1 1 0
0 0 1
1 0 0
IV.
AdjacencyMatrix[g3]//MatrixForm
Out[9]=
0 2 0
0 0 1
3 0 0
E JERCICIO 4. Dados los grafos (V, A), determine la lista de adyacencia del
grafo:
III. V = {1, 2, 3} y A = {{1, 2}, {2, 3}, {3, 1}, {1, 1}}
4
Ejercicios no. 11 Mat. Andrés Merino
V. V = {1, 2, 3} y A = {{1, 2}, {1, 2}, {2, 3}, {3, 1}, {3, 1}, {3, 1}}
Solución.
Out[10]= {{2,3},{1,3},{1,2}}
II.
IV.
2. C AMINOS Y CONECTIVIDAD
5
Mat. Andrés Merino Ejercicios no. 11
2
3
Out[14]= {6, 5, 5, 6, 5, 5, 6}
Out[15]= 38
6
Ejercicios no. 11 Mat. Andrés Merino
7
Mat. Andrés Merino Ejercicios no. 11
4 3
2 4 3
In[19]:= VertexDelete[g, 3]
1 4
8
Ejercicios no. 11 Mat. Andrés Merino
b 3
f 2 5
a e g c 1
h 4 6
d 8 7
Solución. Los grafos no son isomorfos. En efecto, si enumeramos los vértices del
primer grafo siguiendo el orden alfabético, usando Mathematica, obtenemos
In[20]:= g1=Graph[{{1,2},{1,4},{1,5},{2,3},{2,6},{3,4},{3,7},{4,8},{5,6},{5,8},{6,7},{7,8}},ց
VertexLabels→ Automatic];
g2=Graph[{{1,2},{1,4},{1,7},{2,3},{2,5},{3,6},{3,8},{4,5},{4,6},{5,8},{6,7},{7,8}},ց
VertexLabels→ Automatic];
IsomorphicGraphQ[g1, g2]
Out[20]= False
H e6 G
b b
D b
e7 e5
e8
e2 F
b
e1
e4
b b
C e3
E
• ( D, e1 , C, e3 , E, e4 , F )
9
Mat. Andrés Merino Ejercicios no. 11
• ( D, e2 , E, e4 , F )
• ( D, e2 , E, e8 , G, e5 , F )
4
1
In[22]:= c=FindPath[g,1,3]
Out[22]= {{1,2,6,3}}
In[23]:= HighlightGraph[g,PathGraph[c[[1]]]]
4
1
10
Ejercicios no. 11 Mat. Andrés Merino
In[24]:= c2=FindPath[g,1,3,{4}]
Out[24]= {{1,2,6,4,3}}
In[25]:= HighlightGraph[g,PathGraph[c2[[1]]]]
4
1
6 3
Out[26]= {{1,6},{1,2,6}}
Por último, buscamos un ciclo que incluya al vértice 6 que tenga longitud 5
In[27]:= FindCycle[{g, 6}, {5}]
Out[27]= { }
El resultado nos indica que, en este grafo, no existe ningún ciclo con las caracte-
rísticas especificadas.
11
Mat. Andrés Merino Ejercicios no. 11
9
3
In[29]:= GraphDistance[g, 1, 8]
Ahora, calculamos todas las posibles distancias entre vértices del grafo
In[30]:= Table[GraphDistance[g,a,b],{a,1,9},{b,1,9}]
Out[31]= 3
12
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS • E JERCICIOS NO . 11
1
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS • E JERCICIOS NO . 11
1. Á RBOLES DE EXPANSIÓN
1
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS II • E XAMEN N O . 01
1. En un determinado sistema, una contraseña debe estar conformada por 6 o 7 caracteres que pueden
ser letras, dígitos y caracteres especiales (existe una lista de 7 caracteres especiales válidos). Si se soli-
cita al usuario que su contraseña tengan exactamente 2 dígitos y 1 carácter especial, ¿cuántas posibles
contraseñas puede ingresar el usuario?
10 · 10 = 100
posibilidades.
3) Seleccionar la casilla donde irán el carácter especial: Como se tiene 4 posibilidades restantes,
tenemos que existen
4! 4!
C (4, 1) = = =4
(4 − 1)!1! 3!
formas de seleccionar el lugar.
4) Seleccionar el carácter: Como existen 7 caracteres, tenemos
posibilidades.
5) Finalmente, Seleccionar el resto de letras: Como restan 3 lugares para colocar letras, tenemos
27 · 27 · 27 = 273
posibilidades.
Con esto y el principio de multiplicación, tenemos
|C6 ∪ C7 | = |C6 | + |C7 | = 826′ 686 000 + 39 060′ 913 500 = 39 887′ 599 500.
Es decir, el usuario puede ingresar 39 887′ 599 500 contraseñas.
1
2. El laboratorio del segundo parcial de la asignatura de Estructuras Discretas II tendrá 10 ejercicios y se
lo realizará de forma grupal. El grupo conformado por Ada, Turing y Euler piensa distribuirse estos
ejercicios para realizarlos en el menor tiempo posible.
a) ¿De cuántas formas se pueden distribuir los ejercicios entre las tres personas suponiendo que cada
persona realiza al menos un ejercicio?
b) Considerando que Ada es la mejor programadora de la clase, el grupo tomará la siguiente estrategia:
Ada se hará cargo de 4 ejercicios, Turing se hará cargo de 3, y Euler del resto. ¿De cuántas formas se
puede hacer ahora la distribución de los ejercicios?
