Livro Análise Combinatoria e Probabilidade

Matemática
Análise Combinatória e Probabilidade

F
iel a sua missão de interiorizar o ensino superior no estado Ceará, a UECE,
como uma instituição que participa do Sistema Universidade Aberta do
Brasil, vem ampliando a oferta de cursos de graduação e pós-graduação
na modalidade de educação a distância, e gerando experiências e possibili-
dades inovadoras com uso das novas plataformas tecnológicas decorren-
Matemática
tes da popularização da internet, funcionamento do cinturão digital e
massificação dos computadores pessoais.
Comprometida com a formação de professores em todos os níveis e
a qualificação dos servidores públicos para bem servir ao Estado, Análise Combinatória
os cursos da UAB/UECE atendem aos padrões de qualidade
estabelecidos pelos normativos legais do Governo Fede-
ral e se articulam com as demandas de desenvolvi-
e Probabilidade
mento das regiões do Ceará.
Cleiton Batista Vasconcelos
Universidade Estadual do Ceará - Universidade Aberta do Brasil

Manoel Americo Rocha
Geografia
12
História
Educação
Física
Ciências Artes
Química Biológicas Plásticas Computação Física Matemática Pedagogia
Matemática
Análise Combinatória
e Probabilidade

3ª edição
Fortaleza - Ceará Geografia
12
2019
História
Educação
Física
Ciências Artes
Análise_Combin_NL2015.indd 1 02/05/2019 17:21:46

Copyright © 2019. Todos os direitos reservados desta edição à UAB/UECE. Nenhuma parte deste material
poderá ser reproduzida, transmitida e gravada, por qualquer meio eletrônico, por fotocópia e outros, sem a
prévia autorização, por escrito, dos autores.
Editora Filiada à
Presidente da República Conselho Editorial

Jair Messias Bolsonaro
Antônio Luciano Pontes
Ministro da Educação
Abraham Bragança de Vasconcellos Weintraub Eduardo Diatahy Bezerra de Menezes
Presidente da CAPES Emanuel Ângelo da Rocha Fragoso
Abilio Baeta Neves Francisco Horácio da Silva Frota
Diretor de Educação a Distância da CAPES Francisco Josênio Camelo Parente
Carlos Cezar Modernel Lenuzza
Gisafran Nazareno Mota Jucá
Governador do Estado do Ceará
Camilo Sobreira de Santana José Ferreira Nunes
Reitor da Universidade Estadual do Ceará Liduina Farias Almeida da Costa
José Jackson Coelho Sampaio Lucili Grangeiro Cortez
Vice-Reitor Luiz Cruz Lima
Hidelbrando dos Santos Soares
Manfredo Ramos
Pró-Reitora de Pós-Graduação
Nucácia Meyre Silva Araújo Marcelo Gurgel Carlos da Silva
Coordenador da SATE e UAB/UECE Marcony Silva Cunha
Francisco Fábio Castelo Branco Maria do Socorro Ferreira Osterne
Coordenadora Adjunta UAB/UECE Maria Salete Bessa Jorge
Eloísa Maia Vidal
Silvia Maria Nóbrega-Therrien
Direção do CED/UECE
José Albio Moreira de Sales Conselho Consultivo
Coordenação da Licenciatura em Matemática
Antônio Torres Montenegro (UFPE)
Ana Carolina Costa Pereira
Coordenação de Tutoria da Licenciatura em Matemática Eliane P. Zamith Brito (FGV)
Gerardo Oliveira Barbosa Homero Santiago (USP)
Editor da EdUECE Ieda Maria Alves (USP)
Erasmo Miessa Ruiz
Manuel Domingos Neto (UFF)
Coordenadora Editorial
Rocylânia Isidio de Oliveira Maria do Socorro Silva Aragão (UFC)
Projeto Gráfico e Capa Maria Lírida Callou de Araújo e Mendonça (UNIFOR)
Roberto Santos Pierre Salama (Universidade de Paris VIII)
Diagramador Romeu Gomes (FIOCRUZ)
Francisco Oliveira
Túlio Batista Franco (UFF)
Revisão Ortográfica
Fernanda Ribeiro
Editora da Universidade Estadual do Ceará – EdUECE

Av. Dr. Silas Munguba, 1700 – Campus do Itaperi – Reitoria – Fortaleza – Ceará
CEP: 60714-903 – Fone: (85) 3101-9893
Internet: www.uece.br – E-mail: eduece@uece.br
Secretaria de Apoio às Tecnologias Educacionais
Fone: (85) 3101-9962

Sumário
Apresentação..................................................................................................... 5
Capítulo 1 – Princípio de Contagem............................................................... 7
1. Introdução.............................................................................................................. 9
2. Uma primeira atividade....................................................................................... 10
3. Atividades de contagem..................................................................................... 12
4. Princípios de contagem...................................................................................... 21
Capítulo 2 – Arranjos e Permutações e o Fatorial de um Número.......... 29
1. Introdução............................................................................................................ 31
2. Arranjos simples e arranjos com elementos repetidos..................................... 31
2.1. Calculando o número de arranjos simples................................................. 32
3. Permutações simples e permutações com elementos repetidos.................... 35
3.1. Permutação simples.................................................................................... 35
3.2. Calculando o número de permutações simples........................................ 36
3.3. Permutações com elementos repetidos..................................................... 36
4. O fatorial de um número e o número de arranjos e o de permutações..............38
4.1. Fatorial de um número................................................................................. 38
5. Permutação Circular........................................................................................... 40
5.1. Calculando o número de permutações circulares ................................... 42
Capítulo 3 – Combinações, Números Binomiais
e Binômio de Newton...................................................................................... 51
1. Introdução............................................................................................................ 53
2. Combinações Simples........................................................................................ 54
2.1. Estendendo o conceito de combinação..................................................... 55
2.2. Combinações complementares.................................................................. 55
3. Combinações completas e equações diofantinas............................................ 56
3.1. Determinando o número de permutações completas............................... 56
3.2. Soluções em inteiros positivos.................................................................... 57
3.3. Retomando o cálculo do número de combinações completas................ 59
4. Números binomiais............................................................................................. 61
4.1. Números binomiais com mesmo numerador............................................. 62
4.2. Relação de Stiefel........................................................................................ 63
5. Binômio de Newton............................................................................................. 63
5.1. Estudando o comportamento do desenvolvimento de (x + a)2. ............... 64
5.4. Potências de binômios................................................................................ 67

Capítulo 4 – Tópicos Complementares....................................................... 75
1. Introdução............................................................................................................ 77
2. Permutações caóticas........................................................................................ 77
2.1. Determinando o número de permutações caóticas de 4 elementos............ 79
3. Lemas de Kaplansky.......................................................................................... 81
4. Princípio das gavetas de Dirichlet...................................................................... 84
4.1. Provando o princípio das gavetas de Dirichlet........................................... 85
4.2. Provando a generalização do princípio das gavetas de Dirichlet............. 85
Capítulo 5 – Noções preliminares e operações entre eventos................ 91
1. Introdução............................................................................................... 93
2. Experimentos: aleatórios versus determinísticos.................................. 93
2.1. Experimentos determinísticos ou aleatórios.................................. 94
3. Espaço amostral associado a um experimento aleatório.................... 94
3.1. Espaço amostral.............................................................................. 95
3.2. Eventos associados a um experimento aleatório.......................... 95
4. Operações entre eventos e eventos mutuamente excludentes.......... 97
4.1. Propriedades das operações entre eventos.................................. 98
Capítulo 6 – Definições de Probabilidade e Principais Resultados...... 105
1. Introdução..........................................................................................................107
2. Definições de Probabilidade.............................................................................108
2.1. Definição clássica de probabilidade.........................................................108
2.2. Propriedades da probabilidade.................................................................109
2.3. Definição frequentista de probabilidade....................................................111
2.4. Definição axiomática de probabilidade.................................................... 112
3. Probabilidade condicional e eventos independentes..................................... 113
3.1. Experimentos realizados em sequência.................................................. 116
4. Distribuição binomial de probabilidade............................................................120
Sobre os autores........................................................................................... 130

Apresentação
A origem da Análise Combinatória se remete a problemas relacionados a qua-

drados mágicos. Ela é decorrente da ampliação de técnicas que permitem
contar, de forma direta ou indireta, o número de elementos de um dado con-
junto, sendo esses agrupados sob determinadas condições. Enquanto, a Pro-
babilidade nasceu dos problemas envolvendo jogos de azar.
Estas notas foram escritas para servirem de apoio à disciplina de Aná-
lise Combinatória e Probabilidade do Curso de Licenciatura em Matemática,
com seis horas semanais, durante um semestre. Essa disciplina é o momento
que o discente irá aprimorar sua habilidade de deduzir e raciocinar de forma
lógica e organizada, desenvolvendo seu espírito crítico e criativo, relacionan-
do a matemática com problemas práticos, percebendo e compreendendo o
interrelacionamento das diversas áreas da matemática apresentadas ao lon-
go do curso.
Será o início de compreender os conceitos básicos da teoria dos con-
juntos, assim como os principais tipos de agrupamentos possíveis de se for-
mar com elementos dados e determinar seu número, utilizando os princípios
aditivo e multiplicativo da contagem, da inclusão e exclusão, de Dirichlet e os
lemas de Kaplanski na resolução de situações-problema. Também eles irão
reconhecer e utilizar as principais propriedades do triângulo de Pascal e do
binômio de Newton, e estudar espaços amostrais finitos e definir probabilidade
simples e probabilidade condicionada em eventos desses espaços.
O livro encontra-se dividido em seis unidades. Na primeira unidade será
abordado o Princípios de Contagem apresentando a análise combinatória
como os ramos da matemática que se preocupa com os métodos de conta-
gem, sejam eles diretos ou indiretos. A segunda unidade trata-se de Arranjos e
Permutações e o Fatorial de um Número, no qual será conceituado arranjos e
permutações simples e arranjos e permutações simples e com elementos re-
petidos, além do cálculo com fatorial de um número. Na unidade três, Combi-
nações, Números Binomiais e Binômio de Newton, será estudada definições e
exemplos de simples e com elementos repetidos, além de números binomiais
e apresentando a relação de Stiefel. Na quarta unidade são complementados
e aprofundados alguns conhecimentos de análise combinatória a partir do es-
tudo de outros métodos de contagem, como por exemplo, as permutações
caóticas, os lemas de Kaplansky e o princípio de Dirichlet. Na unidade cinco,

Noções Preliminares e Operações entre Eventos, será introduzindo os con-
ceitos básicos de experimentos aleatórios, em contraposição a experimentos
determinísticos, assim como o espaço amostral associado a um experimento
aleatório e de eventos. A sexta unidade, e última, serão apresentadas algumas
definições de Probabilidade e os principais resultados envolvendo um experi-
mento aleatório como a medida da chance desse evento ocorre.
Em todos os capítulos podemos encontrar exercícios avaliativos e su-
gestão de filmes e sites pata pesquisa no intuito de servir para os alunos fixa-
rem os conceitos estudados.
Os autores

Capítulo 1
Princípios de Contagem

9
Objetivos
• Apresentar a análise combinatória como os ramos da matemática que se
preocupa com os métodos de contagem, sejam eles diretos ou indiretos.
• Exemplificar os princípios de contagem a partir de sua utilização em algu-
mas atividades.
• Enunciar e aplicar os princípios aditivo e multiplicativo da contagem.
• Enunciar e aplicar o princípio de contagem conhecido como princípio da
inclusão e exclusão.
1. Introdução
Uma das preocupações básicas da Análise combinatória, mas não a única, é
com os métodos de contagem, quer direta quer indireta.
Suponha, por exemplo, que desejemos contar os subconjuntos do con-
junto A = { 1, 2, 3 }.
Uma maneira de realizarmos essa contagem seria listar todos
os subconjuntos do conjunto A – contagem direta – para, em seguida,
contá-los. Assim:
• Subconjuntos com zero elementos: ∅;
• Subconjuntos com um elemento: {1}, {2} e {3};
• Subconjuntos com dois elementos: {1, 2}, {1, 3} e {2,3};
• Subconjuntos com três elementos: {1, 2, 3}.
Contando os subconjuntos listados, concluímos que o conjunto A pos-
sui 8 ( = 1 + 3 + 3 + 1) subconjuntos.
Outra maneira seria encontrar um procedimento geral – contagem indi-
reta – que nos permita determinar o número de subconjuntos de um conjunto
A em função do seu número de elementos, sem precisar contá-los.
Em alguns casos, é claro, é mais fácil listar e contar os subconjuntos do que
procurar tal método. Notadamente, quando os conjuntos possuem uma quantidade
pequena de elementos. Em outros, não. Imagine se A possuísse 10 ou 20 elementos.

10
VASCONCELOS, C. B. e ROCHA, M. A.
Neste capítulo resolveremos algumas atividades relacionadas à conta-

gem de conjuntos para, em seguida, enunciarmos e aplicarmos os princípios
aditivo e multiplicativo da contagem além, é claro, do princípio da inclusão e
exclusão, uma espécie de generalização do princípio da contagem.
2. Uma primeira atividade

Como dissemos anteriormente, no caso do conjunto A = {1, 2, 3}, um con-
junto com apenas três elementos, é muito mais fácil listar os subconjuntos
e, em seguida, contá-los do que procurar determinar um método para a con-
tagem indireta.
Mas, e se fossem 10 ou 20 elementos?
Para refletir
Um conjunto com 10 elementos possui quantos subconjuntos? E com 20 elementos?
Um procedimento bastante interessante e que conduz rapidamente a

uma generalização consiste em pensar cada subconjunto de A como sendo
uma sequência ordenada de três letras que podem ser escolhidas entre S e N,
obedecendo à seguinte convenção: a sequência (S, N, N), por exemplo, repre-
senta o subconjunto {1}, pois a letra S significa que o elemento 1 pertence ao
subconjunto, o primeiro N significa que o número 2 não pertence ao subcon-
junto, e o segundo N significa que o elemento 3 não pertence ao subconjunto;
de maneira semelhante, o subconjunto {2, 3} seria representado pela sequên-
cia (N, S, S), na qual o N significa que o 1 não é elemento do subconjunto, isto
é, o 1 não pertence ao subconjunto, o primeiro S significa que o 2 pertence ao
subconjunto e o segundo S significa que o 3 pertence ao subconjunto. Assim,
desejamos saber quantas sequências ordenadas de três elementos na qual
para o primeiro elemento temos duas opções, S ou N.
S
N
Escolhido o primeiro elemento, temos duas opções para a escolha do

segundo – S ou N –;
S
S
N
S
N
N
e, finalmente, escolhidos os dois primeiros temos duas opções de escolha

para o terceiro – novamente, S ou N –;

11
S
N
perfazendo um total de 8 (= 2 x 2 x 2) sequências.

Como cada sequência representa um subconjunto de A = {1, 2, 3}, po-
demos concluir que o conjunto A possui 8 subconjuntos.
Generalizando. Como dissemos anteriormente, fica fácil de generalizar o re-
sultado para um conjunto A com n elementos. Neste caso, a sequência que
devemos formar vai possuir n letras que podem ser escolhidas entre S e N e,
portanto, o número de subconjuntos de um conjunto com n elementos é 2n.
A figura a seguir, denominada de árvore das possibilidades, nos per-
mite visualizar as 8 sequências possíveis, ou melhor, os 8 subconjuntos do
conjunto A.
Logo a seguir temos a relação das oito sequências em correspondência

com o subconjunto que cada uma delas representa.
Sequência Subconjunto
SSS {1, 2, 3}
SSN {1, 2}
SNS {1, 3}
SNN {1}
NSS {2, 3}
NSN {2}
NNS {3}
NNN ∅

12
O conjunto de todos os subconjuntos de um conjunto A é indicado por

P(A) e chamado de conjunto das partes de A.
3. Atividades de contagem
Nesta seção apresentaremos várias atividades de contagem com o objetivo
de mostrarmos alguns procedimentos que podem ser empregados em situ-
ações desta natureza. Apresentaremos alguns conjuntos de situações para,
em seguida, apresentarmos suas soluções. Sugerimos que, antes de verificar
a solução apresentada, cada aluno tente encontrá-la por si mesmo.
Situação 1: De quantas maneiras podemos distribuir quatro bolas, sendo uma
vermelha, uma preta, uma azul e uma branca, entre duas pessoas, de modo
que cada pessoa receba pelo menos uma bola? E se qualquer uma das pesso-
as puder ficar com as quatro bolas? E se forem seis bolas? E se forem n bolas?
Situação 2: De quantas maneiras podemos distribuir quatro bolas iguais entre
duas pessoas, de modo que cada pessoa receba pelo menos uma bola? E se
qualquer uma das pessoas puder ficar com as quatro bolas? E se forem sete
bolas? E se forem n bolas?
Situação 3: De quantas maneiras podemos distribuir quatro bolas diferentes
em duas caixas iguais, de modo que em cada caixa fique pelo menos uma
bola? E se qualquer das caixas puder ficar vazia? E se forem seis bolas? E se
forem n bolas?
Agora vamos apresentar a solução das três atividades propostas ante-
riormente.
Inicialmente, insistimos na importância da tentativa de resolução por
parte dos alunos. Afinal, é a partir de sua própria solução ou de suas próprias
dúvidas que se aprende a resolver problemas confrontando-as – dúvidas ou
soluções – com outras soluções apresentadas e outras que venha a encontrar
pelo caminho.
Para a situação 1, “De quantas maneiras podemos distribuir quatro bo-
las, sendo uma vermelha, uma preta, uma azul e uma branca, entre duas pes-
soas, de modo que cada pessoa receba pelo menos uma bola?”, iniciaremos
denotando por V, P, A e B as bolas vermelha, preta, azul e branca, respectiva-
mente, e por P1 e P2 as duas pessoas. Assim, para as bolas vermelha e preta,
temos as seguintes opções: a bola vermelha ou fica com P1 ou fica com P2 e,
distribuída a bola vermelha, a bola preta ou fica com P1 ou com P2. Na árvore
de possibilidades temos o seguinte:

13
Como se percebe, já foram encontradas 4 possibilidades de distribuição

das duas primeiras bolas.
Para a distribuição das outras duas bolas, procedemos do mesmo
modo. Faltando distribuir a bola azul e a branca, já temos as quatro possibili-
dades seguintes:
VERMELHA PRETA AZUL BRANCA
1 P1 P1
2 P1 P2
3 P2 P1
4 P2 P2
Na distribuição da bola azul, para cada uma das possibilidades acima,

temos outras duas possibilidades: a bola azul fica com P1 ou a bola azul fica
com P2. Assim, para a possibilidade 1, temos:
P1 P1 1 P1
1
P1 P1 2 P2
Para as possibilidades 1 e 2, temos:
P1 P1 1 P1
1
P1 P1 2 P2
P1 P2 3 P1
2
P1 P2 4 P2
E, finalmente, para as quatro possibilidades, temos as oito possibilida-

des listadas a seguir:

14
P1 P1 1 P1
1
P1 P1 2 P2
P1 P2 3 P1
2
P1 P2 4 P2
P2 P1 5 P1
3
P2 P1 6 P2
P2 P2 7 P1
4
P2 P2 8 P2
Agora só falta distribuirmos a bola branca. Novamente, para cada uma

das possibilidades anteriores, temos duas possibilidades, perfazendo as de-
zesseis possibilidades seguintes: 8 nas quais a bola vermelha fica com P1 e
outras 8 com a bola vermelha ficando com P2.
P1 P1 P1 1 P1
1
P1 P1 P1 2 P2
P1 P1 P2 3 P1
2
P1 P1 P2 4 P2
P1 P2 P1 5 P1
3
P1 P2 P1 6 P2
P1 P2 P2 7 P1
4
P1 P2 P2 8 P2
P2 P1 P1 9 P1
5
P2 P1 P1 10 P2
P2 P1 P2 11 P1
6
P2 P1 P2 12 P2
P2 P2 P1 13 P1
7
P2 P2 P1 14 P2
P2 P2 P2 15 P1
8
P2 P2 P2 16 P2
Observemos, entretanto, que as possibilidades 1 e 16 listadas anterior-

mente não satisfazem ao problema inicial.

15
Para refletir
Você saberia dizer por quê? Pense, antes de continuar a leitura.
Na possibilidade 1, a pessoa P1 ganha as 4 bolas, enquanto na possibi-

lidade 16, a pessoa P2 ganha as 4 bolas. E, como o problema pede que cada
pessoa ganhe pelo menos 1 bola, essas duas possibilidades não satisfazem
ao problema original. Portanto, a resposta para a pergunta “De quantas ma-
neiras podemos distribuir quatro bolas, sendo uma vermelha, uma preta, uma
azul e uma branca, entre duas pessoas, de modo que cada pessoa receba
pelo menos uma bola?” é
“De quatorze maneiras”.
Para a pergunta “E se qualquer uma das pessoas puder ficar com as
quatro bolas?” a resposta é
“De dezesseis maneiras”.
Se fossem seis bolas, para a distribuição da quinta bola, cada uma
das dezesseis possibilidades daria origem a duas novas possibilidades, per-
fazendo um total de trinta e duas possibilidades e, para a distribuição da
sexta bola, cada uma das trinta e duas possibilidades daria origem a duas
outras, perfazendo um total de 64 possibilidades. Isto para o caso em que
uma pessoa pode receber todas as bolas. Para o caso em que isso não
pode ocorrer, devemos tirar duas dessas possibilidades e teremos, portanto,
62 possibilidades.
Para o caso geral, “se forem n bolas?” basta observarmos que ao acres-
centarmos uma bola, o total de possibilidades anterior será multiplicado por
2. Assim, para uma bola, temos 2 possibilidades; para duas bolas, temos 4
possibilidades; para três bolas, temos 8 possibilidades.
Generalizando. De maneira geral, para n bolas, temos 2n possibilidades, para
o caso em que uma das pessoas pode receber todas as bolas e 2n – 2, para
o outro caso.
Para a situação 2, “De quantas maneiras podemos distribuir quatro bo-
las iguais entre duas pessoas, de modo que cada pessoa receba pelo menos
uma bola?” como as bolas são iguais, uma possibilidade difere da outra, sim-
plesmente, pelo número de bolas que cada pessoa recebe. Usando a mesma
notação da situação anterior, a pessoa P1 pode receber uma, duas ou três
bolas. Observe que, ao definirmos a quantidade de bolas que a pessoa P1
recebe, automaticamente estamos definindo a quantidade que P2 recebe.

16
Portanto, são 3 as possibilidades procuradas.

Se uma das pessoas puder ficar com as quatro bolas, então devemos
acrescentar mais duas possibilidades: P1 fica com as 4 e P2 fica sem nenhu-
ma bola, e P1 fica sem nenhuma bola e P2 fica com 4 bolas.
Se forem sete bolas, a situação é semelhante. Podemos, novamente,
construir uma tabela como a anterior e obtermos a resposta.
Como podemos perceber, temos 6 possibilidades e se aceitarmos que

um só pessoa receba todas as bolas devemos acrescentar mais duas possi-
bilidades, obtendo um total de 8 possibilidades.
Generalizando. E se forem n bolas? Como se percebe, a pessoa P1 pode
receber 1, 2, 3, …, n – 1 bolas, ou seja, temos n – 1 possibilidades de distribuir
as bolas, no caso em que nenhuma das pessoas pode receber todas as bolas.
Mas, se uma delas puder receber todas as bolas devemos acrescentar duas
possibilidades, obtendo n + 1.
Finalmente, temos a situação 3, “De quantas maneiras podemos dis-
tribuir quatro bolas diferentes em duas caixas iguais, de modo que em cada
caixa fique pelo menos uma bola?” que, apesar de bastante semelhante, é
diferente dos casos anteriores como veremos com as respostas encontradas.
Podemos resolver esse problema de maneira semelhante ao problema
anterior, lembrando apenas que, como as caixas são iguais, as distribuições
1 e 3, uma bola em uma das caixas e três bolas na outra, é a mesma distribui-
ção que 3 e 1, três bolas em uma das caixas e 1 na outra. Assim, temos so-
mente duas distribuições possíveis: a distribuição 1 e 3 e a distribuição 2 e 2.
Se uma das caixas pode ficar vazia, então devemos acrescentar mais
uma distribuição: a distribuição 0 e 4 ou 4 e 0.
Se forem seis bolas o procedimento é semelhante. Teremos as seguin-
tes distribuições:

17
ou seja, 3 ou 4 distribuições, dependendo de se as caixas podem ou

não ficar vazia.
Antes de generalizar, vejamos o que ocorre com cinco bolas. Podemos
fazer as seguintes distribuições:
Como se percebe, no caso de uma quantidade par de bolas ( 4 ou 6, por

exemplo), cada caixa pode ficar com até metade das bolas (2 ou 3). No caso
de uma quantidade ímpar, 5 ou 7 por exemplo, uma das caixas fica com, no
máximo, 2 ou 3, que corresponde à metade do total menos um.
Generalizando. Para o caso de n bolas, devemos considerar duas si-
tuações: n par e n ímpar. No caso em que n é par, teremos possibili-
dades, se nenhuma das caixas puder ficar vazia, ou +1 possibilidades,
se uma das caixas puder ficar vazia. No caso em que n é ímpar, teremos
ou + 1 possibilidades, conforme uma das caixas possa ou
não ficar vazia.
Para concluir essa seção apresentaremos mais três situações para se-
rem analisadas. São elas:
Situação 4: De quantas maneiras podemos distribuir todas as letras A, A, A, A,
B, B, C entre duas pessoas, sem qualquer restrição?
Situação 5: Em um parque de diversões, existem quatro dos brinquedos que
Toby mais gosta de brincar, mas ele só dispõe de dinheiro para comprar dois
bilhetes. De quantas maneiras Toby poderá fazer a escolha dos brinquedos?
Situação 6: Dentre os números de 1 a 20, quantos são os múltiplos de 7 ou
de 5? E quantos são os múltiplos e de 3 ou de 5?
Como nas situações anteriores, é importante que você, antes de ler as
respostas no livro, tente resolver os problemas propostos para que, a partir de
suas dúvidas ou soluções você possa construir seu conhecimento.

18
Para a situação 4, denotemos por P1 e P2 as duas pessoas. A pessoa

P1 pode receber 0, 1, 2, 3 ou 4 letras A e, para cada uma dessas possibilida-
des, a quantidade de letras A que a pessoa P2 receberá já fica automatica-
mente determinada: se P1 recebe 1, então P2 recebe 3, se P1 recebe 2, então
P2 recebe 2, e assim por diante.
Portanto, basta sabermos quantas letras de cada (A, B e C) uma das
pessoas receberá. Portanto, existem 5 maneiras de se distribuir as letras A.
De maneira semelhante, existem 3 maneiras de se distribuir as letras B (P1
recebe 1, 2 ou 0 letras B) e 2 maneiras de distribuir a letra C (ou P1 recebe a
letra C ou P2 recebe a letra C).
Pessoa Letra A Letra B Letra C

P1 0 1 2 3 4 0 1 2 0 1
P2 4 3 2 1 0 2 1 0 1 0
Cada uma das 5 possibilidades de distribuição da letra A pode ser com-

binada com as 3 possibilidades de distribuição da letra B, perfazendo as 15
possibilidades seguintes:
A B A B
0 2
0 1 5 1
2 0
0 2
1 1 4 1
2 0
0 2
1 1
PESSOA 1
PESSOA 2
2 3
2 0
0 2
3 1 2 1
2 0
0 2
4 1 1 1
2 0
0 2
5 1 0 1
2 0

19
Finalmente, cada uma das 15 distribuições anteriores pode ser combi-

nada com as duas distribuições da letra C, totalizando 30 distribuições distin-
tas. Note que essas 30 distribuições são consequência do produto 5 x 3 x 2,
sendo o 5 o número de distribuições da letra A, 3 o número de distribuições da
letra B e 2 o número de distribuições da letra C.
PESSOA 1
A B C
0
0 0
1
Na situação 5, denotando por A, B, C e D os quatro brinquedos dos

quais Toby mais gosta, percebemos que ele pode comprar as seguintes com-
binações de bilhetes
AA AB AC AD
BB BC BD
CC CD
DD
Ao todo, são 10 combinações de dois bilhetes.

