1. Übung Graphentheorie WS2016/17

Save this PDF as:
 WORD  PNG  TXT  JPG

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

4. Welchen Zusammenhang gibt es zwischen den Eckengraden und der Anzahl der Kanten eines ungerichteten Graphen?

4. Welchen Zusammenhang gibt es zwischen den Eckengraden und der Anzahl der Kanten eines ungerichteten Graphen? Kapitel 7 Graphentheorie Verständnisfragen Sachfragen 1. Was ist ein ungerichteter Graph? 2. Erläutern Sie den Begriff Adjazenz! 3. Erläutern Sie den Eckengrad in einem Graphen! 4. Welchen Zusammenhang

Mehr

1.Aufgabe: Minimal aufspannender Baum

1.Aufgabe: Minimal aufspannender Baum 1.Aufgabe: Minimal aufspannender Baum 11+4+8 Punkte v 1 v 2 1 3 4 9 v 3 v 4 v 5 v 7 7 4 3 5 8 1 4 v 7 v 8 v 9 3 2 7 v 10 Abbildung 1: Der Graph G mit Kantengewichten (a) Bestimme mit Hilfe des Algorithmus

Mehr

Einheit 11 - Graphen

Einheit 11 - Graphen Einheit - Graphen Bevor wir in medias res (eigentlich heißt es medias in res) gehen, eine Zusammenfassung der wichtigsten Definitionen und Notationen für Graphen. Graphen bestehen aus Knoten (vertex, vertices)

Mehr

= n (n 1) 2 dies beruht auf der Auswahl einer zweielementigen Teilmenge aus V = n. Als Folge ergibt sich, dass ein einfacher Graph maximal ( n E = 2

= n (n 1) 2 dies beruht auf der Auswahl einer zweielementigen Teilmenge aus V = n. Als Folge ergibt sich, dass ein einfacher Graph maximal ( n E = 2 1 Graphen Definition: Ein Graph G = (V,E) setzt sich aus einer Knotenmenge V und einer (Multi)Menge E V V, die als Kantenmenge bezeichnet wird, zusammen. Falls E symmetrisch ist, d.h.( u,v V)[(u,v) E (v,u)

Mehr

Lösungen zu Kapitel 5

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

Mehr

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

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

Mehr

Übungen zu Kombinatorik und Graphentheorie

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

Mehr

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

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

Mehr

Diskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen)

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

Mehr

3.6 Branch-and-Bound-Verfahren

3.6 Branch-and-Bound-Verfahren 36 Branch-and-Bound-Verfahren Die Branch-and-Bound -Methode beruht darauf, auf eine intelligente Weise alle zulässigen Lösungen eines kombinatorischen Optimierungsproblems aufzulisten und mit Hilfe von

Mehr

Graphentheorie. Dr. Theo Overhagen Mathematik Universität Siegen

Graphentheorie. Dr. Theo Overhagen Mathematik Universität Siegen Graphentheorie Dr. Theo Overhagen Mathematik Universität Siegen I Literatur Beutelspacher/Zschiegner: Diskrete Mathematik für Einsteiger, Springer Spektrum, 204 Bollobas: Modern Graph Theory, Springer,

Mehr

Algorithmische Graphentheorie

Algorithmische Graphentheorie Algorithmische Graphentheorie Vorlesung 4: Suchstrategien Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 14. April 2017 HALBORDNUNG TOPOLOGISCHE ORDNUNG TOPOLOGISCHES

Mehr

11: Die Euler sche Polyederformel für planare Graphen

11: Die Euler sche Polyederformel für planare Graphen Chr.Nelius: Graphentheorie (WS 2016/17) 38 11: Die Euler sche Polyederformel für planare Graphen (11.1) BEM: a) Ein Polyeder (auch Vielflach oder Vielflächner) ist ein geometrischer Körper, der nur von

Mehr

Bipartite Graphen. Beispiele

Bipartite Graphen. Beispiele Bipartite Graphen Ein Graph G = (V, E) heiÿt bipartit (oder paar), wenn die Knotenmenge in zwei disjunkte Teilmengen zerfällt (V = S T mit S T = ), sodass jede Kante einen Knoten aus S mit einem Knoten

Mehr

durch Einfügen von Knoten konstruiert werden kann.

