Livro Grafos

Introdução à Teoria dos Grafos
Edson Prestes
2020
Dedico este livro à minha famı́lia e amigos.
O importante é o ser e não o vir a ser; um não é o oposto do outro, havendo
o oposto ou a oposição, cessa o ser. Ao findar o esforço para vir-a-ser, surge
a plenitude do ser, que não é estático; não se trata de aceitação; o vir-a-ser
depende do tempo e do espaço. O esforço deve cessar; disso nasce o ser que
transcende os limites da moral e da virtude social, e abala os alicerces da
sociedade. Esta maneira de ser é a própria vida, não mero padrão social.
Lá, onde existe vida, não existe perfeição; a perfeição é uma idéia, uma
palavra; o próprio ato de viver e existir transcende toda forma de
pensamento e surge do aniquilamento da palavra, do modelo, do padrão.
Jiddu Krishnamurti (1895-1986)

Prefácio
Este livro é resultado das minhas notas de aulas da cadeira de Teoria dos
Grafos e Análise Combinatória que ministro desde 2005 no Instituto de In-
formática na Universidade Federal do Rio Grande do Sul. Ao longo dos anos,
tenho observado a necessidade de um livro nesta área escrito em português
com linguagem acessı́vel. Assim nas minhas horas vagas detive-me a escrever
este livro. Esta primeira versão demorou vários anos para ser finalizada de-
vido aos meus inúmeros compromissos dentro e fora do Paı́s. Ela contou com
o apoio dos meus alunos Renata Neuland e Gean Stein, à Jéssica Dagostini,
Vinı́cius Lazzari no processo de revisão.
Espero que este livro motive os alunos da graduação em ciência da com-
putação e também de áreas correlatas a se interessarem pela área de teoria
dos grafos. É claro que esta área é muito mais ampla e densa do que o
conteúdo discutido nas páginas seguintes, porém penso neste livro como um
passaporte de entrada para esta área magnı́fica. Além das notas, este livro
foi ancorado em obras magnı́ficas listadas abaixo :
• F. Harary. Graph Theory. Addison-Wesley Publishing Company,

1969.
• J. A. Bondy e U.S.R. Murty. Graph Theory with Applications.

Elsevier Science Ltd/North-Holland. 1979.
• J. Clark e D.A. Holton. A First Look at Graph Theory. World

Scientific Pub Co Inc. 1991.
• D. West. Introduction to Graph Theory. Prentice-Hall, Inc. 1996.
• R. Diestel. Graph Theory. Springer-Verlag. 2005.
• J. M. Harris, J. L. Hirst e M. J. Mossinghoff. Combinatorics and

Graph Theory.Springer Science+Business Media, LLC. 2005.
• J. Bang-Jensen e G. Gutin. Digraphs - Theory, Algorithms and

Applications . Springer-Verlag. 2008.
v
Além de oferecer aos estudantes um livro com linguagem acessı́vel, eu

o ofereço como um presente a todos aqueles que precisam adquirir conheci-
mento nesta área e muitas vezes não possuem ou conhecimento básico ade-
quado ou recursos financeiros. Por isso tentei ser o mais didático possı́vel
neste texto e escrevi este trabalho sob a polı́tica do Creative Commons.
Acredito que qualquer pessoa mereça acesso ao conhecimento. Assim barrei-
ras precisam ser quebradas e uma das formas de fazermos isso é através de
publicações abertas. Já fui um estudante de graduação e sei a dificuldade
que é adquirir uma obra na área.
Espero que apreciem o trabalho, e desfrutem dele sem moderação :)
Edson Prestes
This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

license, visit https://creativecommons.org/licenses/by-nc-sa/4.0
vi

Conteúdo
1 Fundamentação Teórica 1
1.1 Conceitos Básicos . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Relação de Vizinhança . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Matrizes de Adjacência e de Incidência . . . . . . . . . . . . . 11
1.4 Passeios e Circuitos . . . . . . . . . . . . . . . . . . . . . . . . 13
1.5 Grafos Eulerianos e Hamiltonianos . . . . . . . . . . . . . . . 18
1.6 Isomorfismo e Automorfismo . . . . . . . . . . . . . . . . . . . 22
1.7 Aplicações . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.7.1 Associação de Tarefas . . . . . . . . . . . . . . . . . . 26
1.7.2 Robótica . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.7.3 Nichos Ecológicos . . . . . . . . . . . . . . . . . . . . . 27
1.7.4 Rede de Telefonia Móvel . . . . . . . . . . . . . . . . . 28
1.7.5 Reconhecedores de sentenças . . . . . . . . . . . . . . . 29
1.7.6 Redes Neurais Artificiais . . . . . . . . . . . . . . . . . 29
1.8 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2 Tipos de Grafos e Operações 35

2.1 Grafos Especiais . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.2 Operações com grafos . . . . . . . . . . . . . . . . . . . . . . . 39
2.2.1 União . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.2.2 Junção . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.2.3 Intersecção . . . . . . . . . . . . . . . . . . . . . . . . 40
2.2.4 Produto . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.2.5 Complemento . . . . . . . . . . . . . . . . . . . . . . . 41
2.2.6 Remoção . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.2.7 Contração . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.2.8 Supressão e Subdivisão . . . . . . . . . . . . . . . . . . 44
2.2.9 Decomposição . . . . . . . . . . . . . . . . . . . . . . . 45

viii CONTEÚDO
2.2.10 Operador Linha L . . . . . . . . . . . . . . . . . . . . 46

2.3 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3 Conectividade 51
3.1 Relação de Vizinhança Estendida e Fechamento Transitivo . . 52
3.2 Grafos Conexos e Desconexos . . . . . . . . . . . . . . . . . . 55
3.3 Vértice de Corte . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.4 Aresta de Corte . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.5 Conectividade em Dı́grafos . . . . . . . . . . . . . . . . . . . . 61
3.6 Cálculo de Componentes . . . . . . . . . . . . . . . . . . . . . 67
3.7 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4 Relacionamentos V-A 73
4.1 Clique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.2 Conjunto Independente . . . . . . . . . . . . . . . . . . . . . . 77
4.3 Cobertura de Vértices . . . . . . . . . . . . . . . . . . . . . . 81
4.4 Conjunto Dominante . . . . . . . . . . . . . . . . . . . . . . . 84
4.5 Emparelhamento . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.6 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5 Enumeração 97
5.1 Método de Maghout . . . . . . . . . . . . . . . . . . . . . . . 97
5.2 Enumeração em Grafos . . . . . . . . . . . . . . . . . . . . . . 101
5.2.1 Coberturas de Vértices e Conjuntos Independentes . . 101
5.2.2 Cliques . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.2.3 Conjuntos dominantes . . . . . . . . . . . . . . . . . . 104
5.2.4 Emparelhamentos . . . . . . . . . . . . . . . . . . . . . 106
5.3 Enumeração em Dı́grafos . . . . . . . . . . . . . . . . . . . . . 111
5.3.1 Coberturas de Vértices e Conjuntos Independentes . . 111
5.3.2 Coberturas de Fonte e Sumidouro . . . . . . . . . . . . 114
5.3.3 Cliques . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
5.3.4 Conjuntos Dominantes . . . . . . . . . . . . . . . . . . 116
5.3.5 Emparelhamentos . . . . . . . . . . . . . . . . . . . . . 121
5.4 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6 Árvores 125
6.1 Conceitos Básicos . . . . . . . . . . . . . . . . . . . . . . . . . 125
6.2 Árvores Enraizadas . . . . . . . . . . . . . . . . . . . . . . . . 128

CONTEÚDO ix
6.3 Árvores de Espalhamento . . . . . . . . . . . . . . . . . . . . 133

6.4 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
7 Planaridade 147
7.1 Multigrafos Planares . . . . . . . . . . . . . . . . . . . . . . . 147
7.2 Teorema de Euler . . . . . . . . . . . . . . . . . . . . . . . . . 150
7.3 Teorema de Kuratowski . . . . . . . . . . . . . . . . . . . . . 154
7.4 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
8 Coloração 157
8.1 Grafos Colorı́veis . . . . . . . . . . . . . . . . . . . . . . . . . 157
8.2 Grafos Aresta-Colorı́veis . . . . . . . . . . . . . . . . . . . . . 162
8.3 Polinômio Cromático . . . . . . . . . . . . . . . . . . . . . . . 163
8.4 O teorema das quatro cores . . . . . . . . . . . . . . . . . . . 168
8.5 Exercı́cios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169

x CONTEÚDO

Capı́tulo 1
Fundamentação Teórica
A Teoria dos Grafos surgiu com os trabalhos de L. Euler, G. Kirchhoff e A.

Cayley. O primeiro e mais famoso problema, chamado o problema das pontes
de Königsberg foi enunciado por Euler em 1736. Na cidade de Königsberg Problema das
(antiga Prússia), existiam sete pontes que cruzavam o rio Pregel estabele- Pontes de
cendo ligações entre diferentes partes da cidade e as ilhas Kneiphof e Lomse Königsberg
(ver Figura 1.1). O problema consistia em determinar se era possı́vel ou não
fazer um passeio pela cidade começando e terminando no mesmo lugar, cru-
zando cada ponte exatamente uma única vez. Veremos na Seção 1.5 que a
resposta para esta pergunta é não.
A Teoria dos Grafos possui aplicação direta em áreas como fı́sica, quı́mica,
engenharias, psicologia, etc. Em particular, ela é de fundamental importância
aos cursos de Ciência e Engenharia da Computação. Isto se deve a inúmeros
motivos, entre eles, o fato de servir de modelo matemático para alguns dos
problemas mais importantes e difı́ceis da computação. Estes problemas estão
associados à classe de problemas NP-Completos, cuja solução em tempo po-
linomial por uma máquina de turing determinı́stica não é conhecida.
Vários problemas do mundo real podem ser analisados usando a Teoria
dos Grafos, por exemplo, o escalonamento de processos pode ser visualizado
como um aplicação direta do problema de coloração de grafos; o problema de
reconhecimento de padrões pode ser visto como uma instância do problema
de isomorfismo em grafos; o problema de roteamento é o problema de verificar
se um grafo é Hamiltoniano ou não, e se for determinar o ciclo hamiltoniano
de custo mı́nimo.
Este livro introduz a base teórica da área de Teoria dos Grafos, apresen-
tando os principais conceitos (definições, propriedades, classes, teoremas) e

2 Fundamentação Teórica
problemas. Exemplificaremos sempre que possı́vel o uso destes conceitos em

problemas do mundo real. Além disso, será dada ênfase ao aspecto combina-
torial da área apresentando o uso da análise combinatória em problemas de
enumeração e contagens.
Figura 1.1: Pontes de Königsberg
1.1 Conceitos Básicos

Grafo Simples Definição 1.1. Um grafo simples G = (V, A) é uma estrutura discreta for-
mada por um conjunto não vazio de vértices V e um conjunto de arestas
A ⊆ P(V ), onde P(V ) = {{x, y} : x, y ∈ V } é o conjunto de todos os pares
não ordenados1 não necessariamente distintos gerados a partir de V . Cada
aresta {x, y} ∈ A é formada por um par de vértices distintos, i.e., x 6= y.
Para cada par de vértices existe no máximo uma aresta associada.
Dois vértices x e y são adjacentes se e somente se existe uma aresta
Vértices Adja- {x, y} ∈ A. Neste caso, dizemos que a aresta {x, y} é incidente aos vértices
centes x e y. Quando um vértice não é adjacente a outro, dizemos que ele é um
vértice isolado.
Um grafo deixa de ser simples quando possui múltiplas arestas entre o
mesmo par de vértices e/ou quando possui uma aresta, chamada laço, inci-
dente a um par de vértices não distintos. Se o grafo possuir múltiplas arestas
Multigrafo e não possuir laços então ele é chamado multigrafo , caso contrário, se ele
Pseudografo possuir laços então é chamado de pseudografo. A existência de múltiplas
1
Um par não ordenado formado pelos vértices x e y é representado por {x, y}, onde
{x, y} = {y, x}. Se x = y, então {x, y} = {x, x} = {x}.

1.1 Conceitos Básicos 3
arestas, leva à definição da função φ : A → P(V ), chamada de função de Função de In-

incidência do grafo, que mapeia cada aresta ao par de vértices associado. cidência
Isto permite distinguir cada aresta individualmente. Baseado nisto, temos a
seguinte definição que inclui multigrafos, pseudografos e grafos simples.
Definição 1.2. Um grafo G = (V, A, φ) é um conjunto não vazio de vértices
V , um conjunto de arestas A, e uma função de mapeamento φ : A → P(V )
que mapeia cada aresta a um par não ordenado formado pelos vértices de G.
O número de vértices de G, denotado por |V | indica a ordem de G, enquanto
que o número de arestas, denotado por |A|, indica o tamanho de G2 .
(a) (b)
Figura 1.2: Exemplos de (a) grafo simples e (b) pseudografo
A Figura 1.2 mostra um (a) grafo simples e um (b) pseudografo, onde as li-
nhas representam as arestas e os cı́rculos escuros representam os vértices. Em
(a), cada aresta une um par de vértices distintos e não existem múltiplas ares-
tas unindo um mesmo par. Logo, cada aresta é representada pelos vértices
os quais incide, por exemplo, a aresta unindo os vértices 1 e 2 é representada
por {1, 2}. Assim, φ({1, 2}) = {1, 2}, i.e., φ({x, y}) = {x, y}, ∀{x, y} ∈ A.
Em (b) existem múltiplas arestas unido os vértices 1 e 2, e os vértices 3 e 4.
Para distingui-las, as arestas são rotuladas com as letras de a a h. Observe
que φ(f ) = φ(g) = φ(h) = {3, 4} e φ(a) = φ(b) = {1, 2}, porém f 6= g 6= h
2
Alguns autores usam |G| e ||G|| para indicar a ordem e o tamanho de G, respectiva-
mente

e a 6= b. Quando um dado par de vértices está associado a k arestas distin-

Multiplicidade tas, dizemos que ele possui multiplicidade igual a k, i.e., µ(x, y) = k. Neste
de Arestas caso, a multiplicidade do par {3, 4} é igual a µ(3, 4) = 3, enquanto que a
multiplicidade do par {1, 2} é igual a µ(1, 2) = 2. Em um grafo simples a
multiplicidade de cada par de vértices é no máximo igual a 1. Em (a), existe
um vértice isolado representado pelo vértice 5, enquanto que em (b), existe
um laço representado pela aresta e. Se (b), não possuı́sse o laço e, então seria
um multigrafo. A existência de laço indica que o grafo é um pseudografo.
Neste livro iremos apenas distinguir o grafo simples dos demais grafos, que
serão chamados apenas por grafos.
Para este exemplo, o grafo da Figura 1.2(a) é representado por Ga =
(Va , Aa , φa ) ou apenas por Ga = (Va , Aa ), pois como ele é simples, a função
φa (.) se torna a função identidade podendo ser suprimida. Os conjuntos de
vértices e arestas são definidos por Va = {1, 2, 3, 4, 5} e Aa = {{1, 2}, {1, 3},
{3, 2}, {3, 4}}, respectivamente. Por outro lado, o grafo da Figura 1.2(b) é
definido por Gb = (Vb , Ab , φb ) com Vb = {1, 2, 3, 4}, Ab = {a, b, c, d, e, f, g, h}
e
!
a b c d e f g h
φb =
{1, 2} {1, 2} {1, 3} {2, 3} {2} {3, 4} {3, 4} {3, 4}
Se retirarmos os laços e todas as múltiplas arestas entre cada par de

Grafo Subja- vértice, mantendo apenas uma, transformaremos um pseudografo em um
cente a Pseudo- grafo simples. O mesmo pode ser feito no caso de multigrafos, porém não
grafos e Multi- existem laços para serem removidos. O grafo simples encontrado é chamado
grafos de grafo simples subjacente, ou apenas, grafo subjacente ao multigrafo ou
ao pseudografo. Realizando este procedimento no grafo da Figura 1.3(a),
encontramos o grafo simples mostrado em (b).
As arestas de um grafo possuem a função de indicar o relacionamento
entre os elementos que o grafo representa, que podem ser do mundo real
ou não, de forma simétrica. Este relacionamento pode corresponder a uma
propriedade espacial, comportamental, temporal ou outra. Em diversas si-
tuações esta relação não é simétrica, por exemplo, o sentido do fluxo de carros
nas ruas de uma cidade. Se representarmos cada entrocamento (cruzamento)
desta cidade como sendo um vértice em um grafo e o fluxo permitido como
sendo a relação entre os entrocamentos, veremos que em diversas situações
a ida de um entrocamento A para o entroncamento B não implica a volta,
ou seja, a ida do entroncamento B para o entrocamento A. Nesta situação

(a) (b)
Figura 1.3: Exemplo de (a) pseudografo e seu (b) grafo simples subjacente.
precisamos ter uma forma de indicar esta restrição no grafo. Isto é feito
determinando uma direção para cada aresta.
A inserção desta informação faz com que o grafo se torne orientado. As-
sociando pares ordenados de vértices às arestas do grafo, teremos um grafo
direcionado ou dı́grafo. Cada par ordenado3 (x, y) define um arco com ori-
gem em (ou adjacente em) x e destino em (ou adjacente para) y, ou seja,
(x, y) 6= (y, x). É comum dizermos que o vértice x domina y, e que o vértice
y é dominado por x. De forma similar ao exposto anteriormente para grafos, Dominância
um dı́grafo pode conter laços e múltiplos arcos entre um mesmo par ordenado
de vértices. Quando um dı́grafo não possui laços tão pouco múltiplos arcos
entre um mesmo par ordenado de vértices, ele é chamado dı́grafo simples ou
grafo direcionado simples. Quando um dı́grafo possui múltiplos arcos de um Dı́grafo Simples
vértice a outro, então ele é chamado de multigrafo direcionado. Quando k Multigrafo Dire-
arcos têm origem no vértice x e destino no vértice y, então dizemos que o cionado
arco (x, y) tem multiplicidade igual a k, i.e., µ(x, y) = k. Em pseudografos e
multigrafos, µ(x, y) = µ(y, x), o que não é garantido nos casos de multigrafos
direcionados. Quando o dı́grafo não possui laços, múltiplas arestas entre um
mesmo par ordenado de vértices, nem pares simétricos de arcos então ele é
chamado de grafo orientado. Quando laços são permitidos laços, o dı́grafo é Grafo Orientado
chamado de pseudografo direcionado. Pseudografo Di-
recionado
Definição 1.3. Um dı́grafo D = (Vd , Ad , φd ) é um conjunto não vazio de
vértices Vd , um conjunto de arcos Ad , e uma função de mapeamento φd :
Ad → Vd × Vd que mapeia cada arco a um par ordenado formado pelos
3
Um par ordenado formado pelos vértices x e y é representado de maneira tradicional
por (x, y), onde, (x, y) 6= (y, x).

vértices de D. De forma similar à definição usada para grafos, o número

de vértices de D, denotado por |Vd | indica a ordem de D, enquanto que o
número de arcos, denotado por |Ad |, indica o tamanho de D4 .
A Figura 1.4(a) ilustra um grafo orientado, enquanto que (b) ilustra um
pseudografo direcionado. (b) possui múltiplos arcos entre um mesmo par
ordenado, entre eles podemos destacar, os arcos a e b que têm origem no
vértice 1 e destino no vértice 2. Além disso, ele possui o laço e. Se este
dı́grafo não possuı́sse os arcos b, g e e, ele seria classificado como dı́grafo
simples. Se removêssemos desse dı́grafo simples o arco h ou f , estarı́amos
eliminando o único par simétrico existente, e este dı́grafo passaria a ser um
grafo orientado. Neste livro iremos apenas distinguir o grafo orientado dos
demais dı́grafos, os quais serão chamados apenas por dı́grafos.
(a) (b)
Figura 1.4: Exemplos de (a) dı́grafo simples e (b) pseudografo direcionado
Grafo Subja- De forma similar aos grafos, um dı́grafo possui um grafo subjacente. Ele
cente ao Dı́grafo é obtido substituindo cada arco por uma aresta, i.e., removendo a orientação
de cada arco. Por exemplo, a Figura 1.2(b) mostra o grafo subjacente ao
dı́grafo ilustrado na Figura 1.4(b).
Definição 1.4. Um grafo G1 = (V1 , A1 ) é um subgrafo de G2 = (V2 , A2 ),
denotado por G1 ⊆ G2 se e somente se V1 ⊆ V2 e A1 ⊆ A2 . Neste caso
4
Alguns autores usam |D| e ||D|| para indicar a ordem e o tamanho de D, respectiva-
mente

1.2 Relação de Vizinhança 7
G2 é supergrafo de G1 .(definição similar para sub- e superdı́grafos, porém

considerando a orientação dos arcos).
Se G1 é subgrafo de G2 , então G2 é supergrafo de G1 . Quando G1 6= G2 , Subgrafo e
então G1 é um subgrafo próprio de G2 . Quando V1 = V2 , então G1 é chamado Subdı́grafo de
subgrafo gerador ou subgrafo de espalhamento de G2 . Para um dı́grafo D1 , Espalhamento
um subdı́grafo D2 que contém um conjunto de vértices igual ao conjunto de
vértices do dı́grafo original é chamado de subdı́grafo de espalhamento ou fator Fator
do dı́grafo.
Considerando um grafo G = (V, A) e um subconjunto não vazio Sv ⊆ V ,
um subgrafo de G induzido por Sv , denotado por G[Sv ], é aquele que tem Grafo Induzido
como conjunto de vértices Sv e como conjunto de arestas todas as arestas de
G que possuam ambas extremidades em Sv . Se Sa ⊆ A é um subconjunto
não vazio de arestas, G[Sa ] é um subgrafo de G induzido por Sa que tem
como conjunto de arestas Sa e como conjunto de vértices as extremidades
das arestas de Sa (Os mesmo conceitos se aplicam aos dı́grafos, porém temos
a expressão dı́grafo induzido). A Figura 1.5 ilustra (a) um grafo G e os
subgrafos induzidos (b) G[Sv ] e (c) G[Sa ], assumindo Sv = {0, 4, 5, 6} e Sa =
{{0, 4}, {0, 5}, {0, 1}, {2, 6}}.
(a) (b) (c)
Figura 1.5: Exemplo de grafo induzido por vértices e por arestas. (a) grafo G,
(b) grafo induzido G[Sv ] por um conjunto de vértices Sv e (c) grafo induzido
G[Sa ] por um conjunto de arestas Sa
1.2 Relação de Vizinhança

Tanto as arestas de um grafo quando os arcos de um dı́grafo definem uma
relação de vizinhança entre os vértices. Para um grafo G = (V, A, φ), o
conjunto de vértices adjacentes a um vértice v ∈ V é definido pela função Função Multiva-
multivalorada de vizinhança, τ : V ; 2V , lorada de Vizi-
τ (v) = {w : {v, w} = φ(e) ∧ e ∈ A} nhança

onde v pode ou não ser igual a w. Quando v = w teremos v ∈ τ (v). O

conjunto 2V é chamado conjunto das partes e contém todos os subconjuntos
que podem ser formados usando os elementos de V . Se V = {1, 2, 3} então
2V = {∅, {0}, {1}, {2}, {0, 1}, {0, 2}, {1, 2}, {0, 1, 2}}. Portanto |2V | = 2|V | .
Para um dı́grafo D = (Vd , Ad , φd ), as funções multivaloradas de vizinhança
Funções Multi- direta τ + : Vd ; 2Vd e inversa τ − : Vd ; 2Vd são definidas por
valoradas de Vi-
τ + (v) = {w : (v, w) = φd (e) ∧ e ∈ Ad }
zinhança Direta
e Inversa e
τ − (v) = {w : (w, v) = φd (e) ∧ e ∈ Ad }.
A função τ + (v) retorna todos os vértices atingı́veis diretamente a partir de v
através dos arcos que têm origem em v, enquanto que τ − (v) retorna todos os
vértices que atingem diretamente v através dos arcos que têm como destino
v. Lembrando que φ(e) = e (ou φd (e) = e) para o caso de não existirem
múltiplas arestas(ou arcos) entre um mesmo par de vértices.
A quantidade de vizinhos de um vértice permite determinar o que é cha-
mado grau de um vértice. Para um grafo simples, o grau de qualquer vértice
Grau v, denotado por d(v), é definido por d(v) = |τ (v)|5 . Para um grafo qualquer
G = (V, A), o grau de um vértice v é definido pela quantidade n de arestas
que unem v aos outros vértices do grafo(exceto ele próprio) e pela quantidade
p de laços em v, ou seja,
d(v) = n + 2p.
Quando um vértice v é isolado, ou seja, τ (v) = ∅, seu grau d(v) = 0. A partir
Menor Grau daı́, podemos definir o menor e maior graus dentre todos os seus vértices
Maior Grau como, respectivamente,
∆(G) = max d(v) e δ(G) = min d(v).
v∈V v∈V
Note que
δ(G) ≤ d(v) ≤ ∆(G), ∀v ∈ V.
Na Figura 1.2(a),
d(1) = 2, d(2) = 2, d(3) = 3, d(4) = 1, d(5) = 0, δ(G) = 0 e ∆(G) = 3.
Enquanto que na Figura 1.2(b),
d(1) = 3, d(2) = 5, d(3) = 5, d(4) = 3, δ(G) = 3 e ∆(G) = 5.
5
O grau de um vértice é denotado por d devido a palavra grau ser em inglês chamada
degree.

1.2 Relação de Vizinhança 9
Teorema 1.1 (Handshaking Problem). Para um grafo G=(V,A), temos

X
d(v) = 2|A|
v∈V
Em um dı́grafo qualquer, cada vértice v possui um grau de entrada, d− (v), Graus de En-
e um grau de saı́da, d+ (v). O grau de entrada de um vértice v é o definido trada e de Saı́da
pelo número de arcos que possuem como destino v (incluindo o laço) en-
quanto que o grau de saı́da é o número de arcos que possuem como origem v
(incluindo o laço). Um laço em vértice v é contado uma única vez no grau de
entrada de v e uma única vez no grau de saı́da de v. Para dı́grafos simples
(e grafos orientados), podemos usar as funções de vizinhança τ − (v) e τ + (v)
para calcular os graus de saı́da e de entrada de cada vértice. Neste caso, para
qualquer vértice v temos d− (v) = |τ − (v)| e d+ (v) = |τ + (v)|.
De forma similar ao exposto anteriormente, podemos definir para um
dı́grafo D os graus de entrada máximo e mı́nimo, ∆− (D) e δ − (D), respecti-
vamente, e os graus de saı́da máximo e mı́nimo, ∆+ (D) e δ + (D), respectiva-
mente. Na Figura 1.4(a), o dı́grafo tem
d− (1) = 1, d− (2) = 2, d− (3) = 0, d− (4) = 1, δ − (D) = 0, ∆− (D) = 2,
d+ (1) = 1, d+ (2) = 0, d+ (3) = 3, d+ (4) = 0, δ + (D) = 0, ∆+ (D) = 3.

Enquanto que na Figura 1.4(b), o dı́grafo tem
d− (1) = 1, d− (2) = 3, d− (3) = 2, d− (4) = 2, δ − (D) = 1, ∆− (D) = 3
d+ (1) = 2, d+ (2) = 2, d+ (3) = 3, d+ (4) = 1, δ + (D) = 1, ∆+ (D) = 3.
Teorema 1.2. Para um dı́grafo D = (Vd , Ad ) temos
d− (v) = d+ (v) = |Ad |

X X
v∈Vd v∈Vd
Quando um vértice v de um dı́grafo possui grau d− (v) = 0, ele é chamado

de vértice fonte e quando ele possui grau de saı́da d+ (v) = 0, ele é chamado
de vértice sumidouro . A Figura 1.4(a) mostra um vértice fonte represen- Vértices Fonte e
tado pelo vértice 3 e dois vértices sumidouros representados pelos vértices Sumidouro
2 e 4. Se este dı́grafo está associado à uma rede de transmissão de dados,
podemos relacionar o vértice fonte a um emissor que não é receptor, pois

ele apenas emite informações sem ter a capacidade de recebê-las de volta.

Por outro lado, o vértice sumidouro é um receptor que não é emissor, ou
seja, ele apenas recebe informações, porém sem ser capaz de propagá-la adi-
ante para outros computadores. Os outros vértices conseguem tanto receber
informações quanto propagá-la adiante.
A seqüência não crescente d(G) = d1 , d2 , . . . , dn , com di ≥ dj para j ≥ i
Seqüência de formada pelo grau dos vértices de um grafo G de n vértices é chamada de
Graus Seqüência de Graus. Cada grafo possui uma única seqüência de graus, porém
uma mesma seqüência pode estar associada a grafos distintos. A Figura 1.6
mostra dois grafos distintos estruturalmente com a mesma seqüência de graus
igual a 4, 3, 2, 2, 1. Tanto a soma dos elementos desta seqüência quanto a
quantidade de valores ı́mpares são pares.
(a) (b)
Figura 1.6: Grafos com mesma seqüência de graus.
Teorema 1.3. Toda seqüência não negativa d1 , d2 , . . . , dn é uma seqüência

de graus de um grafo(simples ou não) se e somente se ni=1 di é par.
P
Existem seqüências que podem não estar associados a grafos simples.

Por exemplo, com a seqüência 3, 3, 3, 1 não é possı́vel construir um grafo
simples, mesmo tendo a soma de seus termos um valor par (Verifique!). Se
a seqüência permitir a construção de um grafo simples então ela é chamada
Seqüência seqüência gráfica. Para verificar se uma dada seqüência é gráfica ou não
Gráfica usamos o seguinte Teorema .
Teorema 1.4 ([1]). Para n > 1, uma seqüência d de inteiros com n elementos
é uma seqüência gráfica se e somente se d0 é uma seqüência gráfica, onde d0 é
obtido a partir de d removendo seu maior elemento ∆ e subtraindo 1 de seus

1.3 Matrizes de Adjacência e de Incidência 11
∆ maiores elementos seguintes. Assumimos que a única seqüência gráfica

com 1 elemento é d1 = 0.
A aplicação do Teorema 1.4 na seqüência s1 = 3, 3, 3, 1 leva aos seguintes
passos. Inicialmente removemos o maior elemento ∆1 = 3 e subtraimos de 1
os ∆1 maiores elementos seguintes. Isto resulta na seqüência s2 = 2, 2, 0. Em
s2 , repetimos o processo, removendo o maior elemento ∆2 = 2, e subtraindo
de 1 os ∆2 maiores elementos seguintes. Isto resulta na seqüência s3 = 1, −1,
que não corresponde a uma seqüência gráfica, já que um dos requisitos para
que uma seqüência seja gráfica é que ela seja formada apenas por valores não
negativos.
1.3 Matrizes de Adjacência e de Incidência

Um grafo G = (V, A), com |V | = n e |A| = m, pode ser representado
usando dois tipos de matriz, chamados de matriz de adjacência e matriz de
incidência. A matriz de adjacência é uma matriz M = [mi,j ] simétrica n × n
que armazena o relacionamento entre os vértices do grafo. Cada entrada mi,j
é igual a


0 , se i não é adjacente a j
m , se i é adjacente a j (com i 6= j), m corresponde à quantidade


mi,j =

 de arestas conectando i e j.
p , se i = j, p é a quantidade de laços incidentes ao vértice i.

Por outro lado, a matriz de incidência B = [bi,j ] é uma matriz n × m, que

associa os vértices às arestas de G. Cada entrada bi,j relaciona o vértice i à
aresta j assumindo os seguinte valores
(
0 , se j não é incidente em i
bi,j =
1 , se j é ou não um laço e i é uma de suas extremidades.
As matrizes de adjacência e de incidência para o grafo da Figura 1.2(b) são
mostradas nas Tabelas 1.1 e 1.2.
De forma similar, um dı́grafo D pode ser representado usando matrizes de
incidência e de adjacência. A matriz de adjacência é uma matriz A = [ai,j ],
não necessariamente simétrica, onde cada entrada ai,j é igual a
(
0 , se i não é adjacente a j
ai,j =
m , onde m é a quantidade de arcos com origem em i e destino em j

1 2 3 4
1 0 2 1 0
2 2 1 1 0
3 1 1 0 3
4 0 0 3 0
Tabela 1.1: Matriz de Adjacência do grafo da Figura 1.2(b).
a b c d e f g h
1 1 1 1 0 0 0 0 0
2 1 1 0 1 1 0 0 0
3 0 0 1 1 0 1 1 1
4 0 0 0 0 0 1 1 1
Tabela 1.2: Matriz de incidência do grafo da Figura 1.2 (b)
A matriz de adjacência para o dı́grafo da Figura 1.4(b) é mostrada na ta-

bela 1.3
1 2 3 4
1 0 2 0 0
2 0 1 1 0
3 1 0 0 2
4 0 0 1 0
Tabela 1.3: Matriz de Adjacência do dı́grafo da Figura 1.4(b).
Por sua vez, na matriz de incidência B = [bi,j ] cada entrada bij relaciona
o vértice i à aresta j assumindo os valores


 −1 , se j tem origem em i.
bi,j = 0 , se j não é incidente em i


1 , se j tem destino em i.
A matriz de incidência para o dı́grafo da Figura 1.4(b) é mostrada na

Tabela 1.4

1.4 Passeios e Circuitos 13
a b c d e f g h
1 -1 -1 1 0 0 0 0 0
2 1 1 0 -1 1 0 0 0
3 0 0 -1 1 0 1 -1 -1
4 0 0 0 0 0 -1 1 1
Tabela 1.4: Matriz de incidência do dı́grafo da Figura 1.4 (b)
Muitas vezes a matriz de adjacência do grafo é esparsa, ou seja, a mai-

oria dos seus elementos é igual a 0. Neste caso, para um grafo que possui
n vértices, estarı́amos utilizando um espaço de armazenamento proporcional
a n2 , sendo que apenas uma pequena quantidade de memória, associadas às
arestas do grafo, estaria efetivamente sendo usada. Para resolver este pro-
blema, podemos representar a matriz de adjacência na forma de uma lista
de adjacência, onde cada elemento desta lista possui referência a um vértice
do grafo e um ponteiro para uma sub-lista contendo todos os vértices adja-
centes associados. Se considerarmos que a maior sub-lista possui tamanho
igual a c << n (ou seja, c é muito menor que n), então no máximo estaremos
usando um espaço de armazenamento proporcional a cn, que é muito menor
que n2 . Entretanto, se a matriz não for esparsa, ou seja, δ(G) ≥ n/2, então
a lista de adjacência não é uma boa escolha. Pois neste caso, a verificação da
adjacência entre dois vértices u e v consistirá em realizar uma busca linear
na sub-lista associada a um dos dois vértices. Se o grafo é muito denso, por
exemplo um Kn , isto envolverá no máximo n comparações. Por outro lado,
esta verificação em uma matriz de adjacência consiste em apenas checar a
entrada correspondente. Se a entrada for igual a 0 então os vértices não
são adjacentes, caso contrário são adjacentes. Estes aspectos relacionados à
eficiência valem também para dı́grafos.
1.4 Passeios e Circuitos

Definição 1.5. Em um grafo, um passeio entre os vértices v e w é uma
seqüência alternada de vértices e arestas v = v0 , a1 , v1 , a2 , v2 , . . . , an , vn = w
que começa em v e termina em w, de forma que cada aresta ai é incidente
aos vértices vi−1 e vi . Tanto as arestas quanto os vértices podem ou não ser
distintos. Se apenas as arestas forem distintas, então o passeio é chamado

de trilha. Se tanto as arestas quando os vértices forem distintos então, ele é

chamado de caminho. Observe que
caminhos ⊂ trilhas ⊂ passeios
Se os vértices de origem e destino forem o mesmo, então o passeio é cha-

Passeio Fechado mado de passeio fechado; a trilha é chamada de circuito; enquanto que o
Circuito caminho é chamado apenas de ciclo. Em um grafo simples, um ciclo é des-
Ciclo crito apenas por seus vértices já que a ordem dos vértices define exatamente
que aresta foi visitada. Um dı́grafo possui conceitos similares com a restrição
de que orientação dos arcos deve ser obedecida.
É possı́vel entre um mesmo par de vértices em um grafo G existirem
diversos passeios, trilhas e caminhos. Considerando o grafo da Figura 1.2(b),
entre os vértices 1 e 2 podemos ter os seguintes:
• Passeios:(1, c, 3, d, 2), (1, c, 3, g, 4, h, 3, g, 4, f, 3, d, 2), . . .
• Trilhas: (1, c, 3, d, 2),(1, c, 3, g, 4, h, 3, d, 2), . . .
• Caminhos: (1, c, 3, d, 2),(1, b, 2), . . ..
Dois caminhos entre um par de vértices u e v são vértice-disjuntos (ou

apenas disjuntos) se eles compartilharem apenas os vértices u e v e nenhuma
aresta. De forma similar, dois caminhos entre u e v são chamados aresta-
disjuntos se eles não compartilharem aresta (Definição similar se aplica aos
dı́grafos). Estes conceitos são importantes quando estivermos analisando a
conectividade de grafos no Capı́tulo 3.
Definição 1.6. Em um dı́grafo, um passeio direcionado entre os vértices

v e w é uma seqüência alternada de vértices e arcos v = v0 , a1 , v1 , a2 , v2
, . . . , an , vn = w que começa em v e termina em w, de forma que cada arco
ai tenha origem em vi−1 e destino em vi . Se apenas as arcos forem distintos,
então o passeio direcionado é chamado de trilha direcionada. Se tanto os
arcos quando os vértices forem distintos então, ele é chamado de caminho
direcionado. Note que
caminhos direcionados ⊂ trilhas direcionadas ⊂ passeios direcionados
Passeio Direci- Se os vértices de origem e destino forem o mesmo, então o passeio direci-
onado Fechado, onado é chamado de passeio direcionado fechado; a trilha é chamada de
Circuito Dire-
cionado, Ciclo
Direcionado
circuito direcionado, enquanto que o caminho é chamado apenas de ciclo

direcionado.
Além destas classificações, temos a noção de semi-caminho, semi-passeio
e semi-trilha. Se considerarmos a seqüência alternada de vértices e arcos
v = v0 , a1 , v1 , a2 , v2 , . . . , an , vn = w que começa em v e termina em w, um
semi-passeio é aquele onde o arco ai tem origem em vi−1 e destino em vi Semi-Passeio
ou tem origem em vi e destino em vi−1 . Se apenas as arcos forem distintos,
então o semi-passeio é chamado de semi-trilha. Se tanto os arcos quando Semi-Trilha
os vértices forem distintos então, ele é chamado de semi-caminho. Note que Semi-Caminho
não precisamos enfatizar que eles são direcionados, já que estes conceitos se
aplicam apenas aos dı́grafos. Podemos pensar que em todos os casos, esta-
mos desconsiderando a orientação dos arcos e focando apenas nos caminhos,
passeios e trilhas no grafo subjacente ao dı́grafo. Analogamente, podemos
definir semi-passeio fechado, semi-circuito e semi-ciclo.
Em vários momentos, passeios, caminhos e trilhas, direcionadas ou não, Passeio de Espa-
serão chamadas de passeio de espalhamento, caminho de espalhamento e tri- lhamento, Cami-
lha de espalhamento, respectivamente. Isto ocorrerá quando estiverem sendo nho de Espalha-
considerados todos os vértices do dı́grafo ou grafo. Por exemplo, na Fi- mento, Trilha de
gura 1.2(b), o caminho 1, a, 2, d, 3, g, 4 possui todos os vértices do grafo sendo, Espalhamento
portanto, um caminho de espalhamento. Passeio fechado, circuito, e ciclo,
direcionado ou não, são de espalhamento, quando considerarem todos os
vértices do grafo ou dı́grafo.
O comprimento de um passeio(ou passeio direcionado) é igual a quanti-
dade quantidade de arestas(ou arcos) entre os vértices inicial e final. Um
caminho(ou caminho direcionado) com n vértices possui n − 1 arestas, logo
seu comprimento é igual a n − 1. Por conseguinte, um ciclo(ou ciclo dire-
cionado) composto por n vértices possui comprimento exatamente igual a
n.
Em grafos simples, os ciclos devem ter comprimento ≥ 3 , enquanto que
em multigrafos, este comprimento deve ser ≥ 2, pois podem existir múltiplas
arestas entre um mesmo par de vértices. Em pseudografos, laços são ciclos
especiais de comprimento igual a 1 chamados de ciclos simples. Para que
haja um ciclo, que não seja simples, o número de vértices tem que ser igual
ao número de arestas.
O comprimento do menor ciclo pertencente a um grafo G é chamado
cintura e denotado por g(G). Enquanto que o comprimento do maior ciclo Cintura
é chamado de circunferência sendo denotado por c(G). Um grafo que não Circunferência
possui ciclos, como por exemplo árvores, tem g(G) = ∞ e c(G) = 0. Uma

aresta ou arco que une dois vértices em um ciclo, mas que não pertence ao
Corda ciclo é chamada corda.
Entre um par de vértices v e w em um grafo(ou dı́grafo) G = (V, A),
podem existir inúmeros caminhos. Cada caminho representa um subgrafo(ou
subdı́grafo) de G, ou seja, considerando Pv,w = (Vp , Ap ) um caminho entre
os vértices v e w, temos Pv,w ⊆ G. O comprimento de Pv,w , denotado aqui
por |Pv,w | é igual ao seu número de arestas, i.e., |Pv,w | = |Ap |. Se não existe
caminho entre v e w, então |Pv,w | = ∞. Usando esta notação, a distância
entre v e w é igual a
d(v, w) = min |Pv,w |
Pv,w ⊆G
Note que a distância entre v e w é definida pelo comprimento do menor

caminho entre v e w. Este cálculo é muito importante em áreas como a
robótica, já que o robô deve sempre que possı́vel se deslocar no ambiente
seguindo o caminho de menor comprimento. A partir da informação de
Diâmetro distância, podemos calcular o diâmetro de G por
diam(G) = max d(v, w)

v,w∈V
que corresponde à distância entre os vértices mais afastados de G, e também