Observe que com esta solução estamos aceitando a possibilidade de
Toby comprar dois bilhetes de um mesmo brinquedo. Se este não for o caso,
ou seja, se Toby deve obrigatoriamente comprar bilhetes para brinquedos
diferentes, então existem apenas 6 possibilidades. Aquelas destacadas na
figura anterior.
Generalizando. Para conseguirmos a generalização, vamos examinar pri-
meiramente o caso de cinco brinquedos, digamos A, B, C, D e E. As possíveis
combinações seriam
AA AB AC AD AE
BB BC BD BE
CC CD CE
DD DE
EE
perfazendo um total de (5 + 4 + 3 + 2 + 1) = 15 combinações, se puderem ser

comprados dois bilhetes de um mesmo brinquedo, ou 15 - 5 (4 + 3 + 2 + 1 = 10)
combinações, se não puderem ser comprados bilhetes iguais. Lembremos
que no caso dos quatro brinquedos tivemos 10 ( = 4 + 3 + 2 + 1) combinações,
se podíamos comprar bilhetes iguais e 10 - 4 (1 + 2 + 3 = 6), se não podíamos.
Assim, generalizando para n brinquedos, temos

20
n + (n – 1) + (n – 2) + … + 3 + 2 + 1 =
possibilidades, se puderem ser comprados dois bilhetes para um mes-

mo brinquedo, ou
–n= ,
somente com bilhetes para brinquedos diferentes.
Para a situação 6, denotemos por M(3), M(5) e M(7), respectivamente,
o conjunto dos múltiplos de 3, o dos múltiplos de 5 e o dos múltiplos de 7,
compreendidos entre 1 e 20.
Temos que
M(3) = {3, 6, 9, 12, 15, 18},
M(5) = {5, 10, 15, 20} e
M(7) = {7, 14}.
O conjunto dos múltiplos de 5 ou de 7 é o conjunto
M(5) ∪ M(7) = {5, 7, 10, 14, 15, 20}
e o conjunto dos múltiplos de 3 ou de 5 é o conjunto
M(3) ∪ M(5) = {3, 5, 6, 9, 10, 12, 15, 18, 20}.
Note que o número de múltiplos de 5 ou de 7 é a soma do número de
múltiplos de 5 com o número dos múltiplos de 7.
n(M(5) ∪ M(7)) = n(M(5)) + n(M(7)) = 4 + 2 = 6

Já o número de múltiplos de 3 ou de 5 (nove) não é a soma do número
de múltiplos de 3 (seis) com o dos múltiplos de 5 (quatro).
Para refletir
Você sabe explicar por quê?
No que M(5) ∩ M(7) = ∅, enquanto M(3) ∩ M(5) ≠ ∅. Esse é o mo-

tivo. A diferença entre n(M(3) ∪ M(5)) e n(M(3)) + n(M(5)) é exatamente
o número de elementos de M(3) ∩ M(5) que, na soma n(M(3)) + n(M(5))
soma são contados duas vezes.
n(M(3) ∪ M(5)) = n(M(3)) + n(M(5)) – n(M(3) ∩ M(5)) = 6 + 4 – 1 = 9

21
4. Princípios de contagem
Nas situações da seção anterior foram apresentados e resolvidos problemas
de contagem e, direta ou indiretamente, na sua resolução foi utilizado o princí-
pio aditivo da contagem ou o princípio multiplicativo da contagem.
Nesta seção enunciaremos e aplicaremos esses princípios na conta-
gem do número de elementos de certos conjuntos. Para tanto, denotaremos
por n(X) o número de elementos do conjunto finito X.
Iniciaremos com o princípio aditivo da contagem que permite determi-
nar o número de elementos do conjunto A ∪ B em função do número de ele-
mentos dos conjuntos A e B e pode ser enunciado como segue.
• Princípio aditivo da contagem. Se A e B são conjuntos finitos tais que A ∩ B

= ∅, então A ∪ B também é finito e vale a igualdade n(A ∪ B) = n(A) + n(B).
Se A e B são conjuntos tais que A ∩ B = ∅, dizemos que A e B são

conjuntos disjuntos.
No caso em que A e B são conjuntos disjuntos, isto é, conjuntos tais que
A ∩ B ≠ ∅, vale a igualdade
n(A ∪ B) = n(A) + n(B) – n(A ∩ B).
O princípio aditivo da contagem pode ser generalizado para três ou

mais conjuntos, como segue.
• Princípio aditivo. Caso de 3 conjuntos. Sejam A, B e C conjuntos finitos e dois
a dois disjuntos, isto é, conjuntos tais que A ∩ B = ∅, A ∩ C = ∅ e B ∩ C = ∅.
Nestas condições, vale a igualdade n(A ∪ B ∪ C) = n(A) + n(B) + n(C).
• Princípio aditivo. Caso geral. Sejam A1, A2, A3, …, An conjuntos dois a
dois disjuntos, isto é, conjuntos tais que, para i ≠ j, Ai ∩ Aj = ∅. Nestas
condições, vale a igualdade n( )= .
Outras generalizações possíveis para o princípio aditivo da contagem
são as que seguem.
O caso anterior – dos três conjuntos – permite estender o princípio adi-
tivo da contagem para conjuntos não disjuntos, como no corolário a seguir.
Corolário Se A e B são conjuntos finitos, então vale a igualdade
n(A ∪ B) = n(A) + n(B) – n(A ∩ B).
Prova: Sejam A e B conjuntos finitos.
Sabemos que A ∪ B = (A - B) ∪ (A ∩ B) ∪ (B - A) e que os conjuntos
A - B, A ∩ B e B - A, são dois a dois disjuntos.

22
Assim, pela proposição temos que

n(A ∪ B) = n(A - B) + n(B - A) + n(A ∩ B).
Sabemos ainda que para os conjuntos A e B vale a igualdade
A = (A - B) ∪ (A ∩ B) e, consequentemente, como A - B e A ∩ B são disjun-
tos, temos que n(A) = n(A - B) + n(A ∩ B).
Portanto, da igualdade
n(A ∪ B) = n(A - B) + n(B - A) + n(A ∩ B),
temos n(A ∪ B) = n(A) + n(B) – n(A ∩ B).
Mostrando o resultado. □
O caso mais geral do princípio aditivo da contagem, aquele para n
conjuntos não necessariamente disjuntos, é conhecido como princípio da
inclusão e exclusão e possui o enunciado que apresentaremos a seguir, ini-
cialmente para o caso de três conjuntos e depois na sua versão para o caso
de n conjuntos.
• Princípio da inclusão e exclusão. Caso de 3 conjuntos. Se A, B e C são
conjuntos finitos, então
n(A ∪ B) = n(A) + n(B) + n(C) – n(A∩B) – n(A∩C) – n(B∩C) + n(A∩B∩C).
Para refletir
Você consegue visualizar na igualdade anterior a inclusão e a exclusão? Tente fazê-lo.
• Princípio da inclusão e exclusão. Caso geral. Se A1, A2, …, An são con-

juntos finitos, então
= – + +…
+(-1)
n-1
Outro princípio que foi utilizado nas atividades da seção anterior e que é
muito utilizado nos problemas de contagem indireta é o princípio multiplicativo
da contagem, também conhecido como princípio fundamental da contagem.
Todos nós já ouvimos falar no conhecido problema do menino que pos-
sui três calças e quatro camisas e deseja saber quantas combinações possí-
veis – conjunto de calça e camisa – é possível formar. Esse é um problema
típico que se resolve por meio da aplicação do princípio multiplicativo da con-
tagem, que pode ser enunciado como segue.
• Princípio multiplicativo da contagem. Se uma decisão A pode ser toma-
da de m maneiras distintas e, tomada a decisão A, outra decisão B pode
ser tomada de n maneiras distintas, então o número de maneiras de tomar
sucessivamente as decisões A e B é m x n.

23
Como no caso do princípio aditivo, o princípio multiplicativo da conta-

gem pode ser generalizado para uma quantidade finita de tomadas de decisão
independentes e sucessivas, conforme enunciado a seguir.
• Princípio multiplicativo da contagem. O caso geral. Se as decisões in-
dependentes A1, A2, A3, …, An podem ocorrer de m1, m2, m3, …, mn manei-
ras, respectivamente, então o número de possibilidades de tomar a decisão
A1, seguida de A2, seguida de A3, e assim sucessivamente até tomar a de-
cisão An é dado por m1 x m2 x m3 x … x mn.
Exemplo 1. Resolvendo o problema do menino e suas calças. O menino
possui 3 calças e 4 camisas e desejamos saber quantos conjuntos de calça
e camisa é possível formarmos. Para tanto, basta que observemos que cada
conjunto é formado a partir de duas decisões sucessivas: a escolha da calça,
que pode ser feita de 3 maneiras, e a escolha da camisa, que pode ser feita
de 4 maneiras. Assim, pelo princípio multiplicativo da contagem, o número de
conjuntos possíveis de serem formados é 4 x 3, que é igual a 12.
Exemplo 2. Com 4 homens e 5 mulheres é possível formar 20 casais. De fato,
para formarmos um casal devemos fazer duas escolhas: um homem, entre os
4, e uma mulher, entre as 5. Para a escolha do homem temos 4 possibilidades
e para a da mulher temos 5 possibilidades. Assim, pelo princípio multiplicativo
da contagem, existem 4 x 5 possibilidades de escolha de um casal.
Exemplo 3. Se existem 4 empresas de ônibus e 3 de avião ligando a cidade
X à cidade Y, a viagem pode ser feita de ônibus ou de avião de 7 modos dife-
rentes. A viagem pode ser feita de ônibus de 4 maneiras diferentes: O1, O2, O3
e O4, que formam o conjunto O; e de avião de 3 maneiras diferentes: A1, A2
e A3, que formam o conjunto A. Queremos determinar n(O ∪ A). Temos que
n(O ∪ A) = n(O) + n(A) – n(O ∩ A) e como os conjuntos O e A são disjuntos,
n(O ∪ A) = n(O) + n(A) = 4 + 3 = 7.
Exemplo 4. Se dois conjuntos A e B são disjuntos e são tais que n(A ∪ B) = 20
e n(A) = 15, então n(B) = 5. De fato, pelo princípio aditivo da contagem, temos
que n(A ∪ B) = n(A) + n(B) – n(A ∩ B). Como A e B são disjuntos, temos que
n(A ∪ B) = n(A) + n(B), ou seja, 20 = 15 + n(B) e, consequentemente, n(B) = 5.
Exemplo 5. Existem 2 caminhos ligando as cidades A e B, 3 caminhos ligan-
do as cidades B e C e 4 caminhos ligando as cidades C e D. O número de
caminhos diferentes ligando A e D e passando, obrigatoriamente por B e C é
24 (= 2 x 3 x 4).

24
Síntese do Capítulo
Neste capítulo iniciamos o estudo da Análise Combinatória que é um ramo
da Matemática que, entre outros objetivos, pretende determinar técnicas para
contar o número de agrupamentos possíveis de se construir, sob certas con-
dições. A partir de algumas atividades, estudamos as primeiras noções dos
princípios de contagem.
Em seguida, enunciamos e aplicamos o princípio aditivo e o princípio
multiplicativo da contagem em suas versões mais gerais, em alguns exemplos
e atividades resolvidas. Encerramos o capítulo com o princípio da inclusão e
exclusão que pode ser considerado o princípio aditivo da contagem na sua
versão mais geral.
Atividades de avaliação
1. Se 5 cavalos disputam um páreo, quantos são os resultados possíveis para
os dois primeiros lugares?
Solução: Devemos fazer duas escolhas: o cavalo que vai tirar o primeiro lugar
e o que vai tirar o segundo. Para o cavalo que vai tirar o primeiro lugar te-
mos cinco possibilidades. Qualquer um dos cinco cavalos pode tirar o primeiro
lugar. Para cada uma das cinco possibilidades para o primeiro lugar, temos
quatro possibilidades para o segundo lugar. Temos, portanto, 20 (= 5 x 4) resul-
tados possíveis.
2. Um experimento consiste em jogar, simultaneamente, uma moeda e um
dado para cima e observar os pares de resultados (moeda, dado). Quantos
são os pares de resultados possíveis?
3. Uma montadora de automóveis apresenta um carro em quatro modelos
diferentes e em seis cores diferentes. Um consumidor terá quantas opções
de escolha para esse automóvel?
4. Quantos números naturais pares ou múltiplos de 5, com 4 algarismos dis-
tintos, podem ser formados com os algarismos 0, 3, 4, 7 e 9?
5. De quantos modos diferentes é possível pintar em um mapa, usando cores
diferentes dentre seis cores dadas, os três estados da região sul do Brasil?
6. Uma sala tem 5 portas. De quantas maneiras distintas essa sala pode ser
aberta? E se fossem 10 portas?

25
7. Verifique se a seguinte afirmação é verdadeira ou falsa:

Se n(A ∪ B ∪ C) = n(A) + n(B) + n(C), então A, B e C devem ser disjuntos dois a dois.
8. Em uma escola de cursos livres, há 43 alunos fazendo o curso A, 57 o cur-
so B e 29 o curso C. Há 10 alunos matriculados em A e B, 5 em B e C, 5
em A e C e 2 nos três cursos. Quantos alunos estão fazendo ao menos um
curso nesta escola?
9. Um amigo mostrou-me 10 livros diferentes, sendo 5 de matemática, 3 de
português e 2 de física, e pediu-me que escolhesse dois deles, com a con-
dição que fossem de disciplinas diferentes. De quantas maneiras eu posso
fazer minha escolha?
Solução: Neste problema temos um exemplo de aplicação simultânea do
princípio aditivo da contagem e do princípio multiplicativo da contagem.
Observe que os livros escolhidos podem ser de matemática e português (conjunto
A), de matemática e física (conjunto B) ou de português e física (conjunto C).
Para determinarmos o número de elementos de cada um dos três conjuntos,
podemos aplicar o princípio multiplicativo de contagem. Assim, temos que:
A: 5 x 3 = 15
Matemática Português
B: 5 2 = 10
x
Matemática Física
C: 3 x 2 = 6
Português Física
Finalmente, para determinarmos o número que estamos procurando, basta
utilizarmos o princípio aditivo da contagem e determinarmos o número de
elementos de A ∪ B ∪ C. Como A, B e C são dois a dois disjuntos, temos que
n(A ∪ B ∪ C) = n(A) + n(B) + n(C) = 15 + 10 + 6 = 31.
Assim eu posso fazer minha escolha de 31 maneiras diferentes.
10. Quantos são os números que podem ser formados com todos os dígitos
1, 1, 1, 1, 2 e 3?
Solução: Observe que temos quatro algarismos 1, uma algarismo 2 e um
algarismo três para formarmos os números.
Vamos inicialmente distribuir os quatro algarismos 1, deixando um espaço
entre eles. Assim:
1 1 1 1
Agora devemos escolher a posição de um dos outros algarismos, digamos o 2.
Podemos colocar o algarismo 2 no lugar de qualquer um dos traços. Assim,
temos 5 possibilidades de escolha para o algarismo 2. Consideremos uma
dessas posições.
1 2 1 1 1

26
Para essa escolha (e, portanto, para qualquer outra escolha) temos 6 pos-
sibilidades para colocar o algarismo 3, uma vez que o 3 pode ocupar o
lugar de qualquer um dos traços.
Assim, é possível formar 30 (= 5 x 6) números diferentes.
11. Quantos são os números que podem ser formados com todos os dígitos 1,
1, 1, 1, 1, 1, 1, 1, 1, 2 e 3?
12. Quantos são os divisores do número 360? Determine uma fórmula que
permita calcular o número de divisores de um número qualquer, justifican-
do seu raciocínio.
13. Em um ramal de metrô há 10 estações. Cada tipo de bilhete permite viajar
de uma estação para outra. Assim, para irmos da estação A para a estação
B é necessário 1 bilhete e para irmos de B para A é necessário outro bilhe-
te. Quantos tipos de bilhetes de passagem são necessários para permitir a
viagem entre duas estações quaisquer?
14. De quantas maneiras é possível sentar cinco casais em 10 cadeiras em
fila, se marido e mulher devem sentar sempre juntos?
15. De quantas maneiras podemos escolher uma consoante e uma vogal de
um alfabeto formado por 12 consoantes e 5 vogais?
Texto complementar
Texto 1: Análise Combinatória
Texto extraído do livro Tópicos de Matemática, v.2, de Gelson Iezzi e outros. São Paulo:
Atual Editora, 1980. p.104. Adaptado.
A Análise Combinatória trata basicamente dos problemas de contagem das possi-
bilidades com que um acontecimento pode ocorrer.
Contar diretamente os possíveis resultados de uma experiência é, em geral, muito
trabalhoso se as possibilidades são muito numerosas. Por isso desenvolveram-se as
chamadas técnicas de contagem.
As afirmações a seguir constituem-se problemas típicos da Análise Combinató-
ria: com 5 professores podemos formar 10 comissões diferentes, cada uma com dois
membros; se existem 4 empresas de ônibus ligando São Paulo ao Rio, e 3 de aviões, a
viagem pode ser feita de ônibus ou de avião de 7 modos diferentes; se 5 cavalos dis-
putam um páreo, para os dois primeiros lugares podemos ter 20 resultados distintos.
A Combinatória estuda o número de possibilidades de ocorrência de um determina-
do acontecimento e seu estudo é de grande interesse nos mais variados campos: o quí-
mico o utiliza, ao estudar as possíveis uniões entre os átomos; o diretor de uma escola,
ao distribuir os professores pelas classes; o linguista, ao estudar os possíveis significados
dos símbolos de um idioma desconhecido; o diretor de trânsito, ao determinar quantos
símbolos são necessários para emplacar todos os automóveis do seu Estado.
Mais geralmente, a Combinatória é utilizada na indústria e na ciência em todos os
níveis, e, associada à Probabilidade e à Estatística, torna-se um instrumento poderoso,
responsável, muitas vezes, por tomadas de decisões até na área governamental.

27
Texto 2: Estratégia para resolver problemas de Combinatória

Texto extraído do livro A Matemática do ensino médio, v.2, de Elon Lages Lima e ou-
tros. Rio de Janeiro: SBM, 1990. pp.86-87. Adaptado.
Neste livro os autores apontam a seguinte estratégia para resolver problemas de Com-
binatória:
Postura. Devemos sempre nos colocar no papel da pessoa que deve fazer a ação soli-
citada e ver que decisões devemos tomar.
Por exemplo, se o problema pede para construir um número de três algarismos, de-
vemos nos colocar no papel dessa pessoa que deve escrever um número de três alga-
rismos; se o problema pede para pintar uma bandeira, devemos nos colocar no papel
dessa pessoa; e assim por diante.
Divisão. Devemos, sempre que possível, dividir as decisões a serem tomadas em de-
cisões mais simples.
Por exemplo, se o problema pede para formamos um casal, podemos dividi-lo em
escolher o homem e, em seguida, escolher a mulher; formar um número de três dí-
gitos pode ser dividido em escolher o algarismo das centenas, o das dezenas e o das
unidades.
Não adiar dificuldades. Pequenas dificuldades adiadas costumam se transformar em
imensas dificuldades. Se uma das decisões a serem tomadas for mais restrita que as
demais, essa é a decisão que deve ser tomada em primeiro lugar.
Referências
DANTE, Luiz R. Matemática: contexto e aplicações, v.2. São Paulo: Editora
Ática, 2004.
DASSIE, Bruno Alves e outros. Curso de Análise Combinatória e Proba-
bilidade: aprendendo com a resolução de problemas. Rio de Janeiro: Ed.
Ciência Moderna, 2009.
HAZZAN, Samuel. Fundamentos de matemática elementar, v.5: Análise
combinatória e Probabilidade. São Paulo: Atual Editora, 2004.
LIMA, Elon Lages e outros. Temas e problemas. Coleção do Professor de
Matemática. Rio de Janeiro: SBM, 2003.
LIMA, Elon Lages e outros. A matemática do ensino médio, v.2. Coleção do
Professor de Matemática. Rio de Janeiro: SBM, 1998.
MORGADO, Augusto C. de O. e outros. Análise Combinatória e Probabili-
dade: com as soluções dos exercícios. Coleção do Professor de Matemá-
tica. Rio de Janeiro: SBM, 2006.
SANTOS, J. Plínio O. e outros. Introdução à análise combinatória. Campi-
nas: Ed. da UNICAMP, 2002.
SCHEINERMAN, E. R. Matemática discreta. São Paulo: Thomson Learning
Edições, 2006.

Capítulo 2
Arranjos e Permutações e o
Fatorial de um Número

31
Objetivos
• Conceituar e exemplificar arranjos e permutações simples e arranjos e per-
mutações com elementos repetidos.
• Determinar o número de arranjos e permutações simples e arranjos e per-
mutações com elementos repetidos.
• O fatorial de um número e utilizá-lo na fórmula para determinar o número de
arranjos e de permutações.
• Conceituar permutações circulares de n objetos e determinar seu número
em função de n.
1. Introdução
Neste capítulo abordaremos alguns tipos especiais de agrupamentos que, por
se repetirem com bastante freqüência, recebem nomes especiais: os arranjos
e as permutações.
Aproveitaremos o estudo das permutações para introduzir o conceito
de fatorial de um número inteiro positivo, estendendo a definição aos números
inteiros 0 e 1.
Estudaremos os agrupamentos conhecidos como arranjos simples e
com elementos repetidos e as permutações simples, com elementos repeti-
dos e circulares.
2. Arranjos simples e arranjos com elementos repetidos

Nesta seção trataremos dos arranjos simples e dos arranjos com elementos
repetidos. Esses agrupamentos consistem na escolha e ordenação de parte
dos elementos de uma coleção finita de objetos dados.
Por exemplo, dentre os algarismos 1, 2, 3, 4 e 5 podemos escolher três
e formar com eles um número de três algarismos distintos - um arranjo simples
– ou com algarismos repetidos — um arranjo com elementos repetidos. Os
seguintes números, entre outros, são arranjos simples desses algarismos to-

32
mados 3 a 3: 123, 324, 154, 135, 145, 132. Já os números 113, 235, 233, 344,
555, 432, 454 são exemplos de arranjos desses algarismos tomados 3 a 3.
Nosso interesse é determinar o números de arranjos simples e o núme-
ro de arranjos desses algarismos tomados 3 a 3.
Para refletir
Você sabe determinar o número de arranjos simples de 5 objetos tomados 3 a 3?
E se forem arranjos com elementos repetidos, você sabe determinar o número deles?
Inicialmente temos as seguintes definições.

• Arranjo simples. Dados os números inteiros positivos n e p, com
1 ≤ p ≤ n, um arranjo simples dos n objetos distintos a1, a2, a3, …, an toma-
dos p a p é qualquer ordenação de p objetos diferentes escolhidos dentre
esses objetos.
• Arranjo com elementos repetidos. Dados os números inteiros positivos n
e p, com 1 ≤ p ≤ n, um arranjo com repetição dos n objetos distintos a1, a2,
a3, …, an tomados p a p é qualquer ordenação de p objetos, diferentes ou
não, escolhidos dentre esses objetos.
Temos ainda que um arranjo simples ou com elementos repetidos de n
objetos tomados 1 a 1 é qualquer um dos n objetos.
Exemplo 1. Se de uma sala com 20 alunos premiarmos os 5 primeiros colo-
cados, com prêmios diferentes, cada premiação possível é um arranjo sim-
ples dos 20 alunos tomados 5 a 5.
Exemplo 2. As sequências de letras abc, acd, bca, cdb, e abd podem ser
pensadas como arranjos simples das letras a, b, c, e d tomadas 3 a 3.
Exemplo 3. As sequências de letras abc, acd, bba, cdb, e aaa podem ser pensa-
das como arranjos com elementos repetidos das letras a, b, c, e d tomadas 3 a 3.
Agora que definimos arranjos simples e arranjos com elementos repeti-
dos, e vimos alguns exemplos de onde encontrá-los, vamos organizar o nosso
pensamento para determinar o número de tais agrupamentos.
2.1. Calculando o número de arranjos simples

Suponha que queiramos saber quantos números de três algarismos distin-
tos é possível formar com os algarismos 1, 2, 3, 4 e 5. Sabemos que de-
vemos escolher um algarismo, dentre os cinco, para ocupar a ordem das
centenas, outro, entre os quatro que sobraram, para ocupar o algarismo
das dezenas e, finalmente, outro, entre os três que restam, para ocupar a
ordem das unidades.

33
Centena Dezena Unidade
Para refletir
Você sabe explicar o motivo da redução cinco, quatro e três? Experimente.
O algarismo das centenas pode ser 1, 2, 3, 4 ou 5.
1, 2, 3, 4, 5
Se o algarismo da ordem das centenas for 1, por exemplo, então o da

dezena pode ser 2, 3, 4 ou 5
1 2, 3, 4, 5
Se for 2, então o da dezena pode ser 1, 3, 4 ou 5
2 1, 3, 4, 5
E assim por diante.

Assim, para cada uma das 5 escolhas possíveis para o algarismo das cen-
tenas, temos 4 escolhas possíveis para o algarismo das dezenas, perfa-
zendo um total de (5 x 4 =) 20 possibilidades.
2 12X
3 13X
1
4 14X
5 15X
1 21X
3 23X
2
4 24X
5 25X
• • •
• • •
• • •
Figura: 5 x 4 possibilidades

34
Escolhidos o algarismo da centena e o da dezena, restam três algaris-

mos que poderão ocupar a ordem das unidades, perfazendo assim 60 (= 5 x
4 x 3) números de três algarismos distintos.
3 123
1 2 4 124
5 125
2 132
1 3 4 134
5 135
• • •
• • •
• • •
Figura: 5 x 4 x 3 possibilidades
Calculando o número de arranjos com elementos repetidos.

Se os algarismos não tivessem que ser diferentes, então para a ordem
das centenas teríamos 5 possibilidades de escolha dos algarismos, uma vez
que qualquer dos algarismos 1, 2, 3, 4, ou 5 poderia ocupá-la; para a ordem
das dezenas, uma vez que os algarismos podem ser iguais, teríamos nova-
mente 5 possibilidades de escolha – 1, 2, 3, 4, ou 5 –; e para o algarismo das
unidades teríamos, ainda, 5 possibilidades de escolha – 1, 2, 3, 4, ou 5 –;
perfazendo 125 (= 5 x 5 x 5) números de três algarismos.
Note que não houve a redução de cinco para quatro e para três possibi-
lidades, porque os algarismos podem ser repetidos.
Com isso, concluímos os resultados seguintes.
• Número de arranjos simples. O número de arranjos simples de n objetos
tomados p a p pode ser determinado pelo produto n x (n – 1) x (n – 2) x (n – 3)
x … x (n – p + 1).
Indicando esse número por An,p, temos

35
An,p = n x (n – 1) x (n – 2) x (n – 3) x … x (n – p + 1).
• Número de arranjos com repetição. O número de arranjos com repetição

de n objetos tomados p a p ( 1 < p ≤ n) pode ser determinado pelo produto
n x n x n x … x n, p fatores.
Indicando esse número por (AR)n,p, temos
(AR)n,p = n x n x n x n x … x n = np.
Note que o número de arranjos quer simples quer com elementos repe-
tidos de n objetos tomados 1 a 1 é igual a n.
Exemplo 4. O número de maneiras de premiar, com prêmios diferentes, os 5
primeiros colocados de uma turma de 20 alunos é dado por A20,5 e é igual a 20
x 19 x 18 x 17 x 16 = 1.860.480.
Exemplo 5. O número de sequências de três letras distintas que po-
demos formar com as letras a, b, c, e d é dado por A4,3, sendo igual a
4 x 3 x 2 = 24.
Exemplo 6. O número de sequências de três letras, podendo ter letras iguais
ou distintas, que podemos formar com as letras a, b, c, e d é dado por (AR)4,3,
e é igual a 43 = 4 x 4 x 4 = 64.
3. Permutações simples e permutações com elementos

repetidos
Nesta seção trataremos das permutações simples e das permutações com
elementos repetidos.
O nome permutação vem de permutar que significa trocar e aqui não
será diferente. Iremos trocar de posição os elementos de um conjunto dado,
ordenando-os.
Na definição de arranjo de n objetos distintos, tomados p a p, não ex-
cluímos a possibilidade de termos n = p. Assim, qualquer ordenação dos al-
garismos 1, 2 e 3 é um arranjo de 3 objetos tomados 3 a 3 e cada uma delas
é apenas uma troca de lugar entre os algarismos; qualquer fila formada com
as mesmas 5 pessoas é uma ordenação dessas pessoas e é, portanto, um
arranjo das 5 pessoas tomadas 5 a 5. A esse tipo de agrupamento chamamos
de permutação. Mais precisamente, temos a definição seguinte.
3.1. Permutação simples

Dados n objetos distintos, uma permutação simples desses objetos é qualquer
ordenação dos mesmos.

36
Conforme dissemos anteriormente, uma permutação de n objetos dis-

tintos é um arranjo simples desses n objetos tomados n a n.
Exemplo 1. Qualquer fila formada com 5 pessoas é uma permutação
dessas pessoas.
Exemplo 2. Qualquer ordenação que você der ao arrumar 4 livros na pratelei-
ra de uma estante é uma permutação dos quatro livros.
Anagramas de uma palavra são palavras (com significado semântico
ou não) que se pode formar com todas as letras da palavra dada, ou seja, uma
reordenação das letras da palavra.
Exemplo 3. A palavra ROMA é um anagrama da palavra AMOR e, conse-

quentemente, uma permutação simples das letras A, M, O e R. Outro anagra-
ma e outra permutação simples de AMOR é MORA.
3.2. Calculando o número de permutações simples

Conforme dissemos anteriormente, uma permutação de n objetos é um arranjo
desses objetos tomados n a n. Assim, o número de permutações de n objetos
pode ser calculado pela fórmula An,n e, portanto, é igual a n x (n -1) x (n - 2) x x
1. O número de permutações de n objetos é denotado por Pn e, portanto,
Pn = An,n = n x (n -1) x (n – 2) x … x 1.
Exemplo 4. O número de filas distintas que é possível formar com 5 pessoas

é P5 = 5 x 4 x 3 x 2 x 1 = 120.
Exemplo 5. O número de maneiras distintas de se arrumar 4 livros na prate-
leira de uma estante é P4 = 4 x 3 x 2 x 1 = 24.
Exemplo 6. O número de anagramas da palavra AMOR é P4 = 4 x 3 x 2 x 1 = 24.
3.3. Permutações com elementos repetidos.

Uma permutação de n objetos com elementos repetidos é qualquer or-
denação de n objetos dos quais, pelo menos dois, são iguais.
Por exemplo, a palavra IRACEMA é um anagrama da palavra AMÉ-
RICA e é uma permutação das sete letras A, M, E, R, I, C, A com repetição
de duas letras A.
Em um anagrama não se leva em consideração acentos nem cedilhas.

