Färbungen von Graphen: Die chromatische Zahl und der Satz von Brooks

Größe: px
Ab Seite anzeigen:

Download "Färbungen von Graphen: Die chromatische Zahl und der Satz von Brooks"

Transkript

1 Färbungen on Graphen: Die chromatische Zahl und der Satz on Brooks Florian Seerin Heinrich-Heine-Uniersität Düsseldorf Mathe-Akademie 2018 Definition. Ein (endlicher) Graph besteht aus einer (endlichen) Menge on Ecken (oder Knoten) und einer Menge on Kanten; jede Kante erbindet genau zwei erschiedene Ecken miteinander und zwischen zwei Ecken gibt es höchstens eine Kante. Wir beschäftigen uns im Folgenden nur mit endlichen Graphen. Einige Sprechweisen und weitere Begriffe: Zwei Ecken, die mittels einer Kante direkt miteinander erbunden sind heißen benachbart. Der Graph, der aus den Ecken 1,..., n und Kanten zwischen i und i+1 für i {1,..., n 1}, ist ein Weg zwischen 1 und n. Ein Graph heißt zusammenhängend, wenn je zwei Ecken durch einen Weg erbunden sind. Eine Zusammenhangskomponente in einem Graphen ist ein maximaler zusammenhängender Teilgraph; jeder (endliche) Graph zerfällt in (endlich iele) Zusammenhangskomponenten. Beispiele. Es gibt sehr iele sinnolle Beispiele und Anwendungen on Graphen. Etwa die Folgenden: Wir können etwa das Haus des Nikolaus als Graphen darstellen (und das ist nützlich bei der Frage, ob und wie es sich ohne Abzusetzen in einem Zug zeichnen lässt); siehe auch Abbildung 1. Ein Netzwerk miteinander erbundener Computer lässt sich als Graph darstellen. Wenn Distanzen egal sind und uns nur die möglichen Wege interessieren ist es sinnoll, Karten oder Zugerkehrsnetze als Graphen darzustellen. 1

2 (a) In der klassischen Variante... (b)... und mit zusätzlicher Ecke Abbildung 1: Das Haus des Nikolaus als Graph. Definition. Sei G ein Graph. Für eine Ecke on G ist der Grad on, bezeichnet mit d G (), die Anzahl der Nachbarn on in G. Der maximale Ecken-Grad on G wird mit bezeichnet. (G) = max {d G (w) w ist Ecke on G} Eine (gültige) Ecken-Färbung on G ist eine Färbung der Ecken on G, sodass keine benachbarten Ecken gleich gefärbt sind. Die chromatische Zahl on G ist die kleinstmögliche Zahl an Farben, die wir für eine gültige Ecken-Färbung benötigen. Sie wird mit χ(g) bezeichnet. Beispiel. siehe Abbildung 2. (a) Färbung der klassischen Variante (b) Keine Färbung im Sinne der Definition (c) Färbung der zweiten Variante Abbildung 2: Das Haus des Nikolaus als gefärbter Graph. Beispiel. Die Erstellung eines Stundenplans mit Einschränkungen (Mathe und Physik können nicht gleichzeitig stattfinden, weil die selbe Lehrerin diese Fächer unterrichtet; Biologie und Chemie nicht, weil sie im selben Raum stattfinden; Deutsch und Mathe nicht, weil beides Pflichtfächer sind... ) kann als Färbungsproblem modelliert werden (siehe Abbildung 3). 2

3 M P M P D C B B D C B S (a) Fächer die im Graphen benachbart sind können nicht zeitgleich stattfinden. (b) Eine mögliche Lösung: Gleichfarbige Fächer finden gleichzeitig statt. Abbildung 3: Bedingungen an einen Stundenplan in einem Graphen dargestellt Beispiel. siehe Abbildung 4. (a) Die chromatische Zahl dieses Graphen ist 4. (b) Die chromatische Zahl dieses Graphen ist 3. Abbildung 4: Chromatische Zahlen für die beiden Darstellungen des Haus des Nikolaus. Behauptung. Für jeden Graphen G ist χ(g) (G) + 1. Beweis. Wir färben G so: 1. Starte an einer beliebigen Ecke und färbe diese beliebig. 2. Betrachte eine beliebige noch nicht gefärbte Ecke u. Da u höchstens (G) iele Nachbarn hat, gibt es mindestens eine der (G)+1 ielen zur Verfügung stehenden Farben, die unter den Nachbarn on u nicht auftaucht. Färbe u mit einer solchen Farbe. 3. Wiederhole Schritt 2 mit einer neuen ungefärbten Ecke u, bis alle Ecken on G gefärbt sind. Für einen ollständigen Graphen K, d.h. einen Graphen in dem jede Ecke mit jeder anderen benachbart ist, brauchen wir auch immer genau (K) + 1 iele Farben. Für einen Kreis C ungerader Länge, d.h. einen geschlossenen Weg mit einer ungeraden Anzahl an Ecken, brauchen wir ebenfalls immer genau (C) + 1 = 3 Farben. 3

4 (a) Eine 5-Färbung des ollständigen Graphen mit 5 Ecken. (b) Eine 3-Färbung des Kreises der Länge 9. Ansonsten kommen wir auch mit einer Farbe weniger aus, das ist der Satz on Brooks: 1 Satz (on Brooks). Sei G ein zusammenhängender Graph mit (G) 3. Dann ist G entweder ollständig oder χ(g) (G). (Der Fall (G) 2 bleibt dem Leser als Übung überlassen. Beachte, dass G dann bereits ein Kreis oder ein Weg sein muss.) Wir beweisen nun den Satz on Brooks, indem wir einen Algorithmus angeben, der G mit (G) ielen Farben färbt. Algorithmus. Suche eine beliebige Ecke on G aus. Betrachte G \ {}, d.h. entferne. Wir wollen zunächst jede Zusammenhangskomponente H on G \ {} mit höchstens (G) ielen Farben färben: Wenn (H) 2, dann ist H jedenfalls 3-färbbar. Wenn H ollständig ist, dann ist H jedenfalls (H) + 1-färbbar und die Ecke on H die zu benachbart ist hat Grad (H) + 1 in G, also (G) (H) + 1. Andernfalls, d.h. wenn (H) 3 und H nicht ollständig ist, dann können wir auf H denselben Algorithmus anwenden; weil H weniger Ecken als G hat endet diese Rekursion irgendwann. In jedem Fall ist H also (G)-färbbar. Wir müssen jetzt nur noch färben das ist der schwierige Teil. Wir unterscheiden mehrere Fälle. Dabei färben wir die schon gefärbten Ecken zum Teil um, damit wir in einem der schon behandelten Fälle landen. 1. Fall: Die Nachbarn on sind mit weniger als (G) ielen Farben gefärbt. Da wir (G) iele Farben zur Verfügung haben, können wir dann mit einer Farbe färben, die nicht unter seinen Nachbarn auftaucht und sind fertig. 1 Ein einfacher Spezialfall: Für einen Kreis C gerader Länge genügen offenbar (C) = 2 Farben. 4

