Universidade Federal de Minas Gerais

Instituto de Ciencias Exatas

Departamento de Matematica
Grafos, Matrizes e o Teorema da Amizade
Gleicy Terezinha Ferreira Cesar
Orientador: Prof. Alberto Sarmiento
Belo Horizonte, setembro de 2007
i
Dedicatoria
A meus lhos Joao pedro e Maria Luza
ii
Agradecimentos
Comeco meus agradecimentos agradecendo a Deus, por que sem ele nada e
possvel. A Alberto Berly Sarmiento Vera, professor coordenador desta mono-
graa e cujo empenho em sua realizacao foi muito importante para a conclusao.
Agradeco tambem aos meus pais que nunca medem esforcos para que eu de
continuidade a meus estudos. A todos os amigos(as) que z durante o curso, em
especial a meu conterraneo e co-piloto Fabio. Ao Romulo por ter sido paciente
a minhas ausencias. Em m agradeco a todos que de uma forma ou de outra
contriburam para que eu chegasse ate o m.
iii
Sumario
1 Nocoes basicas de

Algebra Linear 2
1.1 Matrizes, Autovalor e Autovetor . . . . . . . . . . . . . . . . . . 2
1.2 Diagonalizacao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Grafos e Caminhos 14
2.1 Grafos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2 Matriz de Adjacencia . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3 N umero de Caminhos Possveis . . . . . . . . . . . . . . . . . . . 18
3 Teorema da Amizade 23
3.1 Demonstracao do teorema da amizade . . . . . . . . . . . . . . . 28
Apendice: Interpolacao Polinomial
.1 Interpolacao Polinomial . . . . . . . . . . . . . . . . . . . . . . . 30
.2 Formula da Interpolacao de Lagrange . . . . . . . . . . . . . . . 31
References 33
SUM

ARIO 1
INTRODUC

AO
Esta monograa trata-se do estudo do Teorema da amizade
O captulo 1 introduz denicoes basicas: Matrizes, Autovalor e Autovetor,
Diagonalizaao e por m Determinantes. Essas denicoes serao usadas para
demonstracao do Teorema da Amizade.
No captulo 2 denimos os tipos, o comprimento de um caminho, o grau e
o ciclo de um grafo. Exemplicamos as varias formas de representacao, como
a matriz de adjacencia. E para nalizar esse captulo o N umero de caminhos
Possveis.
O captulo 3 e o ultimo, esse e dedicado a demonstracao do Teorema da
Amizade. Comecando relatando o problema seguindo da sua representa cao na
versao de grafos e matricial, logo apos provamos diversos lemas essenciais para
sua demonstracao. Na segunda parte desse captulo temos a demonstracao
propriamente dita, divida em:
A. Se u e um vertice de grau maximo e x um vertice de grau nao maximo, entao
x e adjacente a u (x u).
B. Existe um unico vertice de grau maximo.
2
Captulo 1
Noc oes basicas de

Algebra
Linear
1.1 Matrizes, Autovalor e Autovetor
Uma matriz A, mn (m por n), e uma tabela de mn n umeros dispostos em
m linhas e n colunas
A =
_

_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
. . . .
.
.
.
a
m1
a
m2
. . . a
mn
_

_
.
A i -esima linha de A e
V =
_
a
i1
a
i2
. . . a
in

para i = 1, . . . , m e a j -esima coluna de A e

V =
_

_
a
1j
a
2j
.
.
.
a
mj
_

_
para j = 1, . . . , n. Usamos tambem a notacao A = (a
ij
)
mxn
. Dizemos que a
ij
ou [A]
ij
e o elemento ou a entrada de posicao i, j da matriz A. Se m = n, dize-
mos que A e uma matriz quadrada de ordem n e os elementos a
11
, a
22
, . . . , a
nn
formam a diagonal (principal) de A.
Uma matriz quadrada A = (a
ij
)
nxn
e invertvel ou nao singular, se existe
uma matriz B = (b
ij
)
nxn
tal que
AB = BA = I
n
,
CAP

ITULO 1. NOC

OES B

ASICAS DE

ALGEBRA LINEAR 3
em que I
n
e a matriz identidade. A matriz B e chamada de inversa de A. Se A
nao tem inversa, dizemos que A e nao invertvel ou singular.
Denicao 1.1. Seja A uma matriz de ordem n n. Um n umero e chamado
autovalor de A, se existe um vetor nao nulo
V =
_

_
v
1
v
2
.
.
.
v
n
_

_
de R
n
tal que (AI)V =

0.
Um vetor nao nulo que satisfaz a equacao acima, e chamado autovetor
de A. Para cada , os autoespaco associados a sao os vetores nao nulos da
solucao do sistema acima.
Seja A uma matriz n n.
(a) Os autovalores (reais) de A sao as razes reais do polinomio
p(t) = det(AtI
n
)
(b) Para cada autovalor , os autovetores associados a sao os vetores nao
nulos da solucao do sistema
(AI
n
)X = 0.
Denicao 1.2. Seja A uma matriz nxn. O polinomio
p(t) = det(AtI
n
)
e chamado polinomio caracterstico de A.
Exemplo 1. : Vamos determinar os autovalores e autovetores da matriz:
A =
_
_
2 0 1
2 1 2
1 0 2
_
_
Para isto, calculamos:
Solucao
P() = det.(A.I) = det
_
_
2 0 1
2 1 2
1 0 2
_
_
=
(2 ).(1 ).(2 ) [1.(1 ).1] = 0
(1 ).(2 )
2
(1 ) = 0 (1 )((2 )
2
1) = 0
CAP

ITULO 1. NOC

OES B

ASICAS DE

ALGEBRA LINEAR 4
(1 )
2
(3 ) = 0
Como os autovalores de A sao as razes reais de p(), temos que os autovalores
de A sao
1
= 1 e
2
= 3. Agora, vamos determinar os autovetores associados
aos autovalores
1
= 1 e
2
= 3.
Para isto vamos resolver os sistemas (A
1
I
3
)X =

0 e (A
2
I
3
)X =

0.
O sistema (A
1
I
3
)X =

0 e
_
_
1 0 1
2 0 2
1 0 1
_
_
.
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
Resolvendo o sistema temos x + z = 0, vamos fazer z = entao x = e
y = a nossa solucao geral e (, , ) = (, 0, ) + (0, , 0) = (1, 0, 1) +
(0, 1, 0), logo os autovetores que gerao W
1
sao (1, 0, 1) e (0, 1, 0)
onde W
1
= [(; ; )/, R], que e o conjunto de todos os autovetores asso-
ciados a
1
= 1 acrescentado o vetor nulo.
Enquanto o sistema (A
2
I
3
)X =

0 e
_
_
1 0 1
2 2 2
1 0 1
_
_
.
_
_
x
y
z
_
_
=
_
_
0
0
0
_
_
Resolvendo agora esse sistema gerado pela matriz acima temos x + z = 0,
vamos chamar z = entao x = e y = 2 e a solucao geral e (, 2, ) =
(1, 2, 1) , logo os autovetores que geram W
2
sao (1, 2, 1) que e o conjunto de
todos os autovetores associados a
2
= 3 acrescentado o vetor nulo.
1.2 Diagonalizacao
Certos processos sao descritos em cada estagio por uma matriz A quadrada
e em k estagios pela potencia k da matriz A, A
k
, em que k e um n umero inteiro
positivo. Suponha que desejamos saber a matriz que corresponde a k estagios,
para k um inteiro positivo qualquer. Se a matriz A e diagonal,
A =
_