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

Mehr

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

Graphen. Graphen und ihre Darstellungen

Graphen. Graphen und ihre Darstellungen Graphen Graphen und ihre Darstellungen Ein Graph beschreibt Beziehungen zwischen den Elementen einer Menge von Objekten. Die Objekte werden als Knoten des Graphen bezeichnet; besteht zwischen zwei Knoten

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

Name:... Vorname:... Matr.-Nr.:... Studiengang:...

Name:... Vorname:... Matr.-Nr.:... Studiengang:... Technische Universität Braunschweig Sommersemester 2013 IBR - Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Dr. Christiane Schmidt Stephan Friedrichs Klausur Netzwerkalgorithmen 16.07.2013 Name:.....................................

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

Algorithmen und Datenstrukturen 2-1. Seminar -

Algorithmen und Datenstrukturen 2-1. Seminar - Algorithmen und Datenstrukturen 2-1. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Sommersemster 2010 Outline 1. Übungsserie: 3 Aufgaben, insgesamt 30 28 Punkte A1 Spannbäume (10 8

Mehr

Algorithmische Graphentheorie

Algorithmische Graphentheorie Algorithmische Graphentheorie Vorlesung 13: Flüsse und Zuordnungen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 9. Juni 2017 DURCHSATZ D(e) ist die maximale Flussmenge,

Mehr

Grundbegri e der Graphentheorie: Eckengrad, Wege und Kreise, Zusammenhang

Grundbegri e der Graphentheorie: Eckengrad, Wege und Kreise, Zusammenhang raphen- und Berechenbarkeitstheorie rundbegri e der raphentheorie: Eckengrad, Wege und Kreise, Zusammenhang 0.1 raphen Ein raph ist ein aar = (V, E) disjunkter Mengen mit E [V ]2, wobei [V ]2 die Menge

Mehr

Graphentheorie. Formale Grundlagen (WIN) 2008S, F. Binder. Vorlesung im 2008S

Graphentheorie. Formale Grundlagen (WIN) 2008S, F. Binder. Vorlesung im 2008S Minimale Graphentheorie Formale Grundlagen (WIN) Franz Binder Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Minimale Inhalt

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

Eulerweg, Eulerkreis. Das Königsberger Brückenproblem. Definition 3.1. Ein Weg, der jede Kante von G genau einmal

Eulerweg, Eulerkreis. Das Königsberger Brückenproblem. Definition 3.1. Ein Weg, der jede Kante von G genau einmal 3. Kreis- und Wegeprobleme Kapitelübersicht 3. Kreis- und Wegeprobleme Eulerweg, Eulerkreis Charakterisierung von eulerschen Graphen Bestimmung von eulerschen Wegen und Kreisen Hamiltonsche Graphen Definition

Mehr

Algo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7

Algo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7 1 Kürzeste Pfade Woche 6 7 Hier arbeiten wir mit gewichteten Graphen, d.h. Graphen, deren Kanten mit einer Zahl gewichtet werden. Wir bezeichnen die Gewichtsfunktion mit l : E R. Wir wollen einen kürzesten

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

Formale Grundlagen. bis , Lösungen. 1. Beweisen Sie, daß die Summe aller Grade der Knoten stets gerade ist.

Formale Grundlagen. bis , Lösungen. 1. Beweisen Sie, daß die Summe aller Grade der Knoten stets gerade ist. Formale Grundlagen 4. Übungsaufgaben bis 2011-06-03, Lösungen 1. Beweisen Sie, daß die Summe aller Grade der Knoten stets gerade ist. 2. Finden Sie einen Eulerschen Weg im Briefumschlag, d.h. in: { ((1,

Mehr

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

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

Mehr

Für die Anzahl der Kanten in einem vollständigen Graphen (und damit für die maximale Anzahl von Kanten in einem einfachen Graphen) gilt:

Für die Anzahl der Kanten in einem vollständigen Graphen (und damit für die maximale Anzahl von Kanten in einem einfachen Graphen) gilt: Der K 4 lässt sich auch kreuzungsfrei zeichnen: Für die Anzahl der Kanten in einem vollständigen Graphen (und damit für die maximale Anzahl von Kanten in einem einfachen Graphen) gilt: ( ) n n (n 1) E

Mehr

Graphen für Einsteiger

Graphen für Einsteiger Manfred Nitzsche Graphen für Einsteiger Rund um das Haus vom Nikolaus vieweg 1 Erste Graphen 1 Das Haus vom Nikolaus 1 Was ist ein Graph? 2 Auch das ist bei Graphen möglich! 3 Der Grad einer Ecke 4 Verschiedene

