Grundbegriffe der Informatik

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Grundbegriffe der Informatik"

Transkript

1 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 1 / 65

2 Darstellung von Zusammenhängen oft Objekte durch Linien verbunden, z. B. in dieser Vorlesung in der Vorlesung Programmieren im realen Leben nun allgemein Gegenstand der Betrachtungen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 2 / 65

3 Königsberg, 1652 (heute Kaliningrad) GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 3 / 65

4 Königsberg, 1652 (heute Kaliningrad) GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 4 / 65

5 Königsberg, 1652 (heute Kaliningrad) Leonard Euler (1736): kein Spaziergang über jede Brücke genau einmal GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 4 / 65

6 Überblick Gerichtete Graphen Graphen und Teilgraphen Pfade und Erreichbarkeit Isomorphie von Graphen Ein Blick zurück auf Relationen Ungerichtete Graphen Übertragung der Grundbegriffe aus dem gerichteten Fall Eine Anmerkung zu Relationen Graphen mit Knoten- oder Kantenmarkierungen Gewichtete Graphen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 5 / 65

7 Wo sind wir? Gerichtete Graphen Graphen und Teilgraphen Pfade und Erreichbarkeit Isomorphie von Graphen Ein Blick zurück auf Relationen Ungerichtete Graphen Graphen mit Knoten- oder Kantenmarkierungen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 6 / 65

8 Wo sind wir? Gerichtete Graphen Graphen und Teilgraphen Pfade und Erreichbarkeit Isomorphie von Graphen Ein Blick zurück auf Relationen Ungerichtete Graphen Graphen mit Knoten- oder Kantenmarkierungen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 7 / 65

9 Gerichteter Graph Paar G = (V, E) Knotenmenge V endlich, nichtleer (Knoten: engl. vertex) Kantenmenge E V V (Kante: engl. edge) also auch endlich darf leer sein statt V = {0, 1, 2, 3, 4, 5} E = {(0, 1), (0, 3), (1, 2), (1, 3), (4, 5), (5, 4)} lieber GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 8 / 65

10 Gerichteter Graph Paar G = (V, E) Knotenmenge V endlich, nichtleer (Knoten: engl. vertex) Kantenmenge E V V (Kante: engl. edge) also auch endlich darf leer sein statt V = {0, 1, 2, 3, 4, 5} E = {(0, 1), (0, 3), (1, 2), (1, 3), (4, 5), (5, 4)} lieber oder GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 9 / 65

11 Man kann den gleichen Graphen verschieden hinmalen Anordnung der Knoten in der Darstellung irrelevant zwei Darstellungen des gleichen Graphen: GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 10 / 65

12 Bäume kamen schon mehrfach vor G = (V, E) mit V = {1} ( i Z 3 {0, 1} ) i = {1, 10, 11, 100, 101, 110, 111} E = {(w,wx) x {0, 1} w V wx V } = {(1, 10), (1, 11), (10, 100), (10, 101), (11, 110), (11, 111)} GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 11 / 65

13 de Bruijn-Graphen V = {0, 1} n und Kanten (xw,wy) Beispiel n = 3: V = {0, 1} 3 = {000, 001, 010, 011, 100, 101, 110, 111} E = {(xw,wy) x,y {0, 1} w {0, 1} 2 } = {(000, 000),..., (010, 101),... } Schlinge: (x, x) E schlingenfrei: ohne Schlingen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 12 / 65

14 Teilgraph G = (V, E ) ist ein Teilgraph von G = (V, E), wenn V V E E V V, Endpunkte von Kanten in E müssen in V sein Teilgraph des de Bruijn-Graphen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 13 / 65

15 Wo sind wir? Gerichtete Graphen Graphen und Teilgraphen Pfade und Erreichbarkeit Isomorphie von Graphen Ein Blick zurück auf Relationen Ungerichtete Graphen Graphen mit Knoten- oder Kantenmarkierungen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 14 / 65

16 Pfade können über mehrere Kanten führen V (+) : Menge der nichtleeren Listen von Elementen aus V p = (v 0,...,v n ) V (+) ist Pfad wenn für jedes i Z n gilt: (v i,v i+1 ) E Länge eines Pfades: Anzahl n = p 1 der Kanten (!) v n von v 0 erreichbar, wenn Pfad p = (v 0,...,v n ) existiert Länge 0 für Pfade erlaubt: p = (v 0 ) GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 15 / 65

17 Zyklen führen zum Ausgangspunkt zurück Pfad mit v 0 = v n heißt geschlossen geschlossenener Pfad heißt Zyklus, wenn n 1 ist. Pfad (v 0,...,v n ) wiederholungsfrei, wenn Knoten v 0,..., v n 1 paarweise verschieden und Knoten v 1,..., v n paarweise verschieden v 0 und v n dürfen gleich sein einfacher Zyklus: wiederholungsfreier Zyklus azyklischer Graph: kein Teilgraph ist Zyklus GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 16 / 65

18 Beispiele für Pfade (100) ist Pfad der Länge 0 (100, 001) ist Pfad der Länge 1 (100, 000, 001) ist Pfad der Länge 2 (110, 101, 011, 111, 111, 111) ist Pfad der Länge 5 (011, 110, 101, 011) ist einfacher Zyklus der Länge 3. GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 17 / 65

19 Beispiele für Pfade (100) ist Pfad der Länge 0 (100, 001) ist Pfad der Länge 1 (100, 000, 001) ist Pfad der Länge 2 (110, 101, 011, 111, 111, 111) ist Pfad der Länge 5 (011, 110, 101, 011) ist einfacher Zyklus der Länge 3. GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 18 / 65

20 Beispiele für Pfade (100) ist Pfad der Länge 0 (100, 001) ist Pfad der Länge 1 (100, 000, 001) ist Pfad der Länge 2 (110, 101, 011, 111, 111, 111) ist Pfad der Länge 5 (011, 110, 101, 011) ist einfacher Zyklus der Länge 3. GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 19 / 65

21 Beispiele für Pfade (100) ist Pfad der Länge 0 (100, 001) ist Pfad der Länge 1 (100, 000, 001) ist Pfad der Länge 2 (110, 101, 011, 111, 111, 111) ist Pfad der Länge 5 (011, 110, 101, 011) ist einfacher Zyklus der Länge 3. GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 20 / 65

22 Beispiele für Pfade zweimal (100) ist Pfad der Länge 0 (100, 001) ist Pfad der Länge 1 (100, 000, 001) ist Pfad der Länge 2 (110, 101, 011, 111, 111, 111) ist Pfad der Länge 5 (011, 110, 101, 011) ist einfacher Zyklus der Länge 3. GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 21 / 65

23 Beispiele für Pfade (100) ist Pfad der Länge 0 (100, 001) ist Pfad der Länge 1 (100, 000, 001) ist Pfad der Länge 2 (110, 101, 011, 111, 111, 111) ist Pfad der Länge 5 (011, 110, 101, 011) ist einfacher Zyklus der Länge 3. GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 22 / 65

24 Teilpfade Teilpfad eines Pfad p = (v 0,...,v n ) V (+) entsteht durch Streiche endlich vieler Knoten am Anfang oder/und am Ende mindestens ein Knoten muss übrig bleiben GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 23 / 65

25 Strenger Zusammenhang gerichteter Graph streng zusammenhängend für jedes Knotenpaar (x,y) V 2 existiert Pfad von x nach y Beispiel: GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 24 / 65

26 Strenger Zusammenhang gerichteter Graph streng zusammenhängend für jedes Knotenpaar (x,y) V 2 existiert Pfad von x nach y Beispiel: hier existieren sogar einfache Zyklen, die alle Knoten enthalten GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 24 / 65

27 Strenger Zusammenhang gerichteter Graph streng zusammenhängend für jedes Knotenpaar (x,y) V 2 existiert Pfad von x nach y Beispiel: hier existieren sogar einfache Zyklen, die alle Knoten enthalten GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 25 / 65

28 Gerichtete Bäume es gibt eine Wurzel r V mit der Eigenschaft zu jedem Knoten x existiert genau ein Pfad gleich: Wurzel immer eindeutig GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 26 / 65

29 Eindeutigkeit der Wurzel Lemma. Die Wurzel eines gerichteten Baumes ist eindeutig. Beweis. Angenommen, r und r wären verschiedene Wurzeln Dann gäbe es einen Pfad von r nach r, weil r Wurzel ist, und einen Pfad von r nach r, weil r Wurzel ist. Hintereinanderhängen dieser Pfade der Länge > 0 ergäbe Pfad von r nach r, der vom Pfad (r ) verschieden wäre. Also wäre der Pfad von r nach r gar nicht eindeutig. GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 27 / 65

30 Knotengrad bei gerichteten Graphen A D B C Eingangsgrad eines Knoten y ist d (y) = {x (x,y) E} Ausgangsgrad eines Knoten x ist d + (x) = {y (x,y) E} Grad eines Knotens ist d(x) = d (x) + d + (x) GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 28 / 65

31 Bäume: Blätter und innere Knoten bei einem Baum sind Blätter Knoten mit Ausgangsgrad = 0 innere Knoten Knoten mit Ausgangsgrad > 0 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 29 / 65

32 Wo sind wir? Gerichtete Graphen Graphen und Teilgraphen Pfade und Erreichbarkeit Isomorphie von Graphen Ein Blick zurück auf Relationen Ungerichtete Graphen Graphen mit Knoten- oder Kantenmarkierungen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 30 / 65

33 Struktur eines Graphen was ist das? das, was gleich bleibt, wenn man die Knoten umbenennt GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 31 / 65

34 Struktur eines Graphen was ist das? das, was gleich bleibt, wenn man die Knoten umbenennt G 1 = (V 1, E 1 ) isomorph zu G 2 = (V 2, E 2 ), wenn Bijektion f : V 1 V 2 existiert mit der Eigenschaft x V 1 : y V 1 : (x,y) E 1 (f (x), f (y)) E 2 f heißt dann auch ein (Graph-)Isomorphismus Beispiel: und A B C D GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 31 / 65

35 Struktur eines Graphen was ist das? das, was gleich bleibt, wenn man die Knoten umbenennt G 1 = (V 1, E 1 ) isomorph zu G 2 = (V 2, E 2 ), wenn Bijektion f : V 1 V 2 existiert mit der Eigenschaft x V 1 : y V 1 : (x,y) E 1 (f (x), f (y)) E 2 f heißt dann auch ein (Graph-)Isomorphismus f (00) = A f (01) = B f (11) = C f (10) = D Beispiel: und A B C D GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 31 / 65

36 Graphisomorphie hat drei wichtige Eigenschaften Wenn G 1 isomorph zu G 2, dann auch G 2 isomorph zu G 1 : f 1 leistet das Gewünschte. GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 32 / 65

37 Graphisomorphie hat drei wichtige Eigenschaften Wenn G 1 isomorph zu G 2, dann auch G 2 isomorph zu G 1 : f 1 leistet das Gewünschte. Jeder Graph ist isomorph zu sich selbst: wähle f = I V GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 32 / 65

38 Graphisomorphie hat drei wichtige Eigenschaften Wenn G 1 isomorph zu G 2, dann auch G 2 isomorph zu G 1 : f 1 leistet das Gewünschte. Jeder Graph ist isomorph zu sich selbst: wähle f = I V Wenn G 1 isomorph zu G 2 (dank f ) und wenn G 2 isomorph zu G 3 (dank д), dann G 1 isomorph zu G 3 (dank д f ) GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 32 / 65

39 Wo sind wir? Gerichtete Graphen Graphen und Teilgraphen Pfade und Erreichbarkeit Isomorphie von Graphen Ein Blick zurück auf Relationen Ungerichtete Graphen Graphen mit Knoten- oder Kantenmarkierungen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 33 / 65

40 Graphen sind Relationen Welche Bedeutung hat das Relationenprodukt? G = (V, E) mit E V V E binäre Relation auf V Frage: Bedeutung von E 2 = E E? E E = {(x, z) V V y V : (x,y) E (y, z) E} Pfad der Länge 2: Knotenliste p = (v 0,v 1,v 2 ) mit der Eigenschaft, dass (v 0,v 1 ) E (v 1,v 2 ) E. GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 34 / 65

41 Graphen sind Relationen Welche Bedeutung hat das Relationenprodukt? G = (V, E) mit E V V E binäre Relation auf V Frage: Bedeutung von E 2 = E E? E E = {(x, z) V V y V : (x,y) E (y, z) E} Pfad der Länge 2: Knotenliste p = (v 0,v 1,v 2 ) mit der Eigenschaft, dass (v 0,v 1 ) E (v 1,v 2 ) E. also Knotenpaar (x, z) genau dann in Relation E 2, wenn Pfad (x, y, z) der Länge 2 von x nach z existiert GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 34 / 65

42 Graphen sind Relationen Erreichbarkeit (x,y) E 2 es existiert Pfad der Länge 2 von x nach y. noch leichter (x,y) E 1 es existiert Pfad der Länge 1 von x nach y. (x,y) E 0 es existiert Pfad der Länge 0 von x nach y. GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 35 / 65

43 Graphen sind Relationen Erreichbarkeit (x,y) E 2 es existiert Pfad der Länge 2 von x nach y. noch leichter (x,y) E 1 es existiert Pfad der Länge 1 von x nach y. (x,y) E 0 es existiert Pfad der Länge 0 von x nach y. vollständige Induktion liefert Lemma. Für jeden gerichteten Graphen G = (V, E) und jedes i N 0 gilt: Knotenpaar (x,y) ist genau dann in der Relation E i, wenn in G Pfad der Länge i von x nach y vorhanden GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 35 / 65

44 Graphen sind Relationen Erreichbarkeit Korollar. Es sei G = (V, E) ein gerichteter Graph. Knotenpaar (x,y) ist genau dann in der Relation E, wenn Pfad (evtl. der Länge 0) von x nach y in G existiert. GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 36 / 65

45 Graphen sind Relationen Erreichbarkeit Korollar. Es sei G = (V, E) ein gerichteter Graph. Knotenpaar (x,y) ist genau dann in der Relation E, wenn Pfad (evtl. der Länge 0) von x nach y in G existiert. Korollar. Ein gerichteter Graph G = (V, E) ist genau dann streng zusammenhängend, wenn E = V V ist. GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 36 / 65

46 Was ist wichtig Das sollten Sie mitnehmen: gerichtete Graphen drücken Beziehungen aus (Relationen) Pfade strenger Zusammenhang Bäume Das sollten Sie üben: Benutzung der neuen Begriffe beim Reden Malen von Graphen sehen, wann Graphen isomorph sind GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 37 / 65

47 Wo sind wir? Gerichtete Graphen Ungerichtete Graphen Übertragung der Grundbegriffe aus dem gerichteten Fall Eine Anmerkung zu Relationen Graphen mit Knoten- oder Kantenmarkierungen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 38 / 65

48 Wo sind wir? Gerichtete Graphen Ungerichtete Graphen Übertragung der Grundbegriffe aus dem gerichteten Fall Eine Anmerkung zu Relationen Graphen mit Knoten- oder Kantenmarkierungen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 39 / 65

49 Ungerichtete Graphen mit Kanten ohne Richtung manchmal zu jeder Kante (x, y) E auch «umgekehrte Kante» (y, x) E graphische Darstellung der zwei gerichteten Kanten (x, y) und (y, x) durch einen Strich ohne Pfeilspitzen Man spricht dann auch nur von einer Kante. Beispiel GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 40 / 65

50 Ungerichtete Graphen formal definiert Ein ungerichteter Graph ist eine Struktur U = (V, E) mit V : endliche nichtleere Menge von Knoten E: Menge von Kanten mit E { {x,y} x V y V } adjazente Knoten: durch eine Kante miteinander verbunden Schlinge Kante mit identischen Start- und Zielknoten formal ergibt sich {x, y} mit x = y, also einfach {x} Graph ohne Schlingen heißt schlingenfrei GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 41 / 65

51 Beispiel V = {0, 1, 2, 3, 4, 5} E = { {0, 1}, {0, 3}, {1, 3}, {3}, {4, 5} } 4 5 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 42 / 65

52 Beispiel V = {0, 1, 2, 3, 4, 5} E = { {0, 1}, {0, 3}, {1, 3}, {3}, {4, 5} } 4 5 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 42 / 65

53 Teilgraph eines ungerichteten Graphen U = (V, E ) ist Teilgraph eines ungerichteten Graphen U = (V, E), wenn V V und E E { {x,y} x,y V }. Endpunkte jeder Kante von E müssen zu V gehören. GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 43 / 65

54 Wege das ungerichtete Gegenstück zu Pfaden p = (v 0,...,v n ) V (+) ist Weg in einem ungerichteten Graphen, wenn für jedes i Z n gilt: {v i,v i+1 } E Länge eines Weges: Anzahl n = p 1 der Kanten (!) v n von v 0 erreichbar, wenn Weg p = (v 0,...,v n ) existiert Weg (v 0,...,v n ) heißt wiederholungsfrei, wenn gilt: Knoten v 0,..., v n 1 paarweise verschieden und Knoten v 1,..., v n paarweise verschieden v 0 und v n dürfen gleich sein GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 44 / 65

55 Kreise das ungerichtete Gegenstück zu Zyklen geschlossener Weg oder Kreis: p = (v 0,...,v n ) mit v 0 = v n einfacher Kreis wiederholungsfreier Kreis mit mindestens drei verschiedenen Knoten GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 45 / 65

56 Ungerichtete Kanten und Relationen gerichtete Graphen E binäre Relation auf V E i und E haben anschauliche Bedeutung ungerichtete Graphen: E keine binäre Relation, aber GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 46 / 65

57 Ungerichtete Kanten und Relationen gerichtete Graphen E binäre Relation auf V E i und E haben anschauliche Bedeutung ungerichtete Graphen: E keine binäre Relation, aber zu U = (V, E) definiere Kantenrelation E д V V : E д = {(x,y) {x,y} E} G U = (V, E д ) der zu U gehörende gerichtete Graph GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 46 / 65

58 Zusammenhang in ungerichteten Graphen ungerichteter Graph U = (V, E) zusammenhängend, wenn zugehöriger gerichteter G U = (V, E д ) streng zusammenhängend GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 47 / 65

59 Von gerichteten zu ungerichteten Graphen die umgekehrte Richtung ist auch nützlich sei G = (V, E) ein gerichteter Graph definiere E u = { {x,y} (x,y) E} U G = (V, E u ) ist der zu G gehörige ungerichtete Graph U entsteht aus G durch Entfernen der Pfeilspitzen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 48 / 65

60 Ungerichtete Bäume (ungerichteter) Baum: ungerichteter Graph U = (V, E), zu dem gerichteter Baum G = (V, E ) existiert mit E = E u GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 49 / 65

61 Ungerichtete Bäume (ungerichteter) Baum: ungerichteter Graph U = (V, E), zu dem gerichteter Baum G = (V, E ) existiert mit E = E u Beispiele a e c d b f д h GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 49 / 65

62 Ungerichtete Bäume verschiedene gerichtete Bäume induzieren gleichen ungerichteten Baum Wurzel gerichtet: Wurzel eindeutig zu identifizieren ungerichtet Von jedem Knoten führen Wege) zu jedem anderen «eigentliche» Wurzel manchmal trotzdem «irgendwie klar» notfalls explizit sagen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 50 / 65

63 Knotengrad in ungerichteten Graphen ein heikles Thema Was macht man mit Schlingen? in der Literatur: verschiedene Vorgehensweisen Grad d(x) des Knotens x V in ungerichtetem Graph: d(x) = {y y x {x,y} E} + 2 falls {x, x} E 0 sonst GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 51 / 65

64 Wo sind wir? Gerichtete Graphen Ungerichtete Graphen Übertragung der Grundbegriffe aus dem gerichteten Fall Eine Anmerkung zu Relationen Graphen mit Knoten- oder Kantenmarkierungen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 52 / 65

65 Symmetrische Relationen Kantenrelation eines ungerichteten Graphen hat die Eigenschaft: Wenn (x,y) E д, dann immer auch (y, x) E д. so etwas kommt öfter vor Relation R M M symmetrisch, wenn für alle x M und y M gilt: (x,y) R = (y, x) R GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 53 / 65

66 Äquivalenzrelationen Eine Relation, die reflexiv, transitiv und symmetrisch ist, heißt Äquivalenzrelation. Beispiel: Isomorphie von Graphen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 54 / 65

67 Äquivalenzrelationen Eine Relation, die reflexiv, transitiv und symmetrisch ist, heißt Äquivalenzrelation. Beispiel: Isomorphie von Graphen Beispiel: Kongruenz modulo m es sei m N + definiere m auf Z vermöge der Festlegung x,y Z : x m y gdw. m teilt x y GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 54 / 65

68 Was ist wichtig Das sollten Sie mitnehmen: ungerichtete Graphen: Unterschiede zu gerichteten Graphen Gemeinsamkeiten mit gerichteten Graphen Das sollten Sie üben: Benutzung der Begriffe Malen von Graphen, hübsche und hässliche GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 55 / 65

69 Wo sind wir? Gerichtete Graphen Ungerichtete Graphen Graphen mit Knoten- oder Kantenmarkierungen Gewichtete Graphen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 56 / 65

70 Graphen mit Beschriftungen manchmal mehr als nur Graphstruktur von Interesse Huffman-Bäume: Symbole an Kanten, Zahlen an Knoten Straßenkarten: Entfernungsangaben an Kanten... knotenmarkierter Graph: G = (V, E) mit Menge M V von (Knoten-)Markierungen Markierungsfunktion m V : V M V kantenmarkierter Graph: G = (V, E) mit Menge M E von (Kanten-)Markierungen Markierungsfunktion m E : E M E GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 57 / 65

71 Beispiel: Färbung von Landkarten Landkarte Quelle: europa/europa_kontinent_cia_2007.jpg GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 58 / 65

72 Beispiel: Färbung von Landkarten Landkarte Nachbarn verschieden gefärbt Quelle: europa/europa_kontinent_cia_2007.jpg GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 58 / 65

73 Beispiel: Färbung von Landkarten Landkarte als Graph jedes Land ein Knoten Quelle: europa/europa_kontinent_cia_2007.jpg GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 58 / 65

74 Beispiel: Färbung von Landkarten Landkarte als Graph jedes Land ein Knoten Kanten zwischen Nachbarn (leider fehlen im Bild welche) Quelle: europa/europa_kontinent_cia_2007.jpg GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 58 / 65

75 Beispiel: Färbung von Landkarten Landkarte als Graph jedes Land ein Knoten Kanten zwischen Nachbarn (leider fehlen im Bild welche) adjazente Knoten verschieden färben Quelle: europa/europa_kontinent_cia_2007.jpg GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 58 / 65

76 Beispiel: Färbung von Landkarten Satz (Appel/Haken, 1976) Für Landkarten reichen vier Farben. Quelle: europa/europa_karte_de.png GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 59 / 65

77 Färbungen von Graphen formal Färbung des Graphen: adjazente Knoten sollen verschiedene Farben bekommen Färbung m V : V M V legal, wenn {x,y} E = m V (x) m V (y) Wieviele Farben braucht man für eine legale Färbung? höchstens V mindestens? dieses Problem ist im Allgemeinen schwer es taucht z. B. im Compilerbau wieder auf GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 60 / 65

78 Wo sind wir? Gerichtete Graphen Ungerichtete Graphen Graphen mit Knoten- oder Kantenmarkierungen Gewichtete Graphen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 61 / 65

79 Gewichtete Graphen (Kanten-)Markierungen sind Zahlen Beispiele GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 62 / 65

80 Gewichtete Graphen (Kanten-)Markierungen sind Zahlen Beispiele Verkehrsnetz: Kantengewichte: Entfernungen/Reisezeiten Probleme: z. B. finde kürzeste/schnellste Wege GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 62 / 65

81 Gewichtete Graphen (Kanten-)Markierungen sind Zahlen Beispiele Verkehrsnetz: Kantengewichte: Entfernungen/Reisezeiten Probleme: z. B. finde kürzeste/schnellste Wege Kabelnetz: Kantengewichte: Baukosten Probleme: z. B. finde billigste Möglichkeit, alle miteinander zu verbinden GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 62 / 65

82 Gewichtete Graphen (Kanten-)Markierungen sind Zahlen Beispiele Verkehrsnetz: Kantengewichte: Entfernungen/Reisezeiten Probleme: z. B. finde kürzeste/schnellste Wege Kabelnetz: Kantengewichte: Baukosten Probleme: z. B. finde billigste Möglichkeit, alle miteinander zu verbinden Rohrleitungsnetz: Kantengewichte: Rohrquerschnitte Problem: z. B. finde maximal möglichen Fluss GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 62 / 65

83 Eine Grenze der üblichen Formalisierung von Graphen nicht einfach als Graph formalisierbar GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 63 / 65

84 Eine Grenze der üblichen Formalisierung von Graphen nicht einfach als Graph formalisierbar zwischen Knoten höchstens eine Kante!? GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 63 / 65

85 Eine Grenze der üblichen Formalisierung von Graphen nicht einfach als Graph formalisierbar zwischen Knoten höchstens eine Kante!? Auswege andere Modellierung andere Definition Graph mit Mehrfachkanten GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 63 / 65

86 Was ist wichtig Das sollten Sie mitnehmen: vielfältige Beispiele für Knoten- und Kantenmarkierungen man stößt leicht auf diverse Optimierungsprobleme Das könnten Sie mal ausprobieren: an einfachen Beispielen Optimierungen versuchen (leicht? schwer?) GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 64 / 65

87 Zusammenfassung gerichtete und ungerichtete Graphen wichtige Begriffe (Pfad, Zyklus, Baum,...) Gemeinsamkeiten und Unterschiede Relationen symmetrische Relationen Äquivalenzrelationen GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik 65 / 65

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

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/42 Graphische Darstellung von Zusammenhängen schon an vielen Stellen

Mehr

15 G R A P H E N gerichtete graphen

15 G R A P H E N gerichtete graphen 15 G R A P H E N In den bisherigen Einheiten kamen schon an mehreren Stellen Diagramme und Bilder vor, in denen irgendwelche Gebilde durch Linien oder Pfeile miteinander verbunden waren. Man erinnere sich

Mehr

Tutorium 23 Grundbegriffe der Informatik (7. Sitzung)

Tutorium 23 Grundbegriffe der Informatik (7. Sitzung) Tutorium 3 Grundbegriffe der Informatik (7. Sitzung) Tutor: Felix Stahlberg SOFTWARE DESIGN AND QUALITY GROUP Source: pixelio.de KIT The cooperation of Forschungszentrum Karlsruhe GmbH and Universität

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

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

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

Nachbarschaft, Grad, regulär, Inzidenz

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

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Kapitel 16: Erste Algorithmen in Graphen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre

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

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

= 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

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

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

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

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

Algorithmen und Datenstrukturen SS09. Foliensatz 16. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik

Algorithmen und Datenstrukturen SS09. Foliensatz 16. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik Foliensatz 16 Michael Brinkmeier Technische Universität Ilmenau Institut für Theoretische Informatik Sommersemester 2009 TU Ilmenau Seite 1 / 45 Graphen TU Ilmenau Seite 2 / 45 Graphen 1 2 3 4 5 6 7 8

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

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

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

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

Am Dienstag, den 16. Dezember, ist Eulenfest. 1/45

Am Dienstag, den 16. Dezember, ist Eulenfest. 1/45 Am Dienstag, den 16. Dezember, ist Eulenfest. 1/45 Grundbegriffe der Informatik Einheit 12: Erste Algorithmen in Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009

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

Freie Bäume und Wälder

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

Mehr

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

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

1. Einführung. Grundbegriffe und Bezeichnungen. Beispiele. gerichtete Graphen. 1. Einführung Kapitelübersicht

1. Einführung. Grundbegriffe und Bezeichnungen. Beispiele. gerichtete Graphen. 1. Einführung Kapitelübersicht 1. Einführung Kapitelübersicht 1. Einführung Grundbegriffe und Bezeichnungen Beispiele Bäume gerichtete Graphen Graphentheorie HS Bonn-Rhein-Sieg, WS 2014/15 15 Das Königsberger Brückenproblem Beispiel

Mehr

André Krischke Helge Röpcke. Graphen und Netzwerktheorie Grundlagen Methoden Anwendungen

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

Mehr

Tutorium 23 Grundbegriffe der Informatik (6. Sitzung)

Tutorium 23 Grundbegriffe der Informatik (6. Sitzung) Tutorium 23 Grundbegriffe der Informatik (6. Sitzung) Tutor: Felix Stahlberg SOFTWARE DESIGN AND QUALITY GROUP Source: pixelio.de KIT The cooperation of Forschungszentrum Karlsruhe GmbH and Universität

Mehr

Programmiertechnik II

Programmiertechnik II Graph-Algorithmen Anwendungsgebiete "Verbundene Dinge" oft Teilproblem/Abstraktion einer Aufgabenstellung Karten: Wie ist der kürzeste Weg von Sanssouci nach Kunnersdorf? Hypertext: Welche Seiten sind

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

Am Dienstag, den 16. Dezember, ist Eulenfest. 1/48

Am Dienstag, den 16. Dezember, ist Eulenfest. 1/48 Am Dienstag, den 16. Dezember, ist Eulenfest. 1/48 Grundbegriffe der Informatik Einheit 12: Erste Algorithmen in Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009

Mehr

Programmiertechnik II

Programmiertechnik II Graph-Algorithmen Anwendungsgebiete "Verbundene Dinge" oft Teilproblem/Abstraktion einer Aufgabenstellung Karten: Wie ist der kürzeste Weg von Sanssouci nach Kunnersdorf? Hypertext: Welche Seiten sind

Mehr

Grundbegriffe der Informatik Aufgabenblatt 11

Grundbegriffe der Informatik Aufgabenblatt 11 Matr.nr.: Nachname: Vorname: Grundbegriffe der Informati Aufgabenblatt 11 Tutorium: Nr. Name des Tutors: Ausgabe: 21. Januar 2016 Abgabe: 29. Januar 2016, 12:30 Uhr im GBI-Briefasten im Untergeschoss von

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

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

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

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

Mehr

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

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/2018

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/2018 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/2018 23. November 2017 1/40 Satz 4.27 (Multinomialsatz) Seien r, n N 0. Dann gilt für

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Kapitel 21: Relationen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik

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

1. Einige Begriffe aus der Graphentheorie

1. Einige Begriffe aus der Graphentheorie . Einige Begriffe aus der Graphentheorie Notation. Sei M eine Menge, n N 0. Dann bezeichnet P n (M) die Menge aller n- elementigen Teilmengen von M, und P(M) die Menge aller Teilmengen von M, d.h. die

Mehr

Motivation Kap. 6: Graphen

Motivation Kap. 6: Graphen Motivation Kap. 6: Graphen Warum soll ich heute hier bleiben? Graphen sind wichtig und machen Spaß! Professor Dr. Lehrstuhl für Algorithm Engineering, LS Fakultät für Informatik, TU Dortmund Was gibt es

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

9. Übung Algorithmen I

9. Übung Algorithmen I Timo Bingmann, Christian Schulz INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS 1 KIT Timo Universität Bingmann, des LandesChristian Baden-Württemberg Schulz und nationales Forschungszentrum in der

Mehr

Massive Parallelität : Neuronale Netze

Massive Parallelität : Neuronale Netze Massive Parallelität : Neuronale Netze PI2 Sommer-Semester 2005 Hans-Dieter Burkhard Massive Parallelität : Neuronale Netze Knoten: Neuronen Neuronen können erregt ( aktiviert ) sein Kanten: Übertragung

Mehr

8. Übung zu Algorithmen I 15. Juni 2016

8. Übung zu Algorithmen I 15. Juni 2016 8. Übung zu Algorithmen I 15. Juni 2016 Lisa Kohl Lisa.Kohl@kit.edu (mit Folien von Julian Arz, Timo Bingmann, Sebastian Schlag, Christian Staudt und Christoph Striecks) Nachtrag: Quicksort, alternative

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

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

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

Verteilen von Bällen auf Urnen

Verteilen von Bällen auf Urnen Verteilen von Bällen auf Urnen Szenario: Wir verteilen n Bälle auf m Urnen, d.h. f : B U mit B = {b 1,..., b n } und U = {u 1,..., u m }. Dabei unterscheiden wir alle Kombinationen der folgenden Fälle

Mehr

Tutoraufgabe 1 (Suchen in Graphen):

Tutoraufgabe 1 (Suchen in Graphen): Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS14 F. Corzilius, S. Schupp, T. Ströder Tutoraufgabe 1 (Suchen in Graphen): a) Geben Sie die Reihenfolge an, in der die Knoten besucht werden, wenn

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

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

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

Mehr

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

Isomorphie von Bäumen

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

Mehr

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

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Fortgeschrittene Netzwerk- und Graph-Algorithmen Fortgeschrittene Netzwerk- und Graph-Algorithmen Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester 2010/11

Mehr

Graphentheorie 1. Diskrete Strukturen. Sommersemester Uta Priss ZeLL, Ostfalia. Hausaufgaben Graph-Äquivalenz SetlX

Graphentheorie 1. Diskrete Strukturen. Sommersemester Uta Priss ZeLL, Ostfalia. Hausaufgaben Graph-Äquivalenz SetlX Graphentheorie 1 Diskrete Strukturen Uta Priss ZeLL, Ostfalia Sommersemester 2016 Diskrete Strukturen Graphentheorie 1 Slide 1/19 Agenda Hausaufgaben Graph-Äquivalenz SetlX Diskrete Strukturen Graphentheorie

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

1. Einleitung wichtige Begriffe

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

Mehr

Klausur zur Vorlesung Grundbegriffe der Informatik 14. September 2015 Lösungsvorschläge

Klausur zur Vorlesung Grundbegriffe der Informatik 14. September 2015 Lösungsvorschläge Klausur zur Vorlesung Grundegriffe der Informatik 14. Septemer 2015 svorschläge Klausurnummer Nachname: Vorname: Matr.-Nr.: Diese Klausur ist mein 1. Versuch 2. Versuch in GBI Email-Adr.: nur falls 2.

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

Einführung in die Informatik 2

Einführung in die Informatik 2 Einführung in die Informatik 2 Bäume & Graphen Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr, o.n.v. Sommersemester

Mehr

Programmierkurs Python II

Programmierkurs Python II Programmierkurs Python II Stefan Thater & Michaela Regneri Universität des Saarlandes FR 4.7 Allgemeine Linguistik (Computerlinguistik) Übersicht Topologische Sortierung (einfach) Kürzeste Wege finden

Mehr

Grundlagen: Algorithmen und Datenstrukturen

Grundlagen: Algorithmen und Datenstrukturen Grundlagen: Algorithmen und Datenstrukturen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 2010

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Tutorium 1-14. Sitzung Dennis Felsing dennis.felsing@student.kit.edu http://www.stud.uni-karlsruhe.de/~ubcqr/2010w/tut gbi/ 2011-02-07 Äquivalenzrelationen 1 Äquivalenzrelationen

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

Relationen und DAGs, starker Zusammenhang

Relationen und DAGs, starker Zusammenhang Relationen und DAGs, starker Zusammenhang Anmerkung: Sei D = (V, E). Dann ist A V V eine Relation auf V. Sei andererseits R S S eine Relation auf S. Dann definiert D = (S, R) einen DAG. D.h. DAGs sind

Mehr

Theorie der Informatik Übersicht. Theorie der Informatik SAT Graphenprobleme Routing-Probleme. 21.

Theorie der Informatik Übersicht. Theorie der Informatik SAT Graphenprobleme Routing-Probleme. 21. Theorie der Informatik 19. Mai 2014 21. einige NP-vollständige Probleme Theorie der Informatik 21. einige NP-vollständige Probleme 21.1 Übersicht 21.2 Malte Helmert Gabriele Röger 21.3 Graphenprobleme

Mehr

15. Elementare Graphalgorithmen

15. Elementare Graphalgorithmen Graphen sind eine der wichtigste Modellierungskonzepte der Informatik Graphalgorithmen bilden die Grundlage vieler Algorithmen in der Praxis Zunächst kurze Wiederholung von Graphen. Dann Darstellungen

Mehr

Ferienkurs Propädeutikum Diskrete Mathematik

Ferienkurs Propädeutikum Diskrete Mathematik Ferienkurs Propädeutikum Diskrete Mathematik Teil 3: Grundlagen Graphentheorie Tina Janne Schmidt Technische Universität München April 2012 Tina Janne Schmidt (TU München) Ferienkurs Propädeutikum Diskrete

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

Mehr

Diskrete Strukturen Kapitel 2: Grundlagen (Relationen)

Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) 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

Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen Datenstrukturen: Anordnung von Daten, z.b. als Liste (d.h. in bestimmter Reihenfolge) Beispiel: alphabetisch sortiertes Wörterbuch... Ei - Eibe - Eidotter... als Baum (d.h.

Mehr

Einführung in die Informatik I

Einführung in die Informatik I Einführung in die Informatik I Graphen und Bäume Prof. Dr. Nikolaus Wulff Weitere Datentypen Als wichtige abstrakte Datentypen (ADT) kennen wir bis lang die Liste, den Stapel und die Warteschlange. Diese

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

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Tutorium 24-6. Sitzung Marcus Georgi tutorium@marcusgeorgi.de 04.12.2009 1 Repräsentation von Graphen im Rechner Adjazenzlisten Adjazenzmatrizen Wegematrizen 2 Erreichbarkeitsrelationen

Mehr

Kapitel 5: Graphen und Graphalgorithmen

Kapitel 5: Graphen und Graphalgorithmen LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Algorithmen und Datenstrukturen Kapitel 5: Graphen und Graphalgorithmen Skript zur Vorlesung Algorithmen und Datenstrukturen

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

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

Quicksort ist ein Divide-and-Conquer-Verfahren.

Quicksort ist ein Divide-and-Conquer-Verfahren. . Quicksort Wie bei vielen anderen Sortierverfahren (Bubblesort, Mergesort, usw.) ist auch bei Quicksort die Aufgabe, die Elemente eines Array a[..n] zu sortieren. Quicksort ist ein Divide-and-Conquer-Verfahren.

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

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

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

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

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul Einführung

Mehr

Relationen. Es seien A und B Mengen. Eine (binäre) Relation zwischen A und B ist eine Teilmenge von A B.

Relationen. Es seien A und B Mengen. Eine (binäre) Relation zwischen A und B ist eine Teilmenge von A B. Mathematik I für Informatiker Relationen auf einer Menge p. 1 Relationen Es seien A und B Mengen. Eine (binäre) Relation zwischen A und B ist eine Teilmenge von A B. Ein wichtiger Spezialfall ist der,

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

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

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

Kap. 5: Graphen. Carsten Gutwenger Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund. 17. VO DAP2 SS

Kap. 5: Graphen. Carsten Gutwenger Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund. 17. VO DAP2 SS Kap. 5: Graphen Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 17. VO DAP2 SS 2009 23. Juni 2008 1 Motivation Warum soll ich heute hier bleiben? Graphen sind wichtig und

Mehr

Grundbegriffe der Informatik Tutorium 14

Grundbegriffe der Informatik Tutorium 14 Grundbegriffe der Informatik Tutorium 14 Tutorium Nr. 16 Philipp Oppermann 11. Februar 2015 KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum

Mehr

10. Übungsblatt zu Algorithmen I im SS 2010

10. Übungsblatt zu Algorithmen I im SS 2010 Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders G.V. Batz, C. Schulz, J. Speck 0. Übungsblatt zu Algorithmen I im SS 00 http//algo.iti.kit.edu/algorithmeni.php

Mehr

Vorlesung Datenstrukturen

Vorlesung Datenstrukturen Vorlesung Datenstrukturen Graphen (1) Darstellung Traversierung Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie 441 Generalisierung von Bäumen Verallgemeinerung (von Listen zu Graphen)

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

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter WS 2009/10 Isomorphie Zwei Graphen (V 1, E 1 ) und (V 2, E 2 ) heißen isomorph, wenn es eine bijektive, Kanten erhaltende und Kanten

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