Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011

Größe: px
Ab Seite anzeigen:

Download "Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011"

Transkript

1 Graphen: Einführung Vorlesung Mathematische Strukturen Zum Ende der Vorlesung beschäftigen wir uns mit Graphen. Graphen sind netzartige Strukturen, bestehend aus Knoten und Kanten. Sommersemester 20 Prof. Barbara König Übungsleitung: Mathias Hülsbusch Dabei klären wir vor allem einige grundlegende Begriffe und betrachten verschiedene Graphdarstellungen. Barbara König Mathematische Strukturen Graphen: Einführung Barbara König Mathematische Strukturen 262 Graphen: Einführung Graphen können zur Darstellung und Modellierung verschiedenster Strukturen eingesetzt werden: Beispiele für Graphen, die soziale Netzwerke darstellen. Wer kennt wen? Computer-Netzwerke (z.b. Internet) Straßennetze Nachbarschaftsbeziehungen Zustandsübergangsdiagramme UML-Diagramme im Software-Engineering Semantische Beziehungen zwischen Stichworten Soziale Netzwerke Barbara König Mathematische Strukturen 263 Barbara König Mathematische Strukturen 264

2 Graphen: Einführung rten von Graphen Beispiel für ein UML-Klassendiagramm Wir definieren zunächst zwei häufige Typen von Graphen: gerichtete Graphen und ungerichtete Graphen. Parkplatz enthaelt uto 0..5 besitzt Person 4 besteht aus Rad Gerichteter Graph Ein gerichteter Graph G = (V, E) besteht aus einer Knotenmenge V und einer Kantenmenge E V V. (D.h., die Kantenmenge ist eine Relation auf der Knotenmenge.) Ein gerichteter Graph is also eigentlich nichts anderes als eine Relation auf einer Menge V. Barbara König Mathematische Strukturen 265 rten von Graphen Barbara König Mathematische Strukturen 266 rten von Graphen Beispiel: gerichteter Graph Der Graph besteht aus folgender Knoten- und Kantenmenge: V = {, B, C, D} E = {(, ), (, B), (, C), (, D), (B, ), (B, C), (C, D)} Bemerkungen (gerichteter Graph): Für eine Kante e = (v, v 2 ) heißt v Quellknoten von e und v 2 Zielknoten von e. Bei gerichteten Graphen sind Schleifen erlaubt. Eine Schleife an einem Knoten v V wird durch ein Paar (v, v) in der Kantenmenge dargestellt. Von einem Knoten v zu einem anderen Knoten v 2 kann es höchstens eine Kante geben, denn in der Menge E kann ein Paar (v, v 2 ) nicht mehrfach vorkommen. Es kann jedoch unter Umständen eine Vorwärtskante (v, v 2 ) E und eine dazugehörige Rückwärtskante (v 2, v ) E geben. Barbara König Mathematische Strukturen 267 Barbara König Mathematische Strukturen 268

3 rten von Graphen rten von Graphen Beispiel: gerichteter beschrifteter Graph y Oft betrachtet man auch gerichtete Graphen mit Beschriftungen. Gerichteter beschrifteter Graph Sei L eine Menge von Beschriftungen (oder Labels). Ein gerichteter beschrifteter Graph G = (V, E) besteht aus einer Knotenmenge V und einer Kantenmenge E V L V. Barbara König Mathematische Strukturen 269 rten von Graphen x z B x C y D y Beschriftungs-, Knoten- und Kantenmengen: L = {x, y, z} V = {, B, C, D} E = {(, y, ), (, x, B), (, y, C), (, z, D), (B, z, ), (B, x, C), (B, y, C), (C, y, D)} y z Barbara König Mathematische Strukturen 270 rten von Graphen Bemerkungen (gerichteter beschrifteter Graph): Eine Kantenbeschriftung kann mehrfach im Graphen auftauchen. Da Kanten durch die Beschriftung unterschieden werden, kann es bei beschrifteten Graphen zwischen denselben Knoten zwei oder mehr Kanten in der gleichen Richtung geben. Diese müssen jedoch alle unterschiedlich beschriftet sein. Im Beispiel gibt es zwei Kanten zwischen den Knoten B und C: (B, x, C), (B, y, C) Bei ungerichteten Graphen spielt die Kantenrichtung keine Rolle. Kanten werden daher nicht durch Tupel/Paare, sondern durch Mengen dargestellt. Ungerichteter Graph Ein ungerichteter Graph G = (V, E) besteht aus einer Knotenmenge V und einer Kantenmenge E, wobei jede Kante durch eine zweielementige Teilmenge von V dargestellt wird. (D.h., die Kantenmenge ist eine Menge von zweielementigen Mengen.) Barbara König Mathematische Strukturen 27 Barbara König Mathematische Strukturen 272

4 rten von Graphen rten von Graphen Beispiel: ungerichteter Graph Knoten- und Kantenmengen: Bemerkungen (ungerichteter Graph): Bei unseren ungerichteten Graphen sind Schleifen nicht erlaubt. (Es gibt jedoch auch Erweiterungen mit Schleifen.) Zwischen zwei Knoten kann es höchstens eine Kante geben, die sie verbindet. (Es gibt keine Unterscheidung zwischen Vorund Rückwärtskanten.) V = {, B, C, D} E = {{, B}, {, C}, {, D}, {B, C}, {C, D}} Barbara König Mathematische Strukturen 273 rten von Graphen Barbara König Mathematische Strukturen 274 Es gibt noch weitere rten von Graphen: Ungerichtete beschriftete Graphen Graphen mit Knotenbeschriftung Graphen mit Mehrfachkanten (auch Multigraphen) genannt Hypergraphen, bei denen eine Kante auch mit mehr als zwei Knoten verbunden sein kann Wir betrachten im folgenden die Begriffe Weg, Zyklus, Pfad und Kreis. Weg Sei G = (V, E) ein gerichteter oder ungerichteter Graph. Eine Folge v,, v m von Knoten aus V heißt Weg, falls es für alle i {,, m } eine Kante von v i nach v i+ gibt. D.h., aufeinanderfolgende Knoten sind miteinander verbunden: Im gerichteten Fall: (v i, v i+ ) E. Im ungerichteten Fall {v i, v i+ } E. Ein Weg v,, v m hat die Länge m. (Die Länge ist also die nzahl der Kanten, nicht die nzahl der Knoten.) Ein Weg, der nur aus einem Knoten v besteht, hat die Länge 0. Barbara König Mathematische Strukturen 275 Barbara König Mathematische Strukturen 276

