1. Übung Graphentheorie WS2016/17

Größe: px
Ab Seite anzeigen:

Download "1. Übung Graphentheorie WS2016/17"

Transkript

1 1. Übung Graphentheorie WS2016/17 1. Schreiben Sie für jede Ecke der folgenden 7 Graphen den Grad auf! Welche der Graphen sind regulär? G 1 G 2 G 5 G 3 2. Bestimmen Sie alle paarweise nicht-isomorphen ungerichteten Graphen mit (a) p = 2 Ecken und q = 2 bzw. q = 3 Kanten, (b) p = 3 Ecken und q = 1,2,3 Kanten, Welche der Graphen sind schlicht? G 6 3. Bestimmen Sie alle paarweise nicht-isomorphen ungerichteten schlichten Graphen mit (a) p = 6 Ecken, die 2-regulär bzw. 3-regulär sind, (b) p = 4 Ecken e 1,e 2,e 3,e 4 mit grade 1 = 1, grade 2 = grade 3 = 2, grade 4 = 3, bzw. mit grade 1 = grade 2 = 2, grade 3 = grade 4 = Bestimmen Sie alle paarweise nicht-isomorphen ungerichteten Graphen mit p Ecken und q Kanten und p+q 6. Welche der Graphen sind schlicht? G 7 G 4 (3 Punkte) 5. Untersuchen Sie, welche der 7 Graphen aus Aufgabe 1 zueinander isomorph sind! (Begründung erforderlich. ) (3 Punkte) 6. Auf einer Party befinden sich 31 Personen, und jede dieser Personen kennt genau 5 andere der anwesenden Personen. Ist das möglich?

2 7. Sei G ein Graph mit p Ecken und q Kanten. Zeigen Sie: (a) Ist m := [ 2q] 2q = max{n Z;n }, dann gibt es mindestens eine Ecke mit Grad p p größer oder gleich m. (b) Ist q = p 1, dann existiert eine Ecke e mit grade 1. (c) l der Ecken sollen den Grad k haben und die restlichen Grad k +1. Bestimmen Sie l in Abhängigkeit von p, q und k. 8. Sei G ein Graph mit mindestens 6 Ecken. Zeigen Sie: Es gibt stets 3 Ecken, die paarweise benachbart sind, oder 3, die paarweise nicht benachbart sind. 9. Sei G ein schlichter Graph mit p 2 Ecken und q Kanten. Zeigen Sie: (a) (G) δ(g) p 2. (b) Es gibt zwei Ecken mit gleichem Grad. (3 Punkte) (3 Punkte) 10. (a) Bestimmen Sie einen 4-regulären schlichten Graph mit minimaler Eckenzahl p. (b) Ist k IN ungerade, G ein k-regulärer schlichter Graph mit p Ecken und q Kanten. Zeigen Sie: Dann ist p eine gerade Zahl und q ein ganzzahliges Vielfaches von k. Abgabe der Aufgaben 4, 5, 8, 9 bis vor der Übung.

3 2. Übung Graphentheorie WS2016/ (a) Sei A = die Adjazenzmatrix des Graphen G. Zeichnen Sie den Graph und geben Sie die Inzidenzmatrix an! (b) Sind die Graphen mit den folgenden Adjazenzmatrizen isomorph? A 1 = ,A = ,A = Gegeben sei der folgende gerichtete Graph a b c d e f g h (a) Bestimmen Sie die Adjazenzmatrix und die Inzidenzmatrix des Graphen. (b) Bestimmen Sie einen gerichteten Weg mit größtmöglicher Länge ( = Kantenzahl). 13. Sei G ein gerichteter Graph mit p Ecken. Zeigen Sie: Ist p ungerade und hat jede Ecke ungeraden Ausgangsgrad, dann gibt es eine ungerade Anzahl von Ecken mit ungeradem Eingangsgrad. (1 Punkt) 14. Sei G ein gerichteter Graph, der keine (gerichteten) Kreise enthält. Zeigen Sie: Es gibt mindestens eine Ecke e mit grad (e) = Sei G ein gerichteter Graph G mit p Ecken. G heißt k-regulär, wenn für jede Ecke e gilt grad + e = grad e = k. (a) Geben Sie für beliebiges p 2 ein Beispiel für einen schlichten gerichteten 1-regulären Graphen an. (b) Geben Sie für p = 3, p = 4 und p = 5 jeweils ein Beispiel für einen schlichten gerichteten 2-regulären Graphen an.

4 (c) Zeigen Sie: Für beliebiges p 2 existiert ein schlichter gerichteter (p 1)-regulärer Graph. (d) Zeigen Sie: Für beliebige p IN und k Z mit 0 k < p gibt es einen schlichten k-regulären gerichteten Graphen. (6 Punkte) 16. Welche der folgenden Graphen sind bipartit? Begründung! G 1 G 2 G 3 G (a) Geben Sie alle nichtisomorphen vollständigen bipartiten Graphen mit höchstens 6 Ecken an! (b) Zeichnen Sie K 1,2,2, K 2,2,2, K 2,3,3! (c) Wie viele Kanten hat K r,s,t für beliebige r,s,t IN? 18. (a) Sei G = (E,K) ein bipartiter Graph mit p Ecken und q Kanten. Zeigen Sie q p2 4. G 5 (5 Punkte) (b) Sei G = (E,K) ein r-partiter Graph mit p Ecken und q Kanten und i,j IN 0 mit p = i r + j, 0 j < r. Zeigen Sie, dass G höchstens so viele Kanten hat wie. K i+1,...,i+1,i,...,i }{{}}{{} j p j Geben Sie die maximale Kantenzahl an! 19. Seien G ein ungerichteter zusammenhängender Graph, W 1, W 2 zwei längste Wege in G (d.h. mit maximaler Kantenzahl). Zeigen Sie: W 1 und W 2 haben mindestens eine Ecke gemeinsam. Abgabe der Aufgaben 13, 15, 17 bis vor der Übung.

5 3. Übung Graphentheorie WS2016/ Sei G ein ungerichteter schlichter Graph mit p Ecken und q Kanten. Zeigen Sie: (a) Gilt (G)+δ(G)+1 p, dann ist G zusammenhängend. ( ) p r +1 (b) Hat G r Komponenten, dann gilt q. 2 (c) Aus q > (p 1)(p 2) 2 folgt: G ist zusammenhängend. (4 Punkte) 21. (a) Bestimmen Sie alle starken Komponenten des folgenden gerichteten Graphen. 3 (b) Untersuchen Sie, ob der zugehörige ungerichtete Graph eine stark zusammenhängende Orientierung hat und konstruieren Sie eine solche gegebenenfalls! 22. Sei G = (E,K) ein schlichter Graph. Der schlichte Graph G := (E,K) mit K := {uv;u,v E,u v,uv K} heißt Komplement von G oder zu G komplementärer Graph. (a) Bestimmen Sie die Komplemente folgender Graphen: G 1 G 2 (b) Für e E sei grad G (e) der Grad von e in G. Zeigen Sie: Für jedes e E gilt grad G (e)+grad G (e) = p 1. (c) In G gebe es genau eine gerade Ecke. Wie viele ungerade bzw. gerade Ecken hat G? (d) Zeigen Sie: Ist G nicht zusammenhängend, dann ist G zusammenhängend. Gilt auch die Umkehrung? G 3 (4 Punkte)

6 23. Sei G = (E,K) ein schlichter Graph mit p Ecken. G heißt selbstkomplementär, wenn G und G isomorph sind. (a) Zeigen Sie: Jeder selbstkomplementäre Graph ist zusammenhängend. (b) Geben Sie Beispiele für selbstkomplementäre Graphen an mit p {1,2,3,4,5,8}. (c) Zeigen Sie: Ist G selbstkomplementär, dann gilt p = 4k oder p = 4k +1 mit geeignetem k IN Kann man ein einzelnes Drahtstück so biegen, daß ein Kantenmodell eines Würfels entsteht? Wie sieht es bei einem Oktaeder aus? 25. Konstruieren Sie für folgenden Graph eine Euler-Tour mit Hilfe der Methode aus dem Beweis zu Satz bzw ! h i k d e f g a b c 26. Sei G = (E,K) ein Eulerscher Graph mit q Kanten. Weiter sei S := {e E; 1 grad(e) ist ungerade}. 2 Zeigen Sie: Ist q ungerade, dann hat S eine ungerade Anzahl von Elementen. 27. Zeigen Sie, daß der Dodekaedergraph aus Kapitel 1.3 Hamiltonsch ist. Abgabe der Aufgaben 20 a,c, 21, 22, 25 a bis vor der Übung.