1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
n
_

_
, entao A =
_

k
1
0 . . . 0
0
k
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
k
n
_

_
,
Se a matriz A nao e diagonal, mas existe uma matriz P tal que
A = PDP
1
, em que A =
_

1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
n
_

_
,
CAP

ITULO 1. NOC

OES B

ASICAS DE

ALGEBRA LINEAR 5
A
2
= (PDP
1
)(PDP
1
) = PD(P
1
P)DP
1
= PD
2
P
1
.
que A
k1
= PD
k1
P
1
, temos que
A
k
= A
k1
A = (PDP
1
)
k1
(PDP
1
)
= (PD
k1
P
1
)(PDP
1
) = PD
k1
(P
1
P)DP
1
PD
k
P
1
= P
_

k
1
0 . . . 0
0
k
2
. . . 0
.
.
.
.
.
.
.
.
.
0 . . . 0
k
n
_

_
P
1
podemos facilmente encontrar a k-esima potencia de A.
Seja A =
_
1 1
4 1
_
,P =
_
1 1
2 2
_
e D =
_
3 0
0 1
_
sao tais que
A = PDP
1
.
Assim,
A
k
= PD
K
P
1
=
_
1 1
2 2
_ _
3
k
0
0 (1)
k
_ _
1 1
2 2
_
1
A
k
= PDP
1
=
_
3
k
(1)
k
23
k
2(1)
k
_
1
4
_
2 1
2 1
_
=
1
4
_
2(3
k
+ (1)
k
) (1)
k
3
k
4((1)
k
3
k
) 2(3
k
+ (1)
k
)
_
Denicao 1.3. Dizemos que uma matriz A, de ordem nn, e diagonalizavel,
se existem matriz quadrada invertvel P e matriz diagonal D tais que
A = PDP
1
, ou equivalentemente, D = P
1
AP.
Suponhamos que a matriz A e diagonalizavel, como na denicao acima.
Dado o polinomio f(x) = a
0
+ a
1
x + a
2
x
2
+ . . . + a
n
x
n
Podemos calcular o polinomio na matriz A da seguinte forma
f(A) = a
0
I
..
=PIP
1
+a
1
A
..
=PDP
1
+a
1
A
2
..
=(PDP
1
)
2
+. . . + a
n
A
n
..
=(PDP
1
)
n
f(A) = a
0
(PIP
1
) + a
1
(PDP
1
) + a
2
(PD
2
P
1
) + . . . + a
n
(PD
n
P
1
)
Logo:
f(A) = Pa
0
IP
1
+ P(a
1
D)P
1
+ P(a
2
D
2
)P
1
+ . . . + P(a
n
D
n
)P
1
= P(a
0
IP
1
+ (a
1
D)P
1
+ (a
2
D
2
)P
1
+ . . . + (a
n
D
n
)P
1
)
= P((a
0
I + a
1
D + a
2
D
2
+ . . . + a
n
D
n
)P
1
CAP

ITULO 1. NOC

OES B

ASICAS DE

ALGEBRA LINEAR 6
f(A) = P(f(D))P
1
Concluindo, e mais facil obter f(D) do que f(A).
Denicao 1.4. Uma matriz quadrada A = (a
ij
) de ordem n tal que a
ij
= a
ji
,
i = j, ou seja, A = A
t
, e chamada de matriz simetrica.
Exemplo 2. A =
_
_
3 5 6
5 2 4
6 4 8
_
_
e simetricapois A = A
t
Se A e uma matriz simetrica, entao existe uma matriz P invertvel e uma
matriz diagonal D tal que
D = P
1
AP.
Assim, se A e simetrica, entao ela e diagonalizavel.
Lema 1.1. : Sejam
1
,
2
, . . . ,
n
autovalores da matriz A diagonalizavel de
ordem n n. Se f e g sao polinomios tais que:
f(
i
) = g(
i
), para todo i = 1, 2, 3, . . . , n.
f(A) = g(A)
Prova: Seja P a matriz invertvel tal que A = PDP
1
onde D e a matriz
diagonal correspondente, na diagonal aparecem os autovalores de A. Entao, da
observacao anterior
f(A) = Pf(D)P
1
= P
_

_
f(
1
) 0
f(
2
)
.
.
.
0 f(
n
)
_

_
P
1
P
_

_
g(
1
) 0
g(
2
)
.
.
.
0 g(
n
)
_

_
P
1
=
= Pg(D)g
1
= g(A)
CAP

ITULO 1. NOC

OES B

ASICAS DE

ALGEBRA LINEAR 7
1.3 Determinantes
Vamos inicialmente denir o determinante de matrizes 1 1. Para cada
matriz A = [a] denimos o determinante de A, indicado por det(A), por det(A)
= a. Vamos, agora, denir o determinante de matrizes 22 e a partir da vamos
denir para matrizes de ordem maior. A cada matriz A, 2 2, associamos um
n umero real, denominado determinante de A, por:
det(A) = det
_
a
11
a
12
a
21
a
22
_
= a
11
a
22
a
21
a
12
Para denir o determinante de matrizes quadradas maiores, precisamos denir
o que sao os menores de uma matriz. Dada uma matriz A = (a
ij
)
nn
, xado o
elemento a
ij
, denotado por A
ij
, e a submatriz (n 1) (n 1) de A obtida
eliminando-se a i-esima linha e a j-esima coluna de A.
Por exemplo, se A = (a
ij
)
33
,
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
A
11
=
_
a
22
a
23
a
32
a
33
_
A
2,3
_
a
11
a
12
a
31
a
32
_
Agora, vamos denir os cofatores de uma matriz quadrada A = (a
ij
)
nn
. O
cofator do elemento a
ij
, denotado por a
ij
, e denido por
a
ij
= (1)
i+j
det(A
ij
);
ou seja, o cofator a
ij
, do elemento a
ij
e igual a mais ou menos o determinante
do menor A
ij
, o sinal (1)
i+j
; da a seguinte regra: para os termos da diagonal
(i, j) e psempre positivo, a partir disto vemos que o sinal alterra, assim, no caso
4x4 ca:
,
_

_
+ +
+ +
+ +
+ +
_

_
Exemplo 3. Vamos, agora, denir o determinante de uma matriz 3 3. Se
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
entao, o determinante de A xada a primeira linha e igual `a soma dos produtos
dos elementos da primeira linha pelos seus cofatores.
det(A) = a
11
a
11
+ a
12
a
12
+ a
13
a
13
=
CAP