Mehr

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

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

Mehr

Graphen für Einsteiger

Graphen für Einsteiger Manfred Nitzsche Graphen für Einsteiger Rund um das Haus vom Nikolaus 2., korrigierte Auflage vieweg 1 Erste Graphen 1 Das Haus vom Nikolaus 1 Was ist ein Graph? 2 Auch das ist bei Graphen möglich! 3 Der

Mehr

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

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

Mehr

Bäume und Wälder. Definition 1

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

Mehr

2. November Gradfolgen Zusammenhang Kürzeste Wege. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37

2. November Gradfolgen Zusammenhang Kürzeste Wege. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37 2. November 2011 Gradfolgen Zusammenhang Kürzeste Wege H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37 Satz von Erdős und Gallai Eine Partition einer natürlichen Zahl ist genau dann die Gradfolge

Mehr

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

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

Mehr

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

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

Mehr

4. Kreis- und Wegeprobleme

4. Kreis- und Wegeprobleme 4. Kreis- und Wegeprobleme Kapitelübersicht 4. Kreis- und Wegeprobleme Charakterisierung von eulerschen Graphen Bestimmung von eulerschen Wegen und Kreisen Hamiltonsche Graphen Abstände in Graphen Berechnung

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen

Zentralübung zur Vorlesung Diskrete Strukturen WS 2010/11 Zentralübung zur Vorlesung Diskrete Strukturen Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2010ws/ds/uebung/ 2. Februar 2011 ZÜ DS ZÜ XIII 1. Übungsbetrieb:

Mehr

Ein Turnierplan mit fünf Runden

Ein Turnierplan mit fünf Runden Mathematik I für Informatiker Graphen p. 1 Ein Turnierplan mit fünf Runden c b a c b a c b a c b a c b a d e d e d e d e d e Mathematik I für Informatiker Graphen p. 2 Definition: Graph Ein (schlichter)

Mehr

5. Musterlösung. Problem 1: Vitale Kanten * ω(f) > ω(f ). (a) Untersuchen Sie, ob es in jedem Netzwerk vitale Kanten gibt.

5. Musterlösung. Problem 1: Vitale Kanten * ω(f) > ω(f ). (a) Untersuchen Sie, ob es in jedem Netzwerk vitale Kanten gibt. Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 05/06 ITI Wagner 5. Musterlösung Problem : Vitale Kanten * In einem Netzwerk (D = (V, E); s, t; c) mit Maximalfluß f heißen Kanten e

Mehr

Diskrete Mathematik für Informatiker

Diskrete Mathematik für Informatiker Universität Siegen Lehrstuhl Theoretische Informatik Carl Philipp Reh Daniel König Diskrete Mathematik für Informatiker WS 016/017 Übung 7 1. Gegeben sei folgender Graph und das Matching M = {{h, f}, {c,

Mehr

Operations Research. Flüsse in Netzwerken. Flüsse in Netzwerken. Unimodularität. Rainer Schrader. 2. Juli Gliederung.

Operations Research. Flüsse in Netzwerken. Flüsse in Netzwerken. Unimodularität. Rainer Schrader. 2. Juli Gliederung. Operations Research Rainer Schrader Flüsse in Netzwerken Zentrum für Angewandte Informatik Köln 2. Juli 2007 1 / 53 2 / 53 Flüsse in Netzwerken Unimodularität Gliederung Netzwerke und Flüsse bipartite

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

Mustererkennung: Graphentheorie

Mustererkennung: Graphentheorie Mustererkennung: Graphentheorie D. Schlesinger TUD/INF/KI/IS D. Schlesinger () ME: Graphentheorie 1 / 9 Definitionen Ein Graph ist ein Paar G = (V, E) mit der Menge der Knoten V und der Menge der Kanten:

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

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

3 Klassifikation wichtiger Optimierungsprobleme

3 Klassifikation wichtiger Optimierungsprobleme 3 Klassifikation wichtiger Optimierungsprobleme 3.1 Das MIN- -TSP Wir kehren nochmal zurück zum Handlungsreisendenproblem für Inputs (w {i,j} ) 1 i

Mehr

Graphentheorie. Zusammenhang. Zusammenhang. Zusammenhang. Rainer Schrader. 13. November 2007

Graphentheorie. Zusammenhang. Zusammenhang. Zusammenhang. Rainer Schrader. 13. November 2007 Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 13. November 2007 1 / 84 2 / 84 Gliederung stest und Schnittkanten älder und Bäume minimal aufspannende Bäume Der Satz von Menger 2-zusammenhängende