Contando o número de permutações com elementos repetidos. Para
entender o que vem a ser permutação de n objetos com elementos repe-
tidos e calcular seu número, vamos tomar como exemplo os anagramas
da palavra ESSES.

37
Note que em ESSES existem duas letras iguais a E e três letras iguais
a S. Assim, os seus anagramas são somente as palavras
ESSES ESSSE ESESS EESSS SESSE
SESES SSESE SSEES SSSEE SEESS
É claro que isso ocorre por conta das letras iguais, pois se todas as le-
tras fosses diferentes teríamos 120 (= 5 x 4 x 3 x 2 x 1) anagramas.
Para saber como determinar o número de anagramas com elementos
repetidos, vamos tomar um desses anagramas e ver como ele se comporta
com relação aos 120 possíveis. Para tanto vamos pensar o anagrama ESSES
como se tivesse as cinco letras distintas. Assim: E1S1S2E2S3. Dentre os 120
anagramas possíveis, 12 deram origem a ESSES. São eles:
Grupo 1
E1S1S2E2S3
E1S1S3E2S2 E1S2S1E2S3 E1S2S3E2S1 E1S3S1E2S2 E1S3S2E2S1
Grupo 2
E2S1S2E1S3
E2S1S3E1S2 E2S2S1E1S3 E2S2S3E1S1 E2S3S1E1S2 E2S3S2E1S1
Os anagramas do grupo 1 foram obtidos deixando-se E1 e E2 nas suas

posições originais e permutando-se as três letras S entre si, dando origem a 6.
Os do grupo 2 foram obtidos a partir dos anagramas do grupo 1, permutando-
-se as duas letras E entre si, cada um dando origem a outro. Portanto, cada
um dos 10 anagramas listados anteriormente foram originários de 12 anagra-
mas obtidos pela permutação das duas letras E e das três letras S.
Assim, para determinarmos o número das permutações da palavra ES-
SES temos que dividir as 120 permutações (pensadas como letras diferentes)
pelas permutações das três letras S e pelas permutações das duas letras E.
Denotando por o número de anagramas da palavra ESSES, temos
que = .

38
Generalizando. O número de permutações de n objetos com repetição de

a1, a2, a3, … , ar desses objetos é denotado por e pode ser
calculado como segue:
= . Pa .PPn
a 2 ....Pa r
1
Exemplo 7. O número de anagramas da palavra MARIANA é P7,3 que é igual

P
a 840. De fato, temos que P73 = 7 = 1 × 2 × ... × 7 = 840.
P3 1× 2 × 3
Exemplo 8. A quantidade de números de 5 algarismos que podemos for-
5 × 4 × 3 × 2 ×1
mar usando todos os algarismos 1, 1, 1, 2 e 2 é P53,2 = = 10.
3 × 2 ×1× 2 ×1
4. O fatorial de um número e o número de arranjos e o de

permutações
Nesta seção apresentaremos uma notação para um produto que aparece
com bastante freqüência na análise combinatória e que simplificará bastante
o nosso trabalho.
Como vimos, toda vez que desejamos calcular o número de permuta-
ções de n objetos, nos deparamos com números do tipo:
• Para n = 2: 1 x 2
• Para n = 3: 1 x 2 x 3
• Para n = 4: 1 x 2 x 3 x 4; e assim por diante.
Como produtos dessa natureza vão aparecer com bastante frequência
na resolução de exercícios relacionados à contagem de objetos ou agrupa-
mentos, é razoável que criemos um símbolo para representá-los.
Temos, portanto, a seguinte definição.
4.1. Fatorial de um número

Dado o número inteiro n, com n ≥ 0, o fatorial de n é indicado pelo símbolo n!
(que se lê: n fatorial ou fatorial de n) e definido por:
Exemplo 1. O fatorial de 4 é indicado por 4! que, por sua vez, é igual a

4! = 1 x 2 x 3 x 4 = 24.

39
Exemplo 2. Para calcular o valor da expressão , basta desenvolvermos

os fatoriais e efetuarmos as simplificações, quando for o caso. É importante
observarmos que 10! = 10 x 9! = 10 x 9 x 8! E, portanto, teremos:
= = = 45.
De maneira geral, temos que n! = n x (n – 1)! = n x (n – 1) x (n – 2)!.
Exemplo 3. Para resolver a equação (n - 4)! = 120, basta observarmos que,

pelo teorema fundamental da aritmética, se p e q são números inteiros maio-
res do que ou iguais a 1, e tais que p! = q!, então p = q. Notemos ainda que
120 = 5!. Assim, da igualdade (n – 4)! = 120, segue que (n – 4)! = 5! e, conse-
quentemente, n – 4 = 5, ou seja, n = 9.
O teorema fundamental da aritmética afirma que todo número inteiro
maior do que 1 ou é primo ou se escreve de maneira única como um produto
de números primos.
De posse desta notação, podemos reescrever o número de permu-
tações de n objetos e o n úmero de arranjos de n objetos tomados p a p
como segue.
• A notação de fatorial e o número de permutações simples. Como sa-
bemos, o número de permutações simples de n objetos é indicado por Pn e
calculado por
Pn = n x (n – 1) x (n – 2) x … x 3 x 2 x 1.
De acordo com a definição de fatorial de um número, temos que
Pn = n x (n – 1) x (n – 2) x … x 3 x 2 x 1 = n!.
• A notação de fatorial e o número de arranjos simples. Como foi definido

anteriormente, o número de arranjos simples de n objetos tomados p a p é
indicado por An,p e pode ser calculado por
An,p = n x (n – 1) x (n – 2) x … x (n – p + 1).
Com a definição de fatorial de um número, essa igualdade pode

ser reescrita como
An,p = n x (n – 1) x (n – 2) x … x (n – p + 1) = .

40
• A notação de fatorial e o número de permutações com elementos re-

petidos. Vimos que o número de permutações de n objetos com repetição
de n1, n2, n3, …, nr objetos pode ser calculado por
= .
A definição de fatorial de um número nos permite escrever
= = .
Exemplo 3. O número de filas distintas, no exemplo 4, pode ser indicado por

P5 = 5!.
Exemplo 4. O número de sequências de três letras distintas no exemplo
2.2.05 pode ser indicado por A4,3 = 4! = 4!
(4 - 3)!
Exemplo 5. A quantidade de números de 5 algarismos que podemos
formar usando todos os algarismos 1, 1, 1, 2 e 2 pode ser indicada por
5!
P53,2 = .
3!2!
5. Permutação Circular
Até agora vimos que com 3 pessoas, A, B e C, é possível formarmos três filas
ou ordenações distintas. São elas: ABC, ACB, BAC, BCA, CAB e CBA. Cada
uma dessas filas ou ordenações é dita uma permutação simples das três pes-
soas, é formada pelas mesmas pessoas e difere das outras, apenas, pela or-
dem em que as pessoas se encontram. Assim, as permutações ABC e CAB,
por exemplo, são compostas pelas pessoas A, B e C, sendo que em ABC, A é
o primeiro, B o segundo e C o terceiro, enquanto em CAB, C é o primeiro, A é
o segundo e B é o terceiro.
Vimos também que o número de permutações de n objetos pode ser
calculado pela igualdade
Pn = n!
em que o símbolo n! representa o produto
n x (n – 1) x (n – 2) x… x 3 x 2 x 1,
para qualquer número natural n, n > 1.

41
Suponha agora que queiramos distribuir as três pessoas, A, B e C, em

torno de uma mesa circular.
Para refletir
Será que teremos as mesmas seis possibilidades? Pense, antes de prosseguir.
Tomemos as seis permutações anteriores e façamos sua distribuição

em torno de um círculo, conforme a figura a seguir.
Fig. Distribuição das permutações simples de 3 objetos em torno de um círculo
Isto sugere a definição que segue.

• Permutação circular. Uma permutação circular de n objetos distintos é qual-
quer distribuição desses objetos em torno de um círculo (real ou imaginário).
Notemos, entretanto, que se fizermos uma rotação de 120o (aproxima-
damente) em torno do centro do círculo de qualquer uma das permutações
da primeira linha obteremos outra permutação da primeira linha. E se fizermos
uma rotação de 120o (aproximadamente) de qualquer uma das permutações
da segunda linha obteremos uma permutação da segunda linha.
Esta situação nos leva às seguintes questões: Quantas destas distribui-
ções podem, realmente, ser consideradas diferentes? Como fazer distinção
entre duas distribuições deste tipo?
Uma boa maneira de tentar resolver esse problema é escolher um senti-
do - horário ou anti-horário - para percorrer a circunferência do círculo e anotar
os objetos na sequência que vão aparecendo. Assim, seguindo a circunferên-
cia da distribuição I (primeira linha e primeira coluna) no sentido horário, e co-
meçando pela pessoa mais acima (pessoa A), obtemos a seguinte sequência:
A—B—C—A—B—C—…
procedendo de maneira semelhante para a distribuição II (primeira linha e se-
gunda coluna), obtemos a sequência:

42
B—C—A—B—C—A—…
e, finalmente, para a distribuição III (segunda linha e primeira coluna), obte-
mos a sequência:
A—C—B—A—C—B—…
Vistas como uma fila ou permutação simples, é claro que estas três
sequências são diferentes. Nas duas primeiras, o primeiro objeto de uma é di-
ferente do primeiro objeto da outra, por exemplo. Na segunda e na terceira os
primeiros objetos também são diferentes. Com relação à primeira e à terceira,
o segundo elemento de uma é diferente do segundo elemento da outra. As-
sim, percebe-se claramente que, como permutações simples, as três são dife-
rentes. Acontece que em uma distribuição circular não existe um primeiro nem
um segundo. Qualquer um pode ser o primeiro, dependendo de por onde se
quer começar a enumeração. Assim, uma alternativa para se tentar comparar
as distribuições anteriores é seguir um sentido - horário ou anti-horário - e, ao
invés de começar sempre pela mesma posição, começar pelo mesmo objeto.
Desta forma, as distribuições anteriores, na forma de sequência, ficariam:
I: A — B — C — A — B — C — …
II: A — B — C — A — B — C — …
III: A — C — B — A — C — B — …
Observemos que procedendo desta maneira as duas primeiras distri-
buições passam a ser iguais, enquanto a terceira é diferente. As sequências
que ficaram iguais são exatamente as da mesma linha, ou seja, aquelas que
se tornam iguais por rotações sucessivas de 120o, em torno do centro do cír-
culo, no sentido horário.
Isto sugere a definição que segue.
• Distribuições circulares iguais. Duas distribuições circulares de n objetos
distintos são iguais se uma pode ser obtida da outra por meio de uma rota-
ção em torno do centro do círculo, no sentido horário ou anti-horário.
De acordo com o que foi feito, existem apenas duas permutações circu-
lares dos 3 objetos A, B e C. Começando com A, são elas ABC e ACB.
5.1. Calculando o número de permutações circulares

Para calcular o número de permutações circulares de n objetos distintos, po-
demos proceder de duas maneiras. A primeira é procedermos como fizemos
anteriormente e escolhermos um dos objetos para iniciar a distribuição e um
sentido - horário ou anti-horário - para percorrer a circunferência. Assim, de-
vemos escolher o primeiro, logo após o escolhido, o segundo, o terceiro, e,
finalmente, o último que é o de ordem n - 1. Assim, devemos ordenar n - 1
objetos. Isto sugere a seguinte proposição.

43
a) Número de permutações circulares

O número de permutações circulares de n objetos distintos é indicado
por (PC)n, valendo a igualdade (PC)n = (n – 1)!.
Outra maneira de determinar o número de permutações circulares de
n objetos distintos é considerar a todas as permutações de n objetos e contar
quantas delas são iguais como permutações circulares, ou seja, quantas são
obtidas por rotação em torno da origem do círculo. Para exemplificar, tome-
mos os objetos A, B, C e D. Sabemos que com esses 4 objetos é possível
fazermos as 24 permutações distintas listadas a seguir:
ABCD DABC CDAB BCDA
ABDC CABD DCAB BDCA
ACBD DACB BDAC CBDA
ACBD BACD DBAC CDBA
ADBC CADB BCAD DBCA
ADCB BADC CBAD DCBA

Em cada linha, temos, apenas, uma rotação da permutação que se en-
contra na primeira coluna e, portanto, são todas iguais. Isso pode ser visto se
observarmos que, em cada linha, os objetos foram se deslocando uma posi-
ção para frente. Assim, para contarmos o número de permutações circulares
de 4 objetos, devemos tomar o número total de permutações simples e dividir
por 4, que é o número de permutações simples que são iguais a uma dada
permutação. Portanto, podemos escrever
4!
(PC)4 = = 3! = 3 × 2 × 1 = 6.
4
Generalizando. Para o caso de n objetos, basta observarmos que, em cada
linha teremos n permutações iguais, obtidas pelo deslocamento para frente do
objeto que se encontra na primeira posição até ele chegar à última posição.
Assim, o número de permutações circulares de n objetos é dado por
n!
(PC)n = = (n - 1) !.
n
Exemplos 1. Quatro meninos podem formar uma roda de ciranda de
(PC)4 = 3! maneiras diferentes.
Exemplos 2. O número de rodas de ciranda distintas que se pode formar com
seis meninos, nas quais dois deles sempre estão juntos, é 2X(PC)5 = 2 x 4!.

44
Dando prosseguimento ao nosso estudo de análise combinatória, neste ca-
pítulo abordamos os agrupamentos conhecidos como arranjos e aqueles co-
nhecidos como permutações. Vimos que as permutações são casos particu-
lares dos arranjos e que tanto estes quanto aqueles podem ser classificados
como simples ou com elementos repetidos.
Vimos também que o número de arranjos simples de n objetos tomados
p a p é indicado por An,p e o de permutações simples de n objetos é indicado
por Pn. Já os arranjos com repetição de n objetos tomados p a p e as permu-
tações de n objetos com repetição de elementos são denotadas por (AR)n,p e
Pna1, a2, a3,… ar, respectivamente.
Aprendemos a calcular o número de cada um desses agrupamentos,
diferenciando uns dos outros e introduzimos a notação fatorial que nos per-
mite abreviar o produto da sequência de números naturais desde 1 até n,
indicando tal produto por n!. Por fim, estudamos as permutações circulares,
que consistem na distribuição de objetos ou pessoas em torno de um círculo,
formando sequências ordenadas e determinando a quantidade destas sequ-
ências em função do número de objetos ou de pessoas.
1. Quantos números pares, com quatro algarismos distintos, é possível formar
com os algarismos 0, 1, 2, 3, 4, 5 e 6?
2. Quantos números compreendidos entre 200 e 1000, com algarismos distin-
tos, é possível formar com os algarismos 0, 1, 2, 3, 4 e 5? E se os algaris-
mos puderem ser iguais?
3. Resolva as equações:
Ax,3 = 4Ax,2
An,2 + An-1,2 + An-2,2 = 20
4. Calcule o valor de .
5. Resolva a equação Pn = 24An,3.

45
6. Calcular o valor de:
7. Simplifique a expressão
8. Resolva as equações
9. Determine o inteiro n, sabendo que (n + 4)! + (n + 3)! = 15(n + 2)!.
10. Simplifique a expressão . .
11. Determine o inteiro n, sabendo que =
12. Determine os valores de n tais que .
Solução: Note inicialmente que
Assim, a igualdade fica .
Que nos dá a equação do segundo grau n2 + 3n - 40 = 0, cujas raízes são 5 e -8.

46
Como não está definido o fatorial de um número negativo, temos que a

solução da equação dada é n = 5.
13. Determine a quantidade de números distintos que podemos fazer usando

todos os algarismos 2, 2, 3, 4 e 4.
14. De quantas maneiras podemos dispor 4 casais em torno de uma mesa

circular, se marido e mulher devem sentar juntos? E se, além disso, duas
mulheres não podem sentar juntas?
Solução: Denotemos por H1, H2, H3 e H4 os quatro maridos e M1, M2,

M3 e M4 suas respectivas mulheres. Vamos inicialmente dispor de forma
circular os 4 maridos. Sabemos que existem as 6 maneiras de executar-
mos essa tarefa:
• H1, H2, H3 e H4
• H1, H2, H4 e H3
• H1, H3, H2 e H4
• H1, H3, H4 e H2
• H1, H4, H2 e H3
• H1, H4, H3 e H2.
Tomemos uma dessas distribuições e observemos os lugares onde as es-
posas podem sentar.
 H1  H2  H3  H4 
A esposa M1 pode sentar nas posições  ou . Se a esposa M1 sentar
na posição , teremos duas posições para esposa M2 sentar, quais se-
jam, as posições  ou .
M1 H1  H2  H3  H4 
O mesmo ocorre se M1 sentar na posição , teremos duas posições para
M2 sentar. As posições  e .
H1 M1  H2  H3  H4 
De maneira semelhante, escolhida uma das seis distribuições dos mari-
dos, cada esposa tem duas possibilidades de escolha para sentar. Por-
tanto, temos ao todo 3! x 24, possibilidades de distribuição dos casais em
torno da mesa.
15. Determine o número x, x ≥ 2, de modo que se tenha Ax,2 = 110.
16. Com os algarismos 1, 3, 5, 7 e 9, quantos números inteiros, compreendi-
dos entre 100 e 1000, de algarismos distintos, podemos formar?

47
17. Uma corrida é disputada por 5 atletas. Quantas são as possibilidades de

premiação nos três primeiros lugares? E se forem 10 atletas? Generalize
o resultado para n atletas.
18. Uma senhora quer usar ao mesmo tempo 2 anéis, colocando-os em de-
dos diferentes da mão esquerda ou da mão direita, ambos na mesma mão,
excetuando-se os dedos polegares. De quantas maneiras ela pode fazê-lo?
19. Quantos são os anagramas distintos da palavra ARARA?
Solução: A palavra ARARA possui 5 letras sendo 3 letras A e 2 letras R. As-
sim, o número de anagramas dessa palavra é dado por P52,3, que é igual a 10.
20. Quantos e quais são os anagramas da palavra ATA? E da palavra PETE-
LECO?
21. De quantas maneiras distintas podemos distribuir 7 bombons diferentes
em uma caixa com 7 lugares, como na figura ao lado?
22. Quantas pulseiras distintas, de oito contas, podem ser feitas com 8 contas
de cores diferentes?
Solução: Em princípio podemos pensar que se trata de uma simples
permutação circular de 8 e que, portanto, seu número é
(PC)8 = 7! = 7 x 6 x 5 x 4 x 3 x 2 x 1 = 5040.
Acontece que pulseiras como as da figura ao lado são a mesma pulseira.
Assim, devemos dividir o total 5040 por 2, obtendo 2520 pulseiras diferentes.
23. Um arranjo de flores de forma circular deve ser enfeitado com flores e fitas.
Se dispomos de 8 flores diferentes e fitas de 8 cores diferentes, de quantos
modos distintos podemos enfeitar o arranjo se cada flor deve ficar entre
duas fitas e deve-se usar uma fita de cada cor e uma flor de cada tipo?
24. Determine a quantidade de múltiplos de 3 com quatro algarismos que po-
dem ser formados com os algarismos 2, 3, 4, 6 e 9.
25. Dos anagramas da palavra PERNAMBUCO, quantos começam Pela síla-
ba PER? E quantos começam pelas letras P, E, R, em qualquer ordem?
26. Uma família de 5 pessoas tem uma carro de 5 lugares. De quantos modos
podem se acomodar no carro para uma viagem se:
a) só uma das pessoas sabe dirigir?
b) todas sabem e podem dirigir?
27. De quantos modos 5 pessoas podem sentar em um banco de 5 lugares se
duas delas devem sempre sentar juntas?
28. Resolvido. Exprimir, usando a notação de fatorial, o produto dos n primei-
ros números pares.
Solução. Os n primeiros números pares são 2, 4, 6, 8, , 2n e seu produto

48
P é dado por P = 2.4.6.8. .2n, que pode ser escrito como

P = 2.1.2.2.2.3.2.4. … . 2.n = 2.2.2. … .2.1.2.3.…n = 2n.n!
29. Exprimir, usando a notação de fatorial, o produto dos n primeiros números
ímpares.
30. Quantos são os números de 7 algarismos não iniciados por 0 e que con-
tém 5 vezes o algarismo 1?
Texto complementar
Texto 1: A função Gama de Euler
A função gama de x, denotada por G(x) e definida por
, para x > 0,
pode ser vista como uma generalização, ao conjunto dos números reais, da função
fatorial de n, definida para todo número natural n.
A partir da definição por meio da integral indefinida, é fácil ver, que
G(x + 1) = xG(x)
e que G(1) = 1. Consequentemente, teremos
G(2) = G(1 + 1) = 1G(1) = 1
G(3) = G(2 + 1) = 2G(2) = 2 X 1
G(4) = G(3 + 1) = 3G(3) = 3 X 2 X 1
G(5) = G(4 + 1) = 4G(4) = 4 X 3 X 2 X 1
e, de maneira geral,
G(n+1) = nG(n) = n X (n – 1) X … X 4 X 3 X 2 X 1
ou ainda, G(n+1) = n!.
Assim, a função G(X) pode ser vista como uma extensão da função fatorial de x ao
conjunto dos números reais.
1
Sabendo que G( ) = π , é possível determinar o valor da função para qualquer fração
2
cujo denominador é igual a 2, como veremos a seguir.
Se o numerador for um inteiro positivo par, então a fração será um inteiro positivo e já
vimos como calcular o valor da função, neste caso.
Se o numerador for um inteiro positivo ímpar, então teremos
e assim por diante.

49
Referências
Ática, 2004.
dade: com as soluções dos exercícios. Coleção do Professor de Matemática.
Rio de Janeiro: SBM, 2006.
Edições, 2006.

Capítulo 3
Combinações,
Números Binomiais
e Binômio de Newton

53
Objetivos
• Conceituar os agrupamentos chamados de combinações simples e de
combinações completas, diferenciando um tipo do outro.
• Relacionar as combinações simples com os arranjos simples, determinan-
do o número de um em função do número do outro.
• Determinar o número de combinações completas de n objetos tomados p a p.
• Utilizar as combinações completas no cálculo do número de soluções de
certas equações e inequações diofantinas.
• Conceituar números binomiais e estudar algumas de suas propriedades.
• Relacionar o desenvolvimento do binômio (a + b)n com o estudo das com-
binações simples.
1. Introdução
Neste capítulo abordaremos mais dois tipos especiais de agrupamentos que
diferem dos anteriores posto que estes não são ordenados. São eles: as com-
binações simples e as combinações completas. Veremos que as combina-
ções simples coincidem com os subconjuntos de um determinado conjunto
e que, portanto, determinar o número de combinações simples de n objetos,
tomados p a p, coincide com determinar o número de subconjunto contendo p
elementos do conjunto cujos elementos são os n objetos dados.
Aprenderemos a calcular o número de combinações simples e esta-
beleceremos a relação entre este número e o número de arranjos simples.
Definiremos combinações completas e, a partir da determinação do número
de soluções de certas equações diofantinas, determinaremos o número de
combinações completas de n objetos, tomados p a p. Estudaremos as combi-
nações complementares e estabeleceremos a relação de Stiefel.
Definiremos e estudaremos as principais propriedades dos números
binomiais e, por fim, estudaremos o desenvolvimento da expressão (x + a)n,
expressão conhecida como binômio de Newton.

54
2. Combinações Simples
Quando estudamos os arranjos simples de n objetos tomados p a p, com
1 ≤ p ≤ n, vimos que eles consistem na escolha e ordenação de p desses
objetos. Assim, para os algarismos 2, 3, 4 e 5, se escolhermos o 3 e o 4, por
exemplo, podemos ordená-los de duas formas: 34 ou 43; se escolhermos os
algarismos 2 e 5, podemos ordená-los, também, de duas formas: 25 ou 52;
escolhendo os algarismos 2, 3 e 5, podemos ordená-los de seis formas: 235,
253, 325, 352, 523 ou 532.
Como se percebe, para cada escolha de p dentre os n objetos dados te-
mos um número de ordenações que coincide com o número de permutações
de p objetos, ou seja, é igual a Pp.
Denotando por Cn,p o número de escolha de p dentre n objetos distintos,
conclui-se que
An,p = Cn,p X Pp.
Cada uma dessas escolhas é dita uma combinação dos n objetos toma-
dos p a p. Mais precisamente, temos a definição seguinte.
Combinação simples de n objetos. Uma combinação simples ou combina-
ção de n objetos tomados p a p, com 1 ≤ p ≤ n, é qualquer escolha de p desses
objetos.
Note que, enquanto no arranjo nós temos uma escolha seguida de
uma ordenação, na combinação temos apenas a escolha, ou seja, a ordem
na qual os objetos são escolhidos não interessa. Na realidade, as combina-
ções correspondem a subconjuntos do conjunto cujos elementos são todos
os n objetos.
Exemplo 1. Dadas as vogais a, e, i, o, u, as combinações dessas letras
tomadas 3 a 3 são os conjuntos { a, e, i }, { a, e, o }, {a, e, u}, { a, i, o }, { a,
i, u }, { a, o, u }, { e, i, o }, { e, i, u } e { i, o, u } e, portanto, são 10. Note que
essas combinações são todos os subconjuntos do conjunto V = { a, e, i, o,
u } que possuem, exatamente, 3 elementos.
Exemplo 2. Os subconjuntos do conjunto V = { a, e, i, o, u }, com exatamente 2
elementos são os 10 conjuntos: { a, e }, { a, i }, { a, o }, { a, u }, { e, i }, { e, o }, { e, u
}, { i, o }, { i, u }, { o, u }, e são os subconjuntos das combinações dos objetos – a,
e, i, o, u – tomados 2 a 2.
Exemplo 3. As combinações das vogais a, e, i, o, u tomadas 1 a 1 corres-
pondem aos cinco subconjuntos unitários do conjunto V = { a, e, i, o, u }.