5 Beispiele für Wege: Gerichteter Fall: Wege:,,, B,, C, D, B, C, D Keine Wege: B, D C, D, B, B, B Ungerichteter Fall: Wege:, C, B, C, B,, C, B, C, D, Keine Wege: B, D D, B, Einige der Wege kehren wieder an ihren usgangspunkt zurück. Solche Wege bezeichnet man als Zyklen. Zyklus Sei G = (V, E) ein gerichteter oder ungerichteter Graph. Ein Weg v,, v m heißt Zyklus, falls v = v m. Einige der Wege im vorherigen Beispiel sind auch Zyklen. Gerichteter Fall:,,, B, Ungerichteter Fall:, B, C, D, (Dies sind nicht die einzigen Zyklen in den Beispielgraphen.) Barbara König Mathematische Strukturen 277 Barbara König Mathematische Strukturen 278 Wege, die keinen Knoten mehrfach besuchen, bezeichnet man als Pfade. Pfad Sei G = (V, E) ein gerichteter oder ungerichteter Graph. Ein Weg v,, v m heißt Pfad, falls alle Knoten v,, v m voneinander verschieden sind. Beispiele für Pfade: Gerichteter Fall: Pfade:, B, C, D, C, D, D Ungerichteter Fall: Pfade:, B, C, D, C, D, C, B, D, C, B D,, B, C Barbara König Mathematische Strukturen 279 Barbara König Mathematische Strukturen 280

6 Wege, die wieder zum usgangspunkt zurückkehren und keinen Knoten mehrfach besuchen, bezeichnet man als Kreise. Kreis Sei G = (V, E) ein gerichteter oder ungerichteter Graph. Ein Weg v,, v m heißt Kreis, falls v = v m (der nfangsknoten und der Endknoten sind gleich) und alle Knoten in v,, v m voneinander verschieden sind. Beispiele für Kreise: Gerichteter Fall: Kreise:,, B, Ungerichteter Fall: Kreise:, B,, B, C,, C, D,, B, C, D, Bis auf den Wechsel des Startpunkts handelt es sich im gerichteten Fall um alle möglichen Kreise. Barbara König Mathematische Strukturen 28 Barbara König Mathematische Strukturen 282 Bemerkung: Da ein Pfad keinen und ein Kreis höchstens einen Knoten mehrfach besuchen darf, ist die Länge von Pfaden und Kreisen durch die nzahl der Knoten im Graphen beschränkt. Längere Pfade oder Kreise sind nicht möglich. Das heißt insbesondere auch, dass es in einem gegenen endlichen Graphen nur endlich viele Pfade und Kreise gibt. Oft ist man auch am kürzesten Weg zwischen zwei Knoten interessiert (beispielsweise für Tourenplanung, Navigationssoftware). Kürzester Weg Sei G = (V, E) ein gerichteter oder ungerichteter Graph und seien v, w V zwei Knoten. Ein Weg v = v,, v m = w heißt kürzester Weg von v nach w, wenn seine Länge minimal ist. Der kürzeste Weg zwischen v und w ist auf jeden Fall ein Pfad, d.h., er enthält keinen Knoten mehrfach. Falls v = w gilt, so hat der kürzeste Weg die Länge 0 und besteht einfach nur aus dem Knoten v. Barbara König Mathematische Strukturen 283 Barbara König Mathematische Strukturen 284

7 Beispiele für kürzeste Wege: Gerichteter Fall: B,, D und B, C, D sind beides kürzeste Wege von B nach D, beide mit Länge 2. Es gibt keinen Weg von D nach und daher auch keinen kürzesten Weg. Ungerichteter Fall: B,, D und B, C, D sind beides kürzeste Wege von B nach D. Beide haben die Länge 2. Barbara König Mathematische Strukturen 285 Wie vorher beschrieben können Graphen als Mengen (oder Listen) von Knoten und Kanten dargestellt werden. Es gibt jedoch noch kompaktere Darstellungen in Form von Matrizen: djazenzmatrizen und Inzidenzmatrizen. Dazu nimmt man an, dass die Knoten des Graphen durch natürliche Zahlen von bis n = V gegeben sind. Die Knotenmenge hat daher im folgenden immer diese Form: V = {,, n}. ußerdem betrachten wir für die Matrizendarstellung nur unbeschriftete Graphen. Barbara König Mathematische Strukturen 286 djazenzmatrix (Nachbarschaftsmatrix) Die djazenz- oder Nachbarschaftsmatrix eines Graphen G = (V, E) ist eine n n-matrix, wobei n = V. Sie enthält folgende Einträge: falls G ein gerichteter Graph ist: Beispiel: gerichteter Graph { falls (i, j) E i,j = 0 sonst falls G ein ungerichteter Graph ist: { falls {i, j} E i,j = 0 sonst Mit i, j {,, n}. Die djazenzmatrix des obigen Graphen sieht folgendermaßen aus: = Barbara König Mathematische Strukturen 287 Barbara König Mathematische Strukturen 288

8 Bemerkungen (gerichteter Fall): Die nzahl der Kanten im Graphen entspricht der nzahl der Einsen in der djazenzmatrix. Der Graph ist schleifenfrei, genau dann, wenn die Diagonale (von links oben nach rechts unten) nur Nullen enthält. Schleifenfrei bedeutet, dass der Graph keine Schleifen enthält. Zwei Knoten, die miteinander verbunden sind, nennt man adjazent. Beispiel: ungerichteter Graph Die djazenzmatrix des obigen Graphen sieht folgendermaßen aus: = Barbara König Mathematische Strukturen 289 Barbara König Mathematische Strukturen 290 Bemerkungen (ungerichteter Fall): Ungerichtete Graphen sind per Definition immer schleifenfrei, d.h., die Diagonale (von links oben nach rechts unten) enthält nur Nullen. Es gilt: {i, j} E genau dann, wenn {j, i} E, wegen {i, j} = {j, i}. Das heißt, wenn i,j den Wert eins hat, dann hat auch j,i den Wert eins, und umgekehrt. (nschaulich: wenn in einem ungerichteten Graph i mit j verbunden ist, dann ist auch j mit i verbunden.) Daher ist die Matrix (spiegel-)symmetrisch bezüglich der Diagonalen. ußerdem wird jede Kante doppelt gezählt. Die Matrix enthält daher zweimal soviel Einsen wie der Graph Kanten. Neben djazenzmatrizen gibt es auch noch sogenannte Inzidenzmatrizen. Hier nehmen wir an, dass auch die Kanten in eine Reihenfolge gebracht wurden. Wir bezeichnen die Kanten der Reihenfolge nach mit e, e 2,, e m. Inzidenzmatrix (Knoten-Kanten-Matrix) Die Inzidenz- oder Knoten-Kanten-Matrix B eines Graphen G = (V, E) ist eine m n-matrix, wobei m = E und n = V. Sie enthält folgende Einträge: falls G ein schleifenfreier gerichteter Graph ist: falls j Quellknoten von e i ist B i,j = 0 falls j Zielknoten von e i ist Barbara König Mathematische Strukturen 29 Barbara König Mathematische Strukturen 292

