1. Einige Begriffe aus der Graphentheorie
|
|
- Hella Lehmann
- vor 6 Jahren
- Abrufe
Transkript
1 . 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 Potenzmenge von M. Bemerkung. Ist M abzählbar bzw. M = k N 0, so gilt P(M) = n=0 P n(m) bzw. P(M) = k n=0 P n(m). Definition.. Ein einfacher Graph G ist ein Paar G = (V,E) bestehend aus disjunkten Mengen V und E P 2 (V). Die Elemente in V heißen Ecken oder Knoten von G (engl. vertex, Plural vertices), und die Elemente in E heißen Kanten von G (engl. edge, Plural edges). Man nennt dann G auch einen Graphen auf V. G := V heißt Ordnungvon G und Gheißt endlich falls G <. Mandefiniert G := E. Für einen gegebenen Graphen G bezeichnet man seine Kanten- bzw. Eckenmenge auch mit E(G) bzw. V(G). Der leere Graph (, ) wird mit bezeichnet. Graphen der Ordnung heißen trivial. Falls nichts anderes gesagt wird, meinen wir mit Graph immer einen einfachen Graphen. In der Regel werden unsere Graphen immer endlich sein. Bemerkung. Endliche Graphen stellt man oft bildlich dar: z.b. G = (V(G), E(G)) mit V(G) = {a,b,c,d,e,f,g}, E(G) = {{a,b},{a,c},{a,f},{b,d},{c,d},{c,e},{d,e}}: b a c g e f d Oft bezeichnet man Kanten wie hier z.b. {a, b} schlicht mit ab (also insbesondere ab = ba). Definition.2. Ein Multigraph M = (V, E, ϕ) besteht aus disjunkten Mengen E und V und einer Abbildung ϕ : E P (V) P 2 (V). Wieder heißen die Elemente von E bzw. V die Kanten bzw. Ecken, Knoten von M. Eine Kante e E mit ϕ(e) P (V) heißt auch Schlaufe (engl. loop).
2 Alternativ lässt sich ein Multigraph definieren als ein Paar M = (V,ψ) einer Menge V (die Ecken von M) und einer Abbildung ψ : P (V) P 2 (V) N 0, wobei ψ({a}) = n bedeutet, dass in M eine Schlaufe der Vielfachheit n die Ecke a mit sich selbst verbindet (n = 0 heißt keine Schlaufe), und ψ({a,b}) = n, dass in M die Kante {a,b} die Vielfachheit n hat (n = 0 heißt keine Kante). Bemerkung. Wieder kann man sich Multigraphen bildlich veranschaulichen. Mittels der ersten Definition z.b. E = {,2,,}, V = {a,b,c} mit ϕ() = {a}, ϕ(2) = {a,b}, ϕ() = ϕ() = {b,c}: b 2 a c In der alternativen Definition M = (V,ψ) mit V = {a,b,c} hätte man damit ψ({a}) =, ψ({b}) = ψ({c}) = 0, ψ({a,b}) =, ψ({a,c}) = 0, ψ({b,c}) = 2. Definition.. Sei G = (V,E) ein Graph, x,y V, x y, e,f E, e f. Man nennt die Ecken x und y bzw. die Kanten e unf f benachbart oder adjazent falls xy E (d.h. die Ecken sind durch eine Kante verbunden) bzw. e f (d.h. die Kanten haben eine gemeinsame Ecke). x und e sind inzident falls x e. Für U,U 2 V bezeichnet man mit E(U,U 2 ) := {x x 2 E x i U i } die U -U 2 -Kanten in G. Für x V, W V schreibt man vereinfacht E(x,W) := E({x},W) und E(x) := E(x,V) = {e E x e} (die Menge aller mit x inzidenten Kanten in G). Ferner bezeichne N G (x) = {y V xy E} die Menge der zu x in G benachbarten Ecken, und entsprechend für U V definiert man N G (U) = x U N G(x). (Wir schreiben oft N(...) statt N G (...) falls klar ist, welches G gemeint ist.) Man nennt G vollständig falls E = P 2 (V), d.h. falls je zwei Ecken in G benachbart sind. Ein vollständiger Graph G mit G = n wird mit K n bezeichnet. K heißt auch ein Dreieck. K K K 5 K 9 2