Solución.
a) Podemos ver el problema como repartir 10 objetos (ejercicios) en 3 grupos (estudiantes). Dado que
cada estudiante debe realizar al menos un ejercicio, solo se deben repartir 7 ejercicios. Utilizando
combinaciones generalizadas, tenemos
9!
C (7 + 3 − 1, 3 − 1) = C (9, 2) = = 36
(9 − 2)!2!
formas de distribuir los ejercicios.
b) Podemos considerar:
• 10 objetos (ejercicios);
• 3 tipos: 4 del primer tipo (los ejercicios de Ada),
• 3 del segundo tipo (los ejercicios de Turing) y
• 3 del tercer tipo (los ejercicios de Euler).
Con esto, utilizando permutaciones generalizadas, tenemos:
10!
= 4 200
4!3!3!
formas de distribuir los ejercicios.
3. Se tiene un programa que imprime un número entero aleatorio entre 1 y 17. ¿Cuántas veces se debe
correr el programa para garantizar que este imprime un mismo número 100 veces?
4. Se considera el conjunto {1, 2, 3, 4, 5, 6, 7, 8}. Se desea determinar las dos permutaciones que prosiguen a
13287654. Para esto, utilice el algoritmo visto en clases y explique detalladamente los pasos realizados.
2
Solución. Para la primera permutación:
1 3 2 8 7 6 5 4
1 3 2 8 7 6 5 4
1 3 4 8 7 6 5 2
1 3 4 2 5 6 7 8
1 3 4 2 5 6 7 8
1 3 4 2 5 6 7 8
1 3 4 2 5 6 8 7
1 3 4 2 5 6 8 7
3
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS II • E XAMEN N O . 02
a0 = 1,
a1 = 2,
an = 2an−1 − 2an−2 , n ≥ 2.
Determinar a5 utilizando tanto la relación de recurrencia como la fórmula explícita encontrada. (2.0pt)
t2 = 2t − 2.
a n = α · (1 + i ) n + β · (1 − i ) n ,
donde α y β son constantes a determinar. Para esto, utilizamos las condiciones iniciales:
1 = a0 = α · (1 + i )0 + β · (1 − i )0 ,
2 = a1 = α · (1 + i )1 + β · (1 − i )1 .
1
Realice el análisis de la complejidad computacional de la función, obteniendo una expresión explícita,
e indique su orden. Contabilice únicamente las operaciones (no las comparaciones ni asignaciones) e
ignore las operaciones de resta en las líneas 11 a 14. (2.0pt)
Solución. consideremos t(n) el número de operaciones que ejecuta la función cuando n ∈ N es el argu-
mento. Tenemos lo siguiente:
t(0) = 1.
t(1) = 3.
• si n ≥ 2, se ejecutan las lineas 11 a 14, en la linea 11 se ejecutan t(n − 2) operaciones , igual en las
otras 3 lineas, por lo tanto
t(n) = 4t(n − 2).
t(0) = 1,
t(1) = 3,
t(n) = 4t(n − 2), n ≥ 2.
a0 = 1,
a1 = 3,
an = 4an−2 , n ≥ 2.
an = α · (−2)n + β · 2n ,
donde α y β son constantes a determinar. Para esto, utilizamos las condiciones iniciales
1 = a0 = α · (−2)0 + β · 20 ,
3 = a1 = α · (−2)1 + β · 21 .
3. Suponiendo que a y b son números naturales impares menores que 6 y c es un número natural par menor
o igual que 6, determine el número de soluciones de las siguientes ecuaciones:
2
a) a + b + c = 8
b) a + b + c = 9
c) a + b + c = 10
d) a + b + c < 10
Solución. Notemos que las funciones generatrices para cada variable son:
• Para a: x1 + x3 + x5
• Para b: x1 + x3 + x5
• Para c: x0 + x2 + x4 + x6
( x1 + x3 + x5 )( x1 + x3 + x5 )( x0 + x2 + x4 + x6 )
que es igual a
x2 + 3x4 + 6x6 + 8x8 + 8x10 + 6x12 + 3x14 + x16 ,
a) El número de formas para que la suma sea 8 es el coeficiente de x8 , es decir, hay 8 soluciones de la
ecuación.
b) El número de formas para que la suma sea 9 es el coeficiente de x9 , es decir, no hay soluciones para
la ecuación.
c) El número de formas para que la suma sea 10 es el coeficiente de x10 , es decir, hay 8 soluciones de
la ecuación.
d) El número de formas para que la suma sea menor que 10 es la suma de los números de formas en
los que se obtiene un valor mejor que 10, es decir, hay 18 soluciones para la inecuación.
Solución. Tomemos
• Espacio muestral es
Ω = {1, 2, 3, . . . , 8} .
3
Con esto, el valor esperado es
5. Basado en el enunciado anterior, y en un giro inesperado de eventos, descubre que el dado que trajo el
docente para el juego está «trucado» de tal forma que las caras pares tienen el doble de probabilidad de
salir que las caras impares. Basado en esta nueva información, calcule el valor esperado de este juego,
basado en el resultado, ¿participaría ahora en el juego? (2.0pt)
Solución. Tomemos
• Espacio muestral
Ω = {1, 2, 3, . . . , 8} .
• La función de probabilidad
(
2
12 si n es par,
P({n}) =
1
12 si n es impar.
4
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS II • E XAMEN N O . 03
1. Considere la siguiente red de transporte con un flujo dado. Como se puede observar, por problemas de
procesado de datos, se ha perdido la información del flujo por algunas aristas.