9 Inzidenzmatrix (Knoten-Kanten-Matrix) (Fortsetzung) falls G ein ungerichteter Graph ist: { falls j ei B i,j = 0 sonst Beispiel: gerichteter Graph 2 e 5 e e 3 e2 e 4 e Mit i {,, m}, j {,, n}. Die Bedingung, j e i bedeutet, dass die Kante e i mit Knoten j verbunden ist. (In einem ungerichteten Graph ist eine Kante eine Menge!) Man sagt, dann auch, dass der Knoten j und die Kante e i zueinander inzident sind. Die Inzidenzmatrix B des obigen Graphen sieht folgendermaßen aus: B = Barbara König Mathematische Strukturen 293 Bemerkungen (gerichteter Fall): In jeder Zeile steht genau eine und genau eine. Inzidenzmatrizen werden hier nur für schleifenfreie gerichtete Graphen betrachtet. Schleifen können in dieser Darstellung nicht repräsentiert werden. Die nzahl der Werte in der Spalte j ist die nzahl der ausgehenden Kanten des Knoten j. Man nennt diese Zahl auch den usgangsgrad von j. Beispiel: Im Graphen auf der vorherigen Folie hat Knoten den usgangsgrad 3. Die nzahl der Werte in der Spalte j ist die nzahl der eingehenden Kanten des Knoten j. Man nennt diese Zahl auch den Eingangsgrad von j. Beispiel: Im Graphen auf der vorherigen Folie hat Knoten 4 den Eingangsgrad 2. Barbara König Mathematische Strukturen 295 Barbara König Mathematische Strukturen 294 Beispiel: ungerichteter Graph e e2 e 3 e 4 Die Inzidenzmatrix B des obigen Graphen sieht folgendermaßen aus: e B = Barbara König Mathematische Strukturen 296

10 Bemerkungen (ungerichteter Fall): In jeder Zeile stehen genau zwei Einsen. Die nzahl der Werte in der Spalte j ist die nzahl der Kanten, die mit dem Knoten j inzident sind. Man nennt diese Zahl auch den Grad von j. Beispiel: Im Graphen auf der vorherigen Folie hat Knoten den Grad 3. Bemerkungen zu djazenz- und Inzidenzmatrizen: Es gibt eine eindeutige Zuordnung zwischen Graphen und ihren Matrizendarstellungen (zumindest sobald die Reihenfolgen der Knoten und Kanten fixiert sind): djazenzmatrizen Jeder gerichtete und ungerichtete Graph kann durch eine djazenzmatrix dargestellt werden. Zu jeder Matrix gibt es höchstens einen dazugehörigen Graphen, der diese Matrix als djazenzmatrix hat. Zu einer Matrix, die nur mit Nullen und Einsen belegt ist, gibt es immer einen dazugehörigen gerichteten Graphen. Bei ungerichteten Graphen gibt es auch Matrizen, die keinem Graphen entsprechen. Das passiert beispielsweise, wenn die Matrix nicht symmetrisch ist. Barbara König Mathematische Strukturen 297 Barbara König Mathematische Strukturen 298 Bemerkungen zu djazenz- und Inzidenzmatrizen (Fortsetzung): Inzidenzmatrizen Jeder schleifenfreie gerichtete und jeder ungerichtete Graph kann durch eine Inzidenzmatrix dargestellt werden. Zu jeder Matrix gibt es höchstens einen dazugehörigen Graphen, der diese Matrix als Inzidenzmatrix hat. Es gibt auch Matrizen, die keinem Graphen entsprechen. Das passiert beispielsweise, wenn eine Matrix in einer Zeile mehr oder weniger als zwei Einträge hat, die von 0 verschieden sind. Frage: Hat Matrizenmultiplikation eine Bedeutung für Matrizen, die Graphen darstellen? ntwort: Ja. Insbesondere für djazenzmatrizen von gerichteten Graphen gibt es eine graphen-theoretische Interpretation von Matrizenmultiplikation. Wir rechnen im folgenden in den reellen Zahlen (auch wenn nur Elemente aus N 0 vorkommen werden). Barbara König Mathematische Strukturen 299 Barbara König Mathematische Strukturen 300

11 djazenzmatrizen, Matrizenmultiplikation und nzahl der Wege Sei G = (V, E) ein gerichteter Graph mit Knotenmenge V = {,, n} und seine djazenzmatrix. Wir berechnen für ein k N 0 : M = k = } {{ } k-mal Dann gilt: M i,j beschreibt die nzahl der Wege der Länge k von i nach j. Warum gilt dieser Zusammenhang? Für k = gilt M = =. In diesem Fall gibt es zwischen i und j höchstens einen Weg und zwar genau dann, wenn diese mit einer Kante (i, j) E verbunden sind. Und genau in diesem Fall hat auch M i,j = i,j den Wert. Barbara König Mathematische Strukturen 30 Warum gilt dieser Zusammenhang? (Fortsetzung) ngenommen N = k beschreibt korrekt die nzahl der Wege der Länge k. Dann gilt für M = k+ = N : M i,j = n N i,l l,j l= = N i,,j + N i,2 2,j + + N i,n n,j In dem Summanden N i,l l,j wird die nzahl der Wege der Länge k von i nach l mit der nzahl der Einschritt-Wege von l nach j multipliziert. Er beschreibt also die nzahl der Wege der Länge k + von i nach j, die im letzten Schritt über l führen. Wenn man die Werte N i,l l,j für jedes l aufaddiert, erhält man genau die nzahl der Wege der Länge k + von i nach j. Barbara König Mathematische Strukturen 302 Graphische Darstellung: N i,,j Beispiel: Wege der Länge 3 in folgendem Graphen i. j N i, n Gestrichelte Linien: Wege der Länge k Durchgezogenen Linien: Wege der Länge (echte Kanten) n,j = = = Die vier Wege der Länge 3 von nach 4 sind:,,, 4,, 3, 4, 2, 3, 4, 2,, 4 Barbara König Mathematische Strukturen 303 Barbara König Mathematische Strukturen 304