3 Bemerkung.. Sei G = (V,E) ein Graph mit G = n N. Dann gilt: (i) N(x) n x V; (ii) N(x) = n x V G = K n. Definition.5. Zwei Graphen G = (V,E) und G = (V,E ) heißen isomorph, in Zeichen G = G, falls es eine Bijektion ϕ : V V gibt sodass x,y V, x y, gilt: xy E ϕ(x)ϕ(y) E. Bemerkung. Oftschreibt man ungenaug = G und meintg = G. Dieswird abernormalerweise aus dem Kontext klar. So spricht man von dem vollständigen Graphen der Ordnung n: K n und meint dabei jeden Graphen G mit G = K n. Definition.6. (i) Sei G = (V,E) ein Graph. Man nennt G = (V,E ) einen Teilgraph von G, in Zeichen G G, falls V V und E E. (ii) Sind G i = (V i,e i ), i =,2, Graphen, so definiert man die Vereinigung und den Schnitt wie folgt: G G 2 := (V V 2,E E 2 )G G 2 := (V V 2,E E 2 ). G und G 2 heißen disjunkt falls G G 2 =. (iii) Sei G = (V,E) ein Graph, V V. Der von V aufgespannte oder induzierte Teilgraph in G ist definiert als G[V ] := (V,E P 2 (V )). Ein Teilgraph G G heißt Untergraph von G falls V V mit G = G[V ]. Beispiel. Betrachte G 2 G 2 G 2 G 2 G = G[{,2,}] ist ein Untergraph von G. G ist ein Teilgraph von G aber kein Untergraph. G ist kein Teilgraph von G aber isomorph zu einem Untergraphen von G. Definition.7. (i) Das Komplement G eines Graphen G = (V,E) ist definiert als G := (V,P 2 (V)\E). Also x,y V sind benachbart in G x,y sind nicht benachbart in G. (ii) Der Kantengraph L(G) eines Graphen G = (V,E) ist definiert wie folgt: V(L(G)) = E und für e,f E, e f, gelte ef E(L(G)) genau dann falls e,f in G benachbart sind, d.h. falls e f.
4 Beispiel. d a d e c e c b G 2 2 G a L(G) b Falls nichts Gegenteiliges gesagt wird, so seien ab jetzt alle Graphen endlich. Definition.8. Sei G = (V,E) eingraph, x V. Der Grad vonxistdefiniertalsdeg G (x) = N G (x) = E(x) (man schreibt auch schlicht deg(x) falls klar ist, was G ist). x heißt isoliert falls deg(x) = 0. Man definiert ferner den Minimalgrad bzw. Maximalgrad von G als δ(g) = min{deg(x) x G} bzw. (G) = max{deg(x) x G}, und den Durchschnittsgrad von G als d(g) = G x V deg(x). Bemerkung. δ(g) d(g) (G). Proposition.9. Sei G = (V,E) ein Graph. Dann gilt 2 E = x V deg(x) = G d(g). Insbesondere ist die Anzahl der Ecken von ungeradem Grad immer gerade. Beweis. Zur Summe x V deg(x) = x V E(x) trägt jede Kante xy E genau zu E(x) und zu E(y) bei, und 0 zu E(z) mit x z y. Also trägt jede Kante genau 2 zu x V E(x) bei, daher 2 E = x V E(x). Der Nachsatz ist damit klar. Definition.0. Ein Weg ist ein nicht-leerer Graph P = (V,E) mit V = {x 0,x,...,x k }, x i x j für i j, und E = {x 0 x,x x 2,...,x k x k }. Man nennt dann k die Länge des Weges P. Man schreibt auch kurz P = x 0 x...x k und bezeichnet P als Weg von x 0 nach x k bzw. als x 0 -x k -Weg. Ein Kreis der Länge k 2 ist ein Graph C = (V,E) mit V = {x 0,x,...,x k }, x i x j für i j, und E = {x 0 x,x x 2,...,x k 2 x k,x k x 0 }. Man schreibt auch P k bzw. C k für den bis auf Isomorphie eindeutig bestimmten Weg bzw. Kreis der Länge k. Bemerkung. P 0 = ({x 0 }, ) ist der triviale Weg.