Excentricidade a excentricidade de cada vértice v de G que informa a maior distância possı́vel
entre v e todos os outros vértices do grafo,
e(v) = max d(v, w).

w∈V
Usando a informação sobre a excentricidade dos vértices é possı́vel calcu-

Raio lar o raio de G por
raio(G) = min e(v)
v∈V
que indica o menor valor de excentricidade presente em um grafo conside-

rando todos os seus vértices; e reescrever a expressão que define o diâmetro
de G como
diam(G) = max e(v)
v∈V
A partir daı́, definimos um vértice v como sendo central quando seu valor
Centro de um de excentricidade é igual ao raio do grafo, i.e., e(v) = raio(G). Por conse-
Grafo guinte, o centro de um grafo G, denotado por, C(G), é um subgrafo induzido
pelos seus vértices centrais, i.e.,
C(G) = G[V 0 ], tal que V 0 = {v ∈ V : e(v) = raio(G)}

Figura 1.7: Grafo com diam(G) = 4, raio(G) = 2 e C(G) = G[{2}].
Como exemplo, considere o grafo G mostrado na Figura 1.7. Seus vértices

possuem as seguintes excentricidades:
e(1) = 4, e(2) = 2, e(3) = 4, e(4) = 3, e(5) = 3, e(6) = 3 e e(7) = 4.
O diâmetro e o raio deste grafo são iguais a diam(G) = 4 e raio(G) = 2,

respectivamente. O centro é definido apenas pelo vértice 2, i.e., C(G) =
G[{2}]. Fazendo G0 = G − {1, 4}, i.e., eliminando a aresta {1, 4}, o grafo
passa a ter as seguintes excentricidades :
e(1) = 5, e(2) = 3, e(3) = 4, e(4) = 3, e(5) = 3, e(6) = 4 e e(7) = 5.
O diâmetro e o raio de G0 são iguais a diam(G0 ) = 5 e raio(G0 ) = 3, respecti-

vamente. O centro é definido pelos vértices 2, 4 e 5, i.e., C(G) = G[{2, 4, 5}].
Estas informações podem ser utilizadas por um administrador de uma
rede de computadores para saber quais são os nós centrais da rede que estão
com sobrecarga de comunicação, ou os nós mais distantes a fim de aproximá-
los através da inserção de outros pontos de comunicação. Note que uma rede
ideal é aquela onde a comunicação entre pares de computadores ocorre dire-
tamente. Em geral, redes com grandes diâmetros são mais lentas do ponto de
vista de comunicação do que redes com baixos diâmetros. Entretanto, uma
rede deste tipo é aceitável se a maioria dos seus computadores se comunicar
através de conexões de curta distância. Portanto, convém avaliar uma rede
não apenas pelo seu diamêtro, mas pela distância média entre pares de com-
putadores. Isto leva ao ı́ndice de Wiener definido para um grafo G = (V, A) Índice
por X de Wiener
W (G) = d(u, v)
u,v∈V

Este valor não corresponde a uma distância média pois

! não está sendo
|V |
dividido pelo número de pares possı́veis dado por . Entretanto, esta
2
medida é válida pois para redes com mesmo número de nodos, a quantidade
possı́vel de pares é a mesma independente da topologia da rede. Logo, o
número de pares pode ser suprimido do cálculo.
1.5 Grafos Eulerianos e Hamiltonianos

Como visto anteriormente no inı́cio deste capı́tulo, o primeiro e mais famoso
problema na área de Teoria dos Grafos é chamado o problema das pontes de
Problema das Königsberg. Ele foi enunciado por Euler em 1736 e consistia em determinar
Pontes de se era possı́vel ou não fazer um passeio pela cidade Königsberg começando e
Königsberg terminando no mesmo lugar, cruzando cada ponte exatamente uma única vez.
A Figura 1.1 mostra as sete pontes que cruzavam o rio Pregel estabelecendo
ligações entre diferentes partes da cidade e as ilhas Kneiphof e Lomse.
O grafo associado ao mapa mostrado na Figura 1.1 é ilustrado na Fi-
gura 1.8. Note que cada aresta é rotulada com uma das pontes mostradas na
Figura 1.1 enquanto que os vértices de v1 a v4 estão associados às diferentes
partes da cidade. O problema então consiste em determinar se é possı́vel ou
não fazer um circuito pelo grafo cruzando cada aresta uma única vez. Se
isto for possı́vel, então o grafo é chamado de grafo euleriano e ao circuito é
Circuito Euleri- dado o nome de circuito euleriano. A principal caracterı́stica que define um
ano multigrafo euleriano é dada pelo seguinte Teorema.
Figura 1.8: Multigrafo associado ao mapa mostrado na Figura 1.1.

1.5 Grafos Eulerianos e Hamiltonianos 19
Teorema 1.5 (Teorema dos Multigrafos Eulerianos). Um multigrafo conexo

G = (V, A) é Euleriano sse todos os vértices de G tiverem grau par. Multigrafos Eu-
lerianos
A demonstração deste teorema, deixada como exercı́cio, além de mostrar
que todo multigrafo Euleriano é um multigrafo par, i.e., possui todos os seus Multigrafo Par
vértices com grau par, mostra também que todo multigrafo par pode ser
decomposto em circuitos. O problema de verificar se um multigrafo possui ou
não um circuito Euleriano está intimamente relacionado a outros problemas
na área de teoria dos grafos, como o problema do Carteiro Chinês. Neste Problema do
problema, o carteiro deve entregar cartas da forma mais eficiente possı́vel Carteiro Chinês
visitando cada rua apenas uma única vez. Se o grafo subjacente à região de
entrega das cartas for euleriano então qualquer circuito Euleriano escolhido
será ótimo, porém se o grafo não for euleriano, o carteiro deverá encontrar
um passeio fechado de custo mı́nimo revistando algumas das arestas do grafo.
Se mudarmos sutilmente o problema e ao invés de tentarmos encontrar
um circuito euleriano, tentarmos encontrar uma trilha euleriana, ou seja,
uma trilha que começa em um vértice v e termina em um vértice u passando
por cada aresta do multigrafo uma única vez, seremos levados ao seguinte
teorema.
Teorema 1.6 (Teorema de Multigrafos Semi-Eulerianos). Um multigrafo co-
nexo G = (V, A) possui uma trilha euleriana e consequentemente é chamado Multigrafos
de semi-euleriano sse tem no máximo dois vértices de grau impar. Semi-Eulerianos
A Figura 1.9 ilustra em (a) um grafo euleriano e em (b) um grafo semi-
euleriano. Em (b), as trilhas Eulerianas obrigatoriamente começam em um
dos vértices de grau ı́mpar (vértices cinza), e terminam no outro vértice de
grau ı́mpar (Verifique!).
(a) (b)
Figura 1.9: Exemplo de grafo (a) Euleriano e (b) Semi-Euleriano.
De forma similar aos multigrafos não direcionados, um multigrafo dire-

cionado é euleriano se ele tiver um circuito direcionado euleriano. Note que

embora estejamos fazendo referência a multigrafos direcionados, o teorema

se aplica a pseudografos direcionados, já que estes são diferentes dos multi-
grafos direcionados apenas pela presença de laços. Assim, similarmente ao
Teorema 1.5, temos o seguinte teorema
Teorema 1.7 (Teorema dos Multigrafos Direcionados Eulerianos). Um mul-

tigrafo direcionado conexo D = (V, A) é euleriano sse para qualquer vértice
v ∈ V , temos d+ (v) = d− (v), i.e, o grau de entrada de v é igual ao seu grau
de saı́da.
A Figura 1.10 mostra o pseudografo direcionado euleriano, comumente

Dı́grafo de chamado de dı́grafo de Bruijn.
Bruijn
Figura 1.10: Pseudografo direcionado euleriano - dı́grafo de Bruijn.
Se ao invés de focarmos nossa atenção nas arestas ou arcos, focarmos

nos vértices, teremos um outro tipo de problema, que embora aparentemente
seja mais simples, já que ele foca na visita dos vértices e não nas visitas das
arestas ou arcos, é muito mais complexo e que não possui solução eficiente.
Este problema é chamado problema do ciclo hamiltoniano.
Definição 1.7. Um multigrafo é hamiltoniano se ele possuir um ciclo hamil-

Ciclo Hamiltoni- toniano, ou seja, um ciclo de espalhamento.
ano
Ciclo de Espa- Um ciclo de espalhamento possui todos os vértices do multigrafo, o qual
lhamento pode ser direcionado ou não. No caso do multigrafo direcionado, um ciclo ha-
miltoniano será um ciclo direcionado. A primeira pessoa a estudar este tipo
de estrutura foi o matemático irlandês Sir W. R. Hamilton. A Figura 1.11

1.5 Grafos Eulerianos e Hamiltonianos 21
mostra um exemplo de grafo hamiltoniano, com o ciclo hamiltoniano desta-

cado em vermelho. Este grafo foi a base do jogo chamado Dodecaedro do
Viajante concebido por Sir. Hamilton.
Figura 1.11: Grafo Hamiltoniano.
O problema do ciclo hamiltoniano está intimamente relacionado ao pro-

blema do caixeiro viajante, o qual consiste em encontrar um ciclo de custo Problema do
mı́nimo que passe por uma série de cidades uma única vez retornando à Caixeiro Via-
cidade de partida. Observe que este problema é muito mais difı́cil do que jante
simplesmente verificar se o grafo associado é hamiltoniano ou não, pois en-
volve a análise de todos os possı́veis ciclos hamiltonianos em busca do ciclo
de menor custo.
Se o multigrafo em análise não contiver um ciclo hamiltoniano, mas con-
tiver um caminho hamiltoniano, ou seja, um caminho que passe por to-
dos vértices do multigrafo porém com o vértice de chegada diferente do
vértice de destino então a este multigrafo é dado o nome de multigrafo
semi-hamiltoniano. Para multigrafos ou pseudografos direcionados, o ca- Multigrafo
minho hamiltoniano deve ser direcionado. A Figura 1.12 ilustra um grafo Semi-
semi-hamiltoniano. O caminho destacado em vermelho é um caminho ha- Hamiltoniano
miltoniano. Se existisse uma aresta entre os vértices v e u, este grafo seria
hamiltoniano. Este grafo também é semi-euleriano.
Diferentemente dos grafos eulerianos, não existem condições necessárias
e suficientes para caracterizar um grafo genérico como hamiltoniano ou não.
Alguns resultados são apresentados abaixo
Teorema 1.8 ([2]). Um grafo G = (V, A) com |V | ≥ 3 é hamiltoniano se
δ(G) ≥ |V |/2

Figura 1.12: Grafo Semi-Hamiltoniano.
Teorema 1.9 ([3]). Um grafo G = (V, A) com |V | ≥ 3 é hamiltoniano se

para todo par v e u de vértices não adjacente d(v) + d(u) ≥ |V |.
1.6 Isomorfismo e Automorfismo

Muitas vezes nos deparamos com grafos diferentes mas que possuem a mesma
estrutura, i.e., um poderia estar associado à relação ecológica de diferentes
seres vivos enquanto outro poderia estar associado à relação entre átomos
de um composto quı́mico. A identificação e verificação se eles possuem ou
não a mesma estrutura, i.e., se um pode ser mapeado no outro, é muito
relevante para diversos tipos de problemas. Já que se este mapeamento
existe então podemos dizer que estes grafos possuem as mesmas propriedades.
Assim, se um grafo G com propriedades conhecidas consegue ser mapeado
para um grafo D desconhecido, então podemos dizer que D possui as mesmas
propriedades que G. Estas propriedades podem dizer respeito a aspectos
relacionados à planaridade, coloração, cobertura de vértices, entre outros.
Definição 1.8. Dois grafos G1 = (V1 , A1 ) e G2 = (V2 , A2 ) são isomorfos, i.e.,

G1 ∼= G2 , se existe uma função bijetora f : V1 → V2 , tal que (u, v) ∈ A1 sse
(f (u), f (v)) ∈ A2 .
Grafos isomorfos apresentam as mesmas propriedades estruturais que pre-

servam a adjacência entre seus vértices. Por exemplo, os grafos ilustrados
na Figura 1.13 são diferentes entretanto apresentam as mesmas propriedades
estruturais. A Tabela 1.5 mostra um possı́vel mapeamento dos vértices de
G1 para os vértices de G2 . Isso faz com que a aresta (0, 5) ∈ A1 seja mapeada
para a aresta (e, d) ∈ A2 , e a aresta (0, 4) ∈ A1 seja mapeada para a aresta
(e, c) ∈ A2 . Cada aresta em G1 possui uma aresta correspondente em G2

1.6 Isomorfismo e Automorfismo 23
(Verifique!). Se pelo menos uma das aresta de G1 não possuir uma corres-
pondente em G2 então a função escolhida não define o isomorfismo entre G1
e G2 . Notem que existem inúmeros mapeamentos possı́veis. Outro mape-
amento possı́vel que garante o isomorfismo entre G1 e G2 é a partir desta
tabela alterar as linhas 3 e 4, associando o vértice 2 ao vértice f e o vértice
3 ao vértice a.
(a) (b)
Figura 1.13: Exemplo de grafos isomorfos. O grafo (a) G1 é isomórfico ao

grafo (b) G2 .
Assim entre os requisitos básicos para que dois grafos sejam isomorfos
é que eles possuam a mesma quantidade de vértices e a mesma quantidade
de arestas, i.e., |V1 | = |V2 | e |A1 | = |A2 |. Porém verificar se dois grafos
são ou não isomorfos nem sempre é uma tarefa trivial. Suspeita-se que este
problema seja NP-Completo.
V1 V2
0 e
1 b
2 a
3 f
4 c
5 d
Tabela 1.5: Matriz de incidência do dı́grafo da Figura 1.4 (b)
Um fato importante é que a função de isomorfismo define uma relação de

equivalência possui as seguintes propriedades:

• Propriedade reflexiva. Uma permutação da identidade dos vértices de

um grafo G1 leva a um grafo G2 que é isomorfico a G1 , i. .e, G1 ∼
= G2
• Propriedade simétrica. Sejam G1 = (V1 , A1 ) e G2 = (V2 , A2 ), se a
função f : V1 → V2 é uma função que define o isomorfismo entre
G1 e G2 , então f −1 é a função inversa que define o isomorfismo en-
tre G2 e G1 . Logo (u, v) ∈ A1 sse (f (u), f (v)) ∈ A2 e (x, y) ∈ A2 sse
(f −1 (x), f −1 (y)) ∈ A1 .
• Propriedade Transitiva. Sejam G1 = (V1 , A1 ), G2 = (V2 , A2 ) e G3 =
(V3 , A3 ), e as funções f : V1 → V2 e h : V2 → V3 sejam funções que
definam a relação de isomorfismo entre os grafos G1 e G2 ; e G2 e G3 ,
respectivamente. Como (u, v) ∈ A1 sse (f (u), f (v)) ∈ A2 e (x, y) ∈ A2
sse (h(x), h(y)) ∈ A3 , se (x, y) ∈ A2 , então existe uma aresta (u, v) ∈ A1
tal que f (u) = x e f (v) = y. Logo, (u, v) ∈ A1 sse (h(f (u)), h(f (v))) ∈
A3 . Portanto, a função composta h ◦ f define a relação de isomorfismo
entre G1 e G3 , ou seja, G1 ∼ = G3 .
Logo, a função de isomorfismo define uma classe de equivalência para um
conjunto de grafos, onde dois grafos pertencem a mesma classe sse eles são
isomorfos. Um exemplo de classe isomórfica é a classe chamada “grafos de
Grafo de Petersen” . Um grafo pertencente a esta classe é ilustrado na Figura 1.14(a).
Petersen Este grafo possui vértices que estão associados a subconjuntos de dois elemen-
tos formado a partir do seguinte conjunto S = {1, 2, 3, 4, 5}. Dois vértices são
adjacentes se seus subconjuntos correspondentes forem disjuntos, por exem-
plo, os vértices associados aos subconjuntos {1, 2} e {3, 4} são adjacentes.
Note que o grafo da Figura 1.14(b) é isomorfo ao grafo (a). Grafos de Pe-
tersen são comumente usados como contra-exemplos em provas de teoremas
devido às suas propriedades, as quais serão apresentadas mais adiante. Note
que os grafos ilustrados na Figura 1.14 são formados por dois ciclos disjuntos
de tamanho 5 destacados em preto e vermelho.
A noção de isomorfismo se aplica a multigrafos direcionados, porém ela é
focada na multiciplidade dos arcos dos grafos envolvidos.
Isomorfismo de Definição 1.9. Dois multigrafos direcionados M1 = (V1 , A1 ) e M2 = (V2 , A2 )
Multigrafos Di- são isomorfos, i.e., M1 ∼
= M2 , se existe uma função bijetora f : V1 → V2 , tal
recionados que µ(u, v) = µ(f (u), f (v)), onde (u, v) ∈ A1 , (f (u), f (v)) ∈ A2 e µ(u, v) é a
multiplicidade do arco (u, v).
Outro conceito associado ao isomorfismo é o automorfismo.

1.6 Isomorfismo e Automorfismo 25
(a) (b)
Figura 1.14: Grafo de Petersen. O grafo (a) G1 é isomórfico ao grafo (b) G2 .
Definição 1.10. Um automorfismo de um grafo G = (V, A) é uma per- Automorfismo

mutação dos vértices de G definida por uma função f : V → V de forma que
para cada aresta (v, u) ∈ A implica (f (v), f (u)) ∈ A. Ou seja, a permutação
definida por f não muda a adjacência entre os vértices de G.
Considere um grafo G = (V, A), ilustrado a partir de sua matriz de ad-

jacência mostrada na Tabela 1.6, constituı́do do seguinte conjunto de vértices
V = {1, 2, 3, 4} e do seguinte conjunto de arestas A = {(1, 2), (2, 3), (3, 4)}.
Se permutarmos os vértices de V fazendo com que o vértice 1 passe a ser o
vértice 4, e o vértice 2 passe a ser o vértice 3, teremos a matriz de adjacência
ilustrada na Tabela 1.7. Reordenando as linhas e colunas desta matriz en-
contramos a matriz original mostrada na Tabela 1.6.
Se por ventura permutarmos apenas o vértice 1 com o vértice 4 mantendo
os vértices 2 e 3 como estão não teremos um automorfismo de G. Esta per-
mutação é ilustrada na Tabela 1.8. Se reordenarmos as linhas e colunas desta
matriz não obteremos a matriz original mostrada na Tabela 1.6 (Verifique!).
Embora este mapeamento leve a um grafo isomorfo ao grafo original, ele não
define um automorfismo. Isto decorre do fato que o conjunto de arestas ge-
rado é {(4, 2), (2, 3), (1, 3)} o que é diferente do conjunto de arestas original,
já que o vértice 4 não era adjacente ao vértice 2 no grafo original.

1 2 3 4
1 0 1 0 0
2 1 0 1 0
3 0 1 0 1
4 0 0 1 0
Tabela 1.6: Matriz de adjacência do Grafo G=(V,A), com V = {1, 2, 3, 4},

A = {(1, 2), (2, 3), (3, 4)})
4 3 2 1
4 0 1 0 0
3 1 0 1 0
2 0 1 0 1
1 0 0 1 0
Tabela 1.7: Matriz de adjacência resultante da permutação dos vértices de

grafo ilustrado na Tabela 1.6.
1.7 Aplicações
Esta seção apresenta alguns exemplos de aplicações do mundo real que en-
volvem Grafos.
1.7.1 Associação de Tarefas

Uma empresa precisa distribuir um conjunto de n tarefas T entre seus n
empregados E, considerando que cada empregado j consegue realizar cada
tarefa i em um dado tempo mij . Qual é a melhor associação entre tarefa e
empregado de forma a minimizar o tempo de realização de todas as tarefas.
Uma instância do problema é mostrada no grafo da Figura 1.15(a). Para faci-
litar a visualização os tempos mij não foram apresentados. A Figura 1.15(b)
mostra a associação escolhida através de arestas mais grossas.
Este problema é um tı́pico problema de emparelhamento, onde tanto as
tarefas quanto os empregados são os vértices do grafo, e as arestas correspon-
dem a associação entre os empregados e as tarefas. Cada aresta é rotulada
com o tempo de realização da tarefa pelo empregado ao qual está associ-
ada. O objetivo é encontrar a melhor associação entre tarefas e empregados

1.7 Aplicações 27
4 2 3 1
4 0 1 0 0
2 1 0 1 0
3 0 1 0 1
1 0 0 1 0
Tabela 1.8: Matriz de adjacência resultante da permutação apenas dos

vértices 1 e 4 de G.
de forma a minimizar a soma dos tempos de realização de todas as tare-

fas. Como não existem arestas entre os empregados nem entre as tarefas,
temos dois conjuntos compostos por vértices não adjacentes entre si. Con-
juntos com esta caracterı́stica são chamados de conjuntos independentes e
serão discutidos apropriadamente no Capı́tulo 4.2.
1.7.2 Robótica
Vários problemas da área de robótica estão associados às tarefas de navegação
de robôs em ambientes do tipo escritório. Neste tipo de tarefa, o robô pos-
sui um mapa do ambiente e deve planejar um caminho que o leve de uma
posição a outra evitando colisões com obstáculos. Entre os diversos tipos de
mapas, existe o mapa topológico, que consiste em uma representação do am-
biente utilizando grafos. A Figura 1.16(a) mostra um ambiente e seu grafo
subjacente. Os vértices estão associados às grandes regiões do ambiente e as
arestas indicam como navegar entre estas regiões. Neste exemplo, se o robô
precisar ir da sala A até a sala G, ele pode seguir por vários caminhos, que
podem ser visualizados através dos vértices e arestas do grafo associado. A
Figura 1.16(b) mostra um caminho possı́vel através de arestas mais grossas.
1.7.3 Nichos Ecológicos

Grafos podem ser usados para modelar o relacionamento competitivo en-
tre diferentes espécies de animais em um ecosistema. A competição ocorre
quando indivı́duos de uma mesma espécie ou de espécies diferentes disputam
por algum recurso, como por exemplo, alimento. Quando a competição é
grande e desigual, uma espécie pode mudar seus hábitos, migrar para outra
região ou até mesmo ser extinta. Logo, estudar o relacionamento entre as

(a) (b)
Figura 1.15: Associação de tarefas ti ∈ T aos empregados ej ∈ E. (a)

todas as associações (b) a associação escolhida, representada por arestas mais
grossas.
espécies é fundamental para a preservação do ecossistema. Usando grafos,

cada espécie pode ser modelada como um vértice e a competição entre duas
espécies é indicada no grafo através de uma aresta entre os vértices corres-
pondentes. A Figura 1.17 mostra um grafo que modela o relacionamento
competitivo entre diferentes espécies do ecosistema de uma floresta.
1.7.4 Rede de Telefonia Móvel

Veremos no Capı́tulo 8 que um mapa pode ser desenhado no plano e colorido
propriamente com apenas quatro cores, ou seja, regiões vizinhas possuem
cores diferentes. Para que isto seja possı́vel, as regiões do mapa são associadas
aos vértices do grafo enquanto que a adjacência entre as regiões define as
arestas entre os vértices correspondentes. A partir daı́, cada vértice é colorido
de forma que vértices adjacentes tenham cores distintas. Em um primeiro
instante, pode-se pensar em usar uma cor diferente para cada vértice, porém
problemas de coloração de grafos são problemas de otimização, onde a adição
de uma nova cor implica aumento de custos. Logo, busca-se sempre a menor
quantidade de cores possı́vel.

1.7 Aplicações 29
Em 1982, o Groupe Spécial Mobile (GSM) foi criado para desenvolver um

padrão a ser adotado pela telefonia móvel, e em 1991 surgiu a primeira rede
GSM na Finlândia com o apoio da Ericsson. As redes GSM dividem as suas
regiões de cobertura em células hexagonais. Cada célula possui uma torre de
comunicação que gerencia a conexão dos celulares na sua área de cobertura.
Os celulares por sua vez procuram células em sua vizinhança imediata de
acordo com sua freqüência de operação. Células adjacentes que possuem
mesma freqüência devem ser evitadas pois uma gera interferência no sinal
da outra. Este fato faz com que o uso de coloração de grafos, em especial
a coloração de mapas, tenha aplicabilidade direta. Por isso, as redes GSM
usam apenas quatro freqüências diferentes devido serem necessárias apenas
quatro cores para colorir propriamente o mapa das regiões das células. Neste
caso, as cores são representadas pelas freqüências de operação.
1.7.5 Reconhecedores de sentenças

Uma máquina teórica para reconhecer sentenças de uma linguagem, como
autômatos finitos determı́nisticos ou finitos não determinı́sticos, é represen-
tada graficamente através de um dı́grafo. Neste dı́grafo os vértices represen-
tam os estados da máquina enquanto que os arcos representam as transições
da máquina de um estado para o outro. Por exemplo, o dı́grafo da Figura 1.18
representa um autômato finito determinı́stico capaz de reconhecer sentenças
formadas pelos sı́mbolos a e b com uma quantidade ı́mpar de a’s e uma quan-
tidade ı́mpar de b’s. Os vértices são representados por S1 , S2 , S3 e S4 e os
arcos têm origem e destino neste conjunto. Note que a seta que não possui
origem em um destes estados e tem destino em S1 , tem a função apenas de
indicar o estado inicial da máquina, portanto não é um arco do dı́grafo.
1.7.6 Redes Neurais Artificiais

Uma rede neural artificial é um modelo computacional utilizado na área de
Inteligência Artificial para simular o funcionamento do cérebro humano. Ela
é representada graficamente na forma de um dı́grafo, onde cada vértice cor-
responde a um neurônio artificial e os arcos representam as conexões entre
os neurônios, chamadas sinapses. As sinapses possuem um peso associado
que pondera o sinal que flui entre os neurônios. Existem inúmeras formas de
organização destes neurônios sendo a mais comum a estrutura multicamada
mostrada na Figura 1.19. Nela a rede é organizada em camada de entrada,

camadas escondidas e camada de saı́da. Na figura, estas camadas são re-

presentadas pelas letras A, B e C, respectivamente. O sinal flui da camada
de entrada até a camada de saı́da de acordo com a orientação das sinapses.
Portanto, o padrão de entrada é fornecido para a rede na camada de entrada
e a rede produz um padrão de saı́da. O padrão de entrada poderia ser a
postura (x, y, θ) de um robô em um ambiente e a saı́da poderia ser a variação
angular ϕ a ser aplicada em suas rodas dianteiras para fazê-lo atingir uma
posição destino.
1.8 Exercı́cios
Exercı́cio 1.1. Mostre usando prova por indução que a soma total dos graus
de todos os vértices de um grafo é sempre par
Exercı́cio 1.2. Mostre que para qualquer grafo, o número de vértices com
grau ı́mpar é par.
Exercı́cio 1.3. Verifique se a seqüência de graus 3, 3, 3, 3, 3, 2, 2, 1 é gráfica.
Se for desenhe o grafo simples correspondente.
Exercı́cio 1.4. Dado um grafo simples G = (V, A), com |V | = n qual é o
significado de nj=1 ai,j para uma dada linha i da matriz de adjacência de G?
P
Exercı́cio 1.5. Sendo M a matriz de adjacência de um grafo G, qual é o

significado combinatorial de M 2 , ou seja, do produto M.M ?
Exercı́cio 1.6. Mostre que todo passeio de v até w contém um caminho de
v até w.
Exercı́cio 1.7. Mostre que todo grafo G simples com um caminho de compri-
mento δ(G) ≥ 2 possui um ciclo de comprimento igual a no mı́nimo δ(G)+1.
Exercı́cio 1.8. Mostre que se D é um dı́grafo com δ + (D) ≥ 1 (ou δ − (D) ≥
1), então D contém um ciclo.
Exercı́cio 1.9. Mostre que um grafo G de raio(G) ≤ k e ∆(G) ≥ 3 tem um
∆(G)
número de vértices inferior a 1 + ∆(G)−2 (∆(G) − 1)k .
Exercı́cio 1.10. Mostre
! que com um conjunto de n vértices distintos é
n
2
possı́vel gerar 2 grafos simples.

1.8 Exercı́cios 31
Exercı́cio 1.11. Mostre que todo dı́grafo acı́clico(sem ciclos) possui vértice
fonte e um vértice sumidouro.
Exercı́cio 1.12. Mostre que um grafo simples G = (V, A) com δ(G) > 0 e
|A| < |V | possui pelo menos dois vértices de grau 1.
Exercı́cio 1.13. Mostre que todo grafo com dois ou mais vértices tem pelo
menos dois vértices de mesmo grau.
Exercı́cio 1.14. Mostre que um multigrafo conexo G = (V, A) é Euleriano

sse o grau de todos os vértices de G for par.
Exercı́cio 1.15. Mostre que dois vértices não adjacentes em um grafo de

Petersen tem exatamente 1 vizinho em comum.

(a)
(b)
Figura 1.16: Mapa topológico de um ambiente do tipo escritório. (a) mostra o

ambiente e o mapa topológico na forma de um grafo (b) destacada o caminho
escolhido para ir da sala A até a sala G.

Figura 1.17: Relacionamento competitivo entre espécies. Figura traduzida

do Livro [4].
Figura 1.18: Representação gráfica de um autômato finito determinı́stico

para reconhecer sentenças.

Figura 1.19: Rede neural multicamada composto por 1 camada de entrada,

1 camada oculta e 1 camada de saı́da.

Capı́tulo 2
Tipos de Grafos e Operações
Este capı́tulo apresenta diversos tipos especiais de grafos e a notação utili-

zada, algumas operações unárias e binárias e exemplos de aplicações. Ini-
cialmente, apresentamos conceitos referentes a grafos completos, vazios, to-
talmente desconexo, entre outros. Em seguida, serão apresentadas algumas
operações como complemento, união, remoção de vértices e arestas.
2.1 Grafos Especiais

Esta seção apresenta algumas classes de grafos comumente usados em diversas
aplicações e também como contra-exemplos.
Grafo Trivial
Um grafo trivial é um grafo com 1 ou nenhum vértice. Quando o grafo não
possui vértices, ele é chamado de grafo vazio. Este tipo de grafo é tipicamente Grafo Vazio
usado como passo inicial em provas por indução e como contra exemplo em
alguns tipos de problemas.
Grafo Totalmente Desconexo

Um grafo totalmente desconexo não possui arestas unindo seus vértices.
Grafo Completo ou Totalmente Conexo

Um grafo completo com n vértices, denotado por Kn , é um grafo simples
que possui uma aresta entre qualquer par de vértices. Devido a isto, este
grafo possui exatamente 12 n(n − 1) arestas. A Figura 2.1 mostra alguns

36 Tipos de Grafos e Operações
grafos completos com (a) 4 (b) 3 (c) 2 e (d) 1 vértices.
(a) (b) (c) (d)
Figura 2.1: Grafos Completos (a)K4 (b) K3 (c) K2 e (d) K1 .
Uma definição similar pode ser aplicada aos dı́grafos. Um dı́grafo é com-
Dı́grafo Com- pleto se para qualquer par de vértices x e y, como x 6= y existem os dois
pleto arcos simétricos (x, y) e (y, x). Vários autores usam a mesma notação de
grafo completo para dı́grafo completo, ou seja, Kn para um dı́grafo ou grafo
completo com n vértices. Neste livro adotaremos esta prática e enfatizaremos
Dı́grafo Semi- se Kn refere-se a um dı́grafo ou a grafo. Um dı́grafo é semicompleto se para
completo cada par de vértices distintos x e y, existe ou o arco (x, y) ou o arco (y, x)
ou ambos.
Grafo Regular
Um grafo G = (V, A) é regular de ordem r se todos os seus vértices
tiverem o grau r, ou seja, ∀v ∈ V,
δ(G) = ∆(G) = d(v) = r
Este tipo de grafo também é chamado de grafo r-regular. Note que todo
grafo completo Kn é um grafo (n − 1)-regular.
Grafo caminho
Um grafo G = (V, A) é um grafo caminho, Pn , composto por n vértices
se ele corresponder a exatamente um caminho de comprimento n − 1. Neste
caso, os vértices inicial e final do caminho possuem grau igual a 1, enquanto
que os demais possuem grau igual a 2.
Grafo Ciclo
Um grafo ciclo Cn , com n ≥ 3, é composto por n vértices e n arestas que
juntos formam um ciclo de tamanho n. Todos os vértices de Cn possuem
grau igual a 2, logo, ele é um grafo 2-regular. A Figura 2.1(b) mostra um

2.1 Grafos Especiais 37
grafo completo K3 que é também um grafo ciclo C3 . A Figura 2.2 mostra os

grafos (a) C4 , (b) C5 e (c) C6 .
(a) (b) (c)
Figura 2.2: Grafos Ciclo (a) C4 (b) C5 e (c) C6 .
Grafo Roda
Um grafo roda Wn , com n ≥ 3, é igual ao grafo Cn adicionado de mais
um vértice, o qual é adjacente a todos os demais. Um grafo Wn possui n + 1
vértices e 2n arestas, onde o vértice adicionado ao Cn possui grau igual a n
e os demais vértices grau igual a 3. A Figura 2.3 mostra os grafos (a) W4 e
(b) W5 .
(a) (b)
Figura 2.3: Grafos Roda (a) W4 e (b) W5 .
Grafo Estrela

Um grafo estrela Sn , com n > 1, é igual a um grafo Wn sem as arestas

que compõem o grafo Cn . Um grafo Sn possui n + 1 vértices e n arestas, onde
o vértice central possui grau igual a n, enquanto que os demais vértices grau
possuem igual a 1. A Figura 2.4 mostra os grafos (a) S3 e (b) S5 .
(a) (b)
Figura 2.4: Grafos Estrela (a) S3 e (b) S5 .
Grafo k-cubo
Um grafo k-cubo, ou hipercubo k-dimensional, denotado por Qk , é um
grafo cujos vértices são formados por seqüências binárias de tamanho k. Dois
vértices são adjacentes neste grafo se suas seqüências correspondentes diferi-
rem em apenas uma posição. Além disso, ele é um grafo regular de grau k.
A Figura 2.5 mostra (a) um grafo Q1 (b) um grafo Q2 e (c) um grafo Q3 .
(a) (b) (c)
Figura 2.5: Grafos k-Cubo (a) Q1 (b) Q2 e (c) Q3 .

2.2 Operações com grafos 39
2.2 Operações com grafos

Em diversos momentos, é necessário realizar algumas operações em grafos
isolados ou pares de grafos. Elas podem ser desde operações para remoção
de vértice/aresta até contrações. Abaixo, apresentamos as operações co-
mumente utilizadas. Nas definições, utilizaremos os seguintes grafos G =
(V, A, φ), G1 = (V1 , A1 , φ1 ) e G2 = (V2 , A2 , φ2 ). Como na maioria das vezes,
a função de incidência φ destes grafos será a função identidade, então ela será
omitida por conveniência.
2.2.1 União
Dados dois grafos (ou dı́grafos) G1 e G2 , definimos a operação de união
por G1 ∪ G2 . O grafo resultante G = (V1 ∪ V2 , A, φ), tem seu conjunto de
vértices oriundo da união dos conjuntos de vértices dos grafos originais. Por
outro lado, o conjunto de arestas A inicialmente é igual a A1 , i.e., A = A1 e
φ(e) = φ1 (e) ∀e ∈ A1 . Cada aresta e0 ∈ A2 deve analisada cuidadosamente
antes de ser inserida em A, pois uma aresta rotulada e0 pode pertencer tanto
a A2 quanto a A1 com φ1 (e) pode ser diferente de φ2 (e). Sendo assim, para
cada e0 ∈ A2 , temos as seguintes situações
• se e0 ∈
/ A, adicionamos e0 em A e assumimos φ(e0 ) = φ2 (e0 ).
• se e0 ∈ A e φ(e0 ) 6= φ2 (e0 ), criamos uma nova aresta em A para e0 , por

exemplo e00 e a adicionamos em A fazendo φ(e00 ) = φ2 (e0 ).
A Figura 2.6(c) ilustra a união de dois grafos (a) G1 e (b) G2 .
(a) (b) (c)
Figura 2.6: A aplicação da operação de união dos grafos (a) G1 e (b) G2

resulta no grafo (c) G = G1 ∪ G2 .

2.2.2 Junção
A operação de junção, representada por + ou ∗, é efetuada em dois grafos G1

e G2 com conjuntos disjuntos de vértices e gera um novo grafo G = G1 + G2 ,
onde G = (V, A), V = V1 ∪ V2 e A = A1 ∪ A2 ∪ A3 , onde A3 é formado
por todos pares não ordenados {v, w}, onde v ∈ V1 e w ∈ V2 . Note que
|V | = |V1 | + |V2 | e |A| = |A1 | + |A2 | + |V1 ||V2 |. A Figura 2.7 ilustra a junção
dos grafos G1 e G2 produzindo o grafo G. As arestas mais grossas em (c) são
as arestas novas, enquanto que as arestas mais finas são as arestas originais
de G1 e G2 .
(a) (b) (c)
Figura 2.7: A aplicação da operação de junção os grafos (a) G1 e (b) G2

resulta no grafo (c) G = G1 + G2 .
2.2.3 Intersecção
A intersecção de dois grafos G1 com G2 é denotada por G1 ∩ G2 e gera

um grafo G = G1 ∩ G2 , onde G = (V1 ∩ V2 , A1 ∩ A2 ). Note que G possui
conjuntos de vértices e de arestas que pertencem tanto a G1 quanto a G2 . Se
G = ∅ então G é um grafo trivial (ver Seção 2.1), caso contrário se V1 ⊂ V2
e A1 ⊂ A2 , então G = G1 , tendo G1 como subgrafo de G2 . A Figura 2.8
ilustra a intersecção de G1 e G2 produzindo G = G1 ∩ G2 .