12 Bemerkung: Mit einer etwas modifizierten Matrizenmultiplikation ist es auch möglich, die Länge des kürzesten Weges zwischen zwei Knoten zu berechnen. Warshall-lgorithmus Wir betrachten diesen lgorithmus jedoch nicht in der Vorlesung. Nun betrachten wir noch kurz eine spezielle Klasse von Graphen:. (Gerichteter) Baum Ein gerichteter Graph G = (V, E) heißt Baum, falls es einen Knoten r V gibt (der sogenannte Wurzelknoten) und es von r aus genau einen Weg zu jedem Knoten gibt. Barbara König Mathematische Strukturen 305 Barbara König Mathematische Strukturen 306 (Gegen-)Beispiele für gerichtete : r r r (Gegen-)Beispiele für gerichtete (Fortsetzung): r r Dieser gerichtete Graph ist ein Baum Kein Baum: es führt mehr als ein Weg von r zu v v w Kein Baum: es führt kein Weg von r zu w Kein Baum: die Wege führen zum Wurzelknoten r und nicht vom Wurzelknoten weg. Kein Baum: es gibt zwei Wege von r zu r. Einmal den Weg der Länge 0 und außerdem den Kreis. Barbara König Mathematische Strukturen 307 Barbara König Mathematische Strukturen 308

13 (Gegen-)Beispiele für ungerichtete : (Ungerichteter) Baum Ein ungerichteter Graph G = (V, E) heißt Baum, falls es von jedem Knoten zu jedem anderen Knoten genau einen Pfad gibt. v v w Bemerkungen: Ungerichtete sind immer kreisfrei, d.h., sie enthalten keinen Kreis. Ungerichtete haben nicht unbedingt einen ausgezeichneten Wurzelknoten. Man kann jedoch einen beliebigen Knoten zum Wurzelknoten bestimmen. Dieser ungerichtete Graph ist ein Baum w Kein Baum: es gibt mehr als einen Pfad von v zu w Kein Baum: es führt kein Weg von Knoten v zu Knoten w. Der Graph ist nicht zusammenhängend. Barbara König Mathematische Strukturen 309 Barbara König Mathematische Strukturen 30 Beispiel: zur Klassifikation nwendungen von n: Suchbäume Tiere zur Klassifikation Darstellung von Verzeichnisstrukturen und Menüs Wirbeltiere Insekten Darstellung von Vererbungshierarchien in der objektorientierten Programmierung (hier gehen die Kanten jedoch in die Gegenrichtung) Fische mphibien Reptilien Vögel Ursäuger Säugetiere Beutelsäuger Höhere Säugetiere Barbara König Mathematische Strukturen 3 Barbara König Mathematische Strukturen 32

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2 1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba

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

4. Relationen. Beschreibung einer binären Relation

4. Relationen. Beschreibung einer binären Relation 4. Relationen Relationen spielen bei Datenbanken eine wichtige Rolle. Die meisten Datenbanksysteme sind relational. 4.1 Binäre Relationen Eine binäre Relation (Beziehung) R zwischen zwei Mengen A und B

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit für das SE Reine Mathematik- Graphentheorie Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis

Mehr

Datenstrukturen & Algorithmen

Datenstrukturen & Algorithmen Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

2.4.3 Zustandsgraphen

2.4.3 Zustandsgraphen 2.4.3 Zustandsgraphen Folie 2-1+45 Paradigma der Zustandsmodellierung Zustandsmodellierung betrachtet ein System als Zustandsautomaten beschreibt die Zerlegung in Zustände und Zustandsübergänge orientiert

Mehr

2.4.3 Zustandsgraphen

2.4.3 Zustandsgraphen 2.4.3 Zustandsgraphen Folie 2-1+45 Paradigma der Zustandsmodellierung Zustandsmodellierung betrachtet ein System als Zustandsautomaten beschreibt die Zerlegung in Zustände und Zustandsübergänge orientiert

Mehr

Netzwerkmodelle. Seminar Netzwerkanalyse. Sommersemester 2005 Jasmine Metzler

Netzwerkmodelle. Seminar Netzwerkanalyse. Sommersemester 2005 Jasmine Metzler Netzwerkmodelle Seminar Netzwerkanalyse Sommersemester 2005 Jasmine Metzler 1 Grundlegende Modelle Das Graph Modell (G n,p ) Definition Verschiedene Modelle Small World Modell Lokale Suche Power Law Modelle

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

5. Verschiedene Repräsentanten

5. Verschiedene Repräsentanten 5. Verschiedene Repräsentanten 5.1. Die Sätze Hall und König Sei I := {1,...,n}, und sei A(I) = (A 1,...,A n ) eine Familie von Teilmengen einer endlichen Menge E. Zu K I seien A(K) := (A i : i K) und

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

Kürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik

Kürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Kürzeste Wege in Graphen Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Gliederung Einleitung Definitionen Algorithmus von Dijkstra Bellmann-Ford Algorithmus Floyd-Warshall Algorithmus

Mehr

Grundlagen der Programmierung 2. Bäume

Grundlagen der Programmierung 2. Bäume Grundlagen der Programmierung 2 Bäume Prof. Dr. Manfred Schmidt-Schauÿ Künstliche Intelligenz und Softwaretechnologie 24. Mai 2006 Graphen Graph: Menge von Knoten undzugehörige (gerichtete oder ungerichtete)

Mehr

Vorlesung 3 MINIMALE SPANNBÄUME

Vorlesung 3 MINIMALE SPANNBÄUME Vorlesung 3 MINIMALE SPANNBÄUME 72 Aufgabe! Szenario: Sie arbeiten für eine Firma, die ein Neubaugebiet ans Netz (Wasser, Strom oder Kabel oder...) anschließt! Ziel: Alle Haushalte ans Netz bringen, dabei

Mehr

Steinerbäume. Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering

Steinerbäume. Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering Steinerbäume Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering Verfasser Flamur Kastrati Betreuer Prof. Dr. habil. Thomas