7 4. Übung Graphentheorie WS2016/ Zeigen Sie: (a) Jeder kreisfreie Graph mit p 2 Ecken ist bipartit. (b) Die Graphen K 1,n, n IN, sind die einzigen vollständigen bipartiten Graphen, die Bäume sind. 29. Sei G ein schlichter ungerichteter Graph mit p Ecken und q Kanten. Zeigen Sie: Hat G genau zwei Komponenten, die beide nicht regulär sind, dann gilt (G)+δ(G)+3 p. 30. Untersuchen Sie, welcher der beiden folgenden Graphen Hamiltonsch ist! (3 Punkte) G 1 G 2 (3 Punkte) 31. Sechs Personen a,b,c,d,e,f sollen so an einem runden Tisch plaziert werden, dass jede Person ihre beiden Tischnachbarn noch nicht kennt. Die Bekanntschaftsverhältnisse seien durch folgende Adjazenzmatrix a b c d e f a b c d e f gegeben. Dabei bedeutet 1, dass die beiden Personen sich kennen, und 0, dass sie sich nicht kennen. Geben Sie, wenn möglich, eine entsprechende Sitzordnung an. 32. Sei G = (E,K) ein Hamiltonscher Graph, S E eine Teilmenge der Ecken mit k Elementen. Weiter sei G S der Graph, der entsteht, wenn man aus G die Ecken von S und die mit diesen Ecken inzidenten Kanten entfernt. Zeigen Sie: G S hat höchstens k Komponenten.

8 33. Sei G ein 3-regulärer schlichter ungerichteter Graph. Zeigen Sie: (a) In G existiert genau dann eine trennende Ecke, wenn in G eine Brücke existiert. (b) Gibt es eine Brücke in G, dann hat G mindestens 10 Ecken. (4 Punkte) 34. Sei G = (E,K) ein schlichter Graph, K = {k 1,...,k q }. Ein Graph L(G) = (E,K ) mit E = {e 1,...,e q }, K = {e i e j ; k i und k j benachbart in G} heißt Liniengraph von G. (a) Zeichnen Sie einen Liniengraph zu G (b) Zeigen Sie: Ist k = uv K, e die entsprechende Ecke in L(G), dann gilt grad L(G) e = grad G u+grad G v 2. (c) Zeigen Sie: Ist G zusammenhängend, dann auch L(G). (d) Zeigen Sie: Ist G Eulersch, dann ist L(G) Eulersch und Hamiltonsch. (e) Zeigen Sie: Ist G Hamiltonsch, dann ist L(G) Hamiltonsch. (f) Zeigen Sie: Die Umkehrung gilt jeweils nicht. Abgabe der Aufgaben 29, 30, 31, 33 bis vor der Übung.

9 5. Übung Graphentheorie WS2016/ Zeigen Sie: Ist k eine Brücke des Graphen G, dann hat G k genau eine Komponente mehr als G. Gilt entsprechendes auch für eine trennende Ecke? 36. Sei G ein kreisfreier Graph. Zeigen Sie: e ist trennende Ecke von G genau dann, wenn grad(e) > Geben Sie für folgende Graphen alle trennende Ecken an. Wenn es keine trennenden Ecken gibt, dann geben Sie minimale trennende Eckenmengen an, also Mengen S E, so dass S möglichst wenig Ecken enthält und G S mehr Komponenten hat als G. G 1 G 2 G Welcher der folgenden Graphen ist ein Baum bzw. ein Wald? e 3 e 6 e 3 e 6 e 3 e 6 e 3 e 6 e 3 e 6 e 2 e 5 e 2 e 5 e 2 e 5 e 2 e 5 e 2 e 5 e 1 e 4 e 1 e 4 e 1 e 4 e 1 e 4 e 1 G 1 G 2 G 3 G 4 G 5 e Sei G ein zusammenhängender Graph, k eine Kante in G. Zeigen Sie: k ist genau dann eine Brücke, wenn jeder spannende Baum von G k enthält, und genau dann eine Schlinge, wenn k in keinem spannenden Baum von G enthalten ist. 40. Seien g 1,...,g p natürliche Zahlen. (4 Punkte) (a) Zeigen Sie: Es gibt einen Baum B mit p Ecken e 1,...,e p und grade i = g i, 1 i p, p genau dann, wenn g i = 2p 2. i=1

10 (b) Konstruieren Sie einen Baum mit 7 Ecken und grade i = 1, 1 i 4, grade 5 = 2, grade i = 3, 6 i Bestimmen Sie alle nicht zueinander isomorphen Bäume mit 6 Ecken. 42. Bestimmen Sie alle nicht isomorphen schlichten Graphen G = (E, K) mit p Ecken, q Kanten und 3 Komponenten G 1, G 2, G 3 mit folgender Eigenschaft: (a) p = 10, q = 15, G 1 ist 4-regulär, G 2 ein Baum und G 3 ein Kreis. (3 Punkte) (b) p = 15, q = 17, G 1 ist 3-regulär, G 2 ein Baum und G 3 ein Kreis gerader Länge. Abgabe der Aufgaben 35, 37, 39, 40 b, 42 a bis vor der Übung.

11 6. Übung Graphentheorie WS2016/ Sie besitzen 8 Sendemasten, deren Position und Sendestärke durch folgender Tabelle gegeben ist: Sendemast A B C D E F G H Koordinaten (0;2) (2;0) (3;4) (5;1) (4;3) (7;4) (8;2) (10;2) Sendestärke Jeder Mast kann ein Signal aussenden, welches von allen andern Masten innerhalb seines Senderadius empfangen werden kann. Mit Hilfe dieser Masten soll ein Signal von Mast A an alle anderen Masten gesendet werden. (a) Beschreiben Sie das Problem graphentheoretisch. (b) Aus Kostengründen soll das Signal von möglichst wenigen Masten weitergesendet werden. Von wievielen Masten müssen Sie es mindestens senden? (c) Die Kosten dafür, das Signal von einem Mast aus zu senden, seien proportional zu seiner Reichweite. Welche Masten verwenden Sie zu Weiterleitung, wenn Sie die Gesamtkosten möglichst klein halten wollen? 44. Gegeben ist der folgende Graph (a) Bestimmen Sie einen minimalen spannenden Baum und seinen Wert mit dem Algorithmus von Kruskal. (b) Zeigen Sie: Mit jedem Algorithmus zur Bestimmung eines minimalen spannenden Baums kann man auch einen maximalen spannenden Baum bestimmen. (c) Bestimmen Sie einen minimalen spannenden Baum und einen maximalen spannenden Baum und die Werte mit dem Algorithmus von Prim. (8 Punkte)

12 45. Zeigen Sie: Ist G ein zusammenhängender kantenbewerteter Graph und sind die Werte verschiedener Kanten verschieden, dann gibt es für G genau einen minimalen spannenden Baum. Gilt auch die Umkehrung? (4 Punkte) 46. Gegeben sei der Graph aus folgender Abbildung mit den Kantengewichten 1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 6 und 6. e 5 e 6 e 4 e 1 e 2 e 3 Verteilen Sie, wenn möglich, die Kantengewichte so, dass der Graph (a) einen eindeutig bestimmten minimalen spannenden Baum, (b) mehrere minimale spannende Bäume hat. Abgabe der Aufgaben 44, 45 bis vor der Übung.