5 Wir können also im Folgenden daon ausgehen, dass genau (G) iele Nachbarn mit paarweise erschiedenen Farben hat, d.h. wir können annehmen, dass wir nicht im 1. Fall sind. 2. Fall: Es gibt zwei Nachbarn on, die nicht mit einem zweifarbigen Weg erbunden sind. (a) Vor dem Umfärben (b) Nach dem Umfärben Abbildung 6: Durch Umfärben können wir den 2. Fall auf den 1. Fall zurückführen. Wir können annehmen, die beiden Nachbarn sind rot und grün. Sei r der rote Nachbar on. Dann betrachte alle Ecken die mit r durch einen rotgrünen Weg erbunden sind. (Insbesondere ist jede dieser Ecken selbst entweder rot oder grün.) Wenn wir bei allen diesen Ecken die Farben rot und grün tauschen, behalten wir eine gültige Färbung. In dieser haben jetzt zwei Nachbarn on dieselbe Farbe (nämlich grün), also landen wir im 1. Fall und sind damit fertig. Wir können also annehmen, dass wir auch nicht im 2. Fall sind. 3. Fall: Es gibt mindestens eine Ecke, die an einen der zweifarbigen Wege angrenzt und auch mit einer der zwei Farben gefärbt ist (aber nicht selbst auf dem Weg liegt). (a) Vor dem Umfärben (b) Nach dem Umfärben Abbildung 7: Durch Umfärben können wir den 3. Fall auf den 2. Fall zurückführen. Wir nehmen wieder an, der Weg sei rot-grün und r, g seien der rote bzw. grüne Nachbar on. Sei u die erste Ecke auf dem Weg on r nach g, die 5

6 einen roten oder grünen Nachbarn außerhalb des Weges hat. Wenn u = r oder u = g ist, hat u höchstens (G) 1 iele Nachbarn in G\{}, on denen zwei gleich gefärbt sind. Ansonsten hat u drei gleich gefärbte Nachbarn den außerhalb des Weges und den Vorgänger und Nachfolger auf dem Weg. In jedem Fall gibt es eine Farbe, etwa blau, die unter u und seinen Nachbarn nicht auftaucht. Wir können u dann also blau färben und behalten eine gültige Färbung. Nach Wahl on u (die erste Ecke auf dem rot-grünen Weg on r nach g, die einen roten oder grünen Nachbarn hat) gibt es nach der Umfärbung keinen rot-grünen Weg mehr on r nach g, wir landen also im 2. Fall und sind damit fertig. Wir können also annehmen, dass wir auch nicht im 3. Fall sind. 4. Fall: Es gibt zwei erschiedene zweifarbige Wege zwischen Nachbarn on, die eine Ecke u gemeinsam haben, welche nicht mit benachbart ist. (a) Vor dem Umfärben (b) Nach dem Umfärben Abbildung 8: Durch Umfärben können wir den 4. Fall auf den 2. Fall zurückführen. Etwa haben der rot-grüne Weg zwischen r und g und der grün-blaue Weg zwischen g und b die Ecke u gemeinsam. Diese muss dann grün sein. Nun hat u je zwei rote und zwei blaue Nachbarn, nämlich die Vorgänger bzw. Nachfolger auf den beiden Wegen auf denen es liegt. Insgesamt tauchen daher wieder höchstens (G) 1 Farben unter u und seinen Nachbarn auf, das heißt wir können u umfärben. Weil wir nicht im 3. Fall sind gab es (or der Umfärbung) insbesondere nur genau einen rot-grünen Weg zwischen r und g. Da u darauf liegt, gibt es nach der Umfärbung keinen solchen Weg mehr, d.h. wir landen im 2. Fall und werden fertig. Wir können also annehmen, dass wir auch nicht im 4. Fall sind. 5. Fall: Jeder Nachbar on ist mit jedem anderen Nachbarn on benachbart. Sei K der Teilgraph on G, der aus und seinen Nachbarn besteht. Dann ist K ein ollständiger Graph und jede Ecke on K hat schon in K genau (G) 6

7 Abbildung 9: Wenn alle Nachbarn on paarweise miteinander benachbart sind, dann bilden und seine Nachbarn einen ollständigen Graphen. iele Nachbarn. Also kann es keine weiteren Ecken in G geben, d.h. G = K ist ollständig und wir sind fertig (siehe auch Abbildung 9). Wir können also annehmen, dass wir auch nicht im 5. Fall sind. 6. Fall: Die Fälle 1 bis 5 treten alle nicht ein. Da wir nicht im 5. Fall sind, können wir annehmen, dass etwa der rote Nachbar r und der grüne Nachbar g on nicht benachbart sind. Sei u die erste Ecke auf dem rot-grünen Weg on r nach g. Insbesondere ist u grün. Sei b der blaue Nachbar on. Jetzt wird es etwas unübersichtlicher: Tausche die Farben rot und blau auf dem rot-blauen Weg zwischen r und b. Jetzt gehen wir mit dem neuen teilgefärbten Graphen die Fälle 1 bis 5 durch: Falls einer daon eintritt, dann sind wir fertig (ggf. nach mehrmaligem erneutem Umfärben... ). Wir zeigen, dass das der Fall ist. Der 1. Fall tritt nicht ein, da unter den Nachbarn on bloß zwei die Farbe getauscht haben. Auch der 5. Fall kann nicht eintreten, denn er ist offenbar gänzlich unabhängig daon, wie die Ecken gefärbt sind. (a) Vor dem Umfärben (b) Nach dem Umfärben Abbildung 10: Durch Umfärben landen wir hier im 2. Fall: Der rote und der grüne Nachbar on sind nach dem Umfärben nicht mehr durch einen rotgrünen Weg erbunden. Wir zeigen, dass der 2., 3. oder 4. Fall eintreten muss. 2 Angenommen, die 2 Tatsächlich kann man mit einer noch etwas detailierteren Analyse zeigen, dass die Fälle 3 und 4 gar nicht eintreten können, wenn sie or der Umfärbung nicht zutrafen, so dass wir in Wirklichkeit nach dem Umfärben immer im 2. Fall landen. 7