Mehr

3. Spezielle ER-Modelle und Tabellenableitung. Transformation von ER-Diagrammen in Relationen

3. Spezielle ER-Modelle und Tabellenableitung. Transformation von ER-Diagrammen in Relationen 3. Spezielle ER-Modelle und Tabellenableitung Spezialfälle von ER-Modellen Grundlage, was sind Relationen Transformation von ER-Diagrammen in Relationen 56 Lesebeispiel Access (Realisierungmodell!) 57

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

Tutorium Algorithmen & Datenstrukturen

Tutorium Algorithmen & Datenstrukturen June 16, 2010 Binärer Baum Binärer Baum enthält keine Knoten (NIL) besteht aus drei disjunkten Knotenmengen: einem Wurzelknoten, einem binären Baum als linken Unterbaum und einem binären Baum als rechten

Mehr

TECHNISCHE UNIVERSITÄT DRESDEN. Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik Institut für Algebra

TECHNISCHE UNIVERSITÄT DRESDEN. Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik Institut für Algebra TECHNISCHE UNIVERSITÄT DRESDEN Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik Institut für Algebra Halbgruppen binärer Relationen auf einer 3-elementigen Menge Arbeit im Rahmen des

Mehr

Beispiele für Relationen

Beispiele für Relationen Text Relationen 2 Beispiele für Relationen eine Person X ist Mutter von einer Person Y eine Person X ist verheiratet mit einer Person Y eine Person X wohnt am gleichen Ort wie eine Person Y eine Person

Mehr

Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen Dipl. Inform. Andreas Wilkens aw@awilkens.com Überblick Grundlagen Definitionen Elementare Datenstrukturen Rekursionen Bäume 2 1 Datenstruktur Baum Definition eines Baumes

Mehr

6.2 Petri-Netze. kommunizierenden Prozessen in der Realität oder in Rechnern Verhalten von Hardware-Komponenten Geschäftsabläufe Spielpläne

6.2 Petri-Netze. kommunizierenden Prozessen in der Realität oder in Rechnern Verhalten von Hardware-Komponenten Geschäftsabläufe Spielpläne 6.2 Petri-Netze WS 06/07 mod 621 Petri-Netz (auch Stellen-/Transitions-Netz): Formaler Kalkül zur Modellierung von Abläufen mit nebenläufigen Prozessen und kausalen Beziehungen Basiert auf bipartiten gerichteten

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

1. Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes

1. Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 1 Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 1 Woche: Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 5/ 44 Unser Modell Shannon

Mehr

Grundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny

Grundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny Grundlagen der Informatik Prof. Dr. Stefan Enderle NTA Isny 2 Datenstrukturen 2.1 Einführung Syntax: Definition einer formalen Grammatik, um Regeln einer formalen Sprache (Programmiersprache) festzulegen.

Mehr

Kapitel 8: Semantische Netze

Kapitel 8: Semantische Netze Kapitel 8: Semantische Netze Teil 1 (Dieser Foliensatz basiert auf Material von Mirjam Minor, Humboldt- Universität Berlin, WS 2000/01) Wozu brauchen wir Begriffe? Mit dieser Frage beginnt J. Hoffmann

Mehr

4 Greedy-Algorithmen (gierige Algorithmen)

4 Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine

Mehr

Gibt es verschiedene Arten unendlich? Dieter Wolke

Gibt es verschiedene Arten unendlich? Dieter Wolke Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen

Mehr

Vorlesung. Komplexe Zahlen

Vorlesung. Komplexe Zahlen Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

2 Die Darstellung linearer Abbildungen durch Matrizen 2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )

Mehr

16. All Pairs Shortest Path (ASPS)

16. All Pairs Shortest Path (ASPS) . All Pairs Shortest Path (ASPS) All Pairs Shortest Path (APSP): Eingabe: Gewichteter Graph G=(V,E) Ausgabe: Für jedes Paar von Knoten u,v V die Distanz von u nach v sowie einen kürzesten Weg a b c d e

Mehr

3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel

3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel 3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel EADS 3.1 Konstruktion von minimalen Spannbäumen 16/36

Mehr

Bäume. Informatik B - Objektorientierte Programmierung in Java. Vorlesung 10: Collections 4. Inhalt. Bäume. Einführung. Bäume.

Bäume. Informatik B - Objektorientierte Programmierung in Java. Vorlesung 10: Collections 4. Inhalt. Bäume. Einführung. Bäume. Universität Osnabrück 1 Bäume 3 - Objektorientierte Programmierung in Java Vorlesung 10: Collections 4 Einführung Bäume sind verallgemeinerte Listenstrukturen Lineare Liste Jedes Element hat höchstens

Mehr

Zahlenmauern. Dr. Maria Koth. Ausgehend von dieser einfachen Bauvorschrift ergibt sich eine Vielzahl an möglichen Aufgabenstellungen.

Zahlenmauern. Dr. Maria Koth. Ausgehend von dieser einfachen Bauvorschrift ergibt sich eine Vielzahl an möglichen Aufgabenstellungen. Zahlenmauern Dr. Maria Koth Zahlenmauern sind nach einer einfachen Regel gebaut: In jedem Feld steht die Summe der beiden darunter stehenden Zahlen. Ausgehend von dieser einfachen Bauvorschrift ergibt

Mehr

368 4 Algorithmen und Datenstrukturen

368 4 Algorithmen und Datenstrukturen Kap04.fm Seite 368 Dienstag, 7. September 2010 1:51 13 368 4 Algorithmen und Datenstrukturen Java-Klassen Die ist die Klasse Object, ein Pfeil von Klasse A nach Klasse B bedeutet Bextends A, d.h. B ist

Mehr

Zeichnen von Graphen. graph drawing

Zeichnen von Graphen. graph drawing Zeichnen von Graphen graph drawing WS 2006 / 2007 Gruppe: D_rot_Ala0607 Christian Becker 11042315 Eugen Plischke 11042351 Vadim Filippov 11042026 Gegeben sei ein Graph G = (V; E) Problemstellung V E =

Mehr

Programmierprojekt Aufgabe 1

Programmierprojekt Aufgabe 1 v01 10.05.2009 Die Formalitäten vorab (WICHTIG!!!): Technische Universität Darmstadt Fachbereich Informatik Prof. Dr. Johannes Fürnkranz Allgemeine Informatik 2 im SS 2009 Programmierprojekt Aufgabe 1

Mehr

Projekt AGB-10 Fremdprojektanalyse

Projekt AGB-10 Fremdprojektanalyse Projekt AGB-10 Fremdprojektanalyse 17. Mai 2010 1 Inhaltsverzeichnis 1 Allgemeines 3 2 Produktübersicht 3 3 Grundsätzliche Struktur und Entwurfsprinzipien für das Gesamtsystem 3 3.1 Die Prefuse Library...............................