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza)

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

Mehr

Anwendungen von Graphen

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

Mehr

3 Kürzeste und längste Wege

3 Kürzeste und längste Wege 33 3 Kürzeste und längste Wege 3. Kürzeste Wege Praktisch jeder von uns nutzt Routenplaner (im Internet, Smartphone oder Navi), um den kürzesten/ schnellsten/ wirtschaftlichsten Weg von einem Startort

Mehr

Diskrete Mathematik. Hamiltonsche Graphen Teil I. Karina Arndt

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

Mehr

6. Flüsse und Zuordnungen

6. Flüsse und Zuordnungen 6. Flüsse und Zuordnungen Flußnetzwerke 6. Flüsse und Zuordnungen In diesem Kapitel werden Bewertungen von Kanten als maximale Kapazitäten interpretiert, die über diese Kante pro Zeiteinheit transportiert

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) WS 2011/12 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2011ws/ds/uebung/ 25. Januar 2012 ZÜ DS ZÜ XIII

Mehr

Kapitel 3. Kapitel 3 Graphentheorie

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

Mehr

6. Planare Graphen und Färbungen

6. Planare Graphen und Färbungen 6. Planare Graphen und Färbungen Lernziele: Den Begriff der Planarität verstehen und erläutern können, wichtige Eigenschaften von planaren Graphen kennen und praktisch einsetzen können, die Anzahl von

Mehr

Wiederholung aus Diskreter Mathematik I: I: Graphentheorie

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

Mehr

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

Von den Kanten von Gewicht 4 wird nur noch eine ausgewählt, die zu dem letzten nicht ausgewählten Knoten führt: 1. Juni

Von den Kanten von Gewicht 4 wird nur noch eine ausgewählt, die zu dem letzten nicht ausgewählten Knoten führt: 1. Juni CHAPTER. GRAPHEN.. B Ä UME.. Bäume Ein schlichter Graph ohne Kreise heisst Wald, ist er noch zusätzlich zusammenhängend so wird er Baum genannt. Bevor wir Bäume genauer beschreiben ein kleines LEMMA...

Mehr

5. Bäume und Minimalgerüste

5. Bäume und Minimalgerüste 5. Bäume und Minimalgerüste Charakterisierung von Minimalgerüsten 5. Bäume und Minimalgerüste Definition 5.1. Es ein G = (V, E) ein zusammenhängender Graph. H = (V,E ) heißt Gerüst von G gdw. wenn H ein

Mehr

6 Flüsse und Matchings

6 Flüsse und Matchings 6. Flüsse in Netzwerken Flußnetzwerke 6 Flüsse und Matchings In diesem Kapitel werden Bewertungen von Kanten als maximale Kapazitäten interpretiert, die über diese Kante pro Zeiteinheit transportiert werden

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

Trennender Schnitt. Wie groß kann der Fluss in dem folgenden Flussnetzwerk höchstens sein?

Trennender Schnitt. Wie groß kann der Fluss in dem folgenden Flussnetzwerk höchstens sein? 6. Flüsse und Zuordnungen max-flow min-cut Trennender Schnitt Wie groß kann der Fluss in dem folgenden Flussnetzwerk höchstens sein? a e s c d t b f Der Fluss kann nicht größer als die Kapazität der der

Mehr

Das Heiratsproblem. Definition Matching

Das Heiratsproblem. Definition Matching Das Heiratsproblem Szenario: Gegeben: n Frauen und m > n Männer. Bekanntschaftsbeziehungen zwischen allen Männern und Frauen. Fragestellung: Wann gibt es für jede der Frauen einen Heiratspartner? Modellierung

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

Lösungsskizzen zu den Klausuraufgaben zum Kurs 1142 Algorithmische Mathematik. a 0 = 0 =

Lösungsskizzen zu den Klausuraufgaben zum Kurs 1142 Algorithmische Mathematik. a 0 = 0 = Lösungsskizzen zu den Klausuraufgaben zum Kurs 4 Algorithmische Mathematik 4KSL3 6 Punkte Aufgabe. Die Folge (a n ) n N natürlicher Zahlen a n sei rekursiv definiert durch a 0 = 0, a n = a n + n falls

Mehr

Graphen. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden

Graphen. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden Graphen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Ein Turnierplan mit fünf Runden c d b e a c d b e a c d b e a c d b b c a a d e e Das Diagramm beschreibt

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

WS 2008/09. Diskrete Strukturen

WS 2008/09. Diskrete Strukturen WS 2008/09 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/ws0809

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

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

Aufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1

Aufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1 Lösungen zu den Übungsaufgaben im Kapitel 4 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier Aufgabe 1: Berechnen Sie für den in Abbildung

Mehr

WS 2013/14. Diskrete Strukturen

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

Mehr

Übungsblatt 2 - Lösung

Übungsblatt 2 - Lösung Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 2 - Lösung Vorlesung Algorithmentechnik im WS 08/09 Ausgabe 04. November 2008 Abgabe 8. November, 5:0 Uhr (im Kasten vor Zimmer

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

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

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

9: Gewichtete Graphen

9: Gewichtete Graphen Chr.Nelius: Graphentheorie (WS 06/7) 9 9: Gewichtete Graphen Beispiel: Eine Straßenkarte mit Entfernungsangaben zwischen den Orten ist ein Beispiel für einen gewichteten Graphen. (9.) DEF: Ein Graph G

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

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Fortgeschrittene Netzwerk- und Graph-Algorithmen Fortgeschrittene Netzwerk- und Graph-Algorithmen Dr. Hanjo Täubig Lehrstuhl für Eziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester 2007/08

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

Graphen und Bäume. A.1 Graphen

Graphen und Bäume. A.1 Graphen Algorithmen und Datenstrukturen 96 A Graphen und Bäume A.1 Graphen Ein gerichteter Graph (auch Digraph) G ist ein Paar (V, E), wobei V eine endliche Menge und E eine Relation auf V ist, d.h. E V V. V heißt

Mehr

Klausur zum Modul Einführung in die Diskrete Mathematik

Klausur zum Modul Einführung in die Diskrete Mathematik Klausur zum Modul Einführung in die Diskrete Mathematik 11.2.2014 Aufgabe 1 [10 Punkte] Sei G ein ungerichteter Graph, k N und x, y, z V (G). Zeigen Sie: Gibt es k paarweise kantendisjunkte x-y-wege und

Mehr

Flüsse, Schnitte, bipartite Graphen

Flüsse, Schnitte, bipartite Graphen Flüsse, Schnitte, bipartite Graphen Thomas Fersch mail@t-fersch.de 11.06.2010 Seminar "Hallo Welt!" für Fortgeschrittene 1 Übersicht Maximale Flüsse in Netzwerken Worum geht s? Lösung nach Ford-Fulkerson

Mehr

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

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

Mehr

Ecken des Zuordnungsproblems

Ecken des Zuordnungsproblems Total unimodulare Matrizen Ecken des Zuordnungsproblems Definition.6 Ein Zuordnungsproblem mit den Vorzeichenbedingungen 0 apple x ij apple für i, j =,...,n statt x ij 2{0, } heißt relaxiertes Zuordnungproblem.

Mehr

Gruppenwertige Flüsse Übertragung endlicher Sätze ins unendliche. Bachelor Arbeit von Tim Sebastian Rühmann. 27. März Betreuer: Prof. R.

Gruppenwertige Flüsse Übertragung endlicher Sätze ins unendliche. Bachelor Arbeit von Tim Sebastian Rühmann. 27. März Betreuer: Prof. R. Gruppenwertige Flüsse Übertragung endlicher Sätze ins unendliche Bachelor Arbeit von Tim Sebastian Rühmann geboren am 30. Dezember 1986 in Hamburg 27. März 2010 Betreuer: Prof. R. Diestel Universität Hamburg

Mehr

Gibt es in Königsberg einen Spaziergang, bei dem man jede der sieben Pregelbrücken genau einmal überquert?

Gibt es in Königsberg einen Spaziergang, bei dem man jede der sieben Pregelbrücken genau einmal überquert? Graphentheorie Gibt es in Königsberg einen Spaziergang, bei dem man jede der sieben Pregelbrücken genau einmal überquert? Königsberger Brückenproblem Gibt es in Königsberg einen Spaziergang, bei dem man

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

Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen

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

Mehr

Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume)

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

Mehr

Helmut Schauer Educational Engineering Lab Department for Information Technology University of Zurich. Graphen (2)

Helmut Schauer Educational Engineering Lab Department for Information Technology University of Zurich. Graphen (2) Graphen (2) 1 Topologisches Sortieren (1) Die Kanten eines gerichteten zyklenfreien Graphen bilden eine Halbordnung (die Ordnungsrelation ist nur für solche Knoten definiert die am gleichen Pfad liegen).

Mehr