55
2.1. Estendendo o conceito de combinação

Dos três exemplos anteriores podemos concluir que as combinações dos n
objetos a1, a2, a3, … , an, tomados p a p, podem ser vistos como os subcon-
juntos do conjunto V = { a1, a2, a3, … , an }, possuindo, cada um deles, exata-
mente p elementos. Isto sugere que estendamos o conceito de combinação
simples de n objetos, tomados p a p, para o caso em que p = 0, definindo
esta combinação como sendo o conjunto vazio.
Combinação de n, 0 a 0. Dados os n objetos a1, a2, a3, … , an, a combina-
ção desses objetos tomados 0 a 0 é definida como o conjunto vazio.
Calculando o número de combinações. O número de combinações de
n objetos distintos, tomados p a p, com 1 ≤ p ≤ n, pode ser calculado em
função do número de arranjos dos n objetos, tomados p a p e do número de
permutações de p, se lembrarmos que
An,p = Cn,p X Pp,
em que An,p é o número de arranjos de n objetos, tomados p a p, e Pp é
o número de permutações de p objetos.
Da igualdade anterior, temos que
Na notação de fatorial, temos que o número de combinações de n obje-

tos distintos, tomados p a p, é dado por
.
Exemplo 4. Qualquer que seja o número natural n, 1 ≤ n, temos
, como já tínhamos visto, uma vez que Cn,1 cor-
responde ao número de subconjuntos unitários de um conjunto com n elementos.
7! 7!
Exemplo 5. Os números C7,3 e C7,4 são iguais, pois C7,3 = 3!4!
e C7,4 = 4!3!
.
Exemplo 6. De acordo com a definição, Cn,0 = 1, pois um conjunto com n

elementos possui, exatamente, um subconjunto com 0 elementos que
é o subconjunto vazio. De acordo com a fórmula do fatorial, temos que
Cn,0 = n ! = n! = 1.
0! (n - 0)! 0! n!
2.2. Combinações complementares

Dados n objetos distintos, qualquer escolha de p destes objetos corresponde
à escolha dos n - p restantes ou que completam o conjunto. Por exemplo, ao
escolhermos os algarismos 1, 2 e 3 do conjunto A = {1, 2, 3, 4, 5}, automatica-

56
mente os algarismos 4 e 5 ficam escolhidos como elementos do conjunto

complementar de {1, 2, 3}. Dizemos, por isso, que tais combinações são com-
binações complementares.
Em virtude do que foi feito, podemos enunciar o seguinte resultado.
• Propriedade das combinações complementares. Dados os inteiros n e
p, com 1 ≤ p ≤ n, temos que Cn,p = Cn,n-p.
3. Combinações completas e equações diofantinas

Vimos que as combinações simples dos três objetos a, b e c, tomados 2 a 2,
são os pares não ordenados de objetos distintos ab, ac e bc.
Mas é possível formarmos outros pares com esses objetos, se não fizer-
mos a exigência de que os elementos sejam distintos. Por exemplo, podemos
formar os pares aa, bb e cc, perfazendo, assim, um total de seis pares.
aa, ab, ac, bb, bc, cc
Com os objetos A, B, C e D podemos formar os seguintes pares:
AB AC AD AA
BC BD BB
CD CC
DD
Os pares que se encontram nas três primeiras colunas são combina-

ções simples das quatro letras tomadas duas a duas e os da última coluna,
por apresentarem letras repetidas, não são. Isto sugere a definição seguinte.
• Combinação completa. Dados os n objetos a1, a2, a3, …, an, uma combi-
nação completa desses objetos tomados p a p, é qualquer lista não orde-
nada de p desses objetos, distintos ou não.
Exemplo 1. Dados os algarismos 1, 2, 3, 4, 5 e 6, os números 345, 335, 333,
344 e 343 são combinações completas desses algarismos, tomados 3 a 3.
Note, entretanto, que, como combinações, os símbolos 345, 354, 435 e
453 são, todos, iguais, pois possuem os mesmos algarismos.
Nas combinações, a ordem na qual os objetos se apresentam não im-
porta. A diferença entre as combinações encontra-se na natureza e não na
ordem desses objetos.
3.1. Determinando o número de permutações completas

No exemplo para determinarmos o número de permutações completas dos

57
seis algarismos, tomados 3 a 3, podemos pensar cada uma dessas combina-

ções como uma solução da equação
n1 + n2 + n3 + n4 + n5 + n6 = 3,
em que ni representa a quantidade de algarismos i presentes na combina-
ção. Assim, a solução (1,1,1,0,0,0) representa a combinação 123; a solução
(2,0,0,0,0,1) representa a combinação 116; a solução (0,0,1,2,0,0) representa
a combinação 344; e assim por diante.
Reciprocamente, as combinações 455, 666, 456 e 222 se fazem re-
presentadas pelas soluções (0,0,0,1,2,0), (0,0,0,0,0,3), (0,0,0,1,1,1) e
(0,3,0,0,0,0), respectivamente. Portanto, o nosso problema de determinar o
número de combinações completas de 6 objetos, tomados 3 a 3, se transfor-
ma no problema de determinar o número de soluções, com certas proprieda-
des, de equações diofantinas.
Equações diofantinas. As equações diofantinas nas quais estamos interes-
sados são equações do tipo x1 + x2 + x3 + … + xp = N, em que x1, x2, x3, …, xp
são incógnitas que somente podem assumir valores inteiros e N é um número
inteiro positivo. A p-upla (a1, a2, a3, …, ap), de números inteiros, é dita uma so-
lução da equação se, e somente se, a1 + a2 + … + ap = N. Se todos os ai são
positivos, dizemos que a p-upla (a1, a2, …, ap) é uma solução em inteiros po-
sitivos. Se alguns dos ai são positivos e os demais são iguais a zero, dizemos
que a p-upla é uma solução em inteiros não negativos.
Uma p-upla é uma sequência ordenada de p números.
Em nossos problemas de contagem, estamos interessados em solu-

ções em inteiros positivos e soluções em inteiros não negativos. No caso es-
pecífico de determinar o número de combinações completas, nosso interesse
recai sobre as soluções em inteiros não negativos.
3.2. Soluções em inteiros positivos

Nesta seção estamos interessados em determinar o número de soluções
em inteiros positivos de uma equação diofantina dada. A título de ilustração e
como forma de conhecermos o comportamento do número de tais soluções,
vamos estudar a equação diofantina
X + Y + Z = 5.
Cada solução desta equação consiste em dividir o cinco em três partes,
sendo cada uma delas maior do que ou igual a 1.
Vamos imaginar o 5 como as cinco unidades representadas, cada uma,
por uma barra. Assim:

58
Vamos analisar as figuras, a seguir:
Cada uma delas pode ser pensada como uma solução da equação e foi
obtida pela inserção de bolas em 2 dos 4 espaços existentes entre as 5 unida-
des (representadas pelas barras horizontais), dividindo-as em três partes. De
fato, nas figuras de 1 a 5 temos as soluções (1, 2, 2), (2, 1, 2), (3, 1, 1), (1, 1, 3)
e (1, 3, 1), respectivamente.
Portanto, de acordo com o que fizemos, podemos determinar todas as
soluções em inteiros positivos da equação dada por meio desse artifício: esco-
lher 2 dos 4 espaços e inserir uma bola em cada um deles.
Assim, o número de soluções em inteiros positivos da equação
X + Y + Z = 5 é dado por C4,2.
Generalizando. Notemos que, na equação anterior, se tivéssemos apenas
duas incógnitas, ou seja, se a equação fosse X + Y = 5, deveríamos dividir
as 5 unidades em duas partes. Isso poderia ser feito pela inserção de uma
única bola em um dos quatro espaços, ou melhor, deveríamos escolher 1
dos 4 espaços. Assim teríamos C4,1 soluções em inteiros positivos distintas.
De maneira geral, para determinarmos o número de soluções em intei-
ros positivos da equação diofantina x1 + x2 + x3 + … + xp = N, em que x1, x2, x3,
…, xp são incógnitas que somente podem assumir valores inteiros e N é um
número inteiro positivo, devemos distribuir p - 1 bolinhas nos p - 1 espaços
entre as N barras que representam as unidades, ou seja, devemos escolher
p - 1, entre os n - 1 espaços existentes.
Logo, o número de soluções em inteiros positivos da equação
x1 + x2 + x3 + … + xp = N
é Cn – 1, p – 1.
Exemplo 2. O número de soluções em inteiros positivos da equação
X + Y + Z + T = 8 é C7,3.

59
Exemplo 3. O número de maneiras distintas de repartirmos 16 bombons entre 4

irmãos, de forma que cada um deles receba, pelo menos 2 bombons é o número
de soluções, em inteiros positivos, da equação nX + nY + nZ + nT = 12. De fato, cha-
memos X, Y, Z e T os quatro irmãos e de nX, nY, nZ e nT a quantidade de bombons
que cada um deles recebe, respectivamente. Se dermos logo, antes da divisão,
1 bombom para cada um dos irmãos, ficaremos com 12 bombons para repartir
entre os quatro. Cada solução em inteiros positivos da equação nX + nY + nZ + nT
= 12 garante que cada um dos irmãos receba, pelo menos, mais um bombom.
E assim, ao final, cada irmão terá ganhado, pelo menos, 2 bombons.
3.3. Retomando o cálculo do número de combinações completas

Vimos anteriormente que para determinarmos o número de combinações
completas de 6 objetos, tomados 3 a 3, basta que determinemos o número de
soluções em inteiros não negativos da equação diofantina
x1 + x2 + x3 + x4 + x5 + x6 = 3.
Notemos que essa equação não possui solução em inteiros positivos,
pois se atribuirmos o valor 1 para cada um dos xi, teremos
a soma igual a 6 que já é maior do que 3.
Nosso problema é “Como determinar o número de soluções em inteiros

não negativos da equação diofantina do tipo:
x1 + x2 + x3 + … + xp = N ?”
Tomemos, novamente, um exemplo para esclarecermos o processo.
Consideremos a equação X + Y + Z = 3.
A única solução em inteiros positivos dessa equação é o terno (1, 1, 1).
As outras soluções, em inteiros não negativos, são os ternos: (3, 0, 0), (2, 1, 0),
(2, 0, 1), (1, 2, 0), (1, 0, 2), (0, 1, 2), (0, 2, 1), (0, 3, 0) e (0, 0, 3).
Tomando cada uma dessas soluções e acrescentando 1 a cada uma
das coordenadas obtemos os seguintes ternos:

60
Cada solução em inteiros não negativos da equação X + Y + Z = 3 dá

origem a uma solução em inteiros positivos X + Y + Z = 6. Reciprocamente, se
(x0, y0, z0) é uma solução em inteiros positivos da equação X + Y + Z = 6, então
(x0 – 1, y0 – 1, z0 – 1) é uma solução em inteiros não negativos da equação X
+ Y + Z = 3.
De fato, como x0 ≥ 1, y0 ≥ 1 e z0 ≥ 1, temos que x0 – 1 ≥ 0, y0 – 1 ≥ 0
e z0 – 1 ≥ 0.
Além disso, como x0 + y0 + z0 = 6, temos que
(x0 – 1) + (y0 – 1) + (z0 – 1) = 6 – 3 = 3
provando que (x0 – 1, y0 – 1, z0 – 1) é uma solução em inteiros não ne-

gativos de X + Y + Z = 3.
Portanto, o número de soluções em inteiros não negativos da equação
X + Y + Z = 3 é igual ao número de equações em inteiros positivos da equação
X + Y + Z = 6 que, como sabemos, é igual a C6 –1, 3 – 1 = C5,2.
Generalizando. Para generalizarmos o resultado anterior, basta descobrimos de
onde vieram os índices da combinação. Temos que o 6 foi obtido quando soma-
mos 1 unidade a cada uma das incógnitas. Com isso, transformamos a equação
x1 + x2 + x3 + … + xp = n
na equação
x1 + x2 + x3 + … + xp = n + p,
cujo número de soluções em inteiros positivos é dado por Cn+p-1, p-1.

Com isso provamos o resultado seguinte.

61
• Número de combinações completas. O número de combinações com-

pletas de n objetos, tomados p a p, é indicado por (CR)n,p e é calculado por
Cn+p-1, p-1.
Exemplo 4. O número de soluções em inteiros não negativos da equação
diofantina X + Y + Z + T = 4 é (CR)4,4 que é dado por C4+4-1,4-1 = C7,3 que é igual
a 35. Essa equação possui uma única solução em inteiros positivos que é
(1, 1, 1, 1). Todas as demais possuem alguma ou algumas coordenadas iguais
a zero. Vamos listar as demais soluções?
4. Números binomiais
Sejam n e p números inteiros não negativos, com 0 £ p £ n. O número de
combinações simples de n objetos tomados p a p é chamado de número
binomial de n de classe p e é denotado por Cn,p ou , que se lê: n sobre p.
Assim, = .
A notação é devida ao matemático suíço Leonhard Euler.
Na notação , o número n é chamado numerador e o número p é

chamado denominador do número binomial.
Exemplo 1. O número binomial de numerador 4 e denominador 2 é o número
= = = = 6.
Exemplo 2. Os números binomiais e são iguais. De fato, temos que

= = = 1.
Por outro lado, = = = 1. Provando que os dois números

binomiais são iguais.
Números binomiais de classes complementares.
Os números binomiais e são ditos números binomiais de
classes complementares ou, simplesmente, números binomiais complemen-
tares, pois vale a igualdade p + (n – p) = n. De maneira geral, temos a definição
seguinte.
Definição. Os números binomiais e são ditos de classes com-
plementares se, e somente se, p + q = n.
Exemplo 3. Os números binomiais e são números binomiais de clas-
ses complementares. De fato, 3 + 4 = 7 e, além disso, = e = .

62
Exemplo 4. Se os números binomiais e são números binomiais de

classes complementares, então 3 + p = 8 e, portanto, p = 5. Temos ainda que
= e = .
Essa igualdade entre os números binomiais complementares nos exem-

plos 3 e 4 não é coincidência. De fato, vale o seguinte resultado.
Propriedade 1 dos números binomiais. Dados os números binomiais

e se p + q = n, então = .
A prova algébrica desta propriedade é imediata, pois = e
= . Como p + q = n, temos q = n – p e, portanto, temos que
= = = .
É importante lembrarmos que o número representa a quantidade
de escolhas possíveis de p dentre n objetos dados e que cada escolha de p
objetos corresponde a uma escolha (complementar) de n – p objetos.
Assim, existe uma correspondência biunívoca entre as combinações
simples dos n objetos tomados p a p e as combinações simples dos mes-
mos n objetos tomados n – p a n – p. Logo, mostramos novamente que
= .
4.1. Números binomiais com mesmo numerador

Outra propriedade dos números binomiais permite determinar em que con-
dições dois números binomiais com o mesmo numerador são iguais. É
óbvio que = . Vimos também que números binomiais de classes
complementares são iguais, isto é, = .
Em que outras condições podemos ter = ?
Na realidade, estas são as duas únicas condições em que números

binomiais de mesmo numerador são iguais. Isto se encontra expresso na
propriedade que será enunciada a seguir e cuja prova será deixada como
exercício.
Propriedade 2 dos números binomiais. Os números binomiais e
são iguais se, e somente se, p = q ou p + q = n.
Exemplo 5. Se os números binomiais e são iguais, então devemos ter

63
p = 4 ou p + 4 = 10, ou seja, p = 6.
 6   6 
Exemplo 6. Os números binomiais   e
  somente serão iguais se p
 q +1  p -1
6 6
– 1 = q + 1 ou se p + q = 6. Por exemplo, para p = 6 e q = 0, temos   =   ;
1  56
para p = 4 e q = 2, temos as igualdades p + q = 6 e p – 1 = 3 = q + 1 e  
6 3
=   . Note que, como devemos ter 0 ≤ q + 1 ≤ 6 e 0 ≤ p – 1 ≤ 6, não basta que
3
p + q = 6 ou p – q = 2.
4.2. Relação de Stiefel

Outra relação existente entre os números binomiais é a conhecida como rela-
ção de Stiefel que afirma que
A prova algébrica desta relação é de fácil verificação, como veremos

a seguir.
Temos
= +
= +
= = = .
Exemplo 7. Vamos verificar a relação de Stiefel para o caso em que n = 5 e

p = 3. Temos que  5  = 5! = 10. Por outro lado, temos que  4  +  4
  = 4! +
3 
4!  3  3! 2!    2 3!1!
= 4 + 6 = 10.
2!2!
5. Binômio de Newton
Nós já estudamos o desenvolvimento da expressão (x + a)2 e vimos que
vale a igualdade

64
(x + a)2 = x2 + 2ax + a2.
Sabemos ainda que também valem as igualdades:

(x + a)0 = 1 e
(x + a)1 = x + a,
uma vez que todo número não nulo elevado a zero é igual a 1 e todo número
elevado a um é igual a ele mesmo.
Nosso objetivo é, usando os conhecimentos de análise combinatória,
estudar o comportamento do desenvolvimento de (x + a)n, para todo inteiro
positivo n, expressão conhecida como binômio de Newton.
5.1. Estudando o comportamento do desenvolvimento de (x + a)2.

Para desenvolvermos a expressão (x + a)2, usamos a definição de potência e
a propriedade distributiva da multiplicação com relação à adição.
• Definição de potência com expoente natural. Para todo número real a e
todo número natural n (n ≥ 0), tem-se
• Propriedade distributiva da multiplicação com relação à adição.

Dados os números reais a, b e c, valem as igualdades:
a x (b + c) = a x b + a x c e (b + c) x a = b x a + c x a.
De acordo com a definição de potência, temos que
(x + a)2 = (x + a) x (x + a),
e, usando a propriedade distributiva, temos que
(x + a)2 = (x + a) x (x + a) = x x (x + a) + a x (x + a) = xx + xa + ax + aa.
Como podemos perceber, no desenvolvimento de (x + a)2, encontramos

uma adição de 4 parcelas, resultante do produto dos 2 termos do primeiro bi-
nômio (x + a) pelos 2 termos do segundo binômio (x + a), cada uma delas for-
mada pelo produto de duas letras: x por x, x por a, a por x ou a por a. Isto pode
ser mais bem visualizado a partir do estudo do desenvolvimento dos produtos
(a + b)(c + d)
(a + b)(c + d)(e + f).

65
5.2. Estudando o desenvolvimento de (a + b)(c + d).

Queremos entender como se comporta o desenvolvimento de (a + b) (c +
d). Usando a propriedade distributiva da multiplicação em relação à adição,
temos que:
(a + b)(c + d) = a(c + d) + b(c + d) = (ac + ad) + (bc + bd).
Analisando atentamente o resultado, podemos perceber que, no desen-

volvimento do produto (a + b)(c + d) encontramos quatro monômios, cada um
deles composto do produto de uma letra de (a + b) por uma letra de (c + d).
Inicialmente o produto foi transformado na soma indicada a(c + d) + b(c + d),
que possui duas parcelas: uma tendo a letra “a” como fator e outra tendo a
letra “b” como fator.
Em seguida, o produto a(c + d) deu origem a dois monômios: um for-
mado pelo produto ac e o outro formado pelo produto ad. De maneira seme-
lhante, o produto b(c + d) deu origem aos dois monômios bc e bd. Podemos
concluir que no desenvolvimento do produto (a + b)(c + d) obtivemos 2 x 2 (= 4)
monômios: o produto ac, de a por c; o produto ad, de a por d; o produto bc, de
b por c; e o produto bd, de b por d.
5.3. Estudando o desenvolvimento do produto (a + b)(c + d)(e + f).

Vamos estudar o comportamento do desenvolvimento do produto dos três
binômios (a+b), (c+d) e (e+f). Temos que:
(a+b)(c+d)
= [(a + b)(c + d)](e + f)
(e+f)
(1) = [a(c + d) + b(c + d)](e + f)
(2) = [(ac + ad) + (bc + bd)](e + f)
(3) = (ac + ad + bc + bd)(e + f)
(4) = ac(e + f) + ad(e + f) + bc(e + f) + bd(e + f)
(5) = ace + acf + ade + adf + bce + bcf + bde + bdf

66
Analisando o resultado obtido, percebemos que a associatividade do pro-

duto de (a + b) por (c + d) por (e + f) deu origem ao produto inicial de (a + b) por
(c + d) que, por sua vez, deu origem à soma dos 4 (= 2 x 2) monômios: ac, ad,
bc e bd. A distributividade do produto em relação à adição deu origem à soma
dos quatro produtos: ac(e + f), ad(e + f), bc(e + f) e bd(e + f).
Estes produtos, por sua vez, deram origem aos 8 (4 x 2 = 2 x 2 x 2) mo-
nômios: ace, acf, ade, adf, bce, bcf, bde e bdf, cada um deles sendo o produto
de três letras, sendo uma do binômio (a + b), uma do binômio (c + d) e uma do
binômio (e + f).
O produto (a + b)(c + d)(e + f)(g + h). A luz do que foi feito, o produto de
a+b por c+d por e+f por g+h, vai dar como resultado a soma de 16 (= 2 x 2 x 2 x 2)
parcelas composta, cada uma delas, de 4 letras, a primeira podendo ser a ou b; a
segunda podendo ser c ou d; a terceira, e ou f; e a quarta g ou h. Como o produto
é comutativo, essa ordem não interessa, ou seja, cada monômio é composto de
4 letras, sendo elas a ou b, c ou d, e ou f e g ou h. Os dezesseis monômios são:
Quadro 3
aceg aceh bceh bceh

acfg acfh bcfh bcfh
adeg adeg bdeg bdeg
adfg adeh bdeh bdeh

67
Pensando em termos de análise combinatória. De acordo com a Análise

combinatória e baseado no que foi feito, o produto de a + b por c + d por e
+ f por g + h, pode ser pensado como uma tarefa composta de 4 eventos E1,
E2, E3 e E4, em que
E1: escolha de uma das duas letras a ou b;
E2: escolha de uma das duas letras c ou d;
E3: escolha de uma das duas letras e ou f;
E4: escolha de uma das duas letras g ou h.
Para realização do evento E1, temos duas possibilidades: a ou b.
2
E1 E2 E3 E4
Para cada uma das escolhas do evento E1, temos duas possibilidades
– c ou d – para a escolha de E2.
2 X 2
E1 E2 E3 E4
Pelo princípio multiplicativo da contagem, temos 2 x 2 (= 4) possibilida-
des para a ocorrência de E1 seguida da ocorrência de E2.
Para cada uma das 4 possibilidades anteriores, temos duas possibili-
dades de escolha de E3: e ou f. Perfazendo, pelo princípio multiplicativo da
contagem, 2 x 2 x 2 (= 8) possibilidades para a ocorrência de E1, seguido de
E2 e seguido de E3.
2 X 2 X 2
E1 E2 E3 E4
Finalmente, como E4 pode ocorrer de duas maneiras distintas, pelo
princípio multiplicativo da contagem, temos 2 x 2 x 2 x 2 (= 16) possibilidades
para a ocorrência simultânea de E1, E2, E3 e E4.
2 X 2 X 2 X 2
E1 E2 E3 E4
5.4. Potências de binômios

Consideremos agora o binômio x+a e vejamos o acontece com suas potên-
cias: (x + a)2, (x + a)3, (x + a)4,…
Cada uma dessas potências é um produto de binômios, semelhante ao
que estudamos anteriormente. Na realidade, a única diferença é que, nesses
produtos, os binômios são sempre iguais. Assim, as letras c, d, e, f,… são
todas iguais a a ou a b.
Já estudamos (x + a)n para n = 0, n = 1 e n = 2.
Para (x+a)3, de acordo com o que foi feito anteriormente, temos a soma
de 8 (= 2 x 2 x 2) monômios, cada um deles composto de 3 letras. Essas letras

68
são uma do primeiro binômio, uma do segundo binômio e uma do terceiro bi-
nômio. Como, em cada binômio, as letras ou são x ou são a, teremos que os
8 monômios de (x + a)3 são:
Quadro 4
(1) x x x (5) a x x
(2) x x a (6) a x a
(3) x a x (7) a a x
(4) x a a (8) a a a
Escrevendo os monômios na forma de potência, teremos:
Quadro 5
(1) x3 (5) x2a

(2) x2a (6) xa2
(3) x2a (7) xa2
(4) xa2 (8) a3
Agrupando os termos semelhantes, temos que:

(x+a)3 = x3 + x2a + x2a + x2a + xa2 + xa2 + xa2 + a3
(2) (3) (5) (4) (6) (7)
(x+a)3 = x3 + 3x2a + 3xa2 + a3.
De maneira semelhante ao caso anterior, de acordo com o que foi feito

anteriormente, (x + a)4 é a soma de 16 (= 2 x 2 x 2 x 2) monômios, cada um
deles composto de 4 letras. Essas letras são uma do primeiro binômio, uma do
segundo, uma do terceiro e uma do quarto. Como, em cada binômio, as letras
ou são x ou são a, os 16 monômios de (x + a)4 são:

69
Quadro 6
(1) x x x x
(2) x x x a
(3) x x a x
(4) x x a a
(5) x a x x
(6) x a x a
(7) x a a x
(8) x a a a
(9) a x x x
(10) a x x a
(11) a x a x
(12) a x a a
(13) a a x x
(14) a a x a
(15) a a a x
(16) a a a a
que escritas na forma de potência ficam:

Quadro 7
(1) x4 (9) x3a

(2) x3a (10) x2a2
(3) x3a (11) x2a2
(4) x2a2 (12) xa3
(5) x3a (13) x2a2
(6) x2a2 (14) xa3
(7) x2a2 (15) xa3
(8) xa3 (16) x4
Agrupando os termos semelhantes, temos que:
(x + a)4 = x4 + 4x3a + 6x2a2 + 4xa3 + a4

Generalizando. De maneira geral, no desenvolvimento de (x + a)n temos 2n

70
parcelas, cada uma delas sendo um produto de uma potência de x, digamos

xp, por uma potência de a, digamos aq, com p + q = n.
Para determinarmos o coeficiente de xpan-p (xpaq), basta lembrarmos que
temos n espaços para colocar as p letras x, onde a escolha desses p espa-
ços pode ser feita de Cn,p ou Cn,n-p maneiras distintas. Observemos ainda que
podemos começar nossa escolha pelas letras b, deixando os lugares vazios
para serem ocupados pelas letras x.
Assim, desde que os números binomiais n  e n  são iguais por se-
 p   n - p 
   
rem complementares, temos que
n  n n  n
(x+a)n =   xna0 +   xn-1a +   xn-2a2 +… +   x0an.
0 1  2 n
Exemplo 1. No desenvolvimento de (x + a)4, temos

 4  4 3  4  4  4 0 4
(x + a)4 =   x4a0 +   x a +   x2a2 +   xa3 +   x a
0  1  2  3   4
= x4 + 4x3a + 6x2a2 + 4xa3 + a4.

1
Exemplo 2. Em todas as parcelas do desenvolvimento de (x + x )7 o expo-
ente de x é diferente de zero, ou seja, não existe termo independente de x no
1
desenvolvimento de (x + 1/x)7. De fato, cada parcela um produto do tipo A( )
x
x , em que A e p são números inteiros. Assim, em cada parcela, o expoente
p 7–p
de x. Ou melhor, em cada parcela, o expoente de x é da forma 7 – 2p que é

sempre um número diferente de 0, pois p é inteiro.
O termo geral. Vimos que o desenvolvimento de (x + a)n é dado por
n  n 0  n  n-1  n  n-2 2 n
(x + a)n = (x+a)n =   x a +   x a +   x a +… +   x0bn. Assim, o
0 1  2 n
primeiro, o segundo e o terceiro termos são dados, respectivamente,
n  n 0 n  n  n-2 2
por T1 =   x a , T2 =   xn-1a e T3 =   x a . E, de maneira geral, temos
0 1  2
que o termo de ordem p + 1 é dado por
 n  n-p p
Tp+1 =   x a .
p 
A fórmula anterior é conhecida como fórmula do termo geral do desen-

volvimento do binômio de Newton.
Exemplo 3. O quinto termo do desenvolvimento de (x + a)8, segundo as potên-
cias decrescentes de x pode ser calculado como
T5 = T4+1 =  8  x8-4a4 =  8  x4a4.

 
   4
 4

71
Iniciamos este capítulo definindo e exemplificando as combinações simples,
que são um tipo de agrupamento no qual a ordem em que os objetos apare-
cem não é importante e que, portanto, podem ser utilizados na determinação
do número de subconjuntos de um determinado conjunto. Em seguida, es-
tudamos a combinação com elementos repetidos ou combinação completa,
conceituando-a e aplicando-a na determinação do número de soluções de
certas equações diofantinas.
Aproveitando a definição de combinações, apresentamos os números
binomiais e uma nova notação para o número de combinações de n objetos
tomados p a p, notação essa devida a Euler. Definimos números binomiais
complementares e apresentamos a relação de Stiefel. Por fim, estudamos os
binômios de Newton, com o objetivo de determinar os coeficientes dos monô-
mios que ocorrem no desenvolvimento de (x + a)n.
1. Prove que dados os inteiros n e p, com 1 ≤ p ≤ n, temos que n  =
 
 n .
 
 n  p  n - p 
Solução: Temos que   = = e, por outro lado
n - p 
n 
  = . Valendo a igualdade.
p 
2. Determine o valor de x, sabendo que Cx,3 = Cx,4.

3. Resolva o exemplo 3 usando combinações completas.
n  n 
4. Mostre que os números binomiais   e   são iguais se, e somente
p   q
se, p = q ou p + q = n.
5. Mostre que o número é inteiro, quaisquer que
sejam os inteiros positivos m e n.
6. Mostre que a relação de Stiefel é válida para os números binomiais
e .
7. Calcule os números binomiais
a) b)

72
8. Calcule , sabendo que = .

Solução: Sabemos que = se, e somente se p + q = m ou p = q.
Como 4 ≠ 6, devemos ter m = 6 + 4 = 10.
Logo, = = 1.
9. Determine o valor de x, sabendo que = .
10. Para que valores de n ∈ N tem-se An,3 = 12Cn,4?
11. Obter o número de elementos de um conjunto, sabendo-se que ele possui

45 subconjuntos de 2 elementos.
12. Calcular o número de diagonais de um polígono convexo de n lados.
13. Tomam-se 10 pontos sobre uma reta r e 8 pontos sobre outra reta s,
paralela a r. Quantos triângulos existem com os vértices nesses con-
juntos de pontos?
14. Uma empresa tem 5 diretores e 10 gerentes. Quantas comissões com 1
diretor e 4 gerentes podem ser formadas?
15. Tomando-se três fatores distintos entre os elementos do conjunto
{2, 3, 5, 7, 11, 13}, quantos produtos de valores diferentes podemos obter?
16. Quantas são as soluções em inteiros positivos da equação diofantina
x1 + x2 + x3 + x4 = 20, nas quais x4 ≥ 5?
17. Calcule o número de soluções em inteiros positivos das equações
diofantinas:
a) x + y + z = 20. b) x + y + z + t = 15.
18. Calcule o número de soluções em inteiros não negativos das equações
diofantinas do exercício anterior.
19. Em quantas das soluções em inteiros positivos da equação x1 + x2 + x3 + x4 = 20,
tem-se: (a) exatamente 2 variáveis iguais a 1? (b) pelo menos 2 variáveis
iguais a 1?
20. De quantas maneiras podemos distribuir 30 bombons entre 5 crianças
de modo que cada uma receba pelo menos 3 bombons?
21. Determine o coeficiente de x7 no desenvolvimento de (x2 – 1/x)8.
22. Determine o quarto termo do desenvolvimento de (2x – 1/x)7, supondo
o desenvolvimento ordenado segundo as potências decrescentes da
primeira parcela.
23. Calcule a soma dos coeficientes do desenvolvimento de (x3 + 3x2)8.
Solução: Note inicialmente que se

73
p(x) = A0 + A1x + A2x2 + … + Anxn, então

p(1) = A0 + A1 + A2 + … + An, ou seja, p(1) é a soma dos coeficientes do
polinômio p(x).
Assim, fazendo p(x) = (x3 + 3x2)8, temos que a soma dos seus coeficientes
é p(1) = (1 + 3)8 = 48 = 216 = 65.536.
24. Considere o desenvolvimento de (x + a)6 ordenado segundo as potências
decrescentes de x. Determine a soma dos termos de ordem par em fun-
ção de (x + a)6 e de (x – a)6.
Solução: Temos que (x + a) 6 = T1 + T2 + T3 + … + T7 e temos ainda que (x –
a)6 = T1 – T2 + T3 – T4 + T5 – T6 + T7. Assim, subtraindo a primeira igualdade
menos a segunda, temos que
2(T2 + T4 + T6) = (x + a) 6 – (x – a)6.
Ou, ainda, T2 + T4 + T6 =
É possível generalizar esse resultado para um expoente n, natural

qualquer?
25. Mostre que para todo inteiro positivo n, temos
Cn,0 – Cn,1 + Cn,2 – Cn,3 + ... + (-1)nCn,n = 0.
1
26. Determine o desenvolvimento de (2x + )5.
x2
1
27. Determine o termo independente de x no desenvolvimento de (2x + )6.
x2
28. Prove que Cn+2,p+2 = Cn,p + 2Cn,p+1 + Cn,p+2.
Texto complementar
Texto 1: Um pouco de história
Texto extraído do livro Análise combinatória e probabilidade, de Augusto Cesar Morgado e
outros, Coleção do Professor de Matemática. SBM: Rio de Janeiro, 2006. pp.2-4. Adaptado.
O desenvolvimento do binômio (x + a)n está entre os primeiros problemas estuda-

dos ligados à Análise Combinatória. O caso n = 2 já pode ser encontrado nos Elementos
de Euclides, em torno de 300 a.C. O triângulo de Pascal era conhecido por Chu Shih-
-Chieh, na China (em torno de 1300) e antes disso pelos hindus e árabes.
O matemático hindu Báskhara (1114-1185?), conhecido geralmente pela “fórmula
de Báskhara” para a solução de equações do 2o grau, sabia calcular o número de per-
mutações, de combinações e de arranjos de n objetos.
O nome coeficiente binomial foi introduzido mais tarde por Michael Stiefel (1486?-
1567), que mostrou, em torno de 1550, como calcular (1 + x)n a partir do desenvolvi-
mento de (1 + x)n-1. Sabemos Também que o matemático árabe Al-Karaji (fins do século
X) conhecia a lei de formação dos elementos do triângulo de Pascal,

74
.
C C C
p +1 p +1 p
=
n +1 n
+ n
O primeiro aparecimento do triângulo de Pascal no Ocidente foi no frontispício

de um livro de Petrus Apianus (1495-1552). Nicolò Fontana Tartaglia (1499-1559)
relacionou os elementos do triângulo de Pascal com as potências de (x + y). Pascal
(1623-1662) publicou um tratado em 1654 mostrando como utilizá-los para achar os
coeficientes do desenvolvimento de (a + b). Jaime Bernoulli (1654-1705) usou a inter-
pretação de Pascal para demonstrar que
n
n
∑  i  x y …
n -i i
(x + y)n =
i =0
Isaac Newton (1646-1727) mostrou como calcular diretamente (1+x)n sem antes
calcular (1+x)n-1. Ele mostrou que cada coeficiente pode ser determinado, usando o
anterior, pela fórmula
 n  n -r n .
 =  
 r + 1 r + 1  r 
Em verdade, Newton foi, além disso, e mostrou como desenvolver (x + y)r, onde
r é um número racional, obtendo neste caso um desenvolvimento em série infinita.
Referências
Ática, 2004.
DASSIE, Bruno Alves e outros. Curso de Análise Combinatória e Probabili-
dade: aprendendo com a resolução de problemas. Rio de Janeiro: Ed. Ciência
Moderna, 2009.
Edições, 2006.