(a) (b) (c)
Figura 2.8: Operação de intersecção dos grafos (a) G1 e (b) G2 resulta no

grafo (c) G = G1 ∩ G2 .
2.2.4 Produto
O produto de dois grafos, G1 e G2 , é denotado por G1 × G2 e gera um grafo
G = G1 × G2 , onde V = V1 × V2 é o conjunto de todos os pares formados
pelos vértices de V1 e V2 e A é o conjunto de arestas geradas da seguinte
maneira. Considere pi = (ui , wi ) e pj = (uj , wj ) dois vértices do conjunto V ,
i.e., pi , pj ∈ V , onde ui , uj ∈ V1 e wi , wj ∈ V2 . Eles são adjacentes se ui = uj
e (wi , wj ) ∈ A2 ou wi = wj e (ui , uj ) ∈ A1 . O grafo G resultante possui
|V | = |V1 ||V2 | vértices e |A| = |V1 ||A2 | + |V2 ||A1 | arestas.
A Figura 2.9 mostra (c) o grafo resultante do produto dos grafos (a) e
(b). Note que os vértices em (c) são os pares ordenados dos vértices dos
grafos (a) e (b), enquanto que as arestas foram geradas a partir da análise
dos componentes dos pares associados às suas extremidades. Por exemplo,
a aresta {(u1 , w1 ), (u1 , w2 )} existe pois os primeiros componentes dos pares
(u1 , w1 ) e (u1 , w2 ) são iguais e existe aresta entre w1 e w2 no grafo mostrado
em (b).
2.2.5 Complemento
O complemento de um grafo G = (V, A), denotado por Ḡ = (V, A1 ) é um
grafo cujo conjunto de vértices é o mesmo de G, e com um conjunto de arestas
definido da seguinte maneira A1 = {{u, v} : ({u, v} ∈ P(V ) − A) ∧ (u 6= v)},
ou seja, o conjunto A1 é formado por todas as arestas que correspondem aos
pares não ordenados que não pertencem ao conjunto de arestas de G e não
correspondem a laços. O complemento de um grafo Kn é um grafo com n
vértices totalmente desconexo, e o complemento de um grafo desconexo de n

(a) (b) (c)
Figura 2.9: Operação de produto. (c) mostra o resultado do produtos dos

grafos em (a) e (b).
vértices é um grafo completo Kn . O complemento dos grafos mostrados nas

Figuras 2.8(b) e (c) é apresentado nas Figuras 2.10 (a) e (b), respectivamente.
(a) (b)
Figura 2.10: Operação de complemento. (a) e (b) mostram o complemento

dos grafos das Figuras 2.8(b) e (c), respectivamente.
Quando um grafo é isomórfico ao seu complemento, então ele é chamado

de grafo autocomplementar. Grafos Isomórficos são discutidos em detalhes no
Capı́tulo 1.6. Porém podemos adiantar informalmente, que dois grafos são
isomórficos se eles possuem a relação de adjacência (estrutural) entre seus
vértices. Figura 2.11(a) mostra um grafo G autocomplementar, e (b) seu
complemento, Ḡ. Observe que tanto G quanto Ḡ correspondem a um C5 .

(a) (b)
Figura 2.11: Grafo autocomplementar. (a) grafo exemplo e (b) seu comple-
mento.
2.2.6 Remoção
A operação de remoção aplicada a um grafo G = (V, A) retira ou um con-
junto de arestas ou um conjunto de vértices e as arestas incidentes neste
conjunto. Para um grafo G, a remoção de um vértice v, representada por
G − v, causa a remoção tanto de v quanto das arestas incidentes a v. En-
quanto que a operação G − e, com e = {u, v}, leva à retirada da aresta
{u, v}.
Seja Sv ⊆ V , então G1 = G − Sv é o grafo resultante da retirada de todos
os vértices v ∈ Sv e de suas arestas incidentes. Logo, G1 = (V1 , A1 ) onde
V1 = V − Sv e A1 = {(u, w) ∈ A : u, w ∈ V1 }. Observe que G1 = G[V − Sv ],
ou seja, é G1 é o subgrafo de G induzido por V − Sv .
Seja Sa ⊆ A, então G2 = G − Sa é o grafo resultante da retirada das
arestas a ∈ Sa . Logo, G2 = (V2 , A2 ) onde V2 = V e A2 = A − Sa , i.e.,
G2 = G[A − Sa ] é o subgrafo de G induzido por Sa . A Figura 2.12 ilustra
(a) um grafo G e os grafos (b) G − Sv e (c) G − Sa , onde Sv = {1, 2}
e Sa = {{1, 2}, {1, 4}, {1, 5}, {4, 5}, {2, 5}}. Note que os grafos (b) e (c)
correspondem aos grafos induzidos G[V − Sv ] e G[A − Sa ], respectivamente.
2.2.7 Contração
Uma operação de contração, também chamada de arco-contração, em um
grafo G afeta uma aresta a, em particular, a transformando em um novo
vértice v. Esta operação é representada por G/a e consiste na remoção da
aresta a = {u, w} e de seus vértices u e w e subsequente inserção de um novo

(a) (b) (c)
Figura 2.12: Exemplo da aplicação da operação de remoção. (a) grafo

G, (b) grafo G − Sv e (c) grafo G − Sa , onde Sv = {1, 2} e Sa =
{{1, 2}, {1, 4}, {1, 5}, {4, 5}, {2, 5}}.
vértice v e re-ligação das arestas incidentes tanto a u quanto a w em G a

este novo vértice. Esta operação é particularmente importante para verificar
a planaridade de certos grafos e para o cálculo do número de árvores de
espalhamento de um grafo, como será discutido adiante no Capı́tulo 7 e 6.3.
Dependendo do grafo e da aresta escolhida é possı́vel que um grafo simples
passe a ser multigrafo, ou um multigrafo passe a ser pseudografo.
A Figura 2.13 ilustra (a) um grafo G e (b) a operação arco-contração G/a
aplicada à aresta a. A aresta a deu origem ao vértice v, e todas as arestas
incidentes às extremidades de a são agora incidentes em v. Enquanto G é
simples, G/a é um multigrafo. (c) mostra a operação de arco-contração no
grafo G/a aplicada à aresta b, produzindo (G/a)/b. A aresta b deu origem
ao vértice m e a um laço. O multigrafo G/a passou a ser um pseudografo
(G/a)/b.
2.2.8 Supressão e Subdivisão

A operação de supressão de um vértice é realizada apenas em vértices de
grau 2 e consiste no seguinte processo. Seja G = (V, A) um grafo qualquer
e v um vértice adjacente a dois vértices u e w. A operação de supressão
de v, remove v do conjunto V e cria uma aresta entre u e w produzindo
um novo grafo G0 = (V 0 , A0 ). O grafo G0 é chamado grafo reduzido de G
Grafo Homeo- ou grafo homeomorficamente reduzido de G. Ele possui V 0 = V − v e
morficamente A0 = A − A1 + {u, w}, com A1 = {(v, u), (v, w)}.
Reduzido A operação inversa é chamada subdivisão de arestas. Ela consiste em
Subdivisão de inserir vértices de grau 2 nas arestas do grafo criando subdivisões de ares-
Grafo tas. Esta operação funciona da seguinte maneira. Seja G = (V, A) um grafo
qualquer, v um vértice novo e uma aresta a = {u, w}. A operação de sub-

(a) (b) (c)
Figura 2.13: Operação de arco-contração aplicada (a) ao grafo G na aresta a,

resultado em (b) no grafo G/a. A figura (c) mostra o resultado da operação
(G/a)/b.
divisão de a, remove a aresta a, i.e., G − {u, w}, e cria duas novas arestas
{u, v} e {v, w}. produzindo um novo grafo G0 = (V 0 , A0 ). Este grafo possui
V 0 = V ∪ {v} e A0 = A − {u, w} + A1 , com A1 = {(v, u), (v, w)}. Logo,
dizemos que G0 é uma subdivisão de G.
As Figuras 2.14(a) e (b) ilustram os resultados das operações de subdi-
visão e de supressão, respectivamente. (a) é subdivisão de (b) obtida a partir
da subdivisão da aresta {4, 3} de (b). Enquanto que (b) é um grafo reduzido
de (a), obtido a partir da supressão do vértice 7.
2.2.9 Decomposição
A operação de decomposição de um grafo G gera um conjunto de subgrafos
G1 , G2 , . . . tal que cada aresta de G aparece exatamente uma única vez em um
único subgrafo, ou seja, considerando que o conjunto de arestas do grafo Gi
é Ai , temos Ai ∩ Aj = ∅, ∀ i 6= j. Os subgrafos gerados podem compartilhar
vértices, entretanto não podem compartilhar arestas. Em algumas áreas, a
decomposição é uma ferramenta útil, pois é possı́vel isolar cada parte do
grafo, estudá-las separamente e em seguida combinar os resultados obtidos.
O grafo 3-cubo, Q3 , mostrado na Figura 2.15(a) é decomposto em 4
caminhos P4 ilustrados em (b). Estes caminhos são mostrados através de
arestas grossas e finas. Considerando apenas os vértices temos os caminhos
(1, 2, 6, 5), (3, 1, 5, 7), (2, 4, 8, 6) e (8, 7, 3, 4).

(a) (b)
Figura 2.14: Operações de Supressão e Subdivisão. (a) é uma subdivisão do

grafo em (b), e (b) é um grafo reduzido de (a).
2.2.10 Operador Linha L

Para facilitar a solução de certos problemas, convém realizar o mapeamento
das linhas do grafo para vértices e vice-versa. Este mapeamento é realizado
pelo operador L, o qual recebe como operando um grafo(ou um dı́grafo) e
Grafo Linha retorna um novo grafo (ou digrafo), chamado grafo linha (ou dı́grafo linha).
Dı́grafo Linha Dado um grafo G = (V, A), o grafo linha L(G) = (VL , AL ) correspondente
é construı́do da seguinte maneira. Cada aresta {v, u} ∈ A dá origem a um
vértice vu em L(G), i.e., um vértice vu ∈ VL se e somente se {v, u} ∈ A. A
adjacência entre os vértices em L(G) é definida da seguinte maneira. Dois
vértices distintos uv, xw ∈ VL são adjacentes se as arestas correspondentes
em G são adjacentes, i.e., {u, v} ∩ {x, w} = 6 ∅.
A Figura 2.16(a) mostra um grafo simples G composto de arestas com
rótulos a − f , enquanto que (b) mostra o grafo linha L(G) correspondente.
Cada aresta em (a) é mapeada para um vértice em (b). A adjacência dos
vértices em L(G) é dada pela adjacência das arestas em G. Por exemplo,
o vértice a em L(G) é adjacente aos vértices b, e, f , pois em G a aresta a é
adjacente às arestas b, e, f , ou seja, ela compartilha vértices com as arestas
b, e, f . O mesmo ocorre com o vértice c em L(G). Ele é adjacente aos vértices
b, d, f , pois a aresta c no grafo G compartilha vértices com as arestas b, f, d.
Um dı́grafo linha é construı́do a partir de idéias similares levando em
consideração a orientação dos arcos do dı́grafo original. Dado um dı́grafo
D = (V, A), o dı́grafo linha L(D) = (VL , AL ) correspondente é construı́do da

(a) (b)
Figura 2.15: Decomposição do (a) grafo Q3 em (b) quatro grafos P4 .
seguinte maneira. Cada arco (v, u) ∈ A dá origem a um vértice vu em L(D)

e existe um arco com origem em vu ∈ AL e destino em xw ∈ AL se e somente
se para os arcos correspondentes (v, u) e (x, w) em D, u = x, ou seja, se o
vértice destino u do arco (v, u) for igual ao vértice origem do arco (x, w).
A Figura 2.17(a) mostra um dı́grafo simples D = (V, A) composto de
arestas com rótulos a − f , enquanto que (b) mostra o dı́grafo linha L(D) =
(VL , AL ) correspondende. Cada arco em (a) é mapeado para um vértice em
(b). A adjacência entre os vértices em L(D) é dada considerando a orientação
dos respectivos arcos.
Grafos Linha são importantes em diversos problemas, como o problema
de coloração de arestas. Para colorir as arestas de um grafo G podemos usar
as técnicas padrão de coloração de vértices porém no grafo L(G). O cálculo
dos emparalhemanto maximais segue a mesma idéia. Para encontrar os em-
parelhamentos maximais de um grafo G, podemos empregar o método para
encontrar os conjuntos independente em L(G). Estes problemas serão discu-
tidos nas Seções 4.5 e 8, sobre emparelhamento e coloração, respectivamente.
2.3 Exercı́cios
Exercı́cio 2.1. Determine o número de arcos de um dı́grafo completo Kn .
Exercı́cio 2.2. Mostre que um grafo Kn possui 12 n(n − 1) arestas.
Exercı́cio 2.3. Determine quantas arestas e quantos vértices possui um Qk .

(a) (b)
Figura 2.16: Grafo linha (b) L(G) do grafo G em (a).
Exercı́cio 2.4. Determine o grafo resultante da operação K2 + K3 .

Exercı́cio 2.5. Determine o grafo resultante da operação de arco contração
na aresta {4, 7} no grafo na Figura 2.14(a). Em seguida o compare com o
grafo mostrado na Figura 2.14(b).
Exercı́cio 2.6. Mostre que o número máximo de aresta entre todos os p
vértices de um grafo com nenhum triângulo é dp2 /4e
Exercı́cio 2.7. Dado um grafo G(V, A), mostre que para qualquer vértice v,
dG (v) + dḠ (v) = n − 1, onde dG (v) é o grau do vértice v no grafo G.
Exercı́cio 2.8. Prove ou refute : Se todo vértice de um grafo simples G =
(V, A), com |V | = n, tiver grau 2, então G é um grafo Cn .
Exercı́cio 2.9. Mostre que se G é um grafo simples então diam(G) ≥ 3
implica diam(Ḡ) ≤ 3.
Exercı́cio 2.10. Mostre que Kn+p = Kn + Kp , i.e., a junção de dois grafos
completos Kn e Kp é um grafo completo Kn+p .
Exercı́cio 2.11. Mostre que o complemento de um caminho de comprimento
3 é um caminho de comprimento 3.
Exercı́cio 2.12. Mostre que para qualquer Grafo G com 6 vértices, G ou Ḡ
possui um triângulo.
Exercı́cio 2.13. Prove que G ∼
= H sse Ḡ ∼= H̄.

(a) (b)
Figura 2.17: Dı́grafo linha (b) L(D) do dı́grafo D em (a).


Capı́tulo 3
Conectividade
Em vários problemas do mundo real é necessário verificar se existe ou não

pelo menos um caminho entre um par de vértices u e v. Se este caminho
existe e caso venha a ser bloqueado, é possı́vel ir de u para v (ou o contrário)
através de um caminho alternativo? Se sim, por quantos caminhos alternati-
vos? Responder estas e outras perguntas deste tipo é do interesse de diversas
áreas, entre elas robótica e redes de computadores. Na robótica móvel, exis-
tem diversos algoritmos baseados em busca em grafos que encontram um
caminho ou o caminho mais curto entre duas posições desejadas a partir de
um mapa dado, como discutido na Seção 1.7.2. Algoritmos, como estes, po-
dem ser utilizados para planejar caminhos para robôs não-tripulados aéreos
ou aquáticos; ou na área de redes de computadores, para a transmissão de
dados entre computadores geograficamente distante.
Nos exemplos acima, comentamos brevemente apenas a descoberta de ca-
minhos entre dois pontos, porém de igual importância é considerarmos esta
descoberta de caminhos quando ocorrem falhas. Por exemplo, se o cami-
nho que um robô está seguindo estiver bloqueado por um obstáculo móvel, é
possı́vel atingir a posição desejada por um caminho alternativo? Se durante
a transmissão de um pacote, um computador, que faz parte do caminho que
o pacote deverá seguir, falhar, este pacote será perdido ou seguirá por um
caminho alternativo? Notem que em ambos os casos, é importante sabermos
se existem ou não vários caminhos entre qualquer par de vértices e se não
existirem, quais pares de vértices poderão ser afetados caso surja algum im-
previsto? No caso da rede de computadores, a falha em um computador pode
fazer com que uma parte da rede não se comunique mais com a(s) outra(s).
Este seria o mesmo caso de um rompimento de um cabo de fibra ótica que

52 Conectividade
liga dois servidores. Identificar o(s) computador(es) que gera(m) esta des-
conexão é extremamente importante, pois é possı́vel tomar uma providência
de forma a aumentar a tolerância a este tipo de falha. No caso de um robô
móvel, este poderá ficar parado economizando energia ou retornar ao seu
ponto de partida. Este capı́tulo apresenta os aspectos teóricos subjacentes
aos questionamentos apresentados.
3.1 Relação de Vizinhança Estendida e Fe-

chamento Transitivo
Na Seção 1.2 definimos as funções multivaloradas τ , τ + e τ − , onde a função
τ permite calcular os vértices vizinhos a um dado vértice em um grafo, en-
quanto que as funções τ + e τ − permitem determinar os vértices atingı́veis e
que atingem um dado vértice em um dı́grafo, respectivamente. Estas funções
podem ser estendidas para considerar ao invés de um único vértice um sub-
conjunto de vértices.
Dados um grafo G = (V, A) e um dı́grafo D = (Vd , Ad ), definimos a
extensão das funções multivaloradas τ , τ + e τ − , como
τ (v), Γ+ (Sd ) = τ + (v) e Γ− (Sd ) = τ − (v)
[ [ [
Γ(S) =
v∈S v∈Sd v∈Sd
onde S e Sd são subconjuntos não-vazio de vértices, S ⊆ V , Sd ⊆ Vd ; Γ : 2V ;

Funções Esten- 2V é a função estendida de vizinhança; Γ+ : 2Vd ; 2Vd é a função estendida
didas de Vizi- de vizinhança direta; e Γ− : 2Vd ; 2Vd é a função estendida de vizinhança
nhança em Gra- inversa. A função Γ(S) mapeia S para o conjunto de vértices vizinhos aos
fos e Dı́grafos vértices v ∈ S, enquanto que as funções Γ+ (Sd ) e Γ− (Sd ) mapeiam Sd para o
conjunto dos vértices atingı́veis a partir de e que atingem os vértices vd ∈ Sd ,
respectivamente. Por definição Γ(∅) = Γ+ (∅) = Γ− (∅) = ∅.
Estas funções podem ser aplicadas sucessivamente para calcular os vizi-
nhos de um vértice v a uma dada distância. Por exemplo, a composição
Γ(Γ({v})) = Γ2 ({v}) fornece todos os vértices atingı́veis por um passeio de
comprimento 2 a partir de v, enquanto que Γn ({v}), retorna todos os vértices
atingı́veis por um passeio de comprimento n. Analogamente, podemos apli-
car sucessivamente as funções Γ+ e Γ− . Por exemplo, Γ+n ({v}) fornece todos
os vértices atingı́veis por um passeio direcionado de comprimento n a partir
de v, enquanto que Γ−n ({v}) retorna todos os vértices que atingem v através
de um passeio direcionado de comprimento n.

3.1 Relação de Vizinhança Estendida e Fechamento Transitivo 53
Considere o grafo da Figura 3.1(a) e os seguintes conjuntos de vértices

V1 = {1}, V2 = {2, 3} e V3 = {3, 4}. Abaixo são listados os resultados da
aplicação da função Γ nestes conjuntos.
Γ(V1 ) = Γ({1}) = τ (1) = {5};
Γ(V2 ) = Γ({2, 3}) = τ (2) ∪ τ (3) = {5, 6} ∪ {5, 4} = {4, 5, 6}
Γ(V3 ) = Γ({3, 4}) = τ (3) ∪ τ (4) = {5, 4} ∪ {3, 6} = {3, 4, 5, 6}
Usando o resultado anterior, calculamos Γ2 para cada conjunto novamente

Γ2 (V1 ) = Γ(Γ(V1 )) = Γ({5}) = {1, 2, 3, 6};
Γ2 (V2 ) = Γ(Γ(V2 )) = Γ({4, 5, 6}) = τ (4) ∪ τ (5) ∪ τ (6) = {1, 2, 3, 4, 5, 6}
Γ2 (V3 ) = Γ(Γ(V3 )) = Γ({3, 4, 5, 6}) = τ (3)∪τ (4)∪τ (5)∪τ (6) = {1, 2, 3, 4, 5, 6}
(a) (b)
Figura 3.1: Aplicação da função multivalorada no grafo em (a) e no dı́grafo

em (b).
Para o dı́grafo da Figura 3.1(b), encontramos os resultados abaixo para a

aplicação das funções Γ+ e Γ− nos conjuntos de vértices V1 = {1}, V2 = {2, 3}
e V3 = {3, 4}.
Γ+ (V1 ) = τ + (1) = {3, 5}
Γ+ (V2 ) = τ + (2) ∪ τ + (3) = {6} ∪ {5} = {5, 6}
Γ+ (V3 ) = τ + (3) ∪ τ + (4) = {5} ∪ {3} = {3, 5}
Γ− (V1 ) = τ − (1) = ∅
Γ− (V2 ) = τ − (2) ∪ τ − (3) = {5} ∪ {1, 4} = {1, 4, 5}
Γ− (V3 ) = τ − (3) ∪ τ − (4) = {1, 4} ∪ {6} = {1, 4, 6}
A aplicação das funções Γ+2 e Γ−2 nos conjuntos V1 , V2 e V3 resulta em

Γ+2 (V1 ) = Γ+ ({3, 5}) = τ + (3) ∪ τ + (5) = {2, 5, 6}

54 Conectividade
Γ+2 (V2 ) = Γ+ ({5, 6}) = τ + (5) ∪ τ + (6) = {2, 4, 6}

Γ+2 (V3 ) = Γ+ ({3, 5}) = τ + (3) ∪ τ + (5) = {2, 5, 6}
Γ−2 (V1 ) = Γ− (∅) = ∅;

Γ−2 (V2 ) = Γ− ({1, 4, 5}) = τ − (1) ∪ τ − (4) ∪ τ − (5) = {1, 3, 6}
Γ−2 (V3 ) = Γ− ({1, 4, 6}) = τ − (1) ∪ τ − (4) ∪ τ − (6) = {2, 5, 6}
A partir das funções estendidas de vizinhança para grafos e dı́grafos,

Função de Fe- podemos definir a função de fechamento transitivo Γ̂ : V ; 2V para grafos,
chamento Tran- e as funções de fechamento transitivo direto Γ̂+ : Vd ; 2Vd e inverso Γ̂− :
sitivo Vd ; 2Vd para dı́grafos. Dado um vértice v, a função Γ̂(v) é definida por
Γ̂(v) = {v} ∪ Γ({v}) ∪ Γ2 ({v}) ∪ . . . ∪ Γn ({v}) ∪ . . .
e retorna todos os vértices que são atingı́veis a partir de v através de um

passeio de qualquer comprimento. A função Γ̂+ (v) é definida por
Γ̂+ (v) = {v} ∪ Γ+ ({v}) ∪ Γ+2 ({v}) ∪ . . . ∪ Γ+n ({v}) ∪ . . .
e retorna o conjunto de todos os vértices que v consegue atingir a partir de

um passeio direcionado de qualquer comprimento. Enquanto que a função
Γ̂− (v) é definida por
Γ̂− (v) = {v} ∪ Γ− ({v}) ∪ Γ−2 ({v}) ∪ . . . ∪ Γ−n ({v}) ∪ . . .
e retorna todos os vértice que atingem v através de um passeio direcionado

de qualquer comprimento.
Aplicando a função Γ̂ no vértice 1 do grafo ilustrado na Figura 3.1(a),
temos
Γ̂(1) = {1} ∪ Γ({1}) ∪ Γ2 ({1}) ∪ . . . = {1, 2, 3, 4, 5, 6}
Observe que temos Γ̂(v) = V para todo v ∈ V .
A função Γ̂+ quando aplicada aos vértices do dı́grafo ilustrado na Fi-
gura 3.1(b) resulta em
Γ̂+ (1) = {1} ∪ Γ+ ({1}) ∪ Γ+2 ({1}) ∪ . . . = {1, 2, 3, 4, 5, 6}
Γ̂+ (2) = Γ̂+ (3) = Γ̂+ (4) = Γ̂+ (5) = Γ̂+ (6) = {2, 3, 4, 5, 6}
Como todos os vértices com exceção do vértice 1 estão dentro de um ciclo
direcionado, um pode atingir o outro dentro do ciclo através de um caminho

3.2 Grafos Conexos e Desconexos 55
direcionado. Em relação à função Γ̂− , sua aplicação nos vértices do dı́grafo

da Figura 3.1(b) resulta em
Γ̂− (1) = {1} ∪ Γ− ({1}) ∪ Γ−2 ({1}) ∪ . . . = {1}
Γ̂− (2) = Γ̂− (3) = Γ̂− (4) = Γ̂− (5) = Γ̂− (6) = {1, 2, 3, 4, 5, 6}
De forma similar ao apresentado anteriormente, com exceção do vértice 1,
todos os vértices são atingı́veis a partir dos demais vértices do dı́grafo. Em
um dı́grafo se v é um vértice fonte então Γ̂− (v) = {v}, enquanto que se v for
um vértice sumidouro, temos Γ̂+ (v) = {v}.
3.2 Grafos Conexos e Desconexos

Um grafo não vazio é chamado grafo conexo se existe um caminho entre Grafo Conexo
qualquer par de vértices, caso contrário, ele é chamado grafo desconexo. A Grafo Desco-
Figura 3.2(a) mostra um exemplo de grafo conexo G1 = (V1 , A1 ) onde existe nexo
um caminho1 entre cada par de vértices, por exemplo, existe um caminho de
comprimento 1 entre os vértices 1 e 2, um caminho de comprimento 3 entre
os vértices 2 e 5, etc. Observe que a função de fechamento transitivo quando
aplicada a qualquer vértice de G1 retorna todo o seu conjunto de vértices,
i.e., Γ̂(v) = V1 , para todo v ∈ V1 . Por outro lado, o grafo G2 = (V2 , A2 )
ilustrado na Figura 3.2(b) mostra que existem vértices que não são atingı́veis
a partir de outros, por exemplo, não existe caminho entre os vértices 1 e 5,
tão pouco entre os vértices 2 e 6. Logo, este grafo é desconexo, pois para
qualquer vértice v ∈ V2 , temos Γ̂(v) 6= V2 .
Qualquer grafo G = (V, A) possui um subgrafo G[V 0 ], induzido2 por um
conjunto de vértices V 0 ⊆ V , que é conexo. Se V 0 não está contido pro-
priamente em outro conjunto de vértices V 00 de forma que o grafo, G[V 00 ] ,
seja conexo, então G[V 0 ] é um subgrafo conexo maximal, sendo chamado de
componente conexo de G. Componente
Conexo
Definição 3.1. Um componente conexo de um grafo G é um subgrafo
conexo de G que não é um subgrafo próprio de outro subgrafo conexo de G.
1
Para que um grafo seja conexo é importante que exista um caminho de qualquer
comprimento entre cada par de vértices
2
O conceito de grafo induzido é apresentado na Seção 1.1

56 Conectividade
(a) (b)
Figura 3.2: Conectividade: (a) grafo conexo e (b) grafo desconexo.
Considere o grafo G1 = (V1 , A1 ) na Figura 3.2(a), o grafo induzido,G1 [V 0 ],

pelo conjunto de vértices V 0 = {1, 2} é conexo. Porém, este grafo não é
maximal, pois o grafo G1 [V 00 ] com V 00 = {1, 2, 3} é conexo, i.e., G1 [V 0 ] ⊂
G1 [V 00 ]. Entretanto G1 [V 00 ] ainda não é maximal pois o grafo G1 [V1 ] é conexo,
i.e., o grafo G1 induzido por todos os vértices de V1 ainda é conexo. Logo,
G1 possui um único componente conexo que é o próprio grafo. Por outro
lado, o grafo G2 = (V2 , A2 ) na Figura 3.2(b) possui 2 componentes conexos,
formados pelos grafos induzidos G2 [V 0 ] e G2 [V 00 ], com V 0 = {1, 2, 3, 4} e
V 00 = {5, 6}. Observe que Γ̂(v 0 ) = V 0 , ∀v 0 ∈ V 0 e Γ̂(v 00 ) = V 00 , ∀v 0 ∈ V 00 .
Dado um grafo G, podemos então particionar seu conjunto de vértices V
em subconjuntos V1 , V2 , . . . , Vn tal que
[
Vi = V e Vi ∩ Vj = ∅, ∀i 6= j
i
de forma que G[V1 ], G[V2 ],. . . G[Vn ] sejam subgrafos conexos maximais de G.
Cada G[Vi ] é um componente conexo e Ω(G) = n é o número de componentes
conexos de G. Se G é um grafo conexo então Ω(G) = 1, caso contrário se
G é desconexo, então Ω(G) > 1. Se G é um grafo vazio, então Ω(G) = 0.
Usando o exemplo anterior, temos Ω(G1 ) = 1 e Ω(G2 ) = 2.
3.3 Vértice de Corte

Em alguns grafos simples, a remoção de apenas um único vértice, chamado
vértice de corte, faz com que o grafo se torne desconexo. Entretanto o au-
mento do número de componentes conexo não é condição necessária para
que um vértice seja de corte. Formalmente, um vértice de corte é qualquer

3.3 Vértice de Corte 57
vértice v de um grafo genérico G que permite particionar o conjunto de ares-

tas de G em E1 e E2 de maneira que os grafos induzidos G[E1 ] e G[E2 ] por
estes conjuntos tenham apenas v em comum. A Figura 3.3(a) mostra um
grafo simples com os vértices de corte 4 e 5, enquanto que (b) mostra um
pseudografo com os vértices de corte 2, 4, 5 e 6.
(a) (b)
Figura 3.3: Conectividade.(a) grafo simples com os seguintes vértices de corte

{4, 5} e (b) pseudo grafo com os seguintes vértices de corte: {2, 4, 5, 6}.
Quando o grafo é simples, a remoção de um vértice de corte apenas au-

menta o número de seus componentes conexos. Se o grafo é um pseudografo,
esta remoção pode não resultar no aumento do número de componentes co-
nexos. Por exemplo, a remoção do vértice 6 no grafo 3.3(b) não aumenta a Vértice de Corte
quantidade de componentes conexo, porém este vértice permite particionar × Pseudografo
o conjunto de arestas em dois subconjuntos, um formado pelo laço em 6 e o
outro formado pelas demais arestas, de maneira que tenham apenas o vértice
6 em comum. Para um grafo não trivial simples, um vértice v é chamado
vértice de corte se e somente se Ω(G − v) > Ω(G).
Quando um grafo não possui um vértice corte então ele é chamado grafo
não separável. Um bloco de um grafo G é um subgrafo não separável maxi- Grafo não se-
mal, i.e., este subgrafo não está contido propriamente em outro subgrafo não parável
separável de G. Se todo o grafo é não separável então ele próprio é um bloco. Bloco
O grafo da Figura 3.3(a) pode ser decomposto em 3 subgrafos, ilustrados
na Figura 3.4, onde cada subgrafo é um bloco. Enquanto que o grafo da
Figura 3.3(b) possui 4 blocos, ilustrados na Figura 3.5.
Teorema 3.1. Para um vértice v de um grafo simples conexo G = (V, A),
as seguintes afirmações são equivalentes:
1. o vértice v é um vértice de corte de G.

58 Conectividade
Figura 3.4: Blocos do grafo mostrado na Figura 3.3(a).
Figura 3.5: Blocos do grafo mostrado na Figura 3.3(b).
2. existem vértices w e u distintos de v tal que todo caminho entre w e u

passa por v.
3. existe um particionamento do conjunto de vértices V − v em dois sub-

conjuntos V1 e V2 tal que qualquer caminho entre u ∈ V1 e w ∈ V2 passa
obrigatoriamente pelo vértice v.
Alguns grafos não possuem vértice de corte, porém possuem um subcon-
junto de vértices cuja remoção resulta ou em um grafo desconexo ou em um
grafo trivial. Para um grafo G, este subconjunto é chamado de conjunto
Conjunto Sepa- separador de G. Um grafo é chamado k-conexo (ou k-vértice conexo) se o
rador tamanho do menor conjunto separador é k. Neste caso, dizemos que a co-
Conectividade nectividade de vértice ou apenas conectividade do grafo, representada por
de Vértice κ(G), é igual a k, i.e., κ(G) = k. Por definição κ(G) = 0, se o grafo G é
trivial ou desconexo, e κ(Kn ) = n − 1, ∀n ≥ 1. Os conjuntos separadores
que são minimais são comumente chamados de conjunto de corte de vértices,

3.4 Aresta de Corte 59
i.e., conjuntos separadores que não possuem um subconjunto próprio que é

separador. Conjunto
O grafo G ilustrado na Figura 3.3(a) possui vários conjuntos separadores, de Corte de
entre eles, temos, V1 = {2, 3, 4}, V2 = {3, 4} e V3 = {5}. Apenas o conjunto Vértices
V3 é um conjunto de corte de vértices, pois tanto V1 quanto V2 possuem
subconjuntos próprios que são separadores. Por exemplo, V1 possui dois
subconjuntos {2, 3} e {4} que são separadores e também conjunto de corte
de vértices, sendo que o último possui um vértice de corte. Eles têm tamanho
2 e 1, respectivamente. Por outro lado, V2 possui o subconjunto {4} que é
separador e também de corte de vértices. A conectividade de vértice deste
grafo é κ(G) = 1, pois o menor conjunto de corte de vértices tem tamanho
igual a 1. Logo, este grafo é um grafo 1-conexo ou 1-vértice conexo.
Podemos definir a conectividade entre dois vértices não adjacentes u e v, Conectividade
denotada por κ(u, v), como o menor número de vértices cuja remoção separa entre Vértices
u de v, i.e., faz com que não exista um caminho entre u e v. Menger mostrou
que esta conectividade está intimamente relacionada ao número de caminhos
disjuntos que unem u e v no grafo. Baseado nisto temos abaixo uma das
versões do Teorema do Menger.
Teorema 3.2 ([5]). Considere um grafo G = (V, A) e dois vertices u, v ∈ V
não adjacentes, o número mı́nimo de vértices que separam u de v é igual a
número máximo de caminhos disjuntos entre u e v em G.
A partir daı́ temos o seguinte teorema sobre conectividade de vértices de
um grafo qualquer.
Teorema 3.3. Um grafo é k-vértice conexo se e somente se existem k cami-
nhos disjuntos entre qualquer par de vértices.
Para um grafo que não é completo G = (V, A), temos κ(G) = min κ(u, v)
considerando todos os pares de vértices não adjacentes u, v ∈ V .
3.4 Aresta de Corte

Uma aresta a de um grafo G é chamada de aresta de corte, ou ponte, se Ponte
sua remoção aumentar o número de componentes conexos de G, ou seja,
Ω(G − a) > Ω(G). A principal caracterı́stica de uma aresta de corte é que ela
não está contida nos ciclos de G. As Figuras 3.3(a) e (b) mostram as arestas
de corte através de arestas mais grossas.

60 Conectividade
Teorema 3.4. Para uma aresta a de um grafo conexo G = (V, A), as se-
guintes afirmações são equivalentes:
1. a aresta a é uma aresta de corte de G.
2. a aresta a não está contida nos ciclos de G.
3. existem vértices w e u distintos tal que todo caminho entre w e u passa
por a.
4. existe um particionamento do conjunto de vértices V em dois subcon-
juntos V1 e V2 tal que qualquer caminho entre u ∈ V1 e w ∈ V2 passa
obrigatoriamente pela aresta a.
De forma similar ao exposto para vértices de corte, alguns grafos não
possuem aresta de corte, porém possuem um subconjunto de aresta cuja
remoção resulta ou em um grafo desconexo ou em um grafo trivial. Para um
Conjunto Desco- grafo G, este conjunto é chamado de conjunto desconector de G. Portanto,
nector um grafo é chamado k-aresta conexo se o tamanho do menor conjunto des-
Conectividade conector é k. Neste caso, dizemos que a conectividade de aresta do grafo,
de Aresta representada por λ(G), é igual a k, i.e., λ(G) = k. Por definição λ(G) = 0,
se o grafo for trivial ou desconexo e λ(G) = 1 se o grafo for conexo e possuir
Conjunto de uma aresta de corte. Os conjuntos desconectores minimais são chamados de
Corte de Ares- conjunto de corte de arestas, i.e., conjuntos desconectores que não possuem
tas um subconjunto próprio que é desconector.
O grafo G ilustrado na Figura 3.3(a) possui vários conjuntos desconecto-
res, entre eles, temos, D1 = {{2, 4}, {3, 4}, {2, 3}}, D2 = {{2, 4}, {3, 4}, {4, 5}}
e D3 = {{5, 6}}. Apenas o conjunto D3 é um conjunto de corte de arestas,
pois tanto D1 quanto D2 possuem subconjuntos próprios que são desconecto-
res. Por exemplo, D1 possui o subconjunto {{2, 4}, {3, 4}} que é desconector
e também um conjunto de corte de arestas de tamanho 2. D2 possui dois
subconjuntos {{2, 4}, {3, 4}} e {{4, 5}} que são desconectores. O primeiro
tem tamanho igual a 2 enquanto o segundo tem tamanho igual a 1. Este
último é composto por uma aresta de corte. A conectividade de aresta deste
grafo é λ(G) = 1, pois o menor conjunto de corte de arestas tem tamanho
igual a 1. Logo, este grafo é um grafo 1-aresta conexo.
Conectividade Podemos definir a conectividade de aresta entre dois vértices u e v, deno-
de Aresta entre tada por λ(u, v), como o menor número de arestas cuja remoção separa u de
Vértices v, i.e., que faz com que u não seja atingido por v (vice-versa). De forma simi-
lar ao apresentado para vértices, a conectividade de aresta está intimamente

3.5 Conectividade em Dı́grafos 61
relacionada ao número de caminhos aresta-disjuntos que unem vértices u e

v. Baseado nisto temos o seguinte Teorema.
Teorema 3.5 ([5]). Considere um grafo G=(V,A) e dois vertices distintos

v1 , v2 ∈ V , o número mı́nimo de arestas que separam v1 de v2 é igual a
número máximo de caminhos aresta-disjuntos entre v1 e v2 em G.
A partir daı́ temos o seguinte teorema sobre conectividade de aresta de

um grafo qualquer.
Teorema 3.6. Um grafo G = (V, A) é k-aresta conexo se e somente se ele

possuir no k caminhos aresta-disjuntos entre qualquer par de vértices.
Portanto para um grafo G = (V, A) não trivial, temos λ(G) = min λ(u, v)
para qualquer par de vértices distintos u, v ∈ V . A relação entre a conecti-
vidade de vértice, a conectividade de arestas e o menor grau de um grafo G
é dada pelo seguinte Teorema.
Teorema 3.7 ([6]). Para qualquer grafo G,
κ(G) ≤ λ(G) ≤ δ(G)
3.5 Conectividade em Dı́grafos

Quanto à conectividade, um dı́grafo pode ser classificado de três formas dis-
tintas:
• fracamente conexo ou fraco se seu grafo subjacente é conexo, ou seja, Dı́grafo Fraca-
para cada par de vértices existe um semi-caminho. Note que todo mente Conexo
dı́grafo conexo é fracamente conexo.
• unilateralmente conexo ou unilateral se para cada par v e u de vértices Dı́grafo Uni-

existe um caminho direcionado ou de v para u ou de u para v ou ambos. lateralmente
Conexo
• fortemente conexo ou forte se existe um caminho direcionado entre cada Dı́grafo Forte-
par de vértices. mente Conexo
Usando as funções de fechamento transitivo inverso e direto, um dı́grafo
D = (V, A) é fortemente conexo se e somente se Γ̂+ (v) = Γ̂− (v) = V , para
todo v ∈ V . Ou seja, qualquer vértice pode atingir ou ser atingido pelos

62 Conectividade
demais vértices do dı́grafo através de um caminho direcionado. A relação

entre os diferentes tipos de dı́grafos é a seguinte
dı́grafos fortes ⊂ dı́grafos unilaterais ⊂ dı́grafos fracos.
De forma análoga aos grafos quantos aos componentes conexos, um dı́grafo
pode possuir três diferentes tipos de componentes:
Componente • componente forte de um dı́grafo é um subdı́grafo forte maximal.
Forte
Componente • componente unilateral de um dı́grafo é um subdı́grafo unilateral maxi-
Unilateral mal.
Componente • componente fraco de um dı́grafo é um subdı́grafo fraco maximal.
Fraco
A Figura 3.6(a) mostra um dı́grafo D e seus componentes fortes, delimita-
dos por uma região pontilhada. Para cada componente forte é possı́vel plane-
jar um caminho entre qualquer par de vértices do componente. O subdı́grafo
formado pelos vértices 5 e 6 juntamente com os arcos (5, 6) e (6, 5) não for-
mam um componente forte, mesmo existindo um caminho direcionado entre
5 e 6, e entre 6 e 5. Isto se deve ao fato de não ser maximal, pois ele é um
subdı́grafo próprio do subdı́grafo formado pelos vértices 4, 5 e 6 e os arcos
associados.
(a) (b)
Figura 3.6: Componentes fortes de um dı́grafo. (a) mostra um dı́grafo e seus

componentes fortes delimitados por uma região pontilhada. (b) mostra o
digrafo condensado de (a).
De todos os tipos de componentes, os componentes fortes são os mais

importantes, pois eles permitem gerar um novo dı́grafo através do processo

ondensação de condensação que mantém algumas das propriedades estruturais do dı́grafo

original. Por exemplo, um dı́grafo D = (V, A) pode ter seu conjunto de
vértices particionado em V1 , V2 , . . . , Vn , com
[
Vi = V e Vi ∩ Vj = ∅, ∀i 6= j,
i
de forma que os subdı́grafos induzidos D[V1 ], D[V2 ], . . . , D[Vn ] sejam os com-

ponentes fortes de D. Se aplicarmos a função de fechamento transitivo direto
e inverso a um vértice v ∈ Vi veremos que Γ̂+ (v) pode ou não ser igual Γ̂− (v).
Isto ocorre por que v pode atingir (e ser atingido por) vértices que não per-
tençam ao seu componente forte. Como em um componente forte qualquer
vértice tem que atingir os demais, se calcularmos a interseção do resultado
das funções de fechamento transitivo direto e inverso para v ∈ Vi obtere-
mos Vi , i.e., veremos que Γ̂+ (v) ∩ Γ̂− (v) = Vi , para qualquer v ∈ Vi . Na
Seção 3.6 veremos como calcular de forma sistemática os componentes fortes
de dı́grafos usando as funções de fechamento transitivo inverso e direto.
Definição 3.2. Um dı́grafo condensado D(D) = (V(D), A(D)) do dı́grafo D Dı́grafo Conden-
possui um conjunto de vértices V(D) associados aos componentes fortes de D sado
e um conjunto de arcos A(D) onde existe um arco entre os vértices de V(D)
se existir pelo menos um arco entre os vértices dos respectivos componentes
em D.
A Figura 3.6(b) mostra o dı́grafo condensado D = (V, A) do dı́grafo D
mostrado em (a), onde V = {D[V1 ], D[V2 ], D[V3 ]}3 e A(D) = {(D[V1 ], D[V2 ]),
(D[V1 ], D[V3 ]), (D[V2 ], D[V3 ])}. Existe um arco com origem em D[V1 ] e des-
tino em D[V2 ], pois existe um arco com origem no vértice 2 e destino no
vértice 4 em D.
Definição 3.3. Um dı́grafo inverso I(D) = (V, A) de um dı́grafo D = (V, A) Dı́grafo Inverso
é um dı́grafo que possui os mesmos vértices de D e um arco (v, w) ∈ A se e
somente se (w, v) ∈ A.
Se cada aresta de um grafo simples G é substituı́da por um arco e o
dı́grafo resultante D é forte então dizemos que D é uma orientação forte de
G. Assim, um grafo é fortemente orientável, ou seja pode ser transformado
em um dı́grafo fortemente conexo, se ele tem uma orientação forte. Baseado
nisto, temos o seguinte teorema.
3
D[Vi ] é apenas um rótulo que representa o subdı́grafo induzido.