13 7. Übung Graphentheorie WS2016/ Bestimmen Sie zu dem folgenden Graph s e 3 4 e e e e e 1 e 7 e 9 e 8 mit dem Algorithmus von Dijkstra einen Baum kürzester Wege mit Wurzel s (d.h. für jede Ecke e einen kürzesten s-e-weg). (4 Punkte) 48. Es sei G = (E,K) ein Graph mit nichtnegativen Kantengewichten w(k) für alle k K und W = (s,e 1,...,e n ) ein kürzester Weg von s nach e n. Beweisen oder widerlegen Sie: (a) Für a > 0 ist W auch ein kürzester Weg von s nach e n bezüglich der Kantengewichte w (k) := w(k)+a für alle k K. (b) Für a > 0 ist W auch ein kürzester Weg von s nach e n bezüglich der Kantengewichte w (k) := a w(k) für alle k K. 49. Es sei G = (E,K) ein Graph mit nichtnegativen Kantengewichten w(k) für alle k K und p Ecken und sei s E. Weiter sei T 1 = (E,K 1 ) ein minimaler spannender Baum und T 2 = (E,K 2 ) ein Baum kürzester Wege von s zu den anderen Ecken. Zeigen Sie w(t 1 ) w(t 2 ) (p 1) w(t 1 ). 50. Untersuchen Sie, ob folgender Algorithmus zur Suche von kürzesten Wegen auf gewichteten Graphen zum richtigen Ergebnis führt: Eingabe: ein gewichteter Graph mit nicht-negativen Gewichten. Ausgabe: kürzeste Wege vom Startknoten zu allen anderen Knoten. (1) Zu Beginn bekommen alle Ecken die Distanz unendlich. (2) Wähle eine Startecke. Sie bekommt die permanente Distanz 0 und ist nun die aktive Ecke.

14 (3) Setze als Distanz (temporäre Distanzen) der Nachbarecken der aktiven Ecke mit temporärer Distanz das Kantengewicht der anliegenden Kante(n) fest. (4) Wähle die Ecke mit der kleinsten temporären Distanz. Sie ist nun die aktive Ecke und ihre Distanz wird unveränderlich festgeschrieben (permanente Distanz). (5) Wiederhole (3) bis (4) so lange, bis es keine Ecke mit permanenter Distanz mehr gibt, deren Nachbarn noch temporäre Distanzen haben. Geben Sie gegebenenfalls einen Graphen an, in dem der angegebene Algorithmus zu (mindestens) einer Ecke nicht den kürzesten Weg ausgibt. Markieren Sie den ausgegebenen Weg im Graphen. 51. (a) Bestimmen Sie mit Hilfe des Floyd-Warshall-Algorithmus für den folgenden Graphen die Längen aller kürzesten Wege und bestimmen Sie einen kürzesten e 1 -e 2 -Weg, e 2 - e 4 -Weg, e 3 -e 5 -Weg, e 4 -e 1 -Weg bzw. e 5 -e 3 -Weg: e e 5 e e 4 10 e 3 (4 Punkte) (b) Zeigen Sie, dass die Matrix (e (p) ij ) die richtige Information für die Bestimmung der kürzesten u-v-wege liefert. 52. Führen Sie den Floyd-Warshall-Algorithmus für die Graphen aus Beispiel und (2) durch und interpretieren Sie Ihr Ergebnis. Abgabe der Aufgaben 47, 48, 50, 51 a bis vor der Übung.

15 8. Übung Graphentheorie WS2016/ Zeigen Sie, dass folgende Graphen planar sind! e 5 e 5 e 6 e 5 e 6 e 4 e 9 e 7 e 4 e e 7 6 e 4 e 3 e 10 e 8 e 3 e 7 e 8 e 1 e 2 e 1 e 2 e 1 e 3 e G 1 G 2 2 G Sei G ein ebener zusammenhängender 4-regulärer Graph mit p Ecken, q Kanten und 10 Ländern. Bestimmen Sie p und q und zeichnen Sie einen solchen Graphen. 55. Sei G ein schlichter Graph mit p 11 Ecken. Zeigen Sie: Es können nicht G und G planar sein. 56. Sei G ein schlichter zusammenhängender ebener Graph mit p Ecken, q Kanten und s Ländern, s i die Anzahl der Länder der zugehörigen Landkarte mit i Kanten. Zeigen Sie: (a) Ist G 3-regulär, dann gilt 12 = 3s 3 +2s 4 +s 5 (i 6)s i. i=7 (b) Gilt δ(g) 3, dann gibt es mindestens 1 Land mit höchstens 5 Kanten. (c) Gilt die Behauptung aus (b) auch, wenn δ(g) 2 ist? (4 Punkte) 57. (a) Sei G = K 5 oder G = K 3,3, k eine beliebige Kante von G. Zeigen Sie: G k ist planar. (b) Gilt das auch für G = K p mit p 6 oder G = K m,n mit m 3, n 4? 58. Bestimmen Sie alle (a) vollständigen planaren Graphen K p, (b) vollständigen bipartiten planaren Graphen K s,t, (c) vollständigen 3-partiten planaren Graphen K r,s,t. Abgabe der Aufgaben 54, 56 a,c, 58 bis vor der Übung. (6 Punkte)

16 9. Übung Graphentheorie WS2016/ Ein konvexes Polyeder habe Seitenflächen, die ausschließlich regelmäßige Fünfecke oder regelmäßige Sechsecke sind. Wie viele Fünfecke sind dabei? (3 Punkte) 60. Gegeben seien folgende Graphen: G 1 k 1 k 2 G 2 Zeigen Sie mit Hilfe von Satz , dass 61. (a) G 1 nicht Hamiltonsch ist, (b) G 2 zwar Hamiltonsch ist, es aber keinen Hamilton-Kreis in G 2 gibt, der die Kanten k 1 und k 2 enthält. e 5 e 6 e 4 Zeigen Sie, dass folgender Graph G 1 nicht planar ist. Geben Sie einen Teilgraph G 2 an, der Unterteilung von K 5 oder K 3,3 ist. e 7 e 3 G Unter dem 4-dimensionalen Würfelgraph versteht man den Graphen mit der Eckenmenge E = {(x 1,x 2,x 3,x 4 ); x i = 0 oder x i = 1, 1 i 4} = {e 1,...,e 16 }, und den Kanten e i e j, wenn die Koordinaten von e i und e j sich an genau einer Stelle unterscheiden. Zeigen Sie: (a) G ist bipartit. (b) G ist nicht planar. e 8 e 1 e 2 (4 Punkte)

17 63. Gegeben sind die beiden folgenden Graphen: G 1 G 2 (a) Zeichnen Sie G 1 und G 2. (b) Zeigen Sie, dass G 1 und G 2 isomorph sind, aber ihre duale GraphenG 1 und G 2 nicht. (3 Punkte) Abgabe der Aufgaben 59, 60, 62, 63 bis vor der Übung.

18 10. Übung Graphentheorie WS2016/ Bestimmen Sie (a) die chromatische Zahl und folgender Graphen! (b) den chromatischen Index G 1 G 2 G 3 G 4 G 5 G Bestimmen Sie (a) die chromatische Zahl und (b) den chromatischen Index der platonischen Körper und des Petersen-Graphen. (3 Punkte) 66. An einer Schule soll ein Zeitplan für Prüfungen in neuen unterschiedlichen Fächern aufgestellt werden. Wenn es Schüler gibt, die zwei oder mehr dieser Fächer belegt haben, müssen die Prüfungen zu unterschiedlichen Zeiten stattfinden. Folgende Tabelle gibt an, welche Fächerpaare von mindestens einem Schüler gewählt wurden: A B C D E F G H I A x x x B x x C x x x x D x x x x E x x x x F x x x G x x x H x x x I x x Beschreiben Sie das Problem als Färbungsproblem eines Graphen, geben Sie die minimale Anzahl von benötigten Prüfungsterminen an und einen geeigneten Zeitplan. 67. Sei G ein Graph, der aus zwei vollständigen Graphen K s und K t besteht, die genau eine Ecke und keine Kante gemeinsam haben. Bestimmen Sie χ(g).