5 Man spricht von Wegen und Kreisen in Graphen und meint damit Teilgraphen mit den entsprechenden Eigenschaften. Proposition.. Jeder Graph G = (V,E) enthält einen Weg der Länge δ(g) und, falls δ(g) 2, auch einen Kreis der Länge δ(g)+. Beweis. OBdA δ(g). Es sei x x...x k ein längster Weg in G (sicher k da δ(g) ) und sei y N(x k ). Dann muss gelten y {x 0,...,x k } denn sonst wäre x x...x k y ein längerer Weg. Also N(x K ) {x 0,...,x k } und damit k N(x k ) = deg(x k ) δ(g). Angenommen δ(g) 2, also auch im obigen längsten Weg k 2. Beachte: x k N(x k ). Daher existiert ein minimales i, 0 i k, mit x i N(x k ). Nun gilt N(x k ) {x 0,...,x k } und N(x k ) δ(g), und daher nach dem Schubfachprinzip sicher i k δ(g). Dann ist aber x i x i+...x k x k x i ein Kreis der Länge k i+ δ(g)+. Definition.2. Sei G = (V,E) ein Graph. (i) Die Länge eines kürzesten bzw. längsten Kreises in G nennt man Taillenweite (engl. girth) g(g) bzw. Umfang (engl. circumference) c(g). Enthält G keinen Kreis (d.h. G ist kreislos oder kreisfrei) so definiert man g(g) = und c(g) = 0. (ii) Seien x,y V. Man definiert den Abstand (oder die Distanz) dist G (x,y) wie folgt: dist G (x,x) = 0 und für x y gelte dist G (x,y) = falls es keinen x-y-weg in G gibt, und andernfalls dist G (x,y) = k wobei k die Länge eines kürzesten x-y-weg in G ist. Wir schreiben oft einfach dist(x, y) falls klar ist, welches G gemeint ist. (iii) Der Durchmesser (engl. diameter) diam(g) des Graphen G ist definiert als diam(g) = sup{dist G (x,y) x,y E} Proposition.. Für alle Graphen G = (V, E), die einen Kreis enthalten, gilt: g(g) 2diam(G)+. Beweis. OBdA diam(g) <. Angenommen g(g) 2diam(G) + 2 und sei C ein Kreis der Länge 2 diam(g) + 2. Dann existieren x, y V(C) die in C (und daher in G) durch einen Weg der Länge k := diam(g) + verbunden sind: xx x 2...x k y. Nach Voraussetzung gibt es dann aber einen y-x-weg der Länge l < k: yx k+ x k+2...x k+l x. Falls {x,...,x k } {x k+,...,x k+l =, so ist xx x 2...x k yx k+ x k+2...x k+l x einkreisderlängek+l 2k = 2diam(G)+. Falls{x,...,x k } {x k+,...,x k+l } =, so lässt sich aus ( ) sogar ein noch kürzerer Kreis herausschneiden. ( ) Definition.. Sei G = (V,E) ein nicht-leerer Graph. x,y V heißen verbunden falls es einen x-y-weg in G gibt, in Zeichen x y. 5
6 Lemma.5. Sei G = (V,E) ein Graph ein nicht-leerer Graph. Dann wird durch x y, x,y V eine Äquivalenzrelation auf V definiert. Definition.6. Sei G = (V,E) ein nicht-leerer Graph. Sei V x die zu x V gehörende Äquivalenzklasse bzgl.. Dann heißt G[V x ] die Zusammenhangskomponente (oder einfach nur Komponente) von x in G. G heißt zusammenhängend wenn G nur aus einer Zusammenhangskomponente besteht (d.h. also V x = V x V). Bemerkung. Aus der Definition folgt sofort: Jeder Graph G ist disjunkte Vereinigung seiner Zusammenhangskomponenten: G = G... G k mit G i = (V i,e i ) zusammenhängend und V i V j = = E i E j falls i j. Ferner ist jede Zusammenhangskomponente von G ein Untergraph von G. Definition.7. Ein kreisfreier Graph heißt Wald. Ein kreisfreier zusammenhängender Graph heißt Baum. Falls G ein Baum ist, so heißt eine Ecke x V(G) mit deg(x) = ein Blatt von G. Bemerkung. (i) Jeder nicht-triviale Baum hat Blätter (siehe Proposition.). (ii) Die Zusammenhangskomponenten eines Waldes sind Bäume. Ein Baum Satz.8. Sei T ein nicht-trivialer Graph. Dann sind äquivalent: (i) T ist ein Baum. (ii) x,y V(T), x y gilt:! x-y-weg in T. (iii) T ist zusammenhängend, aber e E(T) gilt: (V(T),E(T)\{e}) ist nicht zusammenhängend. (iv) T ist kreisfrei, aber x,y V(T), x y gilt: (V(T),E(T) {xy}) enthält einen Kreis. 6