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

Numerisches Programmieren

Numerisches Programmieren Technische Universität München SS 2012 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Alexander Breuer Dipl-Math Dipl-Inf Jürgen Bräckle Dr-Ing Markus Kowarschik Numerisches

Mehr

Vorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz

Vorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz Vorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz Datenstruktur BDD 1986 von R. Bryant vorgeschlagen zur Darstellung von aussagenlogischen Formeln (genauer: Booleschen Funktionen)

Mehr

Ohne Mathematik undenkbar!

Ohne Mathematik undenkbar! Die tägliche - Suche: Ohne Mathematik undenkbar! Dipl.-Wirt.Math. Jan Maruhn FB IV - Mathematik Universität Trier 29. März 2006 29. März 2006 Seite 1 Gliederung Einleitung und Motivation Das Internet als

Mehr

Knickminimierung in Orthogonalen Zeichnungen fast-planarer Graphen mit fester Topologie

Knickminimierung in Orthogonalen Zeichnungen fast-planarer Graphen mit fester Topologie Knickminimierung in Orthogonalen Zeichnungen fast-planarer Graphen mit fester Topologie Diplomarbeit von Robert Jungblut An der Fakultät für Informatik Institut für theoretische Informatik Erstgutachter:

Mehr

Codes und Codegitter. Katharina Distler. 27. April 2015

Codes und Codegitter. Katharina Distler. 27. April 2015 Codes und Codegitter Katharina Distler 7. April 015 Inhaltsverzeichnis 1 Codes 4 Codegitter 14 Einleitung Die folgende Seminararbeit behandelt das Konzept von Codes und Codegittern. Da sie bei der Informationsübertragung

Mehr

Einführung in die Kodierungstheorie

Einführung in die Kodierungstheorie Einführung in die Kodierungstheorie Einführung Vorgehen Beispiele Definitionen (Code, Codewort, Alphabet, Länge) Hamming-Distanz Definitionen (Äquivalenz, Coderate, ) Singleton-Schranke Lineare Codes Hamming-Gewicht

Mehr

Klausur Software-Engineering WS 2006 / 2007 Iwanowski 16.02.2007

Klausur Software-Engineering WS 2006 / 2007 Iwanowski 16.02.2007 Klausur Software-Engineering WS 2006 / 2007 Iwanowski 16.02.2007 Hinweise: Bearbeitungszeit: 90 Minuten Erlaubte Hilfsmittel: keine Bitte notieren Sie Ihre Antworten ausschließlich auf dem Aufgabenblatt!

Mehr

Algorithmen und Datenstrukturen Suchbaum

Algorithmen und Datenstrukturen Suchbaum Algorithmen und Datenstrukturen Suchbaum Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Motivation Datenstruktur zur Repräsentation dynamischer Mengen

Mehr

Approximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling

Approximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling Approximationsalgorithmen: Klassiker I Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling VO Approximationsalgorithmen WiSe 2011/12 Markus Chimani

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

ABITURPRÜFUNG 2009 LEISTUNGSFACH INFORMATIK

ABITURPRÜFUNG 2009 LEISTUNGSFACH INFORMATIK ABITURPRÜFUNG 2009 LEISTUNGSFACH INFORMATIK (HAUPTTERMIN) Bearbeitungszeit: 270 Minuten Hilfsmittel: Wörterbuch zur deutschen Rechtschreibung Taschenrechner (nicht programmierbar, nicht grafikfähig) (Schüler,

Mehr

Highway Hierarchies. Kristian Dannowski, Matthias Hoeschel

Highway Hierarchies. Kristian Dannowski, Matthias Hoeschel Highway Hierarchies Kristian Dannowski, Matthias Hoeschel Gliederung Einleitung / Bidirektional Dijkstra Intuition / Naive Strategie Konstruktion der Highway Hierarchie Suche in der Highway Hierarchie

Mehr

Abbildung von EPKs nach BPEL anhand des Prozessmodellierungswerkzeugs Nautilus

Abbildung von EPKs nach BPEL anhand des Prozessmodellierungswerkzeugs Nautilus Institut für Architektur von Anwendungssystemen Universitätsstraße 38 D 70569 Stuttgart Diplomarbeit Nr. 2341 Abbildung von EPKs nach BPEL anhand des Prozessmodellierungswerkzeugs Nautilus Oliver Kopp

Mehr

Das Collatz Problem. Dieter Wolke

Das Collatz Problem. Dieter Wolke Das Collatz Problem Dieter Wolke Einleitung. Die Zahlentheorie verfügt über eine große Anzahl leicht formulierbarer, aber schwer lösbarer Probleme. Einige sind Jahrhunderte alt, andere sind relativ neu.

Mehr

KONSTRUKTION VON ROT-SCHWARZ-BÄUMEN

KONSTRUKTION VON ROT-SCHWARZ-BÄUMEN KONSTRUKTION VON ROT-SCHWARZ-BÄUMEN RALF HINZE Institut für Informatik III Universität Bonn Email: ralf@informatik.uni-bonn.de Homepage: http://www.informatik.uni-bonn.de/~ralf Februar, 2001 Binäre Suchbäume

Mehr

Eine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder

Eine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder Programmieren in PASCAL Bäume 1 1. Baumstrukturen Eine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder 1. die leere Struktur oder 2. ein Knoten vom Typ Element

Mehr

PageRank-Algorithmus

PageRank-Algorithmus Proseminar Algorithms and Data Structures Gliederung Gliederung 1 Einführung 2 PageRank 3 Eziente Berechnung 4 Zusammenfassung Motivation Motivation Wir wollen eine Suchmaschine bauen, die das Web durchsucht.