8 blaue Ecke r und die grüne Ecke g im neugefärbten Graphen sind durch einen grün-blauen Weg miteinander erbunden (wenn nicht, dann sind wir im 2. Fall und damit fertig). Dann muss die erste (grüne) Ecke auf dem grün-blauen Weg rg neu on r nach g auf dem alten rot-grünen Weg rg alt on r nach g liegen, da wir or dem Umfärben nicht im 3. Fall waren. Diese Ecke ist also gerade die grüne Ecke u. Auf dem (alten) rot-grünen Weg ug rot zwischen u und g wurde keine Ecke umgefärbt; sonst wäre die umgefärbte Ecke eine gemeinsame Ecke on ug rot und rb alt das geht aber nicht, da wir or dem Umfärben nicht im 4. Fall waren. Genauso ist der neue blau-grüne Weg zwischen u und g nicht umgefärbt worden (er war also zuor bereits blau-grün). Falls im neuen Graphen kein rot-grüner Weg bg neu zwischen b und g existiert sind wir im 2. Fall und damit fertig. Falls doch und falls wir zusätzlich nicht im 3. Fall sind, so ist der gesamte Weg ug rot Teil des Weges bg neu. Damit liegt insbesondere u auf diesem Weg, das heißt u ist sowohl eine Ecke auf dem Weg rg neu als auch auf dem Weg bg neu somit landen wir im 4. Fall. Beispiel. Wir wenden den Algorithmus auf folgenden Graphen an: (a) Der Graph or Beginn des Algorithmus. (b) Entferne. Färbe den Rest rekursi. (c) 6. Fall: Tausche Farben auf rot-blauem Weg. (d) 2. Fall: Tausche Farben auf rot-grünem Weg. (e) 1. Fall: Färbe mit der erbleibenden Farbe rot. (f) Eine mögliche 3-Färbung des Graphen. Abbildung 11: Beispielanwendung des Algorithmus. (Ohne die rekursien Zwischenschritte on (b) zu (c); der Graph ohne ist ohnehin sehr leicht zu färben.) 8

Diskrete Strukturen. Hausaufgabe 1 (5 Punkte) Hausaufgabe 2 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008

Diskrete Strukturen. Hausaufgabe 1 (5 Punkte) Hausaufgabe 2 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008 Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 15 Computergraphik & Visualisierung Prof. Dr. Rüdiger Westermann Dr. Werner Meixner Wintersemester 2007/08 Lösungsblatt 9

Mehr

durch Einfügen von Knoten konstruiert werden kann.

durch Einfügen von Knoten konstruiert werden kann. Satz von Kuratowski Definition Unterteilung eines Graphen Sei G = (V, E) und e = {u, v} E. 1 Das Einfügen eines neuen Knoten w in die Kante e führt zum Graphen G = (V {w}, E \ e {{u, w}, {w, v}}). 2 Der

Mehr

Knotenfärbung. Def.: Eine Knotenfärbung eines Graphen G=(V,E) mit k Farben ist eine Abbildung c:v {1,...,k}, so dass c(u) c(v) für alle {u,v} E.

Knotenfärbung. Def.: Eine Knotenfärbung eines Graphen G=(V,E) mit k Farben ist eine Abbildung c:v {1,...,k}, so dass c(u) c(v) für alle {u,v} E. Knotenfärbung Def.: Eine Knotenfärbung eines Graphen G=(V,E) mit k Farben ist eine Abbildung c:v {1,...,k}, so dass c(u) c(v) für alle {u,v} E. Die chromatische Zahl χ(g) eines Graphen G ist die minimale

Mehr

Achilles und die Schildkröte Sommersemester 2008

Achilles und die Schildkröte Sommersemester 2008 Achilles und die Schildkröte Sommersemester 2008 Färbbarkeit planarer Graphen Alexander Damarowsky 20.05.2008 V6, 15.05.2008 Problemstellung /Ziel des Vortrags: Wie viele Farben werden benötigt, um jeden

Mehr

Der Fünffarbensatz Proseminar: Graphentheorie Sommersemester 2006 Isa Topac, Markus Kunder, Tim Hahn

Der Fünffarbensatz Proseminar: Graphentheorie Sommersemester 2006 Isa Topac, Markus Kunder, Tim Hahn Der Fünffarbensatz Proseminar: Graphentheorie Sommersemester 2006 Isa Topac, Markus Kunder, Tim Hahn 1. Geschichte - Frage kommt Mitte des 19 Jahrhunderts auf Wie viele Farben benötigt man um eine Karte

Mehr

Übung zur Vorlesung Diskrete Strukturen I

Übung zur Vorlesung Diskrete Strukturen I Technische Universität München WS 00/0 Institut für Informatik Aufgabenblatt Prof. Dr. J. Csirik. November 00 Brandt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am. und.

Mehr

WS 2015/16 Diskrete Strukturen Kapitel 4: Graphen (Planare Graphen, Färbung)

WS 2015/16 Diskrete Strukturen Kapitel 4: Graphen (Planare Graphen, Färbung) WS 2015/16 Diskrete Strukturen Kapitel 4: Graphen (Planare Graphen, Färbung) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15

Mehr

Bäume und Wälder. Definition 1

Bäume und Wälder. Definition 1 Bäume und Wälder Definition 1 Ein Baum ist ein zusammenhängender, kreisfreier Graph. Ein Wald ist ein Graph, dessen Zusammenhangskomponenten Bäume sind. Ein Knoten v eines Baums mit Grad deg(v) = 1 heißt

Mehr

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden

Mehr

Bäume und Wälder. Definition 1

Bäume und Wälder. Definition 1 Bäume und Wälder Definition 1 Ein Baum ist ein zusammenhängender, kreisfreier Graph. Ein Wald ist ein Graph, dessen Zusammenhangskomponenten Bäume sind. Ein Knoten v eines Baums mit Grad deg(v) = 1 heißt

Mehr

Fünf-Farben-Satz. Seminar aus reiner Mathematik, WS 13/14. Schweighofer Lukas, November Seite 1

Fünf-Farben-Satz. Seminar aus reiner Mathematik, WS 13/14. Schweighofer Lukas, November Seite 1 Der Fünf- Farben-Satz Seminar aus reiner Mathematik, WS 13/14 Schweighofer Lukas, November 2013 Seite 1 Inhaltsverzeichnis Vorwort...3 Graphentheoretische Grundlagen...4 Satz 2 (Eulerscher Polyedersatz)...7

Mehr

4 Färbungen Begriffe Komplexität Greedy-Algorithmus Knotenreihenfolgen Das 4-Farben-Problem...

4 Färbungen Begriffe Komplexität Greedy-Algorithmus Knotenreihenfolgen Das 4-Farben-Problem... Inhaltsverzeichnis 4 Färbungen 41 4.1 Begriffe....................... 41 4.2 Komplexität..................... 42 4.3 Greedy-Algorithmus................ 42 4.4 Knotenreihenfolgen................. 43 4.5