19 68. Sei G ein schlichter Graph. Zeigen Sie: (a) Enthält G genau einen Kreis C ungerader Länge, dann ist jeder weitere Kreis kantendisjunkt zu C. (b) Enthält G genau einen Kreis ungerader Länge, dann gilt χ(g) = 3. (5 Punkte) 69. Sei G ein 3-regulärer Hamiltonscher Graph. Zeigen Sie χ (G) = In einem Wettbewerb mit 2n Mannschaften muss jede Mannschaft gegen jede andere Mannschaft im direkten Vergleich antreten. Keine Mannschaft tritt am selben Tag mehrmals an. Zeigen Sie mit Hilfe der Kantenfärbung eines Graphen, dass der Wettbewerb in genau 2n 1 Tagen durchgeführt werden kann. Abgabe der Aufgaben 65, 66, 68, 69 bis vor der Übung.

20 11. Übung Graphentheorie WS2016/ Geben Sie für folgende Graphen und das zugehörige angegebene Matching M jeweils einen längsten M-alternierenden Weg W an, der nicht M-erweiternd ist, einen M-erweiternden Weg W (falls er existiert), und gegebenenfalls ein maximales Matching. (a) e 8 e 7 e 9 e 4 (b) e 4 e 5 e 6 e 1 e 2 e 3 M 1 = {e 2 e 4,e 5 e 7,e 6 e 8 } e 3 e 6 e 4 e 5 e 1 e 2 M 3 = {e 1 e 3,e 2 e 5,e 4 e 6 } e 1 e 5 e 8 e 6 e 7 e 3 e 2 M 2 = {e 5 e 8,e 6 e 7 } e 10 e 11 e 12 e 7 e 8 e 9 e 6 e 5 e 2 e 3 e 4 e 1 M 4 = {e 3 e 5,e 6 e 9,e 7 e 10,e 8 e 11 } 72. Für p IN, p 4, sei W p der Graph, der sich zusammensetzt aus einem Kreis mit p 1 Ecken und einer zusätzlichen Ecke, die mit allen anderen Ecken verbunden ist. Bestimmen Sie ein maximales Matching für (a) ein Rad W p mit p 4, (b) einen vollständigen Graphen K p mit p 2, (c) einen vollständigen 3-partiten Graphen K n,n,n für n IN. Welche der Matchings sind perfekt, welche fast-perfekt. 73. Sei G = (E,K) ein schlichter Graph mit p Ecken, E E eine maximale unabhängige Menge in G mit p Ecken. Zeigen Sie: Es gilt p p (G)+1.

21 74. Sei G = (E,K) ein schlichter Graph, β(g) die Eckenüberdeckungszahl, α 0 (G) die Kantenunabhängigkeitszahl von G, δ(g) der minimale Eckengrad. (a) Zeigen oder widerlegen Sie: Jede überdeckende Eckenmenge E E von G enthält eine minimale überdeckende Eckenmenge E E (mit E = β(g)). (b) Zeigen oder widerlegen Sie: Jede unabhängige Kantenmenge K K von G ist in einer maximalen unabhängigen Kantenmenge K K (mit K = α 0 (G)) enthalten. 75. Sei G = (E, K) ein schlichter Graph, β(g) die Eckenüberdeckungszahl, δ(g) der minimale Eckengrad. Zeigen Sie: β(g) δ(g). 76. Sei G = (E,K) ein vollständiger r-partiter Graph mit p Ecken. Zeigen Sie: (a) β(g) = δ(g). (b) G ist Hamiltonsch genau dann, wenn p 2 β(g). 77. Sei G = (E 1 E 2,K) bipartit und der Grad jeder Ecke von E 1 ist mindestens so groß wie der Grad jeder Ecke von E 2. Zeigen Sie: Es gibt ein vollständiges Matching von E 1 nach E In der NRW-Labor-Schule Siegen sind 7 Planstellen zu besetzen zur Abdeckung des Unterrichts in den Fächern Chemie, Englisch, Erdkunde, Französisch, Geschichte, Mathematik und Physik. Die 7 Bewerber können Unterricht in folgenden Fächern erteilen: Frau Abendroth Mathematik, Physik Frau Berg Chemie, Englisch, Mathematik Herr Czaja Chemie, Französisch, Geschichte, Physik Frau Denker Englisch, Französisch, Geschichte, Physik Herr Ehrgeiz Chemie, Mathematik Herr Faulhaber Mathematik, Physik Frau Gutemiene Englisch, Erdkunde, Geschichte Jeder Lehrer soll allerdings anschließend genau ein Fach unterrichten. Bestimmen Sie, ausgehend von der Zuordnung Berg-Mathematik, Czaja-Chemie, Denker- Geschichte, Faulhaber-Physik, Gutemiene-Englisch mit Hilfe des Algorithmus nach Satz eine maximales Matching. (6 Punkte) Abgabe der Aufgaben 71 b, 72 c, 74, 78 bis vor der Übung.

22 12. Übung Graphentheorie WS2016/ Untersuchen Sie, ob der Fluß f : K IR auf dem Netzwerk N s a b 20 z mitf( sa) = 20,f( sb) = 0,f( ab) = 20,f( az) = 0,f( bz) = 20maximalistundbestimmen Sie gegebenenfalls mit dem Algorithmus von Ford-Fulkerson einen maximalen Fluß und den zugehörigen minimalen Schnitt. (3 Punkte) 80. Sei N = (E,K,s,z,c) ein Netzwerk mit Kapazität c(k) IN für alle k K. Beweisen oder widerlegen Sie: (a) Sind alle Werte der Kapazität gerade Zahlen, so existiert ein maximaler (s, z)-fluss, der nur geradzahlige Flusswerte besitzt. (b) Sind alle Werte der Kapazität ungerade Zahlen, so existiert ein maximaler (s, z)- Fluss, der nur ungeradzahlige Flusswerte besitzt. 81. In dem bipartiten Graphen G = (E,K) s 1 s 2 s 3 s 4 s 5 s 6 s 7 z 3 z4 z 1 z 2 z 5 z 6 z 7 ist das gesättigte Matching M = { s 1 z 2, s 2 z 3, s 3 z 1, s 5 z 4, s 6 z 7 } gegeben. Konstruieren Sie mit Hilfe des Algorithmus von Ford-Fulkerson ein maximales Matching. Wandeln Sie dazu den Graphen in ein Netzwerk (E,K,s,z,c) um und bestimmen Sie einen geeigneten Fluss, der dem Matching M entspricht. 82. Sei N = (E,K,s,z,c) ein Netzwerk, c : E IR eine nichtnegative Funktion. Gesucht ist ein maximaler Fluß in N, der den Bedingungen 0 f(k) c(k) für alle k K, f(k) c(e) für alle e E \{s,z} k K (e)

23 genügt. Transformieren Sie das Problem so, dass man den Satz vom Minimalschnitt-Maximalfluß anwenden kann. Beschreiben Sie Ihr Vorgehen an dem Netzwerk N = (E,K,s,z,c) mit E = {s,a,b,z}, K = { sa, sb, az, bz, ba}, c( sa) = 3, sb = 5, az = 1, bz = 2, ba = 3 und mit c(a) = 4, c(b) = 6. (9 Punkte) 83. Seieni,j INundN = (E,K,s 1,s 2...,s m,z 1,z 2,...,z n,c)einnetzwerk mit denquellen s 1,s 2...,s m und den Senken z 1,z 2,...,z n. Gesucht ist ein Fluß f mit 0 f(k) c(k) für alle k K, f( ue) = f( ew) für alle e E \{s 1,s 2...,s m,z 1,z 2,...,z n } ew K ue K und mit maximalem Wert f = s i u K,1 i m f( s i u) us i K,1 i m f( us i ). Wie kann man die Ergebnisse aus Kapitel 7 auf ein solches Netzwerk anwenden? Abgabe der Aufgaben 79, 82 bis 1.2. vor der Übung.