64 Conectividade
Teorema 3.8 ([7]). Um grafo conexo G é fortemente orientável se e somente

se ele é conexo e não possui pontes.
Para que um grafo G conexo e sem pontes seja transformado em um

dı́grafo fortemente conexo D, devemos orientar suas arestas de forma a criar
cı́clos direcionados. Inicialmente, selecionamos um ciclo e orientamos suas
arestas de maneira a produzir um ciclo direcionado. Se todas as arestas
estiverem neste ciclo então G foi transformado em D, caso contrário devemos
orientar as arestas restantes considerando a orientação feita anteriormente.
Isto irá gerar um conjunto de ciclos onde um vértice de um ciclo pode alcançar
qualquer vértice do mesmo ou de outro ciclo. A Figura 3.7(a) mostra um
grafo conexo G sem pontes sendo transformado em (d) um dı́grafo fortemente
conexo D. Inicialmente, (b) um ciclo direcionado é construı́do definindo uma
orientação para as arestas do ciclo (1, 2, 4, 7, 3) em (a). Em (c) construı́mos
o novo ciclo direcionado (4, 7, 3, 6, 5) aproveitando a orientação dos arcos
definida previamente. Finalmente em (d), orientamos as arestas restantes de
forma a fechar ciclos direcionados.
A transformação exemplificada acima é apenas um simples exemplo, já
que existem inúmeras maneiras de transformar G em D. Quando escolhemos
uma orientação para as arestas de um grafo completo, o dı́grafo resultante
Torneio é chamado de torneio. A Figura 3.8 ilustra dois torneios obtidos orientando
as arestas de um grafo K5 . As diferenças entre estes torneios estão nos arcos
entre os vértices 1 e 2, 1 e 4 e 2 e 3. Se o torneio possuir um ciclo direcionado
Torneio Forte de espalhamento então ele é chamado torneio forte. Os torneios apresentados
na Figura 3.8 são fortes. Para (a), temos o seguinte ciclo de espalhamento
(1, 5, 2, 3, 4, 1) enquanto que para (b) temos o ciclo (1, 3, 4, 5, 2, 1).
Para um torneio, o grau de saı́da de um vértice é chamado escore e a
Seqüência de Es- seqüência dos graus de saı́da de todos vértices define a seqüência de escores. A
cores partir desta seqüência é possı́vel determinar a seqüência de graus de entrada,
pois para um vértice v, temos δ + (v)+δ − (v) = n−1. Note que se eliminarmos
a orientação dos arcos que têm origem e destino em v, temos n − 1 arestas
incidentes a v. A seqüência de escore para o torneio ilustrado na Figura 3.8(a)
é (3, 2, 1, 2, 2). Quando um vértice consegue alcançar qualquer vértice através
Vértice Rei de um caminho direcionado de comprimento no máximo igual a 2, então ele
é chamado vértice rei.
Em relação à conectividade de vértices e arestas para grafos apresentada
nas seções 3.3 e 3.4, os dı́grafos possuem conceitos similares. Um conjunto
separador é um conjunto de vértices de um dı́grafo D que quando removido

(a) (b)
(c) (d)
Figura 3.7: Transformação de (a) um grafo conexo sem pontes em (d) um

dı́grafo fortemente conexo. (b) e (c) são os passos intermediários.
faz com que D deixe de ser fortemente conexo. Um conjunto de corte de

vértices de um dı́grafo é o conjunto separador minimal, ou seja, que não
possui subconjunto próprio que seja um conjunto separador. A conectividade
forte de vértice de um dı́grafo D = (V, A), definido por κ(D) corresponde ao Conectividade
menor conjunto de vértices S ⊆ V tal que D − S não é fortemente conexo Forte de Vértice
ou tem apenas um vértice. Se κ(D) = k, então dizemos que D é um k-
vértice conexo ou k-conexo. Analogamente ao conceito de grafos, um dı́grafo
completo Kn possui κ(Kn ) = n − 1. Se um dı́grafo D não é forte, então
κ(D) = 0.
Um conjunto desconector é um conjunto de arcos de um dı́grafo D que
quando removido faz com que D deixe de ser fortemente conexo. Um con-
junto de corte de arcos de um dı́grafo é o conjunto desconector minimal, ou
seja, que não possui subconjunto próprio que seja um conjunto separador. A
conectividade forte de arco de um dı́grafo D = (V, A), definido por λ(D) cor- Conectividade
Forte de Arco
66 Conectividade
(a) (b)
Figura 3.8: Exemplos de torneio forte para o grafo K5 .
responde ao menor conjunto de corte S ⊆ A tal que D − S não é fortemente

conexo. Se λ(D) = k, então dizemos que D é k-arco conexo. Se D não é
forte, então λ(D) = 0.
Existe relação entre a conectividade de arco e vértices para dı́grafos da
mesma forma que para grafos. Esta relação de dada pela seguinte desigual-
dade.
Teorema 3.9 ([8]). Para qualquer dı́grafo D,
κ(D) ≤ λ(D) ≤ min{δ − (D), δ + (D)}

As variações do Teorema de Menger para conectividade de vértice e arcos
em dı́grafos são apresentadas abaixo. De forma similar ao apresentado para
grafos, estas conectividades estão intimamente relacionadas ao número de ca-
minhos direcionados disjuntos e arco-disjuntos para qualquer par de vértices
no dı́grafo.
Teorema 3.10 ([5]). Considere um dı́grafo D = (V, A) e dois vertices u, v ∈
V não adjacentes, o número mı́nimo de vértices que separam u de v, i.e.,
vértices cuja remoção elimina todos os caminhos direcionados de u para v, é
igual a número máximo de caminhos direcionados disjuntos de u para v em
D.
Teorema 3.11. Um dı́grafo é k-vértice conexo se e somente se existem k
caminhos direcionados disjuntos entre qualquer par de vértices.
Teorema 3.12 (Teorema de Menger(Dı́grafos)[5]). Considere um dı́grafo
D=(V,A) e dois vertices distintos u, v ∈ V , o número mı́nimo de arcos cuja

3.6 Cálculo de Componentes 67
remoção separam u de v, i.e., vértices cuja remoção eliminam todos os ca-

minhos direcionados de u para v, é igual a número máximo de caminhos
direcionados arcos-disjuntos de u para v em D.
Teorema 3.13. Um dı́grafo D = (V, A) é k-arco conexo se e somente se ele

possui k caminhos direcionados arco-disjuntos entre qualquer par de vértices.
Em um dı́grafo, a conectividade entre dois vértices não adjacentes u e v, Conectividade

denotada por κ(u, v), corresponde ao número máximo de caminhos direcio- entre Vértices
nados disjuntos de u para v, enquanto que a conectividade de arco entre dois
vértices u e v não adjacentes, denotada por λ(u, v) é o número máximo de Conectividade
caminhos arco-disjuntos de u para v. Para qualquer dı́grafo D, temos de Arco entre
Vértices
κ(D) = min κ(u, v) e λ(D) = min λ(u, v)
considerando todos os pares de vértices não adjacentes u e v.
3.6 Cálculo de Componentes

Como comentado na seção anterior, as funções de fechamento transitivo po-
dem ser utilizada para calcular os componentes conexos de grafos e os com- Método
ponentes fortes de dı́grafos. O seu uso neste cálculo dá origem ao método Malgrange
chamado Malgrange. Inicialmente, será apresentada a aplicação do método
em dı́grafos e em seguida em grafos.
Dado um dı́grafo D = (V, A) realizamos os seguintes passos:
• selecionamos um vértice v1 ∈ V e calculamos as funções de fechamento

transitivo direto, Γ̂+ (v1 ), e inverso, Γ̂− (v1 ), e em seguida calculamos a
interseção destes resultados, ou seja, Γ̂+ (v1 )∩Γ̂− (v1 ). Esta interseção dá
origem ao conjuntos de vértices V1 ⊆ V que está associado ao primeiro
componente forte D[V1 ].
• se V1 = V então o dı́grafo é fortemente conexo tendo como componente

forte ele próprio, i.e., D[V1 ] = D[V ]. Caso contrário, selecionamos um
vértice v2 ∈ V − V1 e repetimos o processo calculando Γ̂+ (v2 ) ∩ Γ̂− (v2 ).
Isto dá origem ao segundo conjunto de vértices V2 e consequentemente
ao segundo componente forte D[V2 ].

68 Conectividade
• na i-ésima iteração, selecionamos

i−1
[
vi ∈ V − Vj
j=1
repetindo o processo descrito anteriormente.

• O método pára quando após a n-ésima iteração temos
n
[
Vi = V.
i=1
Neste momento os dı́grafos induzidos D[V1 ], D[V2 ], . . . , D[Vn ] corres-

pondem a todos os componentes fortes de D.
A aplicação do método no dı́grafo D = (V, A) da Figura 3.9 é como segue.
Sorteamos um vértice v1 do conjunto V , por exemplo, v1 = 3. Calculamos
Γ̂+ (v1 ) e Γ̂− (v1 ) que correspondem respectivamente a
Γ̂+ (v1 ) = {2, 3, 6, 8, 9} e Γ̂− (v1 ) = {3, 5, 6}
Figura 3.9: Dı́grafo fracamente conexo com quatro componentes fortes.
A interseção destes resultados Γ̂+ (v1 ) ∩ Γ̂− (v1 ) = V1 = {3, 6} e D[V1 ]

é o subdı́grafo induzido pelos vértices em V1 que corresponde ao primeiro
componente forte de D. Como V1 6= V , então selecionamos o vértice v2 do
conjunto V − V1 = {1, 2, 4, 5, 7, 8, 9}, por exemplo v2 = 2. Calculamos Γ̂+ (v2 )
e Γ̂− (v2 ) que correspondem respectivamente a
Γ̂+ (v2 ) = {2, 8, 9} e Γ̂− (v2 ) = {2, 3, 5, 6, 8, 9}

3.6 Cálculo de Componentes 69
O resultado da interseção Γ̂+ (v1 ) ∩ Γ̂− (v1 ) = V2 = {2, 8, 9} dá origem a D[V2 ]
que é segundo componente forte de D. Selecionando v3 do conjunto V −
(V1 ∪ V2 ) = {1, 4, 5, 7}, por exemplo v3 = 5, temos Γ̂+ (v3 ) = {2, 3, 5, 6, 8, 9},
Γ̂− (v3 ) = {5} e V3 = {5}, onde D[V3 ] é o terceiro componente forte. Repe-
tindo o processo anterior, selecionamos v4 de V − (V1 ∪ V2 ∪ V3 ) = {1, 4, 7},
por exemplo, v4 = 1, obtendo Γ̂+ (v4 ) = {1, 4, 7} e Γ̂− (v4 ) = {1, 4, 5, 7}. Logo
temos V4 = {1, 4, 7} e o quarto componente forte D[V4 ]. Como
V1 ∪ V2 ∪ V3 ∪ V4 = V,
o processo pára e temos D[V1 ], D[V2 ], D[V3 ], D[V4 ] como os componentes for-
tes de D.
A aplicação do método de Malgrange em um grafo é sutilmente diferente
da utilizada em dı́grafos. Se analisarmos atentamente uma aresta {a, b} em
um grafo, ela tem a mesma funcionalidade que a presença de ambos os arcos
(a, b) e (b, a) em um dı́grafo. Portanto, em grafos é usada apenas a função
de fechamento transitivo Γ̂ ao invés das funções Γ̂+ e Γ̂− usadas em dı́grafos.
Considere um grafo G = (V, A), realizamos os seguintes passos:
• selecionamos um vértice v1 ∈ V e calculamos a função de fechamento
transitivo Γ̂(v1 ). O conjunto de vértices resultante V1 dá origem ao
primeiro componente conexo G[V1 ].
• se V1 = V então o grafo é conexo tendo como único componente conexo,
o próprio grafo. Caso contrário, selecionamos um vértice v2 ∈ V − V1
e repetimos o processo. Calculando Γ̂(v2 ) que dá origem ao segundo
conjunto de vértices V2 e consequentemente ao segundo componente
G[V2 ].
• na i-ésima iteração, selecionamos
i−1
[
vi ∈ V − Vj
j=1
repetindo o processo descrito anteriormente.

• O método pára quando após a n-ésima iteração temos
n
[
Vi = V.
i=1
Neste momento os grafos induzidos G[V1 ], G[V2 ], . . . , G[Vn ] correspon-

dem a todos os componentes de G.

70 Conectividade
A aplicação do método no grafo G = (V, A) representado na Figura 3.10

é como segue. Sorteamos um vértice v1 do conjunto V , por exemplo, v1 = 3
e calculamos Γ̂(v1 ). O conjunto resultante V1 = {2, 3, 6, 8, 9} dá origem ao
primeiro componente G[V1 ] do grafo.
Figura 3.10: Grafo desconexo com três componentes conexos.
Como V1 6= V , selecionamos outro vértice v2 do conjunto V − V1 =

{1, 4, 5, 7}, por exemplo v2 = 5 e calculamos V2 = Γ̂(v2 ) dando origem ao
conjunto V2 = {5} e portanto ao segundo componente G[V2 ]. Repetindo o
processo anterior, selecionamos v3 ∈ V − (V1 ∪ V2 ) = {1, 4, 7}, por exemplo,
v3 = 4 e calculamos V3 = Γ̂(v3 ), o que nos leva a V3 = {1, 4, 7} e ao terceiro
componente G[V3 ]. Como V1 ∪ V2 ∪ V3 = V, o processo pára com G[V1 ], G[V2 ]
e G[V3 ] como os componentes conexos de G.
3.7 Exercı́cios
Exercı́cio 3.1. Mostre que se G = (V, A) é um grafo simples e δ(G) >
d|V |/2e − 1 então G é conexo.
Exercı́cio 3.2. A partir do grafo mostrado na Figura 3.2(a), determine

os grafos induzidos pelo particionamento das arestas que possuam apenas
o vértice 4 em comum. Faça o mesmo para Figura 3.2(b) considerando um
a um os vértices 4, 5 e 6.
Exercı́cio 3.3. Determine a conectividade de vértice e de aresta do grafo da

Figura 3.2(b)

Exercı́cio 3.4. Existe alguma relação entre conjunto de corte de arestas e

conjunto de corte de vértices? Se sim, comente.
Exercı́cio 3.5. Mostre que uma aresta é uma aresta de corte se e somente
se ela não pertence aos ciclos do grafo.
Exercı́cio 3.6. Mostre que se G possui p vértices e δ(G) ≥ dp/2e, então
λ(G) = δ(G).
Exercı́cio 3.7. Mostre que para todos os grafos com p vértices e q arestas,
a conectividade máxima é 0 quando q < p − 1 e é d2q/pe, quando q ≥ p − 1.
Exercı́cio 3.8. Qual o significado de κ(G) = 1 para o grafo G subjacente a
uma rede de computador?
Exercı́cio 3.9. Quantas ruas bloqueadas são necessárias para fazer com que
um robô partindo de uma posição p1 não consiga atingir p2 , considerando que
o grafo subjacente G ao mapa do ambiente possui λ(G) = 4. Existe alguma
situação onde uma quantidade de cruzamento de ruas menor que λ(G) pode
fazer o robô deixar de atingir seu objetivo? Se sim, desenhe um mapa que
ilustre esta situação.
Exercı́cio 3.10. Mostre que se G é um grafo k-aresta conexo, com k > 0, e
se A0 é um subconjunto de arestas de G de tamanho k, então Ω(G − A0 ) ≤ 2.
Exercı́cio 3.11. Mostre que se G é um grafo r-regular com κ(G) = 1 então
λ(G) ≤ dr/2e.
Exercı́cio 3.12. Mostre que um dı́grafo sem ciclos ou laços possui pelo me-
nos um vértice fonte (ou sumidouro).
Exercı́cio 3.13. Mostre que um dı́grafo condensado D(D) não possui ciclos
direcionados.
Exercı́cio 3.14. Determine a quantidade de dı́grafos simples fracamente co-
nexo que podemos obter a partir de um grafo simples conexo G = (V, A).
Exercı́cio 3.15. Dado V = {1, 2, . . . , n}, um conjunto de vértices, determine
a quantidade de dı́grafos fracamente conexos ou não (com no máximo 1 laço
por vértice) que podemos gerar usando V .
Exercı́cio 3.16. Determine a quantidade de torneios que podemos obter a
partir de um grafo Kn .

72 Conectividade
Exercı́cio 3.17. Mostre que todo grafo simples G = (V, A) com |V | > |A|
implica Ω(G) ≥ |V | − |A|.
Exercı́cio 3.18. Mostre que um grafo simples G = (V, A) tem uma quanti-
dade de arestas que satisfaz a seguinte desigualdade
1
|V | − Ω(G) ≤ |A| ≤ (|V | − Ω(G))(|V | − Ω(G) + 1)
2
Exercı́cio 3.19. Utilize o método de Malgrange para calcular os componentes
fortes do dı́grafo ilustrado na Figura 3.11 e encontre o digrafo condensado
correspondente.
Figura 3.11: Dı́grafo Exemplo

Capı́tulo 4
Relacionamentos V-A
Neste capı́tulo apresentamos alguns dos inúmeros conceitos associados ao

relacionamento entre vértices e arestas, ou vértice e arco, que chamaremos
de relacionamento V-A. Inicialmente apresentaremos o relacionamento entre
vértices que dá origem ao conceito de clique, i.e, de subgrafos completos ma-
ximais, seguido do conceito de conjunto independente que está associado a
subgrafos totalmente desconexos. Em seguida mostraremos o relacionamento
entre arestas que dá origem ao conceito de emparelhamento ou acoplamento,
finalizando com o conceito de cobertura de vértices que mostra o relaciona-
mento entre arestas e vértices de maneira especı́fica. Tentaremos sempre que
possı́vel fazer ligações com exemplos do mundo real.
4.1 Clique
O primeiro relacionamento V-A diz respeito ao relacionamento vértice-vértice
intitulado clique. Um clique em um grafo G é um subgrafo completo de
G. O fato de um clique ser um subgrafo completo implica que todos os
vértices no clique são adjacentes entre si. Um clique é maximal quando
ele não é um subgrafo próprio de outro subgrafo completo. O estudo de
cliques foca principalmente em cliques que são maximais e máximos, portanto
vários autores quando fazem referência a cliques estão considerando cliques
maximais. Adotaremos esta mesma referência neste livro. Quando um clique
não for maximal deixaremos explı́cita esta informação. Um subgrafo é um
clique em um pseudografo(ou multigrafo) se e somente se ele for um clique
no grafo subjacente ao pseudografo(ou multigrafo). Em um dı́grafo(simples

74 Relacionamentos V-A
ou não), um clique maximal é um subdı́grafo completo maximal, onde para

cada par de vértices u e v, existem dois arcos (u, v) e (v, u). Como um clique
é um subgrafo(ou subdı́grafo) completo, ele pode ser descrito apenas pelos
seus vértices.
A Figura 4.1 mostra (a) um grafo e seus (b) quatro cliques formados
pelos seguintes conjuntos de vértices {1, 5}, {5, 6}, {1, 2, 3} e {2, 3, 4, 6}, e
destacados usando linhas de diferentes espessuras e formatos. Observe que
uma aresta é um subgrafo completo, e em diversos casos ela é clique não
maximal. Este é o motivo para que a aresta {1, 5} seja um clique maximal
e a {2, 3} não seja. Note que {2, 3} está contida propriamente no subgrafo
completo formado pelos vértices {1, 2, 3}, enquanto que {1, 5} não está con-
tida em nenhum subgrafo completo. Outro ponto importante é que cliques
podem compartilhar tanto arestas quanto vértices. Este é o caso dos cliques
formados pelos vértices {1, 2, 3} e {2, 3, 4, 6} que compartilham os vértices 2
e 3 e aresta {2, 3}.
A Figura 4.2(b) mostra os cliques do dı́grafo em (a). Estes cliques estão

marcados com arestas grossas e pontilhadas e são formados pelos seguintes
conjuntos de vértices {1, 3, 5} {2, 3, 4, 6} de tamanhos 3 e 4, respectivamente.
Diferente do exemplo anterior, apenas um único arco entre um par de vértices
não forma um clique. Este é o caso dos pares de vértices 1 e 2, e 5 e 6.
Para que eles fossem candidatos a cliques maximais, eles teriam que ter não
somente o arco (2, 1), mas também o arco (1, 2). O mesmo se aplica aos
vértices 5 e 6.
Um grafo ou dı́grafo G pode possuir vários cliques de diferentes tamanhos,

como foi possı́vel ver nos exemplos acima. O maior clique em G é chamado
Clique Máximo clique máximo e define o número de clique de G, representado por ω(G). Este
Número número é igual ao tamanho do clique máximo, o qual é dado pelo número
de Clique de vértices do clique. Mais formalmente ω(G) = r onde r é o maior inteiro
tal que Kr ⊆ G. Esta medida é muito importante em problemas, como o de
coloração de grafos como veremos no Capı́tulo 8. O grafo G na Figura 4.1 e
o dı́grafo D na Figura 4.2 possuem ambos número de clique igual a 4, i.e.,
ω(G) = 4 e ω(D) = 4. Um grafo ou dı́grafo Kn possui um único clique,
representado por si próprio. Logo, ω(Kn ) = n.

4.1 Clique 75
(a)
(b)
Figura 4.1: Exemplo de cliques em grafos. (b) destaca através de linhas de

diferentes espessuras e estilos os quatro cliques do grafo em (a).

(a)
(b)
Figura 4.2: Exemplo de cliques em dı́grafos. (b) destaca através de linhas

grossa e pontilhada os cliques do dı́grafo em (a).

4.2 Conjunto Independente 77
4.2 Conjunto Independente

Este relacionamento V-A é outro exemplo de relacionamento vértice-vértice,
porém oposto ao apresentado na seção anterior. Ele está associado aos sub-
grafos totalmente desconexos maximais chamados conjuntos independentes,
ou simplesmente, co − clique. Um conjunto independente é um conjunto de Co-Clique
vértices que não são adjacentes entre si. Ele é maximal se não é subconjunto
próprio de outro conjunto independente. De forma análoga, um grafo ou Conjunto
dı́grafo G pode possuir vários conjuntos independentes de diferentes tama- Independente
nhos, sendo este tamanho definido pela cardinalidade do conjunto. O maior Máximo
conjunto independente é chamado conjunto independente máximo e sua car-
dinalidade é usada para definir o número de independência de G, denotado Número de In-
por α(G). Analogamente ao número de clique, α(G) = r onde r é o maior dependência
inteiro tal que K̄r ⊆ G. Um grafo ou dı́grafo Kn possui α(Kn ) = 1.
A Figura 4.3(b) ilustra um exemplo de conjunto independente dado pelos
vértices brancos do grafo em (a). Este grafo possui os seguintes conjuntos
independentes maximais: {1, 2, 3, 6, 7, 8}, {1, 3, 5, 7} e {4, 6}. O conjunto
independente máximo é definido por {1, 2, 3, 6, 7, 8}, logo o número de inde-
pendência do grafo é igual a 6. Note que o subconjunto de vértices {1, 3, 7}
não é um conjunto independente maximal, pois ele está contido nos subcon-
juntos {1, 2, 3, 6, 7, 8} e {1, 3, 5, 7}.
Existe uma ı́ntima relação entre conjuntos independentes e cliques. Um
clique maximal em um grafo G é um subgrafo completo, que no complemento
de G se torna um subgrafo totalmente desconexo, i.e., um conjunto indepen-
dente maximal. Esta constatação permite usar algoritmos aplicados a cliques
em conjuntos independentes e vice-versa.
A presença de vários conjuntos independentes maximais dá origem a um
tipo especial de grafo chamado grafo K-partido. Um grafo G = (V, A) é
chamado k-partido se os seguintes critérios forem obedecidos Grafo k-partido
• for possı́vel particionar o conjunto de vértices em k conjuntos não vazios

V1 , V2 , . . . , Vk , de forma que eles sejam disjuntos dois a dois, i.e., Vi ∩
Vj = ∅, para i 6= j, e a união dos elementos destes conjuntos seja o
conjunto de vértices original, ou seja, V1 ∪ V2 ∪ . . . ∪ Vk = V .
• cada aresta a ∈ A, tem extremidades em conjuntos distintos, i.e., se

a = {v, u}, então v ∈ Vi e u ∈ Vj , onde i 6= j, ou seja, os vértices de
cada conjunto não são adjacentes entre si.

(a)
(b)
Figura 4.3: Exemplo de conjunto independente em grafos.(b) ilustra um

conjunto independente, denotado pelos vértices branco, do grafo em (a).

4.2 Conjunto Independente 79
(a) (b)
Figura 4.4: Exemplos de particionamento dos vértices do grafo na Fi-

gura 4.3(a) em três conjuntos independentes, mostrados em cores distintas.
• k é o menor inteiro que ainda garante os critérios anteriores, caso

contrário qualquer grafo com n vértices seria um grafo n partido.
Cada conjunto Vi é chamado partição do conjunto de vértices e corres-
ponde a um conjunto independente que pode ou não ser maximal. Se existem
arestas entre qualquer par de vértices de conjuntos distintos então temos o
que é chamado de grafo k-partido completo, denotado por Kn1 ,n2 ,...,nk , onde Grafo K-partido
cada ni = |Vi |. Ele pode ser visto como o resultado da junção de vários Completo
complementos de grafos completos, i.e.,
Kn1 ,n2 ,...,nk = K̄n1 + K̄n2 + . . . + K̄nk
A Figura 4.4(a) e (b) ilustram o particionamento dos conjuntos de vértices

do grafo na Figura 4.3(a), através de cores distintas, onde vértices com a
mesma cor pertencem ao mesmo conjunto independente. Este grafo é um 3-
partido, possuindo em cada exemplo três partições onde algumas correspon-
dem a conjuntos independentes maximais. Por exemplo, na Figura 4.4(a),
temos {4, 6} como conjunto independente maximal, porém {1, 3, 5} não é
um conjunto independente maximal, já que está contido propriamente no
conjunto independente {1, 3, 5, 7}. A mesma análise pode ser feita na Fi-
gura 4.4(b).
Um caso particular de um grafo k-partido, é o grafo 2-partido. Este grafo
é composto por apenas duas partições, sendo comumente chamado de grafo
bipartido. O uso deste tipo de grafo é amplo e é focado em problemas de
emparelhamento. Um exemplo foi já mostrado anteriormente na Seção 1.7.1
e corresponde ao problema de associação de tarefas. Neste problema temos

(a) (b)
Figura 4.5: Exemplos de (a) grafo 3-partido completo e (b) grafo biclique.
que associar pessoas e tarefas de forma que cada tarefa seja realizada e cada
pessoa esteja vinculada a uma dada tarefa. Este problema é analisado uti-
lizando grafos bipartidos, onde um conjunto de vértices está associado às
pessoas enquanto que o outro conjunto está associado às tarefas. Existem
arestas apenas entre vértices de diferentes conjuntos, já que o emparelha-
mento deve ser constituı́do por elementos de conjuntos diferentes.
Quando um grafo bipartido possui aresta entre qualquer par de vértices
Grafo Bipartido de conjuntos distintos ele é chamado de grafo bipartido completo ou biclique,
Completo sendo denotado por Kr,s , onde r e s são os tamanhos dos dois particiona-
Biclique mentos. O termo biclique é curioso e não é facilmente identificado olhando
diretamente para o grafo, porém calculando K̄r,s , observaremos que os dois
conjuntos independentes serão ambos cliques. As Figuras 4.5(a) e (b) ilus-
tram um grafo 3-partido completo K3,3,3 e um biclique K3,3 respectivamente.
Em ambos os casos, temos um particionamento do conjunto de vértices, onde
cada partição é um conjunto independente.
O seguinte Teorema permite verificar rapidamente se um grafo é ou não
bipartido.
Teorema 4.1. Um grafo G é bipartido se e somente se ele não possui ciclos
de comprimento ı́mpar.
Dı́grafo A definição de dı́grafo k-partido é similar ao exposto anteriormente para
k-partido grafos, com a diferença que estamos lidando com arcos ao invés de arestas.
Portanto, a origem e destino de cada arco devem situar-se em partições dis-
tintas. A relação entre grafos e dı́grafos k-partidos é a seguinte. Um dı́grafo
D é k-partido se e somente se seu grafo simples subjacente G é k-partido. Um

4.3 Cobertura de Vértices 81
(a) (b)
Figura 4.6: Exemplos de (a) dı́grafo 3-partido e (b) dı́grafo 3-partido com-
pleto.
dı́grafo é k-partido completo se para cada par de vértices v ∈ Vi e u ∈ Vj , com Dı́grafo

i 6= j, existe pelo menos um arco entre u e v [9]. Ele usa a mesma notação k-partido
empregada em grafos, i.e., Kn1 ,n2 ,...,nk , onde cada ni = |Vi |. A Figura 4.6 Completo
ilustra (a) um dı́grafo 3-partido, onde os vértices de uma mesma partição
possuem mesma cor. Enquanto que (b) é um dı́grafo 3-partido completo,
K3,1,1 pois existe pelo menos um arco entre cada par de vértices oriundos de
partições diferentes. O que difere entre os dı́grafos em (a) e em (b), é que
em (a) estão faltando alguns arcos entre vértices de partições distintas, por
exemplo, falta um arco entre o vértice preto mais à direita e o vértice cinza.
Um dı́grafo D = (V, A) é dı́grafo bipartido direcionado se o grafo subjacente Dı́grafo Bipar-
é bipartido com partições V1 e V2 , tal que para cada arco (u, v) ∈ A, u ∈ V1 tido Direcionado
e v ∈ V2 , ou seja, u é uma fonte e v é um sumidouro.
A adaptação do Teorema 4.1 para dı́grafos é a seguinte
Teorema 4.2. Um dı́grafo fortemente conexo D é bipartido se e somente se

ele não possui cı́clos direcionados de comprimento ı́mpar.
4.3 Cobertura de Vértices

Este relacionamento V − A lida simultaneamente com vértices e arestas. Ele
é chamado cobertura de vértices e está intimamente associado aos conceitos
anteriores. Dizemos que um vértice cobre uma aresta quando ele é uma de

suas extremidades. Dado um grafo G = (V, A), sabemos que V cobre todas
as arestas no conjunto A, porém o que é de interesse prático é saber o menor
número de vértices que conseguem cobrir todas as arestas.
Cobertura Mini- Uma cobertura de vértices de um grafo G é um subconjunto S dos vértices
mal de G, S ⊆ V , que cobrem todas as arestas de G, i.e., todas as arestas são inci-
dentes a pelo menos um vértice de S. De forma similar, ao apresentado ante-
Cobertura riormente, buscamos as coberturas minimais de vértices, ou seja, coberturas
Mı́nima de vértices que não possuem subconjunto próprio que seja uma cobertura
de vértices. A menor cobertura de vértices é chamada cobertura mı́nima de
Número de vértices e sua cardinalidade define o número de cobertura de vértices, β(G).
Cobertura de O relacionamento entre cobertura de vértices e conjunto independente
Vértices é direta. Considere o conjunto independente maximal I ⊆ V . Todos os
vértices em v ∈ V − I são adjacentes a pelo menos um vértice em I, pois
se existe um vértice v que não é adjacente a outro em I, então o conjunto I
não é maximal. Portanto podemos pensar que cada aresta de G possui uma
extremidade em V − I e outra em I. Porém algumas arestas são incidentes a
vértices apenas do conjunto V − I. Logo, os vértices em I não cobrem todas
as arestas de G, porém os vértices em V − I cobrem. Este fato dá origem ao
seguinte Teorema.
Teorema 4.3. Dado um grafo G = (V, A), um conjunto S ⊆ V é um con-

junto independente maximal de G se e somente se V − S é uma cobertura
minimal de vértices.
Este Teorema nos leva ao seguinte corolário
Corolário 4.1. Dado um grafo G = (V, A),
β(G) = |V | − α(G)
A Figura 4.7 mostra um grafo roda W5 = (V, A) e exemplos de conjuntos

independentes maximais e coberturas de vértices. O conjunto I1 formado
apenas pelo vértice f , destacado em cinza, é um conjunto independente ma-
ximal de tamanho |I1 | = 1, enquanto que V − I1 é uma cobertura de vértices
de tamanho |V − I1 | = 5. Por outro lado, os vértices b e e, destacados em
branco, correspondem a um conjunto independente maximal I2 de tamanho
|I2 | = 2, enquanto que V − I2 é uma cobertura de vértices de tamanho
|V − I2 | = 4. O conjunto I2 é um exemplo de conjunto independente máximo
e consequentemente V −I2 é uma cobertura mı́nima de vértices. Observe que

4.3 Cobertura de Vértices 83
os vértices em I2 são adjacentes a todos os demais vértices do grafo, porém

eles não correspondem a uma cobertura, já que as arestas que unem vértices
do conjunto V − I2 , como a aresta {d, c}, não são cobertas pelos vértices em
I2 .
Figura 4.7: Exemplos de Conjunto Independente e Cobertura de Vértices.
O cálculo da cobertura mı́nima tem várias aplicações práticas. Por exem-

plo, imagine que queiramos descobrir a quantidade mı́nima de guardas que
devemos colocar no cruzamento de ruas em uma rede de estradas de forma
que cada estrada seja vigiada por pelo menos um guarda. A rede seria re-
presentada por um grafo, tendo como vértices os cruzamentos entre as ruas e
como arestas as ruas. Um guarda em um cruzamento seria capaz de monito-
rar as ruas que interceptam o cruzamento. A quantidade de guardas afetam
diretamente o custo da solução, por isso, a quantidade mı́nima é o foco prin-
cipal do problema. Caso contrário, poderı́amos pensar em associar à cada
cruzamento um guarda. Esta solução é direta, porém é a que causa maior
impacto financeiro. Outro exemplo é o problema para determinar o menor
número de câmeras a serem utilizadas em um ambiente estruturado de forma
a inspecioná-lo completamente. O ambiente seria representado pelo grafo e
os vértices estariam associados às regiões de monitoramento. Similarmente,
queremos a solução de menor custo. Em ambos os exemplos, buscamos mi-
nimizar uma função de custo, que é representada ou pelo número de câmeras
ou pelo número de guardas, portanto, estes problemas são de minimização.
Para um dı́grafo, a definição de cobertura mı́nima é a mesma da usada

para um grafo, porém todos os cálculos são realizados utilizando seu grafo
subjacente. Notem que nesta definição a orientação dos arcos está sendo
totalmente desconsiderada, pois o que importa é saber a menor quantidade de
vértices que cobrem todos os arcos. Em geral, esta definição de cobertura de
vértices, para dı́grafos tem pouca importância prática, já que caracterı́sticas
importantes sobre dı́grafos estão sendo desconsideradas.
Para contornar este problema, Ferro e Ferrarello [10] definem os conceitos
Cobertura de cobertura de fonte e cobertura de sumidouro. Dado um digrafo D = (V, A),
Fonte uma cobertura de fonte para D é um conjunto de vértices S ⊆ V , tal que cada
Cobertura de arco em D parte de algum vértice em S, i.e., para cada vértice v ∈ S existe
Sumidouro pelo menos um arco a = (v, u) ∈ A. De forma análoga, uma cobertura de
sumidouro para D é um conjunto de vértices S ⊆ V , tal que para cada u ∈ S
existe pelo menos um arco a = (v, u) ∈ A. Como buscamos sempre conjuntos
mı́nimais, temos que considerar a menor cobertura de fonte(ou de sumidouro)
que não está contida propriamente em outra cobertura de fonte(ou de sumi-
douro). A partir daı́ definimos para um dı́grafo D, o número de cobertura de
Número de Co- fonte, β + (D) e o número de número de cobertura de sumidouro, β − (D). O
bertura de Fonte primeiro está associado ao tamanho da cobertura mı́nima de fonte, ou seja,
Número de Co- à menor cobertura de fonte, enquanto que o segundo está associado ao ta-
bertura de Su- manho da cobertura mı́nima de sumidouro. Considerando S e S 0 coberturas
midouro de fonte e sumidouro respectivamente para um dı́grafo D, se S ∩ S 0 = ∅,
Dı́grafo Bipar- com S 6= ∅ e S 0 6= ∅, então D é um dı́grafo bipartido direcionado, conforme
tido Direcionado discutido na Seção 4.2.
Problemas de cobertura de vértices, fonte e sumidouro em dı́grafos, resi-
dem em problemas de contagem. Por exemplo, a partir de um dı́grafo quantos
ciclos direcionados de um dado comprimento são necessários para cobrir to-
dos os vértices[11] ou a quantidade de maneiras que i caminhos direcionados
podem cobrir todos os vértices do dı́grafo[12].
Um problema similar ao de cobertura de vértices, independente se é em
grafos ou não, é ao invés de focar nas arestas/arcos para serem cobertos
focar nos vértices. Isto dá origem ao conceito de conjunto dominante que
será apresentado na próxima seção.
4.4 Conjunto Dominante

Este relacionamento V −A é um relacionamento vértice-vértice similar àquele
definido pela cobertura de vértices, porém com um foco sutilmente diferente.