Capítulo 4
Tópicos Complementares

77
Objetivos:
• Complementar e aprofundar os conhecimentos de análise combinatória a
partir do estudo de outros métodos de contagem.
• Conceituar permutações caóticas e determinar o número de permutações
caóticas de n objetos.
• Apresentar e utilizar os lemas de Kaplansky no cálculo do número de certos
argumentos.
• Apresentar e utilizar o princípio das gavetas de Dirichlet, também conheci-
do como princípio da casa dos pombos.
1. Introdução
Neste capítulo, com o intuito de completarmos nossa formação em termos de
conhecimento da Análise Combinatória, estudaremos alguns tópicos que são
da maior importância nesse sentido. Inicialmente definiremos permutação caó-
tica e, em seguida, retomaremos o princípio da inclusão e exclusão para, utilizá-
-lo na determinação do número de tais permutações, no caso de n elementos.
Dando continuidade à complementação da nossa formação, estudare-
mos os lemas de Kaplansky e, por fim, o princípio das gavetas de Dirichlet que
também é conhecido como princípio da casa dos pombos e que, diferente-
mente do que vínhamos fazendo até agora, em que estávamos interessados
na contagem do número de objetos com certas propriedades, esse princípio
garante a existência de objetos com alguma propriedade dada, sem se preo-
cupar com sua quantidade.
2. Permutações caóticas
Sabemos que uma permutação de n objetos é qualquer ordenação desses
objetos. Assim, se os objetos são os algarismos 2, 3, 4 e 5, por exemplo, en-
tão os números 2345, 2435, 4532, 5432 e 5324 são, todos, permutações dos
algarismos dados, pois em todos eles foram utilizados os algarismos 2, 3, 4 e
5 e a única diferença entre eles é a ordem na qual os algarismos aparecem.

78
Se pensarmos os algarismos 2, 3, 4 e 5 ordenados desta forma, ou seja,

o 2 ocupa a primeira posição, o 3 a segunda, o 4 a terceira e o 5 a quarta,
então no número 2435 o 2 e o 3 mantiveram suas posições enquanto o 4 e o
5 trocaram de posição. Já no número 5324 nenhum dos algarismos manteve
sua posição original, todos trocaram de posição. Este é um exemplo de per-
mutação caótica. Mais precisamente temos a seguinte definição.
• Permutação caótica. Uma permutação caótica dos objetos a1, a2, a3, …,
an, tomados nesta ordem, é qualquer permutação desses objetos que não
deixe nenhum deles em sua posição original.
Exemplo 1. Dados os algarismos 1, 2, 3 e 4, os números 2143, 4321, 4312 e
3412 são permutações caóticas desses algarismos.
Exemplo 2. As palavras ROMA e ORAM são anagramas da palavra AMOR,
que são permutações caóticas dessas letras.
Exemplo 3. Dos números 3421, 1243, 4132 e 1423, somente 3421 é permu-
tação caótica dos algarismos 1, 2, 3 e 4, tomados nesta ordem. O número
1243 deixa os algarismos 1 e 2 nos seus lugares originais; 4132 deixa o 3 no
seu lugar original; 1423 deixa o 1 no seu lugar original.
Agora que já sabemos do que se trata, resta-nos determinar o número
de permutações caóticas de n objetos. Para tanto, inicialmente, retomaremos
o princípio da inclusão e exclusão.
• Princípio da inclusão e exclusão. O princípio da inclusão e exclusão,
em sua forma mais geral, afirma que o número de elementos da união de r
conjuntos quaisquer é dada por
r
n(  A i ) = n( A1 ) + n( A 2 ) + … + n( A r )
i =1
- n( A1  A 2 ) - n( A1  A 3 ) - n( A1  A 3 ) - … - n( A1  A r )
- n( A 2  A 3 )- n( A 2  A 4 ) - … - n( A1  A r )
...
- n( A r -1  A r )
+ n( A1  A 2  A 3 )+ n( A1  A 2  A 4 ) + … + n( A1  A 2  A r )
+ n( A 2  A 3  A 4 )+ n( A 2  A 3  A 5 ) + … + n( A 2  A 3  A r )
+ ... +
+ n( A r - 2  A r -1  A r )
+ ... +

79
+ (-1)n-1n( A1  A 2  A 3  ...  A r )
Assim, incluímos na contagem todos os elementos de A, de B e de C;
depois excluímos os que estão ao mesmo tempo em dois quaisquer desses
conjuntos, pois estes foram contados mais de uma vez; depois incluímos
aqueles que foram retirados a mais por se encontrarem em três dos conjuntos;
e assim por diante, excluindo e incluindo.
Exemplo 4. No caso dos conjuntos A, B e C, o princípio da inclusão e exclu-
são ficaria assim:
n(A  B  C) = n(A) + n(B) + n(C) - n(A  B) - n(A  C) - n(B  C) + n(A  B  C) .
Como podemos perceber, contamos todos os elementos de A, os de B
e os de C, depois excluímos os que estão ao mesmo tempo em dois quaisquer
desses conjuntos (A e B, A e C, B e C), depois incluímos aqueles que foram
retirados a mais por se encontrarem nos três conjuntos.
2.1. Determinando o número de permutações caóticas de 4 elementos.

A título de exemplo, vamos determinar o número de permutações caóticas
dos elementos 1, 2, 3 e 4, nesta ordem.
Vamos dividir o nosso problema de determinar o número de permu-
tações caóticas dos elementos 1, 2, 3 e 4, nesta ordem, em várias etapas,
constituídas de perguntas que iremos respondendo uma a uma para, ao final,
termos a solução procurada.
• Quantas são as permutações de 1, 2, 3 e 4? Inicialmente, recordemos
que o número de permutações dos quatro algarismos, é 4!, como já vimos
anteriormente.
• Quantas são as permutações de 1, 2, 3 e 4, nesta ordem, que deixam
o um dos algarismos fixo? De todas as 4! permutações de 1, 2, 3 e 4,
nesta ordem, 6 deixam o 1 fixo. De fato, temos 4 algarismos para permutar.
Deixando o 1 fixo, temos P3 =3! = 6 permutações. De maneira semelhante,
temos 3! permutações deixando o 2 fixo, 3! permutações deixando 3 fixo e,
finalmente, 3! permutações deixando o 4 fixo.
• Quantas das permutações de 1, 2, 3 e 4, nesta ordem, deixam o 1 e 2
fixos? Para essa pergunta, estamos interessados nas permutações de 1,
2, 3 e 4 que iniciam por 1 e 2 (nesta ordem). Assim, para o terceiro algaris-
mo temos 2 possibilidades e para o quarto elemento temos 1 possibilidade.
Assim, denotando por A1 o conjunto das permutações de 1, 2, 3 e 4 (nesta
ordem) que deixam o 1 fixo e por A 2 o conjunto das que deixam o 2 fixo,
temos que n(A1  A2) = 2!.
• Quantas das permutações de 1, 2, 3 e 4, nesta ordem, deixam o 1 ou
2 fixos? Para respondermos a essa pergunta, devemos calcular o número

80
de elementos de A1  A 2 , em que A1 é o conjunto das permutações que

deixam o 1 fixo e A 2 é o conjunto das que deixam o 2 fixo. Pelo princípio da
inclusão e exclusão e pelo que vimos anteriormente, temos que
n( A1  A 2 ) = n( A1 ) + n( A 2 ) - n( A1  A 2 ) = 3! + 3! – 2!.
• Quantas das permutações de 1, 2, 3 e 4, nesta ordem, deixam pelo me-
nos um dos algarismos fixos? Usando a mesma notação que usamos
até agora, estamos interessados no número de elementos de A1  A2  A3 
A4, em que Ai é o conjunto das permutações que deixam o algarismo i fixo
na sua posição original. Pelo princípio da inclusão e exclusão, temos que
n(A1  A 2  A 3  A 4 ) = n(A1 ) + n(A 2 ) + n(A 3 ) + n(A 4 )
- n(A1  A 2 ) - n(A1  A 3 ) - n(A1  A 4 ) - n(A 2 ∩ A 3 ) - n(A 2  A 4 ) - n(A 3  A 4 )
+ n(A1  A 2  A 3 ) + n(A1  A 2  A 4 ) + n(A 1  A 3  A 4 ) + n(A 2  A 3  A 4 )
- n(A 1  A 2  A 3  A 4 ) .
Assim, n(A1  A 2  A 3  A 4 ) = 3! + 3! + 3! + 3! - 2! - 2! - 2! - 2! - 2! - 2! + 1! + 1! + 1! + 1! - 0!
= 4 × 3! - 6 × 2! + 4 × 1! - 1 × 0!.
Finalmente.
• Quantas das permutações de 1, 2, 3 e 4, nesta ordem, são caóticas,
isto é, não deixam nenhum algarismo fixo? Denotando por D4 o número
de permutações caóticas de 1, 2, 3 e 4, nesta ordem, temos que D4 pode
ser obtido como a diferença entre o número total de permutação dos 4 al-
garismos e o número de permutações dos 4 algarismos que deixam, pelo
menos um, algarismo fixo. Assim, temos que
D4 = 4! – (4.3! – 6.2! + 4.1! – 1.0!).
Antes de concluirmos, é importante mencionarmos que o 4 (de 4.3!)

corresponde ao número de combinações dos 4 algarismos tomados 1 a 1; o 6
(de 6.2!) corresponde ao número de combinações dos 4 algarismos tomados
2 a 2; o 4 (de 4.1!) corresponde ao número de combinações dos 4 algarismos
tomados 3 a 3; e o 1(de 1.0!) corresponde ao número de combinações dos 4
algarismos tomados 4 a 4.
Isto nos dá 9 (D4 = 24 - 24 + 12 - 4 + 1 = 9) permutações caóticas dos 4
algarismos 1, 2, 3 e 4, nesta ordem. São elas: 2143, 2341, 2413, 3142, 3412,
3421, 4123, 4312 e 4321.
Generalizando. Mesmo sabendo que não se pode generalizar um resultado
obtido a partir de um único exemplo, a generalização do resultado anterior
nos permite concluir que o número de permutações caóticas de n objetos é
dado por

81
n n  n
Dn = n! – [   (n - 1)! –   (n - 2)! + … + (-1)n -1  n  (n - n)! ] .
1  2  
Esta fórmula pode ser reescrita como

n! n! n!
Dn = n! - n! + – + … + (-1)n ,
2! 3! n!
ou ainda
Dn = n![ 1 – 1 + 1 – 1 + … + (-1)n 1 ],
0! 1! 2! 3! n!
Exemplo 5. De acordo com a fórmula anterior, o número de permutações

caóticas dos algarismos 1, 2, 3, 4 e 5, nesta ordem, é 44. De fato, temos que
n = 5 e, portanto,
3. Lemas de Kaplansky
Dado o conjunto A = {1, 2, ,3 ,4 ,5 ,6, 7}, sabemos que é possível construir 7!/3!
4! = 35 subconjuntos de A, contendo três elementos, número esse encontrado
a partir da combinação de 7 tomados 3 a 3. Os conjuntos {1, 2, 3, 4}, {2, 4,
5, 6}, {3, 4, 6, 7}, {1, 3, 5, 7} são alguns exemplos desses subconjuntos. Note
que, de todos os subconjuntos de A, com 4 elementos, o único que não possui
elementos consecutivos é o conjunto {1, 3, 5, 7}. Isto pode ser visto de forma
bem simples – mas trabalhosa – se enumerarmos todos os subconjuntos de
A com 4 elementos.
Mas, será que este é o único meio de provar essa afirmação? Será que
não conseguimos um resultado mais geral que nos permita concluir essa afir-
mação? É o que tentaremos fazer agora.
Na realidade, este resultado existe, é conhecido como primeiro lema de
Kaplansky e pode ser enunciado como segue.
a) Primeiro lema de Kaplansky. O número de subconjuntos do conjunto
{1, 2, 3, , n}, com p elementos, nos quais não há elementos consecuti-
vos é indicado por f(n, p) e pode ser obtido por f(n, p) = Cn – p + 1, p.
Veremos inicialmente o resultado para o nosso problema original, qual
seja, o caso em que n = 7 e p = 4. Em seguida buscaremos a generalização
do resultado.
Retomando os subconjuntos de A = {1, 2, 3, 4, 5, 6, 7} com 4 elementos,

82
vamos representá-los por uma sequência de 7 sinais escolhidos entre + ou X,

associando a cada número um sinal + ou X conforme ele esteja ou não no sub-
conjunto. Assim, o subconjunto {1, 3, 4, 6} será representado pela sequência
+ X + + X + X;
o subconjunto {1, 3, 5, 6} será representado pela sequência
+ X + X + + X;
e a sequência
X + X + X + +
representa o subconjunto {2, 4, 6, 7}.
Com essa notação, nosso problema se resume a distribuir quatro sinais

+ e 3 sinais X, sem que tenhamos 2 sinais + consecutivos. Distribuindo primei-
ro os 3 sinais X, passam a existir 4 espaços nos quais poderemos distribuir os
sinais +, sem que dois deles fiquem juntos, conforme se percebe na figura a
seguir na qual os espaços estão representados pelas caixas.
X X X
Figura
Ou seja, temos uma única possibilidade de distribuição para os quatro
sinais + que coincide com f(7, 4) = C7 – 4 + 1,4.
Antes de demonstrarmos o caso geral, vamos fazer outro exemplo com
o objetivo de compreendermos melhor o que foi feito.
Vejamos o caso em que devemos formar subconjuntos do conjunto
A = {1, 2, 3, 4, 5, 6, 7}, com 3 elementos, sem que tenhamos 2 elementos consecutivos.
Como no caso anterior, vamos transformar nossos subconjuntos em
sequências de sinais + ou X, conforme o elemento pertença ou não ao sub-
conjunto. Neste caso, os subconjuntos que nos interessam são aqueles que
dão origem a sequências contendo 3 sinais + e 4 sinais X, sem que tenhamos
dois sinais + consecutivos.
Distribuindo, como no caso anterior, os sinais X, temos 5 espaços para
distribuir os sinais +.
X X X X
Assim, devemos escolher 3 desses 5 espaços para distribuir os sinais

+. Temos, portanto, C5,3 possibilidades que, novamente, coincide com f(7, 3)
= C7 – 3 + 1,3.

83
Generalizando. No caso geral, teremos que distribuir p sinais + e n - p sinais X.

Quando distribuímos os n - p sinais X ficamos com n - p + 1 possibilidades de
escolha para os p sinais +. Assim, para o caso geral, temos f(n, p) = Cn – p + 1, p
possibilidades.
Exemplo 1. Existem 1050 anagramas da palavra MISSISSIPI nos quais não
temos duas letras S juntas. De fato, para formamos anagramas da palavra MIS-
SISSIPI nestas condições, podemos inicialmente escolher 4 lugares, sem que
haja dois consecutivos, para colocar as letras S. Essa escolha pode ser feita
de f(10, 4) maneiras diferentes. Finalmente, para cada uma dessas escolhas,
devemos permutar as 6 letras restantes, lembrando que nelas existem 4 letras
I. Essas permutações são em número de P64. Assim, temos f(10,4) × P64 anagra-
mas sem duas letras S juntas. Temos que f(10, 4) = . Por outro
lado, P6 =
4
Assim, o número de permutações é 35 × 30 = 1050.
b) Segundo lema
O resultado conhecido como segundo lema de Kaplansky trata de um
problema semelhante ao do primeiro lema – o de determinar o número de
subconjuntos com p elementos do conjunto A = { 1, 2, 3, , n - 1, n }, nos quais
quaisquer dois deles não são consecutivos – sendo que agora considerare-
mos o 1 e o n como elementos consecutivos.
Kaplansky afirma que o número de subconjuntos do conjunto A = { 1, 2,
3, , n }, com p elementos tais que quaisquer dois deles não são consecutivos,
n
considerando o 1 e o n como consecutivos, é dado por g(n, p) = Cn – p,p.
n-p
Como no caso anterior, inicialmente veremos um exemplo para o caso
em que n = 5 e p = 2. De acordo com o segundo lema de Kaplansky, a respos-
ta para o problema é
5 5
g(5, 2) = C = C = 5.
5 - 2 5 – 2, 2 3 3,2
Sabemos que existem 10 subconjuntos de A = { 1, 2, 3, 4, 5 } com 2

elementos e vamos listá-los.
{1, 2}, {1, 3}, {1, 4}, {1, 5}
{2, 3}, {2, 4}, {2, 5}
{3, 4}, {3, 5}
{4, 5}
Observando os subconjuntos listados, temos que os únicos que satis-
fazem o problema são: {1, 3}, {1, 4}, {2, 4}, {2, 5} e {3, 5}. Que são em número
de 5, como afirma o lema.
Provando o segundo lema. Para provarmos o lema, vamos dividir os sub-
conjuntos procurados em duas categorias: a dos que possuem o 1 como um

84
dos elementos e a dos que não possuem. O total procurado será a soma
desses dois totais.
Para determinarmos o número de subconjuntos de A = {1, 2, 3, , n},
com p elementos, contendo o 1 e não contendo elementos consecutivos
basta verificarmos que em cada um desses subconjuntos não pode figurar o
2 nem o n. Assim, sobram os n - 3 elementos do conjunto { 3, 4, 5, , n - 2, n
- 1 } e com devemos construir conjuntos com p - 1 elementos e sem elemen-
tos consecutivos. De acordo com o primeiro lema de Kaplansky, o número
de tais conjuntos é Cn – 3 – (p – 1) + 1,p – 1 = Cn – p – 1,p – 1.
Para determinarmos o número de subconjuntos de A = {1, 2, 3, , n},
com p elementos, não contendo o 1 e não contendo elementos consecutivos
basta verificarmos que cada um desses subconjuntos é um subconjunto do
conjunto B = { 2, 3, 4, , n }, com p elementos e sem elementos consecutivos.
Assim, de acordo com o primeiro lema de Kaplansky o número de tais subcon-
juntos é Cn – 1 – p + 1, p= Cn – p,p.
Somando estes dois números, obtemos que
n
g(n, p) = C .
n - p n – p,p
provando o segundo lema de Kaplansky.

Exemplo 2.Com 5 meninas e 8 meninos é possível formar 91 rodas de crian-
ças sem que haja 2 meninas em lugares consecutivos. De fato, queremos
calcular g(13, 5) que, pelo resultado anterior é igual a g(13, 5) =
4. Princípio das gavetas de Dirichlet

Nesta seção mostraremos um resultado conhecido como princípio das gave-
tas de Dirichlet que afirma o que segue.
• Princípio das gavetas de Dirichlet. Se n + 1 ou mais objetos são colocados
em n gavetas, então pelo menos uma gaveta recebe mais de um objeto.
Este resultado é também conhecido como princípio da casa dos pom-
bos, pois possui uma versão que afirma o seguinte.
• Princípio da casa dos pombos. Se n + 1 ou mais pombos são coloca-
dos em n casas, então pelo menos uma casa recebe mais de um pombo.
Este resultado pode ser visto como uma consequência imediata de ou-
tro conhecido como propriedade da média aritmética de n números e que
pode ser enunciado da forma a seguir.
• Propriedade das médias. Se a média aritmética dos n números x1, x2,
…, xn é m, então pelo menos um dos xi é maior do que ou igual a m.

85
A demonstração deste resultado é bastante simples e será feita por re-

dução ao absurdo. Supondo, por absurdo, que não é verdade que existe pelo
menos um xi0 tal que xi0 ≥ m, então devemos ter que, para todo i, xi < m e,
portanto, teremos a desigualdade
x1 + x2 + x3 + … + xn < m + m + m + … + m = n X m.
Esta desigualdade nos dá que < m, ou seja, m < m. O que
é absurdo!
Logo devemos ter xi0 ≥ m, para algum i0.
Exemplo 1. A média aritmética dos números 3, 5, 8, 12 e 16 é 8,8, pois

. Note que 12 e 16 são maiores do que a média. Confirman-
do o resultado.
4.1. Provando o princípio das gavetas de Dirichlet.

Temos n gavetas e pelo menos n + 1 objetos. Podemos encontrar o número
médio de objetos que será colocado em cada gaveta dividindo o número de
objetos por n que é o número de gavetas. Como temos pelo menos n + 1
objetos, o número médio de objetos por gaveta será maior do que ou igual a
que, por sua vez, é maior do que 1. Assim, o número médio de objetos
por gaveta é maior do que ou igual a 2 e, pelo resultado provado anteriormen-
te, existe uma gaveta que receberá uma quantidade maior do que ou igual
a esse número médio, ou seja, uma gaveta receberá pelo menos 2 objetos.
Provando o princípio de Dirichlet.
Exemplo 2. Em um grupo de 15 pessoas, há sempre pelo menos 2 que nas-
ceram no mesmo mês. De fato, se considerarmos os 12 meses do ano como
12 gavetas e as 15 pessoas como os objetos que devem ser colocados nas
gavetas de acordo com o mês de seu nascimento, pelo princípio das gavetas
de Dirichlet, pelo menos 2 objetos ficam na mesma gaveta, ou seja, pelo me-
nos duas pessoas aniversariam no mesmo mês.
O princípio das gavetas ou princípio da casa dos pombos pode ser ge-
neralizado como segue.
Generalização do princípio de Dirichlet. Se em n gavetas são distribuídos
nk + 1 objetos, então em uma delas será distribuído pelo menos k + 1 objetos.
4.2. Provando a generalização do princípio das gavetas de Dirichlet.

A demonstração deste resultado é simples e será feita por redução ao absur-
do. Suponha que o resultado não seja verdadeiro. Isto é, suponha que em
cada gaveta tenhamos no máximo k objetos. Como são n gavetas, se em
cada uma delas tivéssemos no máximo k objetos, o número total de objetos
nas gavetas seria menor do que ou igual a nk. Como são nk + 1 objetos, isto
é um absurdo. Logo, em uma das gavetas devemos ter pelo menos k + 1 ob-
jetos, provando o resultado.

86
Exemplo 3. Em uma sala de aula com 50 pessoas, pelo menos 5 delas nasce-
ram no mesmo mês. De fato, de acordo com a generalização do princípio de
Dirichlet, o resultado já vale para 49 pessoas, se tomarmos os cada mês como
uma gaveta, isto é, n = 12 e k = 4. Neste caso, temos 49 = 12 × 4 + 1.
Neste capítulo, com o intuito de complementar o nosso conhecimento de
Análise combinatória, abordamos tópicos que não são usualmente aborda-
dos em livros do ensino médio, como as permutações caóticas, os lemas de
Kaplansky e o princípio de Dirichlet. Vimos que as permutações caóticas são
aquelas permutações que não deixam nenhum elemento na sua posição ori-
ginal e aprendemos a calcular seu número em função da quantidade de ele-
mentos que estamos permutando.
Estudamos os lemas de Kaplansky, cujo primeiro nos permite determi-
nar o número de subconjuntos do conjunto {1, 2, 3, , n}, com p elementos,
nos quais não há elementos consecutivos e o segundo lema que nos permite
determinar o número de subconjuntos com p elementos do conjunto A = {1, 2,
3, , n - 1, n}, nos quais quaisquer dois deles não são consecutivos, conside-
rando agora o 1 e o n como elementos consecutivos.
Finalmente, apresentamos e demonstramos o princípio de Dirichlet ou
princípio da casa dos pombos que, diferentemente do que foi feito até agora,
aborda um problema de existência e não de contagem. Apesar de possuir um
enunciado bastante simples, por afirmar que “Se n + 1 ou mais pombos são
colocados em n casas, então pelo menos uma casa recebe mais de um pom-
bo.”, esse é um princípio da maior importância na matemática.
1. Quantos são os anagramas da palavra PERMUTA que deixam exatamente
3 letras na sua posição original.
2. Prove que, para n ≥ 3, Dn = (n – 1)[Dn–1 + Dn–2].
3. Quantas são as permutações das letras A, B, C, D, E, F, G, H e I, nesta or-
dem, que deixam apenas as vogais nos seus lugares de origem? E quantas
são as que deixam somente as consoantes fixas?
4. Quantas são as permutações dos números 1, 2, 3, 4, 5, 6, 7, 8 e 9, nesta
ordem, de modo que os números ímpares não fiquem em suas posições origi-

87
nais? E em quantas os números pares não ficam nas suas posições originais?
5. Dois professores particulares, um de matemática e outro de física, resol-
vem juntar 5 alunos em comum para dar aula em um único dia, no horário
das 7 horas às 12 horas. Cada um dos cinco alunos terá aula de 1 hora
com cada um dos professores. De quantas maneiras distintas é possível
fazer a agenda de cada um deles?
6. Mostre que em um conjunto com 8 números inteiros sempre há dois deles
cuja diferença é um inteiro múltiplo de 7.
Solução: Sejam a1, a2, a3, a4, a5, a6, a7 e a8 os oito inteiros. Quando dividimos
(divisão euclidiana) um número inteiro por 7, os retos possíveis são 0, 1, 2, 3,
4, 5 e 6. Assim, como temos 8 números e 7 restos possíveis, ao dividirmos
cada um desses números por 7, pelo menos 2 deles deixarão o mesmo res-
to. Digamos que, após uma reordenação se for o caso, os números a1 e a2
sejam dois dos que deixam o mesmo resto quando divididos por 7.
Assim teremos a1 = 7q1 + r e a2 = 7q2 + r e, portanto, a1 – a2 = 7(q1 – q2) é
uma diferença que é um múltiplo de 7.
7. Qual o número mínimo de pessoas que deve haver em um grupo para que
possamos garantir que nele há pelo menos 7 pessoas que nasceram no
mesmo mês.
8. Considere um quadrado de lado 2 e tomemos na superfície deste quadra-
do 5 pontos distintos. Mostre que há 2 desses pontos tais que a distância
entre eles é menor do que ou igual a .
9. Mostre que em uma reunião de 5 pessoas há sempre 2 com o mesmo nú-
mero de conhecidos. E se forem 6 pessoas, o resultado ainda vale?
10. Mostre que se S é um subconjunto qualquer, contendo 7 elementos, de
A = {1, 2, …, 10, 11, 12}, então S possui dois subconjuntos cuja soma dos
elementos é a mesma.
Solução: Dentre todos os subconjuntos de A, com sete elementos, aquele
cuja soma dos elementos é a maior possível é o subconjunto S = {6, 7, 8, 9,
10, 11, 12}, cuja soma dos elementos é 63. Assim, para todo subconjunto não
vazio de A, com no máximo 7 elementos, a soma dos seus elementos varia
de 1 a 63. Dado um subconjunto S1 de A, com 7 elementos, S1 possui exa-
tamente 127 (=27 – 1) subconjuntos não vazios, cujas somas dos elemen-
tos variam de 1 a 63. Pelo princípio das gavetas de Dirichlet, devem existir
pelo menos dois subconjuntos de S1 com a mesma soma dos elementos.
11. Mostrar que dentre 9 pontos quaisquer de um cubo com 2 cm de aresta,
existem pelos menos dois cuja distância entre eles é menor do que ou
igual a .

