Grundbegriffe der Informatik
|
|
|
- Birgit Langenberg
- vor 7 Jahren
- Abrufe
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 Einheit 11: Graphen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2010/2011 1/59 Graphische Darstellung von Zusammenhängen schon
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
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
11 G R A P H E N. malt man lieber Abbildungen wie diese:
11 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
Grundbegriffe der Informatik Tutorium 8
Grundbegriffe der Informatik Tutorium 8 Tutorium Nr. 16 Philipp Oppermann 22. Dezember 2014 KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum
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
5 Graphen. Repräsentationen endlicher Graphen. 5.1 Gerichtete Graphen. 5.2 Ungerichtete Graphen. Ordnung von Graphen
Grundlagen der Mathematik für Informatiker 1 Grundlagen der Mathematik für Informatiker 5 Graphen 5.1 Gerichtete Graphen Definition 5.1 (V, E) heißt gerichteter Graph (Digraph), wenn V Menge von Knoten
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
Anwendungen von Graphen
Anwendungen von Graphen Strassen- und Verkehrsnetze Computernetzwerke elektrische Schaltpläne Entity-Relationship Diagramme Beweisbäume endliche Automaten Syntaxbäume für Programmiersprachen Entscheidungsbäume
Elementare Definitionen. Anwendungen von Graphen. Formalisierung von Graphen. Formalisierung von Digraphen. Strassen- und Verkehrsnetze
Anwendungen von Graphen Strassen- und Verkehrsnetze Computernetzwerke Elementare Definitionen Ein Graph besteht aus Knoten und Kanten, die die Knoten verbinden. elektrische Schaltpläne Entity-Relationship
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
Algorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Prof. Martin Lercher Institut für Informatik Heinrich-Heine-Universität Düsseldorf Teil 9 Graphen Version vom 13. Dezember 2016 1 / 1 Vorlesung Fortsetzung 13. Dezember
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
Was bisher geschah. gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen
Was bisher geschah gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen Spezielle Graphen: I n, K n, P n, C n, K m,n, K 1,n, K n1,...,n m Beziehungen zwischen Graphen: Isomorphie, Teilgraph,
Graphen. Definitionen
Graphen Graphen werden häufig als Modell für das Lösen eines Problems aus der Praxis verwendet, wie wir im Kapitel 1 gesehen haben. Der Schweizer Mathematiker Euler hat als erster Graphen verwendet, um
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
Dieser Graph hat 3 Zusammenhangskomponenten
Vl 2, Informatik B, 19. 04. 02 1.1.3 Definitionen und wichtige Graphen Sei im folgenden G =(V;E) ein schlichter ungerichteter Graph. Definition: Der Grad eines Knoten v in einem ungerichteten Graphen ist
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)
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,
Grundlagen der Theoretischen Informatik
1 Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Wintersemester 2014/15 2 Notation für Wörter w a is die Anzahl der Vorkommen von
= 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)
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
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
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
Seien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren.
Beweis: 1. 2. Seien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren. Widerspruchsannahme: Es gibt zwei verschiedene Pfade zwischen u und v. Dann gibt es einen
8. Übung Algorithmen I
INSTITUT FÜR THEORETISCHE INFORMATIK 1 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft Institut für Theoretische www.kit.edu Informatik Grundlagen
Am Dienstag, den 15. Dezember, ist Eulenfest. 1/60
Am Dienstag, den 15. Dezember, ist Eulenfest. 1/60 Grundbegriffe der Informatik Einheit 12: Erste Algorithmen in Graphen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester
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
Graphen KAPITEL 3. Dieses Problem wird durch folgenden Graph modelliert:
KAPITEL 3 Graphen Man kann als Ursprung der Graphentheorie ein Problem sehen, welches Euler 1736 von Studenten aus Königsberg gestellt bekam. Der Fluss Pregel wird von 7 Brücken überquert, und die Frage
Übersicht. Bielefeld Hannover. Kamen Paderborn. Unna Wünnenberg Kassel. Ziffer wählen. abheben. auflegen. Gespräch führen
Übersicht Graphen beschreiben Objekte und Beziehungen zwischen ihnen geeignet für Modellierung verschiedener Aufgaben betrachten endliche, ungerichtete und endliche, gerichtete Graphen Graphen bestehen
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
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
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
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
Graphentheorie. Yichuan Shen. 10. Oktober 2013
Graphentheorie Yichuan Shen 0. Oktober 203 Was ist ein Graph? Ein Graph ist eine kombinatorische Struktur, die bei der Modellierung zahlreicher Probleme Verwendung findet. Er besteht ganz allgemein aus
Klausur zur Vorlesung Grundbegriffe der Informatik 14. September 2015
Klausur zur Vorlesung Grundbegriffe der Informatik 14. September 2015 Klausurnummer Nachname: Vorname: Matr.-Nr.: Diese Klausur ist mein 1. Versuch 2. Versuch in GBI Email-Adr.: nur falls 2. Versuch Aufgabe
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
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
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
Graphen Jiri Spale, Algorithmen und Datenstrukturen - Graphen 1
Graphen 27 Jiri Spale, Algorithmen und Datenstrukturen - Graphen Motivation Einsatz: Berechnung von Entfernungen Auffinden von Zyklen in Beziehungen Ermittlung von Verbindungen Zeitmanagement Konzept:
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
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
Formale Grundlagen. Graphentheorie 2008W. Vorlesung im 2008S
Minimale Formale Grundlagen Graphentheorie Franz Binder Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Minimale Inhalt Minimale
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
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
Algorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 7 und 8: Euler- und Hamilton-Graphen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 17. April 2018 1/96 WIEDERHOLUNG Eulersche
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
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
Klausur zur Vorlesung Grundbegriffe der Informatik 2. März 2016
Klausurnummer Klausur zur Vorlesung Grundbegriffe der Informatik 2. März 2016 Nachname: Vorname: Matr.-Nr.: Diese Klausur ist mein 1. Versuch 2. Versuch in GBI Email-Adr.: nur falls 2. Versuch Aufgabe
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
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
Elementare Definitionen. Anwendungen. Formalisierung von Digraphen. Formalisierung von Graphen
Elementare Definitionen Ein Graph besteht anschaulich aus Knoten und Kanten, die die Knoten verbinden. Anwendungen Flussdiagramme Versorgungsnetze Computernetzwerke Petri-Netze Entity-Relationship Diagramme
Diskrete Strukturen. Hausaufgabe 1 (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 8
Kapitel IV Minimale Spannbäume
Kapitel IV Minimale Spannbäume 1. Grundlagen Ein Graph G = (V, E) besteht aus einer Menge V von Knoten und einer Menge E von Kanten. Wir werden nur endliche Knoten- (und damit auch Kanten-) Mengen betrachten.
