Die Vermutungen von Hadwiger und

Größe: px
Ab Seite anzeigen:

Download "Die Vermutungen von Hadwiger und"

Transkript

1 Die Vermutungen von Hadwiger und Hajós David Müßig Seminar zur Graphentheorie, WS 09/10 Wir alle kennen die Gleichung χ(x) ω(x). Diese Gleichung ist nicht nur einläuchtend, sondern auch mehr oder weniger offensichtlich. Wenn eine Clique der Mächtigkeit r in einem Graphen enthalten ist, dann benötigen wir auch mindestens r Farben, um den gesamten Graphen zu färben, denn mit weniger Farben könnten wir ja nicht einmal die Clique färben. Wie sieht es jedoch andersherum aus? Können wir von einer chromatischen Zahl von r darauf schließen, dass unser Graph eine r-clique beinhaltet? Im Allgemeinen nicht, nein. Diese Abschätzung der chromatischen Zahl kann beliebig schlecht werden. Allerdings bleibt das Gefühl bestehen, dass die chromatische Zahl doch in irgendeiner Form Rückschlüsse darauf ziehen lässt, dass der Graph eine Clique in der Größenordnung des chromatischen Index enthält. Betrachten wir Cliquen in einer Untergraphenstruktur, so werden sie zu K r s und wir können die Hadwiger-Vermutung betrachten, die der schweizer Mathematiker Hugo Hadwiger 1943 ausgesprochen hat. 1 Die Vermutung von Hadwiger Vermutung 1.1 (Hadwiger, 1943, (H r )). Für alle Graphen G und für alle r N gilt: χ(g) r K r G Lemma 1.2. Die Hadwiger-Vermutung ist korrekt für r 4. Beweis. r = 1, 2: klar r = 3: χ(g) 3 G enthält einen Kreis ungerader Länge (sonst wäre G bipartit). Dieser ungerade Kreis lässt sich zu K 3 kontrahieren. r = 4: Dies ist der erste interessante Fall. Sie χ(g) 4. Wir können G außerdem als einfach voraussetzen, da Dopelkanten und Schlingen bei der Betrachtung von Untergraphen vernachlässigbar sind. Wir führen nun Induktion nach der Mächtigkeit der Eckenmenge V. Zuvor jedoch eine Definition und ein Lemma: Definition 1.3. Ein einfacher Graph G = (V, E) heißt kritisch, falls χ(g v) < χ(g) für jede Ecke v V. Ist χ(g) = r, so heißt G r-kritisch. 1

2 Lemma 1.4. Ein kritischer Graph G kann nicht durch einen vollständigen Untergraphen getrennt werden, d.h. ist S eine trennende Eckenmenge, so ist der von S induzierte Untergraph niemals vollständig. Insbesondere muss ein r-kritischer Graph mit r 3 zweifach zusammenhängend sein. Beweis (Lemma 1.4). Sei G S der von S aufgespannte Untergraph. Dann zerfällt G = (V, E) in Untergraphen G i, i = 1,..., k, mit V (G i ) = S und es gilt χ(g) = max(χ(g i )), i i falls G s vollständig ist. Da alle G i echte Untergraphen sind, folgt χ(g i ) < χ(g) i und damit der Widerspruch. Mit diesem Wissen können wir die Induktion beginnen: I.A.: n=4. Mit χ(g) 4 muss G = K 4 gelten. Es gelte nun (H r ) für alle Graphen mit weniger als n Ecken. I.S.: G sei ein Graph mit V = n. 1. Fall: G ist nicht kritisch. Wähle einen kritischen Untergraphen H G mit χ(h) = χ(g) 4. Für H gilt nun unsere Induktionsvoraussetzung und damit K 4 G. 2. Fall: G ist kritisch. Nach Lemma 1.4 ist G 2-fach zusammenhängend. Wir nehmen zunächst so gar an, dass G 3-fach zusammenhängend ist. Falls G = K 4 ist, sind wir fertig. Andernfalls wähle zwei beliebige nicht benachbarte Ecken u,v V. Nach dem Satz von Menger existieren 3 disjunkte uv-wege W 1, W 2 und W 3 (da G 3-fach zusammenhängend). Seien nun w 1 und w 2 Ecken auf W 1, bzw. W 2 ungleich u,v. Wiederum nach dem Satz von Menger existiert ein Weg W von w 1 nach w 2, der weder u noch v enthält. Jetzt sehen wir, dass W 1 W 2 W 3 W eine Unterteilung des K 4 enthält und sind fertig. Die letzte Möglichkeit: G ist 2-fach zusammenhängend, genauer: κ(g) = 2. u,v sei eine trennende Eckenmenge. Nach Lemma 1.4 sind u und v nicht benachbart, da sie sonst einen K 2 bilden würden. Wir fügen die Kante k := uv ein und zerlegen G k in die Graphen G 1 und G 2, mit V (G 1 ) V (G 2 ) = u, v. Einer der beiden Untergraphen muss eine chromatische Zahl von mindestens 4 haben. Sei o.b.d.a. χ(g 1 ) 4. Nach I.V. enthält G 1 einen Untergraphen H, der zu K 4 kontrahiert werden kann. Falls die Kante k in H vorkommt, ersetze k in G durch einen uv-weg (existiert, da G 2-fach zusammenhängend ist und wir sonst nicht über zwei Wege von G 1 nach G 2 kommen würden). Und damit sind wir fertig. Für die Fälle r = 1 bis r = 4 ist die Hadwiger-Vermutung nun also klar. Was ist mit r = 5? Formulieren wir die Vermutung einmal andersherum: K 5 G χ(g) 4 2