88
12. Mostre que em uma reunião na qual estão presentes 49 pessoas, pelo
menos 5 nasceram no mesmo mês.
13. O teorema de Ramsey afirma que dado qualquer conjunto de n pontos no
plano (n ≥ 6), tal que quaisquer 3 deles não são colineares, se pintarmos
com apenas duas cores todos os segmentos ligando dois desses pontos,
então teremos um triângulo cujos lados são da mesma cor. Prove o teore-
ma de Ramsey para o caso em que n = 6.
14. Uma urna contém 22 bilhetes numerados cada um deles contendo uma
dezena. Em 7 deles, o algarismo das dezenas é 1; em 6, o algarismo das
dezenas é 2; e em 9, o algarismo das dezenas é 5. Quantos bilhetes de-
vem ser sorteados, no mínimo, para termos certeza de que em 5 deles o
algarismo das dezenas é igual?
Texto complementar
Texto 1: O princípio da inclusão-exclusão
Texto extraído do livro Matemática discreta, de Edward R. Scheinerman, São Paulo:
Thomson Learning Edições, 2006. p.124.
Para achar o tamanho de uma união, somamos os tamanhos dos conjuntos individuais
(inclusão), subtraímos os tamanhos de todas as interseções duas a duas (exclusão), so-
mamos os tamanhos de todas as interseções três a três (inclusão) e assim por diante.
A ideia é que, quando somamos todos os tamanhos dos conjuntos individuais, soma-
mos demais, porque alguns elementos podem estar em mais de um conjunto. Assim,
para compensar, subtraímos os tamanhos das interseções duas a duas; mas então
estamos subtraindo em demasia. Corrigimos somando os tamanhos das interseções
triplas, mas isto causa um excesso, o que nos obriga a subtrair novamente. Surpreen-
dentemente, no final, tudo está perfeitamente equilibrado
Texto 2: Casas de pombos

Adaptado do livro Matemática Discreta, de Lászlo Lovász e outros. SBM: Rio de Janei-
ro, 2003. pp.34-35.
Será que podemos achar em Fortaleza duas pessoas que tenham o mesmo número
de fios de cabelo na cabeça? Poder-se-ia pensar que é impossível responder a essa
pergunta, pois não sabemos sequer quantos fios de cabelo existe na nossa própria
cabeça, imagine sobre o número de fios de cabelo na cabeça de todas as pessoas que
A palavra “tamanho” está vivem em Fortaleza, cujo número exato é por si só um tanto difícil de determinar. Mas
sendo empregada no existem alguns fatos que sabemos com segurança: ninguém tem mais de 500.000 fios
sentido de número de de cabelo (uma observação científica) e há aproximadamente 2.470.000 habitantes
elementos de um conjunto em Fortaleza.
finito. Podemos agora responder nossa pergunta original? O que você acha? A resposta é
sim. E isso pode ser visto com o seguinte argumento: Se não houvesse duas pessoas com
o mesmo número de fios de cabelo, então haveria no máximo uma pessoa careca, ou
seja, com zero fios de cabelo, no máximo uma pessoa com exatamente 1 fio de cabelo;

89
no máximo uma pessoa com exatamente 2 fios de cabelo, e assim por diante, até, no
máximo, uma pessoa com exatamente 500.000 fios de cabelo.
Mas, então, isso significaria que em Fortaleza existiriam, no máximo, 500.001 ha-
bitantes. Como em Fortaleza existem 2.470.000 habitantes aproximadamente e como
esse número é maior do que 500.000, deve haver duas pessoas com o mesmo número
de fios de cabelo.
Esse fato é decorrente do princípio da casa dos pombos, um resultado com um enun-
ciado simples e, aparentemente óbvio, mas que é de grande importância na matemática,
tanto assim que frequentemente ele é utilizado como ferramenta básica de muitas provas.
Referências
Ática, 2004.
Edições, 2006.

Capítulo 5
Noções preliminares e
operações entre eventos

93
Objetivos
• Apresentar a noção de experimento aleatório, fazendo a distinção entre tais
experimentos e os determinísticos.
• Definir e determinar espaços amostrais de experimentos aleatórios.
• Definir e exemplificar eventos de experimentos aleatórios.
• Operar com eventos de experimentos aleatórios.
• Definir e exemplificar eventos mutuamente excludentes.
• Definir e eventos complementares.
1. Introdução
Neste capítulo introduziremos os conceitos de experimentos aleatórios e ex-
perimentos determinísticos a partir de um exemplo para, em seguida, definir
e determinar espaços amostrais de alguns experimentos aleatórios. Apresen-
taremos a definição de evento de um espaço amostral W como qualquer sub-
conjunto de W e operaremos com eventos, obtendo outros eventos: união,
interseção e o evento complementar. Finalizaremos o capítulo com a noção
de eventos complementares.
2. Experimentos: aleatórios versus determinísticos

Quando soltamos uma moeda de uma altura de 80 centímetros, temos algu-
mas certezas e algumas possibilidades. Dentre as certezas temos a de que
sua trajetória descreverá um movimento vertical até atingir o solo e a de que
ela atingirá o solo com uma velocidade aproximada de 4 m/s2. Além disso,
temos a certeza de que veremos na face superior ou cara ou coroa.
Da física temos que, nestas condições, vale a igualdade , onde M é a massa da
moeda, g é a aceleração da gravidade, que pode ser considerada sendo de 10 m/s2, h é

a altura da qual a moeda é largada, que neste caso é de 0,80 metros, e v é a velocidade
da moeda em metros por segundo. Substituindo os valores dados nesta fórmula, encon-
traremos v = 4 m/s.
Entre as várias possibilidades, temos a de que é possível, mas não é certo, que dê cara;
é possível que você repita o experimento, etc.

94
2.1. Experimentos determinísticos ou aleatórios

Experimentos como (1) soltar uma moeda de certa altura e observar sua tra-
jetória e (2) soltar uma moeda de certa altura e anotar sua velocidade ao tocar
o solo são ditos experimentos determinísticos, pois seus resultados podem
ser determinados antes mesmo de serem realizados. Enquanto, experimen-
tos como (3) soltar uma moeda de certa altura e observar sua face superior;
(4) lançar um dado e observar sua face superior; (5) retirar uma bola de uma
urna que contém três bolas pretas e cinco bolas vermelhas e observar a cor
da bola são ditos experimentos aleatórios, pois seus resultados, apesar de
previsíveis, só podem ser determinados com a realização do experimento.
Para cada realização do experimento podemos obter resultados diferentes,
pois nestes experimentos temos a participação do acaso.
Mais precisamente, temos a definição que segue.
• Experimentos aleatórios. Experimentos aleatórios são aqueles cujos resul-
tados, apesar de previsíveis, só podem ser determinados com a realização do
experimento. Para cada realização do experimento, nas mesmas condições,
podemos obter resultados diferentes, pois temos a participação do acaso.
Exemplo 1. São exemplos de experimentos aleatórios: (1) lançar simultanea-
mente dois dados e observar a soma dos números nas faces superiores; (2)
em uma produção de lâmpadas, a retirada de uma lâmpada de cada lote para
observar se ela é ou não defeituosa; (3) em uma festa, anotar o sexo de cada
convidado que chega; (4) efetuar lançamentos sucessivos de uma moeda
normal até que se consiga cara pela primeira vez; (5) jogar um dado de seis
faces, sendo uma verde, duas amarelas e três vermelhas, para cima e obser-
var a cor da face superior; (6) de um lote de 30 peças perfeitas e 5 defeituosas,
retirar 10 delas ao acaso e observar o número de peças com defeito; (7) injetar
uma dose de certo medicamento em uma pessoa e observar o tempo que a
pessoa leva para melhorar (de uma febre, por exemplo).
Exemplo 2. São exemplos de experimentos determinísticos: (1) de uma urna
contendo 10 bolas azuis, retirar uma delas e observar a cor; (2) lançar uma
moeda com duas caras ou duas coroas e observar a face superior; deixar
água ferver a 100 ºC e observar se ela entra em ebulição.
3. Espaço amostral associado a um experimento aleatório

No lançamento de um dado de seis faces, numeradas de 1 a 6, os possíveis
resultados na face superior são 1, 2, 3, 4, 5 e 6. Dizemos, por isso, que o conjun-
to W = { 1, 2, 3, 4, 5, 6 } é um espaço amostral associado a esse experimento.
Mais precisamente temos a definição seguinte.

95
3.1. Espaço amostral

Um espaço amostral associado a um experimento aleatório é um conjunto
de todos os possíveis resultados para esse experimento.
O espaço amostral associado a um experimento aleatório será denotado
pela letra grega Ω (omega). Note que Ω pode ser finito ou infinito. No caso de ele
ser finito, o número de elementos de Ω será indicado por n(Ω ) e também será cha-
mado de cardinalidade de Ω . No caso de ele ser infinito, pode ser discreto ou não.
Exemplo 1. Para o experimento aleatório E: lançar uma moeda uma vez e ob-
servar sua face superior, um espaço amostral é o conjunto Ω = { cara, coroa }.
Exemplo 2. No lançamento simultâneo de duas moedas, os possíveis resultados
são KK, KC, CK e CC, em que a letra C significa cara e a letra K significa coroa.
Assim, KK significa “coroa no primeiro e no segundo lançamentos”, enquanto KC
significa “coroa no primeiro e cara no segundo lançamentos”. O espaço amostral
para esse experimento é, portanto, o conjunto Ω = {KK, KC, CK, CC}.
Exemplo 3. Os dois exemplos anteriores foram de espaços amostrais fini-
tos. Veremos agora um experimento com espaço amostral infinito. Seja
E o experimento que consiste em lançar uma moeda para cima até que
se obtenha cara. O espaço amostral deste experimento aleatório é Ω =
{C, KC, KKC, KKKC, KKC, … }, pois podemos observar “cara” (C) já no primei-
ro lançamento, ou no segundo lançamento (KC), ou no terceiro lançamento
(KKC), e assim por diante. Esse espaço amostral também pode ser represen-
tado pelo conjunto W = {0, 1, 2, 3, 4, … }, em que cada elemento representa o
número de vezes que deu coroa antes de dar a primeira cara.
Exemplo 4. Se de uma urna contendo 3 bolas azuis, 2 brancas e 3 pretas re-
tirarmos uma bola e observarmos a cor, temos um experimento aleatório cujo
espaço amostral é Ω = { azul, branca, preta }.
Restringiremos nosso estudo aos experimentos aleatórios cujos espa-
ços amostrais são finitos, mais precisamente àqueles experimento cujo con-
junto Ω é um conjunto não-vazio com uma quantidade finita de elementos.
3.2. Eventos associados a um experimento aleatório

Definindo o espaço amostral associado a um experimento aleatório como
um conjunto Ω , podemos definir um evento desse espaço amostral como
um subconjunto de Ω . Por exemplo, para o experimento aleatório E: lançar
um dado e observar sua face superior temos o conjunto Ω = {1, 2, 3, 4, 5, 6}
como um espaço amostral associado a E. O subconjunto de Ω dado por
A = {2, 4, 6} pode ser pensado como o evento A: o número observado foi
um número par. O conjunto B = {1, 2} pode ser associado ao evento B: o
número observado foi um número menor do que 3.

96
De forma mais precisa temos a definição seguinte.

Evento. Seja Ω um espaço amostral associado ao experimento aleatório E.
Um evento desse experimento é qualquer subconjunto de Ω .
Evento impossível é um evento que nunca ocorre. Observar
uma bola vermelha retirada de uma urna que contém somente
bolas pretas e bolas brancas é um evento impossível.
Como o conjunto vazio e o próprio conjunto são subconjuntos de um

dado conjunto, então eles também são eventos de um experimento aleatório.
O conjunto vazio é dito um evento impossível, enquanto o conjunto Ω é dito
um evento certo. Além disso, cada elemento x do espaço amostral Ω constitui
um evento do experimento aleatório, a saber, o evento {x}, que é dito evento
simples ou elementar.
Sabemos que se A é m conjunto finito com n elementos, então A
possui, exatamente, 2n subconjuntos. Assim, se Ω é um conjunto
finito com n elementos, que é um espaço amostral de um experimento aleatório E,
então Ω possui exatamente 2n eventos.
Observe que, de acordo com o que foi feito anteriormente, quando rea-
lizamos um experimento aleatório e dizemos que ocorreu o evento A, quere-
mos dizer que o resultado do experimento foi um dos elementos de A. Assim,
quando jogamos um dado de seis faces, não viciado e com as faces numera-
das de 1 a 6, diremos que ocorreu o evento A = {1, 2, 3} se na face superior for
observado o número 1 ou o 2 ou o 3.
Exemplo 5. Dado o experimento aleatório E: lançar duas moedas distinguí-
veis, simultaneamente, e observar a face superior, seu espaço amostral é o
conjunto W = {CC, CK, KC, KK} em que C representa “cara” e K representa
“coroa”. O subconjunto de W dado por A = {CC, KK} pode ser pensado como
o evento A: observou-se resultados iguais. O subconjunto B = {CK, KC, KK}
pode ser pensado como o evento B: observou-se pelo menos uma coroa.
Exemplo 6. No lançamento simultâneo de dois dados distinguíveis e não
viciados, o conjunto A = {(1, 2), (2, 1)} pode ser pensado como o evento A: a
soma dos números nas faces superiores é 3. O conjunto B = {(1, 6), (2, 5), (3, 4), (4,
3), (5, 2), (6, 1)} pode ser pensado como o evento B: a soma dos números
nas faces superiores é 7. O conjunto C = {(5, 1), (5, 2), (5, 3), (5, 4), (5, 5) }
pode ser pensado como o evento C: o maior número observado foi 5.

97
4. Operações entre eventos e eventos mutuamente ex-

cludentes
Quando estudamos os conjuntos, vimos que é possível definir algumas ope-
rações entre eles e, com isso, obtermos novos conjuntos. Como os eventos
de um experimento aleatório são subconjuntos do espaço amostral associado
ao experimento, podemos utilizar essas operações para obter novos eventos.
De fato, dado um experimento aleatório E com espaço amostral asso-
ciado Ω , se A e B são eventos deste experimento, temos as três definições
que seguem.
União. O evento união de A com B é o evento A ∪ B que ocorre quando o
resultado do experimento é um elemento de A ou um elemento de B.
Assim, de acordo com a definição anterior, ocorre o evento A∪B quan-
do ocorre o evento A ou o evento B.
Exemplo 1. O experimento aleatório E: lançar duas moedas distinguíveis,
simultaneamente, e observar suas faces, a união dos eventos A: observar
duas caras e B: observar duas coroas é o evento A∪B: observar dois resul-
tados iguais. De fato, os eventos A e B são, respectivamente, A = {CC} e B =
{KK} e, assim, o evento A ∪ B é dado por A ∪ B = {CC, KK}.
Interseção. O evento interseção de A com B é o evento A ∩ B que ocorre quan-
do o resultado do experimento é um elemento de A e de B ao mesmo tempo.
De acordo com a definição 1.4.2, ocorre o evento A∩B quando ocorrem
os eventos A e B, simultaneamente.
As definições 1 e 2 devem ser adaptadas para o caso em que
A ou B ou ambos são o evento impossível, ou seja, o conjunto vazio.
Exemplo 2. No experimento aleatório E: lançar duas moedas distinguíveis,

simultaneamente, e observar suas faces, a interseção dos eventos A: observar
pelo menos uma cara e B: observar pelo menos uma coroa é o evento AÇB:
observar resultados diferentes. De fato, os eventos A e B são A = {CC, CK,
KC} e B = {KK, KC, CK} e, assim, o evento A ∩ B é dado por A ∩ B = {CK, KC}.
Evento complementar. O evento complementar de A é o evento Ac que ocor-
re quando o resultado do experimento é um elemento de Ω que não está em A.
Como se percebe, o evento Ac ocorre sempre que não ocorre o evento A.
Como a interseção de dois conjuntos pode ser o conjunto vazio, pode
acontecer de o evento interseção de A com B ser o evento impossível. Neste
caso, diremos que A e B são mutuamente excludentes. Isto significa que se
ocorrer o evento A não pode ocorrer o evento B e vice-versa, ou seja, se ocor-
rer B não pode ocorrer A.

98
Mais precisamente temos a definição que segue.

• Eventos mutuamente excludentes. Dizemos que os eventos A e B de
um experimento aleatório E são mutuamente excludentes se A ∩ B = ∅.
Exemplo 3. No experimento aleatório E: lançar um dado e observar o número
na face superior, os eventos A: observar um número maior do que 5 e B: ob-
servar um número ímpar são excludentes. De fato, temos que A = {6} e B = {1,
3, 5} e, assim, o evento A ∩ B é o conjunto ∅.
Os conjuntos A = {1, 2} e B = {1, 2, 3, 4} são eventos do experimento
aleatório que consiste em lançar um dado e observar o número na face supe-
rior, cujo espaço amostral associado é o conjunto Ω = {1, 2, 3, 4, 5, 6}. Note
que, de acordo com a teoria dos conjuntos, A está contido em B, uma vez que
todo elemento de A é também elemento de B. Na linguagem da probabilidade
dizemos que o evento A implica no evento B.
Mais precisamente, se E é um experimento aleatório com espaço amos-
tral associado Ω e A e B são eventos de E, ambos não impossíveis, temos a
definição que segue.
• Inclusão de eventos. Dizemos que o evento A implica o evento B e escre-
vemos A ⊂ B se todo elemento de A é, também, elemento de B.
Note que dizer que o evento A implica o evento B quer dizer que se
ocorrer o evento A então, com certeza, ocorrerá o evento B.
4.1. Propriedades das operações entre eventos.

As operações entre eventos possuem as mesmas propriedades das opera-
ções entre conjuntos. É o que afirmamos nas proposições seguintes, cujas
demonstrações não serão feitas aqui.
• Proposição 1. Se A, B e C são eventos de um experimento aleatório E,
então vale o seguinte:
1. (A ∪ B)c = Ac ∩ Bc
2. (A ∩ B)c = Ac ∪ Bc.
• Proposição 2. Se A, B e C são eventos de um experimento aleatório E,
então vale o seguinte:
1. (A ∪ B) ∩ C = (A ∩ C) ∪ (B∩C)
2. (A ∩ B) ∪ C = (A ∪ C) Ç (B∪C).
As definições de união e interseção de eventos de espaços amos-
trais associados a experimentos aleatórios podem ser estendidas para
uma quantidade enumerável de eventos, como veremos nas duas defini-
ções a seguir.

99
• União enumerável de eventos. Dados os eventos A1, A2, A3, o evento

∞
união dos Ai, i = 1, 2, 3, é o evento  Ai que ocorre quando o resultado do
i=1
experimento é um elemento de algum dos Ai.

• Interseção enumerável de eventos. Dados∞ os eventos A1, A2, A3, o even-
to interseção dos Ai, i = 1, 2, 3, é o evento 
i=1
A i que ocorre quando o resul-
tado do experimento aleatório é um elemento comum a todos os Ai.
Neste capítulo iniciamos o estudo da Probabilidade introduzindo os conceitos
básicos de experimentos aleatórios, em contraposição a experimentos deter-
minísticos. Introduzimos também os conceitos de espaço amostral associado
a um experimento aleatório e de eventos, aproveitando para conceituar even-
tos simples ou elementares.
Aprendemos a operar com eventos, determinando o evento união, o
evento interseção e o complementar de um evento em relação ao espaço
amostral. Vimos que a união e a interseção de eventos podem ser realizadas
com quantidades finitas ou com quantidades infinitas enumeráveis de even-
tos. Definimos eventos mutuamente excludentes como aqueles cuja interse-
ção é o evento impossível, ou seja, o conjunto vazio.
1. Uma urna contém uma bola vermelha e três bolas pretas. Determine o espa-
ço amostral do experimento aleatório E: retirar uma bola e observar sua cor.
Defina os eventos A: retirar bola vermelha, B: retirar bola azul, C: retirar bola
vermelha ou azul e D: retirar bola vermelha ou preta.
Solução 1: Sabemos que a urna contém bolas vermelhas (V) e bolas pre-
tas (P). Assim, para o experimento aleatório E: retirar uma bola e observar
sua cor, o espaço amostral é o conjunto Ω = {V, P}. Os eventos A, B, C e
D são dados por A = {V}; B = ∅, pois não existe bola azul na urna; C = {V}
e D = {V, P} = Ω .
Solução 2: Para deixar claro que na urna existem quatro bolas, sendo 1
vermelha e 3 pretas, podemos pensar o espaço amostral do experimento
aleatório E: retirar uma bola e observar sua cor como sendo o conjunto Ω =
{V, P1, P2, P3}, em que V representa a bola vermelha e Pi (i = 1, 2, 3) repre-

100
senta cada uma das bolas pretas. Nestas condições, os eventos A, B, C e

D são dados por A = { V }; B = ∅, pois não existe bola azul na urna; C = { V
} e D = { V, P1, P2, P3 }, ou seja, D = Ω .
2. Ao girarmos a roleta ao lado, determine o espaço amostral e os eventos A:
ocorrência de número par e B: ocorrência de número primo.
Solução 1: Ao girarmos a roleta do problema, os possíveis valores obtidos
são dados pelo conjunto Ω = {1, 2, 3, 4, 5}. O evento A é o conjunto {2, 4} e
o evento B é o conjunto {2, 3, 5}.
Solução 2: Para deixarmos explicitado que existem dois números 2 e três
números 3 e somente um número 1, um 4 e um 5, poderíamos escrever o
espaço amostral como Ω = {1, 21, 22, 31, 32, 33, 4, 5}. Neste caso teríamos
o evento A dado por {21, 22, 4} e o evento B dado por {21, 22, 31, 32, 33, 5}.
Essa representação é interessante quando estivermos estudando a pro-
babilidade de um evento.
3. Dê exemplo de dois experimentos aleatórios e de dois experimentos deter-
minísticos.
4. Um tetraedro regular é uma pirâmide de quatro faces triangulares con-
gruentes. No lançamento de um tetraedro, cujas faces estão numeradas
de 1 a 4, considera-se que saiu o número “x” se a face com o número “x”
está virada para o chão ou a mesa, após o lançamento. Considere o experi-
mento aleatório dado pelo lançamento de um tetraedro. Defina seu espaço
amostral e os eventos A: ocorrência de um múltiplo de 3, B: ocorrência de
um número menor do que ou igual a 3, C: ocorrência de um número maior
do que 4 e D: ocorrência de um número menor do que 5.
5. Uma família tem exatamente três crianças de idades diferentes. Denotando
por M os filhos do sexo masculino e por F os do sexo feminino, determine
as várias possibilidades para o experimento aleatório E: observar a sequ-
ência dos filhos, do mais novo para o mais velho. Determine os eventos A:
todas as crianças são do mesmo sexo e B: duas crianças são meninas ou
exatamente duas são meninos.
6. No lançamento simultâneo de uma moeda e um dado, determine o espaço
amostral e os eventos A: dar cara e um número par e B: dar coroa e um
número maior do que ou igual a 5.
7. Uma urna contém 5 bolas brancas e 3 bolas pretas. Uma bola é retirada ao
acaso, sem reposição, até que surja uma bola preta. Determine o espaço
amostral desse experimento aleatório. Determine o evento A: foram retiradas
no máximo duas bolas brancas. Escolha dois outros eventos e determine-os.
8. Uma carta é escolhida de um baralho comum de 52 cartas e observa-se
seu naipe. Determine o espaço amostral. Determine o evento A: a carta
escolhida foi de copas ou de ouro.

101
9. De uma caixa contendo 3 lâmpadas defeituosas e 7 lâmpadas perfeitas,

são escolhidas 4 lâmpadas e observa-se o número de peças defeituosas.
Determine o espaço amostral. Determine os eventos A: exatamente duas
lâmpadas são defeituosas, B: são defeituosas duas ou três lâmpadas e C:
são defeituosas menos de três lâmpadas.
10. Dentre todos os números de três algarismos que podem ser obtidos pela
permutação dos algarismos 1, 2 e 3, sorteia-se um. O evento C: o número
sorteado é múltiplo de 2 ou de 3 é a união entre os eventos A: o número
sorteado é múltiplo de 2 e B: o número sorteado é múltiplo de 3. Assim, C
= A∪B. O evento D: o número sorteado é múltiplo de 2 e de 3 é o evento
interseção de A com B e, portanto, D = A ∩ B.
11. No lançamento de um dado duas vezes, o evento ocorre o número 5 no
primeiro lançamento e a soma dos dois números obtidos é 9 é a interseção
entre os eventos C: ocorre o número 5 no primeiro lançamento e B: a soma
dos dois números obtidos é 9. Ou melhor, é a interseção entre os eventos
A = {(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6)} e B = {(3, 6), (4, 5), (5, 4), (6, 3)}.
Assim, C = A ∩ B = {(5,4)}.
12. Escolha um experimento aleatório E e eventos A, B e C de E, não impos-
síveis, e verifique os itens a e b da proposição 1.
13. Escolha um experimento aleatório E e eventos A, B e C de E, não impos-
síveis, e verifique os itens a e b da proposição 2.
14. Escolha um experimento aleatório E e eventos A e B de E, não impossí-
veis, e que sejam mutuamente excludentes.
15. No lançamento de duas moedas distinguíveis, determine o evento com-
plementar do evento A: observar pelo menos uma cara e do evento B: não
observar cara.
16. Defina eventos mutuamente excludentes.
17. Uma urna contém 20 bolas iguais, numeradas de 1 a 20. Uma bola é
retirada ao acaso e seu número é observado. Determine o espaço amos-
tral associado a esse experimento e explicite por enumeração dos ele-
mentos, os seguintes eventos: (a) A: o número observado é par; (b) B: o
número observado é primo; (c) C: o número observado é menor do que
ou igual a 20; (d) o número observado é maior do que 20; (e) E: o número
observado é múltiplo de 6 ou de 7; (f) F: o número observado é par e múl-
tiplo de 3; (g) G: o número observado não é múltiplo de 5.

102
Texto complementar
Texto 1: Um pouco de história
Texto extraído do livro Análise combinatória e probabilidade, de Augusto Cesar
Morgado e outros, Coleção do Professor de Matemática. SBM: Rio de Janeiro, 2006.
pp.6-7. Adaptado.
Diz-se geralmente que a teoria das probabilidades originou-se com Blaise Pascal e
Pierre de Fermat devido à curiosidade do Chevalier de Méré, jogador apaixonado, que
em cartas discutiu com Pascal problemas relativos à probabilidade de ganhar em certo
jogo de cartas. Despertado seu interesse pelo assunto, Pascal correspondeu-se com
Fermat sobre o que hoje chamaríamos de probabilidades finitas.
Mas em verdade a teoria elementar das probabilidades já tinha sido objeto de
atenção bem antes. Levando em conta o fascínio que os jogos de azar sempre exerce-
ram sobre os homens, estimulando-os a achar maneiras seguras de ganhar, não é de
se espantar que muito cedo problemas relativos a jogos de cartas ou de dados tenham
atraído a atenção de pessoas...
A primeira obra conhecida em que se estudam as probabilidades é o livro De Ludo
Aleae (Sobre os jogos de Azar), de Jerônimo Cardano, publicado em 1663. É possível
que o interesse de Cardano pelo assunto se deva a sua paixão pelos jogos de azar Uma
tradução para o inglês moderno do livro de Cardano encontra-se no livro Cardano, the
Gambling Scholar, Oysten Ore.
Na parte dedicada à probabilidade Cardano mostra, entre outras coisas, de quan-
tas maneiras podemos obter um número, lançando dois dados. Assim, por exemplo,
10 pode ser obtido de 3 maneiras: 5 em cada dado, 6 no primeiro e 4 no segundo, e 4
no primeiro e 6 no segundo.
Além de Cardano, Johannes Kepler fez algumas observações sobre probabilidades,
em um livro publicado em 1606, no qual estuda as diferentes opiniões sobre o apare-
cimento de uma estrela brilhante, em 1604.
Também Galileu preocupou-se com as probabilidades, estudando os jogos de da-
dos, para responder à pergunta de um amigo: Com três dados, o número 9 e o número
10 podem ser obtidos de seis maneiras distintas, cada um deles. No entanto, a experi-
ência mostra que 10 é obtido mais frequentemente do que 9. Como explicar isso. Ga-
lileu estudou cuidadosamente as probabilidades envolvidas e mostrou, corretamente,
que, de 216 casos possíveis, 27 são favoráveis ao aparecimento do número 10 e 25 são
favoráveis ao aparecimento do número 9.
Malgrado investigações destes precursores, a Teoria das Probabilidades só come-
ça a se desenvolver a partir dos trabalhos de Pascal, que aplicou seu estudo com o
triângulo aritmético que leva seu nome ao estudo dos jogos de cartas.

103
Referências
HARIKI, Seiji e ONAGA, Dulce S. Curso de matemática, vol.3. São Paulo:
Ed. Harper & Row. 1981.
DANTE, Luiz R. Matemática: contexto & aplicações, vol.2. São Paulo: Ed.
Ática. 2004.
DOLCE, Osvaldo, IEZZI, G. e outros. Tópicos de matemática, vol. 2. Ed.
Atual. São Paulo: 1980.
HAZZAN, Samuel. Fundamentos de matemática elementar: combinatória e
probabilidade, vol. 5. São Paulo: Ed. Atual. 2004.
BOYER, C. B. História da matemática. Trad. Elza F. Gomide. São Paulo: Ed.
Edgard Blücher. 1976.
DANTAS, C. A. B. Probabilidade: um curso introdutório. São Paulo: Edusp. 2008.
MORGADO, A. C. O. e outros. Análise combinatória e Probabilidade. Cole-
ção do Professor de Matemática. Rio de Janeiro: SBM. 2006.