Mehr

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie und, oder, nicht, wenn... dann zwischen atomaren und komplexen Sätzen. I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten

Mehr

Informatik II Bäume. Beispiele. G. Zachmann Clausthal University, Germany zach@in.tu-clausthal.de. Stammbaum. Stammbaum. Stammbaum

Informatik II Bäume. Beispiele. G. Zachmann Clausthal University, Germany zach@in.tu-clausthal.de. Stammbaum. Stammbaum. Stammbaum lausthal Beispiele Stammbaum Informatik II. Zachmann lausthal University, ermany zach@in.tu-clausthal.de. Zachmann Informatik - SS 06 Stammbaum Stammbaum / Parse tree, Rekursionsbaum Parse tree, Rekursionsbaum

Mehr

Forderungen als Datei hochladen

Forderungen als Datei hochladen mediafinanz AG Weiße Breite 5 49084 Osnabrück Forderungen als Datei hochladen Beschreibung der mediafinanz CSV-Schnittstelle Version 4.9 vom 21.10.2014 Vorbereitung: Exportdatei in Ihrem System erzeugen

Mehr

Technische Informatik - Eine Einführung

Technische Informatik - Eine Einführung Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Ausgabe: 2005-02-21 Abgabe: 2005-02-21 Technische Informatik - Eine

Mehr

Einführung in die Java- Programmierung

Einführung in die Java- Programmierung Einführung in die Java- Programmierung Dr. Volker Riediger Tassilo Horn riediger horn@uni-koblenz.de WiSe 2012/13 1 Wichtig... Mittags Pommes... Praktikum A 230 C 207 (Madeleine) F 112 F 113 (Kevin) E

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9

Mehr

Von der UML nach C++

Von der UML nach C++ 22 Von der UML nach C++ Dieses Kapitel behandelt die folgenden Themen: Vererbung Interfaces Assoziationen Multiplizität Aggregation Komposition Die Unified Modeling Language (UML) ist eine weit verbreitete

Mehr

Was bisher geschah Wissensrepräsentation und -verarbeitung in Zustandsübergangssystemen Constraint-Systemen Logiken Repräsentation von Mengen

Was bisher geschah Wissensrepräsentation und -verarbeitung in Zustandsübergangssystemen Constraint-Systemen Logiken Repräsentation von Mengen Was bisher geschah Wissensrepräsentation und -verarbeitung in Zustandsübergangssystemen Constraint-Systemen Logiken Repräsentation von Mengen aussagenlogischer Regeln: Wissensbasis (Kontextwissen): Formelmenge,

Mehr

Übungsaufgaben mit Lösungsvorschlägen

Übungsaufgaben mit Lösungsvorschlägen Otto-Friedrich-Universität Bamberg Lehrstuhl für Medieninformatik Prof. Dr. Andreas Henrich Dipl. Wirtsch.Inf. Daniel Blank Einführung in das Information Retrieval, 8. Mai 2008 Veranstaltung für die Berufsakademie

Mehr

Peer-to-Peer- Netzwerke

Peer-to-Peer- Netzwerke Peer-to-Peer- Netzwerke Christian Schindelhauer Sommersemester 2006 14. Vorlesung 23.06.2006 schindel@informatik.uni-freiburg.de 1 Evaluation der Lehre im SS2006 Umfrage zur Qualitätssicherung und -verbesserung

Mehr

syntax.tex Eine Übersicht

syntax.tex Eine Übersicht syntax.tex Eine Übersicht Bernd Worsch 7. Juli 1997 Inhaltsverzeichnis 1 Einleitung 1 2 Bevor es funktioniert... 1 3 Grundelemente von syntax.tex 1 4 Strukturelemente von syntax.tex 3 5 Setzen von Syntaxdiagrammen

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Wie kann man beweisen, dass (H, ) eine Gruppe ist?

Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? (zb wenn die Multiplikation mit Hilfe einer Tabelle gegeben ist) Wie kann man beweisen, dass (H, )

Mehr

Autor: Michael Spahn Version: 1.0 1/10 Vertraulichkeit: öffentlich Status: Final Metaways Infosystems GmbH

Autor: Michael Spahn Version: 1.0 1/10 Vertraulichkeit: öffentlich Status: Final Metaways Infosystems GmbH Java Einleitung - Handout Kurzbeschreibung: Eine kleine Einführung in die Programmierung mit Java. Dokument: Autor: Michael Spahn Version 1.0 Status: Final Datum: 23.10.2012 Vertraulichkeit: öffentlich

Mehr

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes. Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel

Mehr

Submissionsverwaltung auf dem Tablet

Submissionsverwaltung auf dem Tablet Einleitung Mit der Submissionsverwaltung auf dem Tablet haben Sie immer die aktuellsten Informationen aller Ihrer laufenden Submissionen zur Verfügung. Egal ob unterwegs, zuhause oder in der Sitzung, mit

Mehr

Kapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete

Kapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete Kapitel 4: Dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2012/13 Prof. Dr. Sándor Fekete 4.4 Binäre Suche Aufgabenstellung: Rate eine Zahl zwischen 100 und 114! Algorithmus 4.1 INPUT: OUTPUT:

Mehr

Grundwissen Informatik 6. Jahrgangsstufe

Grundwissen Informatik 6. Jahrgangsstufe Grundwissen Informatik kann nicht direkt weitergegeben werden, sondern sie muss erst verarbeitet und in eine Darstellung (Repräsentation) gebracht werden (z. B. eine Strichliste, ein Foto, ein Diagramm,

Mehr

1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert

1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert Inhalt Einführung 1. Arrays 1. Array unsortiert 2. Array sortiert 3. Heap 2. Listen 1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert 3. Bäume

Mehr

Kapitel DB:III. III. Konzeptueller Datenbankentwurf

Kapitel DB:III. III. Konzeptueller Datenbankentwurf Kapitel DB:III III. Konzeptueller Datenbankentwurf Einführung in das Entity-Relationship-Modell ER-Konzepte und ihre Semantik Charakterisierung von Beziehungstypen Existenzabhängige Entity-Typen Abstraktionskonzepte

Mehr

2.1 Codes: einige Grundbegriffe

2.1 Codes: einige Grundbegriffe Gitter und Codes c Rudolf Scharlau 2. Mai 2009 51 2.1 Codes: einige Grundbegriffe Wir stellen die wichtigsten Grundbegriffe für Codes über dem Alphabet F q, also über einem endlichen Körper mit q Elementen

Mehr

Seminar künstliche Intelligenz

Seminar künstliche Intelligenz Seminar künstliche Intelligenz Das Kürzeste-Wege-Problem in öffentlichen Verkehrsnetzen Stefan Görlich mi5517 25.05.2005 Inhalt 1. Einleitung 1.1 Problemstellung 3 1.2 Zielsetzung 3 1.3 Die Suche in öffentlichen