3 Was hieße das für denn Fall, dass G planar ist? Nach dem Satz von Wagner wissen wir, dass ein planarer Graph keinen zu K 3,3 oder K 5 kontrahierbaren Untergraphen enthält. D.h. es folgt: G planar (K 5 G) χ(g) 4 bzw. G planar χ(g) 4 Der 4-Farben-Satz (4-FS)! Wir können also aus der Hadwiger-Vermutung ohne große Anstrengung den 4-FS folgern. Gäbe es nun einen Beweis, der die Richtigkeit von (H 5 ) zeigt, so würde auch ein direkter Beweis für die Korrektheit des 4-FS existieren! Leider basiert der einzige Beweis für (H 5 ) auf der Annahme, dass der 4-FS korrekt ist. Wir können also eine nicht allzu uninteressante Folgerung machen: Satz 1.5. (H 5 ) 4 F S Die Richtung von links nach rechts war aus obiger Überlegung schon länger bekannt. Dass auch die Implikation von rechts nach links gilt, hat Wagner erst im Jahre 1960 gezeigt, denn diese Richtung ist nicht ganz so offensichtlich. Bevor wir sie beweisen können benötigen wir noch einen Satz, ebenfalls von Wagner, den er jedoch schon 1937 formuliert hat: Satz 1.6 (Wagner, 1937). Jeder Graph mit 4 Ecken, kantenmaximal ohne K 5 - Minor ist rekursiv durch Zusammenkleben entlang von Dreiecken und K 2 s aus ebenen Dreiecksgraphen und Exemplaren des Wagner-Graphen konstruierbar. Der Beweis dieses Satzes ist für diese Veranstaltung zu umfangreich und zu lang, daher nehmen wir ihn ohne Beweis an. Was bedeutet jedoch das im Satz erwähnte Zusammenkleben? Das Zusammenkleben entlang von K 2 s funktioniert kanonisch: von je einem Graphen wird eine Außenkante genommen, welche dann zu einer vereinigt werden. D.h. haben wir zuvor die Kanten uv G 1 und u v G 2, so haben wir im großen Graphen G nur noch eine Kante, in der u und u, bzw. v und v und die verbindende Kante gleich sind. Was bedeutet es, entlang von Dreiecken zusammenzukleben? Im Prinzip funktioniert es analog zum Zusammenkleben an K 2 s. Hier werden von den beiden Graphen jedoch keine Kanten, sondern Dreiecke übereinander gelegt und verschmolzen. Jetzt klären wir noch, was ein Wagner-Graph ist. Der Wagner-Graph lässt sich auf verschiedene Arten darstellen, hier ist eine Version: 3