4.4 Conjunto Dominante 85
Uma cobertura de vértice é um subconjunto de vértice que cobrem todas as

arestas de um grafo. Por sua vez, um conjunto dominante é também um
subconjunto de vértices, porém, com a diferença de que estes vértices devem
cobrir (ou dominar) todos os vértices do grafo que não participam do con-
junto. A dominância entre vértices em um grafo é definida pela relação de Relação de Do-
adjacência entre eles. Se um vértice v é adjacente a outro vértice u, então minância em
v, além de dominar a si próprio, também domina u e vice-versa. Portanto, Grafos
dizemos que v domina a si próprio e seus vizinhos, τ (v). De forma análoga
ao apresentado na seção anterior, os problemas associados aos conjuntos do-
minantes objetivam encontrar sempre os conjuntos dominantes minimais e
mı́nimos.
Formalmente um conjunto dominante S para um grafo G = (V, A) é um
subconjunto de vértices S ⊆ V , tal que todo vértice v ∈ V − S é dominado
por pelo menos um vértice de S, i.e., τ (v)∩S 6= ∅, ∀v ∈ (V −S). A Figura 4.8
ilustra dois conjuntos dominantes minimais, através dos vértices brancos e
cinzas, para um grafo G. O tamanho do menor conjunto define o número
de dominância de um grafo G, o qual é denotado por γ(G). Portanto, os Número de Do-
vértices em cinza compõe o conjunto dominante mı́nimo e definem o número minância
de dominância γ(G) = 3.
Figura 4.8: Exemplos de Conjuntos Dominantes.
Como é possı́vel observar neste exemplo, todos os vértices que não partici-
pam do conjunto dominante são dominados por pelo menos um vértice deste
conjunto. Por exemplo, considerando o conjunto dominante S = {e, c, i},
cada vértice em V − S = {a, b, d, f, g, h, j} possui um vizinho em S. Como
o conjunto dominante foca nos vértices, podem existir arestas descobertas,

como as arestas {a, g} e {b, h}.

Os números de dominância e de cobertura de vértices possuem a seguinte
relação γ(G) ≤ β(G) para qualquer grafo G que não possua vértices isolados.
Neste caso, qualquer cobertura é um conjunto dominante que pode ou não
ser minimal. As Figuras 4.9(a) e (b) mostram uma cobertura de vértices e
um conjunto dominante, respectivamente, destacados pelos vértices em cinza.
Notem que o conjunto dominante é um subconjunto próprio da cobertura de
vértices, logo γ < β. Em grafos estrelas Sn , γ = β, pois apenas o vértice
central é necessário para cobrir todos os vértices do grafo e todas as arestas.
A diferença entre os tamanhos da cobertura de vértices e do conjunto de
dominante por variar bastante. Por exemplo, para um grafo completo Kn ,
temos γ(Kn ) = 1 e β(Kn ) = n − 1.
(a) (b)
Figura 4.9: Exemplos de Conjuntos Dominantes.
Em um dı́grafo, a relação de dominância é definida pela orientação de

cada arco. Em um arco (v, u), dizemos que o vértice v domina o vértice
Relação de Do- u e u é dominado por v. Notem que esta relação não é necessariamente
minância em simétrica, diferente da dominância em grafos, onde em uma aresta qualquer,
Dı́grafos um vértice domina o outro e (vice-versa). Devido a isso temos os conceitos
de dominância de saı́da e dominância de entrada [13].
Conjunto Do- Dado um dı́grafo D = (V, A), um conjunto dominante de entrada S é um
minante de subconjunto de vértices S ⊆ V , tal que todo vértice v ∈ V − S domina pelo
Entrada menos um vértice de S, i.e., τ + (v) ∩ S 6= ∅, ∀v ∈ (V − S). Enquanto que,
Conjunto Domi- um conjunto dominante de saı́da S é um subconjunto de vértices S ⊆ V , tal
nante de Saı́da que todo vértice v ∈ V − S é dominado por pelo menos um vértice de S, i.e.,
τ − (v) ∩ S 6= ∅, ∀v ∈ (V − S). Os tamanhos do menor conjunto dominante
de entrada e do menor conjunto dominante de saı́da de um dı́grafo D são

4.4 Conjunto Dominante 87
chamados de números de dominância de entrada e de saı́da, respectivamente, Números de Do-

e denotados por γ − (D) e γ + (D). A partir da idéia de dominância, um vértice minância de En-
v ∈ V de D é k-rei se todos os vértices puderem ser alcançados a partir de trada e de Saı́da
v por um caminho de comprimento no máximo k. Se k = 1, v domina todos
os vértices.
A Figura 4.10 ilustra um dı́grafo D = (V, A) e dois conjuntos dominantes
minimais de entrada. Os vértices em cinza compõem o conjunto D1 = {b, c}
e os vértices em branco compõem o conjunto dominante D2 = {a, d, f }.
Todos os vértices que não estão no conjunto D1 (ou D2 ) dominam pelo menos
um vértice do conjunto D1 (ou D2 ). Por exemplo, considerando o conjunto
D1 , o vértice b é dominado pelos vértices a, c, d e f . Enquanto que o
vértice c é dominado pelos vértices a, b e e. Notem que os vértices que
V − D1 = {a, d, e, f } dominam pelo menos um vértice de D1 . Em relação ao
conjunto D2 , todos os vértices em V − D2 = {b, c, e} dominam pelo menos
um vértice em D2 = {a, d, f }.
A partir de um conjunto dominante de entrada podemos extrair um con-
junto dominante de saı́da, porém este pode não ser minimal. Por exemplo,
V − D1 = {a, d, e, f } é um conjunto dominante de saı́da porém não é mini-
mal, já que ele possui um subconjunto próprio {a, e} que é dominante. O
mesmo acontece com o conjunto V − D2 = {b, c, e} que possui um subcon-
junto próprio formado pelos vértices c e e que é minimal. A obtenção de
um conjunto não minimal não é o único problema. É possı́vel que em al-
guns casos, um conjunto dominante de saı́da fique de fora do resultado. Esta
situação será ilustrada na Seção 5.3.4. Os vértices c e e são vértices 2-rei.
Uma variação destas relações de dominância para dı́grafos foi proposta
por Chartrand[14]. Ela é chamada relação de dominância gêmea, e é definida Relação de Do-
como segue. Dado um dı́grafo D = (V, A), um conjunto dominante gêmeo S é minância Gêmea
um subconjunto de vértices S ⊆ V , tal que todo par de vértices u, v ∈ S(onde Conjunto Domi-
u pode ou não ser igual a v), existem dois arcos (u, w), (w, v) ∈ A para nante Gêmeo
todo w ∈ V − S. Ou seja, todo vértice em V − S domina e é dominado
por vértices do conjunto S. Notem que esta dominância é uma combinação
das dominâncias de entrada e a de saı́da. O tamanho do menor conjunto
dominante gêmeo de entrada de um dı́grafo D é chamado de número de
dominância gêmea, sendo denotado por γ ∗ (D). A relação entre a dominância Números de Do-
gêmea e as outras dominâncias é dada por minância Gêmea
max{γ + (D), γ − (D)} ≤ γ ∗ (D) ≤ γ + (D) + γ − (D)
A dominância gêmea é fortemente motivada por aplicações em redes de

Figura 4.10: Exemplos de Conjuntos Dominantes de Entrada.
computadores. Como exemplo, considere que cada vértice no conjunto domi-

nante S esteja associado a um servidor que forneça serviços especı́ficos para
outros computadores da rede. A comunicação entre os vértices fora e dentro
do conjunto dominante é bidirecional, i.e., existindo a dominância gêmea,
pois, dados u e w, onde u ∈ S e w ∈ V − S, temos os arcos (u, w) e (w, u)
que denotam a direção da comunicação entre u e w. Como um servidor em
geral é muito caro, objetiva-se encontrar o menor número de servidores que
atendam todos os computadores da rede, ou seja, minimizar o tamanho do
conjunto dominante gêmeo.
Ainda considerando o dı́grafo D ilustrado na Figura 4.10, um exemplo de
conjunto dominante gêmeo minimal é o conjunto S = {b, c, d}. Observem que
os vértices em V − S = {a, e, f } dominam e são dominados pelos vértices do
conjunto S. Por exemplo, os vértices a e e dominam e são dominados pelo
vértice c; enquanto que o vértice f domina o vértice b e é dominado pelo
vértice d, que participam de S. Para este dı́grafo γ ∗ (D) = 3.
4.5 Emparelhamento
Outro relacionamento V-A importante é o emparelhamento1 , também cha-
Acoplamento mado de acoplamento ou casamento. Ele é um relacionamento aresta-aresta
Casamento 1
Emparelhamento é a tradução do inglês da palavra Matching.

4.5 Emparelhamento 89
similar ao relacionamento vértice-vértice definido através dos conjuntos in-

dependentes. Ele considera a adjacência entre as arestas2 e visa encontrar o
maior conjunto de arestas não adjacentes entre si. Portanto, um emparelha-
mento M em um grafo G = (V, A) é um subconjunto de arestas, M ⊆ A, que
não correspondem a laços e que não compartilham vértices entre si. Portanto
duas arestas ai , aj ∈ A, onde ai = {vi , ui } e aj = {vj , uj } e i 6= j, pertencem
ao emparelhamento M , se vi 6= vj 6= ui 6= uj . Esta mesma definição serve
para dı́grafos porém consideramos arcos e não arestas. De forma análoga aos Emparelhamentos
relacionamentos anteriores, temos interesse em saber os emparelhamentos em Dı́grafos
maximais e máximo, ou seja, nos emparelhamentos que não são subcon- Emparelhamento
juntos próprios de outros emparelhamento e nos maiores emparelhamentos Máximo
existentes. O tamanho de um emparelhamento M é definido pela quantidade
de arestas e representado por |M |, e o tamanho do maior emparelhamento
de um grafo G é denotado por α0 (G).
Quando uma aresta de M é incidente a um vértice v ∈ V , então dizemos
que v é saturado por M . Quando o emparelhamento satura todos os vértices Vértice
do grafo, então dizemos que o emparelhamento é perfeito. A Figura 4.11(a) Saturado
mostra um exemplo de emparelhamento maximal de tamanho 2 em um grafo
W5 . Todas as arestas do grafo compartilham vértices com as arestas do
emparelhamento, porém este emparelhamento não é perfeito pois existem Emparelhamento
vértices que não são saturados, como os vértices b e d. A Figura 4.11(b) Perfeito
mostra um emparelhamento máximo de tamanho α0 (G) = 3 que satura todos
os vértices.
Na Seção 1.7.1, apresentamos um exemplo de emparelhamento envol-
vendo um conjunto de pessoas e um conjunto de tarefas. As arestas mais
grossas destacadas na Figura 1.15(b) compõem um possı́vel emparelhamento
do grafo mostrado em (a). Notem que ele é perfeito pois todos os vértices
estão saturados, i.e., as arestas são incidentes a todos os vértices do grafo.
Este emparelhamento é máximo de tamanho igual a α0 (G) = 4. Existem
outros emparelhamentos possı́veis, como os mostrados nas Figuras 4.12(a) e
(b) através de arestas mais grossas. O que diferencia um emparelhamento
do outro, neste problema, é a soma dos tempos associados às suas arestas.
Portanto cada emparelhamento tem uma soma que pode ou não ser diferente
da soma dos outros emparelhamentos. Como buscamos aquele com a menor
soma possı́vel, este problema em particular pode ser visto com um problema
de minimização.
2
Duas arestas são adjacentes se compartilham vértices.

(a) (b)
Figura 4.11: Exemplos de emparelhamentos de um grafo W5 .
Um ponto importante é como saber se um emparelhamento é maximal

Emparelhamento ou máximo. Ele é maximal se não for possı́vel adicionar mais arestas de
Máximo × Em- forma a garantir que as arestas não compartilham vértices. Portanto, apenas
parelhamento o conjunto formado pela aresta {t1 , e4 } na Figura 4.12(a) não representa um
Perfeito emparelhamento maximal, já que é possı́vel adicionar a aresta {t2 , e1 } neste
conjunto. Para saber se o emparelhamento é máximo, podemos inicialmente
verificar se ele é perfeito. Se for então o emparelhamento é máximo, caso
contrário temos que verificar a existência de caminhos de aumento. Por
exemplo, nas Figuras 4.12 (a) e (b) os emparelhamentos são perfeitos, logo
são máximos.
Antes de definirmos um caminho de aumento, precisamos definir o con-
Caminho ceito de caminho alternante. Um caminho alternante em um emparelhamento
Alternante M é um caminho cujas arestas alternam entre aquelas que estão e aquelas que
não estão em M . Por exemplo, o grafo 4.11(a) possui vários caminhos alter-
nantes como p1 = {d, {d, e}, e, {e, a}, a, {a, b}, b} e p2 = {b, {b, c}, c, {c, f }, f,
{f, e}, e, {e, a}, a}. Notem que tanto em p1 quanto em p2 , as arestas do
caminho alternam entre aquelas que estão e aquelas que não estão em M .
Quando as extremidades de um caminho alternante não são saturadas, então
Caminho ele é chamado caminho de aumento. Por exemplo, as extremidades d e b do
de Aumento caminho p1 não são saturadas. Logo, temos um caminho de aumento.
Quando um emparelhamento possui um caminho de aumento P , basta

(a) (b)
Figura 4.12: Exemplos de Emparelhamentos Perfeito.
substituir em M as arestas de P que estão pelas que não estão em M . Isto

irá aumentar em uma unidade o tamanho de M . Se M não possuir mais
caminhos de aumento então M é máximo. Usando esta estratégia, a partir do
caminho p1 , obtemos o emparelhamento ilustrado na Figura 4.13 de tamanho
3, enquanto que com a presença do caminho de aumento p1 o emparelhamento
tinha tamanho 2. A relação entre caminho de aumento e emparelhamento
máximo foi mostrada por Berge, em 1957 através do seguinte Teorema.
Teorema 4.4 ([15]). Um emparelhamento M em um grafo G é máximo se
e somente se M não possui caminhos de aumento.
Em problemas de emparelhamento envolvendo grafos bipartidos, podemos
ter situações onde os conjuntos independentes têm tamanhos diferentes. Por
exemplo, no caso ilustrado na Seção 1.7.1 o conjunto de tarefas e de pessoas
possuem o mesmo tamanho, porém podemos ter casos, onde o número de
tarefas é muito maior que de pessoas. Nesta situação o que nos interessa
saber é se todo emparelhamento maximal nesta instância do problema irá
associar todas as pessoas a alguma tarefa, i.e., se os vértices associados às
pessoas serão saturados. Para responder a este problema, Hall em 1935
provou o seguinte Teorema.
Teorema 4.5 ([16]). Um grafo bipartido, com dois conjuntos independentes

Figura 4.13: Emparelhamento Máximo
X e Y , tem um emparelhamento que satura X se e somente se para todo

S ⊆ X, |Γ(S)| ≥ |S|.
Quando |X| = |Y |, este teorema é chamado Teorema de Casamento (Mar-
riage Theorem).
Existe um relacionamento interessante entre cobertura de vértices e em-
parelhamento. Como foi visto anteriormente, uma cobertura de vértices é
um conjunto de vértices que cobre todas as arestas do grafo, i.e., as arestas
do grafo possuem pelo menos uma das extremidades na cobertura, enquanto
que um emparelhamento consiste em um conjunto de arestas que não com-
partilham vértices3 e que são adjacentes a todas as arestas do grafo. Como
as arestas no emparelhamento são adjacentes a todas as arestas do grafo,
então podemos imaginar que a cobertura pode ser construı́da selecionando
pelo menos um vértice de cada aresta. Isso nos leva a concluir que o tamanho
de qualquer cobertura de vértices de um grafo G é no mı́nimo o tamanho do
menor emparelhamento maximal de G. Para grafos bipartidos existe uma
prova matemática, que mostra que obtendo um emparelhamento e uma co-
bertura de vértices de mesmo tamanho, então tem-se um resultado ótimo
para cada um deles. Esta prova segue os princı́pios da relação min-max.
Uma relação min-max prova que quando temos dois problemas duais sobre
a mesma classe de instâncias(neste caso, grafos), a igualdade de resultados
3
Notem que nenhum vértice pode cobrir duas arestas de um emparelhamento, já que
nesse caso as arestas seriam adjacentes

destes problemas prova que ambos são ótimos para a instância analisada.
Neste caso, os problemas tratados são o de maximização, associado ao empa-
relhamento, e o de minimização, associado à cobertura de vértices. Portanto,
se dado um grafo obtivermos como resultado o mesmo valor para ambos os
problemas, então o que temos é um resultado ótimo. As Figuras 4.12(a) e
(b) mostram a aplicação deste Teorema. Observe que o tamanho do empa-
relhamento máximo é igual ao de cobertura mı́nima para ambos os grafos.
Logo, os resultados são ótimos.
Isto nos leva à relação min-max definida pelo Teorema 4.6, chamado
König-Egervary.
Teorema 4.6 ([17]). Se G é um grafo bipartido, então o tamanho do empare-

lhamento máximo de G é igual ao tamanho da cobertura mı́nima de vértices
de G, i.e., α0 (G) = β(G).
As Figuras 4.14(a) e (b) mostram o emparelhamento através de arestas

grossas e a cobertura de vértices através dos vértices cinza. Cada vértice
da cobertura foi escolhido a partir das arestas do emparelhamento. Note
que neste exemplo, qualquer uma das coberturas terá dois vértices de pelo
menos uma aresta do emparelhamento. Em ambos os casos a cobertura tem
tamanho igual a 4 que é igual ao β(W5 ) = 4, discutido através do exemplo
da Figura 4.7
(a) (b)
Figura 4.14: Emparelhamento e Cobertura

Os conceitos de conjunto independente e de emparelhamento possuem

uma relação interessante. O primeiro é um conjunto maximal(ou máximo)
de vértice que não são adjacentes entre si, enquanto que o último corres-
ponde a um conjunto maximal(ou máximo) de arestas que não compartilham
vértices, ou seja, não são adjacentes entre si. O fato de um lidar com vértices
e o outro com arestas faz com que ambos consigam usar o mesmo método
de enumeração. Por exemplo, o método que lista os conjuntos independentes
maximais em um grafo G é o mesmo método que lista os emparelhamentos
maximais de G, porém neste último recebe como entrada L(G), que cor-
responde ao grafo linha de G, ao invés de G. Na Seção 2.2.10 mostramos
que qualquer grafo G possui um grafo linha correspondente L(G), onde as
arestas de G são mapeadas para vértices em L(G). Portanto, um conjunto
independente em L(G) está associado a um conjunto de arestas em G que
não são adjacentes. Isto nos leva a α0 (G) = α(L(G)), i.e., o tamanho do
emparelhamento máximo em G é igual a tamanho do conjunto independente
máximo em L(G). Usaremos este princı́pio na Seção 5.2.4 para enumerarmos
os emparelhamentos maximais de grafos.
4.6 Exercı́cios
Exercı́cio 4.1. Mostre que um grafo completo Kn pode ser expresso como a
união de k grafos bipartidos sse n ≤ 2k
Exercı́cio 4.2. Mostre que o grafo de Petersen não é um grafo bipartido, e
determine seu número de independência e seu número de clique.
Exercı́cio 4.3. Mostre que qualquer grafo k-cubo é um grafo bipartido.
|V |
Exercı́cio 4.4. Mostre que α(G) ≥ ∆(G)+1
para qualquer grafo G.
Exercı́cio 4.5. Mostre que qualquer árvore T tem no máximo um empare-
lhamento que é perfeito.
Exercı́cio 4.6. Encontre a menor árvore onde o número de dominância e o
número de cobertura de vértices seja diferente.
Exercı́cio 4.7. Determine o número de dominância de um grafo Cn
Exercı́cio 4.8. Prove que se o diamêtro de um grafo G é no mı́nimo igual a
3, então o número de dominância do complemento de G será menor ou igual
a 2.

Exercı́cio 4.9. Mostre que qualquer grafo G = (V, A) k-regular, tem um

conjunto dominante com no mı́nimo |V |/(k + 1) vértices.
Exercı́cio 4.10. Determine quantos emparelhamentos perfeitos um biclique

Kr,s possui.


Capı́tulo 5
Enumeração
Neste capı́tulo apresentamos o método de Maghout que é utilizado para cal- Método
cular os relacionamentos V-A discutidos no capı́tulo anterior. Este método de Maghout
usa as leis da álgebra booleana para encontrar os conjuntos minimais e ma-
ximais do problema de interesse o qual pode ter sido modelado usando tanto
grafos quanto dı́grafos. O método explora as inter-relações existentes entre
os relacionamentos V-A para a obtenção do resultado desejado. Por exemplo,
sabemos que um conjunto independente maximal em um grafo G é um clique
em Ḡ. Portanto, o mesmo método pode ser utilizado tanto para enumerar
os cliques maximais quanto os conjuntos independentes de um grafo G. O
que difere é o grafo fornecido como entrada para o método que pode ser o
próprio G ou Ḡ.
5.1 Método de Maghout

Para facilitar a compreensão, focaremos inicialmente no problema de cober-
tura minimal de vértices. A obtenção dos conjuntos independentes maximais
e cliques é direta, tendo sido discutida anteriormente nas respectivas seções.
Todavia, o cálculo dos conjuntos dominantes e dos emparelhamentos, exige
uma pequena modificação do método a qual discutiremos oportunamente nas
seções subsequentes.
Considere um grafo simples G = (V, A) composto pelos seguintes conjun-
tos de vértices V = {v1 , v2 , v3 } e de arestas A = {{v1 , v2 }, {v2 , v3 }}. Como
queremos saber as coberturas minimais de vértices deste grafo, então deve-
mos selecionar para cada aresta uma de suas extremidades. Neste caso, para

98 Enumeração
a aresta a1 = {v1 , v2 }, podemos escolher ou o vértice v1 ou o vértice v2 , e

para a aresta a2 = {v2 , v3 }, a escolha pode ser feita entre os vértices v2 e
v3 . Notem que no nosso exemplo, existem apenas duas coberturas minimais
possı́veis: {v2 } e {v1 , v3 }.
A escolha do vértice que irá cobrir cada aresta pode ser modelada pelo
operador lógico ou. Considerando v̇i a variável lógica associada ao vértice vi ,
podemos associar as seguintes somas lógicas às arestas a1 e a2 , respectiva-
mente
(v̇1 + v̇2 ) e (v̇2 + v̇3 )
O produto destas duas somas (v̇1 + v̇2 ).(v̇2 + v̇3 ) combina todas as possi-
bilidades existente de escolha de vértices, onde . representa o operador lógico
e. Portanto realizando este produto encontramos,
v̇1 .v̇2 + v̇1 .v̇3 + v̇2 .v̇2 + v̇2 .v̇3

Cada um destes termos é uma possı́vel cobertura. Por exemplo, o termo
v̇1 .v̇2 está associado aos vértices v1 e v2 e representa uma cobertura, porém
que não é minimal. Por outro lado, o termo v̇1 .v̇3 contém uma cobertura
minimal definida pelos vértices v1 e v3 . A importância da álgebra booleana
aparece neste momento. O termo v̇2 .v̇2 possui uma referência repetida ao
vértice v2 . Isto indica que v2 é extremidade de ambas as arestas. Para
eliminar esta repetição aplicamos a lei da idempotência1 no termo v̇2 .v̇2 que
leva ao termo v̇2 . Logo, o novo resultado intermediário é
v̇1 .v̇3 + v̇1 .v̇2 + v̇2 + v̇2 .v̇3
O termo v̇2 já representa nossa primeira cobertura de vértices. Todavia,
existem as coberturas v̇1 .v̇2 e v̇2 .v̇3 que não são minimais e que devem ser
eliminadas do resultado final. Para eliminar estas coberturas utilizamos a lei
da absorção2 nos três últimos termos do resultado anterior encontrando
v̇1 .v̇3 + v̇2

Logo, para o primeiro termo temos a seguinte cobertura {v1 , v3 } e para
o segundo termo temos a cobertura {v2 }. A obtenção do conjunto inde-
pendente é direta, pois sabemos que se V é o conjunto de vértices e C é a
1
A lei da idempotência diz que p ∧ p ⇔ p e que p ∨ p ⇔ p para qualquer proposição
lógica p.
2
A lei da absorção diz que p∨(p∧q) ⇔ p e que p∧(p∨q) ⇔ p para quaisquer proposições
lógicas p e q.

5.1 Método de Maghout 99
cobertura, o conjunto independente associado à C é igual a I = V −C. Logo,

o conjunto independente associado ao primeiro termo é {v2 } e ao segundo
termo é {v1 , v3 }. Casualmente os conjuntos independentes e as coberturas
são iguais ao resultado encontrado anteriormente, porém invertidos. Vale
ressaltar que isto não é uma regra.
A versão geral deste processo é definida da seguinte maneira. Se G =
(V, A) é um pseudografo ou multigrafo, devemos considerar seu grafo simples
subjacente. Para cada vértice v ∈ V , é criada uma variável lógica v̇ e para
cada aresta a = {vi , vj } ∈ A é criada a seguinte soma lógica (v̇i + v̇j ) a partir
das variáveis lógicas associadas aos vértices da aresta. Usando o produto de
variáveis lógicas definido por
n
^
v̇i = v̇m .v̇m+1 . . . . .v̇n−1 .v̇n
i=m
calculamos ^
(v̇i + v̇j ) (5.1)
(vi ,vj )∈A
Lembrando que as operações . e + correspondem às operações lógicas e

e ou, respectivamente. Esta expressão possuirá vários produtos do seguinte
tipo (v̇i + v̇j ).(v̇k + v̇m ), que através da lei da distributividade3 da operação
e, se tornará v̇i .v̇k + v̇i .v̇m + v̇j .v̇k + v̇j .v̇m , ou simplesmente, v̇i v̇k + v̇i v̇m +
v̇j v̇k + v̇j v̇m , para facilitar a visualização.
Quando um vértice vi for adjacente a vários vértices, ele participará de
várias somas lógicas neste produto. Sem perda de generalidade, considere os
vértices ordenados w1 , w2 ,. . . , wm que correspondem aos m vizinhos4 de vi ,
i.e., wi ∈ τ (vi ). Focando apenas em vi e sua vizinhança teremos o seguinte
produto lógico
m
^ m
^
(v̇i + ẇj ) = v̇i + ẇj (5.2)
j=1 j=1
Em algumas situações, teremos várias variáveis lógicas participando de

diversas somas ao invés de apenas uma. Este é o caso do cálculo dos conjuntos
3
A lei da distributividade diz que p ∨ (r ∧ q) ⇔ (p ∨ r) ∧ (p ∨ q) e que p ∧ (r ∨ q) ⇔
(p ∧ r) ∨ (p ∧ q) para quaisquer proposições lógicas p, r e q.
4
A ordem é imposta apenas para facilitar a compreensão do processo, pois dois vértices
consecutivos wi e wi+1 podem corresponder a dois vértices no grafo original vk e vl , com
|k − l| > 1, i.e., com ı́ndices não consecutivos.

100 Enumeração
dominantes minimais como veremos na Seção 5.2.3. Neste caso, teremos o

seguinte produto lógico
k
^ k
^
(Ṡ + Ṙj ) = Ṡ + Ṙj (5.3)
j=1 j=1
onde rj
s
X X
Ṡ = ṡi e Ṙj = ṙj,l
i=1 l=1
e k é a quantidade de termos que possuem em comum a soma lógica Ṡ

constituı́da das variáveis lógicas ṡi , com 1 ≤ i ≤ s. Enquanto que o termo Ṙj
representa a soma das variáveis restantes no j-ésimo termo composta pelas
variáveis ṙj,l , com 1 ≤ l ≤ rj , onde rj representa a quantidade de variáveis
que não participam de Ṡ no j-ésimo termo. Esta quantidade pode variar para
cada termo, pois podemos encontrar termos distintos cujas somas restantes
possuem tamanhos diferentes. A ordem imposta nos ı́ndices das variáveis
constituintes de Ṡ e Ṙj visa apenas facilitar a compreensão do processo pois
duas variáveis consecutivas, como por exemplo, ṡi e ṡi+1 podem corresponder
a dois vértices no grafo original vk e vl com ı́ndices não consecutivos. Um
caso particular deste produtório é o seguinte
k−1
^
Ṡ (Ṡ + Ṙj ) = Ṡ (5.4)
j=1
onde Ṡ participa como sub-soma em vários termos e como um termo inte-

gralmente.
Após sucessivas aplicações das leis da álgebra booleana(distributividade,
absorção, idempotência, etc.) no produtório da Equação 5.1, encontramos
um somatório de termos, onde cada termo permite extrair as coberturas
minimais de vértices. Considere o n-ésimo termo Pn = {p1 , p2 , p3 , . . . , pl },
representado na forma de conjunto, onde pk é a k-ésima variável do termo.
A cobertura de vértices minimal Cn associada ao conjunto Pn é formada por
todos os vértices vj ∈ V , tal que a variável v̇j ∈ Pn , ou seja, a variável
associada ao vértice vj aparece no termo. Formalmente, a cobertura Cn é
definida como
Cn = {v ∈ V | v̇ ∈ Pn }
De forma similar ao ilustrado no exemplo no inicio desta seção, a obtenção
do conjunto independente maximal é direta. Para cada cobertura Cn , o

5.2 Enumeração em Grafos 101
conjunto independente maximal In = V − Cn . Se consideramos novamente

o n-ésimo termo Pn , o conjunto independente maximal é formado por todos
os vértices vj ∈ V , tal que a variável v̇j ∈
/ Pn , ou seja, a variável associada
ao vértice vj não aparece no termo. Formalmente
In = {v ∈ V | v̇ ∈
/ Pn }
Para sabermos se o resultado da simplificação não produziu conjuntos que

não sejam maximais, temos que verificar se dados dois termos Pj e Pk , as
variáveis de um termo aparecem completamente no outro termo. Se Pj ⊆ Pk ,
então Pk produzirá uma cobertura de vértices que não é minimal (vice-versa).
Este princı́pio pode ser utilizado durante a fase intermediária do processo
para remover termos que sabidamente gerarão conjuntos independentes não
maximais. Como a relação entre cliques e conjuntos independentes é direta.
A obtenção dos cliques de um grafo G é feita obtendo os conjuntos indepen-
dentes maximais em Ḡ. Como sabemos, o conjunto independente em G é um
clique em Ḡ, e um clique em G é um conjunto independente em Ḡ.
5.2 Enumeração em Grafos

Esta seção apresenta o uso do método de Maghout para o cálculo de cobertu-
ras de vértices, conjuntos independentes, conjuntos dominantes e emparelha-
mentos. Em todos os casos, selecionamos grafos e dı́grafos para exemplificar
a aplicação do método.
5.2.1 Coberturas de Vértices e Conjuntos Independen-

tes
A partir da descrição anterior, vamos aplicar o método de Maghout no grafo
G = (V, A)ilustrado na Figura 5.1. Os vértices a − e serão representados
por A − E, respectivamente. Usando a Equação 5.1 encontramos o seguinte
produto
(A + B)(B + D)(B + C)(A + E)(D + E)(D + C) (5.5)
O desenvolvimento deste produto pode ser feito por partes começando pe-
las variáveis que aparecem com mais freqüência nas somas, i.e., pela variável
associada ao vértice com maior grau. Neste caso, temos os vértices b e d.
Selecionamos um deles por exemplo, o vértice b, e focamos o desenvolvimento

102 Enumeração
Figura 5.1: Grafo exemplo
no produto das somas que contêm B, ou seja, em (A + B)(B + D)(B + C).

Para facilitar as visualização das operações realizadas destacaremos os termos
usados a cada passo, colocando os em negrito.
(A+B)(B+D)(B+C)⇒ distributividade
(AB+AD+BB+BD)(B+C)⇒ idempotência
(AB+B+BD+AD)(B+C)⇒ absorção
(B+AD)(B+C)⇒ distributividade
(BB+BC+ABD+ACD)⇒ idempotência
(B+BC+ABD+ACD)⇒ absorção
(B+ACD)
Notem que o resultado encontrado é o mesmo aplicando a Equação 5.2 em

(A + B)(B + D)(B + C). Usando a Equação 5.2 no produto (A + E)(D + E)
temos E + AD. Compondo os resultados e continuando o processo temos os
seguintes passos

(A+B)(B+D)(B+C)(A+E)(D+E)(D+C) ⇒ Equação 5.2
(B+ACD)(E+AD)(D+C)⇒ distributividade
(BE+ABD+ACDE+ACD)(D+C)⇒ absorção
(BE+ABD+ACD)(D+C)⇒ distributividade
(BDE+ABDD+ACDD+BCE+ABCD+ACCD)⇒ idempotência
(BDE+ABD+ACD+BCE+ABCD+ACD)⇒ absorção
(BDE+ABD+ACD+BCE)
Após esta simplificação, devemos verificar se ainda existe algum termos

que pode ser absorvido por outro. Se isto não for possı́vel, então chegamos Coberturas
ao resultado final. Como temos quatro termos, o grafo possui as seguintes Minimais de
quatro coberturas minimais de vértices. Vértices
C1 = {b, d, e}, C2 = {b, c, e}, C3 = {a, b, d}, C4 = {a, c, d}
Logo, temos número de cobertura de vertices β(G) = 3. O conjunto indepen- Conjuntos Inde-
dente maximal In é obtido por In = V − Cn . Portanto, temos os seguintes pendentes Maxi-
conjuntos independentes maximais mais
I1 = {a, c}, I2 = {a, d}, I3 = {c, e}, I4 = {b, e}
e número de independência do grafo α(G) = 2.
5.2.2 Cliques
A aplicação do método de Maghout para o cálculo de cliques é direta. Se
queremos calcular os cliques de um grafo G, devemos encontrar os conjuntos
independentes maximais presentes em Ḡ. Isto nos levará diretamente aos cli-
ques em G. Portanto dado o grafo G ilustrado na Figura 5.1, primeiramente
temos que calcular o complemento de G. O grafo Ḡ é ilustrado na Figura 5.2.
Em seguida, é realizado o mesmo processo apresentado na seção anterior.
A partir de Ḡ, realizamos as seguintes operações

104 Enumeração
Figura 5.2: Complemento do grafo ilustrado na Figura 5.1
(A+D)(A+C)(C+E)(E+B) ⇒ Equação 5.2
(A+CD)(E+BC)⇒ distributividade
AE+ABC+CDE+BCD
Os termos encontrados correspondem às seguintes coberturas minimais de
vértices
{a, e}, {a, b, c}, {c, d, e}, {b, c, d}
A partir destas coberturas encontramos os seguintes conjuntos indepen-
dentes maximais em Ḡ,
{b, c, d}, {d, e}, {a, b}, {a, e}
que correspondem aos cliques maximais em G. Isto nos leva ao número de

clique do grafo igual a ω(G) = 3.
5.2.3 Conjuntos dominantes

O uso do método de Maghout para o cálculo dos conjuntos dominantes em
grafos segue uma lógica muito similar àquela descrita na Seção 5.1. É impor-
tante considerar que para o cálculo da cobertura de vértices, criamos uma
soma lógica u̇ + v̇ para cada aresta {u, v}. Esta soma indica que podemos
selecionar ou o vértice u ou o vértice v para compor a cobertura de vértices.
Este mesmo processo de escolha será usado para o cálculos dos conjuntos
dominantes maximais.

Dado o grafo G = (V, A), ilustrado na Figura 5.1, para cada vértice
criaremos uma variável lógica. Neste caso, os vértices a − f estão associados
às variáveis lógicas A − F , respectivamente. Em seguida, para cada vértice
v criamos uma soma lógica contendo todas as variáveis dos vértices que são
dominadas por v 5 . Por exemplo, para o vértice a, criamos a seguinte soma
lógica
(A + B + E)
para o vértice b temos a seguinte soma (A + B + C + D), e assim por di-
ante. Portanto para este grafo temos o seguinte produto destacando o vértice
dominante embaixo da sua respectiva soma lógica.
(A + B + E) (A + B + C + D) (B + C + D) (B + C + D + E) (A + D + E)
| {z }| {z }| {z }| {z }| {z }
a b c d e
Em seguida realizamos os seguintes passos
(A+B+E)(A+B+C+D)(B+C+D)(B+C+D+E)
(A+D+E) ⇒ Equação 5.3
(A+E+BD)(A+B+C+D)(B+C+D)(B+C+D+E) ⇒ Equação 5.4
(A+E+BD)(B+C+D) ⇒ distributividade
AB+AC+AD+BE+CE+DE+BD+BCD+BD ⇒ absorção
AB+AC+AD+BE+CE+DE+BD
Cada termo encontrado representa um conjunto dominante minimal com-

posto pelos vértices que têm suas variáveis lógicas presentes no termo. Por-
tanto, a partir deste resultado temos os seguintes dominantes para G
{a, b}, {a, c}, {a, d}, {b, e}, {c, e}, {d, e}, {b, d}
os quais indicam que o número de dominância de G é igual a γ(G) = 2.

5
Um vértice v domina um vértice u, se existe a aresta {v, u} no conjunto de arestas do
grafo. Além disso, é importante considerar que v domina a si próprio.

106 Enumeração
5.2.4 Emparelhamentos
Na Seção 4.5, discutimos a relação entre emparelhamento maximal e conjunto
independente maximal. Vimos que um emparelhamento maximal em um
grafo G corresponde a um conjunto independente maximal no grafo linha
L(G). Usando esta relação, aplicaremos o método de Maghout no grafo linha
L(G) ao invés de utilizá-lo diretamente no grafo G original para enumerar
todos os seus emparelhamentos maximais.
Para facilitar a compreensão do método, reapresentamos o grafo G =
(V, A) da Figura 4.13 na Figura 5.3(a), dando ênfase às suas arestas. A Fi-
gura 5.3(b) mostra o grafo linha L(G) = (VL , AL ) associado a G. As arestas
de G possuem rótulos a−j que serão usados como rótulos dos vértices corres-
pondentes em L(G). Dois vértices em L(G) são adjacentes se compartilham
vértices em G. Por exemplo, as arestas a e b em G compartilham vértices,
logo os vértices correspondentes são adjacentes em L(G), como podemos ver
na Figura 5.3(b). Por outro lado, como as arestas a e c não compartilham
vértices, seus vértices a, c ∈ VL correspondentes em L(G) não são adjacentes.
(a) (b)
Figura 5.3: Grafo Roda (a) W5 e seu grafo linha (b) L(W5 ) correspondente.
De forma similar ao apresentado na seção anterior, a partir do grafo

L(G), criaremos as variáveis lógicas A−J que estarão associadas aos vértices
a − j, respectivamente. Em seguida, para cada aresta (u, v) ∈ AL criamos
a seguinte soma lógica U + V e realizamos o produto das somas lógicas

associadas às arestas de L(G). Este produto é ilustrado abaixo
(A+B)(A+F )(A+J)(A+E)(B +F )(B +G)(B +C)(C +G)(C +H)(C +D)
(D+H)(D+I)(D+E)(E+I)(E+J)(J+F )(J+G)(J+H)(J+I)(F +G)(F +H)

(F + I)(G + H)(G + I)(H + I)(I + J)
Como este produto possui vários termos, iremos focar inicialmente apenas
em algumas partes. Por exemplo, aplicando a Equação 5.2 nas somas que
possuem em comum a variável F obtemos
F + ABGHIJ
Realizando o mesmo processo porém focando nos vértices G, H, I e J, encon-

tramos G + BCHIJ, H + CDIJ, I + DEJ e J + AE respectivamente. O
produto original se transforma em
(A + B)(A + E)(B + C)(C + D)(D + E)

| {z }
P1
(F + ABGHIJ)(G + BCHIJ)(H + CDIJ)(I + DEJ)(J + AE)

| {z }
P2
ou seja, P1 .P2 . Podemos simplificar P1 , através dos seguintes passos
(A+B)(A+E)(B+C)(C+D)(D+E)⇒ Equação 5.2
(A+BE)(B+C)(C+D)(D+E)⇒ Equação 5.2
(A+BE)(C+BD)(D+E) ⇒ distributividade
(AC+ABD+BCE+BDE)(D+E) ⇒ distributividade
ACD+ACE+ABD+ABDE+BCDE+ BCE
BDE+BDE ⇒ absorção
ACD+ACE+ABD+BCE+BDE
Realizando o mesmo processo com P2 , temos

108 Enumeração
(F+ABGHIJ)(G+BCHIJ)(H+CDIJ)
(I+DEJ)(J+AE)⇒ distributividade
(FG+BCFHIJ+ABGHIJ+ABCGHIJ)
(H+CDIJ)(I+DEJ)(J+EA)⇒ absorção
(FG+BCFHIJ+ABGHIJ)(H+CDIJ)
(I+DEJ)(J+AE)⇒ distributividade
(FG+BCFHIJ+ABGHIJ)
(HI+DEHJ+CDIJ+CDEIJ)(J+AE) ⇒ absorção
(FG+BCFHIJ+ABGHIJ)
(HI+DEHJ+CDIJ)(J+AE) ⇒ distributividade
(FG+BCFHIJ+ABGHIJ)
(HIJ+HIEA+DEHJ+DEHJA+CDIJ+CDIJEA)⇒ absorção
(FG+BCFHIJ+ABGHIJ)
(HIJ+HIEA+DEHJ+DEHJA+CDIJ)⇒ absorção
(FG+BCFHIJ+ABGHIJ)
(HIJ+HIEA+DEHJ+CDIJ)⇒ distributividade
FGHIJ+FGHIEA+FGDEHJ+FGCDIJ+BCFHIJ+
BCFHIJEA+ BCFHIJDE+BCFHIJD+ABGHIJ
+ABGHIJE+ ABGHIJDE+ ABGHIJCD⇒ absorção
FGHIJ+FGHIEA+FGDEHJ+FGCDIJ+ BCFHIJ+
BCFHIJEA+BCFHIJDE +BCFHIJD+ABGHIJ⇒ absorção
FGHIJ+FGHIEA+FGDEHJ+FGCDIJ+ BCFHIJ+ABGHIJ
O cálculo de P1 .P2 resulta nos seguintes passos. Devido à quantidade de
termos manipulados a cada passo, omitimos o nome das operações aplicadas,
entretanto, continuamos destacados os termos usados nas operações.