ITULO 1. NOC

OES B

ASICAS DE

ALGEBRA LINEAR 8
a
11
det
_
a
22
a
23
a
32
a
33
_
a
12
det
_
a
21
a
23
a
31
a
33
_
+ a
13
det
_
a
21
a
22
a
31
a
32
_
= a
11
(a
22
a
33
a
32
a
23
) + a
12
(a
21
a
33
a
31
a
23
) + a
13
(a
21
a
32
a
31
a22).
Da mesma forma que a partir do determinante de matrizes 2 2, denimos
o determinante de matrizes 3 3, podemos denir o determinante de matrizes
quadradas de ordem maior. Supondo que sabemos como calcular o determinante
de matrizes (n 1) (n 1)
Vamos denir o determinante de matrizes n n.
Seja A = (a
ij
)
nn
. O determinante de A, denotado por det(A), e denido
por det(A) = a
11
a
11
+ a
12
a
12
+ + a
1n
a
1n
=

n
j=1
a
1j
a
1j
; em que a
1j
=
(1)
1+j
det(A
1j
) e o cofator do elemento a
1j
. A expressao e chamada desen-
volvimento em cofatores do determinante de A em termos da 1
a
. linha.
Seja A = (a
ij
) uma matriz de ordem n n, denotemos por v
1
, v
2
, . . . , v
n
as
linhas da matriz A, assim temos:
A =
_

_
v
1
v
2
.
.
.
v
n
_

_
Seja A = (a
ij
) uma matriz de ordem n n, denotemos por c
1
, c
2
, . . . , c
n
as
colunas da matriz A, assim temos:
A =
_
c
1
c
2
. . . c
n

O determinante e uma funcao que associa cada matriz quadrada um escalar,

satisfazendo as seguintes propriedades:
1. O determinante da matriz identidade e 1
A = det
_

_
1 0 . . . 0
0
.
.
.
0
.
.
.
.
.
.
.
.
.
0 . . . 0 1
_

_
= 1
2. O determinante troca de sinal se duas linhas ou colunas forem trocadas de
posicao.
3. Se uma la (linha ou coluna) da matriz e composta de zeros, entao o deter-
minante desta matriz sera zero.
CAP

ITULO 1. NOC

OES B

ASICAS DE

ALGEBRA LINEAR 9
4. Se uma linha de A e soma de dois vetores digamos v +w o det(A) segue esta
regra:
det(A) = det
_

_
v
1
v
2
.
.
.
v + w
.
.
.
v
n
_

_
= det
_

_
v
1
v
2
.
.
.
v
.
.
.
v
n
_

_
+ det
_

_
v
1
v
2
.
.
.
w
.
.
.
v
n
_

_
=
5. Se v
i
= kv
det =
_

_
v
1
v
2
.
.
.
kv
.
.
.
V
n
_

_
= k.det
_

_
v
1
v
2
.
.
.
v
.
.
.
V
n
_

_
6. Se duas linhas paralelas de uma matriz forem iguais, ou proporcionais, o
determinante desta matriz e nulo.
Das propriedades anteriores temos que:
O determinante nao e alterado se uma linha ou coluna for substituda por
essa mesma linha ou coluna somada a uma combinacao linear das outras linhas.
Isto e:
det =
_

_
v
1
.
.
.
v
i
.
.
.
v
j
+ kv
i
.
.
.
v
n
_

_
= det
_

_
v
1
.
.
.
v
i
.
.
.
v
j
.
.
.
v
n
_

_
Com efeito,
det =
_

_
v
1
.
.
.
v
i
.
.
.
v
j
+ kv
i
.
.
.
v
n
_

_
4
..
= det
_

_
v
1
.
.
.
v
i
.
.
.
v
j
.
.
.
v
n
_

_
+ kdet
_

_
v
1
.
.
.
v
i
.
.
.
v
i
.
.
.
v
n
_

_
CAP

ITULO 1. NOC

OES B

ASICAS DE

ALGEBRA LINEAR 10
Como
_

_
v
1
.
.
.
v
i
.
.
.
v
i
.
.
.
v
n
_

_
= 0
Entao
A =
_

_
v
1
.
.
.
v
i
.
.
.
v
j
+ kv
i
.
.
.
v
n
_

_
= det
_

_
v
1
.
.
.
v
i
.
.
.
v
j
.
.
.
v
n
_

_
A =
_

_
v
1
.
.
.
v
i
.
.
.
v
j
+ kv
i
.
.
.
v
n
_

_
=
_

_
v
1
.
.
.
v
i
.
.
.
v
j
.
.
.
v
n
_

_
O seguinte lema e um resultado fundamental para resolver o teorema da
amizade no captulo 3.
Lema 1.2. :
det(A) = det
_

_
t 1 . . . 1
1 t . . . 1
1 1 t
.
.
.
.
.
.
.
.
.
1
1 . . . t
_

_
nn
= (t 1)
n1
(t + n 1)
Prova:
CAP

ITULO 1. NOC

OES B

ASICAS DE

ALGEBRA LINEAR 11
A =
_

_
v
1
v
2
v
3
.
.
.
v
n
_

_
=
_

_
v
1
v
2
v
2
v
3
.
.
.
v
n
_

_
=
_

_
v
1
v
2
v
2
v
3
v
3
.
.
.
v
n
_

_
= . . . =
_

_
v
1
v
2
v
2
v
3
v
3
v
4
.
.
.
v
n1
v
n
v
n
_

_
=
Realizando essa sequencia de operacoes na matriz A temos o seguinte resul-
tado

A =
_

_
t 1 1 t 0 0 . . . 0
0 t 1 1 t 0 . . . 0
.
.
. 0 t 1 1 t . . . 0
.
.
.
.
.
. 0
.
.
.
.
.
.
0
.
.
.
.
.
.
.
.
.
.
.
.
t 1 1 t
1 1 1 . . . 1 t
_

_
Notemos que em cada linha podemos fatorar o termo (t 1), por exemplo
na linha 1, e da forma:
(t 1)
_
1 1 0 0 0 0 0

Pelas propriedades do determinante temos que det(A) = det(

A).
Logo:
det(A) = (t1)
n1
. det
_

_
1 1 0 0 . . . 0
0 1 1 0 . . . 0
0 0 1 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1 1
1 1 1 . . . 1 t
_

_
nn
= (t1)
n1
. det(u)
Para mostrar o lema, basta calcular que o determinante da matriz U
e (t + n 1). Para isso vamos calcular o determinante por cofator xando a
primeira linha.Assim:
det(U) = det
_

_
1 1 0 0 . . . 0
0 1 1 0 . . . 0
0 0 1 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1 1
1 1 1 . . . 1 t
_

_
(n1)(n1)
+
CAP

ITULO 1. NOC

OES B

ASICAS DE

ALGEBRA LINEAR 12
det
_

_
0 1 0 0 . . . 0
0 1 1 0 . . . 0
0 0 1 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1 1
1 1 1 . . . 1 t
_

_
(n1)(n1)
Vamos calcular a segunda parcela e veremos que e 1:
det
_

_
0 1 0 0 . . . 0
0 1 1 0 . . . 0
0 0 1 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1 1
1 1 1 . . . 1 t
_

_
(n1)(n1)
Fixando a primeira linha, o determinante e igual ao determinante de uma
matriz semelhante porem de ordem (n 2) (n 2). Com o mesmo processo
obteremos uma matriz (n 3) (n 3) e assim sucessivamente ate chegarmos
em uma matriz 3 3 que e:
= det
_
_
0 1 0
0 1 1
1 1 t
_
_
= det
_
0 1
1 t
_
= 1
Podemos concluir que
det(U) = det
_