4 Wie man leicht sieht, lässt sich der Wagner-Graph mit drei Farben färben. Jetzt schauen wir uns den Beweis des Satzes 1.5 an: Beweis (Satz 1.5). : (s.o.) : Es sei G ein Graph mit V 4 und es gelte außerdem K 5 G. Nach dem Satz von Wagner (1.6) lässt sich G in der im Satz beschriebenen Form darstellen oder ist zumindest in dieser Form enthalten, da der beschriebene Graph kantenmaximal ohne K 5 -Minor ist. Wir können den Teil, der aus planaren Graphen besteht, nach dem 4- FS mit maximal vier Farben färben. Um den Wagner-Graphen zu färben, benötigen wir lediglich drei Farben. Da sich je ein Wagner- und ein planarer Graph an nur zwei Ecken schneiden und das Aneinanderkleben planarer Graphen neue planare Graphen erzeugt, benötigen wir auch keine zusätzlichen Farben und können mit vier Farben färben. Damit haben wir also gezeigt: K 5 G χ(g) 4, bzw. andersherum: χ(g) 5 K 5 G. Nach diesem verblüffenden Resultat setzen wir unsere Reise fort. Wie sieht es mit größeren r aus? Im Jahr 1993 haben Robertson, Seymour und Thomas einen Beweis für r=6 gefunden, der sich ebenfalls auf den 4-FS stützt, jedoch etwas länger und umfangreicher ist. Was ist jedoch mit r 7? Bis heute sind hierfür keine Beweise bekannt. Es stellt sich also weiterhin die Frage, ob die Hadwiger-Vermutung allgemein gültig ist oder ob es ein r 0 gibt, so dass (H r ) für alle r r 0 falsch ist. Sollte (H r ) tatsächlich für ein bestimmtes r falsch sein, so existiert auch ein solches r 0, denn es gilt: Korollar 1.7. (H r+1 ) (H r ). Bevor wir uns den Beweis anschauen, noch eine Definition: Definition 1.8. G = (V G, E) sei ein Graph. Den durch das Hinzufügen einer Ecke v / V G, die mit jeder Ecke der bereits in G enthaltenen Ecken verbunden ist, entstehende Graph G schreiben wir als G*1. Und nun der versprochene Beweis: Beweis (Korollar 1.7). Sei G = (V, E) ein Graph mit χ(g) r. Es gelte (H r+1 ). Wir fügen eine Ecke v / V G hinzu und verbinden sie mit allen Ecken von G. Dann ist für G*1 χ(g 1) r + 1. Da (H r+1 ) gilt, finden wir in G*1 einen Untergraphen H, der zu K r+1 kontrahiert werden kann. Nun entfernen wir die hinzugefügte Ecke v wieder. Es gibt jetzt zwei Möglichkeiten: Erstens: v K r+1 G 1. Dann ist (K r+1 \ v ) = K r G. Zweitens: v / K r+1 G 1. Dann ist K r+1 G und somit auch K r G. Es kann also nicht sein, dass die Hadwiger-Vermutung für ein r falsch, für ein größeres r jedoch korrekt ist. Das macht die Sache deutlich überschaubarer. 4

5 2 Die Vermutung von Hajós Bisher haben wir uns mit dem K r als Kontraktionsuntergraphen beschäftigt. Wir kennen aber auch den gegenteiligen Begriff: den der Unterteilung. Fordern wir, dass der Graph G eine Unterteilung anstelle einer Kontraktion des K r enthält, so ist diese Forderung schärfer, denn aus einer Unterteilung des K r erhalten wir immer auch eine Kontraktion. Dementsprechend stellt die folgende Vermutung eine Verschärfung der Hadwger-Vermutung dar: Vermutung 2.1 (Hajós, (U r )). Für alle Graphen G und alle r N gilt: χ(g) r K r T G. Erinnern wir uns daran, wie wir die Fälle r = 1 bis r = 4 der Hadwiger-Vermutung bewiesen haben, stellen wir fest, dass wir stets Unterteilungen des K r gefunden haben, die wir dann kontrahieren konnten. Daher folgt aus diesen Beweisen auch die Korrektheit für (H r ) für r 4. Für r = 5 existiert ebenfalls ein Beweis, der sich wie der von (H r ) auf den 4-FS stützt. Hierzu müssen wir uns nur den aus der Vorlesung bekannten Satz von Kuratowski erinnern: Satz 2.2 (Kuratowski). Ein Graph G ist genau dann planar, wenn er keinen zu einer Unterteilung des K 3,3 oder K 5 isomorphen Untergraphen enthält. Der rest des Beweises verläuft analog zu dem der Hadwiger-Vermutung für r = 5, daher werden wir darauf jetzt nicht weiter eingehen, sondern uns einem anderen Aspekt widmen. Genau wie für die Hadwiger-Vermutung stellt sich auch für die Vermutung von Hajós die Frage nach der Allgemeingültigkeit. Es lässt sich wie für (H r ) auch für (U r ) zeigen, dass (U r+1 ) (U r ) gilt. Lange Zeit wurde angenommen, dass (U r ) für alle natürlichen Zahlen r korrekt ist, bis Catlin 1979 ein Gegenbeispiel für den Fall r = 8 entdeckte: den Catlin-Graphen G C : Der Catlin-Graph ist uns bereits aus der Vorlesung bekannt. Er hat n = 15 Ecken mit δ(v) = 8 für alle v V und ist aus fünf K 3 s zusammengesetzt. Seine chromatische Zahl ist 8 (siehe Übung). Catlin hat gezeigt, dass G C keine Unterteilung des K 8 enthält und die Vermutung von Hajós ist damit im Allgemeinen für alle r 8 widerlegt. Wichtig ist jedoch, dass G C keineswegs die Hadwiger-Vermutung widerlegt! Es lässt sich relativ schnell eine Kontraktion des K 8 und sogar eine des K 9 entdecken. Dies zu zeigen ist Teil der Übung: 5