3/5
v1 v2 v3
b b b
2/3
?/4
4/6 2/4 1/3
b b b
v4 2/5 v5 ?/6 v6
a) Determine los valores adecuados para completar el flujo (indiqué detenidamente cómo determinó
los valores). (1.0pt)
b) Considere el camino v4 v1 v5 v2 v3 v6 , ¿cuánto flujo se puede aumentar por este camino?, de ser posi-
ble, calcule cómo aumentaría el flujo (dibuje el camino aparte e indique detenidamente los pasos
realizados). (1.5pt)
Solución.
a) Analicemos el flujo en v1 , tenemos que ingresan 4 unidades, pero salen solo 3, por lo tanto, debe
salir una unidad más en dirección a v5 .
Ahora, analicemos en v5 , tenemos que ingresan 5 unidades, por lo tanto, deben salir 5 unidades
igualmente.
Con esto, la red y el flujo quedan de la siguiente manera:
3/5
v1 v2 v3
b b b
2/3
1/4
4/6 2/4 1/3
b b b
v4 2/5 v5 5/6 v6
• (v4 , v1 ): 6 − 4 = 2, • (v2 , v5 ): 2,
• (v1 , v5 ): 4 − 1 = 3, • (v3 , v2 ): 2.
• (v3 , v6 ): 3 − 1 = 2,
Tomando el mínimo de estos valores, tengo que el valor del flujo puede aumentar en 2 unidades,
quedando así:
1
v1 v2 v3
b b b
0/3
3/4
6/6 0/4 3/3
b b b
v4 v5 v6
v1 v2 v3
b b b
3
4
6 4 3
b b b
v4 5 v5 6 v6
a) Utilice el algoritmo de Dijkstra (indicando el paso a paso) para determinar la distancia entre v1 y v6 .
(2.0pt)
b) Al terminar el algoritmo, ¿qué otras distancias quedan ya determinadas con certeza? (0.5pt)
Solución.
T = (0, ∞, ∞, ∞, ∞, ∞),
L = { v1 , v2 , v3 , v4 , v5 , v6 }.
T = { v2 , v3 , v4 , v5 , v6 }
T = { v2 , v3 , v4 , v6 },
T = { v2 , v3 , v6 },
2
• Paso 4: Tomo v = v2 (línea 9 y línea 10):
T = { v3 , v6 },
T = { v3 },
Como v6 ∈
/ T, termino el ciclo.
Con esto, tenemos que la distancia de v1 a v6 es 10.
b) Como T = {v3 }, se tiene con certeza las distancias de v1 a v1 , v2 , v4 , v5 , v6 ; es decir, a todas menos a
v3 .
3. Considere el grafo del ejercicio anterior (no tome en cuenta los pesos), realice las siguientes actividades:
a) Utilice el algoritmo BFS (tal como se vio en clase) para determinar un árbol de expansión con raíz
en v6 (indique detenidamente el paso a paso, tome siempre los vértices en orden del subíndice).
(2.0pt)
Solución.
Q = ( v6 ), M = { v6 } y T = ∅.
Q = ( v3 ), M = { v6 , v3 } y T = {(v3 , v6 )}.
– Para w = v5 , como v5 6∈ M (línea 8), ejecutamos las líneas 9 y 10, con lo que obtenemos
Q = ( v1 , v5 ), M = { v6 , v3 , v5 } y
3
– Para w = v2 , como v2 6∈ M (línea 8), ejecutamos las líneas 9 y 10, con lo que obtenemos
Q = ( v2 , v1 , v5 ), M = { v6 , v3 , v5 , v2 } y
Q = ( v4 , v2 , v1 ), M = { v6 , v3 , v5 , v2 , v4 } y
v6
b
v3 v5 v1 v2 v3
b b b b b
v1 v2 v4
b b b
b b b
v4 v5 v6
4
4. Seleccione la respuesta correcta:
a) siempre.
b) no siempre, solo a veces.
4.2 El algoritmo de Dijkstra, en el peor de los casos, es de orden (0.5pt)
a) O(n).
b) O(n2 ).
c) O(n3 ).
4.3 En un mismo grafo, los algoritmos DFS y BFS generan árboles diferentes (0.5pt)
a) siempre.
b) no siempre, solo a veces.
4.4 ¿A qué vértices se les dice fuente? ¿A qué vértices se les llama sumidero? (0.5pt)
Solución.
a) La opción correcta es a.
b) La opción correcta es b.
c) La opción correcta es b.
d) Dados un grafo dirigido G = (V, A) y v ∈ V, si grads (v) = 0, se dice que v es un sumidero, y si
grade (v) = 0, se dice que v es una fuente.
e) Un árbol es un grafo conexo sin ciclos.
5
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS II • E XAMEN F INAL
1. Se tiene un programa que imprime una letra del idioma español (27 le-
tras). ¿Cuántas veces se debe correr el programa para garantizar que este
imprime una misma letra 40 veces? (2.5pt)
1
Utilizando el concepto de valor esperado, ¿cuánto ganará en promedio el
casino? (2.5pt)
2
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS II • S. I.
1. F UNDAMENTOS DE COMBINATORIA
D EFINICIÓN 1
Dado un conjunto finito A, la cardinalidad de A, denotada por | A|, es el nú-
mero de elementos que tiene el conjunto.
| A1 × A2 × · · · × A n | = | A1 | · | A2 | · · · | A n |.