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
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
WS 2015/16 Diskrete Strukturen Kapitel 4: Graphen (Planare Graphen, Färbung)
WS 2015/16 Diskrete Strukturen Kapitel 4: Graphen (Planare Graphen, Färbung) 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
Übung zur Vorlesung Diskrete Strukturen I
Technische Universität München WS 00/0 Institut für Informatik Aufgabenblatt Prof. Dr. J. Csirik. November 00 Brandt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am. und.
Kapitel IV Minimale Spannbäume
Kapitel IV Minimale Spannbäume. Grundlagen Ein Graph G = (V, E) besteht aus einer Menge V von Knoten und einer Menge E von Kanten. Wir werden nur endliche Knoten- (und damit auch Kanten-) Mengen betrachten.
Vorlesungstermin 2: Graphentheorie II. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich
Vorlesungstermin 2: Graphentheorie II Markus Püschel David Steurer Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich Wiederholung: Vollständige Induktion Ziel: zeige n N. A(n) für eine Aussage
Übung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist:
Svenja Hüning, Michael Kerber, Hannah Schreiber WS 2016/2017 Übung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist: Hinweise: Dieses Blatt präsentiert Beispiellösungen zu
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
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
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
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
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
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
Lösungsvorschläge und Erläuterungen Klausur zur Vorlesung Grundbegriffe der Informatik 6. März 2017
Lösungsvorschläge und Erläuterungen Klausur zur Vorlesung Grundbegriffe der Informatik 6. März 2017 Klausurnummer Nachname: Vorname: Matr.-Nr.: Diese Klausur ist mein 1. Versuch 2. Versuch in GBI Email-Adr.:
ADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 02. Mai 2017 [Letzte Aktualisierung: 10/07/2018,
Was bisher geschah. gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen
Was bisher geschah gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen Spezielle Graphen: I n, K n, P n, C n, K m,n, K 1,n, K n1,...,n m Beziehungen zwischen Graphen: Isomorphie, Teilgraph,
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
Univ.-Prof. Dr. Goulnara ARZHANTSEVA
Diskrete Mathematik Univ.-Prof. Dr. Goulnara ARZHANTSEVA SS 2018 c Univ.-Prof. Dr. Goulnara Arzhantseva Kapitel 08: Menger, König und Hall / Planare Graphen 1 / 30 Der Satz von Menger: s t trennende Kantenmenge
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
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
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
ADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität
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
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
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
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
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
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
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
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
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
Graphentheorie. Algebraic Graph Theory von Chris Godsil und Gordon Royle. Kapitel Seminararbeit. von. Katharina Mayr
Graphentheorie Algebraic Graph Theory von Chris Godsil und Gordon Royle Kapitel 1.1 1.3 Seminararbeit von Katharina Mayr 01210559 Universität Graz Insitut für Mathematik und wissenschaftliches Rechnen
1 Beispiele für Graphen
Beispiele für Graphen 1 Beispiele für Graphen 1. Kreuzungsproblem : 3 Häuser sollen mit einem Wasser-, Gas- und Elektroanschluß verbunden werden, wobei keine Kreuzung entstehen darf. Abbildung 1: Kreuzungsproblem
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
A B = {(a,b) a A, b B}
Binäre Relationen Def: A, B zwei Mengen. Das kartesische Produkt von beiden ist A B = {(a,b) a A, b B} Eine MengeR A B heißt (zweistellige) Relation. Anstatt (a,b) R schreibt man oft auch arb. 1 SindR,S
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
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
Lösungsvorschläge und Erläuterungen Klausur zur Vorlesung Grundbegriffe der Informatik 15. September 2016
Lösungsvorschläge und Erläuterungen Klausur zur Vorlesung Grundbegriffe der Informatik 15. September 2016 Klausurnummer Nachname: Vorname: Matr.-Nr.: Diese Klausur ist mein 1. Versuch 2. Versuch in GBI
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..............................
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
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
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
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