_
1 1 0 0 . . . 0
0 1 1 0 . . . 0
0 0 1 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1 1
1 1 1 . . . 1 t
_

_
(n1)(n1)
+ 1
Novamente xamos a 1
a
linha temos:
det(U) = det
_

_
1 1 0 0 . . . 0
0 1 1 0 . . . 0
0 0 1 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1 1
1 1 1 . . . 1 t
_

_
(n2)(n2)
+
CAP

ITULO 1. NOC

OES B

ASICAS DE

ALGEBRA LINEAR 13
det
_

_
0 1 0 0 . . . 0
0 1 1 0 . . . 0
0 0 1 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1 1
1 1 1 . . . 1 t
_

_
(n2)(n2)
+ 1
Entao:
det(U) = det
_

_
1 1 0 0 . . . 0
0 1 1 0 . . . 0
0 0 1 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1 1
1 1 1 . . . 1 t
_

_
(n2)(n2)
+ 2
det(U) = . . . =
det(U) = . . . = det
_
_
1 1 0
0 1 1
1 1 t
_
_
(n(n3))(n(n3))
+ (n 3)
det(U) == 1(t + 1) + (1) + n 3 = t + 1 + 1 + n 3 = t + n 1.
14
Captulo 2
Grafos e Caminhos
Leonhard Euler em Sete Pontes de Konigsberg e considerado o primeiro
resultado da teoria dos grafos.

E tambem considerado um dos primeiros resul-
tados topologicos na geometria; isto e, nao dependente de quaisquer medidas.
Isso ilustra a profunda conexao entre a teoria dos grafos e topologia.
A palavra graco e, muitas vezes, usada para qualquer representa cao visual
de dados, outras formas incluem o graco de barras, o graco pictorio e o graco
em setores. Os gracos que trataremos agora sao chamados de grafos. Usaremos
duas denicoes de grafos: uma e baseada em uma representa cao visual e a outra
e uma denicao mais formal que nao fala nada sobre uma representacao visual.
Os grafos sao geralmente representados gracamente da seguinte maneira:
e desenhado um crculo para cada vertice, e para cada aresta e desenhado um
arco conectando suas extremidades. Se o grafo for direcionado, seu sentido e
indicado na aresta por uma seta.
Note que essa representacao graca (o layout) nao deve ser confundida com o
grafo em si (a estrutura abstrata, nao-graca). Varios diferentes layouts podem
corresponder ao mesmo grafo
2.1 Grafos
A Teoria dos Grafos e uma area da Matematica que estuda as propriedades
de grafos , principalmente na representa cao de circuitos e redes de comunicacao:
Um grafo e um conjunto nao vazio de nos (vertices) e um conjunto de arcos
(arestas) tais que cada arco conecta dois nos. Dependendo da aplicacao, arestas
podem ou nao ter direcao, pode ser permitido ou nao arestas ligarem um vertice
a ele proprio e vertices e/ou arestas podem ter um peso (numerico) associado. Se
as arestas tem uma direcao associada (indicada por uma seta na representacao
graca) temos um grafo direcionado, ou dgrafo.
Um grafo com um unico vertice e sem arestas e conhecido como o grafo
trivial ou o ponto.
CAP

ITULO 2. GRAFOS E CAMINHOS 15

Denicao 2.1. Um grafo que denotamos por G(V, A), onde
V e um conjunto nao vazio de nos (vertices)
A e um conjunto de arcos (arestas)
G e uma funcao que associa cada arco a um par nao ordenado de nos, chama-
dos as extremidades de a.
Denicao 2.2. Dois vertices do grafo sao considerados adjacentes se existe
uma aresta ligando eles.
Exemplo 4. Neste exemplo iremos ligar pessoas amigas com uma aresta e cada
pessoa sera um vertice. Notemos que Maria e amiga de Pedro, Pedro e amigo
de Joana e Luiz, Maria e amiga de Joana mas Joana e Maria nao sao amigas
de Luiz
Maria Pedro
Joana
s
s
s
s
s
s
s
s
s
Luiz
Figura 1
Denicao 2.3. Dado um grafo G, um caminho no grafo e uma sequencia de
vertices v
1
, v
2
, . . . , v
k
de modo que todo par de vertice v
i
, v
i+1
sao adjacentes.
Um caminho e chamado simples se nenhum dos vertices no caminho se
repete.
Dois caminhos sao independentes se nao tiverem nenhum vertice em
comum, exceto o primeiro e o ultimo.
Denicao 2.4. Considerando cada aresta como um caminho a percorrer, dene-
se o comprimento de um caminho como sendo o n umero de arestas a serem
percorridas para se deslocar de um vertice a outro.
6
b
b
b
b
b
b
b
4 5
b
b
b
b
b
b
b
1
3 2

gura 3
CAP

ITULO 2. GRAFOS E CAMINHOS 16

Dado o grafo com conjunto de vertices V = {1, 2, 3, 4, 5, 6} e conjunto de
arestas E = {(1, 2), (1, 5), (2, 3), (2, 5), (3, 4), (4, 5), (4, 6)}(ver gura 3)
No grafo anterior, os vertices 1 e 2 sao adjacentes, mas os vertices 2 e 4
nao sao. O conjunto de vizinhos de um vertice consiste de todos os vertices
adjacentes a ele. No grafo-exemplo, o vertice 1 possui 2 vizinhos: vertice 2 e
vertice 5.
No grafo de exemplo 3, (1, 2, 5, 1, 2, 3) e um caminho com comprimento 5, e(5, 2, 1)
e um caminho simples de comprimento 2. Se for possvel estabelecer um cam-
inho de qualquer vertice para qualquer outro vertice de um grafo, diz-se que o
grafo e conexo.
Denicao 2.5. Um grafo G(V,A) e dito ser conexo se ha pelo menos um
caminho ligando cada par de vertices deste grafo G.
x
1
x
2
x
3
x
4
x
5
x
6
gura 4
Denicao 2.6. Um grafo G(V,A) e dito ser desconexo se ha pelo menos um
par de vertices que nao esta ligado por nenhum caminho.
x
1
x
2
x
3
x
4
x
5
x
6
gura 5
Denicao 2.7. Um vertice e chamado de vertice par se e somente se um
n umero par de arestas partem desse vertice. Para um n umero mpar de arestas
partindo do vertice, o mesmo e chamado de vertice mpar.
Com relacao aos vertices e arestas de um grafo temos as propriedades:
P1 - A quantidade de vertices mpares e sempre par.
P2 - So e possvel sair de um vertice e retornar ao mesmo percorrendo todas
as arestas se todos os vertices forem pares.
Grau
O grau de um vertice e dado pelo n umero de arestas que lhe sao incidentes.
Em gura 1, por exemplo:
grau (Pedro)= 3
CAP