7 Proposition.9. Sei G = (V, E) ein zusammenhängender Graph mit G = n. Dann existiert eine Eckenaufzählung (v,v 2,...,v n ) (wobei v i V, v i v j für i j), sodass G i := G[v,...,v i ] zusammenhängend ist für alle i n. Beweis. Induktion nach i: Wähle v V beliebig. Dann ist sicher G = G[v ] = ({v }, ) zusammenhängend. Alsoangenommen i < nundv,...,v i sind schonsogewählt, dassg k zusammenhängend istfür k i. Sei v V \{v,...,v i }. DaGzusammenhängend ist, existiert ein v-v -Weg P in G. Wähle als v i+ die letzte Ecke von P, die in V \{v,...,v i } liegt. Dann hat v i+ einen Nachbarn in G i. Daher gilt G i+ = (V(G i ) {v i+ },E(G i ) ({v k v i+ k i} E)) }{{} und da G i zusammenhängend ist, ist es auch G i+. Korollar.20. Jeder Baum T mit T = n N hat eine Eckenaufzählung (v,v 2,...,v n ), sodass i gilt: v i hat genau einen Nachbarn in {v,...,v i }. Korollar.2. Sei G ein zusammenhängender Graph, G = n N. Dann gilt: G ist ein Baum G hat n Kanten. Korollar.22. Sei T ein Baum und G ein Graph mit δ(g) T. Dann ist T isomorph zu einem Teilgraphen von G. 7
8 Diskrete Optimierung
8 Diskrete Optimierung Definition 8.1. Ein Graph G ist ein Paar (V (G), E(G)) besteh aus einer lichen Menge V (G) von Knoten (oder Ecken) und einer Menge E(G) ( ) V (G) 2 von Kanten. Die Ordnung n(g) von
MehrVollständiger 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
MehrEinführung 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
MehrGraphen 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
MehrBäume 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
MehrIsomorphie von Bäumen
Isomorphie von Bäumen Alexandra Weinberger 23. Dezember 2011 Inhaltsverzeichnis 1 Einige Grundlagen und Definitionen 2 1.1 Bäume................................. 3 1.2 Isomorphie..............................
Mehrw a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2
1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba
MehrVorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion
Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten
MehrBäume 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
MehrGrundbegriffe der Informatik
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
MehrVorlesungen vom 5.Januar 2005
Vorlesungen vom 5.Januar 2005 5 Planare Graphen 5.1 Beispiel: Gas, Wasser, Elektrik Drei eingeschworene Feinde, die im Wald leben, planen Trassen zu den Versorgungswerken für die drei Grundgüter Gas, Wasser
MehrGrundbegriffe 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
MehrGrundlagen 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
MehrGraphentheorie 1. Diskrete Strukturen. Sommersemester Uta Priss ZeLL, Ostfalia. Hausaufgaben Graph-Äquivalenz SetlX
Graphentheorie 1 Diskrete Strukturen Uta Priss ZeLL, Ostfalia Sommersemester 2016 Diskrete Strukturen Graphentheorie 1 Slide 1/19 Agenda Hausaufgaben Graph-Äquivalenz SetlX Diskrete Strukturen Graphentheorie
MehrFünf-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
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
Mehr= k 0+k 0 ( ). Wir addieren (0 k) zu den Seiten der Gleichung ( ): 0 = k 0.
Def 4 Eine Menge K mit zwei Abbildungen + : K K K und : K K K (heißen Addition und Multiplikation; wir werden a b bzw a+b statt (a,b), +(a,b) schreiben) ist ein kommutativer Ring, falls: (R1) (K, +) ist
MehrAufgabe 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.
MehrDiskrete 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
MehrGraphentheorie. 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
Mehr9. 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
MehrAnalysis 1, Woche 2. Reelle Zahlen. 2.1 Anordnung. Definition 2.1 Man nennt eine Anordnung für K, wenn: 1. Für jeden a K gilt a a (Reflexivität).
Analysis 1, Woche 2 Reelle Zahlen 2.1 Anordnung Definition 2.1 Man nennt eine Anordnung für K, wenn: 1. Für jeden a K gilt a a (Reflexivität). 2. Für jeden a, b K mit a b und b a gilt a = b (Antisymmetrie).
MehrVier-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
MehrWestfählische 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
MehrKapitel 1. Grundlagen Mengen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
Mehr0 Grundbegriffe. 0.1 Graphen
0 rundbegriffe In diesem Kapitel stellen wir in relativ kompakter Form die in der raphentheorie üblichen rundbegriffe zusammen. lücklicherweise sind fast all diese Begriffe und ihre Bezeichnungen anschaulich
MehrDefinition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.