Mehr

Webseitennavigation mit dem Content-Management-System Imperia. Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster

Webseitennavigation mit dem Content-Management-System Imperia. Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster Webseitennavigation mit dem Content-Management-System Imperia Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster 10. Januar 2006 Inhaltsverzeichnis 1. Einführung 4 2. Rubrikenstruktur

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

HEUTE. Datenstrukturen im Computer. Datenstrukturen. Rekursion. Feedback Evaluation. abstrakte Datenstrukturen

HEUTE. Datenstrukturen im Computer. Datenstrukturen. Rekursion. Feedback Evaluation. abstrakte Datenstrukturen 9.2.5 HUT 9.2.5 3 atenstrukturen im omputer atenstrukturen ie beiden fundamentalen atenstrukturen in der Praxis sind rray und Liste Rekursion Feedback valuation rray Zugriff: schnell Umordnung: langsam

Mehr

3. Das Auslastungsspiel

3. Das Auslastungsspiel Literatur: 3. Das Auslastungsspiel R. W. Rosenthal. A class of games possessing pure-strategy Nash equilibria. International Journal of Game Theory 2, pp. 65 67. 1973. D. S. Johnson, Chr. H. Papadimitriou,

Mehr

KANALCODIERUNG AUFGABEN. Aufgabe 1. Aufgabe 2

KANALCODIERUNG AUFGABEN. Aufgabe 1. Aufgabe 2 AUFGABEN KANALCODIERUNG Aufgabe Wir betrachten den Hamming-Code mit m = 5 Prüfbits. a) Wie gross ist die Blocklänge n dieses Codes? b) Wie viele gültige Codewörter umfasst dieser Code? c) Leiten Sie die

Mehr

Fundamentals of Software Engineering 1

Fundamentals of Software Engineering 1 Folie a: Name Fundamentals of Software Engineering 1 Grundlagen der Programmentwurfstechnik 1 Sommersemester 2012 Dr.-Ing. Stefan Werner Fakultät für Ingenieurwissenschaften Folie 1 Inhaltsverzeichnis

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Information Systems Engineering Seminar

Information Systems Engineering Seminar Information Systems Engineering Seminar Algorithmische Prüfung der Planarität eines Graphen Marcel Stüttgen, 22.10.2012 FH AACHEN UNIVERSITY OF APPLIED SCIENCES 1 Planarität - Definition Ein Graph heißt

Mehr

Codes und Informationsgehalt

Codes und Informationsgehalt Aufgaben 2 Codes und Informationsgehalt Auf wie viele Dezimalziffern genau können vorzeichenlose ganze Zahlen in einem binären Code der Länge 32 bit dargestellt werden? 2 Codes und Informationsgehalt Auf

Mehr

Datenbanken: ER-Modell

Datenbanken: ER-Modell Beispiel: Lastenheft: Für eine Hochschule soll eine Verwaltungssoftware geschrieben werden, die alle relevanten Daten in einem relationalen Datenbanksystem speichert. Zu diesen Daten zählen die Stamm-

Mehr

Aufgaben und Lösungshinweise zum Lehrbuch

Aufgaben und Lösungshinweise zum Lehrbuch Aufgaben und Lösungshinweise zum Lehrbuch UVK Verlagsgesellschaft mbh 204 Aufgaben zu Kapitel 4 Aufgabe : (Grundlagen von IT-Services) Nennen Sie vier Kriterien, die für die Gebrauchstauglichkeit eines

Mehr

Sprechen wir über Zahlen (Karl-Heinz Wolff)

Sprechen wir über Zahlen (Karl-Heinz Wolff) Sprechen wir über Zahlen (Karl-Heinz Wolff) Die Überschrift ist insoweit irreführend, als der Autor ja schreibt und nicht mit dem Leser spricht. Was Mathematik im allgemeinen und Zahlen im besonderen betrifft,

Mehr

Einführungsvortrag: Webgraph, Klassisches IR vs. Web-IR

Einführungsvortrag: Webgraph, Klassisches IR vs. Web-IR Einführungsvortrag: Webgraph, Klassisches IR vs. Web-IR Seminar Suchmaschinen, Wintersemester 2007/2008 Martin Sauerhoff Lehrstuhl 2, Universität Dortmund Übersicht 1. Einleitung 2. Der Webgraph 3. Modelle

Mehr

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015 Abstrakt zum Vortrag im Oberseminar Graphdatenbanken Gero Kraus HTWK Leipzig 14. Juli 2015 1 Motivation Zur Darstellung komplexer Beziehungen bzw. Graphen sind sowohl relationale als auch NoSQL-Datenbanken

Mehr

Sortieren durch Einfügen. Prof. Dr. W. Kowalk Sortieren durch Einfügen 1

Sortieren durch Einfügen. Prof. Dr. W. Kowalk Sortieren durch Einfügen 1 Sortieren durch Einfügen Prof. Dr. W. Kowalk Sortieren durch Einfügen 1 Schon wieder aufräumen Schon wieder Aufräumen, dabei habe ich doch erst neulich man findet alles schneller wieder Bücher auf Regal

Mehr

Kompakte Graphmodelle handgezeichneter Bilder. Einbeziehung in Autentizierung und Bilderkennung

Kompakte Graphmodelle handgezeichneter Bilder. Einbeziehung in Autentizierung und Bilderkennung Kompakte Graphmodelle handgezeichneter Bilder Einbeziehung in Autentizierung und Bilderkennung Inhaltsverzeichnis 1 Einleitung Das graphische Model.1 Image Thinning................................. 3.

Mehr

Kompakte Graphmodelle handgezeichneter Bilder

Kompakte Graphmodelle handgezeichneter Bilder Kompakte Graphmodelle handgezeichneter Bilder Einbeziehung in Authentizierung und Bilderkennung Inhaltsverzeichnis Seminar Mustererkennung WS 006/07 Autor: Stefan Lohs 1 Einleitung 1 Das graphische Modell.1

Mehr

Binäre Suchbäume (binary search trees, kurz: bst)

Binäre Suchbäume (binary search trees, kurz: bst) Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.

Mehr

Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining

Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining Gliederung 1. Einführung 2. Grundlagen Data Mining Begriffsbestimmung CRISP-DM-Modell Betriebswirtschaftliche Einsatzgebiete des Data Mining Web Mining und Text Mining 3. Ausgewählte Methoden des Data

Mehr