ITULO 2. GRAFOS E CAMINHOS 17

grau (Maria)= 2
Grafo Regular Se todos os vertices do grafo tem o mesmo grau d, dizemos
que o grafo e regular. Um grafo e dito ser regular quando todos os seus vertices
tem o mesmo grau. O grafo G4, por exemplo, e dito ser um grafo regular-3 pois
todos os seus vertices tem grau 3.
Ciclo
Ciclo de um grafo e um caminho fechado. Em termos um tanto vagos,
um ciclo em um grafo e um caminho fechado sem vertices repetidos. Mais
precisamente, um ciclo e um caminho com (v
0
, a
1
, v
1
, a
2
, . . . , a
k
, v
k
) com k 1
onde v
k
= v
0
mas v
0
, v
1
, v
2
, . . . , v
k1
sao distintos dois a dois.
Chamamos de quadrado, a um ciclo de comprimento quatro com vertices
diferentes.
Chamamos de triangulo, a um ciclo de comprimento tres .
x y
w z
y
x

z
Q
Q
Q
Q
Q
Q
Q
Q
Q
Q
Q
Q
Q
figura 10
2.2 Matriz de Adjacencia
Na computacao, um grafo nito direcionado ou nao-direcionado (digamos, n
vertices) e geralmente representado por sua matriz de adjacencia: uma matriz
de ordem n n cujo valor na linha i e coluna j fornece o n umero de arestas do
i -esimo ao j -esimo vertices.
Uma matriz de adjacencias e uma das formas de se representar um grafo.
Dado um grafo G com n vertices, digamos v
1
, v
2
, . . . , v
n
podemos representar
o grafo por uma matriz M
nn
, da seguinte forma a entrada m
ij
e o n umero de
arestas que ligam o vertice i ao vertice j.
CAP

ITULO 2. GRAFOS E CAMINHOS 18

Em grafos nao direcionados, as matrizes de adjacencia sao simetricas, isto e,
m
ij
= m
ji
. Para todo i = j. Matrizes de adjacencia de grafos direcionados, no
entanto, nao sao assim.
Exemplo 5. Seja o grafo G(V, A) com vertices em V = {1, 2, 3, 4, 5} e arestas
em A = {(1, 2), (1, 3), (1, 5), (2, 4), (3, 4)}.
A qual podemos representar gracamente assim:
5 1
I
I
I
I
I
I
I
I
I
I
I
I
I
I
2
|
|
|
|
|
|
|
|
4 3
gura 6
A matriz de adjacencia associado a este graco e:
A =
_

_
0 1 1 0 1
1 0 0 1 0
1 0 0 1 0
0 1 1 0 0
1 0 0 0 0
_

_
2.3 N umero de Caminhos Possveis
Na matriz do exemplo anterior, vamos encontrar o n umero de caminhos
possveis para ir do vertice i ao vertice j com comprimento 2.
Denotemos por a
2
ij
a entrada ij da matriz A
2
A
2
=
_

_
3 0 0 2 0
0 2 2 0 1
0 2 2 0 1
2 0 0 2 0
0 1 1 0 1
_

_
a
2
ij
e o n umero de caminhos possveis para ir do vertice i ao vertice j com
comprimento 2. Por exemplo, a entrada a
2
23
= 2, este n umero representa que
temos 2 caminhos distintos par ir do vertice 2 ao vertice 3 com comprimento
2 a saber (2, 4, 3)(2, 1, 3). Analiticamente basta notar que a
2
23
= a
21
.a
13
+
a
22
.a
23
+ . . . + a
25
a
53
que podemos representar no diagrama abaixo.
CAP

ITULO 2. GRAFOS E CAMINHOS 19

1
2
2
3
3
4
5
a
a
a
a
a
a
a
a
a
a
21
22
23
24
25
13
23
43
33
53
Note que cada segmento a
2i
a
i3
e 0 ou 1, pois ou temos um caminho do
vertice 2 ao vertice 3 passando por i neste caso a
2i
= 1 e a
i3
= 1 ou nenhum
isto e a
2i
ou a
i3
= 0.
O seguinte teorema generaliza este exemplo.
Teorema 2.1. : Seja A
nxn
= (a
ij
) matriz de adjacencia ao grafo de n- vertices.
Se A
m
= (a
m
ij
), entao a i-j-esima entrada da matriz A
m
, a
m
ij
e o n umero de cam-
inhos possveis para ir do vertice i ao vertice j com caminhos de comprimento
m.
Prova (Inducao)
Para n = 1, A
1
= por denicao a 1
Suponhamos que vale para n = k, isto e, se A
k
= (a
k
ij
)
nn
e a
k
ij
e o n umero
de caminhos de comprimento k para ir de i ao vertice j, Para n = k + 1 temos:
A
k+1
= A
k
.A = (A
k+1
ij
)
nn
. Vamos mostrar pelo processo combinatorio os
caminhos de comprimento k + 1.
Hipotese de Inducao
Vale para n = k, isto e, se A
k
= ((A
k
)
ij
)
nxn
(A
k
)
ij
e o n umero de caminhos de comprimento k para ir do vertice i ao
vertice j.
Para n = k + 1 temos A
k+1
= A
k
.A = ((A
k+1
)
ij
)
nxn
Vamos mostrar pelo processo combinatorio os caminhos de comprimento
k + 1
xado ij, (a
k+1
ij
) = (a
k
i1
).a
1j
+ (a
k
i2
).a
2j
+ . . . + (a
k
in
).a
nj
, que podemos rep-
resentar no diagrama abaixo.
Como (a
k
il
) pela hipotese de inducao e o n umero de caminhos para ir do
vertice i ao vertice l, entao se (a
lj
) e zero, nao teremos nenhum caminho para
ir de i a j passando pelo vertice l no pen ultimo vertice.
CAP

ITULO 2. GRAFOS E CAMINHOS 20

1
2
i j
n
n-1
a
a
a a
a a
a
a
i1
i2
i(n-1)
in
1j
2j
(n-1)j
nj
()
()
() ()
() ()
()
()
k
k
k k
k k
k
k
Se a
lj
= 1, entao o n umero de caminhos para ir de i a j passando por l no
pen ultimo vertice e (a
k
il
).(a
lj
). Assim variando l de 1 ate n temos que (a
k+1
ij
)
CAP

ITULO 2. GRAFOS E CAMINHOS 21

Exemplo 6. Calcular quantos caminhos de comprimento 100vao do vertice 1
ao vertice 6 no grafo do acima (octaedro).
Considere o grafo dado pelos vertices do octaedro
1
2 3
4
5
6
A matriz de adjacencia associada a esse grafo e
A =
_

_
0 1 1 1 1 0
1 0 1 0 1 1
1 1 0 1 0 1
1 0 1 0 1 1
1 1 0 1 0 1
0 1 1 1 1 0
_

_
Para encontrar o polinomio caracterstico vamos calcular o determinante de
det(AI) =
_

_
1 1 1 1 0
1 1 0 1 1
1 1 1 0 1
1 0 1 1 1
1 1 0 1 1
0 1 1 1 1
_

_
Usando o Maple obtemos o polinomio P(x) = x
6
12x
4
16x
3
Exemplo 7. Calcular quantos caminhos de comprimento 1000 vao do vertice
1 ao vertice 6 no grafo do acima (octaedro).
Do teorema (2.1) basta calcular A
1000
, e ver a entrada (1, 6) (a
1000
16
) de A
1000
A = PDP
1
em que
1
= 0,
2
= 2 e
3
= 4 sao auto valores.
A
1000
5x5
= PD
1000
P
1
os autovalores sao