Kapitel 4 Graphenalgorithmen 4.1 Definitionen Definition 4.1.1. Der Graph G = (V, E) ist über die beiden Mengen V und E definiert, wobei V die Menge der Knoten und E die Menge der Kanten in dem Graph ist.
MehrGraphentheorie Mathe-Club Klasse 5/6
Graphentheorie Mathe-Club Klasse 5/6 Thomas Krakow Rostock, den 26. April 2006 Inhaltsverzeichnis 1 Einleitung 3 2 Grundbegriffe und einfache Sätze über Graphen 5 2.1 Der Knotengrad.................................
MehrMinimal spannende Bäume
http://www.uni-magdeburg.de/harbich/ Minimal spannende Fakultät für Informatik Otto-von-Guericke-Universität 2 Inhalt Definition Wege Untergraphen Kantengewichtete Graphen Minimal spannende Algorithmen
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
Mehr4. Vortrag - Garben. Ling Lin, Kristijan Cule Datum: 26. April 2009
4. Vortrag - Garben Datum: 26. April 2009 1 Graduierte Ringe Definition 4.1.1. Eine k-algebra R heißt graduiert, wenn sie dargestellt werden kann als eine direkte Summe R = R n, wobei die R n als k-unterräume
MehrGraph Paar (V,E) V: nichtleere Menge von Knoten (vertex) E: Menge von Kanten (edges): Relation (Verbindung) zwischen den Knoten
Graphentheorie Graph Paar (V,E) V: nichtleere Menge von Knoten (vertex) E: Menge von Kanten (edges): Relation (Verbindung) zwischen den Knoten gerichteter Graph (DiGraph (directed graph) E: Teilmenge E
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrTopologieseminar. Faserbündel. Michael Espendiller. 16. Oktober 2010 Universität Münster - 3 Faserbündel oder lokal triviale Bündel 4
Wintersemester 2010/2011 Topologieseminar Faserbündel Michael Espendiller 16. Oktober 2010 Universität Münster - Inhaltsverzeichnis 1 Allgemeine Bündel 1 2 Morphismen und Schnitte 2 3 Faserbündel oder
MehrDefinition 7.1. Der Coxeter Graph zu W ist der ungerichtete gewichtete Graph Γ W = (V, E), mit Eckenmenge V und Kantenmenge E, gegeben durch V = und
7. Coxeter Graphen Um die endlichen Spiegelungsgruppen zu klassifizieren, wollen wir ihnen nun Graphen zuordnen, die die Gruppen bis auf Isomorphie eindeutig bestimmen. Im Folgenden sei wie vorher Π Φ
Mehr1. Einleitung wichtige Begriffe
1. Einleitung wichtige Begriffe Da sich meine besondere Lernleistung mit dem graziösen Färben (bzw. Nummerieren) von Graphen (speziell von Bäumen), einem Teilgebiet der Graphentheorie, beschäftigt, und
Mehr8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem
8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem 8.1 Der Kompaktheitssatz Kompaktheitssatz Endlichkeitssatz Der Kompaktheitssatz ist auch unter dem Namen Endlichkeitssatz bekannt. Unter Verwendung
MehrTopologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen
Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen
MehrVorlesung Diskrete Strukturen Graphen: Wieviele Bäume?
Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V
MehrGraphen. Leonhard Euler ( )
Graphen Leonhard Euler (1707-1783) 2 Graph Ein Graph besteht aus Knoten (nodes, vertices) die durch Kanten (edges) miteinander verbunden sind. 3 Nachbarschaftsbeziehungen Zwei Knoten heissen adjazent (adjacent),
MehrGraphentheorie. Organisatorisches. Organisatorisches. Organisatorisches. Rainer Schrader. 23. Oktober 2007
Graphentheorie Rainer Schrader Organisatorisches Zentrum für Angewandte Informatik Köln 23. Oktober 2007 1 / 79 2 / 79 Organisatorisches Organisatorisches Dozent: Prof. Dr. Rainer Schrader Weyertal 80
MehrKapitel 5 KONVERGENZ
Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz
MehrDas Banach-Tarski-Paradox
Das Banach-Tarski-Paradox Thomas Neukirchner Nicht-messbare Mengen verdeutlichen auf eindrucksvolle Weise, dass es keinen additiven - geschweige denn σ-additiven Volumenbegriff auf der Potenzmenge P(R
MehrLineare Algebra 1. Detlev W. Hoffmann. WS 2013/14, TU Dortmund
Lineare Algebra 1 Detlev W. Hoffmann WS 2013/14, TU Dortmund 1 Mengen und Zahlen 1.1 Mengen und Abbildungen Eine Menge ist eine Zusammenfassung wohlunterscheidbarer Objekte unserer Anschauung/unseres Denkens/unserer
MehrÜberlagerung I. Überlagerung für z z 2 : komplexe Quadratwurzel. Christoph Schweigert, Garben p.1/19
Überlagerung I Überlagerung für z z 2 : komplexe Quadratwurzel Christoph Schweigert, Garben p.1/19 Überlagerung II Überlagerung für z z 3 : komplexe dritte Wurzel Christoph Schweigert, Garben p.2/19 Überlagerung
Mehr3.2 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
Mehr6. 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
Mehrσ-algebren, Definition des Maßraums
σ-algebren, Definition des Maßraums Ziel der Maßtheorie ist es, Teilmengen einer Grundmenge X auf sinnvolle Weise einen Inhalt zuzuordnen. Diese Zuordnung soll so beschaffen sein, dass dabei die intuitiven
MehrKonstruktion der reellen Zahlen
Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert
MehrAlgorithmen und Datenstrukturen (WS 2007/08) 63
Kapitel 6 Graphen Beziehungen zwischen Objekten werden sehr oft durch binäre Relationen modelliert. Wir beschäftigen uns in diesem Kapitel mit speziellen binären Relationen, die nicht nur nur besonders
MehrVorlesung 27. Der projektive Raum. Wir werden den projektiven Raum zunehmend mit mehr Strukturen versehen.
Vorlesung 27 Der projektive Raum Definition 1. Sei K ein Körper. Der projektive n-dimensionale Raum P n K besteht aus allen Geraden des A n+1 K durch den Nullpunkt, wobei diese Geraden als Punkte aufgefasst
Mehr\ E) eines Graphen G = (V, E) besitzt die gleiche Knotenmenge V und hat als Kantenmenge alle Kanten des vollständigen Graphen ohne die Kantenmenge E.
Das Komplement Ḡ = (V, ( V ) \ E) eines Graphen G = (V, E) besitzt die gleiche Knotenmenge V und hat als Kantenmenge alle Kanten des vollständigen Graphen ohne die Kantenmenge E. Ein Graph H = (V, E )
MehrMinimal spannende Bäume
Minimal spannende Bäume Ronny Harbich 4. Mai 006 (geändert 19. August 006) Vorwort Ich danke Patrick Bahr und meinem Bruder Steffen Harbich für die Unterstützung bei dieser Arbeit. Sie haben sowohl zu
Mehr5. Äquivalenzrelationen
5. Äquivalenzrelationen 35 5. Äquivalenzrelationen Wenn man eine große und komplizierte Menge (bzw. Gruppe) untersuchen will, so kann es sinnvoll sein, zunächst kleinere, einfachere Mengen (bzw. Gruppen)
MehrMafI I: Logik & Diskrete Mathematik (F. Hoffmann)
Lösungen zum 14. und letzten Aufgabenblatt zur Vorlesung MafI I: Logik & Diskrete Mathematik (F. Hoffmann) 1. Ungerichtete Graphen (a) Beschreiben Sie einen Algorithmus, der algorithmisch feststellt, ob
MehrKapitel IV. Endliche, abzählbare und überabzählbare Mengen. IV.1 Abzählbare Mengen
Kapitel IV Endliche, abzählbare und überabzählbare Mengen Wir haben schon einige Mengen in den Kapiteln I und II kennengelernt, etwa die Zahlenmengen N, Z, Q und R. Jede dieser Zahlenmengen enthält unendlich
MehrAnalysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME
Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist
MehrKAPITEL 3 MATCHINGS IN BIPARTITEN GRAPHEN
KAPITEL 3 MATCHINGS IN BIPARTITEN GRAPHEN F. VALLENTIN, A. GUNDERT 1. Definitionen Notation 1.1. Ähnlich wie im vorangegangenen Kapitel zunächst etwas Notation. Wir beschäftigen uns jetzt mit ungerichteten
MehrALGEBRAISCHE VARIETÄTEN. gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten: (1) Die
ALGEBRAISCHE VARIETÄTEN MARCO WEHNER UND MAXIMILIAN KREMER 1. Strukturgarben Sei V k n. Wir wollen nur gute Funktionen auf den offenen Mengen von V definieren. Dabei orientieren wir uns an folgenden Gegebenheiten:
MehrVektorräume. Kapitel Definition und Beispiele
Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,,0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
Mehr15. Elementare Graphalgorithmen