6 Übung 2. Zeige, dass χ(g C ) = 8 und finde K 8 G C (durch Angabe einer Kontraktionsvorschrift). Freiwilliger Zusatz: Finde K 9 G C. 3 Aktuelles und Zusammenfassung Rekapitulieren wir: Die Hadwiger-Vermutung ist korrekt für r 4, für r = 5, 6 äquivalent zum 4-FS und für alle r größer 6 im Allgemeinen noch ungelöst. Die Vermutung von Hajós ist ebenfalls korrekt für r 4, äquivalent zum 4-FS für r = 5 und für r 8 im Allgemeinen falsch. Wie sieht es jedoch mit r = 6, 7 aus? Für diese beiden Fälle existieren bis heute weder Beweise, noch Gegenbeispiele; sie sind bis heute ungelöst. Es ist jedoch nicht so, dass dieses Problem unbeachtet bleibt. Es wird weiterhin nach einer Lösung gesucht, sogar mit partiellem Erfolg: Im Jahr 2005 haben Kühn und Osthus eine Abschwächung der Hadwiger-Vermutung formuliert und bewiesen: Satz 3.1 (Kühn und Osthus, 2005). Für jedes s N existiert ein r s N, so dass die Hadwiger-Vermutung für alle Graphen G K s,s und r r s gilt. Für eine spezielle Gruppe von Graphen ist die Hadwiger Vermutung nun also bewiesen. Dies legt natürlich den Verdacht nahe, dass die Vermutung auch im Allgemeinen richtig ist. Dieses Argument wird dadurch entkräftet, dass ebenfalls ein Lemma existiert, welches die Korrektheit von (H r ) für spezielle Fälle beweist: Lemma 3.2. Es gibt eine Konstante g N, so dass für alle Graphen G mit g(g) g und für alle r N gilt: χ(g) r K r T G (g(g) bezeichnet hier die Taillenweite des Graphen). Das heißt, für Graphen mit ausreichend großer Taillenweite ist die Vermutung von Hajós in der Tat korrekt. Wir werden dieses Lemma beweisen, dafür benötigen wir allerdings wieder einen zusätzlichen Satz, den wir wiederum beweislos annehmen. Satz 3.3 (Kühn und Osthus, 2002). Es existiert eine Konstante g N, so dass jeder Graph G mit δ(g) r 1 und g(g) g einen K r als topologischen Minor enthält. Diese Sätze ähneln sich schon sehr. Zusammen mit dem Hilfssatz, dass jeder Graph G einen Untergraphen H mit δ(h) χ(g) 1 enthält, ist es ein Kinderspiel, Lemma 3.2 zu beweisen. Beweis (Lemma 3.2). Es sei G ein Graph und g die Konstante aus Satz 3.3, χ(g) r. Dann hat G einen Untergraphen H mit δ(h) χ(g) 1 r 1. Dann gilt: g(h) g(g) g und somit folgt aus Satz 3.3, dass K r T H und somit natürlich auch K r T G. Und was wäre ein Graphentheorie-Vortrag ohne die Erwähnung des Namens Paul Erdös? Dieser hat gemeinsam mit Catlin und Bollóbas gezeigt, dass die Hadwiger- Vermutung für fast alle Graphen korrekt ist (das wurde auch schon im Vortrag über Fast alle Graphen angesprochen). 6

7 Obwohl sie nicht zu den Milenium-Problemen gehört, ist die Hadwiger-Vermutung wohl eines der interessantesten ungelösten Probleme der Mathematik. Sollte es eines Tages einen Beweis geben, sei es für ihre Gültigkeit oder aber auch ihre Fehlerhaftigkeit, so wäre die Entdeckung dieses Beweises sicherlich eine Sensation. Literatur [Aig] [Die] [Wag] M. Aigner: Graphentheorie. R. Diestel: Graphentheorie. K. Wagner: Graphentheorie. Dieses Dokument wurde mit L A TEX erstellt. 7

Grundlagen der Graphentheorie. Thomas Kamps 6. Oktober 2008

Grundlagen der Graphentheorie. Thomas Kamps 6. Oktober 2008 Grundlagen der Graphentheorie Thomas Kamps 6. Oktober 2008 1 Inhaltsverzeichnis 1 Definition von Graphen 3 2 Unabhängigkeit von Ecken und Kanten 3 3 Teil- und Untergraphen 4 4 Schnitt, Vereinigung und

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

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

Fünf-Farben-Satz. Seminar aus reiner Mathematik, WS 13/14. Schweighofer Lukas, November Seite 1