1
= 0,

2
= (2)
1000
e

3
= 4
1000
CAP

ITULO 2. GRAFOS E CAMINHOS 22

f(x) = x
1000
f(A) = A
1000
Vamos propor outro polinomio
p(x) = (
4
1000
+ 2.2
1000
24
)x
2
+ (
4
1000
4.2
1000
12
)x.
este polinomio e obtido por interpolacao, veja Apendice 1.
p(0) = f(0) = 0
p(2) = f(2) = (2)
1000
p(4) = f(4) = 4
1000
p(x) = (
4
1000
+2.2
1000
24
)x
2
+ (
4
1000
4.2
1000
12
)x
p(0) = 0
p(2) = (2)
1000
p(4) = 4
1000
Assim do lema (1) temos que f(A) = P(A) = 0
A
1000
= a(
4
1000
+2.2
1000
24
)A
2
+ b(
4
1000
4.2
1000
12
)A
23
Captulo 3
Teorema da Amizade
Em uma festa imagine que todo mundo se conhece. Mas digamos que foram
pessoas sorteadas ao acaso e que, portanto, podem ou nao se conhecer. O que
podemos dizer sobre o modo como essas pessoas se agrupam? Ou seja, sera
que podemos dizer que necessariamente ha um grupo de quatro pessoas que
conhecem umas `as outras? Ou existe um grupo de quatro delas que nao se
conhecem? Quatro ou tres? Quantas?
Se duas pessoas sao amigas, isso quer dizer que elas se conhecem. Muito bem.
O que vamos mostrar e que, em qualquer grupo de pessoas, sempre existem tres
delas que: se conhecem mutuamente ou nao se conhecem mutuamente.
Talvez seja difcil ver a complexidade do que queremos demonstrar. Faca o
seguinte, entao. Acompanhe a demonstracao desse teorema
Teorema 3.1. Uma festa com n pessoas onde cada duas pessoas tem exatamente
um amigo comum. Entao alguem da festa conhece todas as pessoas.
Notemos que o problema e trivial se na festa fzem parte apenas tres pessoas,
nesta situacao cada uma das tres pessoas conhecem as outras, o grafo associado
e um triangulo.
Assim, resta resolver os casos que temos mais de tres pessoas.
A matriz de adjacencia do problema da amizade satisfaz as seguintes pro-
priedade:
- A matriz e simetrica. - Todas as entradas de 0

s ou 1

s -Diagonal principal
e toda de zeros.
- Os 1

s na linha i e o grau do vertice i ou n umero de amigos de i.

Teorema 3.2. (versao grafos)
Se G(V, A) e um grafo com n umero n = V 4, tal que a cada 2 vertices
distintos x e y ha exatamente um unico vertice z tal que x z e y z =
existe um unico vertice u tal que x u x G\{u}
Teorema 3.3. (versao matricial)
CAP

ITULO 3. TEOREMA DA AMIZADE 24

x
v
v
v
v
v
v
v
v
1
2
3
4
5
6
7
n
Se A = (a
ij
)
nxn
e uma matriz simetrica de ordem n 4, cujas entradas
sao 0

s e l

s, com diagonal de zeros e para todo i, j com i = j ha um unico k

tal que a
ik
= a
jk
= 1. Entao existe exatamente uma unica linha cheia de 1

s
exceto a diagonal.
A =
_

_
0
.
.
.
0
1 1 1 0 1 1
.
.
.
0
_

_
O seguinte lema sera necessario para mostrar o teorema da amizade.
Lema 3.1. :Se d Z, com d > 2, entao
d

d1
nao Z
Prova:
1) Se (d 1) nao e quadrado perfeito =

d 1 e irracional =
d

d1
e
irracional (nao e inteiro).
2) Se (d 1) e quadrado perfeito = (

d 1 Z). m.d.c (d, d 1) = 1

(d 1) e (
_
(d 1)) tem os mesmos fatores primos = m.d.c(d,

d 1) = 1
d

d1
Q\Z
Logo
d

d1
nao pertence a Z
Seja G(V, A) um grafo com as condicoes do Teorema (ver versao grafos).
Assim temos os seguintes lemas.
Lema 3.2. : G nao tem quadrados;
Prova: Suponhamos por absurdo que x, y, v, w sao os vertices de um
quadrado (um ciclo de comprimento quatro)
x y
w v
CAP

ITULO 3. TEOREMA DA AMIZADE 25

figura 12
os vertices y e w possuem vertices x e v simultaneamente adjacentes ao par yw
isto contradiz a propriedade de G. Logo o lema esta demonstrado.
Lema 3.3. : Cada aresta pertence exatamente a um triangulo.
Prova: Pelo absurdo, suponhamos que a aresta de vertices y e w pertence
aos triangulos x, y, w e v, y, w
x y
w
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
{
v
figura 12
= x, y, v, w e quadrado, isto e um absurdo, pois contradiz o lema 3.2.
Lema 3.4. : Todo vertice tem grau par e maior ou igual a 2
Prova: Fixamos u V , se x V \u, para o par ux existe y o unico vertice
tal que u y e x y Do lema 3.3 a aresta uy pertence a um unico triangulo.
x x
u y
u
w
y
(a) (b)
Figura 3.1:
Logo o grau(u) 2
Se nenhum outro vertice sai de u, acabou, o grau e 2.
Se temos que uz e uma aresta novamente pelo lema 3.3, ha um unico triangulo
u = p onde p = y e p = w pois nao existe quadrado gura (b), logo temos dois
triangulos uyw e uzp, que geram pelo menos 4 arestas saindo de u. Pelo anterior
a cada aresta nova saindo de u temos um triangulo cujas arestas sao disjuntas das
arestas dos triangulos anteriores, como o n umero de vertice e nito, so podemos
ter um n umero par de arestas saindo de u. Sendo u um vertice arbitrario o lema
esta demonstrado.
Lema 3.5. : Existe um vertice de grau 4.
CAP