Capítulo 6
Definições de Probabilidade
e Principais Resultados

107
Objetivos
• Apresentar as definições de probabilidade, distinguindo entre a clássica, a
frequentista e a axiomática.
• Enunciar e demonstrar as principais propriedades da probabilidade, de
acordo com a definição clássica.
• Utilizar as propriedades da probabilidade na resolução de problemas.
• Definir e exemplificar a probabilidade condicional.
• Definir e exemplificar eventos independentes.
• Enunciar e demonstrar o teorema da probabilidade total.
• Definir e exemplificar a distribuição binomial de probabilidade.
1. Introdução
A probabilidade de um evento é a medida da chance desse evento ocorrer. Por
exemplo, no experimento E: lançamento de uma moeda honesta, o evento A:
observar cara na face superior ocorre com probabilidade 1/2, ou seja, a chance
de ocorrer cara é de 1 em 2 resultados possíveis. De fato, quando lançamos uma
moeda honesta, podemos observar cara ou coroa na face superior. Assim obser-
var cara é um dos dois resultados possíveis.
Neste capítulo apresentaremos três definições de probabilidade – a clás-
sica, a frequentista e a axiomática – todas possuindo as mesmas propriedades,
intrínsecas à definição, que são apresentadas e demonstradas. Definiremos
probabilidade condicional, exemplificando e apresentando suas propriedades
e principais resultados, como o teorema da probabilidade total e o teorema de
Bayes, aproveitando este conceito para definirmos eventos independentes.
Por fim, estudaremos a distribuição binomial de probabilidade como o
modelo probabilístico adotado para um experimento aleatório no qual estamos
interessados na ocorrência de um evento específico.

108
2. Definições de Probabilidade
Como dissemos anteriormente, não se pode prever de antemão o resultado
de um experimento aleatório. Entretanto, sabemos que alguns resultados são
mais fáceis de ocorrer do que outros. Por exemplo, quando lançamos uma
moeda e observamos sua face superior, os únicos resultados possíveis são
cara e coroa, que denotaremos, respectivamente, por C e K.
Assim, o espaço amostral no lançamento de uma moeda é W = { C, K } e,
se a moeda for perfeita, acreditamos que qualquer uma das faces pode ocorrer
com a mesma chance. Já no lançamento de um dado cujas faces encontram-
-se numeradas com os números 1, 2, 4, 8, 16 e 32, parece óbvio que a chance
de ocorrer na face superior um número par é maior do que a de se obter um
número ímpar. É essa chance que desejamos mensurar. A medida da chance
de um evento A ocorrer é chamada probabilidade de A e será denotada por p(A).
2.1. Definição clássica de probabilidade

No lançamento de uma moeda perfeita, os possíveis valores são C (cara) ou
K (coroa), ambos com a mesma chance de ocorrer. Assim, no lançamento de
uma moeda perfeita, o evento A: observar cara representa 1 dos 2 possíveis
valores e, portanto, é razoável que digamos que a probabilidade de A é igual a 1
resultado favorável em 2 resultados possíveis, ou seja, 1/2. De maneira seme-
lhante, a probabilidade do evento B: observar coroa é igual a 1/2.
No lançamento de um dado normal, os possíveis valores são 1, 2, 3, 4, 5
e 6, todos com a mesma chance de ocorrer. Assim, no lançamento de um dado
normal, cada evento simples representa um dos seis possíveis resultados e,
portanto, como no caso das moedas, é razoável que digamos que a probabilida-
de do evento A = {1} é igual a 1/6, ou seja, 1 resultado favorável em 6 resultados
possíveis; a do evento B = {2} é igual a 1/6; o mesmo valendo para os demais
eventos elementares. Já a probabilidade do evento C = {2, 4, 6} deve ser 3/6,
pois C possui 3 dos 6 resultados possíveis. Além disso, 3/6 = 1/2, significando
que C possui metade dos resultados possíveis.
Quando em um experimento aleatório com espaço amostral finito to-
dos os eventos elementares têm a mesma chance de ocorrer, dizemos que o
espaço amostral é equiprovável. Assim, os experimentos aleatórios E1: lançar
uma moeda e observar a face superior e E2: lançar um dado e observar a face
superior possuem espaços equiprováveis.
O que fizemos até agora sugere a definição que segue.
• Probabilidade de um evento. Em um espaço amostral equiprovável Ω , a
probabilidade de ocorrer um evento A é indicada por p(A) e definida como

109
p(A) = n(A)/n(Ω ), em que n(A) significa o número de elementos do evento A

e n(Ω ) significa o número de elementos do espaço amostral W.
Assim, o número p(A) mede a chance de ocorrer o evento A.
Em geral, o conjunto W é dito conjunto dos resultados possíveis ou dos
casos possíveis e o conjunto A é dito conjunto dos resultados favoráveis ou
dos casos favoráveis. Assim, podemos redefinir a probabilidade de ocorrer o
evento A como
Exemplo 1. A probabilidade de ocorrer um número primo ímpar no lançamen-

2 1
to de um dado honesto é 6 ou 3 . De fato, temos que W = {1, 2, 3, 4, 5, 6} e o
evento A: observar número primo ímpar corresponde ao conjunto A = { 3, 5 }.
n (A) 2 1
Assim, p(A) = n (W)
= 6
e, portanto, p(A) = 3 .
Exemplo 2. No lançamento simultâneo de dois tetraedros perfeitos distinguí-

veis, a probabilidade de se obter números iguais é 1/4. De fato, temos que o
espaço amostral deste experimento aleatório é o conjunto
W = {(1, 1), (1 ,2), (1, 3), (1, 4), (2, 1), (2, 2), (2, 3), (2, 4), (3, 1), (3, 2), (3, 3), (3,
4), (4, 1), (4, 2), (4, 3), (4, 4)}.
O evento A: observar números iguais é o conjunto dado por
A = {(1, 1), (2, 2), (3, 3), (4, 4)}.
Assim, p(A) =
2.2. Propriedades da probabilidade

De acordo com a definição, a probabilidade de um evento A de um espaço
amostral finito e equiprovável W possui as propriedades que seguem.
• Propriedade 1. Se A = ∅, então p(A) = 0.
Prova: De fato, se A = ∅, então n(A) = 0 e, consequentemente,

n( A) 0
p(A) = = = 0.
n(W) n(W)
• Propriedade 2. Se A = Ω , então p(A) = 1.

n(W)
Prova: De fato, se A = W, então p(A) = n(W) = 1.
1
• Propriedade 3. Para cada x ∈ Ω , p(x) = p({ x }) = .
n(W)
Prova: Deixada para o leitor.

110
• Propriedade 4. Se A e B são eventos tais que A ∩ B = ∅, então p(A ∪ B) =

p(A) + p(B).
Prova: Como A ∩ B = ∩, temos que n(A∪B) = n(A) + n(B). Assim,

n(A ∪ B) n(A ) + n(B) n(A ) n(B)
p(A∪B) = = = + = p(A) + p(B).
n(W) n(W) n(W) n(W)
A propriedade a seguir generaliza a propriedade anterior.

• Propriedade 5. Se A e B são eventos quaisquer, então
p(A ∪ B) = p(A) + p(B) – p(A∩B).
Prova: Temos que n(A ∪ B) = n(A) + n(B) – n(A ∩ B) e assim,
p(A ∪ B) = n(A ∪ B) = n(A) + n(B) - n(A ∩ B)
n(W) n(W)
n(A ) n(B) n(A ∩ B)
= n(W)
+ n(W)
– n(W)
= p(A) + p(B) – p(A∪B).
E finalmente temos a Propriedade 6 que relaciona a probabilidade de

um evento com a de seu complementar.
• Propriedade 6. Seja Ac o evento complementar de A. Temos que
p(Ac) = 1 – p(A).
Prova: De fato, temos que Ω = A ∪ Ac.
Assim, 1 = p(Ω ) = p(A ∪ Ac) = p(A) + p(Ac). Donde se conclui que
p(Ac) = 1 – p(A).
Exemplo 3. No lançamento de duas moedas distinguíveis, temos que o
espaço amostral é W = { CC, CK, KC, KK }. A probabilidade do evento A:
observar pelo menos uma cara é p(A) = 3/4. A probabilidade do evento
Ac: observar zero cara é
3 1
p(Ac) = 1 – p(A) = 1 – = .
4 4
Exemplo 4. Um número inteiro é escolhido aleatoriamente entre os números
de 1 a 10. A probabilidade de o número escolhido ser múltiplo de 6 ou de 9 é
1/5. De fato, os eventos A: o número escolhido é múltiplo de 6 e B: o número
escolhido é múltiplo de 9 são dados pelos conjuntos A = { 6, 12, 18 } e B = { 9, 18 }. Os
eventos A ∪ B e A ∩ B são os conjuntos A ∪ B = { 6, 9, 12, 18 } e A ∩ B = {18}.
Temos que n(A ∪ B) = 4 = n(A) + n(B) – n(A ∩ B) = 3 + 2 – 1 = 4, e, portanto,
p(A ∪ B) = p(A) + p(B) – p(A ∩ B).
Exemplo 5. No experimento aleatório anterior, a probabilidade de o número
escolhido ser múltiplo de 10 ou de 11 é 3/10, pois os eventos C: o número
escolhido é múltiplo de 10 e D: o número escolhido é múltiplo de 11 são mutu-

111
amente excludentes. Assim, p(A∪B) = p(A) + p(B) =
2.3. Definição frequentista de probabilidade

Suponha que tenhamos uma moeda e não saibamos se ela é ou não viciada,
ou seja, se ela é ou não uma moeda com probabilidades diferentes para o
evento A: observar cara e o evento B: observar coroa. Qual seria uma boa
estratégia para descobrir se a moeda é ou não honesta?
Você resolve fazer 10 lançamentos, observar e anotar os resultados.
Lançamentos Cara Coroa
10 7 3
Após os dez primeiros lançamentos, qual é a sua opinião, a moeda é

perfeita ou não?
É claro que com uma quantidade tão pequena de lançamentos não é
possível decidir se a moeda é perfeita ou não. O que podemos afirmar é que,
nos dez lançamentos, a frequência do evento “cara” foi 7, enquanto a freqüên-
cia do evento “coroa” foi três e que se continuarmos com a experiência e o re-
sultado se mantiver então podemos dizer que p(C), a probabilidade do evento
cara, deve ser (afinal, foram 7 resultados em 10) e que p(K), a probabilidade
do evento “coroa”, deve ser .
Como se percebe, definimos as probabilidades dos eventos “cara”

e “coroa” como a freqüência relativa de cada um desses eventos nos dez
lançamentos.
Suponha que após mais 10 lançamentos, tenhamos os seguintes
resultados:
Lançamentos Cara Coroa

10 7 3
10 6 4
Total 20 13 7
E agora, a moeda é perfeita ou não?

É claro que nunca poderemos responder com certeza, a partir de expe-
rimentos, se a moeda é ou não perfeita. Mas depois de muitos lançamentos,
é possível que consigamos definir, com certa precisão, a probabilidade de um
evento ocorrer. Essa definição de probabilidade é dita definição frequentista.
É importante mencionarmos que a freqüência relativa do evento { ai }
tende a se estabilizar em um certo valor, após um número suficientemente

112
grande de repetições. Este fato é que nos permite recorrer à definição fre-
quentista de probabilidade.
Além disso, a função freqüência relativa fn(ai) = , onde n representa
o número de repetições do experimento E e n(ai) representa o números de
vezes que ocorreu o evento { ai }, para n muito grande, possui as mesmas
propriedades da função probabilidade da definição clássica de probabilidade,
para eventos não vazios de espaços amostrais finitos.
2.4. Definição axiomática de probabilidade

Até agora vimos a probabilidade como frequência relativa (definição frequen-
tista) da ocorrência de eventos simples e como quociente entre os casos fa-
voráveis e os casos possíveis (definição clássica) de um evento. Agora vamos
definir a probabilidade de maneira axiomática, independente de experimento
concreto. Para tanto, precisaremos da definição de função de distribuição de
probabilidade ou, simplesmente, distribuição de probabilidade que consiste em
associar, aos elementos de um conjunto não vazio W, números reais positivos e
menores do que ou iguais a 1, possuindo determinadas propriedades.
Temos a definição seguinte.
• Definição. Seja Ω = { a1, a2, a3, …, an } um espaço amostral finito, isto é, um
conjunto finito, não vazio, com n elementos. Uma distribuição de probabi-
lidade é uma função p, que associa a cada elemento ai (i = 1, 2, …, n) um
número real p(ai) que será indicado por pi, satisfazendo:
0 < pi < 1, para todo i;
p1 + p2 + … + pn = 1.
O número pi é dito a probabilidade do evento elementar { ai } e será re-
presentado por p({ai}) ou, simplesmente, p(ai).
Para finalizarmos esta definição axiomática, basta que definamos a pro-
babilidade de um evento qualquer de W.
Para tanto, seja W = { a1, a2, a3, …, an } um espaço amostral finito mu-
nido de uma distribuição de freqüência p, isto é, um conjunto finito, não vazio,
com n elementos munido de uma distribuição de frequência.
• Definição. Dado um evento A, definimos a probabilidade de A, que denota-
remos por p(A), como segue:
p(A) = 0, se A = ∅;
p(A) = ∑ p (a ) .
a i ∈A
i
Nestas condições, temos as propriedades seguintes.

113
• Propriedade 7. Se A = ∅, então p(A) = 0.

Prova: O resultado segue da definição.
• Propriedade 8. Se A = Ω , então p(A) = 1.
Prova: De fato, temos que Ω = {a } e, portanto, p(W) = ∑ p(a ) = 1, uma
i
i
a i ∈W
i
vez que p é uma distribuição de probabilidade.

• Propriedade 9. Se A e B são eventos tais que A ∩ B = ∅, então p(A ∪ B) =
p(A) + p(B).
Prova: Temos que
p(A∪B) = p( ( {ai }) ∪ (  bi ) ) = ∑ p(a ) + ∑ p(b ) = p(A) + p(B).
ai ∈A
i
bi ∈B
i
ai ∈A bi ∈B
• Propriedade 10. Se A e B são eventos quaisquer, então p(A ∪ B) = p(A)

+ p(B) – p(A ∩ B).
Prova: Deixamos para o leitor.
• Propriedade 11. Seja Ac o evento complementar de A. Temos que p(Ac) =
1 – p(A).
Prova: Deixamos para o leitor.
3. Probabilidade condicional e eventos independentes

O conceito de probabilidade condicional é um dos conceitos mais importantes
da probabilidade e permite chegar à ideia de eventos independentes, outro
conceito da maior importância para a probabilidade. Definiremos probabilida-
de a partir de um exemplo em espaços amostrais equiprováveis.
Suponha que Thiago e Mariana estejam brincando de jogar dado e cada
um tenha escolhido três números para jogar, conforme indicado nos eventos
T = { 1, 2, 3 }: Thiago ganha e M = { 4, 5, 6 }: Mariana ganha.
Sabemos que, nestas condições, a probabilidade de Thiago ganhar é a
1 n (T ) 3 1
mesma probabilidade de Mariana ganhar e é igual a , pois p(T) = n (W) = 6 = 2
n (M) 3 1 2
e p(M) = = = , onde W, o conjunto dado por W = {1, 2, 3, 4, 5, 6}, é o
n (W) 6 2
espaço amostral do experimento aleatório E: lançar um dado e observar sua
face superior.
Sejam ainda os eventos A: o número observado é par e B: o número
observado é ímpar.
Suponhamos que seja feito um lançamento e seja observado o resultado.
Consideremos as seguintes perguntas:

114
Qual a probabilidade de Thiago ganhar o jogo e qual a probabilidade de Mariana

Pergunta 1
ganhar o jogo?
Sabendo que o número sorteado foi par, qual a probabilidade de Thiago ganhar o jogo e
Pergunta 2
qual a probabilidade de Mariana ganhar o jogo?
Sabendo que o número sorteado foi ímpar, qual a probabilidade de Thiago ganhar o jogo e qual a
Pergunta 3
probabilidade de Mariana ganhar o jogo?
As probabilidades procuradas nas perguntas 2 e 3 são o que chama-

mos de probabilidade condicional. Na pergunta 2, estamos interessados em
calcular as probabilidades dos eventos T e M dado que ocorreu o evento A:
o número observado é par. Essas probabilidades são indicadas por p(T/A) e
p(M/A), respectivamente. Na pergunta 3, estamos interessados nas probabili-
dades dos eventos T e M dado que ocorreu o evento B: o número observado
foi ímpar, que são indicadas por p(T/B) e p(M/B), respectivamente.
Neste caso, as probabilidades procuradas podem ser obtidas como:
n(T ∩ A)
• p(T / A) =
n( A)
n( M ∩ A)
• p( M / A) = n( A)
n (T ∩ B)
• p(T / B) =
n (B)
n (M ∩ B)
• p(M / B) =
n (B)
Em geral, temos a definição que segue.

• Probabilidade condicional. Dados um experimento aleatório E, com es-
paço amostral Ω , e A e B eventos de E, com B ≠ ∅, a probabilidade de
ocorrer o evento A dado que ocorreu o evento B (probabilidade de A dado
B) ou a probabilidade do evento A condicionado ao evento B é indicada por
p(A/B) e definida por
p( A ∩ B)
p(A/B) = .
p( B)
A probabilidade de A dado B pode ser pensada como a probabilidade
de ocorrer o evento A, quando o espaço amostral fica reduzido ao evento B.
Exemplo 1. De uma urna contendo 55 bolas numeradas de 1 a 55, uma bola
é sorteada ao acaso. A probabilidade de o número na bola sorteada ser um
número par é . Já a probabilidade de o número na bola sorteada ser par,
2
dado que o número sorteado foi um múltiplo de 11 é . De fato, denotando por
5

115
A e B os eventos A: o número sorteado é par e B: o número sorteado é múltiplo

de 11, temos que o evento B é o conjunto B = {11, 22, 33, 44, 55} enquanto
2
o evento A ∩ B é dado pelo conjunto A ∩ B = {44, 22}. Assim p(A/B) = .
5
Aplicando a fórmula, temos que:
n (A ∩ B)
p(A ∩ B) 5 2
p(A / B) = = =
p(B) n (B) 5
5
Exemplo 2. No lançamento sucessivo de uma moeda duas vezes, a probabili-
dade de ocorrer cara no segundo lançamento, tendo ocorrido coroa no primei-
ro lançamento é a probabilidade do evento {KC} do experimento aleatório cujo
espaço amostral equiprovável, dado pelo conjunto W = {CC, CK, KC, KK}.
1
Assim, a probabilidade procurada é 2 . Essa probabilidade pode ser calculada
como a probabilidade condicional p(A/B), em que A é o evento A: deu cara
no segundo lançamento e B é o evento B: deu coroa no primeiro lançamento.
Nestas condições, temos que A e B são dados pelos conjuntos A = {CC, KC}
e B = {KC, KK} e, portanto,
p ( A ∩ B ) n( A ∩ B ) 1
p( A / B) = = =
p( B) n( B ) 2
A probabilidade condicional possui as propriedades seguintes.

• Probabilidade condicional. Propriedade 1. Se A é um evento de um ex-
perimento aleatório E com espaço amostral Ω , com p(A) > 0, então:
a) p(∅/A) = 0.
b) p( W /A) = 1.
Prova: Para ambos os itens, basta usarmos a definição de probabilidade
condicional. De fato, temos que
a) p(∅/A) = p(∅ ∩ A)/p(A) = p(∅)/p(A) = 0/p(A) = 0;
b) p(W/A) = p(Ω ∩ A)/p(A) = p(A)/p(A) = 1.
• Probabilidade condicional. Propriedade 2. Se A, B e C são eventos de
um experimento aleatório E com espaço amostral Ω , tais que p(C) > 0 e A
∩ B = ∅, então
p(A ∪ B/C) = p(A/C) + p(B/C).
Prova: Por definição, temos que
p(A ∪ B/C) = p[(A ∪ B) ∩ C)/p(C)
e pela fórmula de De Moivre para escrever
p(A ∪ B/C) = p[(A ∩ C) ∪ (B ∩ C)]/p(C).

116
Desde que A ∩ C e B ∩ C são disjuntos, pois A e B o são, temos que

p[(A ∩ C) ∪ (B ∩ C)] = p(A ∩ C) + p(B ∩ C) e, portanto, vamos ter
p(A ∪ B/C) = [p(A ∩ C) + p(B ∩ C)]/p(C) = p(A/C) + p(B/C).
3.1. Experimentos realizados em sequência

p(A ∩ B)
Da igualdade p(A/B) = p(B) , podemos deduzir que p(A ∩ B) = p(A/B).p(B).
Nesta versão, a fórmula é muito útil para o cálculo de probabilidade de eventos
de experimentos aleatórios realizados em sequência, nas quais a ocorrência
de um evento na 2a etapa depende de sua ocorrência na 1a etapa; a ocorrên-
cia desse evento na 3a etapa depende de sua ocorrência na 2a etapa; e as-
sim por diante. Ou seja, temos uma sucessão de probabilidades condicionais.
Como exemplo, citamos o experimento aleatório E: retirada sucessiva e sem
reposição de bolas de uma urna contendo 8 bolas pretas e 6 bolas brancas.
A proposição a seguir, que é uma generalização da fórmula da definição
de probabilidade condicional para o caso de n eventos, sendo n um inteiro
positivo maior do que 2, também é conhecida como Teorema do Produto. Sua
demonstração pode ser feita por indução sobre n, o número de eventos, e
será deixada para o leitor.
• Proposição 1. Sejam A1, A2, A3, …, An eventos de um espaço amostral Ω e
p uma probabilidade definida em Ω . Temos que:
p(A 1 ∩ A 2 ∩ ... ∩ A n ) = p(A1 )p(A 2 / A1 )p(A 3 / A1 ∩ A 2 )...p(A n / A1 ∩ ... ∩ A n -1 )
Para auxiliar o leitor na sua tarefa de demonstrar o resultado anterior,

faremos a demonstração para o caso em que n = 3, ou seja, demonstraremos
a proposição que segue.
• Proposição 2. Sejam A1, A2 e A3 eventos de um espaço amostral Ω e p
uma probabilidade definida em Ω . Temos que:
p( A 1 ∩ A 2 ∩ A 3 ) = p( A 1 ) p( A 2 / A 1 ) p( A 3 / A 1 ∩ A 2 ) .
Prova: Dados os eventos A1, A2 e A3, chamemos de A, o evento A = A1ÇA2.
Temos que
p(A ∩ A3) = p(A)p(A3/A)
ou seja
p(A1 ∩ A2 ∩ A3) = p(A1 ∩ A2)p(A3/ A1∩A2)
o que nos dá
p(A1 ∩ A2 ∩ A3) = p(A1)p(A2/A1)p(A3/A1ÇA2)
Mostrando o resultado.
Exemplo 3. No experimento aleatório E: retirada sucessiva e sem reposição
de bolas de uma urna contendo 8 bolas pretas e 6 bolas brancas, ao retirar-

117
mos 3 bolas, a probabilidade de que sejam 3 bolas brancas é . De fato,

consideremos os eventos A1: a primeira bola é branca, A2: a segunda bola é
branca e A3: a terceira bola é branca. Queremos determinar p(A1ÇA2ÇA3). De
acordo com a proposição, temos que:
p(A1 ∩ A2 ∩ A3) = p(A1)p(A2/A1)p(A3/A1∩A2) = .
Exemplo 4. No experimento aleatório anterior, ao retirarmos 5 bolas, a pro-

babilidade de que sejam 5 bolas pretas é dada por p(A1∩A2∩A3∩A4∩A5), em
que os eventos são dados por A1: a primeira bola é preta, A2: a segunda bola
é preta, A3: a terceira bola é preta, A4: a quarta bola é preta e A5: a quinta bola
é preta. De acordo com a proposição, temos que
4
p(A1 ∩ A2 ∩ A3 ∩ A4 ∩ A5) = = .
143
Eventos independentes. Quando lançamos uma moeda honesta duas ou
mais vezes, o fato de dar cara no primeiro lançamento não vai influenciar no
resultado do segundo lançamento nem no resultado dos demais lançamen-
tos. Dizemos, por isso, que, por exemplo, os eventos A: dar cara no primeiro
lançamento e B: dar cara no segundo lançamento são independentes. Essa
é a ideia intuitiva de eventos independentes. Mais precisamente, temos a de-
finição seguinte.
• Eventos independentes. Sejam A e B eventos de um experimento E com
espaço amostral Ω . Dizemos que A e B são independentes se, e somente
se, vale a igualdade p(A ∩ B) = p(A).p(B).
Exemplo 5. No caso das moedas, temos p(A) = 1/2, p(B) = 1/2 e p(A ∩ B) = 1/4,
uma vez que o espaço amostral para o experimento E: lançar uma moeda ho-
nesta 2 vezes e observar o resultado na face superior é dado por Ω = {CC, CK,
KC, KK} e os eventos A: observar cara no primeiro lançamento e B: observar
cara no segundo lançamento são, respectivamente, A = {CC, CK} e B = {CC, KC}
e, consequentemente, o evento AÇB é dado por AÇB = {CC}. Assim, temos que
p(A) = 1/2, p(B) = 1/2 e p(A ∩ B) = 1/4, valendo a igualdade p(AÇB) = p(A).p(B).
Das igualdades p(A ∩ B) = p(A). p(A/B), p(B ∩ A) = p(B). p(B/A) e p(A ∩ B)
= p(A).p(B), segue que, se A e B são eventos independentes, tais que p(A) ≠ 0 e
p(B) ≠ 0, então p(A/B) = p(A) e p(B/A) = p(B). Este resultado encontra-se sin-
tetizado na proposição seguinte.
• Proposição 8. Sejam A e B eventos independentes, tais que p(A) ≠ 0 e p(B) ≠ 0.
Nestas condições p(A/B) = p(A) e p(B/A) = p(B).
Teorema de Bayes. Encerraremos esta seção com dois resultados bastante
utilizados e úteis na resolução de problemas envolvendo a probabilidade con-

118
dicional, nos quais os experimentos aleatórios sugerem partições dos espa-

ços amostrais: o teorema da probabilidade total e o teorema de Bayes. Para
tanto necessitaremos da definição de partição de um conjunto.
• Partição. Dizemos que uma coleção de conjuntos { Ai } é uma partição de
um conjunto B se vale o seguinte:
(i) ∪ Ai = B.
(ii) Se i ≠ j, Ai ∩ Aj = ∅.
Exemplo 7. Os conjuntos A1 = {2, 4, 6, 8} e A2 = {1, 3, 5, 7, 9} são elementos
de uma partição de B = {1, 2, 3, 4, 5, 6, 7, 8, 9}.
Exemplo 8. Os conjuntos A1 = {2, 4, 6}, A2 = {1, 3}, A3 = {5}, A2 = {7, 8, 9} são
elementos de uma partição do conjunto B, dado por B = {1, 2, 3, 4, 5, 6, 7, 8, 9}.
Enunciaremos e demonstraremos o teorema seguinte para o caso de
uma partição com 3 elementos. O caso geral pode ser feito por indução sobre
o número n de elementos da partição.
• Teorema da Probabilidade Total. Caso n = 3. Dados os eventos A1, A2,
A3 e B de um experimento aleatório, tais que o conjunto { A1, A2, A3 } é
uma partição do espaço amostral W, então vale a igualdade
p(B) = p(A1)p(B/A1) + p(A2)p(B/A2) + p(A3)p(B/A3).
Prova: Como o conjunto { A1, A2, A3 } é uma partição do espaço amostral
Ω , temos que B = (B ∩ A1)È (B ∩ A2)È (B ∩ A3). E como os conjuntos Ai são
disjuntos, temos que
p(B) = p(B∩A1) + p(B∩A2) + p(B∩A3).
Da fórmula da probabilidade condicional, sabemos que:
p(B ∩ A1) = p(A1)p(B/A1),
p(B ∩ A2) = p(A2)p(B/A2),
p(B ∩ A3) = p(A3)p(B/A3),
o que prova o resultado.
Como dissemos, o teorema da probabilidade total pode ser generaliza-
do para o caso de uma partição com qualquer número finito de elementos. De
fato, temos o resultado seguinte.
• Teorema da Probabilidade Total. Caso geral. Dados os eventos A1, A2,
…, An e B de um experimento aleatório, tais que o conjunto {A1, A2, …, An} é
uma partição do espaço amostral Ω , então vale a igualdade
p(B) = p(A1)p(B/A1) + p(A2)p(B/A2) + … + p(An)p(B/An).
Prova: A demonstração deste teorema no caso geral é semelhante à do
caso anterior e pode ser feita por indução sobre o número n de elementos
da partição.