1
Mat. Andrés Merino S. I.
T EOREMA 5
Dados A1 , A2 conjuntos finitos tales que A1 ⊆ A2 , entonces
| A2 r A1 | = | A2 | − | A1 |.
| A1 ∪ A2 | = | A1 | + | A2 | − | A1 ∩ A2 |.
Ai ∩ A j ∩ Ak − · · · + (−1)n+1 | A1 ∩ · · · ∩ An | .
+ ∑
1≤ i < j < k ≤ n
2
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS II • H OJA DE RESUMEN N O . 2
1. P ERMUTACIONES Y COMBINACIONES
D EFINICIÓN 1: Permutación
Dado un conjunto A, una permutación de los elementos de A es una función
f : A → A biyectiva.
T EOREMA 1
Dado un conjunto finito A con | A| = n, el número de permutaciones de ele-
mentos de A es n!.
D EFINICIÓN 2: r −Permutación
Dado un conjunto A, una r −permutación elementos de A es cualquier fun-
ción biyectiva f : B → B con B ⊆ A tal que | B| = r.
n!
P(n, r ) = n(n − 1)(n − 2) · · · (n − r + 1) = .
(n − r )!
D EFINICIÓN 3
Dado un conjunto A con | A| = n, una r −combinación de elementos de A es
cualquier subconjunto B de A con | B| = r.
1
Mat. Andrés Merino Hoja de resumen No. 2
T EOREMA 3
Se tiene que
2. C OEFICIENTES BINOMIALES
n
( a + b)n = ∑ C(n, k)an−k bk .
k =0
C (n + 1, k ) = C (n, k − 1) + C (n, k ).
D EFINICIÓN 4
Sean α = s1 s2 · · · s p y β = t1 t2 · · · tq . Se dice que α es menor que β (α < β), en
el orden lexicográfico, si
1. p < q y si, para todo i ∈ {1, . . . , n}, se tiene que si = ti ; o
2
Hoja de resumen No. 2 Mat. Andrés Merino
3
Mat. Andrés Merino Hoja de resumen No. 2
9 for i i n r a n g e ( 1 , f a c t o r i a l ( n ) ) : #g e n e r a m o s l a s ց
p e r m u t a c i o n e s r e s t a n t e s en o r d e n l e x i c o g r á f i c o
10 m = n−2
11 w h i l e ( s [m] > s [m+1]) : #buscamos e l p r i m e r i n c r e m e n t o ց
desde l a derecha
12 m = m−1
13 k = n−1
14 w h i l e ( s [m] > s [ k ] ) : #buscamos e l p r i m e r e l e m e n t o , d e s d e ց
l a d e r e c h a , que s e a mayor que s [m]
15 k = k−1
¥ 16 s [m] , s [ k ] = s [ k ] , s [m] #i n t e r c a m b i a m o s l a s p o s i c i o n e s de s [ ց
m] y s [ k ]
17 p = m+1
18 q = n−1
19 w h i l e ( p < q ) : #tomamos l a c a d e n a d e s d e l a p o s i c i ó n m+1 ց
hasta e l f i n a l y la invertimos
20 s [p] , s [q] = s [q] , s [p]
21 p = p+1
22 q = q−1
23 print (s)
4
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS II • H OJA DE RESUMEN N O . 3
T EOREMA 1
Dada una colección con n objetos de m tipos distintos, donde hay ni objetos
idénticos de cada tipo i, el número de ordenamientos de la colección es
n!
.
n1 !n2 ! · · · nm !
T EOREMA 2
Dado un conjunto con k elementos, el número de selecciones no ordenadas de
t elementos de A, con repeticiones, es
C (k + t − 1, k ).
T EOREMA 3
Dado un conjunto con n elementos, el número de maneras de separar estos
elementos en k grupos, sin considerar el orden, es
C (n + k − 1, k − 1).
1
Mat. Andrés Merino Hoja de resumen No. 3
2. R ELACIONES DE RECURRENCIA
D EFINICIÓN 1
Dada una sucesión ( xn )n∈N definida recursivamente, a la ecuación que rela-
ciona al término xn con sus predecesores, se la denomina relación de recurrencia
de la sucesión ( xn )n∈N . Si, de manera explícita, se especifica una cantidad fi-
nita de términos de la sucesión, diremos que estos valores son las condiciones
iniciales de la sucesión.
D EFINICIÓN 2
Dada una relación de recurrencia, resolver tal relación consiste en encontrar
una fórmula explícita para el n−ésimo término de la sucesión, es decir, con-
siste en hallar una fórmula no recursiva para dicho término.
D EFINICIÓN 3
Una relación de recurrencia homogénea lineal de orden k con coeficientes
constantes es una relación de recurrencia de la forma
a n = c 1 a n − a + c 2 a n −2 + · · · + c k a n − k ,
don ck 6= 0.
o a0 = C0 , a1 = C1 , , . . . , ak−1 = Ck−1 ,
2
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS II • H OJA DE RESUMEN N O . 4
D EFINICIÓN 1
Función de Ackermann Se define la función de Ackermann de manera recur-
siva de la siguiente manera:
A(0, n) = n + 1, m ∈ N;
A(m, 0) = A(m − 1, 1) m ≥ 1;
A(m, 0) = A(m − 1, A(m, n − 1)) m≥1 ∧ n ≥ 1.