6. Übung zur Linearen Optimierung SS08

6. Übung zur Linearen Optimierung SS08 6 Übung zur Linearen Optimierung SS08 1 Sei G = (V, E) ein schlichter ungerichteter Graph mit n Ecken und m Kanten Für eine Ecke v V heißt die Zahl der Kanten (u, v) E Grad der Ecke (a) Ist die Anzahl

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

Minimal spannender Baum

Minimal spannender Baum Minimal spannender Baum 16 1 2 21 5 11 19 6 6 3 14 33 10 5 4 18 Die Kreise zeigen die vorgesehenen Standorte neu zu errichtender Filialen einer Bank. Entlang der bestehenden Straßen sollen Telefonleitungen

Mehr

Effiziente Algorithmen I

Effiziente Algorithmen I H 10. Präsenzaufgabenblatt, Wintersemester 2015/16 Übungstunde am 18.01.2015 Aufgabe Q Ein Reiseveranstalter besitzt ein Flugzeug, das maximal p Personen aufnehmen kann. Der Veranstalter bietet einen Flug

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

Anmerkungen zur Übergangsprüfung

Anmerkungen zur Übergangsprüfung DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung

Mehr

Kapitel 5: Minimale spannende Bäume Gliederung der Vorlesung

Kapitel 5: Minimale spannende Bäume Gliederung der Vorlesung Gliederung der Vorlesung 1. Grundbegriffe 2. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege. Minimale spannende Bäume. Färbungen und Cliquen. Traveling Salesman Problem. Flüsse in Netzwerken

Mehr

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Pfade. Traveling Salesman Problem. Flüsse in Netzwerken

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen und Datenstrukturen 2 Algorithmen und Datenstrukturen 2 Sommersemester 2006 3. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Algorithmen für Graphen Fragestellungen: Suche

Mehr

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph.

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. a) Es seien W 1 = (V, E 1 ), W 2 = (V, E 2 ) Untergraphen von G, die beide Wälder sind. Weiter gelte E 1 > E 2.

Mehr

5 Graphen und Polyeder

5 Graphen und Polyeder 5 Graphen und Polyeder 5.1 Graphen und Eulersche Polyederformel Ein Graph besteht aus einer Knotenmenge V (engl. vertex) und einer Kantenmenge E (engl. edge). Anschaulich verbindet eine Kante zwei Knoten,

Mehr

ADS: Algorithmen und Datenstrukturen 2

ADS: Algorithmen und Datenstrukturen 2 ADS: Algorithmen und Datenstrukturen Der Tragödie IV. Theyl Peter F. Stadler & Konstantin Klemm Bioinformatics Group, Dept. of Computer Science & Interdisciplinary Center for Bioinformatics, University

Mehr

Wiederholung zu Flüssen

Wiederholung zu Flüssen Universität Konstanz Methoden der Netzwerkanalyse Fachbereich Informatik & Informationswissenschaft SS 2008 Prof. Dr. Ulrik Brandes / Melanie Badent Wiederholung zu Flüssen Wir untersuchen Flüsse in Netzwerken:

Mehr

Kapitel 3. Kombinatorische Optimierung. 3.1 Begriffe aus der Graphentheorie

Kapitel 3. Kombinatorische Optimierung. 3.1 Begriffe aus der Graphentheorie Kapitel 3 Kombinatorische Optimierung 3 Begriffe aus der Graphentheorie Zur Beschreibung vieler Optimierungsprobleme eignet sich besonders die Sprache der Graphentheorie Das erste graphentheoretisch beschriebene

Mehr

Graphentheorie. Organisatorisches. Organisatorisches. Organisatorisches. Rainer Schrader. 23. Oktober 2007

Graphentheorie. Organisatorisches. Organisatorisches. Organisatorisches. Rainer Schrader. 23. Oktober 2007 Graphentheorie Rainer Schrader Organisatorisches Zentrum für Angewandte Informatik Köln 23. Oktober 2007 1 / 79 2 / 79 Organisatorisches Organisatorisches Dozent: Prof. Dr. Rainer Schrader Weyertal 80

Mehr

Definition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.

Definition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V. Kapitel 4 Graphenalgorithmen 4.1 Definitionen Definition 4.1.1. Der Graph G = (V, E) ist über die beiden Mengen V und E definiert, wobei V die Menge der Knoten und E die Menge der Kanten in dem Graph ist.

Mehr

Statistik und Graphentheorie

Statistik und Graphentheorie Statistik und Graphentheorie Sommersemester 2012 3. Juli 2012 Teil Graphentheorie Name: Matrikelnummer: 1 (12) 2 (12) 3 (12) 4 (12) 5 (12) (60) Aufgabe 1 (12 Punkte) Gegeben sei das folgende Netzwerk:

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen und Datenstrukturen 2 Algorithmen und Datenstrukturen 2 Sommersemester 2006 5. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Wdhlg.: Dijkstra-Algorithmus I Bestimmung der

Mehr

entheoretische Konzepte und Algorithmen

entheoretische Konzepte und Algorithmen Sven Oliver Krumke, Hartmut Noitemeier entheoretische Konzepte und Algorithmen Teubner Inhaltsverzeichnis 1 Einleitung 1 1.1 Routenplanung 1 1.2 Frequenzplanung im Mobilfunk I 1.3 Museumswärter 3 1.4 Das

Mehr

Algorithmische Mathematik

Algorithmische Mathematik Algorithmische Mathematik Wintersemester 2013 Prof. Dr. Marc Alexander Schweitzer und Dr. Einar Smith Patrick Diehl und Daniel Wissel Übungsblatt 6. Abgabe am 02.12.2013. Aufgabe 1. (Netzwerke und Definitionen)

Mehr

William Rowan Hamilton,

William Rowan Hamilton, 3.2.2 Hamiltonkreise Definition 130. In einem Graph G = (V,E) nennt man einen Kreis, der alle Knoten aus V genau einmal durchläuft, einen Hamiltonkreis. Enthält ein Graph eine Hamiltonkreis, nennt man

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2010/2011 1/59 Graphische Darstellung von Zusammenhängen schon

Mehr

3. Musterlösung. Problem 1: Boruvka MST

3. Musterlösung. Problem 1: Boruvka MST Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 06/07 ITI Wagner. Musterlösung Problem : Boruvka MST pt (a) Beweis durch Widerspruch. Sei T MST von G, e die lokal minimale Kante eines

Mehr

Gibt es in Königsberg einen Spaziergang, bei dem man jede der. Pregelbrücken. überquert?

Gibt es in Königsberg einen Spaziergang, bei dem man jede der. Pregelbrücken. überquert? Graphentheorie Gibt es in Königsberg einen Spaziergang, bei dem man jede der sieben Pregelbrücken genau einmal überquert? 1 Königsberger Brückenproblem Im Jahre 1736 Leonhard Euler löste das Problem allgemein

Mehr

Minimal spannende Bäume

Minimal spannende Bäume http://www.uni-magdeburg.de/harbich/ Minimal spannende Fakultät für Informatik Otto-von-Guericke-Universität 2 Inhalt Definition Wege Untergraphen Kantengewichtete Graphen Minimal spannende Algorithmen

Mehr

Ausarbeitung über den Satz von Menger und den Satz von König

Ausarbeitung über den Satz von Menger und den Satz von König Ausarbeitung über den Satz von Menger und den Satz von König Myriam Ezzedine, 0326943 Anton Ksernofontov, 0327064 Jürgen Platzer, 0025360 Nataliya Sokolovska, 0326991 1. Beweis des Satzes von Menger Bevor

Mehr

Ausarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme

Ausarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme Universität Hamburg Fachbereich Mathematik Seminar: Proseminar Graphentheorie Dozentin: Haibo Ruan Sommersemester 2011 Ausarbeitung zum Modulabschluss Graphentheorie spannende Bäume, bewertete Graphen,

Mehr

Vollständiger Graph. Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete).