Fünf-Farben-Satz. Seminar aus reiner Mathematik, WS 13/14. Schweighofer Lukas, November Seite 1 Der Fünf- Farben-Satz Seminar aus reiner Mathematik, WS 13/14 Schweighofer Lukas, November 2013 Seite 1 Inhaltsverzeichnis Vorwort...3 Graphentheoretische Grundlagen...4 Satz 2 (Eulerscher Polyedersatz)...7

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

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

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden

Mehr

Graphen und Algorithmen

Graphen und Algorithmen Graphen und Algorithmen Vorlesung #8: Färbungsprobleme Dr. Armin Fügenschuh Technische Universität Darmstadt WS 2007/2008 Übersicht Knotenfärbung (vs. Kanten- & Kartenfärbung) Satz von Brooks Algorithmen

Mehr

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

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

Mehr

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

Vier-Farben-Vermutung (1)

Vier-Farben-Vermutung (1) Vier-Farben-Vermutung (1) Landkarten möchte man so färben, dass keine benachbarten Länder die gleiche Farbe erhalten. Wie viele Farben braucht man zur Färbung einer Landkarte? Vier-Farben-Vermutung: Jede

Mehr

Listenfärbung von Graphen

Listenfärbung von Graphen Listenfärbung von Graphen Martin Matković WS 2011/2012 Abstract Martin Matković 14. April 2012 In dieser Arbeit werden Definitionen und grundlegende Eigenschaften von Graphenfärbungen und speziell von

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

Der Fünf-Farben-Satz. Lukas Schweighofer. Feb.2014

Der Fünf-Farben-Satz. Lukas Schweighofer. Feb.2014 Der Fünf-Farben-Satz Lukas Schweighofer Feb.2014 1 Contents 1 Vorwort 3 2 Graphentheoretische Grundlagen 4 3 Satz 2 (Eulerscher Polyedersatz) 8 4 Satz 3 9 5 Der Fnf-Farben-Satz 10 5.1 Beweis 1..............................

Mehr

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

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

Mehr

Der Fünffarbensatz Proseminar: Graphentheorie Sommersemester 2006 Isa Topac, Markus Kunder, Tim Hahn

Der Fünffarbensatz Proseminar: Graphentheorie Sommersemester 2006 Isa Topac, Markus Kunder, Tim Hahn Der Fünffarbensatz Proseminar: Graphentheorie Sommersemester 2006 Isa Topac, Markus Kunder, Tim Hahn 1. Geschichte - Frage kommt Mitte des 19 Jahrhunderts auf Wie viele Farben benötigt man um eine Karte

Mehr

Kap. IV: Färbungen von Graphen

Kap. IV: Färbungen von Graphen Chr.Nelius: Graphentheorie (WS 2016/17) 46 Kap. IV: Färbungen von Graphen 12. Eckenfärbungen Bereits im 6 ten Paragraphen haben wir Eckenfärbungen benutzt, um bipartite Graphen charakterisieren zu können.

Mehr

Achilles und die Schildkröte Sommersemester 2008

Achilles und die Schildkröte Sommersemester 2008 Achilles und die Schildkröte Sommersemester 2008 Färbbarkeit planarer Graphen Alexander Damarowsky 20.05.2008 V6, 15.05.2008 Problemstellung /Ziel des Vortrags: Wie viele Farben werden benötigt, um jeden

Mehr

Bäume und Wälder. Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann

Bäume und Wälder. Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann Bäume und Wälder Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann Ida Feldmann 2-Fach Bachelor Mathematik und Biologie 6. Fachsemester Inhaltsverzeichnis Einleitung 1 1. Bäume

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

Zur Zykelschreibweise von Permutationen

Zur Zykelschreibweise von Permutationen Zur Zykelschreibweise von Permutationen Olivier Sète 16. Juni 2010 1 Grundlagen Definition 1.1. Eine Permutation von {1, 2,..., n} ist eine bijektive Abbildung σ : {1, 2,..., n} {1, 2,..., n}, i σ(i).

Mehr

11: Die Euler sche Polyederformel für planare Graphen

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

Mehr

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

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

Mehr

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

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

Mehr

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

KARL-FRANZENS-UNIVERSITÄT GRAZ. Seminar aus Reiner Mathematik. Die Museumswächter. Krupic Mustafa Wintersemester 2013/14

KARL-FRANZENS-UNIVERSITÄT GRAZ. Seminar aus Reiner Mathematik. Die Museumswächter. Krupic Mustafa Wintersemester 2013/14 KARL-FRANZENS-UNIVERSITÄT GRAZ Seminar aus Reiner Mathematik Die Museumswächter Krupic Mustafa Wintersemester 2013/14 Inhaltsverzeichnis 2 Inhaltsverzeichnis 1 Einleitung 3 2 Museumswächter-Satz 6 2.1