Mehr

OR für Wirtschaftsingenieure. Übungsserie 7: Färbungen von Graphen

OR für Wirtschaftsingenieure. Übungsserie 7: Färbungen von Graphen HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Operations Research allgemeine Optimierungsmethoden OR für Wirtschaftsingenieure Übungsserie : Färbungen von Graphen Aufgabe 1 : Wieviele Farben

Mehr

Übung zur Vorlesung Diskrete Strukturen I

Übung zur Vorlesung Diskrete Strukturen I Technische Universität München WS 00/03 Institut für Informatik Aufgabenblatt 6 Prof. Dr. J. Csirik 18. November 00 Brandt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am

Mehr

Der Fünf-Farben-Satz. Lukas Schweighofer. Feb.2014

Der Fünf-Farben-Satz. Lukas Schweighofer. Feb.2014 Der Fünf-Farben-Satz Lukas Schweighofer Feb.2014 1 Contents 1 Vorwort 3 2 Graphentheoretische Grundlagen 4 3 Satz 2 (Eulerscher Polyedersatz) 8 4 Satz 3 9 5 Der Fnf-Farben-Satz 10 5.1 Beweis 1..............................

Mehr

Kapitel 3. Kapitel 3 Graphentheorie

Kapitel 3. Kapitel 3 Graphentheorie Graphentheorie Inhalt 3.1 3.1 Grundlagen 3.2 3.2 Das Das Königsberger Brückenproblem 3.3 3.3 Bäume 3.4. 3.4. Planare Graphen 3.5 3.5 Färbungen Seite 2 3.1 Grundlagen Definition. Ein Ein Graph besteht aus

Mehr

Graphentheorie. Färbungen. Knoten- und Kantenfärbungen. Knoten- und Kantenfärbungen. Rainer Schrader. 28. Januar 2008

Graphentheorie. Färbungen. Knoten- und Kantenfärbungen. Knoten- und Kantenfärbungen. Rainer Schrader. 28. Januar 2008 Graphentheorie Rainer Schrader Färbungen Zentrum für Angewandte Informatik Köln 28. Januar 2008 1 / 57 2 / 57 wir wollen versuchen, die Knoten eines Graphen zu färben dabei dürfen keine zwei benachbarten

Mehr

WS 2013/14. Diskrete Strukturen

WS 2013/14. Diskrete Strukturen WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314

Mehr

Definition : Diechromatische Zahl eines Graphen G ist die kleinste Anzahl chromatische Zahl von Farben für eine zulässige Färbung.

Definition : Diechromatische Zahl eines Graphen G ist die kleinste Anzahl chromatische Zahl von Farben für eine zulässige Färbung. 4 Definition : Eine zulässige Färbung ist eine Färbung der Knoten des ( un- zulässige Färbung gerichteten ) Graphen, so daß je zwei adjazente Knoten verschiedene Farben haben. Trivial ist, daß n verschiedene

Mehr

Vorlesungstermin 2: Graphentheorie II. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich

Vorlesungstermin 2: Graphentheorie II. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich Vorlesungstermin 2: Graphentheorie II Markus Püschel David Steurer Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich Wiederholung: Vollständige Induktion Ziel: zeige n N. A(n) für eine Aussage

Mehr

3. Übung zur Vorlesung Planare Graphen

3. Übung zur Vorlesung Planare Graphen 3. Übung zur Vorlesung Planare Graphen Übung 20. Mai 14 Andreas Gemsa INSTITUTE OF THEORETICAL INFORMATICS PROF. DR. DOROTHEA WAGNER KIT University of the State of Baden-Wuerttemberg and National Laboratory

Mehr

Das Art Gallery Problem

Das Art Gallery Problem Dipl. Math. Timo de Wolff FB 12 Institut für Mathematik Mail: wolff(at)math.uni-frankfurt.de http://www.uni-frankfurt.de/fb/fb12/mathematik/dm/personen/dewolff/index.html Das Art Gallery Problem Mustervorlesung

Mehr

Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume)

Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume) WS 2016/17 Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16

Mehr

Planare Graphen und Färbungen. Kapitel 7. Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/ / 296

Planare Graphen und Färbungen. Kapitel 7. Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/ / 296 Kapitel 7 Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/19 256 / 296 Inhalt Inhalt 7 Färbungen Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/19 257 / 296 Jordankurve Zentrale Frage

Mehr

KARL-FRANZENS-UNIVERSITÄT GRAZ. Seminar aus Reiner Mathematik. Die Museumswächter. Krupic Mustafa Wintersemester 2013/14

KARL-FRANZENS-UNIVERSITÄT GRAZ. Seminar aus Reiner Mathematik. Die Museumswächter. Krupic Mustafa Wintersemester 2013/14 KARL-FRANZENS-UNIVERSITÄT GRAZ Seminar aus Reiner Mathematik Die Museumswächter Krupic Mustafa Wintersemester 2013/14 Inhaltsverzeichnis 2 Inhaltsverzeichnis 1 Einleitung 3 2 Museumswächter-Satz 6 2.1

Mehr

Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen

Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul

Mehr

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Klausurvorbereitung

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Klausurvorbereitung Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl.-Math. S. König, Dipl.-Math. A. Würfl, Klausurvorbereitung Die Klausur zum Propädeutikum Diskrete

Mehr

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik - WS 11/12. Klausurvorbereitung

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik - WS 11/12. Klausurvorbereitung Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik - WS 11/12 Prof. Dr. A. Taraz, Dr. O. Cooley, Klausurvorbereitung Die Klausur zum Propädeutikum Diskrete Mathematik findet

Mehr

Chromatosaurier Lösungen

Chromatosaurier Lösungen Schülerzirkel Mathematik Fakultät für Mathematik. Universität Regensburg Chromatosaurier Lösungen Aufgabe 1 (Tetrachromatosaurier (nur für die Klassen 7/8) [4 Punkte]). Bei Ausgrabungen wurde der folgende

Mehr

Graphen und Algorithmen

Graphen und Algorithmen Graphen und Algorithmen Vorlesung #8: Färbungsprobleme Dr. Armin Fügenschuh Technische Universität Darmstadt WS 2007/2008 Übersicht Knotenfärbung (vs. Kanten- & Kartenfärbung) Satz von Brooks Algorithmen

Mehr

Cliquen und unabhängige Mengen

Cliquen und unabhängige Mengen Cliquen und unabhängige Mengen Sei G = (V, E) ein ungerichteter Graph, d.h. E ( V. Für Teilmengen U V bezeichnet man mit G U den induzierten Teilgraph G U = (U, E U ), wobei E U := E ( U ist. Eine Clique

Mehr

1 Pfade in azyklischen Graphen

1 Pfade in azyklischen Graphen Praktikum Algorithmen-Entwurf (Teil 5) 17.11.2008 1 1 Pfade in azyklischen Graphen Sei wieder ein gerichteter Graph mit Kantengewichten gegeben, der diesmal aber keine Kreise enthält, also azyklisch ist.