Graphen sind eine der wichtigste Modellierungskonzepte der Informatik Graphalgorithmen bilden die Grundlage vieler Algorithmen in der Praxis Zunächst kurze Wiederholung von Graphen. Dann Darstellungen
MehrDezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule
Berufsfeldbezogenes Fachseminar - Zahlentheorie Lisa Laudan Prof. Dr. Jürg Kramer Wintersemester 2014/2015 Dezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule 1.1
MehrVorlesung 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
MehrNotizen zu Transformationen und Permutationen. T (A) = {f : A A}
Transformationen Notizen zu Transformationen und Permutationen Ist A eine Menge, so ist die Menge T (A) = {f : A A} bezüglich der Komposition (Hintereinanderausführung) als Operation und der identischen
MehrGrundlagen und Diskrete Strukturen Wiederholungsaufgaben
TU Ilmenau Institut für Mathematik Dr. Jens Schreyer Teil 1: Aussagenlogik Aufgabe 1 Grundlagen und Diskrete Strukturen Wiederholungsaufgaben Stellen Sie die Wahrheitstafel für die aussagelogische Formel
Mehr2. Repräsentationen von Graphen in Computern
2. Repräsentationen von Graphen in Computern Kapitelinhalt 2. Repräsentationen von Graphen in Computern Matrizen- und Listendarstellung von Graphen Berechnung der Anzahl der verschiedenen Kantenzüge zwischen
MehrGraphen 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
MehrInstitut für Mathematik Geometrie und Lineare Algebra J. Schönenberger-Deuel. Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien.
Lösungen Übung 13 Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien. a) Strategie 1 (nächster Nachbar): Jedes Mal reist der Reisende vom Punkt, wo er gerade ist, zur nächstgelegenen Stadt,
MehrKombinatorische Optimierung
Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 1 Programm des
Mehr1 Angeordnete Körper. 1.1 Anordnungen und Positivbereiche
1 1 Angeordnete Körper 1.1 Anordnungen und Positivbereiche Definition 1.1. Eine zweistellige Relation auf einer Menge heißt partielle Ordnung, falls für alle Elemente a, b, c der Menge gilt: (i) a a (ii)
MehrVorlesung 4. Tilman Bauer. 13. September Wir befassen uns in dieser Vorlesung noch einmal mit Mengen.
Vorlesung 4 Universität Münster 13. September 2007 1 Kartesische Wir befassen uns in dieser Vorlesung noch einmal mit Mengen. Seien M und N zwei Mengen. Dann bezeichnen wir mit M N das (kartesische) Produkt
MehrKapitel 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
MehrPaarweise Unabhängigkeit vs. Unabhängigkeit
Paarweise Unabhängigkeit vs. Unabhängigkeit Beispiel: Wir betrachten das Szenario von zuvor. Wissen bereits, dass A 1, A 2 und A 1, B unabhängig sind. Analog folgt, dass A 2 und B unabhängige Ereignisse
Mehr(1.18) Def.: Eine Abbildung f : M N heißt
Zurück zur Mengenlehre: Abbildungen zwischen Mengen (1.17) Def.: Es seien M, N Mengen. Eine Abbildung f : M N von M nach N ist eine Vorschrift, die jedem x M genau ein Element f(x) N zuordnet. a) M = N
MehrEtwas Topologie. Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann
Etwas Topologie Handout zur Vorlesung Semi-Riemannsche Geometrie, SS 2004 Dr. Bernd Ammann Literatur Abraham, Marsden, Foundations of Mechanics, Addison Wesley 1978, Seiten 3 17 Definition. Ein topologischer
MehrWS 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
MehrAusarbeitung über den Satz von Menger und den Satz von König
Ausarbeitung über den Satz von Menger und den Satz von König Myriam Ezzedine, 0326943 Anton Ksernofontov, 0327064 Jürgen Platzer, 0025360 Nataliya Sokolovska, 0326991 1. Beweis des Satzes von Menger Bevor
MehrLemma Für jede monotone Grammatik G gibt es eine kontextsensitive
Lemma Für jede monotone Grammatik G gibt es eine kontextsensitive Grammatik G mit L(G) = L(G ). Beweis im Beispiel (2.): G = (V,Σ, P, S) : P = {S asbc, S abc, CB BC, ab ab, bb bb, bc bc, cc cc}. (i) G
MehrTechnische 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
MehrSummen und direkte Summen
Summen und direkte Summen Sei V ein K-Vektorraum. Wie früher erwähnt, ist für beliebige Teilmengen M, N V die Teilmenge M +N V wie folgt definiert M +N = {v+w : v M, w N}. Man sieht leicht, dass i.a. M
Mehr5. 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
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Relationen)
WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrSkript zur Vorlesung Topologie I
Skript zur Vorlesung Topologie I Carsten Lange, Heike Siebert Richard-Sebastian Kroll Faszikel 1 Fehler und Kommentare bitte an clange@math.fu-berlin.de Stand: 15. Juni 2010 Fachbereich Mathematik und
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
MehrGrundbegriffe 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
MehrKapitel 2 MENGENLEHRE
Kapitel 2 MENGENLEHRE In diesem Kapitel geben wir eine kurze Einführung in die Mengenlehre, mit der man die ganze Mathematik begründen kann. Wir werden sehen, daßjedes mathematische Objekt eine Menge ist.