T EOREMA 1
Dada la relación de recurrencia homogénea lineal de segundo orden con co-
eficientes constantes
a n = c 1 a n −1 + c 2 a n −2 ,
se tiene que:
1. Si (Sn )n∈N y ( Tn )n∈N son soluciones de la relación, entonces (U )n∈N =
(bSn + dTn )n∈N , con b, d ∈ R, también es solución de la relación.
an = br1n + dr2n
T EOREMA 2
Dada la relación de recurrencia homogénea lineal de segundo orden con co-
eficientes constantes
a n = c 1 a n −1 + c 2 a n −2 ,
an = br n + dnr n
1
Mat. Andrés Merino Hoja de resumen No. 4
para todo n ∈ N.
D EFINICIÓN 2
Dada una sucesión ( an )n∈N , se define la sucesión de sumas parciales por
s0 = a0 ,
s n = s n −1 + a n , n ≥ 0.
P ROPOSICIÓN 3. Sean n ∈ N y r ∈ R + .
n n 2
n ( n + 1) n ( n + 1)
• ∑k= ; • ∑k 3
= .
k =0
2 2
k =0
n
n(n + 1)(2n + 1)
• ∑ k2 = 6
;
k =0
2
Hoja de resumen No. 4 Mat. Andrés Merino
2. F UNCIONES GENERATRICES
D EFINICIÓN 3
Dada una sucesión ( an )n∈N , a la serie formal
∞
G ( x ) = a0 + a1 x + a2 x 2 + · · · = ∑ an x n
k =0
3
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS II • H OJA DE RESUMEN N O . 5
1. N ÚMEROS PSEUDOALEATORIOSOS
x0 = s,
xn = ( axn−1 + c) mód m
Se suele utilizar
• m = 231 − 1
o
• a = 75
• c=0
2. T EORÍA DE LA PROBABILIDAD
D EFINICIÓN 3: Suceso
Sea Ω el espacio muestral de experimento aleatorio y S ⊆ Ω. Se dice que S es
un suceso o un evento del experimento aleatorio.
1
Mat. Andrés Merino Hoja de resumen No. 5
T EOREMA 1: Complemento
Sea S un suceso del espacio muestral finito Ω, la probabilidad del comple-
mento de S, Sc , está dado por
P ( S c ) = 1 − P ( S ).
T EOREMA 2: Unión
Sean S1 , S2 dos sucesos del espacio muestral finito Ω, entonces
P ( S1 ∪ S2 ) = P ( S1 ) + P ( S2 ) − P ( S1 ∩ S2 ) .
T EOREMA 3
Sea Ω un espacio muestral finito, P una función de probabilidad y S un suce-
so. Se tiene que
P (S) = ∑ P ({ω }).
ω ∈S
2
Hoja de resumen No. 5 Mat. Andrés Merino
3. VARIABLE ALEATORIA
D EFINICIÓN 7
Dado un espacio muestral Ω, una función de probabilidad P y una variable
aleatoria X : Ω → R, se define la probabilidad de que X valga r por
P ( X = r ) = P ({ω ∈ Ω : X (ω ) = r }).
T EOREMA 4
Dado un espacio muestral finito Ω, una función de probabilidad P y una va-
riable aleatoria X : Ω → R, se tiene que
4. VALOR ESPERADO
D EFINICIÓN 8
Dado un espacio muestral finito Ω, una función de probabilidad P y una va-
riable aleatoria X : Ω → R, el valor esperado (o esperanza) de X es
E(X) = ∑ P ({ω }) · X (ω ).
ω ∈Ω
Ω = { x1 , x2 , x3 , . . . , x n },
3
Mat. Andrés Merino Hoja de resumen No. 5
T EOREMA 5
Dado un espacio muestral finito Ω, una función de probabilidad P y una va-
riable aleatoria X : Ω → R, se tiene que
E(X) = ∑ r · P ( X = r ).
r ∈ X (Ω)
n
E(X) = ∑ P({a j }) · X (a j ).
j =1
4
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS II • H OJA DE RESUMEN N O . 6
1. G RAFOS
D EFINICIÓN 1: Grafo
Sean V un conjunto finito y A un subconjunto de pares no ordenados de V.
Se dice que G = (V, A) es un grafo, al conjunto V se lo denomina vértices
de grafo y al conjunto A se lo denomina aristas del grafo. Para e ∈ A, si
e = {u, v}, con u, v ∈ V, se dice que la arista e une el vértice u con el vértice v.
1
Mat. Andrés Merino Hoja de resumen No. 6
D EFINICIÓN 6: Camino
Sean G = (V, A) un grafo y a, b ∈ V. Un camino entre a y b es una secuencia
C = ( v 0 , e1 , v 1 , e2 , v 2 , . . . , e n −1 , v n −1 , e n , v n )
D EFINICIÓN 9: Recorrido
Sean G un grafo y α un camino en G. Se dice que α es un recorrido si todas
sus aristas son diferentes.
2
Hoja de resumen No. 6 Mat. Andrés Merino
diam( G ) = máx{d(u, v) : u, v ∈ V }.
∑ p(e)
e∈ A
∑ p ( e ),
e∈ B
3
Mat. Andrés Merino Hoja de resumen No. 6
T EOREMA 1
Sean G = (V, A, c) una red de transporte y f un flujo sobre la red. Si a es la
fuente de la red y z el sumidero, entonces se tiene que
∑ f ( a, v) = ∑ f (u, z).