ITULO 3. TEOREMA DA AMIZADE 26

Prova: Fixemos uma aresta denotemos xy, do lema 3.3 existe um unico
triangulo xyz. Como V 4 seja w V \x, y, z. Para o par yw, existe um unico
vertice p tal que y p e w p.
Temos dois casos: Se p = x ou reciprocamente p = z = o vertice x teria
grau 3 ver gura (a), pelo lema 3.4 e par = grau(x) 4.
Se p = x gura (b) = grau de y 3 logo do lema 3.4 grau(y) 4
Denicao 3.1. Distancia
Em um grafo conexo, a distancia entre dois vertices e o comprimento do
caminho mais curto.
Lema 3.6. : A distancia entre dois vertice quaisquer e 1 ou 2.
Prova: Seja x, y e V ou x y ou x y. Se x y a distancia e 1.
E se x y existe z tal que x z e y z logo a distancia e 2.
x
y z
Q
Q
Q
Q
Q
Q
Q
Q
Q
Q
Q
Q
Q
Proposicao 1. :O grafo G(V, A) do problema da amizade nao e regular
Prova: Pelo metodo de solucao ao absurdo, suponha que G e regular de grau
ddo lema 3.5 e 3.6 de par e d 4. Denotemos por n = V .
Fixemos v V , como o grau(v) = d, v
1
, v
2
, . . . , v
d
os vertices adjacentes, a
aresta v.v
1
tem um unico triangulo, cujo outro vertice e algum v
i
com i = j.
Fazendo isso sucessivamente e re-enumerando temos
d
2
triangulos com vertices
em comum d gura (14).
Do lema 3.6, todos os outros vertices exceto v, v
1
, v
2
, . . . , v
d
estao a distancia
2 de v.
Fixando v
1
quantos vertices estao a distancia 2 de v, usando caminhos pas-
sando por v
1
?
Como o grau(v
1
) = d, e temos uma aresta que vai para v e outra que vai para
v
2
(distancia de v a v
2
e 1), entao v
1
contribui com (d 2) vertice a distancia
2 de v. O mesmo acontece com v
i
para i = 1, 2, 3, . . . , d lodo n= vertices de
distancia zero de V + vertices distancia 1 de v + vertices de distancia 2 de v.
n = 1 + d + d(d + 2) = d
2
d + 1
A = (a
ij
)
nxn
matriz simetrica de adjacencia ao grafo. Cada linha tem d1s
o resto das entradas e zero.
CAP

ITULO 3. TEOREMA DA AMIZADE 27

Armacao: o vetor W =
_

_
1
1
1
1
.
.
.
1
_

_
e autovetor de A com autovalores d.
A.W = A.
_

_
1
1
1
1
.
.
.
1
_

_
=
_

_
d
d
d
d
.
.
.
d
_

_
= d
_

_
1
1
1
1
.
.
.
1
_

_
= d.W
Como, toda matriz simetrica e diagonalizavel, existe M matriz invertvel tal
que
MAM
1
=
_

1
0 . . . 0
0
2
. . . 0
0 0
.
.
.
0
0 0 . . .
n
_

_
(MAM
1
).(MAM
1
) = MA
2
M
1
=
_

2
1
0 . . . 0
0
2
2
. . . 0
0 0
.
.
.
0
0 0 . . .
2
n
_

_
Por outro lado, a matriz A
2
e da seguinte forma
_

_
d 1 . . . 1
1 d . . . 1
0 0
.
.
.
1
1 1 . . . d
_

_
Pois cada 2 vertices i = j existe um unico caminho de comprimento 2. O
polinomio caracterstico de A
2
e:
Como n = d
2
d + 1 temos
det(A
2
xI) = (d 1 x)
n1
(d
2
x)
logo (d 1) e d
2
sao autovalores de A
2
.
O polinomio caracterstico da matriz A
2
e:
p(x) = det(A
2
xId) = det
_
_
_
_
_
_
_
d x 1 1 1
1 d x 1 1
1 1 d x 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 1 1 d x
_
_
_
_
_
_
_
CAP

ITULO 3. TEOREMA DA AMIZADE 28

Do lema 1.2, cap 1, fazendo t = d x temos que:
p(x) = (d 1 x)
n1
(d +n 1 x) = (d 1 x)
n1
(d +(d
2
d +1) 1 x)
P(x) = (d 1 x)
(n1)
.(d
2
x)
Entao os valores proprios de A
2
sao as razes de P(x) = 0, logo :

2
1
= d
2
,
2
2
= d 1,
2
3
= d 1, ,
2
n
= d 1.
Como ja temos observado que d e valor proprio da matriz A, entao
1
= d os
outros valores proprios da matriz A sao
i
=

d 1, digamos que p deles sao

iguais a +

d 1 e q deles sao iguais a

d 1. Como a diagonal da matriz A

e composta de zeros, entao a traca da matriz e zero, isto e:
0 =
1
+
2
+
3
+ +
n
= d + (p q)

d 1,
obtendo d = (q p)

d 1, logo
d

d 1
= (q p).
Esta ultima igualdade e um absurdo, pois como d 4, do lema 3.1,
d

d 1
nao e inteiro, mais (qp) e inteiro. Logo temos mostrado que o grafo nao e regu-
lar.
3.1 Demonstracao do teorema da amizade
Seja G(V, A) um grafo satisfazendo as hipoteses do teorema da amizade,
da proposicao anterior temos que nem todos os vertices tem o mesmo grau.
O primeiro passo da demonstracao e vericar que o vertice de grau maximo e
adjacente a todos os outros vertices, o que mostra a existencia.
A. Se u e um vertice de grau maximo e x e um vertice que nao temde grau
maximo, entao x e adjacente a u (x u).
Com efeito, pelo absurdo, suponha que x nao e adjacente a u. Seja u
1
o
unico vertice que e adjacente ao par u e x, e denotemos por u
2
, u
3
, , u
d
;
onde d 4 e grau maximo e sabemos que e par. Por outro lado denotemos por
x
1
, x
2
, , x
k
os vertices adjacentes a x e claro que k d 2 (k tambem e
par). Como nao existe quadrados no grafo temos que
{u
1
, u
2
, , u
d
} {x
1
, x
2
, , x
k
} = {u
1
= x
1
}
CAP

ITULO 3. TEOREMA DA AMIZADE 29

u
u
u
u
u
u
x
x
x
x
x
u=x
1
2
3
4
5
d 1
2
3
4
k
Notemos que x nao e adjacente a nenhum dos u
2
, u
3
, , u
d
, porque formaria
um quadrado. Para cada u
i
com i = 2, 3, , d o vertice adjacente a x e u
i
e
um dos x
j
. como k d 2, entao temos que existe u
i
, u
j
diferentes de modo
que o mesmo x
l
e adjacente comum para os pares x, u
i
e x, u
j
. logo u, u
i
, x
l
,
u
j
seria um quadrado o que e um absurdo e prova A.
Para terminar mostraremos que ha so um unico vertice de grau maximo, o
que mostra por completo o teorema da amizade.
B. Existe um unico vertice de grau maximo.
Com efeito, por ser um n umero nito de vertices entao o grau de cada
vertice e nito, como o grafo nao e regular, ha pelo menos um de grau maximo,
mostraremos que nao pode existir mais de um de grau maximo. Suponhamos
que x
1
e x
2
s ao dois vertices distintos com grau maximo, para cada um de-
les os outros vertices de grau menor (digamos, u
1
, , u
k
) sao adjacentes a
ambos logo x
1
, u
1
, x
2
, u
2
seria um quadrado o que e um absurdo e prova B.
30
Apendice
.1 Interpolacao Polinomial
A interpolacao polinomial consiste em determinar uma funcao polinomial
cujo graco contem um certo n umero de pontos xados apriori.
A interpolacao polinomial pode-se revelar desadequada se os pontos de inter-
polacao nao forem escolhidos convenientemente. De um modo geral, o conjunto
das funcoes interpoladoras e determinado por um n umero nito de parametros
que devera ser igual ao n umero de condicoes impostas, para que haja apenas
uma solucao. Nos casos que veremos, a determinacao dos parametros, que de-
nem a funcao interpoladora, ira levar-nos `a resolucao de um sistema linear.
Suponha que (n+1) pontos sejam dados:(x
0
, f
0
), (x
1
, f
1
), . . . (x
n
, f
n
) onde
x
0
, x
1
. . . x
n
sao distintos. O polinomio de grau n que passa por (n+1) pontos
pode ser escrito assim:
g(x) = a
0
a
1
x + a
2
x
2
+ ... + a
n
x
n
onde a
i
sao coecientes indeterminados. O ajustamento do polinomio para os
(n + 1) pontos gera o sistema de equacoes lineares
f
0
= a
0
+ a
1
x
0
+ a
2
x
2
0
+ ... + a
n
x
n
0
f
1
= a
0
+ a
1
x
1
+ a
2
x
2
1
+ ... + a
n
x
n
1
.
.
.
f
n
= a
0
+ a
1
x
n
+ a
2
x
2
n
+ ... + a
n
x
n
n
Embora os coecientes, a
i
possam ser determinados pela solucao do sistema
de equacoes lineares usando um programa de computador, tal tentativa nao e
desejavel por duas razoes. Primeira, seria necessario um programa para resolver
um conjunto de equacoes lineares, e, segunda, a solucao por computador pode
nao ser exata.
Felizmente existem muitos metodos para determinar a interpolacao polino-
mial sem resolver o sistema de equacoes lineares. Um destes metodos e a formula
CAP