Vollständiger Graph. Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete). Vollständiger Graph Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete). Mit K n wird der vollständige Graph mit n Knoten bezeichnet. Bemerkung

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK

TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 2009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 11 Prof. Dr. Helmut Seidl, S. Pott,

Mehr

Graph Paar (V,E) V: nichtleere Menge von Knoten (vertex) E: Menge von Kanten (edges): Relation (Verbindung) zwischen den Knoten

Graph Paar (V,E) V: nichtleere Menge von Knoten (vertex) E: Menge von Kanten (edges): Relation (Verbindung) zwischen den Knoten Graphentheorie Graph Paar (V,E) V: nichtleere Menge von Knoten (vertex) E: Menge von Kanten (edges): Relation (Verbindung) zwischen den Knoten gerichteter Graph (DiGraph (directed graph) E: Teilmenge E

Mehr

Kapitel 4: Minimal spannende Bäume Gliederung der Vorlesung

Kapitel 4: Minimal spannende Bäume Gliederung der Vorlesung Kapitel : Minimal spannende Bäume Gliederung der Vorlesung. Fallstudie Bipartite Graphen 2. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Wege. Traveling

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Kapitel 15: Graphen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik

Mehr

Kapitel 4: Minimale spannende Bäume Gliederung der Vorlesung

Kapitel 4: Minimale spannende Bäume Gliederung der Vorlesung Kapitel : Minimale spannende Bäume Gliederung der Vorlesung. Grundbegriffe 2. Elementare Graphalgorithmen und Anwendungen. Kürzeste Wege. Minimale spannende Bäume. Färbungen und Cliquen. Traveling Salesman

Mehr

8 Diskrete Optimierung

8 Diskrete Optimierung 8 Diskrete Optimierung Definition 8.1. Ein Graph G ist ein Paar (V (G), E(G)) besteh aus einer lichen Menge V (G) von Knoten (oder Ecken) und einer Menge E(G) ( ) V (G) 2 von Kanten. Die Ordnung n(g) von

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

κ(k) k K S Algorithmus zur Bestimmung eines spannenden Baumes mit minimalen Kosten (Kruskal, 1965).

κ(k) k K S Algorithmus zur Bestimmung eines spannenden Baumes mit minimalen Kosten (Kruskal, 1965). 5. Graphenprobleme Im folgenden bezeichnen G = (E, K) einen endlichen Graphen mit der Eckenmenge E und der Kantenmenge K. G kann ungerichtet, gerichtet, schlicht oder nicht schlicht sein. 5.1 Spannende

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

Westfählische Wilhelms-Universität. Eulersche Graphen. Autor: Jan-Hendrik Hoffeld

Westfählische Wilhelms-Universität. Eulersche Graphen. Autor: Jan-Hendrik Hoffeld Westfählische Wilhelms-Universität Eulersche Graphen Autor: 21. Mai 2015 Inhaltsverzeichnis 1 Das Königsberger Brückenproblem 1 2 Eulertouren und Eulersche Graphen 2 3 Auffinden eines eulerschen Zyklus

Mehr

Formale Grundlagen der Informatik

Formale Grundlagen der Informatik Formale Grundlagen der Informatik / 2015 1 Die Elemente einer (endlichen) Menge sollen den Elementen einer zweiten, gleichmächtigen Menge zugeordnet werden Problemstellung Bipartite Graphen Zuordnungsprobleme

Mehr

Grundlagen Datenstrukturen Transitive Hülle Traversierung Kürzeste Wege Spannender Baum Max. Fluss Zuordnungen. 6. Graphen

Grundlagen Datenstrukturen Transitive Hülle Traversierung Kürzeste Wege Spannender Baum Max. Fluss Zuordnungen. 6. Graphen . Graphen viele praktische (Optimierungs-)Probleme sind als graphentheoretische Probleme formulierbar z.b. in Produktionsplanung, Personaleinsatzplanung,.... Grundlagen gerichteter, ungerichteter und gewichteter

Mehr

6. Flüsse in Netzwerken Berechnung maximaler Flüsse. dann berechnet der Markierungsalgorithmus für beliebige Kapazitätsfunktionen

6. Flüsse in Netzwerken Berechnung maximaler Flüsse. dann berechnet der Markierungsalgorithmus für beliebige Kapazitätsfunktionen 6. Flüsse in Netzwerken Berechnung maximaler Flüsse Satz 6.4. Ersetzt man in Algorithmus 6.1 den Schritt 2 durch 2a. Wähle den Knoten, der zuerst in eingefügt wurde. Setze. dann berechnet der arkierungsalgorithmus

Mehr

Netzwerk-Simplex. MinCostFlow als Lineares Programm. 1 of 12 Netzwerksimplex

Netzwerk-Simplex. MinCostFlow als Lineares Programm. 1 of 12 Netzwerksimplex Netzwerk-Simplex MinCostFlow als Lineares Programm of 2 Netzwerksimplex MinCostFlow geg: gerichteter Graph G, Kapazitäten u R R 0 { }, Bedarfe b V R, Pfeilkosten c R R ges: zulässiger b-fluss f mit minimalen

Mehr

Lernmodul 2 Graphen. Lernmodul 2: Geoobjekte und ihre Modellierung - Graphen

Lernmodul 2 Graphen. Lernmodul 2: Geoobjekte und ihre Modellierung - Graphen Folie 1 von 20 Lernmodul 2 Graphen Folie 2 von 20 Graphen Übersicht Motivation Ungerichteter Graph Gerichteter Graph Inzidenz, Adjazenz, Grad Pfad, Zyklus Zusammenhang, Trennende Kante, Trennender Knoten

Mehr

Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen

Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.172 Algorithmen und Datenstrukturen 1 VL 4.0 Übungsblatt 4 für die Übung

Mehr

Vorlesungen vom 5.Januar 2005

Vorlesungen vom 5.Januar 2005 Vorlesungen vom 5.Januar 2005 5 Planare Graphen 5.1 Beispiel: Gas, Wasser, Elektrik Drei eingeschworene Feinde, die im Wald leben, planen Trassen zu den Versorgungswerken für die drei Grundgüter Gas, Wasser

Mehr

(v) bezeichnet man die Menge aller Nachbarn eines Knotens v in G. Ferner bezeichnet man mit N G

(v) bezeichnet man die Menge aller Nachbarn eines Knotens v in G. Ferner bezeichnet man mit N G MALA Zirkel 1 à Beginn Nikolaus-Haus - nur links unten, zu diesem Punkt kann man mit Stift hinkommen und von ihr weg, dies kann ein oder zweimal erfolgen - Frage: owie müsste man das Haus verändern, um

Mehr

Graphen. Leonhard Euler ( )

Graphen. Leonhard Euler ( ) Graphen Leonhard Euler (1707-1783) 2 Graph Ein Graph besteht aus Knoten (nodes, vertices) die durch Kanten (edges) miteinander verbunden sind. 3 Nachbarschaftsbeziehungen Zwei Knoten heissen adjazent (adjacent),

Mehr

Algorithmische Graphentheorie

Algorithmische Graphentheorie Algorithmische Graphentheorie Sommersemester 204 4. Vorlesung Matchings / Paarungen Kombinatorische Anwendungen des Max-Flow-Min-Cut-Theorems Prof. Dr. Alexander Wolff 2 Paarungen (Matchings) Def. Sei

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

Graphen: Datenstrukturen und Algorithmen

Graphen: Datenstrukturen und Algorithmen Graphen: Datenstrukturen und Algorithmen Ein Graph G = (V, E) wird durch die Knotenmenge V und die Kantenmenge E repräsentiert. G ist ungerichtet, wenn wir keinen Start- und Zielpunkt der Kanten auszeichnen.