( a,v)∈ A (u,z)∈ A
T EOREMA 2
Sean G = (V, A, c) una red de transporte, f un flujo sobre la red y a la fuente
de la red. El valor de
∑ f (a, v)
( a,v)∈ A
4
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS II • H OJA DE RESUMEN N O . 7
1
Mat. Andrés Merino Hoja de resumen No. 7
Con esto, podemos generar un árbol de expansión marcando cada arista que
vamos recorriendo en el algoritmo BFS.
Dados G = (V, A) un grafo y v ∈ V, el pseudocodigo para la función que
devuelve un árbol de expansión de G con raíz en v utilizando BFS es:
1 Función ArbolExpansionBFS(G,v):
2 Q := (v) /* Vértices que se visitarán */
3 M := {v} /* Vértices ya visitados */
4 T := ∅ /* Aristas del árbol resultante */
5 mientras Q 6= ∅ hacer
6 u := Ultimo(Q) /* Vértice actual */
7 Q := SinUltimo(Q)
3 8 para w ∈ V [u] hacer
9 si w 6∈ M entonces
10 M := M ∪ {w}
11 T := T ∪ {{w, u}}
12 Q := Concatenar(w,Q)
13 devolver (M,T)
2
Hoja de resumen No. 7 Mat. Andrés Merino
1 d e f DFS (G , v ) :
2 Q = [v]
3 M = {v}
4 w h i l e Q != [ ] :
5 u = Q[ −1]
6 i f a l l ( a in M f o r a in G[ u ] ) :
¥ 7 Q = Q[ : − 1 ]
8 else :
9 f o r w in G[ u ] :
10 i f w n o t i n M:
11 M. add (w)
12 Q . append (w)
13 break
Con esto, podemos generar un árbol de expansión marcando cada arista que
vamos recorriendo en el algoritmo DFS.
Dados G = (V, A) un grafo y v ∈ V, el pseudocodigo para la función que
devuelve un árbol de expansión de G con raíz en v utilizando DFS es:
1 Función DFS(G,v):
2 Q := (v) /* Vértices que se visitarán */
3 M := {v} /* Vértices ya visitados */
4 T := ∅ /* Aristas del árbol resultante */
5 mientras Q 6= ∅ hacer
6 u := Ultimo(Q) /* Vértice actual */
7 si V [u] ⊆ M entonces
8 Q := SinUltimo(Q))
3 9 en otro caso
10 para w ∈ V [u] hacer
11 si w 6∈ M entonces
12 M := M ∪ {w}
13 T := T ∪ {{w, u}}
14 Q := Concatenar(Q,w)
15 Salir;
16 devolver (M,T);
3
Mat. Andrés Merino Hoja de resumen No. 7
1 Función Kruskal(G):
2 T := ∅ /* Aristas del árbol resultante */
3 para v ∈ V hacer
4 Cv := {v} /* Componente del vértice v */
11 devolver T;
4
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS II • E JERCICIOS N O . 1
1. F UNDAMENTOS DE COMBINATORIA
Solución. Consideremos:
Como para asignar una butaca debo seleccionar una letra y un número de manera
independiente, entonces puedo usar el principio de multiplicación:
n = n1 · n2 = 27 · 100 = 2 700.
Solución. Definamos
Como cada computadora tiene la misma cantidad de puertos, para contar la can-
tidad de puertos de la sala, basta tomar una computadora y luego un puerto, que
son independientes, entonces puedo aplicar el principio de multiplicación:
c = a · b = 32 · 24 = 768.
1
Mat. Andrés Merino Ejercicios No. 1
2 · 2 · 2 · 2 · 2 · 2 · 2 = 27 = 128.
Solución. Consideremos:
2
Ejercicios No. 1 Mat. Andrés Merino
Notemos que
C = C6 ∪ C7 ∪ C8 ,
Calculemos |C6 |, como en cada posición puedo colocar cualquier letra o dígito,
por el principio de multiplicación
|C6 | = 37 · 37 · 37 · 37 · 37 · 37 = 376 .
Con esto,
|C | = 376 + 377 + 378 = 3′ 609 977′ 057 463.
Ahora, notemos que las contraseñas inválidas, van a estar solo formadas por le-
tras, de 6, 7 y 8 caracteres.
• I: contraseñas inválidas.
| I | = | I6 ∪ I7 ∪ I7 |
= | I6 | + | I7 | + | I8 |
= 276 + 267 + 268
= 293 277′ 310 173.
|C r I | = |C | − | I |
= 3 ′ 609 977 ′ 057 463 − 293 277′ 310 173
3
Mat. Andrés Merino Ejercicios No. 1
E JERCICIO 10. ¿Cuántas cadenas de diez bits comienzan con 000 o bien ter-
minan con 00?
| A | = | A1 ∪ A2 | = | A1 | + | A2 | − | A1 ∩ A2 |.
0 0 0
2 · 2 · 2 · 2 · 2 · 2 · 2
| A1 | = 2 · 2 · 2 · 2 · 2 · 2 · 2 = 27 .
4
Ejercicios No. 1 Mat. Andrés Merino
0 0
2 · 2 · 2 · 2 · 2 · 2 · 2 · 2
| A2 | = 2 · 2 · 2 · 2 · 2 · 2 · 2 · 2 = 28 .
0 0 0 0 0
2 · 2 · 2 · 2 · 2
| A1 ∩ A2 | = 2 · 2 · 2 · 2 · 2 = 25 .
Por lo tanto,
| A| = 27 + 28 − 25 = 352.
E JERCICIO 11. ¿Cuántas cadenas de diez bits contienen bien la cadena 00000
o bien la cadena 11111?