119
Exemplo 9. Em um torneio de xadrez os competidores estão divididos em

3 categorias: os do tipo 1, que correspondem à metade do grupo; os do tipo
2, que são um quarto do grupo; e os do tipo 3, que são um quarto do grupo.
A probabilidade de João ganhar uma partida é de 0,3 quando ele joga com
os do tipo 1; é de 0,4 quando joga com os do tipo 2; e de 0,5 quando seu
oponente é do tipo 3. Em uma partida contra um competidor escolhido ao
acaso, a probabilidade de João ganhar é de 0,375. De fato, se denotarmos
por Ai o evento João joga com um competidor do tipo i e por B o evento João
ganha a partida, teremos:
p(A1) = 0,5; p(A2) = 0,25; e p(A3) = 0,25.
Além disso, temos que
p(B/A1) = 0,3; p(B/A2) = 0,4; e p(B/A3) = 0,5.
Assim, pelo teorema da probabilidade total,
p(B) = p(B ∩ A1) + p(B ∩ A2) + p(B ∩ A3),
ou seja, p(B) = p(A1)p(B/A1) + p(A1)p(B/A1) + p(A1)p(B/A1)
p(B) = 0,5.0,3 + 0,25.0,4 + 0,25.0,5 = 0,375.
Finalmente temos o teorema de Bayes que, para o caso n = 3, pode ser
enunciado como segue.
• Teorema de Bayes. Caso n = 3. Dados os eventos A1, A2, A3 e B de um
experimento aleatório, tais que o conjunto { A1, A2, A3 } é uma partição do
espaço amostral Ω , p(B)>0 e p(Ai)>0, ∀i, então vale a igualdade
p(Ai/B) = p(B/Ai)p(Ai)/p(A1)p(B/A1)+p(A2)p(B/A2)+p(A3)p(B/A3).
Prova: Sabemos que, por definição, p(Ai/B) = p(Ai ∩ B)/p(B) e p(B/Ai) =
p(Ai ∩ B)/p(Ai).
Assim, podemos escrever: p(Ai/B) = p(Ai ∩ B)/p(B) = p(B/Ai)p(Ai)/p(B).
Pelo teorema da probabilidade total, temos que
p(Ai/B) = p(B/Ai)p(Ai)/ [p(A1)p(B/A1)+p(A2)p(B/A2)+p(A3)p(B/A3)].
O que mostra o resultado.
Assim como no caso do teorema da probabilidade total, o teorema de
Bayes também pode ser generalizado para o caso de uma partição com qual-
quer número finito de elementos. De fato, temos o resultado seguinte.
• Teorema de Bayes. Caso geral. Dados os eventos A1, A2, …, An e B de um
experimento aleatório, tais que o conjunto { A1, A2, …, An } é uma partição
do espaço amostral W, então vale a igualdade
P(Ai/B) = p(B/Ai)p(Ai)/p(A1)p(B/A1)+p(A2)p(B/A2)+…+p(An)p(B/An).
Prova: A demonstração deste teorema no caso geral é semelhante à do caso
anterior e pode ser feita por indução sobre o número n de elementos da partição.

120
Exemplo 10. No exemplo anterior, sabendo que João ganhou, a probabilida-

de de seu oponente ser do tipo 1 é 0,4. De fato, queremos determinar p(A1/B).
Pelo teorema de Bayes, temos que
p(A1 )p(B / A1 )
p(A1/B) = p(A )p(B / A1 ) + p(A 2 )p(B / A 2 ) + p(A 3 )p(B / A 3 )
.
1
Assim, p(A1/B) = 0,4.
4. Distribuição binomial de probabilidade

Para entendermos o que vem a ser uma distribuição binomial de probabilida-
de, vamos iniciar resolvendo o seguinte problema:
Em um jogo de dados, Toby aposta nos números 5 e 6. Em três lançamentos do dado, qual a proba-
Problema
bilidade de Toby ganhar exatamente duas vezes?
• Compreendendo o problema. Nosso problema consiste em 3 repeti-

ções consecutivas do experimento aleatório E: jogar um dado e obser-
var sua face superior. Estamos interessados na observação do evento S:
Toby obtém sucesso ou S: Toby ganha o jogo e do seu complementar F:
Toby fracassa ou F: Toby perde o jogo. Sabemos que a probabilidade do
evento S, que chamaremos de probabilidade de sucesso e será indicada
por p(S), é 2/6 ou 1/3. Sabemos também que a probabilidade de F, que
chamaremos de probabilidade de Fracasso e denotaremos por p(F), é
dada por p(F)= 1 – p(S)= 1 – 1/3. Assim, p(F) = 2/3.
Ao repetirmos o problema por 3 vezes e anotarmos o resultado, pode ocor-
rer qualquer uma das oito situações (sequências) do quadro seguinte:
Lançamentos
Linha
1 2 3
1 S S S
2 S S F
3 S F S
4 S F F
5 F S S
6 F S F
7 F F S
8 F F F
Em que S significa que Toby ganhou ou obteve sucesso no lançamento

e F significa que Toby perdeu ou obteve fracasso no lançamento.
A probabilidade da sequência em cada uma das linhas da tabela an-
terior é uma probabilidade condicional e pode ser calculada pelo teorema do
produto, como a seguir.

121
1 1 1 1
Para a primeira linha temos p(SSS) = p(S).p(S).p(S) = ( )3 ;
3.3.3 = 3
1 1 2 1 2 2
para a segunda, p(SSF) = . .
3 3 3
= (3 ) . ( 3 ) ; para a terceira linha, a probabili-
1 2 1 1 2
dade é dada por p(SFS) = . . = ( )2 . ( ) ; e assim por diante. Isso porque
3 3 3 3 3
as repetições probabilidade do experimento são independentes entre si, ou
seja, o resultado de uma repetição não influi no resultado da outra.
• Solucionando o problema. Para respondermos à pergunta “Qual a probabi-
lidade de Toby ganhar exatamente 2 vezes em 3 repetições do experimento
E, ou seja, em 3 lançamentos do dado”, basta calcularmos a probabilidade
do evento (SSF) ∪ (SFS) ∪ (FSS), ou seja, basta somarmos as probabilida-
des das sequências SSF (linha 2), SFS (linha 3) e FSS (linha 5).
O quadro a seguir mostra a probabilidade de cada um dos oito eventos
listados anteriormente.
Lançamentos
Linha Probabilidade
1 2 3
1 S S S 1 1 1
. .
3 3 3
2 S S F 1 1 2
. .
3 3 3
3 S F S 1 2 1
. .
3 3 3
4 S F F 1 2 2
. .
3 3 3
5 F S S 2 1 1
. .
3 3 3
6 F S F 2 1 2
. .
3 3 3
7 F F S 2 2 1
. .
3 3 3
2 2 2
. .
8 F F F 3 3 3
Como se percebe no quadro anterior, as probabilidades procuradas

são: p(SSF) = , p(SFS) = e p(FSS) = . Portanto, a resposta para o
problema é .
Outro problema. Se o experimento anterior, ao invés de três vezes, fosse repe-

tido 5 vezes, qual seria a probabilidade de Toby ganhar em exatamente 3 delas?

122
De acordo com o que foi feito anteriormente, estamos interessados nas se-
quências de 5 letras, sendo 3 letras S e 2 letras F. Assim, para resolver o
problema, podemos pensar que temos 5 espaços para escolher 3 e colocar
as 3 letras S. Como sabemos, isso pode ser feito de C5,3 maneiras distintas.
Como as etapas são independentes – sucesso ou fracasso em uma etapa
não interfere no resultado da etapa seguinte – e, em cada uma delas a pro-
babilidade de sucesso (S) é 1/3 e a de fracasso (F) é 2/3, a probabilidade de
1 2
cada uma dessas C5,3 maneiras é (3)3 × ( 3 )2 .
Portanto, a probabilidade de Toby ganhar em exatamente 3 dos 5 lançamen-
1 2
tos é C5,3 × (3)3 × ( 3 )2 .
Uma primeira generalização. Nos nossos problemas, a repetição do expe-
rimento aleatório E deu origem ao experimento E×E×E ou E×E×E×E×E, com
seus espaços amostrais correspondentes, nos quais a probabilidade de cada
evento elementar é dada por
1 2
( )k × ( )n - k
3 3
em que n = 3 ou n = 5.
Além disso, para cada k, a quantidade de eventos elementares com a
1 2
probabilidade (3)k × (3 )n -k é Cn,k. Este resultado lembra os números binomiais,
as fórmulas anteriores lembram a fórmula do termo geral do desenvolvimento
do produto (x + y)n.
Essa é a ideia da distribuição binomial de probabilidade.
O teorema binomial. Consideremos um experimento aleatório no qual esta-
mos interessados na ocorrência de um evento específico, que será indicado
por S, denominado de sucesso e cuja probabilidade será indicada por p [p =
p(S)]. Seu complementar será indicado por F e denominado de fracasso. Sua
probabilidade p(F) será denotada por q. Como S e F são complementares,
temos que p + q = 1, ou ainda, q = 1 – p.
Esse experimento é repetido n vezes, dando origem ao experimento
E × E × E × … × E, cujo espaço amostral é o conjunto de todas as n-uplas de
sucessos ou de fracassos, sucessos e fracassos esses que ocorrem sempre
com a mesma probabilidade p ou 1 – p, respectivamente, sendo que a ocor-
rência de determinado evento em uma etapa não influencia no resultado da
etapa seguinte.
Nestas condições vale o teorema binomial que afirma o que segue.
• Teorema binomial. A probabilidade de ocorrerem exatamente k sucessos
em uma sequência de n provas independentes, na qual a probabilidade de
n 
sucesso em cada etapa é p, é igual a k pk (1 - p)n -k .
 

123
Prova: A prova deste teorema segue do que foi feito anteriormente e sua
sistematização será deixada para o leitor.
Exemplo 1. Uma moeda honesta é lançada 10 vezes. A probabilidade de
ocorrerem exatamente 6 caras é que, por sua vez, é igual a
.
Exemplo 2. Em uma prova com 20 questões, cada uma delas com quatro al-
ternativas das quais somente é a correta, a probabilidade de uma pessoa que
não saiba a matéria acertar exatamente 12 delas é que, por
sua vez, é igual a .
Neste capítulo apresentamos a probabilidade de um evento de um experimen-
to aleatório como a medida da chance desse evento ocorrer. Iniciamos intro-
duzindo a definição clássica de probabilidade, ou seja, a probabilidade como
o quociente entre o número de casos favoráveis e o de casos possíveis, em
que, por casos possíveis entendemos todos os elementos do espaço amostral
e por casos favoráveis entendemos todos os elementos do evento do qual
desejamos calcular a probabilidade.
Em seguida, apresentarmos as definições frequentista e a axiomática, to-
das possuindo as mesmas propriedades. Vimos que, na definição axiomática, as
probabilidades atribuídas aos eventos elementares de um espaço amostral não
dependem da realização desse experimento. Elas são atribuídas segundo certas
regras, de modo que satisfaçam as propriedades das probabilidades, proprieda-
des estas que foram obtidas da definição clássica, ao realizarmos efetivamente
os experimentos e que queremos intrínsecas à definição de probabilidade.
Estudamos as probabilidades condicionais, ou seja, a probabilidade de
ocorrência de um evento quando sabemos da ocorrência de outro evento.
Com isso, definimos e estudamos os eventos independentes e os teoremas
da probabilidade total e de Bayes, teoremas bastante úteis na resolução de
alguns problemas envolvendo probabilidade condicional.
Por fim, estudaremos a distribuição binomial de probabilidade como o
modelo probabilístico adotado para um experimento aleatório no qual esta-
mos interessados na ocorrência de um evento específico para ser utilizada
no estudo da probabilidade de eventos de experimentos aleatórios que são
realizados em sequência.

124
1. Considere o experimento aleatório E: jogar uma moeda duas vezes para
cima, observando a cada lançamento sua face superior. Determinar a pro-
babilidade do evento A: obter duas caras.
Solução: Denotando por W o espaço amostral do experimento aleatório E,
temos que W = {CC, CK, KC, KK}, em que C representa “observou-se cara”
e K representa “observou-se coroa”. O evento A: observar duas caras é o
n( A) 1
conjunto A = {CC}. Assim, p(A) = n(W) = 4 .
2. No lançamento de 2 dados não viciados e distinguíveis, qual a probabi-
lidade de que os números nas faces superiores sejam diferentes?
Solução: Sejam E o experimento aleatório E: lançar os dois dados e ob-
servar os números nas faces superiores e A o evento A: os números nas
faces superiores são iguais. Temos que em W possui 36 elementos (6 x 6)
e A possui os seis elementos (1, 1), (2, 2), (3, 3), (4, 4), (5, 5) e (6, 6). Assim,
a probabilidade de A é dada por
p(A) = .
Como o evento B: os números nas faces superiores são diferentes é o com-
plementar de A, ou seja, B = Ac, a probabilidade de termos os números
1 5
diferentes é p(Ac) = 1 – p(A) = 1 – = .
6 6
3. No lançamento de dois dados normais e distinguíveis qual a probabilidade
de obtermos soma 8 ou soma 6?
Solução: Sejam os eventos A: a soma dos números nas faces superiores é
6 e B: a soma dos números nas faces superiores é 8. Queremos determinar
p(A ∪ B).
Temos que p(A ∪ B) = p(A) + p(B) – p(A ∩ B) e como A e B são mutuamente
excludentes, uma vez que se a soma for 6 não será 8 e se for 8 não será 6,
temos que p(A ∩ B) = 0. Assim, p(A ∪ B) = p(A) + p(B).
Sabemos que A = {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)} e
B = {(1, 7), (2, 6), (3, 5), (4, 4), (5, 3), (6, 2), (7, 1)} e, consequentemente,
p(A) = e p(B) = . Portanto,
p(A ∪ B) = p(A) + p(B) = .
4. No experimento aleatório do exercício 1, determine a probabilidade do

evento B: observar pelo menos uma cara.
5. Dentre todos os números de três algarismos que podem ser obtidos pela
permutação dos algarismos 1, 2 e 3, sorteia-se um. Qual a probabilidade de
o número sorteado ser:

125
a) par?
b) maior do que 200?
c) múltiplo de 2 ou de 3?
6. No lançamento simultâneo de dois dados não viciados, um vermelho e ou-
tro branco, qual a probabilidade de que:
a) a soma na face superior seja maior do que 1?
b) a soma na face superior seja 7?
c) ambos os números sejam iguais?
7. Um número inteiro é escolhido aleatoriamente entre os números positivos
1, 2, 3, 100. Qual a probabilidade de o número escolhido ser múltiplo de 6
ou de 9?
8. Uma urna contém 2 bolas pretas e 3 bolas brancas. Quantas bolas azuis
devem ser colocadas na urna para que a probabilidade de se retirar uma
bola azul seja 2/3?
9. No lançamento simultâneo de 4 moedas perfeitas e distinguíveis, qual a
probabilidade de se obter:
a) exatamente 3 caras?
b) pelo menos 2 coroas?
10. De uma urna contendo 30 bolas iguais numeradas de 1 a 30 retira-se uma
bola e anota-se seu número. Considere os eventos A: o número observa-
do é múltiplo de 2 e B: o número sorteado é múltiplo de 5. Determine p(A),
p(B) e p(A ∪ B).
11. Um juiz de futebol possui em seu bolso três cartões sendo um todo ver-
melho, um todo amarelo e um com uma das faces vermelha e a outra
amarela. Em um lance, o juiz retira do bolso, sem olhar, um dos cartões e
mostra ao jogador. Qual a probabilidade de o juiz ver uma face vermelha
e o jogador ver uma face amarela?
12. Em uma população de 500 pessoas, 280 são mulheres e 60 exercem a
função de advogado, sendo 20 do sexo feminino. Tomando-se ao acaso
uma dessas pessoas, qual é a probabilidade de que, sendo mulher, seja
advogada. Tente resolver por probabilidade condicional.
13. Dado o espaço amostral W = { a1, a2, a3, a4, a5 }, seja pi um número real per-
tencente ao intervalo [0,1], tal que pi = p(ai) para alguma função p. Quais
dos números (pi) abaixo definem uma distribuição de probabilidade em W?
a) p1 = p2 = p3 = p4 = p5 = 1/5.
b) p1 = p2 = 1/3 e p3 = p4 = p5 = 3/5.
c) p1 = p2 = 1/4, p3 = p4 = 2/3 e p5 = 1/5.

126
14. Uma moeda é viciada de tal forma que a probabilidade de dar cara é
o quádruplo da probabilidade de dar coroa. Qual a probabilidade de dar
cara e qual a probabilidade de dar coroa?
15. Em uma urna existem 10 bolas numeradas de 1 a 10. Uma bola é sor-
teada ao acaso. Se a probabilidade de uma bola com número maior do
que 5 ser sorteada é o dobro da probabilidade de uma bola com número
menor do que ou igual a cinco ser sorteada, qual a probabilidade do
evento A = {1, 2, 6} e a probabilidade do evento B = {5, 6, 7}?
16. No lançamento de um tetraedro, os números pares ocorrem com o dobro
de chance dos números ímpares. Determine a probabilidade de ocorre-
rem os eventos A: o número sorteado é primo, B: o número sorteado é par,
C: o número sorteado é 2 e D: o número sorteado é 3.
17. No lançamento de um dado duas vezes, determine o evento:
a) ocorre o mesmo número nas duas vezes.
b) ocorre o número 5 no primeiro lançamento.
c) ocorre 9 na soma dos dois números obtidos.
18. No lançamento de 1 dado sejam os eventos
A: ocorre divisor de 3.
B: ocorre número ímpar.
C: ocorre múltiplo de 3.
Determine os eventos A ∪ B, B ∪ C, A ∪ C, B ∩ C, A ∩ B, Ac, Bc.
19. Dados os eventos A e B do espaço amostral de um experimento aleatório
E, definimos o evento diferença A - B como o evento que ocorre quando
ocorre A e não ocorre B. Mostre que A - B e A ∩ B são mutuamente exclu-
dentes. Conclua que p(A - B) = p(A) - p(A ∩ B).
20. Numa remessa de 100 aparelhos de televisão, 12 têm defeito de ima-
gem, 10 têm defeito de som e 8 têm ambos os defeitos. Escolhendo-se
ao acaso um aparelho, qual a probabilidade de que este não tenha defeito
algum?
21. O diagrama de Venn ao lado representa um espaço amostral W equipro-
vável e três eventos A, B e C. Calcule o que se pede.
a) p(A).
b) p(B).
c) p(C).
d) p(A ∩ B).
e) p(A ∪ B ∪ C).

127
22. Resolvido. Bolas são colocadas em 5 urnas, uma de cada vez, até que
alguma urna receba duas bolas. Qual é a probabilidade de colocarmos
exatamente 4 bolas?
Solução. Seja p(4) a probabilidade de colocarmos exatamente 4 bolas.
Sabemos que p(4) é o quociente entre o número de casos favoráveis e o
número de casos possíveis. Como caso possível entendemos qualquer
forma de distribuir as 4 bolas pelas 5 urnas. Assim, o número de casos
possíveis é 54, pois a primeira bola pode ser colocada em qualquer uma
das 5 urnas; a segunda bola pode ser colocada em qualquer uma das 5
urnas; o mesmo acontecendo com as terceira e quarta bolas.
5 5 5 5
B1 B2 B3 B4
Os casos favoráveis são aqueles em que as 4 bolas são distribuídas de
modo que as três primeiras bolas fiquem em urnas distintas e a quarta
bola seja colocada exatamente em uma das 3 urnas que já contém 1
bola. Assim, o número de casos favoráveis é 180, pois a primeira pode
ser colocada em qualquer uma das 5 urnas; a segunda pode ser colocada
em qualquer uma das 4 urnas sem bola; a terceira pode ser colocada em
qualquer uma das 3 urnas sem bola; e, finalmente, a quarta bola deve ser
colocada em qualquer uma das 3 urnas que já contém uma bola.
5 4 3 3
B1 B2 B3 B4
Assim, p(4) = = 0,288.
23. Em uma prova de 20 questões do tipo verdadeiro ou falso, qual a probabi-

lidade de uma pessoa acertar exatamente 12 questões? Qual a probabili-
dade dessa pessoa acertar no mínimo 15 questões?
24. No lançamento de um dado honesto 8 vezes seguidas, qual a probabilida-
de de obtermos 5 números primos? E 6 números maiores do que 4?
25. No lançamento de um dado até a obtenção do terceiro 6, qual a proba-
bilidade de serem necessários 10 lançamentos? (Sugestão: para que o
terceiro 6 apareça exatamente no 10o lançamento, devemos ter, até o 9o
lançamento, dois números 6 e 7 números diferentes de 6.)
26. Dois meninos, A e B, disputam uma série de 10 partidas. Se a probabilida-
de de o menino A ganhar cada partida é 0,6 e se não há empate, qual a
probabilidade de o menino A ter mais vitórias do que B?

128
Texto complementar
Probabilidade Geométrica
Extraído do livro Curso de Análise Combinatória e Probabilidade: aprendendo com
resolução de problemas, de Bruno Alves Dassie e outros, pp. 136-137.
Alguns problemas de probabilidades são equivalentes à seleção aleatória de pontos
em espaços amostrais representados por figuras geométricas. Nesses modelos, a pro-
babilidade de um determinado evento se reduz à seleção ou ao seu limite, caso exista,
entre medidas geométricas homogêneas, tais como comprimento, área ou volume.
Diversas atividades interessantes podem ser usadas na introdução desses concei-
tos, como o disco das cores, o jogo dos discos e ladrilhos.
vamos reproduzir o relato do professor Eduardo Wagner, de uma experiência
desenvolvida com seus alunos do Ensino Médio. Esse relato se encontra na Revista do
Professor de Matemática, no 34, pág.28.
“No ensino médio, o ensino de probabilidades se restringe ao caso finito e os pro-
blemas são basicamente de contagem de casos favoráveis e casos possíveis. Existem,
entretanto, problemas muito simples e interessantes de probabilidades onde o espa-
ço amostral possui a situação análoga ao seguinte exemplo: um atirador, com os olhos
vendados, procura atingir um alvo circular com 50 cm de raio, tendo no centro um
disco de 10 cm de raio. Se em certo momento temos a informação de que o atirador
acertou o alvo, perguntamos qual deve ser a probabilidade de que tenha atingido o
disco central.
Tenho sugerido esse problema a alunos do ensino médio e frequentemente ob-
tenho deles respostas corretas, baseadas unicamente na intuição. Como obviamente
não se pode contar casos favoráveis e possíveis e como para um atirador vendado
não há pontos privilegiados do alvo, a probabilidade acertar o disco central deve ser
a razão entre as áreas do disco e do alvo. Um cálculo elementar leva à resposta certa:
4%. Esse é um exemplo do que se chama Probabilidade geométrica.”
(Wagner, Revista do Professor de Matemática, 34, p. 28)

129
Referências
HARIKI, Seiji e ONAGA, Dulce S. Curso de matemática, vol.3. São Paulo:
Ed. Harper & Row. 1981.
DANTE, Luiz R. Matemática: contexto & aplicações, vol.2. São Paulo: Ed.
Ática. 2004.
DOLCE, Osvaldo, IEZZI, G. e outros. Tópicos de matemática, vol. 2. São
Paulo: Ed. Atual. 1980.
HAZZAN, Samuel. Fundamentos de matemática elementar: combinatória e
probabilidade, vol. 5. São Paulo: Ed. Atual. 2004.
BOYER, C. B. História da matemática. Trad. Elza F. Gomide. São Paulo: Ed.
Edgard Blücher. 1976.
DANTAS, C. A. B. Probabilidade: um curso introdutório. São Paulo: Edusp.
2008.
MORGADO, A. C. O. e outros. Análise combinatória e Probabilidade. Cole-
ção do Professor de Matemática. Rio de Janeiro: SBM. 2006.

Sobre os autores
Cleiton Batista Vasconcelos: possui graduação em Bacharelado em Ma-
temática pela Universidade Federal do Ceará (1980) e mestrado em Mate-
mática pela Universidade Federal do Ceará (1983). Atualmente é professor
adjunto da Universidade Estadual do Ceará. Tem experiência na área de Edu-
cação, com ênfase em Ensino de Matemática. Trabalha com Avaliação de
Livros Didáticos e Laboratório de Matemática.
Manoel Americo Rocha: Mestre, título obtido na Universidade Federal do

Ceará em 1980, Bacharel em Matemática também pela UFC em 1972. Espe-
cialista em Metodologia do Ensino Superior tambem pela UFC em 1975. Area
de conhecimento: Matemática. Atualmente atua como professor da Fanor -
Faculdades Nordeste e da UECE-Universidade Estadual do Ceará. Larga ex-
periencia em docencia superior na Unifor e UFC.

Matemática

F
iel a sua missão de interiorizar o ensino superior no estado Ceará, a UECE,
como uma instituição que participa do Sistema Universidade Aberta do
Brasil, vem ampliando a oferta de cursos de graduação e pós-graduação
na modalidade de educação a distância, e gerando experiências e possibili-
dades inovadoras com uso das novas plataformas tecnológicas decorren-
Matemática
tes da popularização da internet, funcionamento do cinturão digital e
massificação dos computadores pessoais.
Comprometida com a formação de professores em todos os níveis e
a qualificação dos servidores públicos para bem servir ao Estado, Análise Combinatória
os cursos da UAB/UECE atendem aos padrões de qualidade
estabelecidos pelos normativos legais do Governo Fede-
ral e se articulam com as demandas de desenvolvi-
e Probabilidade
mento das regiões do Ceará.
Universidade Estadual do Ceará - Universidade Aberta do Brasil

Geografia
12
História
Educação
Física
Ciências Artes

Livro Análise Combinatoria e Probabilidade

Enviado por

Direitos autorais:

Formatos disponíveis

Livro Análise Combinatoria e Probabilidade

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Livro Análise Combinatoria e Probabilidade

Enviado por

Direitos autorais:

Formatos disponíveis

Matemática

Análise Combinatória e Probabilidade

Cleiton Batista Vasconcelos

Universidade Estadual do Ceará - Universidade Aberta do Brasil

Cleiton Batista Vasconcelos

Análise_Combin_NL2015.indd 1 02/05/2019 17:21:46

Presidente da República Conselho Editorial

Editora da Universidade Estadual do Ceará – EdUECE

Análise_Combin_NL2015.indd 2 02/05/2019 17:21:46

Análise_Combin_NL2015.indd 3 02/05/2019 17:21:46

Análise_Combin_NL2015.indd 4 02/05/2019 17:21:47

A origem da Análise Combinatória se remete a problemas relacionados a qua-

Análise_Combin_NL2015.indd 5 02/05/2019 17:21:47

Análise_Combin_NL2015.indd 6 02/05/2019 17:21:47

Análise_Combin_NL2015.indd 7 02/05/2019 17:21:47

Análise_Combin_NL2015.indd 9 02/05/2019 17:21:47

Neste capítulo resolveremos algumas atividades relacionadas à conta-

2. Uma primeira atividade

Um procedimento bastante interessante e que conduz rapidamente a

Escolhido o primeiro elemento, temos duas opções para a escolha do

e, finalmente, escolhidos os dois primeiros temos duas opções de escolha

Análise_Combin_NL2015.indd 10 02/05/2019 17:21:47

perfazendo um total de 8 (= 2 x 2 x 2) sequências.

Logo a seguir temos a relação das oito sequências em correspondência

Análise_Combin_NL2015.indd 11 02/05/2019 17:21:47

O conjunto de todos os subconjuntos de um conjunto A é indicado por

Análise_Combin_NL2015.indd 12 02/05/2019 17:21:47

Como se percebe, já foram encontradas 4 possibilidades de distribuição

VERMELHA PRETA AZUL BRANCA

Na distribuição da bola azul, para cada uma das possibilidades acima,

VERMELHA PRETA AZUL BRANCA

Para as possibilidades 1 e 2, temos:

VERMELHA PRETA AZUL BRANCA

E, finalmente, para as quatro possibilidades, temos as oito possibilida-

Análise_Combin_NL2015.indd 13 02/05/2019 17:21:47

VERMELHA PRETA AZUL BRANCA

Agora só falta distribuirmos a bola branca. Novamente, para cada uma

VERMELHA PRETA AZUL BRANCA

VERMELHA PRETA AZUL BRANCA

Observemos, entretanto, que as possibilidades 1 e 16 listadas anterior-

Análise_Combin_NL2015.indd 14 02/05/2019 17:21:47

Na possibilidade 1, a pessoa P1 ganha as 4 bolas, enquanto na possibi-

Análise_Combin_NL2015.indd 15 02/05/2019 17:21:47

Portanto, são 3 as possibilidades procuradas.

Como podemos perceber, temos 6 possibilidades e se aceitarmos que

Análise_Combin_NL2015.indd 16 02/05/2019 17:21:47

ou seja, 3 ou 4 distribuições, dependendo de se as caixas podem ou

Como se percebe, no caso de uma quantidade par de bolas ( 4 ou 6, por

Análise_Combin_NL2015.indd 17 02/05/2019 17:21:47

Para a situação 4, denotemos por P1 e P2 as duas pessoas. A pessoa

Pessoa Letra A Letra B Letra C

Cada uma das 5 possibilidades de distribuição da letra A pode ser com-

Análise_Combin_NL2015.indd 18 02/05/2019 17:21:47

Finalmente, cada uma das 15 distribuições anteriores pode ser combi-

Na situação 5, denotando por A, B, C e D os quatro brinquedos dos

Ao todo, são 10 combinações de dois bilhetes.

perfazendo um total de (5 + 4 + 3 + 2 + 1) = 15 combinações, se puderem ser

Análise_Combin_NL2015.indd 19 02/05/2019 17:21:47

possibilidades, se puderem ser comprados dois bilhetes para um mes-

n(M(5) ∪ M(7)) = n(M(5)) + n(M(7)) = 4 + 2 = 6