(ACD+ACE+ABD+BCE+BDE)
(FGHIJ+AEFGHI+DEFGHJ+CDFGIJ+BCFHIJ+ABGHIJ)⇒
ACDFGHIJ+ACEFGHIJ+ABDFGHIJ+BCEFGHIJ+BDEFGHIJ+
ACDEFGHI+ACEFGHI+ABDEFGHI+ABCEFGHI+ABDEFGHI+
ACDEFGHJ+ACDEFGHJ+ABDEFGHJ+BCDEFGHJ+BDEFGHJ+
ACDFGIJ+ACDEFGIJ+ABCDFGIJ+BCDEFGIJ+BCDEFGIJ+
ABCDFHIJ+ABCEFHIJ+ABCDFHIJ+BCEFHIJ+BCDEFHIJ+
ABCDGHIJ+ABCEGHIJ+ABDGHIJ+ABCEGHIJ+ABDEGHIJ ⇒
ACEFGHIJ+ABDFGHIJ+BCEFGHIJ+BDEFGHIJ+
ACDEFGHI+ACEFGHI+ABDEFGHI+ABCEFGHI+ABDEFGHI+
ACDFGIJ+BCDEFGIJ+BCDEFGIJ+
ABCDGHIJ+ABCEGHIJ+ABDGHIJ+ABCEGHIJ+ABDEGHIJ⇒
ACEFGHIJ+ABDFGHIJ+BCEFGHIJ+BDEFGHIJ+
ACDEFGHI+ACEFGHI+ABDEFGHI+ABCEFGHI+
ACEFGHIJ+ABDFGHIJ+BCEFGHIJ+
ACDEFGHJ+ACDEFGHJ+BDEFGHJ+
ACEFGHIJ+ABDFGHIJ+BCEFGHIJ+
ACDFGIJ+BCDEFGIJ+
ABCDFHIJ+ABCEFHIJ+ABCDFHIJ+ BCEFHIJ+ BCDEFHIJ+
ABCDGHIJ+ABCEGHIJ+ ABDGHIJ+ABCEGHIJ+ABDEGHIJ⇒

110 Enumeração
ACEFGHIJ+ABDFGHIJ+
ACDFGIJ+BCDEFGIJ+
ABCDFHIJ+ABCDFHIJ+BCEFHIJ+
ACEFGHIJ+ABDFGHIJ+
ACDFGIJ+BCDEFGIJ+
ABCDFHIJ+BCEFHIJ+
ACEFGHIJ+ABDFGHIJ+
ACDEFGHJ+BDEFGHJ+
ACDFGIJ+ BCDEFGIJ
ABCDFHIJ+ BCEFHIJ
ABCDGHIJ+ ABCEGHIJ+ ABDGHIJ+ ABCEGHIJ+ ABDEGHIJ⇒
ABDFGHIJ+
ACEFGHI+ABDEFGHI+
ACDEFGHJ+BDEFGHJ+
ACDFGIJ+ BCDEFGIJ
ABCDFHIJ+ BCEFHIJ
ABCDGHIJ+ ABCEGHIJ+ ABDGHIJ+ ABCEGHIJ+ ABDEGHIJ⇒
ACEFGHI+ABDEFGHI+
ACDEFGHJ+BDEFGHJ+
ACDFGIJ+ BCDEFGIJ
ABCDFHIJ+ BCEFHIJ
ABCEGHIJ+ ABDGHIJ+ ABCEGHIJ⇒
ACEFGHI+ABDEFGHI+ACDEFGHJ+BDEFGHJ+ACDFGIJ+
BCDEFGIJ+ABCDFHIJ+BCEFHIJ+ABCEGHIJ+ABDGHIJ

5.3 Enumeração em Dı́grafos 111
Baseado no processo descrito na Seção 5.2.1, sabemos que os termos acima

representam as seguintes coberturas de vértices minimais em L(G).
{a, c, e, f, g, h, i}, {a, b, d, e, f, g, h, i}, {a, c, d, e, f, g, h, j}, {b, d, e, f, g, h, j},
{a, c, d, f, g, i, j}, {b, c, d, e, f, g, i, j}, {a, b, c, d, f, h, i, j}, {b, c, e, f, h, i, j},

{a, b, c, e, g, h, i, j}, {a, b, d, g, h, i, j}
Os conjuntos independentes são obtidos calculando VL − C, para cada
cobertura C. Portanto, os conjuntos independentes maximais de L(G) são
{b, d, j}, {c, j}, {b, i}, {a, c, i}, {b, e, h}, {a, h}, {e, g}, {a, d, g}, {d, f }, {c, e, f }
os quais correspondem aos emparelhamentos maximais em G. Observe que

α(L(G)) = α0 (G) = 3, i.e, o número de independência de L(G) é igual ao
tamanho do maior emparelhamento em G.
5.3 Enumeração em Dı́grafos

Nesta seção aplicamos o método de Maghout em dı́grafos para obter as co-
berturas de vértices, conjuntos independentes, cliques, conjuntos dominan-
tes (entrada, saı́da e gêmeos) e emparelhamentos. Em todos os casos, sele-
cionamos um dı́grafo e aplicamos o método apresentando passo a passo as
operações realizadas. Em algumas situações re-aproveitamos os resultados já
calculados na seção anterior, que é o caso da seção de emparelhamento.
5.3.1 Coberturas de Vértices e Conjuntos Independen-

tes
A aplicação do método de Maghout em dı́grafos é direta. Independente se o
dı́grafo é simples ou não, utilizamos seu grafo simples subjacente. Note que Grafo Simples
o grafo subjacente a um multigrafo direcionado é um multigrafo. Podemos Subjacente
aplicar o método neste grafo, porém existirá redundância de esforço já que
múltiplas arestas entre um mesmo par de vértices irão aparecer várias vezes
no produtório. Para minimizar isto utilizamos o grafo subjacente ao mul-
tigrafo que é simples. Por exemplo, o dı́grafo D = (V, A) da Figura 4.2(a)

112 Enumeração
possui os seguintes grafos: o grafo subjacente ao dı́grafo, que é um multi-

grafo, e o grafo subjacente a este multigrafo. Estes grafos são ilustrados nas
Figuras 5.4(a) e (b), respectivamente. O produtório da Equação 5.1 para o
multigrafo na Figura 5.4(a) é
(1̇+ 3̇)2 (1̇+ 5̇)2 (5̇+ 3̇)2 (2̇+ 3̇)2 (2̇+ 4̇)2 (2̇+ 6̇)2 (3̇+ 4̇)2 (3̇+ 6̇)2 (4̇+ 6̇)2 (1̇+ 2̇)(5̇+ 6̇)
onde
(v̇ + u̇)k = (v̇ + u̇)(v̇ + u̇). . . . .(v̇ + u̇)

| {z }
k vezes
e k corresponde à multiplicidade da aresta {v, u}. Enquanto que para o grafo

ilustrado na Figura 5.4(b), temos
(1̇ + 3̇)(1̇ + 5̇)(5̇ + 3̇)(2̇ + 3̇)(2̇ + 4̇)(2̇ + 6̇)(3̇ + 4̇)(3̇ + 6̇)(4̇ + 6̇)(1̇ + 2̇)(5̇ + 6̇)
Usando a simplificação mostrada na Equação 5.2 juntamente com a lei de

idempotência do operador lógico e, é possı́vel mostrar que as expressões para
o multigrafo e para grafo são equivalentes. Portanto, aplicando o método de
Maghout na expressão acima temos a seguinte seqüência de passos.

(1̇ + 3̇)(1̇ + 5̇)(5̇ + 3̇)(2̇ + 3̇)(2̇ + 4̇)(2̇ + 6̇)

(3̇ + 4̇)(3̇ + 6̇)(4̇ + 6̇)(1̇ + 2̇)(5̇ + 6̇) ⇒ Equação 5.2
(3̇ + 1̇2̇4̇5̇6̇)(1̇ + 5̇)(2̇ + 4̇)(2̇ + 6̇)(4̇ + 6̇)

(1̇ + 2̇)(5̇ + 6̇) ⇒ Equação 5.2
(3̇ + 1̇2̇4̇5̇6̇)(1̇ + 5̇)(2̇ + 4̇)(6̇ + 2̇4̇5̇)(1̇ + 2̇) ⇒ Equação 5.2
˙ 1̇ + 5̇) ⇒
(3̇ + 1̇2̇4̇5̇6̇)(6̇ + 2̇4̇5̇)(2̇ + 14)( distributividade
˙ 1̇ + 5̇) ⇒
(3̇6̇ + 2̇3̇4̇5̇ + 1̇2̇4̇5̇6̇ + 1̇2̇4̇5̇6̇)(2̇ + 14)( idempotência
(3̇6̇ + 2̇3̇4̇5̇ + 1̇2̇4̇5̇6̇)(2̇ + 1̇4̇)(1̇ + 5̇) ⇒ distributividade
(3̇6̇ + 2̇3̇4̇5̇ + 1̇2̇4̇5̇6̇)(1̇2̇ + 2̇5̇ + 1̇4̇ + 1̇4̇5̇) ⇒ absorção
(3̇6̇ + 2̇3̇4̇5̇ + 1̇2̇4̇5̇6̇)(1̇2̇ + 2̇5̇ + 1̇4̇) ⇒ distributividade
1̇2̇3̇6̇ + 2̇3̇5̇6̇ + 1̇3̇4̇6̇ + 1̇2̇3̇4̇5̇ + 2̇3̇4̇5̇ + 1̇2̇3̇4̇5̇+

1̇2̇4̇5̇6̇ + 1̇2̇4̇5̇6̇ + 1̇2̇4̇5̇6̇ ⇒ idempotência
1̇2̇3̇6̇ + 2̇3̇5̇6̇ + 1̇3̇4̇6̇ + 1̇2̇3̇4̇5̇ + 2̇3̇4̇5̇+

1̇2̇3̇4̇5̇ + 1̇2̇4̇5̇6̇ ⇒ absorção
1̇2̇3̇6̇ + 2̇3̇5̇6̇ + 1̇3̇4̇6̇ + 2̇3̇4̇5̇ + 1̇2̇4̇5̇6̇
Após este processo, obtivemos cinco termos indicando que temos as se-
guintes coberturas de vértices minimais
{1, 2, 3, 6}, {2, 3, 5, 6}, {1, 3, 4, 6}, {2, 3, 4, 5}, {1, 2, 4, 5, 6}
A obtenção dos conjuntos independentes maximais é feita como mostrada

na seção anterior. Dada uma cobertura minimal de vértices C, o conjunto
independente maximal é V − C. Logo, os conjuntos independentes maximais
de D são
{4, 5}, {1, 4}, {2, 5}, {1, 6}, {3}
e o número de independência do dı́grafo é α(D) = 2.

114 Enumeração
Figura 5.4: Enumeração de Conjuntos Independentes em Dı́grafos. (a) grafo

subjacentes e (b) grafo simples subjacente ao dı́grafo ilustrado na Figura 4.2
5.3.2 Coberturas de Fonte e Sumidouro
Como as coberturas de fonte e sumidouro podem ser obtidas diretamente a

partir dos arcos do dı́grafo, o método de Maghout não é utilizado nesta seção.
Dado um dı́grafo D = (V, A), as coberturas de fonte e sumidouro Cf ⊆ V e
Cs ⊆ V , respectivamente, correspondem a subconjuntos de vértices tal que
para todo arco (u, v) ∈ A, u ∈ Cf e v ∈ Cs , i.e., para cada arco, o vértice
origem compõe a cobertura de fonte enquanto que o vértice destino compõe a
cobertura de sumidouro. Note que o fato de v ∈ Cf , não implica que v é um
vértice fonte. Isto indica apenas que existem arcos que têm v como origem.
A mesma idéia está relacionada aos vértices em Cs .
Para ilustrar estas coberturas, considere os dı́grafos ilustrados na Fi-
gura 5.5. Para o dı́grafo D1 em (a), as coberturas de fonte e de sumidouro
são Cf = {a, e} e Cs = {b, c, d, f }, respectivamente. Como Cf ∩ Cs = ∅, logo
D1 é um dı́grado bipartido direcionado com as partições definidas por Cf e
Cs . Neste caso, para cada arco (u, v), u é vértice fonte e v é vértice sumi-
douro. Para o dı́grafo D2 em (b), Cf = {a, b, e} e Cs = {c, d, e, f }. D2 é um
dı́grafo bipartido, pois seu grafo subjacente é bipartido possuindo os seguin-
tes conjuntos independentes {a, e} e {b, c, d, f }. Todavia, D2 não é bipartido
direcionado pois Cf ∩ Cs 6= ∅, i.e., D2 não possui apenas vértices fonte e su-
midouro. O dı́grafo D3 em (c), possui Cf = {a, b, c, d, e} e Cs = {a, b, c, d, f }.
Este dı́grafo não é bipartido, pois o grafo subjacente possui ciclos de tamanho
3. Ele é um dı́grafo 3-partido cujo conjunto de vértices pode ser dividido nas
seguintes partições {a, e}, {b, d} e {c, f }.

(a) (b) (c)
Figura 5.5: Cobertura de Fonte e Sumidouro
5.3.3 Cliques
O cálculo de cliques maximais em dı́grafos é similar ao cálculo realizado para
grafos. Inicialmente calculamos o complemento do dı́grafo e encontramos
seu grafo simples subjacente, pelos motivos apresentados na Seção 5.3.1. Em
seguida aplicamos o método de maghout. Considere, o dı́grafo D, ilustrado na
Figura 4.2. O Complemento deste dı́grafo D̄ e seu grafo simples subjacente,
são ilustrados nas Figuras 5.6(a) e (b), respectivamente.
(a) (b)
Figura 5.6: Enumeração de Cliques em Dı́grafos. (a) Complemento e (b)

grafo simples subjacente do dı́grafo ilustrado na Figura 4.2.

116 Enumeração
A partir do grafo simples subjacente, temos os seguintes passos

(1̇ + 2̇)(1̇ + 4̇)(1̇ + 6̇)(5̇ + 2̇)(5̇ + 4̇)(5̇ + 6̇) ⇒ Equação 5.2
(1̇ + 2̇4̇6̇)(5̇ + 2̇4̇6̇) ⇒ Equação 5.2
1̇5̇ + 2̇4̇6̇
Os termos encontrados correspondem às seguintes cobertura de vértices
minimais
{1, 5}, {2, 4, 6}
Usando este resultado encontramos os seguintes conjuntos independentes
maximais em D̄,
{2, 3, 4, 6}, {1, 3, 5}
que correspondem aos cliques maximais em D. Logo, o número de clique
do dı́grafo é ω(D) = 4.
5.3.4 Conjuntos Dominantes

O uso do método de Maghout para o cálculo dos conjuntos dominantes em
dı́grafos segue uma lógica muito similar àquela descrita na Seção 5.1. Ini-
cialmente apresentaremos o cálculo dos conjuntos dominantes de entrada e
em seguida mostraremos como os conjuntos dominantes de saı́da serão cal-
culados. Finalizaremos com o cálculo dos conjuntos dominantes minimais
gêmeos. É importante considerar que para o cálculo da cobertura de vértices,
criamos uma soma lógica u̇ + v̇ para cada aresta {u, v}. Esta soma indica que
podemos selecionar ou o vértice u ou o vértice v para compor a cobertura
de vértices. Este mesmo processo de escolha será usado para o cálculos dos
conjuntos dominantes maximais.
Dado o dı́grafo D = (V, A), ilustrado na Figura 4.10, para cada vértice
criaremos uma variável lógica. Neste caso, os vértices a − f estão associados
às variáveis lógicas A − F , respectivamente. Em seguida, para cada vértice
v criamos uma soma lógica contendo todas as variáveis dos vértices que são
dominadas por v 6 . Por exemplo, para o vértice a, criamos a seguinte soma
lógica
(A + B + C)
6
Um vértice v domina um vértice u, se existe o arco (v, u) no dı́grafo. Além disso, é
importante considerar que v domina a si próprio.

para o vértice b temos a seguinte soma (B + C + D), e assim por diante.

Portanto para este dı́grafo temos o seguinte produto destacando o vértice
dominante embaixo da sua respectiva soma lógica.
(A + B + C) (B + C + D) (A + B + C + E) (B + D + F )
| {z }| {z }| {z }| {z }
a b c d
(C + D + E + F ) (B + F )
| {z }| {z }
e f
(A+B+C)(B+C+D)(A+B+C+E)(B+D+F)
(C+D+E+F)(B+F)⇒ Equação 5.4
(A+B+C)(B+C+D)(B+D+F)(C+D+E+F)(B+F)⇒ Equação 5.4
(A+B+C)(B+C+D)(C+D+E+F) (B+F)⇒ Equação 5.3
(B+C+AD)(C+D+E+F)(B+F)⇒ Equação 5.3
(B+(C+AD)F )(C+D+E+F)⇒ distributividade
(B+CF+ADF)(C+D+E+F)⇒ distributividade
BC+BD+BE+BF+CF+CDF+CEF+ CF+ACDF+
+ADF+ADEF+ADF⇒ absorção
BC+BD+BE+BF+CF+ADF+ADEF+ADF⇒ absorção
BC+BD+BE+BF+CF+ ADF
Portanto, os conjuntos dominantes de entrada para D são Conjuntos Do-

minantes de
{b, c}, {b, d}, {b, e}, {b, f }, {c, f }, {a, d, f } Entrada
e o número de dominância de entrada é γ − (D) = 2. Calcular o conjunto

dominante de saı́da a partir do conjunto dominante de entrada através de

118 Enumeração
Cs = V − Ce , onde Ce é o conjunto dominante de entrada e Cs é o conjunto

dominante de saı́da, pode levar a resultados incompletos ou não minimais.
Por exemplo, os conjuntos obtidos a partir do resultado anterior são
{a, d, e, f }, {a, c, e, f }, {a, c, d, f }, {a, c, d, e}, {a, b, d, e}, {b, c, e}
Note que o conjunto {a, d, e, f } não corresponde a um conjunto minimal

pois {a, e} é o conjunto dominante de saı́da minimal. Além disso, alguns
conjuntos que compõem o resultado correto, como {b, c, f }, não aparecem.
Este conjunto é dominante de saı́da e não é subconjunto próprio de outro
conjunto.
Para obtermos os conjuntos dominantes de saı́da minimais, realizamos um
processo similar ao exposto anteriormente. Porém ao invés de escrevermos
para cada vértice v a soma lógica das variáveis que são dominadas por v,
escrevemos a soma lógica das variáveis que dominam v. Para o mesmo dı́grafo
D, a soma associada ao vértice a é dada apenas por (A + C). Em seguida
realizamos o produto das somas obtidas para cada vértice. Isto resultado no
seguinte produto
(A + C) (A + B + C + D + F ) (A + B + C + E) (B + D + E)
| {z }| {z }| {z }| {z }
a b c d
(C + E) (D + E + F )
| {z }| {z }
e f

(A+C)(A+B+C+D+F)(A+B+C+E)(B+D+E)
(C+E)(D+E+F)⇒ Equação 5.4
(A+C)(B+D+E)(C+E)(D+E+F)⇒ Equação 5.3
(A+C)(D+E+BF)(C+E)⇒ Equação 5.3
(C+AE)(D+E+BF)⇒ distributividade
CD+CE+CBF+ADE+AE+ABEF⇒ absorção
CD+CE+CBF+AE

Portanto, os conjuntos dominantes de saı́da para D são Conjuntos Do-

minantes de
Saı́da
{c, d}, {c, e}, {c, b, f }, {a, e}
e o número de dominância de saı́da é γ + (D) = 2.
O cálculo dos conjuntos dominantes gêmeos minimais segue diretamente

do resultado obtido nos cálculos anteriores. Sabemos que para um dı́grafo
D = (V, A), um conjunto dominante gêmeo S é um subconjunto de vértices
S ⊆ V , tal que todo par de vértices u, v ∈ S existem dois arcos (u, w), (w, v) ∈
A para todo w ∈ V − S. Nos conjuntos dominantes de entrada S1 , todos os
vértices em V − S1 dominam pelo menos um vértice em S1 , enquanto que nos
conjuntos dominantes de saı́da S2 , todos os vértices em V −S2 são dominados
pelos vértices em V2 . Portanto V − (S1 ∪ S2 ) correspondem aos vértices que
dominam os vértices em S1 e são dominados pelos vértices em S2 .
Considerando os resultados anteriores R1 =BC+BD+BE+BF+CF+ ADF

e R2 =CD+CE+CBF+AE associados aos conjuntos dominantes de entrada
e de saı́da respectivamente. Os conjuntos dominantes gêmeos são obtidos
através dos seguintes passos

120 Enumeração
R1 .R2 =(BC+BD+BE+BF+CF+ ADF)

(CD+CE+CBF+AE)⇒ distributividade
BCD+BCE+BCF+ABCE+BCD+BCDE+BCDF+
ABDE+BCDE+BCE+BCEF+ABE+BCDF+BCEF+
BCF+ABEF+CDF+CEF+BCF+ACEF+ACDF+
ACDEF+ABCDF+ADEF⇒ absorção
BCD+BCE+BCF+ABCE+
ABDE+BCE+BCEF+ABE+BCEF+
ACDEF+ADEF⇒ absorção
BCD+BCE+BCF+
ABDE+ABE+
BCD+BCE+BCF+
ABDE+ABE+
ABEF+CDF+CEF+ACEF+ACDF+
BCD+BCE+BCF+
ABE+CDF+CEF+ACEF+ACDF+
BCD+BCE+BCF+ABE+
+CDF+CEF+ACDF+ADEF⇒ absorção
BCD+BCE+BCF+ABE+
CDF+CEF+ADEF
Conjuntos Portanto, os conjuntos dominantes gêmeos para D são

Dominantes
Gêmeos {b, c, d}, {b, c, e}, {b, c, f }, {a, b, e}, {c, d, f }, {c, e, f }, {a, d, e, f }
e o número de dominância gêmeo é γ ∗ (D) = 3.

5.3.5 Emparelhamentos
Na Seção 5.2.4, vimos explicitamente o relacionamento entre emparelhamento
maximal e conjunto independente maximal através da relação entre um grafo
G e seu grafo linha L(G). Observamos que os emparelhamentos de G po-
deriam ser obtidos calculando os conjuntos independentes em L(G). Isto
permitiu o uso do método de Maghout em L(G) para enumerar todos os
emparelhamentos maximais de G.
Na Seção 4.5, discutimos que o conceito de emparelhamento para gra-
fos e dı́grafos era o mesmo, porém com a diferença de que para o primeiro
considerávamos arestas enquanto para o último considerávamos arcos. En-
tretanto, em ambos os casos, o emparelhamento buscava sempre um conjunto
de arcos ou arestas que não compartilhavam vértices e não correspondiam a
laços.
Nesta seção iremos usar os resultados obtidos anteriormente para grafos
e apresentados na Seção 5.2.4. Considerando o dı́grafo D = (V, A) mostrado Grafo Subja-
na Figura 5.7, a enumeração dos emparelhamentos é feita a partir do grafo cente ao Dı́grafo
subjacente a D, o qual chamaremos de D0 . Usando D0 , aplicamos o método Grafo Linha
de Maghout no grafo linha L(D0 ). O grafo D0 é o grafo da Figura 5.3 que foi
utilizado na Seção 5.2.4 para exemplificar o cálculo dos emparelhamentos ma-
ximais. Portanto os passos mostrados naquela seção assim como o resultado
obtido são também válidos para o dı́grafo D. Assim, os emparelhamentos
maximais para D correspondem aos seguintes conjuntos de arcos
{b, d, j}, {c, j}, {b, i}, {a, c, i}, {b, e, h}, {a, h}, {e, g}, {a, d, g}, {d, f }, {c, e, f }
e α0 (D) = 3 indicando que o tamanho do maior emparelhamento de D é igual

a 3.
5.4 Exercı́cios
Exercı́cio 5.1. Liste todos os conjuntos independentes do grafo ilustrado na
Figura 4.1(a) e determine seu número de independência.
Exercı́cio 5.2. Liste todos os conjuntos independentes e cliques do grafo

ilustrado na Figura 5.8. Em seguida determine seus números de clique e de
independência.

122 Enumeração
Figura 5.7: Dı́grafo usando para o cálculo do emparalhamento.
Exercı́cio 5.3. Liste todos os conjuntos independentes e cliques do comple-

mento do grafo ilustrado na Figura 5.8. Em seguida determine seus números
de clique e de independência. Compare os resultados obtidos com os do
exercı́cio anterior.
Exercı́cio 5.4. Quantos conjuntos independentes e cliques possui: (a)Kn e
(b) Cn
Exercı́cio 5.5. Mostre para qualquer grafo G, ω(G) = α(Ḡ) e α(G) = ω(Ḡ)
Exercı́cio 5.6. Mostre que para qualquer inteiro positivo n ≥ 2, o número
de Ramsey r(n, 2) é igual a n.
Exercı́cio 5.7. Determine |V | e |A| de um grafo biclique Kr,s = (V, A).
Exercı́cio 5.8. Quantos automorfismos possui um biclique Kr,s com (a) r 6=
s e (b) r = s?
Exercı́cio 5.9. Dado um grafo G = (V, A), mostre que
d(vi ) d(vi )
^ ^
(ui + ui+j ) = ui + (ui+j )
j=1 j=1
considerando que ui é a variável lógica associada ao vértice vi ∈ V e ui+j é

a variável lógica associada ao vértice wj ∈ τ (vi ).
Exercı́cio 5.10. Determine os conjuntos independentes maximais e os cli-
ques do dı́grafo ilustrado na Figura 5.9

Figura 5.8: Grafo Exemplo
Figura 5.9: Dı́grafo Exemplo

124 Enumeração
Exercı́cio 5.11. Dada uma aresta com multiplicidade k ≥ 1, mostre que
(v̇ + u̇)k = (v̇ + u̇),
onde + é a operação lógica ou.
Exercı́cio 5.12. Seja G = G1 + G2 , i.e., o resultado da operação de junção

sobre os grafos G1 e G2 . Prove que ω(G) = ω(G1 ) + ω(G2 ).
Exercı́cio 5.13. Mostre que um grafo G é bipartido se e somente se α(H) ≥

1
2
|H| para todo subgrafo H de G, i.e., H ⊆ G.
Exercı́cio 5.14. Mostre que para qualquer k > 0, todo grafo k-regular bipar-
tido tem um emparelhamento perfeito.
Exercı́cio 5.15. Determine a quantidade de emparelhamentos perfeitos de

um grafo completo Kn .
|V |
Exercı́cio 5.16. Prove que para qualquer grafo G = (V, A), α(G) ≥ ∆(G)+1
Exercı́cio 5.17. Mostre que max{γ + (D), γ − (D)} ≤ γ ∗ (D) ≤ γ + (D) +

γ − (D)

Capı́tulo 6
Árvores
Este capı́tulo apresenta os principais conceitos relacionados a um tipo parti-

cular de grafo chamado Árvore. Uma árvore pode ser vista ou como um grafo
conexo ou como um dı́grafo conexo sem ciclos. Árvores vêm sendo estudadas
deste 1857 por Cayley em processos de contagem de componentes quı́micos
e possuem inúmeras aplicações práticas, sendo freqüentemente empregadas
em algoritmos que necessitam realizar buscas rápidas de itens em uma lista;
representar dados eficientemente para armazenamento ou transmissão; mo-
delar explicitamente um processo de decisão, entre outros.
6.1 Conceitos Básicos

Definição 6.1. Uma árvore é um grafo conexo acı́clico, i.e., sem ciclos de
qualquer tamanho.
Qualquer grafo simples conexo que não possui ciclos é uma árvore. Quando
o grafo é simples e apenas acı́clico, temos uma floresta, onde cada componente Floresta
conexo é uma árvore. Se ele possui apenas um único componente conexo,
então ele é uma árvore que consiste em uma floresta conexa. A Figura 6.1
ilustra vários grafos acı́clicos que representam árvores, em particular, (a) é
um grafo caminho P6 e (b) é um grafo estrela S6 . Observe que em todos os
casos, o número de arestas é uma unidade a menos que o número de vértices.
A união de todas as árvores nesta figura compõe uma floresta com 3 compo-
nentes conexos. O fato de uma árvore ser um grafo acı́clico leva ao seguinte
Teorema.

126 Árvores
(a) (b) (c)
Figura 6.1: Exemplo de árvores. O grafo resultante da união das árvores (a),
(b) e (c) corresponde a uma floresta.
Teorema 6.1. Em uma árvore, existe um único caminho entre qualquer par
de vértices.
A presença de um ciclo em um grafo leva a pelo menos dois caminhos

entre algum par de vértices na árvore. Como uma árvore não possui ciclos
nem laços então o número de arestas é limitado pelo número de vértices.
Teorema 6.2. Uma árvore T = (V, A) possui |A| = |V | − 1.
O fato do número de arestas ser limitado pelo número de vértices em uma

árvore T , nos leva ao seguinte teorema relacionado ao conjunto de árvores
que formam uma floresta.
Teorema 6.3. Uma floresta F = (V, A) composta por n árvores Ti =

(Vi , Ai ), com 1 ≤ i ≤ n, possui uma quantidade de aresta igual a
n
X
|A| = |Vi | − n.
i=1
Uma árvore possui inúmeras caracterı́sticas que são equivalentes entre si e

que a individualizam dos demais grafos. Estas caracterı́sticas são destacadas
no seguinte Teorema.
Teorema 6.4. Para um grafo T = (V, A) de n ≥ 1 vértices, as seguin-

tes afirmações são equivalentes e caracterizam T como uma árvore com n
vértices.
(i) T é conexo e tem n − 1 arestas;

(ii) Para qualquer par de vértices v, u ∈ V , existe apenas um único caminho

de v a u (e vice-versa) em T ;
(iii) T é minimamente conexo, i.e., T é conexo porém a remoção de qualquer

aresta qualquer torna T desconexo.
(iv) T é maximamente acı́clico, i.e., T não possui ciclos entretanto a adição

de uma aresta entre qualquer par de vértices não adjacentes gera um
ciclo em T .
A partir do ı́tem (iii) do Teorema 6.4, temos os seguintes Corolários
Corolário 6.1. Cada aresta de uma árvore é uma aresta de corte (Verifique!).
Corolário 6.2. Um vértice v de uma árvore é um vértice de corte se e

somente se d(v) > 1 (Verifique!).
Portanto qualquer árvore T com mais de n ≥ 2 vértices possui conectivi-

dades de vértice e de aresta iguais a 1, i.e., λ(T ) = κ(T ) = 1.
É comum lidarmos com árvores cujos vértices possuam rótulos. Uma
árvore com vértices rotulados com letras ou número é chamada árvore ro-
tulada. Duas árvores rotuladas T = (V, A) e T 0 = (V 0 , A0 ) são idênticas se Árvore Rotulada
V = V 0 e A = A0 , i.e., se tanto o conjunto de aresta quanto o conjunto de
vértices forem iguais. Se ambas as árvores possuı́rem a mesma forma, porém
com conjunto de arestas distintos, devido aos rótulos, elas serão consideradas
diferentes. Neste caso, dizemos que são árvores isomórficas, porém diferen- Árvores
tes. Isomorfismo em grafos é discutido em maiores detalhes na Seção 1.6. Isomórficas
As árvores mostradas na Figura 6.1 não são rotuladas. Por outro lado, as
árvores das Figuras 6.2(a) e (b) são rotuladas e distintas, mesmo que elas
representem grafos estrela S6 . O que difere nestas árvores é o conjunto de
arestas. A aresta {d, c} está contida apenas na árvore em (a), enquanto que
a aresta {a, c} está presente apenas na árvore em (b).
Na Seção 1.4 apresentamos o conceito de centro de um grafo que consiste
em um grafo induzido pelos vértices de excentricidade mı́nima. Este conceito Centro de
é válido para árvores com adição da informação de que o centro de uma Árvores
árvore é um vértice ou uma aresta. Este resultado foi obtido por Jordan e
apresentado através do seguinte Teorema.
Teorema 6.5 ([18]). O centro de uma árvore é um vértice ou uma aresta.

128 Árvores
(a) (b)
Figura 6.2: Exemplo de árvores rotuladas.
Considerando a Figura 6.2, o centro da árvore em (a) é o vértice d, en-

quanto que o centro da árvore em (b) é o vértice a. O vértice d em (a)
possui menor excentricidade dentre todos os vértices, sendo igual a (d) = 1,
enquanto que os demais vértices possuem excentricidade igual a 2. A mesma
situação é encontrada em (b), porém o vértice que possui a menor excen-
tricidade é o vértice a. Por outro lado, os vértices da árvore ilustrada na
Figura 6.3(a) possuem as seguintes excentricidades:
(a) = 3, (b) = 3, (c) = 3, (d) = 2, (e) = 2, (f ) = 3 e (g) = 3.
Portanto os vértices d e e possuem os menores valores de excentricidade e

correspondem ao centro desta árvore.
6.2 Árvores Enraizadas

Em inúmeras aplicações um dado vértice é designado para se tornar um
Vértice Raiz vértice raiz. A partir dele podemos associar uma direção à cada aresta de
forma a criar um caminho direcionado do vértice raiz para cada vértice da
Árvore Enrai- árvore. Isto leva ao conceito de árvore enraizada e também à definição de
zada uma hierarquia entre os vértices. As Figuras 6.3(b) e (c) mostram árvores
enraizadas geradas a partir da árvore em (a), tendo como raı́zes os vértices a
e e respectivamente. É possı́vel alcançar qualquer vértice da árvore através
de um único caminho direcionado a partir do vértice raiz.
Se T = (V, A) é uma árvore enraizada e v, u ∈ V são vértices quaisquer,
Vértices Pai, Fi- então u é pai de v e v é filho de u se existe um arco (u, v) ∈ A. Dois vértices
lho e Irmão são chamados irmãos quando possuem o mesmo pai. Um vértice u é ancestral
Vértices Ances-
tral, Descen-
dente, Folha e
Interno
6.2 Árvores Enraizadas 129
(a)
(b) (c)
Figura 6.3: Exemplo de árvores enraizadas. (b) e (c) são árvores enraizadas
geradas a partir de (a), com raı́zes a e e respectivamente

130 Árvores
de outro vértice v, se e somente existe um caminho direcionado na árvore

de u para v. Neste caso, v é um vértice descendente de u. Vértices que não
possuem descendentes são chamados vértices folha, e os demais vértices são
chamados vértices internos da árvore. O vértice raiz é um vértice interno a
não ser que ele seja o único na árvore. Neste caso, ele é considerado como
sendo um vértice folha.
Toda árvore com no mı́nimo dois vértices tem no mı́nimo duas folhas.
Um vértice folha v possui grau d(v) ≤ 1, onde d(v) = 0, quando a árvore for
composta apenas por ele. Um vértice interno u de uma árvore possui grau
d(u) ≥ 1. A remoção de uma folha de uma árvore com n vértices resulta
em outra árvore porém com n − 1 vértices. Portanto, para qualquer árvore
T=(V,A) não trivial temos d(v) ≥ 1 , ∀v ∈ V . Usando esta informação e os
Teoremas 1.1 e 6.2, temos o seguinte Corolário
Corolário 6.3. Para uma árvore T = (V, A), temos

X
d(v) = 2|A| = 2|V | − 2
v∈V
Subárvore Uma subárvore T 0 = (V 0 , A0 ) de uma árvore T = (V, A), i.e., denotada

por T 0 ⊆ T , possui como raiz um vértice interno v de T e como vértices
internos todos os vértices descendentes de v e todas as arestas incidentes
a estes vértices em T . Formalmente, se T 0 ⊆ T e v é raiz de T 0 , então
u ∈ V 0 se u ∈ V e é descendente da raiz v em T , ou seja, se existe um
caminho direcionado em T com origem em v e destino em u. Em relação
aos arcos, a = (x, y) ∈ A0 se (x, y) ∈ A e x, y ∈ V 0 . As Figuras 6.4(a) e (b)
apresentam duas sub-árvores da árvore na Figura 6.3(b) com vértices raı́z e
e d, respectivamente. Todos os vértices descendentes do vértice e da árvore
na Figura 6.3(b) compõem a sub-árvore na Figura 6.4(a), juntamente com
os respectivos arcos. O mesmo se aplica à sub-árvore da Figura 6.4(b).
Quando todos os vértices internos de uma árvore enraizada possuem no
máximo p filhos, então dizemos que ela é uma árvore p-ária. Uma árvore
Árvore p-ária, e enraizada é p-ária completa se todos os seus vértices internos possuem exa-
p-ária Completa tamente p filhos. Quando p = 2, temos uma árvore binária composta por
vértices com no máximo dois filhos. Nesta árvore, dizemos que um vértice
Árvore Binária,
com dois filhos possui um filho à esquerda e outro à direita. A subárvore
Subárvores Di-
enraizada com raiz no filho à esquerda é chamada subárvore esquerda, en-
reita e Esquerda
quanto que a outra subárvore é chamada subárvore direita. Árvores binárias
são comumente usadas para estruturar informação para que esta seja aces-

6.2 Árvores Enraizadas 131
(a) (b)
Figura 6.4: Exemplo de sub-árvores. (a) e (b) são sub-árvores da árvore da

Figura 6.3(b) com raı́zes e e d, respectivamente.
sada de forma eficiente. Nestes casos, elas são chamadas de árvores binárias
de pesquisa.
A árvore mostrada na Figura 6.3(c) é um exemplo de árvore 3-ária,
também chamada de ternária. Esta árvore é completa pois todos os vértices
internos possuem exatamente 3 vértices filhos. Por outro lado, embora a
árvore mostrada na Figura 6.3(b) seja uma árvore ternária, ela não é com-
pleta, pois o vértice e possui apenas dois filhos. Outro exemplo pode ser
visto na Figura 6.1(b) se considerarmos o vértice central como sendo um
vértice raiz. Neste caso, teremos uma árvore 6-ária. A árvore ilustrada na
Figura 6.1(c) pode também ser vista como árvore completa 3-ária se consi-
derarmos que o vértice do topo como vértice raiz.
O comprimento do caminho do vértice raı́z até um vértice v qualquer
define o nı́vel do vértice v, denotado por l(v)1 . O nı́vel de um vértice é Nı́vel de um
também chamado de altura do vértice na árvore. Por exemplo, considere a vértice
árvore T = (V, A) ilustrada na Figura 6.3(c). Os vértices de T possuem os
seguintes nı́veis l(a) = 2, l(b) = 1, l(c) = 2, l(d) = 1, l(e) = 0 e l(f ) = 2. Note
que o nı́vel do vértice raiz e é igual a 0, por outro lado o nı́vel do vértice a
é igual a 2. A partir desta informação é possı́vel calcular a altura da árvore Altura de uma
T , denotada por h(T )2 . Ela é definida pelo maior valor de nı́vel encontrado Árvore
considerando todos os vértices de T , i.e.,
h(T ) = max l(v).
v∈V
Uma árvore p-ária de altura h é chamada balanceada se todos os vértices Árvore Balance-
1 ada
l é a inicial da palavra level que corresponde à palavra nı́vel em inglês
2
h é a inicial da palavra height que corresponde à palavra altura em inglês

132 Árvores
(a)
(b)
Figura 6.5: Exemplo de árvore balanceada. (a) é uma árvore ternária balan-
ceada, enquanto que (b) é binária porém não balanceada.
folha possuem nı́vel igual ou a h ou h − 1. Se esta árvore é completa e todos

os seus vértices folhas estiverem a uma altura h, então ela é chamada árvore
Árvore p-ária p-ária cheia. A Figura 6.5(a) mostra uma árvore ternária com raiz no vértice
Cheia a e altura igual a 3. Esta árvore é balanceada pois todos os vértices folha,
diferentes do vértice b, possuem altura igual a 3, enquanto b possui altura
igual a 2. Por outro lado, a árvore binária em (b) não é balanceada pois ela
possui altura igual a 3 e contém um vértice folha b com altura igual a 1.
A quantidade de vértices que uma árvore p-ária de altura h possui é obtida
somando o número de vértices a uma distância 0, 1, . . ., h da raı́z. Assim
temos que
Teorema 6.6. Uma árvore p-ária de altura h possui no máximo ph vértices

6.3 Árvores de Espalhamento 133
(a)
(b) (c)
Figura 6.6: Exemplo de árvores de espalhamentos. (a) mostra um grafo G e

(b) e (c) mostram duas árvores de espalhamentos de G.
Ph−1 i ph −1
folha e no máximo i=0p = p−1
vértices internos.
6.3 Árvores de Espalhamento

Como discutido na Seção 1.1, qualquer grafo G possui um subgrafo, chamado
subgrafo de espalhamento ou subgrafo gerador, que contém todos os vértices
do grafo original. Quando este subgrafo não possui ciclos ele é comumente
chamado de árvore de espalhamento ou árvore geradora. Quando o subgrafo
de espalhamento é desconexo, então temos uma floresta de espalhamento, Floresta de Es-
onde cada componente conexo é uma árvore de espalhamento. palhamento
A Figura 6.6(a) mostra um grafo G e duas árvores de espalhamentos de
G em (b) e (c). Cada árvore possui o mesmo conjunto de vértices de G e um
subconjunto das arestas que não formam ciclos.
Uma questão que se colocar diretamente após a apresentação destas árvores
é quantas árvores de espalhamento podem ser obtidas a partir de um grafo

134 Árvores
G. Uma solução simples e elegante para este problema foi dada por Cayley
através do seguinte Teorema.
Teorema 6.7. O número de árvores de espalhamento de um grafo G = (V, A)

é dado por
T (G) = T (G − a) + T (G/a)
onde a ∈ A e não corresponde a um laço.
Através deste Teorema podemos observar que o número de árvores de

espalhamento de G é obtido de forma recursiva. Inicialmente selecionando
uma aresta a qualquer e a usamos para realizar duas operações em G, já
discutidas na Seção 2.2: a remoção de a, dada por G − a, e a operação de
arco contração em a, dada por G/a. A partir daı́, o número de árvores de
espalhamento de G é igual a soma do número de árvores de espalhamento de
G após a remoção da aresta a, e de G após a operação de arco-contração na
aresta a.
Para exemplificar este processo usaremos o grafo G = (V, A) ilustrado na
Figura 6.7 e a aresta a em destaque. De acordo com o Teorema 6.7, temos
que calcular G1 = G − a e G2 = G/a, pois
T (G) = T (G1 ) + T (G2 )
Figura 6.7: Grafo G exemplo para o cálculo do número de árvores de espa-

lhamento. A aresta em negrito é a selecionada para o Teorema 6.7.
Os grafos G1 e G2 são ilustrados nas Figura 6.8(a) e (d), respectivamente.