Mehr2. Relationen und Funktionen
2. Relationen und Funktionen 15 2. Relationen und Funktionen Nachdem wir Mengen eingeführt haben, wollen wir nun auch mehrere von ihnen miteinander in Beziehung setzen können. Das Grundkonzept hierfür
MehrEinführung in die Graphentheorie. Modellierung mit Graphen. Aufgabe
Einführung in die Graphentheorie Modellierung mit Graphen Aufgabe Motivation Ungerichtete Graphen Gerichtete Graphen Credits: D. Jungnickel: Graphen, Netzwerke und Algorithmen, BI 99 G. Goos: Vorlesungen
Mehr4 Messbare Funktionen
4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und
MehrStudientag zur Algorithmischen Mathematik
Studientag zur Algorithmischen Mathematik Eulertouren, 2-Zusammenhang, Bäume und Baumisomorphismen Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 22. Mai 2011 Outline
MehrEin Turnierplan mit fünf Runden
Mathematik I für Informatiker Graphen p. 1 Ein Turnierplan mit fünf Runden c b a c b a c b a c b a c b a d e d e d e d e d e Mathematik I für Informatiker Graphen p. 2 Definition: Graph Ein (schlichter)
MehrÜbungsblatt 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
MehrVorkurs Mathematik. Vorlesung 8. Angeordnete Körper
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Vorkurs Mathematik Vorlesung 8 Angeordnete Körper Definition 8.1. Ein Körper K heißt angeordnet, wenn es eine totale Ordnung auf K gibt, die die beiden Eigenschaften
Mehr1 Vollständige Induktion
1 Vollständige Induktion Die vollständige Induktion ist eine machtvolle Methode, um Aussagen zu beweisen, die für alle natürlichen Zahlen gelten sollen. Sei A(n) so eine Aussage, die zu beweisen ist. Bei
MehrUnendliche Gruppen als geometrische Objekte
Unendliche Gruppen als geometrische Objekte Ralf Meyer Georg-August-Universität Göttingen 12. November 2004 1 Endlich erzeugte Gruppen und die Wortmetrik Wir definieren endlich erzeugte Gruppen und führen
MehrFlüsse in Netzwerken
Skript zum Seminar Flüsse in Netzwerken WS 2008/09 David Meier Inhaltsverzeichnis 1 Einführende Definitionen und Beispiele 3 2 Schnitte in Flussnetzwerken 12 2.1 Maximaler s t Fluss..........................
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 17: Relationen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2009/2010 1/77 Überblick Äquivalenzrelationen Definition Äquivalenzrelationen
MehrQuicksort ist ein Divide-and-Conquer-Verfahren.
. Quicksort Wie bei vielen anderen Sortierverfahren (Bubblesort, Mergesort, usw.) ist auch bei Quicksort die Aufgabe, die Elemente eines Array a[..n] zu sortieren. Quicksort ist ein Divide-and-Conquer-Verfahren.
MehrDefinition 153 Sei n eine fest gewählte ganze Zahl 0. Für jedes l Z heißt die Menge
3.6 Restklassen in Polynomringen 3.6.1 Einführung und Definitionen Der Begriff der Restklasse stammt ursprünglich aus der Teilbarkeitslehre in Z; (Z = Z, +, ist ein kommutativer Ring). Definition 153 Sei
Mehr