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

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

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

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

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

Mehr

Kapitel 3. Kapitel 3 Graphentheorie

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

Mehr

Der Vier-Farben-Satz

Der Vier-Farben-Satz , Samuel Hetterich, Felicia Raßmann Goethe-Universität Frankfurt, Institut für Mathematik 21.Juni 2013 Wieviele Farben braucht man zum Färben einer Landkarte? Spielregeln Länder mit einer gemeinsamen Grenze

Mehr

6. Übung zur Linearen Optimierung SS08

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

Mehr

definieren eine Aussage A als einen Satz, der entweder wahr (w) oder falsch (f) (also insbesondere nicht beides zugleich) ist 1. Beispiel 1.1.

definieren eine Aussage A als einen Satz, der entweder wahr (w) oder falsch (f) (also insbesondere nicht beides zugleich) ist 1. Beispiel 1.1. 22 Kapitel 1 Aussagen und Mengen 1.1 Aussagen Wir definieren eine Aussage A als einen Satz, der entweder wahr w) oder falsch f) also insbesondere nicht beides zugleich) ist 1. Beispiel 1.1. 2 ist eine

Mehr

Proseminar Graphentheorie Vortrag 3 Matching. Inhalt: 1. Grundlagen 2. Matchings in bipatiten Graphen 3. Matchings in allgemeinen Graphen

Proseminar Graphentheorie Vortrag 3 Matching. Inhalt: 1. Grundlagen 2. Matchings in bipatiten Graphen 3. Matchings in allgemeinen Graphen Proseminar Graphentheorie Vortrag 3 Matching Inhalt: 1. Grundlagen 2. Matchings in bipatiten Graphen 3. Matchings in allgemeinen Graphen 1. Grundlagen Definition Matching: Eine Menge M von unabhängigen

Mehr

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kap. 6: Graphentheorie Lang 6 Beutelspacher 8.1-8.5 Meinel 11 zur Vertiefung: Aigner 6, 7 (7.4: Algorithmus von Dijkstra) Matousek

Mehr

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

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

Mehr

Diskrete Strukturen Kapitel 2: Grundlagen (Beweise)

Diskrete Strukturen Kapitel 2: Grundlagen (Beweise) WS 2014/15 Diskrete Strukturen Kapitel 2: Grundlagen (Beweise) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_14

Mehr

Die. Ramsey-Zahlen

Die. Ramsey-Zahlen Westfälische Willhelms-Universität Münster Fachbereich 10 Mathematik und Informatik Seminar Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann Die Ramsey-Zahlen 01.06.15 Kirsten Voß k_voss11@uni-muenster.de

Mehr

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

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

Mehr

William Rowan Hamilton,

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

Mehr

II. Wissenschaftliche Argumentation

II. Wissenschaftliche Argumentation Gliederung I. Motivation II. Wissenschaftliche Argumentation i. Direkter Beweis ii. iii. Indirekter Beweis Beweis durch vollständige Induktion Seite 35 II. Wissenschaftliche Argumentation Ein Beweis ist

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

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 6

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 6 Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 6 Die Lösungshinweise dienen

Mehr

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

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

Mehr

Geraden in der Ebene und Zerlegung von Graphen

Geraden in der Ebene und Zerlegung von Graphen Geraden in der Ebene und Zerlegung von Graphen Proseminar: Beweise aus dem Buch am 17.01.2015 von Ina Seidel 1 Historisches zu Sylvester und Gallai James Joseph Sylvester * 1814, 1897 war britischer Mathematiker.Unter

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

Fortgeschrittene Netzwerk- und Graph-Algorithmen

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

Mehr

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent. Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen

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

Diskrete Mathematik für Informatiker

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

Mehr

Diskrete Mathematik 1

Diskrete Mathematik 1 Ruhr-Universität Bochum Lehrstuhl für Kryptologie und IT-Sicherheit Prof. Dr. Alexander May M. Ritzenhofen, M. Mansour Al Sawadi, A. Meurer Lösungsblatt zur Vorlesung Diskrete Mathematik 1 WS 2008/09 Blatt

Mehr

3.2 Unabhängigkeitsstrukturen

3.2 Unabhängigkeitsstrukturen 80 3.2 Unabhängigkeitsstrukturen Unser Ziel ist der Nachweis, daß in Vektorräumen, also in Moduln über Körpern, Basen existieren und zwei endliche Basen gegebenenfalls von derselben Ordnung sind. (Basen

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

Grundlagen der Mathematik

Grundlagen der Mathematik Universität Hamburg Winter 016/17 Fachbereich Mathematik Janko Latschev Lösungsskizzen 6 Grundlagen der Mathematik Präsenzaufgaben (P9) Die Ordnung der natürlichen Zahlen I Wir hatten in der Vorlesung

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretische Grundlagen der Informatik Vorlesung am 17. Januar 2012 INSTITUT FÜR THEORETISCHE 0 KIT 18.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der