Mehr

Zur Zykelschreibweise von Permutationen

Zur Zykelschreibweise von Permutationen Zur Zykelschreibweise von Permutationen Olivier Sète 16. Juni 2010 1 Grundlagen Definition 1.1. Eine Permutation von {1, 2,..., n} ist eine bijektive Abbildung σ : {1, 2,..., n} {1, 2,..., n}, i σ(i).

Mehr

Übung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist:

Übung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist: Svenja Hüning, Michael Kerber, Hannah Schreiber WS 2016/2017 Übung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist: Hinweise: Dieses Blatt präsentiert Beispiellösungen zu

Mehr

Kapitel 1: Fallstudie Bipartite Graphen Gliederung der Vorlesung

Kapitel 1: Fallstudie Bipartite Graphen Gliederung der Vorlesung Kapitel : Fallstudie Bipartite Graphen Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und. Minimal spannende Bäume. Kürzeste Wege 6. Traveling Salesman

Mehr

Wiederholung aus Diskreter Mathematik I: I: Graphentheorie

Wiederholung aus Diskreter Mathematik I: I: Graphentheorie Wiederholung aus Diskreter Mathematik I: I: Graphentheorie Inhalt: W.1 Grundlagen W.2 Das Königsberger Brückenproblem W.3 Bäume W.4 Planare Graphen W.5 Färbungen W.1 Grundlagen Ein Ein Graph besteht aus

Mehr

Lernmodul 7 Algorithmus von Dijkstra

Lernmodul 7 Algorithmus von Dijkstra Folie 1 von 30 Lernmodul 7 Algorithmus von Dijkstra Quelle: http://www.map24.de Folie 2 von 30 Algorithmus von Dijkstra Übersicht Kürzester Weg von A nach B in einem Graphen Problemstellung: Suche einer

Mehr

Graphentheorie Graphentheorie. Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke

Graphentheorie Graphentheorie. Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke Graphen Graphentheorie Graphentheorie Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke 2 Was ist ein Graph? Ein Graph ist in der Graphentheorie eine abstrakte Struktur,

Mehr

Alexandra Kuhls Proseminar Das Buch der Beweise

Alexandra Kuhls Proseminar Das Buch der Beweise Der Fünf Farben Satz Alexandra Kuhls Proseminar Das Buch der Beweise 30.11.2017 Der Fünf Farben Satz Ist es möglich, die Gebiete einer ebenen Karte so Ist es möglich, die Gebiete einer ebenen Karte so

Mehr

Diskrete Mathematik. Hamiltonsche Graphen Teil I. Karina Arndt

Diskrete Mathematik. Hamiltonsche Graphen Teil I. Karina Arndt Diskrete Mathematik Hamiltonsche Graphen Teil I Karina Arndt 21.06.2006 Übersicht Einleitung Hamiltonsch und eulersch Hamiltonsche Kreise Hamiltonsche Graphen neu zeichnen Kreise und Wege Reguläre Graphen

Mehr

3-Färbbarkeit. Korollar: Zu Entscheiden, ob ein Graph k-färbbar ist mit k 3, ist NP-vollständig.

3-Färbbarkeit. Korollar: Zu Entscheiden, ob ein Graph k-färbbar ist mit k 3, ist NP-vollständig. 3-Färbbarkeit Wir wissen bereits, dass in polynomieller Zeit entschieden werden kann, ob ein Graph 2-färbbar ist. Satz: Zu Entscheiden, ob ein Graph 3-färbbar ist, ist NPvollständig. Beweis: Reduktion

Mehr

Abbildung 1: Reduktion: CLIQUE zu VERTEX-COVER. links: Clique V = {u, v, x, y}. rechts:der Graph Ḡ mit VC V \ V = {w, z}

Abbildung 1: Reduktion: CLIQUE zu VERTEX-COVER. links: Clique V = {u, v, x, y}. rechts:der Graph Ḡ mit VC V \ V = {w, z} u v u v z w z w y x y x Abbildung 1: Reduktion: CLIQUE zu VERTEX-COVER. links: Clique V = {u, v, x, y}. rechts:der Graph Ḡ mit VC V \ V = {w, z} Definition 0.0.1 (Vertex Cover (VC)). Gegeben: Ein ungerichteter

Mehr

Diskrete Mathematik für Informatiker

Diskrete Mathematik für Informatiker Universität Siegen Lehrstuhl Theoretische Inormatik Carl Philipp Reh Daniel König Diskrete Mathematik ür Inormatiker WS 2016/2017 Übung 6 1. Beweisen Sie die olgenden Aussagen: a) χ(k n ) = n b) χ(k m,n

Mehr

Diskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen)

Diskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen) WS 2015/16 Diskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15

Mehr

Argumentationen zu ermöglichen, verlangen wir, dass diese Eigenschaft auch für induzierte Teilgraphen

Argumentationen zu ermöglichen, verlangen wir, dass diese Eigenschaft auch für induzierte Teilgraphen Kapitel 9 Perfekte Graphen 9.1 α- und χ-perfektheit Eine Clique in einem Graphen G ist ein induzierter vollstäniger Teilgraph. Die Cliquenzahl ω(g) ist die Kardinalität einer größten in G enthaltene Clique.

Mehr

Lösungen zu Kapitel 5

Lösungen zu Kapitel 5 Lösungen zu Kapitel 5 Lösung zu Aufgabe : (a) Es gibt derartige Graphen: (b) Offensichtlich besitzen 0 der Graphen einen solchen Teilgraphen. Lösung zu Aufgabe : Es sei G = (V, E) zusammenhängend und V

Mehr

Übersicht. Bielefeld Hannover. Kamen Paderborn. Unna Wünnenberg Kassel. Ziffer wählen. abheben. auflegen. Gespräch führen

Übersicht. Bielefeld Hannover. Kamen Paderborn. Unna Wünnenberg Kassel. Ziffer wählen. abheben. auflegen. Gespräch führen Übersicht Graphen beschreiben Objekte und Beziehungen zwischen ihnen geeignet für Modellierung verschiedener Aufgaben betrachten endliche, ungerichtete und endliche, gerichtete Graphen Graphen bestehen

Mehr

Vorlesung 1: Graphentheorie. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich

Vorlesung 1: Graphentheorie. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich Vorlesung 1: Graphentheorie Markus Püschel David Steurer Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich Plan für die ersten Vorlesungen Vorlesungen 1,2: wichtige mathematische Grundlagen;

Mehr

Graphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung.

Graphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung. Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 14. November 2007 1 / 22 2 / 22 Gliederung eulersche und semi-eulersche Graphen Charakterisierung eulerscher Graphen Berechnung eines

Mehr

Knoten-Partitionierung in feste Eigenschaften ist NP-schwer

Knoten-Partitionierung in feste Eigenschaften ist NP-schwer Knoten-Partitionierung in feste Eigenschaften ist NP-schwer Seminar: Ausgewählte Kapitel der Informatik bei Prof. Dr. R. Schrader Seminarvortrag von Nils Rosjat Wintersemester 09 / 10 1 Einleitung Dieser

Mehr

Graphen KAPITEL 3. Dieses Problem wird durch folgenden Graph modelliert:

Graphen KAPITEL 3. Dieses Problem wird durch folgenden Graph modelliert: KAPITEL 3 Graphen Man kann als Ursprung der Graphentheorie ein Problem sehen, welches Euler 1736 von Studenten aus Königsberg gestellt bekam. Der Fluss Pregel wird von 7 Brücken überquert, und die Frage

Mehr

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kap. 6: Graphentheorie Lang 6 Beutelspacher 8.1-8.5 Meinel 11 zur Vertiefung: Aigner 6, 7 (7.4: Algorithmus von Dijkstra) Matousek

Mehr

Diskrete Strukturen. wissen leben WWU Münster

Diskrete Strukturen. wissen leben WWU Münster MÜNSTER Diskrete Strukturen Dietmar Lammers Vorlesung SoSe 2010 MÜNSTER Diskrete Strukturen 269/260 MÜNSTER Diskrete Strukturen 270/260 Im WLAN gibt es 6 Frequenzen und die AccessPoints müssen so verteilt

Mehr

Grundlagen der Graphentheorie. Thomas Kamps 6. Oktober 2008

Grundlagen der Graphentheorie. Thomas Kamps 6. Oktober 2008 Grundlagen der Graphentheorie Thomas Kamps 6. Oktober 2008 1 Inhaltsverzeichnis 1 Definition von Graphen 3 2 Unabhängigkeit von Ecken und Kanten 3 3 Teil- und Untergraphen 4 4 Schnitt, Vereinigung und

Mehr

HA-Lösung TA-Lösung Diskrete Strukturen Hausaufgabenblatt 8. Abgabe bis zum um 12:00

HA-Lösung TA-Lösung Diskrete Strukturen Hausaufgabenblatt 8. Abgabe bis zum um 12:00 Technische Universität München Winter 2018/19 Prof. J. Esparza / Dr. M. Luttenberger, C. Welzel 2019/01/29 HA- TA- Diskrete Strukturen Hausaufgabenblatt 8 Abgabe bis zum 12.12.2018 um 12:00 Beachten Sie:

Mehr

Vier-Farben-Vermutung (1)

Vier-Farben-Vermutung (1) Vier-Farben-Vermutung (1) Landkarten möchte man so färben, dass keine benachbarten Länder die gleiche Farbe erhalten. Wie viele Farben braucht man zur Färbung einer Landkarte? Vier-Farben-Vermutung: Jede

Mehr

Isomorphie von Bäumen

Isomorphie von Bäumen Isomorphie von Bäumen Alexandra Weinberger 23. Dezember 2011 Inhaltsverzeichnis 1 Einige Grundlagen und Definitionen 2 1.1 Bäume................................. 3 1.2 Isomorphie..............................

Mehr

Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen

Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen Bernhard Ganter WS 2013/14 1 Eulersche Graphen Kantenzug Ein Kantenzug in einem Graphen (V, E) ist eine Folge (a 0, a 1,..., a n ) von Knoten

Mehr

Bemerkung: Der vollständige Graph K n hat n(n 1)

Bemerkung: Der vollständige Graph K n hat n(n 1) Bemerkung: Der vollständige Graph K n hat n(n 1) 2 Kanten. Bew: Abzählen! Definition 111. Graphen mit n paarweise zyklisch verbundenen Kanten heißen Kreise (vom Grad n) und werden mit C n bezeichnet. Beispiel

Mehr

Zweiter Zirkelbrief: Graphentheorie

Zweiter Zirkelbrief: Graphentheorie Matheschülerzirkel Universität Augsburg Schuljahr 2014/2015 Zweiter Zirkelbrief: Graphentheorie Inhaltsverzeichnis 1 Grundbegriffe 1 2 Eulerkreise 4 3 Hamiltonkreise 7 4 Planare Graphen 9 5 Färbbarkeit

Mehr

André Krischke Helge Röpcke. Graphen und Netzwerktheorie Grundlagen Methoden Anwendungen

André Krischke Helge Röpcke. Graphen und Netzwerktheorie Grundlagen Methoden Anwendungen André Krischke Helge Röpcke Graphen und Netzwerktheorie Grundlagen Methoden Anwendungen 8 Grundbegriffe der Graphentheorie für die Kante, die die beiden Knoten und verbindet. Der linke Graph in Bild. kann

Mehr

Algorithmische Graphentheorie

Algorithmische Graphentheorie Dr. Joachim Spoerhase und Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Algorithmische Graphentheorie Sommersemester 2017 10. Vorlesung Planaritätstest und Färben planarer Graphen Graphen färben

Mehr

Seminar: Einladung in die Mathematik

Seminar: Einladung in die Mathematik Seminar: Einladung in die Mathematik Marius Kling 11.11.2013 Übersicht 1. Königsberger Brückenproblem 2. Diskrete Optimierung 3. Graphentheorie in der Informatik 4. Zufällige Graphen 5. Anwendungen von

Mehr

In diesem Skript werden folgende Begriffe anhand von einfachen Beispielen eingeführt:

In diesem Skript werden folgende Begriffe anhand von einfachen Beispielen eingeführt: Färbungsprobleme Einstieg In diesem Skript werden folgende Begriffe anhand von einfachen Beispielen eingeführt: Graphentheorie Der Vier-Farben-Satz Algorithmen Komplexität von Algorithmen NP-Probleme Die

Mehr

1 Beispiele für Graphen

1 Beispiele für Graphen Beispiele für Graphen 1 Beispiele für Graphen 1. Kreuzungsproblem : 3 Häuser sollen mit einem Wasser-, Gas- und Elektroanschluß verbunden werden, wobei keine Kreuzung entstehen darf. Abbildung 1: Kreuzungsproblem

Mehr

F R A N Z I S K A K U H L S 3 0. N O V E M B E R.