Como estes grafos são complexos, não é possı́vel saber diretamente o número
de árvores de espalhamento de cada um deles. Devido a isto, utilizamos
novamente o Teorema 6.7 em G1 e G2 . Para G1 , selecionamos a aresta b,

como ilustrado na Figura 6.8(a) a fim de obter G01 = G1 − b e G001 = G1 /b,

ambos ilustrados em (b) e (c), respectivamente. Enquanto que para G2 ,
selecionamos a aresta c, ilustrada na Figura 6.8(d) para calcular G02 = G2 − c
e G002 = G2 /c, ambos ilustrados em (e) e (f), respectivamente.
Dessa forma temos,
T (G1 ) = T (G01 ) + T (G001 ) e T (G2 ) = T (G02 ) + T (G002 )
A partir destes grafos e analisando as Figuras 6.8(a)-(f), sabemos que
T (G01 ) = 1 e T (G001 ) = 2. Estes resultados se devem ao fato de G01 já ser uma
árvore, e G001 , para se tornar uma árvore deve selecionar uma das duas ares-
tas que são incidentes no mesmo par de vértices. Cada uma destas arestas
juntamente com as demais dá origem a uma única árvore de espalhamento.
Portanto G001 possui exatamente duas árvores de espalhamento. Através des-
tes resultados obtemos T (G1 ) = 3. Usando o mesmo processo, sabemos que
T (G02 ) = 2 e T (G002 ) = 4, e consequentemente, T (G2 ) = 6. Utilizando os
resultados obtidos concluı́mos que T (G) = 9.
(a) (b) (c)
(d) (e) (f)
Figura 6.8: Árvores intermediárias utilizadas no cálculo do número de árvores

de espalhamento do grafo G ilustrado na Figura 6.7. (a) G1 = G − a e (b)
G01 = G1 − b (c) G001 = G1 /b (d) G2 = G/a (e) G02 = G2 − c (f) G002 = G2 /b.
Devido à recursividade, este processo pode ser muito complicado e demo-

rado quando o grafo é muito grande. Felizmente existe uma maneira mais

136 Árvores
direta de calcular o número de árvores de espalhamento de grafos genéricos.

Ele foi desenvolvido por Kirchhoff [19] e é baseado no cálculo de determinante
de matrizes. Kirchhoff mostrou que o número de árvores de espalhamento
de um grafo G é determinado a partir do cofator3 da matriz resultante da
subtração da matriz de graus4 pela matriz de adjacência, ambas do grafo G,
o que é expresso através do o seguinte Teorema.
Teorema 6.8 (Teorema de Matriz-Árvore [20]). Dados um grafo G = (V, A)

sem loops com V = {v1 , v2 , . . . , vn }, a matriz de adjacência D = [di,j ] de G,
onde di,j representa o número de arestas entre os vértices vi e vj , e a matriz
de graus M = [mi,j ] de G, onde mi,i = d(vi ) e mi,j = 0, para i 6= j, o número
de árvores de espalhamento de G pode ser obtido por
T (G) = (−1)i+j det Qi,j
onde Qi,j é a matriz resultante da eliminação da linha i e coluna j, relativos

ao elemento qi,j , da matriz Q = M − D.
A aplicação do Teorema 6.8 no grafo da Figura 6.7 é direta. Para facilitar

a visualização da solução, os vértices serão associados aos rótulos de 1 a 5,
conforme podemos ver na Figura 6.9.
Figura 6.9: Grafo G exemplo para o cálculo do número de árvores de espa-

lhamento.
Inicialmente calculamos sua matriz de adjacência D e a matriz de graus

3
Dada uma matriz quadrada A = [ai,j ] de ordem n, o cofator Ai,j = (−1)i+j |Dij |, onde
|Dij | é o determinante da matriz resultante da remoção da linha i e coluna j da matriz A.
4
A matriz de graus M = [mi,j ] de um grafo é uma matriz diagonal tal que mi,i = d(vi )
e mi,j = 0, para i 6= j, e d(vi ) corresponde ao grau do vértice vi .

M , as quais são mostradas abaixo.

   
0 1 1 0 0 2 0 0 0 0
1 0 1 0 0 0 2 0 0 0
   
   
   
D= 
 1 1 0 1 1 
 eM= 
 0 0 4 0 0 


 0 0 1 0 1 


 0 0 0 2 0 

0 0 1 1 0 0 0 0 0 2
A matriz Q resultante da subtração da matriz M pela matriz D é dada

por  
2 −1 −1 0 0
−1 2 −1 0 0
 
 
 
Q= 
 −1 −1 4 −1 −1 


 0 0 −1 2 −1 

0 0 −1 −1 2
O cálculo do cofator é realizado selecionando qualquer elemento da matriz
Q, o qual, por conveniência, será o elemento q1,1 . Portanto o número de
árvores de espalhamento é dado por.
2 −1 0

0
1+1
−1 4 −1 −1
T (G) = (−1) det = 9.

0 −1 2 −1
0 −1 −1 2
Quando o grafo é completo é possı́vel calcular facilmente o número de

árvores de espalhamento através de uma expressão simples desenvolvida por
Cayley [21] e apresentada pelo seguinte Teorema
Teorema 6.9 ([21]). Para um grafo completo Kn , o número de árvores de

espalhamento é dado por
T (Kn ) = nn−2
Este teorema permite também obter a resposta para a seguinte pergunta:

quantas árvores rotuladas podemos gerar com um conjunto de n vértices, de
maneira que qualquer par de vértices possa ser adjacente. Observe que esta
pergunta é análoga à aquela que consiste em determinar o número de árvores
de espalhamento a partir de um grafo totalmente conexo com n vértices. Vale
ressaltar que o resultado obtido diz respeito ao número de árvores distintas,

138 Árvores
onde estas árvores podem ou não ser isomórficas entre si. Isomorfismo será
discutido no Capı́tulo 1.6.
Se considerarmos o conjunto de vértices de Kn sendo definido por N =
{1, 2, . . . , n} notaremos que nn−2 corresponde ao número de sequências de
tamanho n − 2 que podemos formar com os elementos definidos no conjunto
N . A relação entre estas seqüências e as possı́veis árvores geradoras associa-
das ao grafo Kn é devido também ao trabalho de Prüfer. Prüfer [22] mostrou
que existe uma correspondência direta entre o conjunto de árvores de espa-
lhamento de Kn e o conjunto de todas as seqüências de tamanho n − 2, de
maneira que cada árvore seja identificada de forma unı́voca por uma dada
Código Prüfer seqüência. A esta seqüência é dado o nome código prüfer.
O código Prüfer é obtido através do seguinte processo. Considere uma
árvore T = (V, A) com n vértices rotulados de 1 a n. Por conveniência
denotaremos a árvore no instante i > 0 por Ti , o vértice selecionado no
instante i por si e o vértice vizinho a si por ti . Note que T1 = T , i.e., no
instante 1 a árvore T1 é exatamente igual a árvore original T .
Os vértices vizinhos assumem papel fundamental na construção do código,
pois eles compõem o código Prüfer. Por exemplo, para a árvore T , o código
Prüfer é dado por (t1 , t2 , t3 , . . . , tn−2 ). A questão principal é como escolher
si . Esta escolha é fácil pois o vértice si corresponde sempre ao vértice folha
de menor ı́ndice na árvore Ti . Os passos abaixo descrevem o processo de
obtenção do código Prüfer:
1. No primeiro passo do cálculo do código, s1 é o vértice folha com menor

ı́ndice na árvore T .
2. Em seguida, identificamos seu vértice vizinho t1 para ser o primeiro

elemento do código Prüfer.
3. Removemos s1 e sua aresta incidente em T1 dando origem à árvore T2 .
Nas demais iterações temos os seguintes passos. A cada instante i,
1. O vértice si é determinado e seu vértice vizinho ti passa a integrar a

i-ésima posição do código Prüfer.
2. Em seguida, si é removido da árvore Ti , através da operação Ti − si ,

dando origem a uma nova árvore Ti+1 .

Este processo pára após a execução da iteração n − 2, i.e., quando sobrarem

apenas dois vértices na árvore. Neste momento temos todos os vizinhos dos
vértices selecionados e por conseguinte uma seqüência de tamanho n − 2 que
corresponde ao código Prüfer.
Figura 6.10: Árvore usada para o cálculo do código Prüfer.
Os passos realizados para obter o código Prüfer da árvore ilustrada na

Figura 6.10 são mostrados na Tabela 6.1. Esta tabela mostra a árvore cor-
rente Ti , através apenas de seus vértices, o vértice selecionado si e seu vértice
vizinho ti , e o código Prüfer corrente. Como a árvore possui 9 vértices, este
processo tem apenas 7 iterações. Ao final da sétima iteração temos o código
Prüfer para T . É importante enfatizar que este código permite distinguir a
árvore das demais, i.e., nenhuma outra árvore de 9 vértices com os rótulos
de 1 − 9 possui este código.
Iteração i Árvore Ti si ti código Prüfer

1 {1, 2, 3, 4, 5, 6, 7, 8, 9} 1 4 (4)
2 {2, 3, 4, 5, 6, 7, 8, 9} 3 4 (4, 4)
3 {2, 4, 5, 6, 7, 8, 9} 6 5 (4, 4, 5)
4 {2, 4, 5, 7, 8, 9} 7 2 (4, 4, 5, 2)
5 {2, 4, 5, 8, 9} 8 2 (4, 4, 5, 2, 2)
6 {2, 4, 5, 9} 2 4 (4, 4, 5, 2, 2, 4)
7 {4, 5, 9} 4 5 (4, 4, 5, 2, 2, 4, 5)
Tabela 6.1: Passos realizados para obter o código Prüfer da árvore na Fi-
gura 6.10
Existem alguns pontos interessantes no código que merecem destaque. Se

analisarmos o código juntamente com sua árvore, veremos que cada vértice v

140 Árvores
aparece no código d(v) − 1 vezes, onde d(v) é o grau do vértice v. Isso ocorre
por alguns motivos. Primeiro é importante enfatizar que os vértices folha
são usados apenas para a seleção dos vértices que irão compor o código, os
quais correspondem aos vértices internos da árvore. Cada vértice interno v
possuirá no máximo d(v) − 1 folhas, o que fará com que este vértice apareça
no código exatamente d(v) − 1 vezes. Quando todas as suas d(v) − 1 folhas
forem removidas ele próprio se tornará folha. Neste momento, ele apenas
contribuirá com o processo informando o seu vértice vizinho que irá compor
o código.
A partir de um código Prüfer P , podemos recuperar a árvore associada da
seguinte maneira. Primeiro, criamos um conjunto de vértices S que contenha
todos os vértices da árvore que não aparecem no código P . Como para uma
árvore com n vértices, temos sempre os rótulos de 1 a n, basta verificar
quais rótulos não aparecem no código e adicioná-los a S. À cada iteração,
o conjunto S sofrerá alterações na quantidade de seus elementos, por isso,
usaremos o termo Si para representar o conjunto S no instante i. No primeiro
passo de iteração, quando i = 1, o conjunto S1 contém todos os vértices
originais de S. De forma análoga, temos o código intermediário Pi definido na
iteração i, e quando i = 1, P1 é exatamente igual ao código original P . Além
deles, usamos os termos si , que corresponde ao elemento de menor rótulo do
conjunto Si , e o pi que corresponde sempre ao primeiro elemento do código
Pi , i.e, o elemento mais à esquerda de Pi . A partir destas informações,
a recuperação da árvore associada ao código Prüfer é feita pelos seguintes
passos:
1. No passo inicial, i = 1, selecionamos o vértice s1 , de menor ı́ndice do
conjunto S1 , e o primeiro elemento p1 do código P1 para compor a
primeira aresta {s1 , p1 } da árvore que está sendo recuperada.
2. Em seguida, removemos s1 de S1 , gerando o conjunto S2 , e o primeiro
elemento p1 de P1 , gerando o código P2 .
Os passos seguintes seguem a mesma lógica, porém com uma sutil diferença.
1. Na iteração i, selecionamos o vértice si do conjunto Si e o primeiro
elemento pi do código Pi . Estes elementos irão compor a aresta {si , pi }.
Após isto, removemos si de Si e o elemento pi de Pi . Isto gerará o
conjunto Si+1 e o código Pi+1 .
2. Se pi não aparecer mais em Pi+1 , então ele é adicionado a Si+1 .

O processo pára quando o código P for completamente processado, i.e., ele

não possuir mais elementos. Neste momento, existirão apenas dois elementos
no conjunto Si , os quais formarão a última aresta da árvore.
A partir do código Prüfer P = (4, 4, 5, 2, 2, 4, 5), gerado anteriormente, a
recuperação da árvore associada é dada através da seguinte seqüência de pro-
cessamento mostrada na Tabela 6.2. Observe que na iteração 5, removemos
o elemento 2 do código Prüfer corrente, P5 . Como era a sua última aparição
em P5 , ele foi adicionado ao conjunto S6 . O mesmo aconteceu com o elemento
4 na iteração 6 que foi adicionado ao conjunto S7 . Todas as arestas geradas
compõem o conjunto de arestas da árvore associada ao código Prüfer.
Iteração i Pi pi Si si Aresta
1 (4, 4, 5, 2, 2, 4, 5) 4 {1, 3, 6, 7, 8, 9} 1 {1, 4}
2 (4, 5, 2, 2, 4, 5) 4 {3, 6, 7, 8, 9} 3 {3, 4}
3 (5, 2, 2, 4, 5) 5 {6, 7, 8, 9} 6 {5, 6}
4 (2, 2, 4, 5) 2 {7, 8, 9} 7 {2, 7}
5 (2, 4, 5) 2 {8, 9} 8 {2, 8}
6 (4, 5) 4 {2, 9} 2 {2, 4}
7 (5) 5 {4, 9} 4 {4, 5}
8 () {5, 9} {5, 9}
Tabela 6.2: Recuperação da árvore T a partir do código Prufer
Como existe uma função bijetora entre a árvore e seu respectivo código
Prüfer, cada permutação dos elementos do código levará a uma árvore distinta
da original, porém mantendo a mesma seqüência de graus. Ou seja, as duas
árvores possuem os mesmos vértices com os mesmos graus por vértice porém
com conjuntos distintos de arestas, já que existirão conexões diferentes entre
os vértices. Por exemplo, se considerarmos o código P 0 = (2, 4, 5, 4, 2, 4, 5),
que corresponde a uma permutação do código P = (4, 4, 5, 2, 2, 4, 5), encon-
traremos uma árvore distinta da árvore mostrada na Figura 6.10. A árvore
associada ao código P 0 , mostrada na Figura 6.11, é recuperada através dos
seguintes passos, mostrados na Tabela 6.3
A partir deste resultado concluı́mos que : Dada uma seqüência de inteiros
positivos d1 , d2 , . . . , dn totalizando 2n − 2, existem
(n − 2)!
Πni=1 (di
− 1)!

142 Árvores
Iteração i Pi pi Si si Aresta
1 (2, 4, 5, 4, 2, 4, 5) 2 {1, 3, 6, 7, 8, 9} 1 {1, 2}
2 (4, 5, 4, 2, 4, 5) 4 {3, 6, 7, 8, 9} 3 {3, 4}
3 (5, 4, 2, 4, 5) 5 {6, 7, 8, 9} 6 {5, 6}
4 (4, 2, 4, 5) 4 {7, 8, 9} 7 {4, 7}
5 (2, 4, 5) 2 {8, 9} 8 {2, 8}
6 (4, 5) 4 {2, 9} 2 {4, 2}
7 (5) 5 {4, 9} 4 {4, 5}
8 () {5, 9} 8 {5, 9}
Tabela 6.3: Recuperação da árvore associada ao código Prufer P 0 =

(2, 4, 5, 4, 2, 4, 5).
Figura 6.11: Árvore associada ao código Prüfer P 0 = (2, 4, 5, 4, 2, 4, 5).
árvores que podem ser formadas a partir de um conjunto de n vértices tal

que o grau do vértice i é di .
Vimos anteriormente que a partir de uma árvore T = (V, A) com |V | = n,
o código Prüfer P tem n − 2 elementos, onde cada vértice v ∈ V aparecerá
no código exatamente d(v) − 1 vezes. Como cada permutação dos elementos
de P corresponde a uma árvore, teremos uma quantidade de árvores igual ao
número de permutações dos elementos de P , dado por
(n − 2)!
Πni=1 (d(vi )
− 1)!
Portanto, a partir dos vértices da árvore da Figura 6.10, temos a seqüência

de graus 4, 3, 3, 1, 1, 1, 1, 1, 1, onde o grau 4 está associado ao vértice 4, e o
grau três está associado aos vértices 2 e 5. Portanto, o vértice 4 aparecerá três

vezes no código enquanto que os vértices 2 e 5 aparecerão duas vezes cada. Os

demais vértices aparecerão zero vezes no código, pois correspondem a vértices
folha. Usando esta informação, a quantidade de árvores que podemos gerar
com os vértices, mantendo os graus definidos acima, é igual a
7!
= 210 árvores
3!2!2!
As Figuras 6.10 e 6.11 ilustram duas árvores das 210 árvores possı́veis. De
forma similar aos grafos, dı́grafos possuem árvores de espalhamentos, porém
elas são orientadas. Uma árvore T é chamada de espalhamento orientada
de um dı́grafo D, se o grafo subjacente de T é uma árvore de espalhamento
do grafo subjacente de D. Basicamente, estamos eliminando a orientação
tanto de T quanto de D para fazer esta verificação. Além disso, em dı́grafos
encontramos os conceitos de árvore orientada de espalhamento de entrada
e árvore orientada de espalhamento de saı́da, também chamadas apenas de
árvore de espalhamento de entrada e árvore de espalhamento de saı́da. Uma Árvore de
árvore T é uma árvore de espalhamento de entrada de um dı́grafo D, deno- Espalhamento
tada por Ts− , se possuir apenas o vértice s como vértice sumidouro, i.e., com de Entrada
grau de saı́da d+ (s) = 0. De forma similar, T é uma árvore de espalhamento Árvore de
de saı́da de um dı́grafo D, denotada por Ts+ , se possuir apenas o vértice s Espalhamento
como vértice fonte, i.e., com grau de entrada d− (s) = 0. Neste último caso, de Saı́da
esta árvore também é uma árvore enraizada tendo como raiz o vértice s. As
Figuras 6.12(b)-(d) mostram exemplos de árvores de espalhamento associa-
das ao dı́grafo em (a). A árvore em (b) é uma árvore de espalhamento de
entrada com vértice sumidouro r, enquanto que a árvore em (c) é uma árvore
de espalhamento de saı́da com vértice fonte s. Embora a árvore em (d) seja
uma árvore de espalhamento, ela não é nem de entrada nem de saı́da.
De forma similar ao Teorema 6.8, o seguinte Teorema permite calcular a
quantidade de árvores de espalhamento de saı́da de um dado dı́grafo.
Teorema 6.10 ( [23]). Dados um dı́grafo simples D = (V, A) com V =
{v1 , v2 , . . . , vn }, sua matriz de adjacência L = [di,j ], onde di,j = 1 se (vi , vj ) ∈
A e 0 se (vi , vj ) ∈ / A, e sua matriz de graus de entrada M = [mi,j ], onde
−
mi,i = d (vi ) e mi,j = 0, para i 6= j, o número de árvores de espalhamento
de saı́da de D com raiz no vértice vi é dado por
T + (D, vi ) = det Qi
onde Qi é a matriz resultante da eliminação da linha i e coluna i da matriz
Q = M − L.

144 Árvores
(a) (b) (c) (d)
Figura 6.12: Exemplos de árvores orientadas de espalhamento do dı́grafo

ilustrado em (a). (b) e (c) correspondem às árvores de espalhamento de
entrada e saı́da, respectivamente. (d) é uma árvore de espalhamento que não
é nem de entrada nem de saı́da.
Para facilitar a visualização da aplicação deste teorema considere o dı́grafo

ilustrado na Figura 6.13(a).
(a) (b) (c) (d)
Figura 6.13: Exemplos de árvores de espalhamento de saı́da do dı́grafo ilus-

trado em (a). (b)-(d) mostram as suas árvores de espalhamento de saı́da com
raiz no vértice v1 .
Inicialmente calculamos as matrizes de adjacência L e de graus M , as

quais são mostradas abaixo.
0 1 1 0 2 0 0 0
   
 0 0 1 0   0 2 0 0 
L= eM =
   
1 1 0 1 0 0 3 0
 
   
1 0 1 0 0 0 0 1
A matriz Q resultante da subtração da matriz M pela matriz L é dada

por
2 −1 −1 0
 
 0 2 −1 0 
Q= 
−1 −1 3 −1
 
 
−1 0 −1 1
A quantidade de árvores de espalhamento de saı́da de D com raiz no

vértice v1 é dado
T + (D, v1 ) = det Q1
onde Q1 é a matriz resultante da eliminação da linha 1 e coluna 1, relativa

ao elemento q1,1 , da matriz Q, i.e.,

2 −1 0
T + (D, v1 ) = det −1 3 −1 = 3.

0 −1 1

ou seja, o dı́grafo D possui 3 árvores de espalhamento de saı́da com raiz

no vértice v1 , as quais são mostradas nas Figuras 6.13(b)-(d). O teorema
seguinte permite calcular o número de árvores de espalhamento de entrada e
saı́da de um multigrafo direcionado.
Teorema 6.11 ( [23]). Dados um multigrafo direcionado D = (V, A) com

V = {v1 , v2 , . . . , vn }, sua matriz de adjacência L = [di,j ], onde di,j é a quan-
tidade de arcos que partem de vi e atingem vj , com di,i = 0, ∀ i, e sua matriz
de graus de entrada M = [mi,j ], onde mi,i = d− (vi ) e mi,j = 0, para i 6= j, o
número de árvores de espalhamento de saı́da de D com raiz no vértice vi é
dado por
T + (D, vi ) = det Qi
onde Qi é a matriz resultante da eliminação da linha i e coluna i, relativos

ao elemento qi,i , da matriz Q = M − L. Considerando a matriz de graus
de saı́da de D, como N = [ni,j ], onde ni,i = d+ (vi ) e ni,j = 0, para i 6= j,
o número de árvores de espalhamento de entrada de D com sumidouro no
vértice vi é dado por
T − (D, vi ) = det Ri
onde Ri é a matriz resultante da eliminação da linha i e coluna i, relativos

ao elemento ri,i , da matriz R = N − L.

146 Árvores
6.4 Exercı́cios
Exercı́cio 6.1. Determine o número de vértices de uma árvore enraizada
p-ária completa de altura h.
Exercı́cio 6.2. Determine a altura h de uma árvore p-ária com l folhas.
Exercı́cio 6.3. Determine o número de arestas de uma floresta que possui

t árvores e n vértices.
Exercı́cio 6.4. Mostre que se um grafo G é uma árvore com ∆(G) ≥ k,

então G possui no mı́nimo k vértices folha.
Exercı́cio 6.5. Mostre que toda árvore com exatamente dois vértices de grau
1 é um caminho.
Exercı́cio 6.6. Determine o número de vértices internos e de folhas de uma

árvore p-ária cheia.
Exercı́cio 6.7. Determine o número de vértices e de folhas de uma árvore

p-ária cheia com i vértices internos.
Exercı́cio 6.8. Determine o número de vértices de uma árvore p-ária cheia

com l folhas.
Exercı́cio 6.9. Mostre que os vértices de origem e de destino do mais longo

caminho em uma árvore possuem grau igual a 1.
Exercı́cio 6.10. Determine o número de árvores de espalhamento que pode-

mos gerar com o conjunto de vértices V = {1, 2, 3, 4, 5, 6, 7}, onde os vértices
possuem os seguintes graus {3, 1, 2, 1, 3, 1, 1}, dados em ordem. Em seguida,
defina dois códigos Prüfer e desenhe suas respectivas árvores.

Capı́tulo 7
Planaridade
Este capı́tulo apresenta os principais conceitos e teoremas relacionados à área

de planaridade em teoria dos grafos. Uma das perguntas que tentaremos
responder com este estudo é a seguinte : é possı́vel desenhar um multigrafo
em um plano de forma que suas arestas não se cruzem? Neste caso, como
estamos focando nossa atenção ao desenho do grafo no plano de forma que
o cruzamento das arestas não ocorra, podemos então levar os resultados que
serão apresentados para o domı́nio dos multigrafos direcionados considerando
sempre seu multigrafo subjacente, i.e., desconsiderando as orientações dos
arcos.
7.1 Multigrafos Planares

Antes de definirmos o que é um multigrafo planar, vamos imaginar o seguinte
problema: existem três companhias que devem abastecer com gás, eletrici-
dade e água três prédios diferentes, os quais podem ou não estar em frente
destas companhias, através de tubulações subterrâneas. Estas tubulações po-
dem estar à mesma profundidade? Outro problema que poderı́amos tentar
responder é: dada uma representação lógica de um circuito na forma de um
grafo, será que ela pode ser impressa em uma placa fı́sica de forma que as
conexões entre os elementos do circuito não se cruzem? Responder a estas
perguntas equivale a verificar se o grafo associado ao problema é planar ou
não.
Definição 7.1. Um multigrafo G = (V, A) é planar sse existe uma função

de mapeamento f que mapeia G para o espaço R2 de forma que a) cada

148 Planaridade
vértice seja mapeado para um ponto distinto de R2 e b) cada aresta (u, v)

seja mapeada para uma curva C(u,v) com extremidades em f (u) e f (v), onde
nenhum par de curvas se intercepte, com exceção de suas extremidades.
Usando a definição supramencionada, temos que
Definição 7.2. Um multigrafo direcionado D = (V, A) é planar sse seu

multigrafo subjacente é planar.
Existem inúmeras funções que mapeiam os vértices e arestas de um mul-

tigrafo para pontos em R2 de forma que as estas arestas não cruzem. Cada
mapeamento define um desenho de G em R2 . Os desenhos que obedecerem
aos critérios definidos acima serão chamados de realização gráfica planar de
Realização Pla- G, ou simplesmente, realização planar de G. A Figura 7.1 mostra diferentes
nar desenhos do K3,2 no plano. Apenas as Figuras 7.1(b) e (c) são realizações
planares. Note que é necessário apenas uma única realização planar para
tornar um dado grafo planar.
(a) (b) (c)
Figura 7.1: Grafo K3,2 desenhado no plano. (b) e (c) correspondem a exem-
plos de realização planar de K3,2 .
A realização planar de um dado multigrafo G divide o plano R2 em um

Face de um conjunto regiões maximais chamadas de faces de G, onde qualquer par de
Grafo pontos dentro desta região pode ser conectada por uma curva sem interceptar
G. É natural chamar cada curva da realização planar de aresta. Cada aresta
faz fronteira com 1 ou 2 faces. A Figura 7.2 ilustra uma realização planar
onde as arestas a e b são as únicas a fazerem fronteira com apenas uma única
face. Note que a região cinza não é delimitada por uma face, porém ela faz
fronteira com a realização planar. Devido a isso, ela é chamada ou de face
Face Externa ao ilimitada ou de face externa ao grafo. Assim, nesta realização planar temos
Grafo
7.1 Multigrafos Planares 149
Figura 7.2: Exemplo de Grafo Planar
três faces F , F1 e F2 , onde a face F é a face externa ao grafo.

Cada face f possui um grau, denotado por d(f ) 1 que é definido pela
quantidade de arestas que estão na sua fronteira. Na realização planar ilus- Grau de uma
trada na Figura 7.2, as faces F , F1 e F2 possuem d(F ) = 7, d(F1 ) = 6 e Face
d(F2 ) = 3 graus, respectivamente. Uma aresta que está na fronteira de ape-
nas uma face é contada duas vezes no cálculo do grau daquela face, por isso
a face F tem grau igual a 7, enquanto que a face F2 possui grau igual a 3.
Se somarmos o grau de cada face de um dado grafo, veremos que cada aresta
será contada exatamente duas vezes, ou seja, duas vezes ou pela mesma face
ou uma vez por cada uma das faces que faz fronteira com a aresta. Assim
temos o seguinte teorema,
Teorema 7.1. Se G = (V, A) é multigrafo planar então

X
d(f ) = 2|A|,
f ∈F
onde F é o conjunto das faces da realização gráfica de G, incluindo a face

externa a G.
A partir da realização planar de um grafo planar G = (V, A) é possı́vel

encontrar um grafo geométrico dual,G∗ = (V ∗ , A∗ ) planar o qual é obtido da Grafo
seguinte maneira. Cada face f de G, incluindo a face externa corresponderá Geométrico
a um vértice vf∗ ∈ V ∗ em G∗ . Dois vértices vf∗ , vh∗ ∈ V ∗ serão adjacentes Dual
em G∗ se as faces associadas a eles, f e h, compartilharem pelo menos uma
1
Notação similar à usada para expressar o grau de um dado vértice.

150 Planaridade
aresta. Cada aresta a ∈ A em G dará origem a uma aresta a∗ ∈ A∗ que será

incidente aos vértices em G∗ cujas faces correspondentes em G compartilham
a. Como o grau de cada face f é definido pelo número de arestas que estão
em sua fronteira, o vértice vf∗ associado a esta face terá grau igual ao grau
de f , i.e.,
d(f ) = d(vf∗ )
A Figura 7.3(a) mostra a realização planar de um grafo planar G e o
(b) grafo dual correspondente. Para facilitar a legibilidade da figura, cada
aresta mostrada em (a) é apresentada com o mesmo rótulo em (b). De forma
similar, cada face em (a) estará associada ao vértice de mesmo rótulo em (b).
Neste exemplo, o grafo dual associado é um pseudo grafo já que a aresta a1
em (a) faz fronteira apenas com a face F1 . Como um grafo planar qualquer
pode possuir várias realizações planares, então ele pode ter associado vários
grafos geométricos duais, um grafo dual para cada uma de suas realizações
planares. A Figura 7.4 mostra (a) outra realização planar do grafo G. Note
que o (b) grafo geométrico dual correspondente é diferente daquele ilustrado
na Figura 7.4(b).
(a) (b)
Figura 7.3: Exemplo de Grafo Geométrico Dual. (b) é o grafo geométrico

dual da realização planar em (a).
7.2 Teorema de Euler

Euler propôs uma expressão simples que relaciona o número de vértices,
arestas e faces de um grafo conexo. Embora esta expressão faça referência a
grafos simples, ela é diretamente aplicada a multigrafos.

7.2 Teorema de Euler 151
(a) (b)
Figura 7.4: Exemplo de Grafo Geométrico Dual. (b) é o grafo geométrico

dual da realização planar em (a).
Teorema 7.2 (Teorema de Euler - Grafos Conexos). Seja G = (V, A) um

grafo conexo planar com f faces e n vértices, i.e., |V | = n, e m arestas, i.e.,
|A| = m, então
n−m+f =2
Para grafos desconexos com p componente conexos temos o seguinte teo-

rema,
Teorema 7.3 (Teorema de Euler - Grafos Desconexos). Seja G = (V, A) um
grafo planar com p componentes conexos, f faces e n vértices, i.e., |V | = n,
e m arestas, i.e. |A| = m, então
n−m+f =p+1
Note que quando p = 1, o grafo é conexo, então temos a expressão defi-

nida no Teorema 7.2. A partir destes teoremas podemos concluir que qual-
quer realização planar de um dado grafo particionará o espaço R2 na mesma
quantidade de regiões,
Corolário 7.1. Todas as realizações planares de um multigrafo G planar
conexo ou não têm o mesmo número de faces.
Além disso, usando os teoremas supracitados podemos encontrar ex-
pressões que relacionam o número de vértices ao de arestas de um dado

152 Planaridade
multigrafo sem fazer referência explı́cita ao número de faces. Inicialmente,

vamos considerar um multigrafo conexo G = (V, A) planar com |V | ≥ 3
com faces delimitadas por exatamente 3 arestas. Um exemplo é ilustrado na
Figura 7.5. Usando o Teorema 7.1 temos,
Figura 7.5: Exemplo de Grafo Planar com todas as faces com grau 3.
3f = 2m
onde f é o número de faces de G e m = |A|. Se em G, algumas faces tiverem
grau maior que 3, sabemos que
3f ≤ 2m
A partir do teorema de Euler para grafos conexos, temos
f =2−n+m
o que nos leva a
3(2 − n + m) ≤ 2m
resultando na seguinte desigualdade
m ≤ 3n − 6
Se usarmos esta desigualdade para testar a planaridade do grafo K5 ob-

teremos o seguinte resultado,
10 ≤ 3.5 − 6 → 10 ≤ 9.
o que é falso e mostra que K5 não é planar. Note que K5 possui 5 vértices e
10 arestas. Este resultado nos leva ao seguinte teorema.

7.2 Teorema de Euler 153
Teorema 7.4. K5 não é planar.

Entretanto esta desigualdade não se aplica ao grafo K3,3 . Como K3,3
possui 6 vértices e 9 arestas, a desigualdade acima resultaria em
9 ≤ 3.6 − 6 → 9 ≤ 12
o que nos leva a uma conclusão errada, pois K3,3 não é um grafo planar.
Esta conclusão errada foi oriunda da desigualdade que aplicamos. Anterior-
mente assumimos que os grafos possuiriam faces delimitadas por no mı́nimo
3 arestas, porém o grafo K3,3 não possui faces triangulares. Ele é um grafo
bipartido e cada uma de suas faces é delimitada por no mı́nimo 4 arestas.
Assim, a nossa desigualdade inicial deve ser alterada para considerar grafos
com faces que tenham grau no mı́nimo igual a 4. Isso nos leva a
4f ≤ 2m → 2f ≤ m
Novamente usando o teorema de Euler para grafos conexos, temos
f =2−n+m
o que nos leva a
2(2 − n + m) ≤ m
resultando na seguinte desigualdade
m ≤ 2n − 4
Realizando novamente o teste de planaridade do grafo K3,3 com esta nova

desigualdade, encontramos
9 ≤ 2.6 − 4 → 9 ≤ 8
Assim, chegamos ao seguinte teorema

Teorema 7.5. K3,3 não é planar.
Um fato curioso é que os grafos Kn com n ≤ 4 assim como os grafos Kp,q
com p ≤ 3 e q ≤ 2 são planares. Porém grafos Kn com n ≥ 5 ou Kp,q , com
p, q ≥ 3 não são. Isso se deve ao fato de que Kn , com n > 5, contém um
subgrafo K5 enquanto que o grafo Kp,q com p, q ≥ 3 contém um subgrafo
K3,3 .

154 Planaridade
7.3 Teorema de Kuratowski

Teorema 7.6 (Teorema de Kuratowski). Um grafo G = (V, A) é planar sse
não contém um subgrafo que pode ser contraı́do aos grafos K5 ou K3,3 através
de sucessivas operações de arco-contração.
Dado um grafo G = (V, A), uma operação de arco-contração em uma

aresta a = (v, u) ∈ A onde ou d(v) ou d(u) é 2, leva a um grafo isomórfico
ao grafo reduzido a partir de G pela operação de supressão do vértice (ver
Secão 2.2.8) de grau 2 que é extremidade de a (verifique!). Esta conclusão
leva ao seguinte teorema
Teorema 7.7 (Teorema de Kuratowski). Um grafo G = (V, A) é planar sse

não contém um subgrafo homeomorfo a K5 ou K3,3 .
Dois grafos H1 e H2 são homeomorfos se eles podem ser obtidos a partir

de um grafo G através de sucessivas operações de subdivisão e supressão(ver
Seção 2.2.8). Note que a operação de subdivisão é a operação inversa da
operação de supressão. A Figura 7.6(a) mostra o grafo de Petersen com as
arestas a-e em destaque. Se aplicarmos a operação de arco-contração nestas
arestas, obteremos o grafo K5 . Logo, o grafo de Petersen não é planar.
A Figura 7.6(b) ilustra outro exemplo de grafo não planar. Se realizarmos
operações de arco-contração nas arestas a-d obteremos o grafo K3,3 . Note que
o resultado seria o mesmo se tivéssemos realizado a operação de supressão
dos vértices em cinza.
7.4 Exercı́cios
Exercı́cio 7.1. Mostre que se G = (V, A) é um grafo planar conexo onde
cada face de G é um t-cı́rculo então
t(n − 2)
m=
(t − 2)
onde n = |V | e m = |A|.
Exercı́cio 7.2. Mostre que se todas as faces de uma realização planar de um

grafo planar G têm grau par então o grafo geométrico dual G∗ correspondente
será euleriano.