ITULO 3. TEOREMA DA AMIZADE 31

de interpolacao, usando as formulas de Lagrange ou de Newton, que reduzem
signicativamente o n umero de operacoes envolvidas.
O polinomio de grau n que passa por (n + 1) pontos e unico. Isso signica,
sem considerar a formula de interpolacao, que todas as interpolacoes ajustadas
para os mesmos pontos sao matematicamente identicos.
.2 Formula da Interpolacao de Lagrange
Dados os (n + 1) pontos no plano (x
0
, f
0
), . . . , (x
n
, f
n
), com x
0
, x
1
, . . . , x
n
,
distintos. Pelo metodo de Interpolacao de Lagrange, vamos encontrar um
polinomio de grau n cujo graco passa pelos pontos dados.
Primeiramente considere o produto de fatores:
L
0
(x) = (x x
1
)(x x
2
)...(x x
n
)
A funcao L
0
e um polinomio de grau n em x, notemos que dividindo L
0
(x)por
L
0
(x
0
), obtemos a funcao polinomial de grau n:
L
0
(x) =
L
0
(x)
L
0
(x
0
)
=
(x x
1
)(x x
2
)...(x x
n
)
(x
0
x
1
)(x
0
x
2
)...(x
0
x
n
)
Notemos que L
0
(x
0
) = 1 e L
0
(x
1
) = . . . = L
0
(x
n
) = 0.
De modo similar consideremos para i = 1, 2, . . . , n.
L
i
(x) =
L
i
(x)
L
i
(x
i
)
=
(x x
1
)(x x
2
) . . . (x x
i1
)(x x
i+1
) . . . (x x
n
)
(x
i
x
0
)(x
i
x
1
) . . . (x
i
x
n
)
Logo a funcao L
i
(x) e um polinomio de grau n e satisfaz que
L
i
(x
i
) = 1 e L
i
(x
1
) = . . . = L
i
(x)
i1
= L
i
(x
i+1
) = . . . = L
i
(x
n
) = 0).
Assim multiplicando os polinomios L
0
(x), L
1
(x), ..., L
n
(x) por f
0
, f
1
, ..., f
n
,
respectivamente, e adicionando-os, a soma e um polinomio de grau n, denotado
por g:
g(x) = L
0
(x).f
0
+ L
0
(x).f1 + . . . + L
n
(x).f
n
g(x) =
(xx
1
)(xx
2
)...(xx
n
)
(x
i
x
0
)(x
i
x
1
)...(x
i
x
n
)
f
0
+
(xx
1
)(xx
2
)...(xx
n
)
(x
1
x
0
)(x
1
x
1
)...(x

x
n
)
f
1
+ . . . +
+
(x x
0
)(x x
1
)...(x x
n1
)
(x
n
x
0
)(x
n
x
1
)...(x
n
x
n1
)
f
n
Assim temos g(x
i
) = f
i
para todo i = 0, 1, . . . , n.
O polinomio g e chamado de Polinomio de Lagrange.
A seguinte interpolacao sera usada no captulo 2.
CAP

ITULO 3. TEOREMA DA AMIZADE 32

Exemplo 8. :Considere os 3 pontos (0, 0), (2, (2)
1000
), (4, 4
1000
) e encontre
o Polinomio de Lagrange de grau 2 associado a estes tres pontos.
Solucao: Notemos que x
0
= 0, x
1
= 2 e x
2
= 4 e f(x
0
) = 0, f(x
1
) =
(2)
1000
, f(x
2
) = 4
1000
, entao p(0) = 0, p(2) = (2)
1000
, p(4) = 4
1000
.
Como queremos interpolar 3 pontos o polinomio de Lagrange sera de grau
2.
p(x) = (2)
1000
L
1
(x) + 4
100
L
2
(x)
p(x) = 0.L
0
(x) + (2)
1000
(
(xx
0
)(xx
1
)
(x
1
x
0
)(x
1
x
2
)
+ 4
1000
(
(xx
0
)(xx
1
)
(x
2
x
0
)(x
2
x
1
)
p(x) = (2)
1000
[
x(x4)
(2)(6)
+ 4
1000
[
x(x+2)
4(6)
]
Fazendo (2)
1000
= m e 4
1000
=
n entao teremos
p(x) =
mx
2
12

4mx
12
+
nx
2
24
+
2nx
24
p(x) = (
m
12
+
n
24
)x
2
+(
2n
24

4m
12
)x
E agora chamamos a =
2m+n
24
e
b =
2n
24

4m
12
substituindo em a e b os valores
de m e n camos com
a =
2.2
1000
+4
1000
24
e
b =
2.4
1000
24

4.(2)
1000
12
0 -2 4
Logo:
p(x) = (
4
1000
+ 2.2
1000
24
)x
2
+ (
4
1000
4.2
1000
12
)x.
33
References
[SW ] Seinbruch, Alfredo, Winterle, Paulo.
`
Algebra Linear. Pearson Educa-
tion, (1987).
1 J. Plnio O Santos, Margarida P. Mello Idani C. Murari. Int.

A Analise
Combinatoria. Ed. Unicamp (1995).
2 Judith L. Gersting Fundamentos Matematicos para a Ciencia da Computacao.
LTC Editora (2001).
3 Garrett Birkho, Saunders Maclane

Algebra Moderna Basica. Ed. Guan-
abara Dois (1980).
4 TOMEI, Carlos. Autovalores e autovetores - alem de n = 2. Departamento
de Matematica, PUC - Rio. Disponvel em tomei@mat.puc-rio.br. Acesso
em 28 jan. 2007.
5 BRUNAT, J.;Uma demostracio del Teorema de lamistat per metdes elemen-
tals. Butll, SCM. 7 (1992) p.75-80.
6 SANTOS, Reginaldo J.;Introducao `a

Algebra Linear Ed. Universitaria (2007)