F R A N Z I S K A K U H L S 3 0. N O V E M B E R. Die Museumswächter F R A N Z I S K A K U H L S 3 0. N O V E M B E R. 2 0 1 7 Gliederung 2 Einleitung Grundlagen Anwendung Geschichtliches Beispiele Der Beweis Triangulation 3-Färbbarkeit Schlussfolgerung

Mehr

Listenfärbung von Graphen

Listenfärbung von Graphen Listenfärbung von Graphen Martin Matković WS 2011/2012 Abstract Martin Matković 14. April 2012 In dieser Arbeit werden Definitionen und grundlegende Eigenschaften von Graphenfärbungen und speziell von

Mehr

Unendliche Graphen. Daniel Perz 24. Dezember Definition 1. Ein Graph G heißt lokal endlich, wenn alle Knotengrade endlich sind.

Unendliche Graphen. Daniel Perz 24. Dezember Definition 1. Ein Graph G heißt lokal endlich, wenn alle Knotengrade endlich sind. Unendliche Graphen Daniel Perz 24. Dezember 2011 1 Definition Definition 1. Ein Graph G heißt lokal endlich, wenn alle Knotengrade endlich sind. Definition 2. Ein Graph G=(V,E) heißt Strahl, wenn gilt

Mehr

mit. Wir definieren (Skalarprodukt = Winkel).

mit. Wir definieren (Skalarprodukt = Winkel). 1 Grundidee des Simplexverfahrens (von George Dantzig): Man bestimmt eine beliebige Ecke (Extremalpunkt) einer Lösungsmenge eines Ungleichungssystems. Nun geht man an den Kanten vom Punkt entlang und kontrolliert

Mehr

Netzwerkverbindungsspiele

Netzwerkverbindungsspiele Netzwerkverbindungsspiele Algorithmische Spieltheorie Sommer 2017 Annamaria Kovacs Netzwerkverbindungsspiele 1 / 12 Local Connection Spiel Computer (oder autonome Systeme) sind die Spieler (Knoten). Sie

Mehr

Institut für Mathematik Geometrie und Lineare Algebra J. Schönenberger-Deuel. Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien.

Institut für Mathematik Geometrie und Lineare Algebra J. Schönenberger-Deuel. Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien. Lösungen Übung 13 Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien. a) Strategie 1 (nächster Nachbar): Jedes Mal reist der Reisende vom Punkt, wo er gerade ist, zur nächstgelegenen Stadt,

Mehr

Was bisher geschah. gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen

Was bisher geschah. gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen Was bisher geschah gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen Spezielle Graphen: I n, K n, P n, C n, K m,n, K 1,n, K n1,...,n m Beziehungen zwischen Graphen: Isomorphie, Teilgraph,

Mehr

Algorithmen und Datenstrukturen Tutorium Übungsaufgaben

Algorithmen und Datenstrukturen Tutorium Übungsaufgaben Algorithmen und Datenstrukturen Tutorium Übungsaufgaben AlgoDat - Übungsaufgaben 1 1 Landau-Notation Aufgabe Lösung 2 Rekurrenzen Aufgabe 3 Algorithmenentwurf und -analyse Aufgabe AlgoDat - Übungsaufgaben

Mehr

Nachbarschaft, Grad, regulär, Inzidenz

Nachbarschaft, Grad, regulär, Inzidenz Nachbarschaft, Grad, regulär, Inzidenz Definition Eigenschaften von Graphen Sei G = (V, E) ein ungerichteter Graph. 1 Die Nachbarschaftschaft Γ(u) eines Knoten u V ist Γ(u) := {v V {u, v} E}. 2 Der Grad

Mehr

A Berlin, 10. April 2017

A Berlin, 10. April 2017 A Berlin, 10. April 2017 Name:... Matr.-Nr.:... Wiederholung der schriftlichen Prüfung zur Vorlesung Diskrete Strukturen (Niedermeier/Molter/Froese, Wintersemester 2016/17) Einlesezeit: 15 Minuten Bearbeitungszeit:

Mehr

Übungsaufgaben Graphentheorie, Wintersemester 2011/12

Übungsaufgaben Graphentheorie, Wintersemester 2011/12 Übungsaufgaben Graphentheorie, Wintersemester 2011/12 Frank Göring 25. Januar 2012 Zusammenfassung Übungsaufgaben zur Graphentheorievorlesung. 1 Bis 19.10.2011 1. Wir hatten einen Graphen G als zusammenhängend

Mehr

Kombinatorische Optimierung

Kombinatorische Optimierung Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 16 Programm: Einführung

Mehr

Graphentheorie. Yichuan Shen. 10. Oktober 2013

Graphentheorie. Yichuan Shen. 10. Oktober 2013 Graphentheorie Yichuan Shen 0. Oktober 203 Was ist ein Graph? Ein Graph ist eine kombinatorische Struktur, die bei der Modellierung zahlreicher Probleme Verwendung findet. Er besteht ganz allgemein aus

Mehr

Zusammenfassung zu Graphentheorie

Zusammenfassung zu Graphentheorie Sara Adams Zusammenfassung zu Graphentheorie - WS 2004/05 2 Inhaltsverzeichnis Zusammenfassung zu Graphentheorie Sara Adams 2. Juli 2005 Diese Zusammenfassung basiert auf der Vorlesung Graphentheorie gehalten

Mehr

5 Graphen. Repräsentationen endlicher Graphen. 5.1 Gerichtete Graphen. 5.2 Ungerichtete Graphen. Ordnung von Graphen

5 Graphen. Repräsentationen endlicher Graphen. 5.1 Gerichtete Graphen. 5.2 Ungerichtete Graphen. Ordnung von Graphen Grundlagen der Mathematik für Informatiker 1 Grundlagen der Mathematik für Informatiker 5 Graphen 5.1 Gerichtete Graphen Definition 5.1 (V, E) heißt gerichteter Graph (Digraph), wenn V Menge von Knoten

Mehr

Anwendungen von Graphen

Anwendungen von Graphen Anwendungen von Graphen Strassen- und Verkehrsnetze Computernetzwerke elektrische Schaltpläne Entity-Relationship Diagramme Beweisbäume endliche Automaten Syntaxbäume für Programmiersprachen Entscheidungsbäume

Mehr

Elementare Definitionen. Anwendungen von Graphen. Formalisierung von Graphen. Formalisierung von Digraphen. Strassen- und Verkehrsnetze