(a) (b)
Figura 7.6: Exemplos de grafos não planares.
Exercı́cio 7.3. Mostre que se G = (V, A) um grafo planar com p compo-

nentes conexos, f faces e n vértices, i.e., |V | = n e m arestas,i.e. |A| = m,
então
n−m+f =p+1
Exercı́cio 7.4. Mostre que qualquer árvore T com n ≥ 1 vértices possui uma
única realização planar.
Exercı́cio 7.5. Mostre que o grafo obtido a partir da remoção de uma aresta
qualquer do grafo K3,3 é um grafo planar
Exercı́cio 7.6. Mostre que o grafo obtido a partir da remoção de uma aresta
qualquer do grafo K5 é um grafo planar
Exercı́cio 7.7. Mostre que se todos os ciclos de um grafo conexo planar
G = (V, A) possuirem pelo menos k arestas então
k
|A| ≤ (|V | − 2)
k−2
a seguinte o grafo obtido a partir da remoção de uma aresta qualquer do
grafo K5 é um grafo planar
Exercı́cio 7.8. Mostre que todo grafo roda Wn é isomórfico ao seu grafo
geométrico dual.

156 Planaridade

Capı́tulo 8
Coloração
Este capı́tulo discute os principais conceitos relacionados aos problemas de

coloração de grafos. Algumas das perguntas que tentaremos responder são
se dado um grafo G é possı́vel ou não colorir seus vértices com uma quanti-
dade limitadas de cores de forma que cada vértice adjacente tenha uma cor
diferente; ou a partir de um grafo G, a quantidade de maneiras que podemos
colorir as arestas de G de forma que arestas incidentes em um mesmo vértice
tenham cores diferentes. Respostas a estas perguntas são importantes em di-
versos problemas combinatórios. Um exemplo clássico é o seguinte: imagine
que devamos reunir pessoas para participarem de um ou mais comitês de ava-
liação em uma determinada conferência. Qual deve ser o escalonamento de
horários para o encontro dos membros destes comitês para permitir que todos
os membros participem de todas as atividades realizadas por seus respectivos
comitês?
8.1 Grafos Colorı́veis

Embora o problema de coloração de grafos seja abstrato, as cores usadas
para colorir um grafo podem ter inúmeros significados. Elas podem repre-
sentar diferentes tipos de informação como horários, recursos, atividades,
entre outros. Para o problema de escalonamento mencionado anteriormente,
temos que inicialmente modelar as instâncias do problema como um grafo.
Cada comitê corresponderá a um vértice no grafo, e dois vértices serão ad-
jacentes sse os comitês correspondentes possuirem pessoas em comum. A
Figura 8.1(a) mostra uma instância deste problema. Nela existem 9 comitês

158 Coloração
e cada um deles está associado a um vértice do grafo. Pessoas que participam

de múltiplos comitês impõem restrições que são representadas pelas arestas
deste grafo. Por exemplo, a aresta entre os vértices 1 e 2 indica que existe
pelo menos uma pessoa participa de ambos os comitês. O mesmo acontece,
por exemplo, na aresta entre os comitês 5 e 4. Os triângulos existentes no
grafo podem estar indicando que uma ou mais pessoas participam dos três
comitês associados aos vértices destes triângulos. Este é o caso do triângulo
formado pelos vértices 5, 4 e 9.
(a) (b)
Figura 8.1: Exemplo de Coloração. (b) é uma possı́vel coloração dos vértices
do grafo em (a).
A partir deste grafo devemos colorir seus vértices. Cada cor estará associ-
ado a um horário especı́fico. A solução mais direta seria atribuir um horário
para cada vértice, porém não seria a melhor solução possı́vel. Cada horário
pode implicar em custos. Assim concentrar os encontros dos comitês, fazendo
com que alguns sejam realizados em sessões paralelas, fará com que a quan-
tidade de horários usados seja menor impactando possivelmente a logı́stica
do evento. Como dito, as arestas impõem restrições ao nosso problema. Por
exemplo, a aresta entre os vértices 1 e 2 informa que pelo menos uma pessoa
participa destes dois comitês. Assim eles devem ser reunir em horários dife-
rentes. Note que este não é o caso para os comitês 5 e 6 ou 9 e 3. Portanto,
uma possı́vel coloração do grafo ilustrado na Figura 8.1(a) é mostrada em
(b). Note que foram usadas apenas 3 cores, ou seja, 3 horários diferentes é
o suficiente para que todos os comitês consigam se reunir de forma que cada

8.1 Grafos Colorı́veis 159
participante participe das reuniões dos seus respectivos comitês. Na solução

mais direta, a resposta seria 9 horários.
Então, os vértices deste grafo poderiam ser coloridos com no mı́nimo 3 e
no máximo 9 cores diferentes. Existem inúmeras maneiras de associarmos as
cores aos vértices de forma que vértices adjacentes tenham cores diferentes.
A Figura 8.1(b) mostra apenas um exemplo
k-coloração
Definição 8.1. Uma k-coloração de um grafo G = (V, A) é uma uma função
de rotulamento f : V → S, onde S correspondem a um conjunto de cores e
|S| = k. Os vértices associados a uma cor formam uma classe de cores.
Definição 8.2. Uma k-coloração é própria se os vértices adjacentes de um
grafo tiverem rótulos (cores) diferentes. Um grafo é k-colorı́vel se ele tem
uma k-coloração própria. O número cromático χ(G) é o menor k tal que G Número
é k-colorı́vel. Cromático
Em uma coloração própria, cada classe de cores corresponde a um con-
junto independente. Na Figura 8.1(b), podemos notar que os vértices 2,5,6
e 8 não são adjacentes entre si e por isso possuem a mesma cor. Logo se
um dado grafo G é k-colorı́vel, então seu conjunto de vértices está sendo
particionado em k conjuntos independentes. Grafo k-colorı́vel
Note que o fato de um grafo ser k-colorı́vel não implica que ele seja um x Grafo k-
grafo k-partido. Como vimos na Seção 4.2, para que um grafo seja k-partido, partido
ele deve obedecer a alguns critérios, entre eles aquele que define que k é o
menor número de particionamentos dos vértices do grafo de forma que cada
partição corresponda a um conjunto independente. Essa restrição é impor-
tante, caso contrário terı́amos classificações problemáticas. Por exemplo,
qualquer grafo com n vértices pode ser colorido propriamente com n cores,
entretanto isso não o torna n-partido. Um grafo ciclo Cn , com n par, é
um grafo bipartido e pode ser colorido propriamente com n cores diferentes,
porém sabemos que χ(Cn ) = 2 para n par. Note que como as definições acima
focam na adjacência e coloração dos vértices, elas são diretamente aplicadas
a multigrafos , porém não a pseudografos. Pseudografos permitem laços e Multigrafos x
por isso não são colorı́veis. Coloração
Apesar de termos destacado que um grafo k-colorı́vel não implica que Pseudografos x
ele seja um grafo k-partido, temos que um grafo G com número cromático Coloração
χ(G) = k implica que o grafo seja k-partido. Neste caso, χ(G) define a menor
quantidade de cores que podemos usar para colorir um grafo propriamente, e
consequentemente o menor particionamento dos vértices de G de forma que
cada partição corresponda a um conjunto independente. Assim temos que

160 Coloração
Teorema 8.1. Um grafo G é k-partido sse seu número cromático for igual
a k, i.e., χ(G) = k.
A Figura 8.2 ilustra uma possı́vel coloração para o grafo de Petersen.

Este grafo é 3-partido logo seu número cromático é 3. Se olharmos apenas
os ciclos destacados nesta figura veremos que eles possuem uma quantidade
ı́mpar de vértices, e devido a isto necessitam de 3 cores para serem coloridos
propriamente.
Figura 8.2: Exemplo de Coloração - Grafo de Petersen.
Analisando as propriedades e caracterı́sticas de cada grafo podemos deri-

var algumas relações envolvendo o número cromático. Por exemplo, a prin-
cipal caracterı́stica de um grafo colorido propriamente é que seus vértices
adjacentes devem ter cores diferentes. Baseado nisto, qual seria a relação
entre o número cromático e o grau dos vértices de um dado grafo? Conside-
rando um grafo simples G = (V, A) com n vértices, saberemos que o grau de
qualquer vértice estará no seguinte intervalo,
0 ≤ d(v) ≤ n − 1
o que indica que um dado vértice v pode ter nenhum vizinho ou ser vizinho
de todos os outros vértices no grafo. O primeiro caso pode ser facilmente
ilustrado por um grafo totalmente desconexo, enquanto que o último por um
grafo totalmente conexo. No primeiro caso, a quantidade mı́nima de cores
para colorir propriamente este grafo é igual a 1. Enquanto que no último,
a quantidade seria igual a quantidade de vizinhos de v, já que cada vértice

8.1 Grafos Colorı́veis 161
é adjacente aos demais, mais uma unidade, que seria a cor atribuı́da a v.
Assim, temos o seguinte teorema.
Teorema 8.2. Para qualquer grafo G, o número cromático χ(G) é no máximo

uma unidade a mais que o maior grau, ∆(G), de G, ou seja, χ(G) ≤ 1+∆(G).
Continuando, qual seria a relação de um clique com o número cromático

de um grafo? Um clique é um subgrafo completo maximal, i.e., é um subgrafo Número
onde cada vértice é adjacente aos demais. Assim se um grafo possui um clique Cromático x
de tamanho 4, ele precisará de pelo menos 4 para ser colorido propriamente. Clique
Como um grafo pode possuir inúmeros cliques, convém relacionar o número
cromático do grafo com o tamanho do maior clique. Portanto,
Teorema 8.3. Para qualquer grafo G = (V, A), χ(G) ≥ ω(G) onde ω(G) é
o número de clique1 de G;
A Figura 8.1(a) mostra um exemplo onde o maior clique tem tamanho 3

dado pelo subgrafo que forma um triângulo. Na Figura 8.2, temos o grafo de
Petersen com dois ciclos C5 que não compartilham arestas. Focando nossa
atenção apenas para um dos ciclos veremos que o maior clique é definido por
qualquer uma das arestas, ou seja, o maior clique terá tamanho igual a 2.
Porém como o ciclo tem comprimento ı́mpar, ele será colorido propriamente
com no mı́nimo 3 cores.
Em relação aos conjuntos independentes, qual seria sua relação com o
número cromático? Sabemos que particionando os vértices de um grafo em Número
conjuntos independentes encontraremos a quantidade de cores que podemos Cromático x
colorir propriamente os vértices do grafo. Neste caso, cada cor distinta será Conjunto Inde-
atribuı́da a cada conjunto independente. Considere que tenhamos um grafo pendente
G = (V, A) e queiramos saber aproximadamente a quantidade de conjuntos
independentes que ele possui, tendo como uma única informação o tamanho
do maior conjunto independente. Se o maior conjunto independente tem
tamanho α(G) e este grafo possui n vértices, i.e., |V | = n, então podemos
assumir alguns cenários. O primeiro é que todos os conjuntos independen-
tes têm o mesmo tamanho, o qual é igual a α(G), assim a quantidade de
conjuntos independentes de G será igual a |V |/α(G). Esse é o caso de gra-
fos k-partidos completos com conjuntos independentes de mesmo tamanho.
1
Número de clique é definido na Seção 4.1 e corresponde ao tamanho do maior clique
de um grafo.

162 Coloração
Porém, sabemos que esta situação ideal é bem especı́fica e é bem provável
que existam mais conjuntos independentes com tamanhos inferiores à α(G).
Um exemplo direto é o grafo ciclo C5 , destacado em vermelho na Figura 8.2.
O tamanho do maior conjunto independente é igual a 2 e qualquer particio-
namento dos vértices em conjuntos independentes resultará em 3 conjuntos
independentes maximais. A partir desta análise, temos o seguinte teorema
como resultado.
Teorema 8.4. Para qualquer grafo G = (V, A), χ(G) ≥ |V |/α(G), onde
α(G) é o número de independência2 de G.
8.2 Grafos Aresta-Colorı́veis

Até o presente momento discutimos a coloração de vértices de um grafo.
Porém, existem inúmeros problemas do mundo real que focam na coloração
das arestas. De forma similar à coloração de vértices, as cores associadas
às arestas podem possuir inúmeros significados, como capacidade, tempo,
energia, etc. Abaixo temos algumas definições que são muito parecidas com
àquelas apresentas na seção anterior.
k-coloração de
aresta Definição 8.3. Uma k-coloração de aresta de um grafo G = (V, A) é uma
função de rotulamento f : A → S, onde S correspondem a um conjunto de
cores e |S| = k. As arestas de uma mesma cor formam uma classe de cores.
Definição 8.4. Uma k-coloração de arestas é própria se arestas incidentes

em um mesmo vértice de um grafo tiverem rótulos (cores) diferentes. Um
Número grafo é k-aresta colorı́vel se ele tem uma k-coloração própria de arestas. O
Cromático de número cromático de aresta χ0 (G) é o menor k tal que G é k-aresta colorı́vel.
Aresta Este número também é chamado de ı́ndice cromático.
Cada conjunto de arestas que possuem a mesma cor em uma k-coloração

própria de arestas é formado por arestas que não compartilham vértices entre
si. Isso nos leva a relacionar este conjunto ao conceito que vimos anterior-
k-coloração mente sobre emparelhamento na Seção 4.5, já que um emparelhamento de
própria de um grafo G é um conjunto de arestas que não compartilham vértices entre
arestas x empa- si. Como em uma k-coloração própria de arestas, arestas incidentes em um
relhamento 2
Número de independência é definido na Seção 4.2 e corresponde ao tamanho do maior
conjunto independente de um grafo.

8.3 Polinômio Cromático 163
mesmo vértice devem ser coloridas com cores diferentes, podemos concluir di-
retamente que para qualquer grafo G = (V, A), χ0 (G) ≥ ∆(G). Os teoremas
abaixo definem mais precisamente a relação entre χ0 (G) e ∆(G).
Teorema 8.5 ([24]). Se G é um grafo bipartido, então χ0 (G) = ∆(G).
Teorema 8.6 ([25]). Se G é um grafo simples, então χ0 (G) ≤ ∆(G) + 1.
Teorema 8.7 ([26]). Se G = (V, A) é multigrafo então χ0 (G) ≤ ∆(G)+µ(G),

onde µ(G) é a multiplicidade máxima de aresta, i.e., µ(G) = maxa∈A µ(a)3 .
8.3 Polinômio Cromático

A partir de um conjunto de cores disponı́veis é possı́vel determinar a quanti-
dade de maneiras que um grafo pode ser colorido propriamente. Por exemplo,
se tivermos disponı́vel um conjunto de cores S de tamanho k, a quantidade de
maneiras que podemos colorir um vértice é igual a k. Se um grafo G = (V, A)
é totalmente desconexo e tivermos que colorir seus vértices com as cores deste
conjunto, G poderá ser colorido de k n maneiras diferentes, onde |V | = n. Ou
seja, como para cada vértice temos k possibilidades e temos n vértices, então
a quantidade de maneiras é definida como
n
k.k.k
| {z. . . k} = k
n vezes
Esta expressão relaciona o número de vértices com o número de cores
disponı́vel na forma de um polinômio. Para um grafo mais geral, temos que
Definição 8.5. Dado k ∈ N , onde N é o conjunto dos números naturais, e

um grafo G = (V, A), χ(G; k) é o número de maneiras que podemos colorir
propriamente G com um conjunto S = {1, 2, . . . , k} de cores de forma que
nem sempre todas as cores sejam usadas pela função f : V → S.
Polinômio
A função χ(G; k) também é chamada de polinômio cromático de G quando Cromático
é definida em função de k. No caso do grafo desconexo com n vértices
ilustrado anteriormente, temos
χ(K̄n ; k) = k n
3
O conceito multiplicidade de aresta é definido na Seção 1.1.

164 Coloração
Quando k < χ(G) então χ(G; k) = 0, i.e., a quantidade de cores disponı́veis

para colorir propriamente o grafo é menor que seu número cromático. Porém,
se k ≥ χ(G) então χ(G; k) > 0.
Como exemplo, vamos considerar que existam k cores disponı́veis no con-
junto S, i.e., |S| = k, para colorir o grafo G1 ilustrado na Figura 8.3(a). Para
determinar o polinômio cromático χ(G1 ; k) temos que saber a quantidade de
maneiras que temos para colorir cada um dos vértices de G1 . Neste exemplo,
o vértice a pode ser colorido por qualquer uma das k cores. Porém, o vértice
b só pode ser colorido por k − 1 cores, já que uma das cores do conjunto S
já foi atribuı́da ao vértice a. Como o vértice c é adjacente apenas ao vértice
b, podemos considerar que existem disponı́veis k − 1 cores já que uma das
cores de S foi atribuı́da ao vértice b. Assim, multiplicando estes resultados
temos o seguinte polinômio cromático
χ(G1 , k) = k(k − 1)(k − 1) = k(k − 1)2 .
(a) (b)
Figura 8.3: Coloração de Grafos. (a) árvore com 3 vértices. (b) grafo com-
pleto K3 .
Por outro lado, o grafo G2 , ilustrado na Figura 8.3(b), é um grafo com-

pleto K3 . De forma similar ao processo feito anteriormente, podemos começar
determinando a quantidade de cores que podemos associar ao vértice a.
Como ainda não atribuı́mos nenhuma cor a qualquer vértice, o vértice a
pode ser colorido por qualquer uma das k cores, enquanto que o vértice b só
pode ser colorido por k − 1 cores, já que uma das cores do conjunto S já foi
atribuı́da ao vértice a. Porém para o vértice c, temos uma pequena mudança
em relação à solução anterior. O vértice c é adjacente agora aos vértices a
e b, e já associamos uma cor a cada um destes vértices. Então temos agora
apenas k − 2 cores disponı́veis. Assim, multiplicando estes resultados temos
o seguinte polinômio cromático
χ(G2 ; k) = k(k − 1)(k − 2) = k 3 − 3k 2 + 2k.

Generalizando este último resultado para grafos completos com n vértices,

Kn , temos
χ(Kn , k) = k.(k − 1).(k − 2) . . . (k − n + 1),
ou seja, !
k
χ(Kn ; k) = n!
n
Teorema 8.8. Se T = (V, A) é uma árvore com n vértices, |V | = n, e k é o

número de cores disponı́veis, k ∈ N , então
χ(T ; k) = k(k − 1)n−1 .
Considere a árvore ilustrada na Figura 8.4 e um conjunto S, com |S| = k

e k ≥ 2. Escolhemos inicialmente qualquer vértice. Para facilitar a aplicação
do teorema acima, iremos escolher o vértice a. Este vértice pode ser colorido
com qualquer uma das k cores disponı́veis. Os demais vértices serão coloridos
tendo como base este vértice inicial. Assim, o vértice b por sua vez pode ser
colorido com qualquer uma das k − 1 cores restantes disponı́veis, já que uma
das cores de S já foi atribuı́da ao vértice a. Seguindo a ordem, o vértice c
pode ser colorido com também k − 1 cores, pois ele é adjacente apenas ao
vértice b, então ele pode repetir a cor do vértice a porém não pode usar a cor
atribuı́da ao vértice b. Seguindo este raciocı́nio, os demais vértices poderão
ser coloridos com k −1 cores, e portanto, o polinômio cromático para a árvore
T com 9 vértices, considerando |S| = k é
χ(T ; k) = k(k − 1)8 .
Uma das maneiras para calcular o polinômio cromático de um grafo

genérico é através da seguinte equação de recorrência cromática, Equação de
Recorrência
Teorema 8.9. Se G = (V, A) é um grafo simples e a ∈ A então Cromática
χ(G; k) = χ(G − a; k) − χ(G/a; k).
Esta equação indica que o polinômio cromático de um grafo genérico G

pode ser encontrado considerando o polinômio cromático de G sem uma dada
aresta a subtraı́do do polinômio cromático do grafo resultante da operação de
arco contração da aresta a de G. Note que uma aresta a = {u, v} impõe uma

166 Coloração
Figura 8.4: Coloração de Árvores.
restrição às possibilidades de cores que podem ser atribuı́das aos vértices u
e v. A operação G − a leva a um grafo onde os vértices u e v podem assumir
quaisquer cores inclusive a mesma cor. A operação G/a, como definida an-
teriormente na Seção 2.2.7, contrai a aresta a unindo os vértices u e v. No
cálculo do polinômio cromático, a intenção é fazer como que u e v tenham
a mesma cor. Assim, neste cálculo temos χ(G − a; k) como o polinômio
cromático onde u e v podem ter a mesma cor, o que não é permitido em G,
pela própria presença de a, e o χ(G/a; k) como o polinômio cromático onde
u e v possuem a mesma cor. Embora a expressão recursiva definida pelo
teorema possa ser trabalhosa para grafos genéricos, ela facilita a obtenção do
polinômio cromático de maneira mais sistemática.
O exemplo seguinte mostrará a aplicação da equação de recorrência cromática.
Considere o grafo G ilustrado na Figura 8.5(a). Selecionando a aresta a em
vermelho e calculando G − a e G/a obtemos os grafos ilustrados em (b) e
(c). Embora o resultado em (c) seja um multigrafo, como comentando ante-
riormente, podemos desconsiderar as múltiplas arestas entre um mesmo par
de vértices e focar nossa atenção a apenas na adjacência entre os vértices.
Neste caso, o grafo em (c) seria visto como uma árvore e portanto
χ(G/a) = k(k − 1)2 .

(a) (b) (c)
Figura 8.5: Aplicação do equação de recorrência cromática no grafo G em

(a) resultado inicialmente nos grafos (b) G − a e (c) G/a.
O grafo ilustrado na Figura 8.5 (b) é um ciclo C4 e o seu polinômio

cromático é obtido usando novamente a equação definida no Teorema 8.9. O
cálculo de χ(C4 ; k) é feito selecionando uma aresta, por exemplo, a aresta b
como mostrado na Figura 8.6(a). Isso nos leva, a
χ(C4 ; k) = χ(C4 − b; k) − χ(C4 /b; k).
Os grafos C4 − b quanto C4 /b são ilustrados respectivamente em (b) e (c).
Como C4 − b é um caminho de comprimento 3, seu polinômio cromático é
igual a
χ(C4 − b; k) = k(k − 1)3 .
Por outro lado, C4 /a é um grafo completo K3 e polinômio cromático é
χ(C4 /b; k) = k(k − 1)(k − 2).
(a) (b) (c)
Figura 8.6: Aplicação do equação de recorrência cromática no grafo G em

(a) resultado inicialmente nos grafos (b) G − a e (c) G/a.
A partir destes resultados intermediários, temos

χ(C4 ; k) = k(k − 1)3 − k(k − 1)(k − 2)

168 Coloração
Substituindo este resultado
χ(C4 ; k) = k(k − 1)(k 2 − 3k − 3)
Combinando estes resultados, temos
χ(G; k) = k(k − 1)(k 2 − 3k − 3) − k(k − 1)2
χ(G; k) = k(k − 1)(k 2 − 4k − 2)

que corresponde ao polinômio cromático do grafo ilustrado na Figura 8.5(a).
8.4 O teorema das quatro cores

O teorema das quatro cores foi inicialmente posto como uma conjectura em
1850, e provado mais tarde em 1976 por Appel e Haken. Anterior a esta prova,
muitas soluções incorretas foram propostas, em geral, muito difı́ceis de serem
contestadas. Alguns afirmam que a prova mais notória é aquela publicada em
1879 por Alfred Kempe. A prova elaborada por Kempe foi aceita como válida
até 1890, quando Heawood encontrou um erro que tornava os argumentos de
Kempe incompletos. Mesmo possuindo falhas a solução de Kempe foi a base
para a proposta de Appel e Haken. A prova proposta por Appel e Haken
foi muito controversa pois ela realizou uma análise minuciosa de inúmeros
tipos de grafos um a um com o auxı́lio de um computador. A controvérsia
decorreu do uso do computador. Alguns argumentavam que poderia existir
um erro no programa usado para realizar os testes o que poderia levar a um
resultado errado.
O teorema como enunciado abaixo pode ser aplicado apenas a grafos pla-
nares. A Figura 8.7 mostra um exemplo de grafo planar colorido com apenas
4 cores. Grafos não planares podem ter números cromáticos arbitrários.
Teorema 8.10. O número cromático χ(G) para um grafo planar G é no

máximo igual a 4.
O problema das quatro cores está intimamente relacionado ao problema

de coloração de mapas. Se considerarmos cada região do mapa como uma
face de um grafo planar, conseguiremos extrair um grafo geométrico dual
o qual é planar, onde cada uma destas regiões está associada a um vértice

Figura 8.7: Grafo planar colorido com 4 cores.
no grafo dual. Como o grafo dual é planar, pelo Teorema 8.10, os vértices
deste grafo podem ser coloridos propriamente com no máximo 4 cores. Por
conseguinte, as regiões do mapa também poderão ser coloridas propriamente
com no máximo 4 cores. Note que o grafo dual resultante não será um
pseudografo, i.e., ele não possuirá laços, pois não existirão no mapa uma
aresta fazendo fronteira com apenas uma única face, como nos exemplos
ilustrados nas Figuras 7.3 e 7.4.
8.5 Exercı́cios
Exercı́cio 8.1. Prove que χ(G) = ∆(G) + 1 sse G é ou um grafo completo
ou um ciclo de comprimento ı́mpar
Exercı́cio 8.2. Mostre que se G contém exatamente um ciclo de compri-
mento ı́mpar então χ(G) = 3
Exercı́cio 8.3. Mostre que para um grafo simples G, se χ(G) = 2 então G
é bipartido
Exercı́cio 8.4. Qual é o número cromático de um grafo Km,n,p ?
Exercı́cio 8.5. Dê exemplo de grafos que possuem número cromático igual
a 1.

170 Coloração
Exercı́cio 8.6. O que podemos dizer sobre um grafo que possui um subgrafo
isomórfico a Kn ?
Exercı́cio 8.7. Mostre que qualquer grafo G com cintura g(G) = 2p, para
p ∈ N tem χ(G) ≥ 3.
Exercı́cio 8.8. Dados os grafos abaixo
(a) (b)
(c) (d)
Figura 8.8: Grafos Exemplo. (a) G1 (b) G2 (c) G3 (d) G4
Determine o número cromático e o polinômio cromático considerando um

conjunto de k cores.

Índice
Árvore, 115 Circuito, 13

Árvore p-ária, 120 Circuito Direcionado, 14
Árvore p-ária Cheia, 121 Circunferência, 15
Árvore p-ária Completa, 120 Clique em Dı́grafos, 64
Árvore Balanceada, 121 Clique em Grafos, 63
Árvore Binária, 120 Clique Máximo, 64
Árvore Enraizada, 118 Co-Clique, 67
Árvore Geradora, 123 Cobertura de Fonte, 75
Árvore Rotulada, 117 Cobertura de Sumidouro, 75
Árvore de Espalhamento, 123 Cobertura de Vértices, 73
Árvores Isomórficas, 117 Cobertura Mı́nima de Vértices, 73
Índice de Wiener, 17 Cobertura Minimal de Vértices, 73
Componente Conexo, 43
Acoplamento, 80 Conjunto Dominante, 76
Altura de uma Árvore, 121 Conjunto Dominante de Entrada, 77
Conjunto Dominante de Saı́da, 77
Biclique, 70
Conjunto Dominante Gêmeo, 79
Bloco, 45
Conjunto Independente Máximo, 67
Código Prüfer, 128 Corda, 15
Caminho, 13
Dı́grafo Bipartido Direcionado, 71
Caminho Alternante, 82
Dı́grafo Completo, 20
Caminho de Aumento, 82
Dı́grafo k-partido, 70
Caminho de Espalhamento, 15
Dı́grafo k-partido Completo, 71
Caminho Direcionado, 14
Dı́grafo Linha, 30
Casamento, 80
Dı́grafo Semicompleto, 20
Centro de Árvores, 117 Dı́grafo Simples, 5
Centro de um Grafo, 16 Diâmetro, 16
Ciclo, 13 Dominância, 5
Ciclo Direcionado, 14
Cintura, 15 Emparelhamento, 80

172 ÍNDICE
Emparelhamento Máximo, 80 Grafo Simples, 2

Emparelhamento Perfeito, 80 Grafo Simples Subjacente, 101
Emparelhamentos em Dı́grafos, 80 Grafo Subjacente a Pseudografo e Mul-
Excentricidade, 16 tigrafos, 3
Grafo Subjacente ao Dı́grafo, 6
Fator, 7 Grafo totalmente desconexo, 19
Floresta, 115 Grafo Trivial, 19
Floresta de Espalhamento, 123 Grafo Vazio, 19
Função de Incidência, 3 Grau, 8
Função Multivalorada de Vizinhança, Graus de Entrada e de Saı́da, 8
7
Funções de Fechamento Transitivo, 42 Método de Maghout, 87
Funções Estendidas de Vizinhança em Maior Grau, 8
Grafos e Dı́grafos, 40 Menor Grau, 8
Funções Multivalorada de Vizinhança Multigrafo, 2
Direta e Inversa, 8 Multigrafo Direcionado, 5
Número de Clique, 64
Grafo (m, n)-Ramsey, 73
Número de Cobertura de Fonte, 75
Grafo Bipartido Completo, 70
Número de Cobertura de Sumidouro,
Grafo Caminho, 20
75
Grafo Ciclo, 20
Número de Cobertura de Vértices, 73
Grafo completo, 19
Número de Dominância, 76
Grafo Conexo, 43
Número de Independência, 67
Grafo Desconexo, 43
Número de Ramsey, 72
Grafo Direcionado Simples, 5
Números de Dominância de Entrada
Grafo Estrela, 21
e de Saı́da, 78
Grafo Homeomorficamente Reduzido,
Números de Dominância Gêmea, 79
28
Nı́vel de um vértice, 121
Grafo Induzido, 7
Grafo K-Cubo, 21 Operação Complemento, 25
Grafo k-partido, 67 Operação de Contração, 27
Grafo K-partido Completo, 69 Operação de Decomposição, 29
Grafo Linha, 30 Operação de Intersecção, 24
Grafo não separável, 45 Operação de Junção, 23
Grafo Orientado, 5 Operação de Remoção, 27
Grafo Reduzido, 28 Operação de União, 23
Grafo Regular, 20 Operação Produto, 25
Grafo Roda, 21 Operador Linha, 30

ÍNDICE 173
Passeio, 13 Vértice Fonte, 9

Passeio de Espalhamento, 15 Vértice Interno, 118
Passeio Direcionado, 14 Vértice Irmão, 118
Passeio Direcionado Fechado, 14 Vértice Pai, 118
Passeio Fechado, 13 Vértice Raiz, 118
Problema das Pontes de Königsberg, Vértice Saturado, 80
1 Vértice Sumidouro, 9
Pseudografo, 2 Vértices Adjacentes, 2
Raio, 16
Relação de Dominância em Dı́grafos,
77
Relação de Dominância em Grafos,
76
Relação de Dominância Gêmea, 79
Semi-Caminho, 14
Semi-Passeio, 14
Semi-Trilha, 14
Seqüência de Graus, 9
Seqüência Gráfica, 10
Subárvore, 120
Subárvore Direita, 120
Subárvore Esquerda, 120
Subdivisão de Grafo, 29
Subgrafo e Subdı́grafo de Espelhamento,
7
Teorema de Menger-Dı́grafos, 55
Teorema de Menger-Grafos, 47, 49
Trilha, 13
Trilha de Espalhamento, 15
Trilha Direcionada, 14
Vértice Ancestral, 118

Vértice de Corte × Pseudografo, 45
Vértice Descendente, 118
Vértice Filho, 118
Vértice Folha, 118

174 ÍNDICE

Bibliografia
[1] S. Hakimi, “On the realizability of a set of integers as degrees of the

vertices of a graph,” SIAM J. Appl. Math, vol. 10, pp. 496–506, 1962.
[2] G. Dirac, “Some theorems on abstract graphs,” Proc. Lond. Math. Soc.,
vol. 2, pp. 69–81, 1952.
[3] O. Ore, “Note on hamilton circuits,” Amer. Mat. Monthly, vol. 67, p. 55,
1960.
[4] K. H. Rosen, Discrete Mathematics and Its Applications. McGraw-Hill,

2007.
[5] K. Menger, “Zur allgemeinen kurventheorie,” Fund. Math., vol. 10, pp.
96–115, 1927.
[6] H. Whitney, “Congruent graphs and the connectivity of graphs,” Amer.

J. Math., vol. 54, pp. 150–168, 1932.
[7] H. Robbins, “A theorem on graphs with an application to a problem on

traffic control,” American Mathematical Monthly, vol. 46, pp. 281–283,
1939.
[8] D. Geller and F. Harary, “Connectivity in digraphs,” in Recent Trends

in Graph Theory, Proceedings of the First New York City Graph Theory
Conference, vol. 186, 1970, pp. 105–115.
[9] G. Gutin and B. Sackler, “Finding a longest path in a complete multi-

partite digraph,” SIAM J. Discrete Math, vol. 6, pp. 270–273, 1993.
[10] G. C. Ferro and D. Ferrarello, “Polynomial ideals and directed graphs,”

Commutative Algebra, 2007.

176 BIBLIOGRAFIA
[11] D. Amar and A. Raspaud, “Covering the vertices of a digraph by cycles

of prescribed length,” Discrete Mathematics, vol. 65, pp. 273–290, 1995.
[12] F. Chung and R. Graham, “On the cover polynomial of a digraph,”

Journal of Combinatorial Theory, vol. 65, pp. 273–290, 1995.
[13] G. Chartrand, F. Harary, and B. Q. Yue, “On the out-domination and

in-domination numbers of a digraph,” Discrete Mathematics, 1999.
[14] G. Chartrand, M. S. P. Dankelmann, and H. C. Swart, “Twin domina-

tion in digraphs,” Ars Combinatoria, vol. 67, 2003.
[15] C. Berge, “Two theorems in graph theory,” Proc. Nat. Acad. Sci., vol. 43,
pp. 842–844, 1957.
[16] P. Hall, “On representatives of subsets,” J. Lond. Mat., vol. 10, pp.
26–30, 1935.
[17] D. König, “Graphen und matrizen,” Math. Lapok, vol. 38, pp. 116–119,
1931.
[18] C. Jordan, “Sur les assemblages de lignes,” J. für die Reine und An-
gewandte Mathematic, vol. 70, pp. 185–190, 1869.
[19] G. Kirchhoff, “Über die auflösung der gleichungen, auf welche man bei
der untersuchung der linearen verteilung galvanischer ströme geführt
wird,” Ann. Phys. Chem., vol. 72, pp. 497–508, 1847.
[20] ——, “Ueber die auflösung der gleichungen, auf welche man bei der un-
tersuchung der linearen vertheilung galvanischer ströme geführt wird,”
Ann. Phys. Chem., vol. 72, pp. 497–508, 1847.
[21] A. Cayley, “A theorem on trees,” Quart. J. Math, vol. 23, pp. 376–378,
1889.
[22] H. Prüfer, “Neuer beweis eines satzes über permutationen,” Arch. Math.
Phys, vol. 27, pp. 727–744, 1918.
[23] W. T. Tutte, “The dissection of equilateral triangles into equilateral

triangles,” Proc. Cambridge Philos. Soc., vol. 44, pp. 463–482, 1948.

BIBLIOGRAFIA 177
[24] D. König, “Über graphen und ihre anwendung auf determinantentheorie

und mengenlehre,” Math. Ann., vol. 77, pp. 453–465, 1916.
[25] V. G. Vizing, “On an estimate of the chromatic class of a p-graph,”

Diskret. Analiz, vol. 3, pp. 25–30, 1964.
[26] C. Shannon, “A theorem on coloring the lines of a network,” J. Math.

Phys., vol. 28, pp. 148–151, 1949.


Livro Grafos

Enviado por

Direitos autorais:

Formatos disponíveis

Livro Grafos

Enviado por

Dados do documento

Título original

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 Grafos

Enviado por

Direitos autorais:

Formatos disponíveis

Introdução à Teoria dos Grafos

Jiddu Krishnamurti (1895-1986)

• F. Harary. Graph Theory. Addison-Wesley Publishing Company,

• J. A. Bondy e U.S.R. Murty. Graph Theory with Applications.

• J. Clark e D.A. Holton. A First Look at Graph Theory. World

• D. West. Introduction to Graph Theory. Prentice-Hall, Inc. 1996.

• R. Diestel. Graph Theory. Springer-Verlag. 2005.

• J. M. Harris, J. L. Hirst e M. J. Mossinghoff. Combinatorics and

• J. Bang-Jensen e G. Gutin. Digraphs - Theory, Algorithms and

Além de oferecer aos estudantes um livro com linguagem acessı́vel, eu

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

2 Tipos de Grafos e Operações 35

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

2.2.10 Operador Linha L . . . . . . . . . . . . . . . . . . . . 46

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

6.3 Árvores de Espalhamento . . . . . . . . . . . . . . . . . . . . 133

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

A Teoria dos Grafos surgiu com os trabalhos de L. Euler, G. Kirchhoff e A.

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

problemas. Exemplificaremos sempre que possı́vel o uso destes conceitos em

Figura 1.1: Pontes de Königsberg

1.1 Conceitos Básicos

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

arestas, leva à definição da função φ : A → P(V ), chamada de função de Função de In-

Figura 1.2: Exemplos de (a) grafo simples e (b) pseudografo

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

e a 6= b. Quando um dado par de vértices está associado a k arestas distin-

Se retirarmos os laços e todas as múltiplas arestas entre cada par de

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

vértices de D. De forma similar à definição usada para grafos, o número

Figura 1.4: Exemplos de (a) dı́grafo simples e (b) pseudografo direcionado

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

G2 é supergrafo de G1 .(definição similar para sub- e superdı́grafos, porém

(a) (b) (c)

1.2 Relação de Vizinhança

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

onde v pode ou não ser igual a w. Quando v = w teremos v ∈ τ (v). O

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

Teorema 1.1 (Handshaking Problem). Para um grafo G=(V,A), temos

d− (1) = 1, d− (2) = 2, d− (3) = 0, d− (4) = 1, δ − (D) = 0, ∆− (D) = 2,

d+ (1) = 1, d+ (2) = 0, d+ (3) = 3, d+ (4) = 0, δ + (D) = 0, ∆+ (D) = 3.

d− (1) = 1, d− (2) = 3, d− (3) = 2, d− (4) = 2, δ − (D) = 1, ∆− (D) = 3

d+ (1) = 2, d+ (2) = 2, d+ (3) = 3, d+ (4) = 1, δ + (D) = 1, ∆+ (D) = 3.

Teorema 1.2. Para um dı́grafo D = (Vd , Ad ) temos

d− (v) = d+ (v) = |Ad |

Quando um vértice v de um dı́grafo possui grau d− (v) = 0, ele é chamado

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

ele apenas emite informações sem ter a capacidade de recebê-las de volta.

Figura 1.6: Grafos com mesma seqüência de graus.

Teorema 1.3. Toda seqüência não negativa d1 , d2 , . . . , dn é uma seqüência

Existem seqüências que podem não estar associados a grafos simples.

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this

∆ maiores elementos seguintes. Assumimos que a única seqüência gráfica

1.3 Matrizes de Adjacência e de Incidência

Por outro lado, a matriz de incidência B = [bi,j ] é uma matriz n × m, que

This work is licensed under CC BY-NC-SA 4.0. To view a copy of this