Mehr

Algorithmen und Datenstrukturen (WS 2007/08) 63

Algorithmen und Datenstrukturen (WS 2007/08) 63 Kapitel 6 Graphen Beziehungen zwischen Objekten werden sehr oft durch binäre Relationen modelliert. Wir beschäftigen uns in diesem Kapitel mit speziellen binären Relationen, die nicht nur nur besonders

Mehr

Polyeder, Konvexität, Platonische und archimedische Körper

Polyeder, Konvexität, Platonische und archimedische Körper Unter einem Polyeder verstehen wir einen zusammenhängenden Teil des dreidimensionalen Raumes der durch Polygone begrenzt wird. Seine Oberfläche besteht also aus Punkten (Ecken genannt), Strecken (Kanten

Mehr

6. Flüsse und Zuordnungen

6. Flüsse und Zuordnungen 6. Flüsse und Zuordnungen In diesem Kapitel werden Bewertungen von Kanten als maximale Kapazitäten interpretiert, die über solch eine Kante pro Zeiteinheit transportiert werden können. Wir können uns einen

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

M. Anderegg, E. Müller Graphentheorie

M. Anderegg, E. Müller Graphentheorie Graphentheorie In den nächsten zwei Doppellektion lernen Sie ein Gebiet der Mathematik kennen, dass sich komplett von allem bisher Gehörten unterscheidet: Die Graphentheorie. Sie wurde vom Schweizer Mathematiker

Mehr

Durchschnitt von Matroiden

Durchschnitt von Matroiden Durchschnitt von Matroiden Satz von Edmonds Dany Sattler 18. Januar 2007/ Seminar zur ganzzahligen Optimierung / Wallenfels Definition: Unabhängigkeitssystem Definition: Ein Mengensystem (S, J ) nennt

Mehr

Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 3: Minimal aufspannende Bäume und Matroide

Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 3: Minimal aufspannende Bäume und Matroide Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 3: Minimal aufspannende Bäume und Matroide Dipl-Math. Wolfgang Kinzner 3.4.2012 Kapitel 3: Minimal aufspannende Bäume und Matroide Minimal aufspannende

Mehr

Graphentheorie. Maximale Flüsse. Maximale Flüsse. Maximale Flüsse. Rainer Schrader. 31. Oktober Gliederung. sei G = (V, A) ein gerichteter Graph

Graphentheorie. Maximale Flüsse. Maximale Flüsse. Maximale Flüsse. Rainer Schrader. 31. Oktober Gliederung. sei G = (V, A) ein gerichteter Graph Graphentheorie Rainer Schrader Zentrum ür Angewandte Inormatik Köln 31. Oktober 2007 1 / 30 2 / 30 Gliederung maximale Flüsse Schnitte Edmonds-Karp-Variante sei G = (V, A) ein gerichteter Graph sei c eine

Mehr

Graphalgorithmen 2. Oleksiy Rybakov. 3. Juni Betreuer: Tobias Werth, Daniel Brinkers

Graphalgorithmen 2. Oleksiy Rybakov. 3. Juni Betreuer: Tobias Werth, Daniel Brinkers Graphalgorithmen 2 Oleksiy Rybakov 3. Juni 2015 Betreuer: Tobias Werth, Daniel Brinkers 1 / 40 Inhaltsverzeichnis 1 Minimale Spannbäume und Datenstrukturen 2 Kürzeste Wege 3 Spezielle Graphen 2 / 40 Minimale

Mehr

MafI I: Logik & Diskrete Mathematik (F. Hoffmann)

MafI I: Logik & Diskrete Mathematik (F. Hoffmann) Lösungen zum 14. und letzten Aufgabenblatt zur Vorlesung MafI I: Logik & Diskrete Mathematik (F. Hoffmann) 1. Ungerichtete Graphen (a) Beschreiben Sie einen Algorithmus, der algorithmisch feststellt, ob

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

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Fortgeschrittene Netzwerk- und Graph-Algorithmen Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester

Mehr

Einführung in die Graphentheorie. Monika König

Einführung in die Graphentheorie. Monika König Einführung in die Graphentheorie Monika König 8. 11. 2011 1 Vorwort Diese Seminararbeit basiert auf den Unterkapiteln 1.1-1.3 des Buches Algebraic Graph Theory von Chris Godsil und Gordon Royle (siehe

Mehr

f h c 7 a 1 b 1 g 2 2 d

f h c 7 a 1 b 1 g 2 2 d ) Man bestimme mit Hilfe des Dijkstra-Algorithmus einen kürzesten Weg von a nach h: c 7 a b f 5 h 3 4 5 i e 6 g 2 2 d Beim Dijkstra-Algorithmus wird in jedem Schritt von den noch unmarkierten Knoten jener

Mehr

Proseminar Online Algorithmen, Prof. Dr. Rolf Klein

Proseminar Online Algorithmen, Prof. Dr. Rolf Klein Proseminar Online Algorithmen, Prof. Dr. Rolf Klein Vortrag von Michael Daumen am 13.12.2000 Thema : Minimum Spanning Tree und 2-Approximation der TSP-Tour Inhalt des Vortrags : 1. genaue Vorstellung des

Mehr

Graphentheorie Mathe-Club Klasse 5/6

Graphentheorie Mathe-Club Klasse 5/6 Graphentheorie Mathe-Club Klasse 5/6 Thomas Krakow Rostock, den 26. April 2006 Inhaltsverzeichnis 1 Einleitung 3 2 Grundbegriffe und einfache Sätze über Graphen 5 2.1 Der Knotengrad.................................

Mehr

Elementargeometrie. Prof. Dr. Andreas Meister SS digital von: Frank Lieberknecht

Elementargeometrie. Prof. Dr. Andreas Meister SS digital von: Frank Lieberknecht Prof. Dr. Andreas Meister SS 2004 digital von: Frank Lieberknecht Geplanter Vorlesungsverlauf...1 Graphentheorie...1 Beispiel 1.1: (Königsberger Brückenproblem)... 1 Beispiel 1.2: (GEW - Problem)... 2

Mehr

16. Flächenfärbungen

16. Flächenfärbungen Chr.Nelius: Graphentheorie (WS 2015/16) 57 16. Flächenfärbungen In der Mitte des 19. Jahrhunderts tauchte eine Vermutung auf, die erst 125 Jahre später bewiesen werden sollte und die eine der bekanntesten

Mehr

2. Übungsblatt zu Algorithmen II im WS 2016/2017

2. Übungsblatt zu Algorithmen II im WS 2016/2017 Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders Dr. Christian Schulz, Dr. Simon Gog Michael Axtmann. Übungsblatt zu Algorithmen II im WS 016/017 Aufgabe

Mehr

Anwendungen von Netzwerkfluss. Wojciech Polcwiartek Institut für Informatik FU Berlin

Anwendungen von Netzwerkfluss. Wojciech Polcwiartek Institut für Informatik FU Berlin Anwendungen von Netzwerkfluss Wojciech Polcwiartek Institut für Informatik FU Berlin 13. 01. 2009 Gliederung Einführung Netzwerk, Fluss und Schnitt Max-Flow-Min-Cut Theorem Algorithmen zum Bestimmen vom

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 4 Programm des

Mehr

Freie Universität Berlin. Diskrete Mathematik. Ralf Borndörfer, Stephan Schwartz. Freie Universität. 08. April 2013

Freie Universität Berlin. Diskrete Mathematik. Ralf Borndörfer, Stephan Schwartz. Freie Universität. 08. April 2013 Diskrete Mathematik Ralf Borndörfer, Stephan Schwartz 08. April 2013 FUB VL Diskrete Mathematik SS 2013 1 Leonhard Euler (1707-1783) e i sin cos f(x) FUB VL Diskrete Mathematik SS 2013 2 Das Königsberger

Mehr

Ein Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist.

Ein Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist. Graphen Definition: Ein Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist. Begriffe: Gerichteter Graph: Alle Kanten haben eine Richtung vom Anfangsknoten

Mehr

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research, HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 10.7.2008 A Name, Vorname Matr. Nr. Aufgabe 1 : In drei Porzellanwerken W 1, W 2 und W 3 werden Speiseservice hergestellt,

Mehr

Gemischt-ganzzahlige und Kombinatorische Optimierung

Gemischt-ganzzahlige und Kombinatorische Optimierung 5. Präsenzaufgabenblatt, Sommersemester 2015 Übungstunde am 15.06.2015 Aufgabe J Betrachten Sie die LP-Relaxierung max c T x a T x b 0 x i 1 des 0/1-Knapsack-Problems mit n Gegenständen, c 0 und a > 0.