Elementare Definitionen. Anwendungen von Graphen. Formalisierung von Graphen. Formalisierung von Digraphen. Strassen- und Verkehrsnetze Anwendungen von Graphen Strassen- und Verkehrsnetze Computernetzwerke Elementare Definitionen Ein Graph besteht aus Knoten und Kanten, die die Knoten verbinden. elektrische Schaltpläne Entity-Relationship

Mehr

Übungen zu Kombinatorik und Graphentheorie

Übungen zu Kombinatorik und Graphentheorie Übungen zu Kombinatorik und Graphentheorie Ilse Fischer, SS 07 (1) (a) In einer Schachtel sind 4 rote, 2 blaue, 5 gelbe und 3 grüne Stifte. Wenn man die Stifte mit geschlossenen Augen zieht, wieviele muss

Mehr

Algorithmische Graphentheorie (WS2014/15)

Algorithmische Graphentheorie (WS2014/15) Algorithmische Graphentheorie (WS04/5) Kapitel Planare Graphen Walter Unger Lehrstuhl für Informatik :58 Uhr, den 9. April 06 Inhaltsverzeichnis Walter Unger 9.4.06 :58 WS04/5 Z Inhalt I Einleitende Definitionen

Mehr

Christian Rieck, Arne Schmidt

Christian Rieck, Arne Schmidt Institute of Operating Systems and Computer Networks Algorithms Group Algorithmen und Datenstrukturen Wintersemester 207/208 Übung#2, 09..207 Christian Rieck, Arne Schmidt Organisatorisches Anmeldung Mailingliste

Mehr

Der Fünffarbensatz. Ausarbeitung des Seminarvortrags vom

Der Fünffarbensatz. Ausarbeitung des Seminarvortrags vom Philipps-Universität Marburg Fachbereich 12: Mathematik und Informatik PS Über klassische Probleme der Mathematik Leitung: Prof. Harald Upmeier, Benjamin Schwarz Referentin: Sabrina Klöpfel Wintersemester

Mehr

Graphentheorie. Perfekte Graphen. Perfekte Graphen. Perfekte Graphen. Rainer Schrader. 22. Januar 2008

Graphentheorie. Perfekte Graphen. Perfekte Graphen. Perfekte Graphen. Rainer Schrader. 22. Januar 2008 Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 22. Januar 2008 1 / 47 2 / 47 eine Clique in G ist ein induzierter vollständiger Teilgraph Gliederung α- und χ-perfektheit Replikation

Mehr

Freie Bäume und Wälder

Freie Bäume und Wälder (Martin Dietzfelbinger, Stand 4.6.2011) Freie Bäume und Wälder In dieser Notiz geht es um eine besondere Sorte von (ungerichteten) Graphen, nämlich Bäume. Im Gegensatz zu gerichteten Bäumen nennt man diese

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza)

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza) WS 2013/14 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2013ws/ds/uebung/ 22. Januar 2014 ZÜ DS ZÜ XIII

Mehr

Dieser Graph hat 3 Zusammenhangskomponenten

Dieser Graph hat 3 Zusammenhangskomponenten Vl 2, Informatik B, 19. 04. 02 1.1.3 Definitionen und wichtige Graphen Sei im folgenden G =(V;E) ein schlichter ungerichteter Graph. Definition: Der Grad eines Knoten v in einem ungerichteten Graphen ist

Mehr

Diskrete Mathematik Graphentheorie (Übersicht)

Diskrete Mathematik Graphentheorie (Übersicht) Diskrete Mathematik Graphentheorie (Übersicht) Dr. C. Löh 2. Februar 2010 0 Graphentheorie Grundlagen Definition (Graph, gerichteter Graph). Ein Graph ist ein Paar G = (V, E), wobei V eine Menge ist (die

Mehr

Liegt eine Kante k auf einem Zyklus Z, so liegt k auf dem Rand genau zweier

Liegt eine Kante k auf einem Zyklus Z, so liegt k auf dem Rand genau zweier 4 Planare Graphen Bisher wurden Graphen abstrakt durch Mengen E und K und eine Abbildung ψ : K P(E) definiert. In diesem Kapitel beschäftigen wir uns mit einem Abschnitt der sogenannten topologischen Graphentheorie.

Mehr

1. Einleitung wichtige Begriffe

1. Einleitung wichtige Begriffe 1. Einleitung wichtige Begriffe Da sich meine besondere Lernleistung mit dem graziösen Färben (bzw. Nummerieren) von Graphen (speziell von Bäumen), einem Teilgebiet der Graphentheorie, beschäftigt, und

Mehr

Graphen. Definitionen

Graphen. Definitionen Graphen Graphen werden häufig als Modell für das Lösen eines Problems aus der Praxis verwendet, wie wir im Kapitel 1 gesehen haben. Der Schweizer Mathematiker Euler hat als erster Graphen verwendet, um

Mehr

Univ.-Prof. Dr. Goulnara ARZHANTSEVA

Univ.-Prof. Dr. Goulnara ARZHANTSEVA Diskrete Mathematik Univ.-Prof. Dr. Goulnara ARZHANTSEVA SS 2018 c Univ.-Prof. Dr. Goulnara Arzhantseva Kapitel 08: Menger, König und Hall / Planare Graphen 1 / 30 Der Satz von Menger: s t trennende Kantenmenge

Mehr

Vorlesung 2: Graphentheorie

Vorlesung 2: Graphentheorie Vorlesung 2: Graphentheorie Markus Püschel David Steurer Peter Widmayer Algorithmen und Datenstrukturen, Herbstsemester 2017, ETH Zürich Funktionsgraph bekannt aus der Schule hat aber leider nichts mit

Mehr

Kapitel 8: Bipartite Graphen Gliederung der Vorlesung

Kapitel 8: Bipartite Graphen Gliederung der Vorlesung Gliederung der Vorlesung 1. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege 4. Minimale spannende Bäume 5. Färbungen und Cliquen 6. Traveling Salesman Problem 7. Flüsse in Netzwerken

Mehr

8: Bipartite Graphen. s 1. bei dem es eine Kante zwischen s i und k gibt, wenn der Schüler s i die Note k für seine Arbeit bekommen hat.

8: Bipartite Graphen. s 1. bei dem es eine Kante zwischen s i und k gibt, wenn der Schüler s i die Note k für seine Arbeit bekommen hat. Chr.Nelius: Graphentheorie (WS 2018/19) 8 Bipartite Graphen 26 8: Bipartite Graphen In einer Schulklasse mit 24 Schülern s 1,s 2,s 3,...,s 24 wurde eine Mathe Arbeit geschrieben. Um das Ergebnis bildlich

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr