Definition : Diechromatische Zahl eines Graphen G ist die kleinste Anzahl chromatische Zahl von Farben für eine zulässige Färbung.
|
|
- Frida Albrecht
- vor 6 Jahren
- Abrufe
Transkript
1 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 Farben immer eine zulässige Färbung sind ( Anzahl Knoten = Anzahl Farben ). Definition : Diechromatische Zahl eines Graphen G ist die kleinste Anzahl chromatische Zahl von Farben für eine zulässige Färbung. Symbol : χ(g) Beispiele : 1. Polyeder : χ(g =Würfel) = 2, χ(g = Tetraeder) = 4 (a) Würfel (b) Tetraeder Abbildung 10: Färbung von Polyedern 2. Färbung eines Graphen : χ(g) = 4 21
2 3. Färben einer Landkarte : Eine Landkarte ist ein planarer Graph 2.Die Knoten sind durch die Länder gegeben. 2 Knoten werden durch eine Kante verbunden, wenn die Länder eine gemeinsame Grenze haben. Abbildung 11: Färbung einer Landkarte Jede Landkarte kann mit vier Farben zulässig gefärbt werden ( Vierfarbensatz ) Vierfarbensatz 4. Party mit n Gästen : Die Gäste stellen die Knoten dar. Jede Kante zwischen zwei Knoten bedeutet, daß die jeweiligen zwei Gäste nicht miteinander harmonieren. Gesucht ist eine zulässige Färbung des Graphen, die einer Verteilung der Gäste auf verschiedene Tische ohne Disharmonien entspricht. Einfache Aussagen : 1. Für einen vollständigen Graphen G mit n Knoten gilt : χ(g) = n 2. Für einen Kreis G mit gerader Länge gilt : χ(g) =2 3. Für einen Kreis G mit ungerader Länge gilt : χ(g) =3 2 in der Ebene ohne Überschneidungen der Kanten darstellbar 22
3 4.1 Färbung mit 2 Farben Satz : Ein Graph G =(X, K) hat eine zulässige Färbung mit 2 Farben G hat keinen Kreis mit ungerader Länge. Beweis : : trivial ( siehe Aussage 3 ) : In jeder Zusammenhangskomponente von G wird folgendermaßen gefärbt : 1. Wähle x 0 aus der Knotenmenge der Zusammenhangskomponente beliebig. Alle Knoten y mit Distanz D(x 0,y) = gerade erhalten die Farbe F 1. Alle Knoten y mit Distanz D(x 0,y) = ungerade erhalten die Farbe F Noch zu zeigen : 2 adjazente Knoten x 1 und x 2 haben nicht die gleiche Farbe. Indirekter Beweis : Annahme : x 1 und x 2 seien adjazent und haben die gleiche Farbe F 1 ( oder F 2 ). kürzester Weg von x 0 nach x 1 : gerade ( ungerade ) Länge kürzester Weg von x 0 nach x 2 : gerade ( ungerade ) Länge Kante von x 1 nach x 2 : Länge 1 Der Weg von x 0 über x 1 und x 2 und zurück zu x 0 ist offenbar stets ein Kreis ungerader Länge! Algorithmus : Beginne mit einem beliebigen Knoten x 0 aus X. Bilde sukzessive um x 0 konzentrische Schalen gleichgefärbter Knoten, solange dies möglich ist. Die Schalen enthalten genau die Knoten gleicher Distanz von x 0.Einezulässige Färbung ist möglich, wenn in keiner Schale adjazente Knoten existieren. Zwei-Farben-Algorithmus Gegeben sei ein ungerichteter zusammenhängender Graph G = (X, K) mittels Nachfolgerliste nf der Länge 2m und zugehöriger Indexliste inf der Länge n + 1. Außerdem ist ein Startknoten x 0 X mittels des Indexes i 0 gegeben. Gesucht ist die Entscheidung, ob eine zulässige Färbung mit 2 Farben möglich ist. Falls ja, Angabe der Färbung der Knoten mittels farbe. 23
4 Listing 2: Zwei-Farben-Algorithmus 1 VAR N,M,I0 : integer; 2 TYPE PListe = array[1..n+1] OF integer; 3 KListe = array[1..2*m] OF integer; 4 5 PROCEDURE ZweiFarben( nf : KListe; inf, Farbe, D : PListe ); 6 VAR i,j,k,dakt,farbeakt : integer; 7 unfaerbbar : boolean; 8 BEGIN 9 FOR i:=1 TO N DO D[i]:=-1; D[I0]:=0; Dakt:=0; Farbe[I0]:=0; 12 unfaerbbar:=false; FarbeAkt:=0; // Anfangsinitialisierung REPEAT 15 FOR i:=1 TO N DO BEGIN 16 IF D[i] = Dakt THEN BEGIN 17 FOR j:=inf[i] TO inf[i+1]-1 DO BEGIN 18 k:=nf[j]; 19 IF D[k] = -1 THEN BEGIN 20 D[k]:=Dakt+1; 21 Farbe[k]:=1-FarbeAkt; 22 END 23 ELSE 24 IF D[k] = Dakt THEN unfaerbbar:=true; 25 END; 26 END; 27 END; 28 Dakt:=Dakt+1; 29 FarbeAkt:=1-FarbeAkt; 30 UNTIL ( Dakt = N ) OR ( unfaerbbar ); 31 END; 24
5 Beispiel : , 3, 5 3 2, 4 4 3, 5 5 2, 4 Nachfolgerliste : j nf[j] Index- und Färbeliste : i inf[i] farbe[i] gesucht Die Abarbeitung des Zwei-Farben-Algorithmus liefert folgende Lösung: i farbe[i]
6 4.2 Maximalgrad und Greedy-Algorithmus Definition : Der Maximalgrad eines Graphen G ist definiert durch Maximalgrad δ(g) := Offensichtlich gilt: χ(g) δ(g) + 1. max d(x i). i=1,2,...,n Eine zulässige Färbung mit höchstens δ(g) + 1 Farben ermittelt der Greedy-Algorithmus : Schritte : Greedy-Algorithmus 1. x 1 X erhält Farbe 0; i =2 2. x 1,x 2,...,x i 1 X seien bereits gefärbt (a) Betrachte die in Γ(x i ) {x 1,x 2,...,x i 1 } vergebenen Farben j 1,j 2,...,j r (b) x i erhält die Farbe j i =min({0, 1, 2,...,δ(G)}\{j 1,j 2,...,j r }) (c) i := i Solange i<n+ 1 fahre mit Schritt 2 fort. 26
7 Beispiel : Der Greedy-Algorithmus benötigt fünf Farben, um den obigen Graphen zulässig zu färben. Durch Vertauschen der Knotennummern 10 und 12 wird eine Farbe weniger benötigt. Eine eventuell günstigere Knotennummerierung kann durch den folgenden Algorithmus erreicht werden : 1. i := n, G i := G 2. Ermittle in G i einen Knoten x i mit minimalem Grad d i. (a) Bilde G i 1 dadurch, daß x i werden (b) i := i 1 und alle inzidenten Kanten entfernt 3. Solange i>0, setze in Schritt 2 fort. Der Greedy-Algorithmus liefert jetzt eine zulässige Färbung mit höchstens δ (G) + 1 Farben, wobei δ (G) :=max i=1,2,...,n d (x i). 27
8 Für obiges Beispiel : i x i x i d i (a) Ausgangsfärbung (b) Färbung nach Neunummerierung Also reichen sogar 3 Farben für eine zulässige Färbung. Bemerkung : Es gibt eine Nummerierung der Knoten, so daß der Greedy- Algorithmus zu einer zulässigen Färbung mit χ(g) Farbenführt. 28
9 Backtracking-Algorithmus : 1. x 1,x 2,...,x i 1 seien zulässig gefärbt, dann (a) wird x i zunächst mit der ersten Farbe gefärbt, (b) verträgt sich diese Farbe mit den bereits gefärbten Nachbarn von x i, so geht man zu x i+1, (c) wenn nicht, dann wird die nächste Farbe für x i überprüft, (d) sind alle c Farben für x i mit negativem Resultat überprüft, so geht man zu x i 1 zurück und ändert die Farbe für x i Nach Abarbeitung von 1. tritt eine der folgenden Situationen ein: Beispiel : (a) man erreicht den letzten Knoten x n,kanndiesenzulässig färben und hat damit eine zulässige Färbung des Graphen mit höchstens c Farben gefunden, (b) man steht wieder am Anfang des Algorithmus, was bedeutet, dass eine zulässige Färbung des Graphen mit c Farben nicht möglich ist (alle Möglichkeiten wurden durchprobiert). (a) Graph G (b) c =2 (c) c =3 Abbildung 12: Backtracking-Algorithmus Für c = 2 entsteht ein Farbänderungsverlauf mit dem Ergebnis, daß eine zulässige Färbung mit 2 Farben nicht möglich ist. Für c = 3 entsteht ein gültiger Farbänderungsverlauf und somit eine zulässige Färbung. 29
10 4.3 Das Vier-Farben-Problem, der Fünf-Farben-Satz Graphentheoretisch lautet das Vier-Farben-Problem : Jeder planare Graph G hat die chromatische Zahl χ(g) 4. Vier-Farben-Problem Historie des Vier-Farben-Problems : 1850 Vermutung von de Morgan, über 125 Jahre ungelöst 1976 K. Appel, W. Hahen, (H. Heesch ) : Betrachtung von ca Arten von planaren Graphen, Computerlösung in letzter Zeit N. Robertson, D. Sanders, P. Seymow, R. Thomas :Vereinfachung des Beweises, Reduktion auf ca. 650 Fälle bisher kein Beweis ohne Computerhilfe Eulersche Polyederformel : Sei G ein zusammenhängender planarer Graph mit n Knoten, m Kanten und g Gebieten ( einschließlich des sog. Außengebietes ). Dann gilt : n }{{} Knoten }{{} m + g =2 }{{} Kanten Gebiete Eulersche Polyederformel Bemerkung : Graph. Aus einem Polyeder entsteht durch Projektion ein planarer (a) Polyeder (b) planarer Graph Abbildung 13: Projektion eines Polyeders auf einen planaren Graph Der Quader hat n =8Ecken,m = 12 Kanten und g =6Flächen; der planare Graph n =8Knoten,m = 12 Kanten und g = 6 Gebiete ( einschließlich des Außengebietes ). 30
11 Beweis der Eulerschen Polyederformel : Induktionsanfang : für m =0folgt,daßn = 1 und g =1 Induktionsvoraussetzung : für m>0 sei die Behauptung richtig Induktionsbehauptung : die Eulersche Polyederformel ist richtig für einen zusammenhängenden planaren Graphen G mit m + 1 Kanten Induktionsbeweis : 1. Fall : G enthalte keinen Kreis. Dann muß g = 1 und n = m +2sein. Folglich : (m +2) (m +1)+1=2. 2. Fall : G enthalte einen Kreis. Es wird eine Kante aus dem Kreis entfernt. Dadurch verschmelzen zwei Gebiete. Nach Induktionsvoraussetzung gilt : Aussagen : n m +(g 1) = 2 n (m +1)+g =2 1. Für einen planaren Graphen G mit n 3 Knoten gilt : m 3n 6 2. In einem planaren Graphen G gibt es mindestens einen Knoten x mit d(x) 5. Beweis zu Aussage 1 : G sei zusammenhängend ( ansonsten für jede Zusammenhangskomponente ) 1. Fall : g = 1( d.h. G hat Baumstruktur ). Aus der Baumstruktur folgt, daß m = n 1seinmuß.Für n 3 gilt sicher n 1 3n Fall : g 2. Für ein Gebiet i in G ist die Länge l i des umlaufendes Kreises 3. Somit ergibt sich : 2m = g i=1 l i 3g. Wennmannundie umgeformte Eulersche Polyederformel g = 2 n m einsetzt, ergibt sich folgende Abschätzung : 2m 6 3n +3m und damit m 3n 6. Beweis zu Aussage 2 : Für n 6 ist die Aussage klar. Sei nun n>6 und d(x) 6für alle x X angenommen. Dann gilt : 6n 2m, wasim Widerspruch zu m 3n 6steht. 31
12 Fünf-Farben-Satz : 1879 zeigte A. Kempe einen Beweis für das Vier-Farben-Problem entdeckte P. Heawood einen Fehler in diesem Beweis, der jedoch bei der Färbung mit 5 Farben nicht auftritt. Kempes Beobachtung ist die folgende : Sei G zulässig gefärbt. Für zwei Farben i, j wird definiert : Fünf-Farben-Satz X ij = {x X x ist mit i oder j gefärbt} G ij = der durch X ij erzeugte Teilgraph Beispiel : (a) Graph G (b) Graph G 13 mit getauschten Farben Z sei eine Zusammenhangskomponente von G ij.nunwerdeninz die Farben getauscht : x wird mit der Farbe i gefärbt, falls x vorher mit der Farbe j gefärbt war, und umgekehrt. DieneueFärbung wird nach G übertragen. Die neue Färbung ist in G zulässig und die Anzahl der Farben bleibt gleich. Beim Beweis des Fünf-Farben-Satzes, dass jeder planare Graph mit 5 Farben zulässig gefärbt werden kann, wird dieser Farbentausch Kempes genutzt.. 32
13 Beweis des Fünf-Farben-Satzes: Induktionsanfang : für n = 1 trivial Induktionsvoraussetzung : für n sei die Behauptung richtig Induktionsbeweis : Sei G ein planarer Graph mit n + 1 Knoten, Sei x X ein Knoten mit d(x) 5. Sei G der durch X \{x} erzeugte Teilgraph von G. Nachder Induktionsvoraussetzung besitzt G eine zulässige Färbung mit 5 Farben. 1. Fall : Verwenden die Nachbarn von x nicht alle 5 Farben, so ist eine zulässige Färbung von G mit 5 Farben trivial. 2. Fall : Die 5 Nachbarn x i von x benutzen alle 5 Farben i, wobeii = 1,...,5. Die Knoten x i laufen um x im Uhrzeigersinn. x1 x5 x2 x x4 x3 Ziel ist es, die Knoten x 1 bis x 5 mit 4 Farben zulässig färben. Es werden die Teilgraphen G ij mit 1 i, j 5vonG nach der Idee von Kempebetrachtet, konkret G Fall : Es gibt keinen Weg in G 13 von x 1 nach x 3. x 1 liege in einer Zusammenhangskomponente Z von G 13.InZ werden die Farben 1 und 3 getauscht. Insgesamt bleibt eine zulässige Färbung von G erhalten. x 1 und x 3 sind jedoch beide mit der Farbe 3 gefärbt. Die Farbe 1 kann für x verwendet werden. x1 Z x5 x2 x x4 x3 33
14 2. Fall:Esgibteinen Weg in G 13 von x 1 nach x 3. Zusammen mit x und den beiden Kanten von x nach x 1 und x 3 ergibt sich ein Kreis G K. x1 Gk x5 x2 x x3 x4 Jeder Weg von x 2 nach x 4 in G muß einen Knoten x K von G K benutzen. x K ist mit Farbe 1 oder 3 gefärbt. Somit liegen x 2 und x 4 in unterschiedlichen Zusammenhangskomponenten von G 24.Dasheißt, auf G 24 kann der 1. Fall angewendet werden. x1 Gk x5 x2 x4 x x3 xk 34
Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt
Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden
Mehr16. Flächenfärbungen
Chr.Nelius: Graphentheorie (WS 2015/16) 57 16. Flächenfärbungen In der Mitte des 19. Jahrhunderts tauchte eine Vermutung auf, die erst 125 Jahre später bewiesen werden sollte und die eine der bekanntesten
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
Mehr3. 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
Mehr8 Diskrete Optimierung
8 Diskrete Optimierung Definition 8.1. Ein Graph G ist ein Paar (V (G), E(G)) besteh aus einer lichen Menge V (G) von Knoten (oder Ecken) und einer Menge E(G) ( ) V (G) 2 von Kanten. Die Ordnung n(g) von
MehrWiederholung 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:
Mehr2 Eulersche Polyederformel und reguläre Polyeder
6 2 Eulersche Polyederformel und reguläre Polyeder 2.1 Eulersche Polyederformel Formal besteht ein Graph aus einer Knotenmenge X und einer Kantenmenge U. Jede Kante u U ist eine zweielementige Teilmenge
MehrVier-Farbenproblem. (c) Ein etwas schwereres Beispiel...
Vier-Farbenproblem Kann man jede Landkarte mit vier Farben färben, sodass keine aneindander angrenzenden Länder die gleiche Farbe haben? Versuchen Sie die Karte Deutschlands oder eines der anderen Bilder
MehrLiteratur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
MehrSS 2013 1.1-1 / 12
AMPELSTEUERUNG EINER KREUZUNG monika.heiner@informatik.tu-cottbus.de SS 2013 1.1-1 / 12 (A) PROBLEM D C E B A Ziel (1) Sicherheit: keine kollidierenden Wege gleichzeitig, z.b. EB und AD Ziel (2) Maximierung:
MehrEine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder
Programmieren in PASCAL Bäume 1 1. Baumstrukturen Eine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder 1. die leere Struktur oder 2. ein Knoten vom Typ Element
Mehr3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel
3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel EADS 3.1 Konstruktion von minimalen Spannbäumen 16/36
Mehr4 Greedy-Algorithmen (gierige Algorithmen)
Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine
MehrKapitel 4: Minimal spannende Bäume Gliederung der Vorlesung
Kapitel : Minimal spannende Bäume Gliederung der Vorlesung. Fallstudie Bipartite Graphen 2. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Wege. Traveling
MehrElementargeometrie. Prof. Dr. Andreas Meister SS digital von: Frank Lieberknecht
Prof. Dr. Andreas Meister SS 2004 digital von: Frank Lieberknecht Geplanter Vorlesungsverlauf...1 Graphentheorie...1 Beispiel 1.1: (Königsberger Brückenproblem)... 1 Beispiel 1.2: (GEW - Problem)... 2
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 6 FS 14
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 2. April
MehrGliederung. Definition Wichtige Aussagen und Sätze Algorithmen zum Finden von Starken Zusammenhangskomponenten
Gliederung Zusammenhang von Graphen Stark Zusammenhängend K-fach Zusammenhängend Brücken Definition Algorithmus zum Finden von Brücken Anwendung Zusammenhangskomponente Definition Wichtige Aussagen und
MehrAnmerkungen 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
MehrKürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik
Kürzeste Wege in Graphen Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Gliederung Einleitung Definitionen Algorithmus von Dijkstra Bellmann-Ford Algorithmus Floyd-Warshall Algorithmus
Mehr2. Repräsentationen von Graphen in Computern
2. Repräsentationen von Graphen in Computern Kapitelinhalt 2. Repräsentationen von Graphen in Computern Matrizen- und Listendarstellung von Graphen Berechnung der Anzahl der verschiedenen Kantenzüge zwischen
Mehr1. 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
MehrAlgorithmen und Datenstrukturen (WS 2007/08) 63
Kapitel 6 Graphen Beziehungen zwischen Objekten werden sehr oft durch binäre Relationen modelliert. Wir beschäftigen uns in diesem Kapitel mit speziellen binären Relationen, die nicht nur nur besonders
MehrStatistik und Graphentheorie
Statistik und Graphentheorie Sommersemester 2012 3. Juli 2012 Teil Graphentheorie Name: Matrikelnummer: 1 (12) 2 (12) 3 (12) 4 (12) 5 (12) (60) Aufgabe 1 (12 Punkte) Gegeben sei das folgende Netzwerk:
Mehr4.7 Der Algorithmus von Dinic für maximalen Fluss
4.7 Der Algorithmus von Dinic für maximalen Fluss Wir kennen bereits den Algorithmus von Ford Fulkerson zur Suche nach einem maximalen Fluss in einem Graphen. Wir lernen nun einen Algorithmus für maximalen
MehrGraphentheorie Mathe-Club Klasse 5/6
Graphentheorie Mathe-Club Klasse 5/6 Thomas Krakow Rostock, den 26. April 2006 Inhaltsverzeichnis 1 Einleitung 3 2 Grundbegriffe und einfache Sätze über Graphen 5 2.1 Der Knotengrad.................................
MehrGraphen: Datenstrukturen und Algorithmen
Graphen: Datenstrukturen und Algorithmen Ein Graph G = (V, E) wird durch die Knotenmenge V und die Kantenmenge E repräsentiert. G ist ungerichtet, wenn wir keinen Start- und Zielpunkt der Kanten auszeichnen.
MehrGibt 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
MehrVorlesungen vom 5.Januar 2005
Vorlesungen vom 5.Januar 2005 5 Planare Graphen 5.1 Beispiel: Gas, Wasser, Elektrik Drei eingeschworene Feinde, die im Wald leben, planen Trassen zu den Versorgungswerken für die drei Grundgüter Gas, Wasser
MehrEffiziente 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
MehrADS: 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
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2007 4. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Traversierung Durchlaufen eines Graphen, bei
MehrGraphentheorie. 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
MehrGuten Morgen und Willkommen zur Saalübung!
Guten Morgen und Willkommen zur Saalübung! 1 Wie gewinnt man ein Spiel? Was ist ein Spiel? 2 Verschiedene Spiele Schach, Tic-Tac-Toe, Go Memory Backgammon Poker Nim, Käsekästchen... 3 Einschränkungen Zwei
MehrAlgorithmen 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
MehrInstitut für Mathematik Geometrie und Lineare Algebra J. Schönenberger-Deuel. Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien.
Lösungen Übung 13 Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien. a) Strategie 1 (nächster Nachbar): Jedes Mal reist der Reisende vom Punkt, wo er gerade ist, zur nächstgelegenen Stadt,
Mehr3 Vom Zählen zur Induktion
7 3 Vom Zählen zur Induktion 3.1 Natürliche Zahlen und Induktions-Prinzip Seit unserer Kindheit kennen wir die Zahlen 1,, 3, 4, usw. Diese Zahlen gebrauchen wir zum Zählen, und sie sind uns so vertraut,
Mehr3.2 Binäre Suche. Usr/local/www/ifi/fk/menschen/schmid/folien/infovk.ppt 1
3.2 Binäre Suche Beispiel 6.5.1: Intervallschachtelung (oder binäre Suche) (Hier ist n die Anzahl der Elemente im Feld!) Ein Feld A: array (1..n) of Integer sei gegeben. Das Feld sei sortiert, d.h.: A(i)
MehrLineare Abhängigkeit
Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x
Mehr5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c)
5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c) mit V = {1,...,n} und E {(v, w) 1 apple v, w apple n, v 6= w}. c : E!
MehrKlausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13)
Berlin, 21. Februar 2013 Name:... Matr.-Nr.:... Klausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13) 1 2 3 4 5 6 7 8 9 Σ Bearbeitungszeit: 90 min. max. Punktezahl:
MehrGraphentheorie. Maximale Flüsse. Maximale Flüsse. Maximale Flüsse. Rainer Schrader. 31. Oktober Gliederung. sei G = (V, A) ein gerichteter Graph
Graphentheorie Rainer Schrader Zentrum ür Angewandte Inormatik Köln 31. Oktober 2007 1 / 30 2 / 30 Gliederung maximale Flüsse Schnitte Edmonds-Karp-Variante sei G = (V, A) ein gerichteter Graph sei c eine
MehrAbschnitt: Algorithmendesign und Laufzeitanalyse
Abschnitt: Algorithmendesign und Laufzeitanalyse Definition Divide-and-Conquer Paradigma Divide-and-Conquer Algorithmen verwenden die Strategien 1 Divide: Teile das Problem rekursiv in Subproblem gleicher
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrKAPITEL 6 GANZZAHLIGE OPTIMIERUNG UND VOLLSTÄNDIG UNIMODULARE MATRIZEN
KPITEL 6 GNZZHLIGE OPTIMIERUNG UND VOLLSTÄNDIG UNIMODULRE MTRIZEN F. VLLENTIN,. GUNDERT. Ganzzahlige lineare Programme Viele Optimierungsprobleme des Operations Research lassen sich als ganzzahlige lineare
MehrDefinitionen und Sätze der Graphentheorie. Dr. F. Göring
Definitionen und Sätze der Graphentheorie Dr. F. Göring 4. Februar 2010 Zusammenfassung Die wesentlichen Definitionen und Sätze zusammengestellt. Kapitel 1 Einführung Definition 1.1 Sei Ω eine Grundmenge.
MehrGraphentheorie 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
MehrRandomisierte Algorithmen
Randomisierte Algorithmen Randomisierte Algorithmen 7. Random Walks Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2016/2017 1 / 43 Überblick Überblick Ein randomisierter
MehrÜbung zur Vorlesung Algorithmische Geometrie
Übung zur Vorlesung Algorithmische Geometrie Dipl.-Math. Bastian Rieck Arbeitsgruppe Computergraphik und Visualisierung Interdisziplinäres Zentrum für Wissenschaftliches Rechnen 8. Mai 2012 B. Rieck (CoVis)
MehrS=[n] Menge von Veranstaltungen J S kompatibel mit maximaler Größe J
Greedy-Strategie Definition Paradigma Greedy Der Greedy-Ansatz verwendet die Strategie 1 Top-down Auswahl: Bestimme in jedem Schritt eine lokal optimale Lösung, so dass man eine global optimale Lösung
MehrEntscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
MehrGraphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011
Graphen: Einführung Vorlesung Mathematische Strukturen Zum Ende der Vorlesung beschäftigen wir uns mit Graphen. Graphen sind netzartige Strukturen, bestehend aus Knoten und Kanten. Sommersemester 20 Prof.
MehrStefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie
Stefan Schmid TU Berlin & T-Labs, Berlin, Germany Reduktionen in der Berechenbarkeitstheorie Problem: Wie komme ich von hier zum Hamburger Hbf? 2 Beispiel P1 Wie komme ich von hier zum Hamburger Hbf? kann
MehrScheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É.
Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Tardos Janick Martinez Esturo jmartine@techfak.uni-bielefeld.de xx.08.2007 Sommerakademie Görlitz Arbeitsgruppe 5 Gliederung
MehrTechnische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.172 Algorithmen und Datenstrukturen 1 VL 4.0 Übungsblatt 4 für die Übung
MehrSeminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn
Seminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn Ein 5.55-Approximationsalgorithmus für das VPND-Problem Lars Schäfers Inhalt Einführung:
MehrPlanare Graphen, Traveling Salesman Problem, Transportnetze. Formale Methoden der Informatik WiSe 2012/2013 teil 4, folie 1 (von 61)
Planare Graphen, Traveling Salesman Problem, Transportnetze Formale Methoden der Informatik WiSe 2012/2013 teil 4, folie 1 (von 61) Teil IV: Planare Graphen / Transportnetze 1. Planare Graphen / Traveling
MehrC++, LEDA und STL Visualisierung minimal/maximal aufspannender Bäume
Fachbereich IV, Informatik Softwarepraktikum C++, LEDA und STL Visualisierung minimal/maximal aufspannender Bäume Wintersemester 2004/2005 Dokumentation Algorithmen zur Lösung von MST - Problemen Nicolas
MehrMaximaler Fluß und minimaler Schnitt. Von Sebastian Thurm sebastian.thurm@student.uni-magedburg.de
Maximaler Fluß und minimaler Schnitt Von Sebastian Thurm sebastian.thurm@student.uni-magedburg.de Maximaler Fluß und minimaler Schnitt Wasist das? Maximaler Fluss Minimaler Schnitt Warumtut man das? Logistische
MehrKapitel 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
MehrAlgorithmentheorie. 13 - Maximale Flüsse
Algorithmentheorie 3 - Maximale Flüsse Prof. Dr. S. Albers Prof. Dr. Th. Ottmann . Maximale Flüsse in Netzwerken 5 3 4 7 s 0 5 9 5 9 4 3 4 5 0 3 5 5 t 8 8 Netzwerke und Flüsse N = (V,E,c) gerichtetes Netzwerk
MehrKombinatorische Optimierung
Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 1 Programm des
MehrBreiten- und Tiefensuche in Graphen
Breiten- und Tiefensuche in Graphen Inhalt Theorie. Graphen. Die Breitensuche in der Theorie am Beispiel eines ungerichteten Graphen. Die Tiefensuche in der Theorie am Beispiel eines gerichteten Graphen
MehrKörper zum Selberbauen Polydron
Körper zum Selberbauen Polydron Was versteht man unter Polydron? Polydron ist ein von Edward Harvey erfundenes intelligentes Spielzeug, mit dem man verschiedene geometrische Figuren bauen kann. Es ist
MehrStetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543
Kapitel 4 Stetigkeit Peter Becker (H-BRS) Analysis Sommersemester 2016 254 / 543 Inhalt Inhalt 4 Stetigkeit Eigenschaften stetiger Funktionen Funktionenfolgen und gleichmäßige Konvergenz Umkehrfunktionen
MehrTag der Mathematik 2013
Tag der Mathematik 2013 Gruppenwettbewerb Allgemeine Hinweise: Als Hilfsmittel dürfen nur Schreibzeug, Geodreieck und Zirkel benutzt werden. Taschenrechner sind nicht zugelassen. Teamnummer Die folgende
MehrAlgorithmen 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
MehrKonjunktive und disjunktive Normalformen
Konjunktive und disjunktive Normalformen Nachdem gesprochen wurde, wie man Boolesche Terme unter einer Belegung der Variablen interpretiert und dass somit jeder Boolesche Term eine Boolesche Funktion repräsentiert,
MehrWS 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
MehrMathematik Übungsblatt - Lösung. b) x=2
Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Sommersemester 204 Technische Informatik Bachelor IT2 Vorlesung Mathematik 2 Mathematik 2 4. Übungsblatt - Lösung Differentialrechnung
MehrProperty Testing in Graphen mit beschränktem Maximalgrad
Property Testing in Graphen mit beschränktem Maximalgrad Björn Schümann Seminar Graphentheorie und Kombinatorik WS 2007-08 Inhaltsverzeichnis 1 Einleitung 2 2 Allgemeine Aussagen zum Property Testing 3
MehrKostenmaße. F3 03/04 p.188/395
Kostenmaße Bei der TM nur ein Kostenmaß: Ein Schritt (Konfigurationsübergang) kostet eine Zeiteinheit; eine Bandzelle kostet eine Platzeinheit. Bei der RAM zwei Kostenmaße: uniformes Kostenmaß: (wie oben);
MehrAlgorithmische Mathematik
Algorithmische Mathematik Wintersemester 2013 Prof. Dr. Marc Alexander Schweitzer und Dr. Einar Smith Patrick Diehl und Daniel Wissel Übungsblatt 6. Abgabe am 02.12.2013. Aufgabe 1. (Netzwerke und Definitionen)
MehrWS 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
MehrApproximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling
Approximationsalgorithmen: Klassiker I Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling VO Approximationsalgorithmen WiSe 2011/12 Markus Chimani
Mehr5 Zwei spieltheoretische Aspekte
5 Zwei spieltheoretische Aspekte In diesem Kapitel wollen wir uns mit dem algorithmischen Problem beschäftigen, sogenannte Und-Oder-Bäume (kurz UOB) auszuwerten. Sie sind ein Spezialfall von Spielbäumen,
MehrVorlesung 4 BETWEENNESS CENTRALITY
Vorlesung 4 BETWEENNESS CENTRALITY 101 Aufgabe! Szenario: Sie arbeiten bei einem sozialen Online-Netzwerk. Aus der Netzwerk-Struktur Ihrer Benutzer sollen Sie wichtige Eigenschaften extrahieren. [http://www.fahrschule-vatterodt.de/
Mehr18 Höhere Ableitungen und Taylorformel
8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a
MehrVorlesung 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
MehrÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS
ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS Aufgabe 1. a) Gegeben sei die Gleichung 2x 2 4xy +y 2 3x+4y = 0. Verifizieren Sie, dass diese Gleichung
Mehr3.4 Maximale Flüsse und der Algorithmus von Ford Fulkerson
3.4 Maximale Flüsse und der Algorithmus von Ford Fulkerson Definition 3.4.1 Die Aufgabe, zu jedem Netzwerk N = (s, t, V, E, c o ) mit n = V Knoten und m = E Kanten den Fluß f IR m mit maximalem Wert zu
Mehr6. Flüsse in Netzwerken Berechnung maximaler Flüsse. dann berechnet der Markierungsalgorithmus für beliebige Kapazitätsfunktionen
6. Flüsse in Netzwerken Berechnung maximaler Flüsse Satz 6.4. Ersetzt man in Algorithmus 6.1 den Schritt 2 durch 2a. Wähle den Knoten, der zuerst in eingefügt wurde. Setze. dann berechnet der arkierungsalgorithmus
MehrRouting Algorithmen. Begriffe, Definitionen
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
MehrKapitel MK:IV. IV. Modellieren mit Constraints
Kapitel MK:IV IV. Modellieren mit Constraints Einführung und frühe Systeme Konsistenz I Binarization Generate-and-Test Backtracking-basierte Verfahren Konsistenz II Konsistenzanalyse Weitere Analyseverfahren
MehrTeil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29
1 29 Teil III: Routing - Inhalt I Literatur Compass & Face Routing Bounded & Adaptive Face Routing Nicht Ω(1) UDG E. Kranakis, H. Singh und Jorge Urrutia: Compass Routing on Geometric Networks. Canadian
MehrNeutrale kombinatorische Spiele
Neutrale kombinatorische Spiele Vortrag zum Seminar Anwendungen der Wahrscheinlichkeitstheorie Oskar Braun 10. Juli 2012 Inhaltsverzeichnis 1 Einleitung 2 2 Einführung 2 3 Das Nim-Spiel 4 4 Graphenspiele
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} Ganze Zahlen : Aus
MehrFlüsse in Netzwerken
Skript zum Seminar Flüsse in Netzwerken WS 2008/09 David Meier Inhaltsverzeichnis 1 Einführende Definitionen und Beispiele 3 2 Schnitte in Flussnetzwerken 12 2.1 Maximaler s t Fluss..........................
MehrGrundlagen der Programmierung 2. Bäume
Grundlagen der Programmierung 2 Bäume Prof. Dr. Manfred Schmidt-Schauÿ Künstliche Intelligenz und Softwaretechnologie 24. Mai 2006 Graphen Graph: Menge von Knoten undzugehörige (gerichtete oder ungerichtete)
MehrSchwierige Probleme in der Informatik Informationen für die Lehrperson
Schwierige Probleme in der Informatik Informationen für die Lehrperson Thema, Adressaten,... Das Thema dieses Moduls sind NP-vollständige Probleme, also schwierige Probleme in der Informatik. GraphBench
Mehr(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)
3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten
MehrVollständige Induktion
Vollständige Induktion Tobias Strauß 6.0.009 Das Prinzip der vollständigen Induktion Die vollständige Induktion ist eines der wichtigsten Beweisprinzipien in der Mathematik. Nicht nur in der diskreten
Mehr13. Binäre Suchbäume
1. Binäre Suchbäume Binäre Suchbäume realiesieren Wörterbücher. Sie unterstützen die Operationen 1. Einfügen (Insert) 2. Entfernen (Delete). Suchen (Search) 4. Maximum/Minimum-Suche 5. Vorgänger (Predecessor),
MehrA2.3 Lineare Gleichungssysteme
A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen
MehrÜbersicht 2. Mathematik als Beruf? Von logischen Strukturen und spannenden Aufgaben. Martin Oellrich. ein Problem vor der Haustür 3
Mathematik als Beruf? Von logischen Strukturen und spannenden Aufgaben Übersicht vom Problem zur Theorie 0. Juni 008 0. Juni 008 Martin Oellrich die Idee weiter denken MathematikerIn werden? Gibt es einen
MehrPraktikum Planare Graphen
1 Praktikum Planare Graphen Michael Baur, Martin Holzer, Steffen Mecke 10. November 2006 Einleitung Gliederung 2 Grundlagenwissen zu planaren Graphen Themenvorstellung Gruppeneinteilung Planare Graphen
MehrKapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete
Kapitel 4: Dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2012/13 Prof. Dr. Sándor Fekete 4.4 Binäre Suche Aufgabenstellung: Rate eine Zahl zwischen 100 und 114! Algorithmus 4.1 INPUT: OUTPUT:
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
MehrHackenbusch und Spieltheorie
Hackenbusch und Spieltheorie Was sind Spiele? Definition. Ein Spiel besteht für uns aus zwei Spielern, Positionen oder Stellungen, in welchen sich das Spiel befinden kann (insbesondere eine besondere Startposition)
MehrDatenstrukturen und Algorithmen SS07
Datenstrukturen und Algorithmen SS07 Datum: 27.6.2007 Michael Belfrage mbe@student.ethz.ch belfrage.net/eth Programm von Heute Online Algorithmen Update von Listen Move to Front (MTF) Transpose Approximationen
MehrFußbälle, platonische und archimedische Körper
Fußbälle, platonische und archimedische Körper Prof. Dr. Wolfram Koepf http://www.mathematik.uni-kassel.de/~koepf Was ist ein Fußball? Sepp Herberger: Der Ball ist rund. Ist also ein Fußball eine Kugel?
Mehr