E JERCICIO 12. ¿Cuántos estudiantes debe haber en una clase para garantizar
que al menos dos estudiantes reciben la misma nota en el examen, suponien-
do que el examen se califica en una escala de 0 a 100 puntos?
Solución. Consideremos:
5
Mat. Andrés Merino Ejercicios No. 1
Como estoy buscando el número mínimo, puedo omitir la función techo y tene-
mos
N−1
= 6 − 1 ⇐⇒ N − 1 = 25
5
⇐⇒ N = 26.
E JERCICIO 14. ¿Cuántas cartas se deben sacar de una baraja de 52 para ga-
rantizar que al menos tres son del mismo palo?
E JERCICIO 16. Una red de ordenadores está formada por seis equipos. Cada
ordenador está conectado directamente al menos a otro. Demuestra que hay al
menos dos ordenadores en la red que tienen el mismo número de conexiones.
6
Ejercicios No. 1 Mat. Andrés Merino
7
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS II • E JERCICIOS N O . 2
1. F UNDAMENTOS DE COMBINATORIA
Solución. Consideremos
C = { A, B, C, D, E, F },
6! = 720.
B = { A, B, C, DEF },
4! = 24.
C = { D, E, F },
3! = 6.
B = { A, B, C, DEF }
4! = 24.
1
Mat. Andrés Merino Ejercicios No. 2
6 · 24 = 144
permutaciones donde las letras DEF están juntas pero en cualquier orden.
10!
P(10, 4) = = 5040.
(10 − 4)!
E JERCICIO 5. ¿De cuántas maneras pueden hacer cola siete marcianos y cinco
venusinos si dos venusinos no se paran juntos?
Solución. De las 8 posiciones para los bits, en cuatro de ellos se deben colocas los
números 1 y el resto se los rellena con 0. Es decir, de las 8 posiciones, se deben
seleccionar 4 para colocar los números 1, dado que el orden de las posiciones no
es relevante, el número de cadenas de ocho bits que contienen exactamente cuatro
unos es:
8!
C (8, 4) = = 70.
(8 − 4)! · 4!
II. Seleccionar cuatro cartas del palo seleccionado: Dado que existen 13 cartas
del palo seleccionado y se deben seleccionar 5 y el orden no es relevante,
2
Ejercicios No. 2 Mat. Andrés Merino
existen
13!
C (13, 5) = = 1287
(13 − 5)! · 5!
formas de seleccionarlos.
4 · 1287 = 5148
formas diferentes de tener una mano de póquer que contiene todas las cartas del
mismo palo.
3
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS II • E JERCICIOS N O . 3
1. F UNDAMENTOS DE COMBINATORIA
Solución. Tenemos:
2. 4 tipos: 1 del primer tipo (la letra M), 4 del segundo tipo (la letra I), 4 del
tercer tipo (la letra S) y 2 del cuarto tipo (la letra P).
11!
= 34650
1! · 4! · 4! · 2!·
maneras diferentes de ordenar estas letras, es decir, existen 34 650 cadenas que se
pueden formar con las letras de la palabra dada.
Solución. Podemos considerar que colocamos una etiqueta con el nombre de cada
estudiante a cada libro, así obtenemos:
2. 3 tipos: 4 del primer tipo (libros de Brenda), 2 del segundo tipo (libros de
Samuel) y 2 del tercer tipo (libros de Mariana).
8!
= 420
4! · 2! · 2!·
maneras diferentes de ordenar estos objetos, es decir, existen 420 formas de dividir
los 8 libros.
1
Mat. Andrés Merino Ejercicios No. 3
Solución.
E JERCICIO 4. Suponga que existen tres pilas de pelotas rojas, azules y verdes,
y que cada pila contiene al menos 8 pelotas. ¿De cuántas maneras se pueden
seleccionar 8 pelotas? ¿De cuántas maneras se pueden seleccionar 8 pelotas si
debe tenerse al menos una pelota de cada color?
Solución.
Solución.
maneras de separar los 29 elementos en 4 grupos, por lo tanto, existen 4 960 solu-
ciones en enteros no negativos para la ecuación.
a ≥ 1, b≥2 y c ≥ 3.
x = a − 1, y = b−2 y z = c − 3,
2
Ejercicios No. 3 Mat. Andrés Merino
x ≥ 0, y ≥ 0, z≥0
( x + 1) + (y + 2) + (z + 3) + d = 29.
O lo que es lo mismo,
x + y + z + d = 23
maneras de separar los 26 elementos en 4 grupos, por lo tanto, existen 2 600 solu-
ciones para la ecuación.
Solución 1. Si cada pregunta vale por lo menos 5 puntos, significa que 60 puntos
ya están asignados, por lo tanto, resta asignar 40 puntos entre las 12 preguntas.
Podemos considerar el problema como un conjunto de 40 elementos, de los cua-
les se tomarán 12 grupos, por lo tanto, aplicando combinaciones generalizadas,
existen
C (40 + 12 − 1, 12 − 1) = C (51, 11) = 47626016970
Solución 2. Consideremos:
con Pi ≥ 5 para todo i ∈ {1, 2, . . . , 12}. Como se vio en el anterior ejercicio, esto
es análogo considerar un conjunto de 100 − 5 · 12 = 40 elementos de los cuales se
3
Mat. Andrés Merino Ejercicios No. 3
4
Ejercicios No. 3 Mat. Andrés Merino
2. R ELACIONES DE RECURRENCIA
Solución.
Solución.