Mehr

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

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

Mehr

Wiederholung aus Diskreter Mathematik I: I: Graphentheorie

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

Mehr

2. Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung

2. Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 2 Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 2 Woche: Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 24/ 44 Zwei Beispiele a 0

Mehr

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 4. Übungsblatt

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 4. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 0/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 4. Übungsblatt Aufgabe

Mehr

13 Auswahlaxiom und Zornsches Lemma

13 Auswahlaxiom und Zornsches Lemma 13 Auswahlaxiom und Zornsches Lemma Handout zur Funktionalanalysis I von H. Glöckner, 25.11.2008 Wichtige Teile der modernen Mathematik beruhen auf dem sogenannten Auswahlaxiom der Mengenlehre. Dieses

Mehr

Alternativ kann man auch die Differenz a n+1 a n betrachten:

Alternativ kann man auch die Differenz a n+1 a n betrachten: Aufgabe 1 Folgen auf Monotonie und Beschränktheit prüfen. a) Beschränktheit? Die Folge ( ) n N mit = n + ( 1) n ist nach unten beschränkt, denn es gilt n + ( 1) n n 1 1 für alle n N. Allerdings ist die

Mehr

Übungsblatt 2 - Lösung

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

Mehr

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

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

Mehr

16. Flächenfärbungen

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

Mehr

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

Bachelor Arbeit von Tim Sebastian Rühmann

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

Mehr

b liegt zwischen a und c.

b liegt zwischen a und c. 2 DIE ANORDNUNGSAXIOME 5 (2.4) a, b, c R : (a < b 0 < c) ac < bc Monotoniegesetz der Multiplikation Bezeichnungen a > b : b < a (> wird gelesen: größer als ) a b : a < b oder a = b a b : a > b oder a =

Mehr

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

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

Mehr

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 3: Beweisverfahren

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 3: Beweisverfahren FH Wedel Prof. Dr. Sebastian Iwanowski DM3 Folie 1 Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kapitel 3: Beweisverfahren Meinel 3, 6, 7 Lang 4.1 (nur bis S. 43), 2.2

Mehr

Definitionen und Sätze der Graphentheorie. Dr. F. Göring

Definitionen 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.

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2016/17 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler Wintersemester 2016/17 Inhaltsverzeichnis Teil 1 Teil

Mehr

1 Häufungswerte von Folgen

1 Häufungswerte von Folgen KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heio Hoffmann WS 0/..0 Höhere Mathemati I für die Fachrichtung Informati. Saalübung (..0) Häufungswerte von Folgen Oft

Mehr

6. Planare Graphen und Färbungen

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

Mehr

Diskrete Strukturen. Markus Lohrey. Wintersemester 2008/2009. Universität Leipzig

Diskrete Strukturen. Markus Lohrey. Wintersemester 2008/2009. Universität Leipzig Diskrete Strukturen Markus Lohrey Universität Leipzig Wintersemester 2008/2009 Lohrey (Universität Leipzig) Diskrete Strukturen Wintersem. 2008/2009 1 / 247 Organisatorisches zur Vorlesung Die aktuelle

Mehr

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

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

Mehr

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

Satz von Sarkovskii und Periode 3 impliziert Chaos

Satz von Sarkovskii und Periode 3 impliziert Chaos Satz von Sarkovskii und Periode 3 impliziert Chaos Florian Lindemann 10 Februar 2003 Vortrag für das Seminar Differentialgleichungen, WS 02/03 Dozent: Prof Lauterbach Wir wollen uns das Feigenbaum-Diagramm

Mehr

Wann sind Codes eindeutig entschlüsselbar?

Wann sind Codes eindeutig entschlüsselbar? Wann sind Codes eindeutig entschlüsselbar? Definition Suffix Sei C ein Code. Ein Folge s {0, 1} heißt Suffix in C falls 1 c i, c j C : c i = c j s oder 2 c C und einen Suffix s in C: s = cs oder 3 c C

Mehr

typische Beweismuster Allgemeine Hilfe Beweistechniken WS2014/ Januar 2015 R. Düffel Beweistechniken

typische Beweismuster Allgemeine Hilfe Beweistechniken WS2014/ Januar 2015 R. Düffel Beweistechniken Beweistechniken Ronja Düffel WS2014/15 13. Januar 2015 Warum ist Beweisen so schwierig? unsere natürliche Sprache ist oft mehrdeutig wir sind in unserem Alltag von logischen Fehlschlüssen umgeben Logik

Mehr

3. Minimale Spannbäume. Definition 99 T heißt minimaler Spannbaum (MSB, MST) von G, falls T Spannbaum von G ist und gilt:

3. Minimale Spannbäume. Definition 99 T heißt minimaler Spannbaum (MSB, MST) von G, falls T Spannbaum von G ist und gilt: 3. Minimale Spannbäume Sei G = (V, E) ein einfacher ungerichteter Graph, der o.b.d.a. zusammenhängend ist. Sei weiter w : E R eine Gewichtsfunktion auf den Kanten von G. Wir setzen E E: w(e ) = e E w(e),

Mehr

1 Vorbereitung: Potenzen 2. 2 Einstieg und typische Probleme 3

1 Vorbereitung: Potenzen 2. 2 Einstieg und typische Probleme 3 Das vorliegende Skript beschäftigt sich mit dem Thema Rechnen mit Kongruenzen. Das Skript entsteht entlang einer Unterrichtsreihe in der Mathematischen Schülergesellschaft (MSG) im Jahr 2013. Die vorliegende

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

Minimal spannender Baum

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

Mehr

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

Musterlösung zu Blatt 11, Aufgabe 3

Musterlösung zu Blatt 11, Aufgabe 3 Musterlösung zu Blatt 11, Aufgabe 3 I Aufgabenstellung Wir nennen eine Teilmenge A R abgeschlossen, wenn der Grenzwert einer konvergenten Folge in A stets wieder in A liegt. Beweisen Sie: a) Für eine beliebige

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

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

Liegt eine Kante k auf einem Zyklus Z, so liegt k auf dem Rand genau zweier

Liegt eine Kante k auf einem Zyklus Z, so liegt k auf dem Rand genau zweier 4 Planare Graphen Bisher wurden Graphen abstrakt durch Mengen E und K und eine Abbildung ψ : K P(E) definiert. In diesem Kapitel beschäftigen wir uns mit einem Abschnitt der sogenannten topologischen Graphentheorie.

Mehr

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

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

Vorlesung. Vollständige Induktion 1

Vorlesung. Vollständige Induktion 1 WS 015/16 Vorlesung Vollständige Induktion 1 1 Einführung Bei der vollständigen Induktion handelt es sich um ein wichtiges mathematisches Beweisverfahren, mit dem man Aussagen, die für alle natürlichen

Mehr

Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen

Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen Bernhard Ganter WS 2013/14 1 Eulersche Graphen Kantenzug Ein Kantenzug in einem Graphen (V, E) ist eine Folge (a 0, a 1,..., a n ) von Knoten

Mehr

Kanonische Ordnungen und die Mondshein-Sequenz

Kanonische Ordnungen und die Mondshein-Sequenz Kanonische Ordnungen und die Mondshein-Sequenz a.k.a. (2,)-Order 2 8 0 9 5 7 6 2 Überblick Geradlinige Zeichnungen Kanonische Ordnungen + Shift-Algorithmus Erweiterungen durch Ohrendekompositionen Mondshein-Sequenz

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

Diskrete Strukturen in der Informatik

Diskrete Strukturen in der Informatik Diskrete Strukturen in der Informatik Markus Lohrey Universität Leipzig Wintersemester 2012/2013 Lohrey (Universität Leipzig) Diskrete Strukturen Wintersem. 2012/2013 1 / 287 Organisatorisches zur Vorlesung

Mehr

Hackenbusch und Spieltheorie

Hackenbusch 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)

Mehr

Lösungen zur Klausur zur Vorlesung. Mathematik für Informatiker I. (Dr. Frank Hoffmann) Wintersemester 2011/ Februar 2012

Lösungen zur Klausur zur Vorlesung. Mathematik für Informatiker I. (Dr. Frank Hoffmann) Wintersemester 2011/ Februar 2012 Lösungen zur Klausur zur Vorlesung Mathematik für Informatiker I (Dr. Frank Hoffmann) Wintersemester 2011/2012 22. Februar 2012 Aufgabe 1 Logisches und Grundsätzliches /4+4+2 (a) Testen Sie mit dem Resolutionskalkül,

Mehr

Kapitel 3: Die Sätze von Euler, Fermat und Wilson. 8 Der Satz von Euler

Kapitel 3: Die Sätze von Euler, Fermat und Wilson. 8 Der Satz von Euler Kapitel 3: Die Sätze von Euler, Fermat und Wilson In diesem Kapitel wollen wir nun die eulersche -Funktion verwenden, um einen berühmten Satz von Euler zu formulieren, aus dem wir dann mehrere interessante

Mehr

1 Zahlentheorie. 1.1 Kongruenzen

1 Zahlentheorie. 1.1 Kongruenzen 3 Zahlentheorie. Kongruenzen Der letzte Abschnitt zeigte, daß es sinnvoll ist, mit großen Zahlen möglichst einfach rechnen zu können. Oft kommt es nicht darauf, an eine Zahl im Detail zu kennen, sondern

Mehr