Mehr

2. Optimierungsprobleme 6

2. Optimierungsprobleme 6 6 2. Beispiele... 7... 8 2.3 Konvexe Mengen und Funktionen... 9 2.4 Konvexe Optimierungsprobleme... 0 2. Beispiele 7- Ein (NP-)Optimierungsproblem P 0 ist wie folgt definiert Jede Instanz I P 0 hat einen

Mehr

2 Eulersche Polyederformel und reguläre Polyeder

2 Eulersche Polyederformel und reguläre Polyeder 6 2 Eulersche Polyederformel und reguläre Polyeder 2.1 Eulersche Polyederformel Formal besteht ein Graph aus einer Knotenmenge X und einer Kantenmenge U. Jede Kante u U ist eine zweielementige Teilmenge

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

2. Repräsentationen von Graphen in Computern

2. Repräsentationen von Graphen in Computern 2. Repräsentationen von Graphen in Computern Kapitelinhalt 2. Repräsentationen von Graphen in Computern Matrizen- und Listendarstellung von Graphen Berechnung der Anzahl der verschiedenen Kantenzüge zwischen

Mehr

Planare Graphen, Traveling Salesman Problem, Transportnetze. Formale Methoden der Informatik WiSe 2012/2013 teil 4, folie 1 (von 61)

Planare Graphen, Traveling Salesman Problem, Transportnetze. Formale Methoden der Informatik WiSe 2012/2013 teil 4, folie 1 (von 61) Planare Graphen, Traveling Salesman Problem, Transportnetze Formale Methoden der Informatik WiSe 2012/2013 teil 4, folie 1 (von 61) Teil IV: Planare Graphen / Transportnetze 1. Planare Graphen / Traveling

Mehr

Überblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP

Überblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP Kap..1 Heuristiken Kap.. Approximative Algorithmen und Gütegarantien Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 3. VO DAP SS 008 14. Juli 009 Überblick

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

Studientag zur Algorithmischen Mathematik

Studientag zur Algorithmischen Mathematik Studientag zur Algorithmischen Mathematik Eulertouren, 2-Zusammenhang, Bäume und Baumisomorphismen Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 22. Mai 2011 Outline

Mehr

Definition 7.1. Der Coxeter Graph zu W ist der ungerichtete gewichtete Graph Γ W = (V, E), mit Eckenmenge V und Kantenmenge E, gegeben durch V = und

Definition 7.1. Der Coxeter Graph zu W ist der ungerichtete gewichtete Graph Γ W = (V, E), mit Eckenmenge V und Kantenmenge E, gegeben durch V = und 7. Coxeter Graphen Um die endlichen Spiegelungsgruppen zu klassifizieren, wollen wir ihnen nun Graphen zuordnen, die die Gruppen bis auf Isomorphie eindeutig bestimmen. Im Folgenden sei wie vorher Π Φ

Mehr

Einführung in die Graphentheorie. Modellierung mit Graphen. Aufgabe

Einführung in die Graphentheorie. Modellierung mit Graphen. Aufgabe Einführung in die Graphentheorie Modellierung mit Graphen Aufgabe Motivation Ungerichtete Graphen Gerichtete Graphen Credits: D. Jungnickel: Graphen, Netzwerke und Algorithmen, BI 99 G. Goos: Vorlesungen

Mehr

Polyeder und Platonische Körper

Polyeder und Platonische Körper Polyeder und Platonische Körper Ausarbeitung zum 30.11.2016 Linus Leopold Boes Matrikelnummer: 2446248 Algorithmen für planare Graphen Institut für Informatik HHU Düsseldorf Inhaltsverzeichnis 1 Einleitung

Mehr

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen Algebra und Diskrete Mathematik, PS3 Sommersemester 2016 Prüfungsfragen Erläutern Sie die Sätze über die Division mit Rest für ganze Zahlen und für Polynome (mit Koeffizienten in einem Körper). Wodurch

Mehr

Flüsse, Schnitte, bipartite Graphen

Flüsse, Schnitte, bipartite Graphen Flüsse, Schnitte, bipartite Graphen Vlad Popa 08.06.2010 Inhaltsverzeihnis 1. Flussnetzwerke und Flüsse 1.1 Ford- Fulkerson 1.2 Edmond Karp 1.3 Dinic 2. Schnitte 3. Maximaler Fluss bei minimalen Kosten

Mehr

Graphenalgorithmen I

Graphenalgorithmen I enalgorithmen I Tobias Pröger 21. Dezember 2016 Erklärung: Diese Mitschrift ist als Ergänzung zur Vorlesung gedacht. Wir erheben keinen Anspruch auf Vollständigkeit und Korrektheit. Wir sind froh über

Mehr

Gliederung. Definition Wichtige Aussagen und Sätze Algorithmen zum Finden von Starken Zusammenhangskomponenten

Gliederung. Definition Wichtige Aussagen und Sätze Algorithmen zum Finden von Starken Zusammenhangskomponenten Gliederung Zusammenhang von Graphen Stark Zusammenhängend K-fach Zusammenhängend Brücken Definition Algorithmus zum Finden von Brücken Anwendung Zusammenhangskomponente Definition Wichtige Aussagen und

Mehr

Routing Algorithmen. Begriffe, Definitionen

Routing Algorithmen. Begriffe, Definitionen Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über

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

Flüsse in Netzwerken

Flüsse in Netzwerken Skript zum Seminar Flüsse in Netzwerken WS 2008/09 David Meier Inhaltsverzeichnis 1 Einführende Definitionen und Beispiele 3 2 Schnitte in Flussnetzwerken 12 2.1 Maximaler s t Fluss..........................

Mehr

Graphen und Algorithmen

Graphen und Algorithmen Graphen und Algorithmen Vorlesung #7: Matchingtheorie Dr. Armin Fügenschuh Technische Universität Darmstadt WS 2007/2008 Übersicht Matchings und erweiternde Wege Satz von Berge Das Heiratsproblem und der

Mehr

16. Platonische Körper kombinatorisch

16. Platonische Körper kombinatorisch 16. Platonische Körper kombinatorisch Ein Würfel zeigt uns, daß es Polyeder gibt, wo in jeder Ecke gleich viele Kanten zusammenlaufen, und jede Fläche von gleich vielen Kanten berandet wird. Das Tetraeder

Mehr

Graphen. Formale Methoden der Informatik WiSe 2010/2011 teil 2, folie 1 (von 60)

Graphen. Formale Methoden der Informatik WiSe 2010/2011 teil 2, folie 1 (von 60) Graphen Formale Methoden der Informatik WiSe 2010/2011 teil 2, folie 1 (von 60) Teil II: Graphen 1. Einführung 2. Wege und Kreise in Graphen, Bäume 3. Planare Graphen / Traveling Salesman Problem 4. Transportnetzwerke

Mehr

Einführung in die Graphentheorie. Modellierung mit Graphen. Aufgabe

Einführung in die Graphentheorie. Modellierung mit Graphen. Aufgabe Einführung in die Graphentheorie Modellierung mit Graphen Aufgabe Motivation Ungerichtete Graphen Gerichtete Graphen Credits: D. Jungnickel: Graphen, Netzwerke und Algorithmen, BI 99 G. Goos: Vorlesungen

Mehr

Algorithmentheorie. 13 - Maximale Flüsse

Algorithmentheorie. 13 - Maximale Flüsse Algorithmentheorie 3 - Maximale Flüsse Prof. Dr. S. Albers Prof. Dr. Th. Ottmann . Maximale Flüsse in Netzwerken 5 3 4 7 s 0 5 9 5 9 4 3 4 5 0 3 5 5 t 8 8 Netzwerke und Flüsse N = (V,E,c) gerichtetes Netzwerk

Mehr

Felix Brandt, Jan Johannsen. Vorlesung im Wintersemester 2008/09

Felix Brandt, Jan Johannsen. Vorlesung im Wintersemester 2008/09 Felix Brandt, Jan Johannsen Vorlesung im Wintersemester 2008/09 Übersicht Übersicht Definition Ein Matching in G = (V, E) ist eine Menge M E mit e 1 e 2 = für e 1, e 2 M, e 1 e 2 Ein Matching M ist perfekt,

Mehr

Diskrete Strukturen. Hausaufgabe 1 (5 Punkte)

Diskrete Strukturen. Hausaufgabe 1 (5 Punkte) Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 15 Computergraphik & Visualisierung Prof. Dr. Rüdiger Westermann Dr. Werner Meixner Wintersemester 007/08 Lösungsblatt 7

Mehr