E JERCICIO 11. Derive una relación de recurrencia y una condición inicial para
el número de maneras de dividir un polígono convexo de (n + 2) lados, n ≥ 1,
en triángulos dibujando n − 1líneas a través de los vértices que no se cruzan
en el interior del polígono.
Solución.
5
E SCUELA DE C IENCIAS F ÍSICAS Y M ATEMÁTICA
E STRUCTURAS D ISCRETAS II • E JERCICIOS N O . 4
1. R ELACIONES DE RECURRENCIA
a0 = 7,
a1 = 16,
an = 5an−1 − 6an−2 , n ≥ 2.
t2 = 5t − 6.
t=3 ∨ t = 2.
a n = α · 3n + β · 2n ,
7 = a0 = α · 30 + β · 20 ,
16 = a1 = α · 31 + β · 31 .
1
Mat. Andrés Merino Ejercicios No. 4
p0 = 200,
p1 = 220,
p n −1 − p n = 2 ( p n −2 − p n −1 ) , n ≥ 2.
t2 = 3t − 2.
t=1 ∨ t = 2.
p n = α · 1n + β · 2n ,
200 = p0 = α · 10 + β · 20 ,
220 = p1 = α · 11 + β · 21 .
cuya solución es α = 180 y β = 20. Por lo tanto, se tiene la solución: para todo
n ∈ N,
pn = 180 · 1n + 20 · 2n = 180 + 20 · 2n .
2
Ejercicios No. 4 Mat. Andrés Merino
f 0 = 1,
f 1 = 1,
f n = f n −1 + f n −2 , n ≥ 2.
t2 = t1 + 1.
√ √
5− 5 5+ 5
cuya solución es α = 10 yβ = 10 . Por lo tanto, se tiene la solución: para
todo n ∈ N,
√ √ !n √ √ !n
5− 5 1− 5 5+ 5 1+ 5
fn = + .
10 2 10 2
3
Mat. Andrés Merino Ejercicios No. 4
a0 = 1,
a1 = 1,
a n = 4 ( a n −1 − a n −2 ) , n ≥ 2.
t2 = 4( t − 1),
cuyas solución es
t = 2.
a n = α · 2n + β · n · 2n
1 = a0 = α · 20 + β · 0 · 20 ,
1 = a1 = α · 21 + β · 1 · 21 .
a0 = 8,
1
a1 = √ ,
2 2
a n −2
r
an = , n ≥ 2.
a n −1
4
Ejercicios No. 4 Mat. Andrés Merino
log2 ( a0 ) = log2 8 = 3,
1 3
log2 ( a1 ) = log2 √ = − ,
2 2 2
1 !
a n −2 2
log2 ( an ) = log2
a n −1
1 a n −2
= log2
2 a n −1
1
= (log2 ( an−2 ) − log2 ( an−1 )) , n ≥ 2.
2
Luego, tomando el cambio de variable
bn = log2 ( an ),
b0 = 3,
3
b1 = − ,
2
1
bn = ( bn −2 − bn −1 ) , n ≥ 2.
2
Así, el polinomio que representa la relación es
1
t2 = (1 − t ),
2
cuyas soluciones son
1
t= ∨ t = −1.
2
Entonces, para todo n ∈ N,
n
1
bn = α · + β · (−1)n .
2
5
Mat. Andrés Merino Ejercicios No. 4
6
Ejercicios No. 4 Mat. Andrés Merino
Solución.
3. F UNCIONES GENERATRICES
a + b + c = 12,
2 ≤ a ≤ 5, 3≤b≤6 y 4 ≤ c ≤ 7.
Solución. Notemos que las funciones generatrices para cada variable son:
• Para a: x2 + x3 + x4 + x5 .
• Para b: x3 + x4 + x5 + x6 .
• Para c: x4 + x5 + x6 + x7 .
( x2 + x3 + x4 + x5 )( x3 + x4 + x5 + x6 )( x4 + x5 + x6 + x7 ),
que es igual a:
Por lo tanto, el número de formas para que la suma sea 12 es el coeficiente de x12 ,
es decir, hay 10 soluciones de la ecuación.
7
Mat. Andrés Merino Ejercicios No. 4
(1 + x )(1 + x ) · · · (1 + x ) = (1 + x )10 ,
desarrollando
1 + 10x + 45x2 + 120x3 + 210x4 + 252x5 + 210x6 + 120x7 + 45x8 + 10x9 + x10 .
( x2 + x3 + x4 )( x2 + x3 + x4 )( x2 + x3 + x4 ),
que es igual a:
x12 + 3x11 + 6x10 + 7x9 + 6x8 + 3x7 + x6
Por lo tanto, como se tienen 8 galletas en total, el número de formas para repartir
las 8 galletas es el coeficiente de x8 , es decir, hay 6 formas de repartir las galletas.
Solución. Notemos que no importa el orden en este caso, así las funciones genera-
trices son:
8
Ejercicios No. 4 Mat. Andrés Merino
Como buscamos la forma de suma 16, tomamos el coeficiente de x16 , con esto, hay
4 formas de hacerlo.
( x + x 5 ) · ( x + x 5 ) · · · · · ( x + x 5 ) = ( x + x 5 )r .
( x + x5 )0 + ( x + x5 )1 + ( x + x5 )2 + ( x + x5 )3 + · · · + ( x + x5 )16
Como buscamos la forma de sumar 16, tomamos el coeficiente de x16 , con esto,
hay 45 formas de hacerlo.
Solución.