6 Tiefensuche in ungerichteten Graphen: Zweifache Zusammenhangskomponenten

Größe: px
Ab Seite anzeigen:

Download "6 Tiefensuche in ungerichteten Graphen: Zweifache Zusammenhangskomponenten"

Transkript

1 66 6 ZWEIFACHE ZUSAMMENHANGSKOMPONENTEN 6 Tiefenshe in ngerihteten Graphen: Zweifahe Zsammenhangskomponenten Der Algorithms ist ganz gena dersele wie im gerihteten Fall. Aildng 1 zeigt noh einmal den gerihteten Fall nd danah etrahten wir in Aildng 2 den ngerihteten Fall af dem analogen Graphen (Kanten sind amkanten, üer die entdekt wird.) y z s t 3/6 2/9 11/16 1/10 F C 4/5 7/8 12/13 14/15 C C C x w Aildng 1: Das Ergenis der Tiefenshe af einem gerihteten Graphen y T z d[s] T s t 3/ 2/ 1/ 7/ T T T 4/ 5/ 6/ 8/ x T w T Aildng 2: orhergender Graph, ngerihtete Variante Im ngerihteten Graphen gilt: eim ersten Gang drh eine Kante stößt man af einen weißen Knoten (Kante: T) af einen graen Knoten (Kante: ) niht af einen shwarzen Knoten (Kante: F oder C)

2 67 G π s z y x π[z] = s,π[y] = z, w t Im ngerihteten Fall der Tiefenshe ist festzhalten: Jede Kante wird zweimal etrahtet: {, } ei DFS-isit() nd ei DFSisit(). Maßgelih für den Kantentyp (amkante, Rükwärts-, Vorwärts-, Krezkante) ist die etrahtng: (i) {,} amkante eim ersten etrahten on {,} findet sih ein weißer Knoten. (ii) {,} Rükwärtskante eim ersten Gehen on {,} findet sih ein ereits graer Knoten (iii) eim ersten Gehen kann sih kein shwarzer Knoten finden. Deshal git es weder Krez- noh Vorwärtskanten. Der Weiße-Weg-Satz gilt hier ollkommen analog. Kreise erkennen ist ganz eenfalls analog mit Tiefenshe möglih. Der egriff der starken Zsammenhangskomponente ist niht sinnoll, da Weg (, ) im ngerihteten Fall eenso ein Weg (,) ist. Stattdessen: zweifah zsammenhängend. Untershied zwishen G 1 = nd G 2 =? a Löshen wir in G 1 einen elieigen Knoten, hängt der Rest noh zsammen. Für a,, im Graphen G 2 gilt dies niht. Für den Rest dieses Kapitels gilt nn folgende Konention: A jetzt gehen wir nr immer on zsammenhängenden, gerihteten Graphen as. Definition 6.1(zweifah zsammenhängend): G = (V, E) ist zweifah zsammenhängend G\{} ist zsammenhängend für alle V. G\{} edetet V \{},E \{{,} V}.

3 68 6 ZWEIFACHE ZUSAMMENHANGSKOMPONENTEN eispiel 6.1: G: G\{}: G zsammenhängend, niht zweifah zsammenhängend. G: G\{}: (eahte: ist stark zsammenhängend.) Knoten nd adjazente Kanten fehlen. G ist zweifah zsammenhängend. G: G G G ist niht zweifah zsammenhängend, da G \ {} niht zsammenhängend ist. Aer G nd G sind jeweils zweifah zsammenhängend. G: G\{}: G ist also zweifah zsammenhängend. Was ist die edetng zweifah zsammenhängend? Satz 6.1(Menger 1927): G zweifah zsammenh. Für alle, V, git es zwei disjnkte Wege zwishen nd in G. Das heißt, Wege (, 1,2,, m,), (, 1, 2,, m,) mit { 1,, m } { 1,, m} =. eweis erfolgt af üerrashende Weise später. Ein indktier eweis im h Graphentheorie on Reinhard Diestel. Die Rihtng ist einfah. eahte noh, ist, so tt es der Weg (,), mit leerer Menge on Zwishenknoten (also nr 1 Weg). Nn gilt es wiederm niht zweifah zsammenhängende Graphen in ihre zweifah zsammenhängenden estandteile z zerlegen, in die zweifahen Zsammenhangskomponenten (ah einfah zweifahe Komponenten genannt).

4 69 eispiel 6.2: Knoten in zwei zweifahen Zsammenhangskomponenten Definition 6.2(zweifahe Komponenten): Ein Teilgraph H = (W, F) on G ist eine zweifahe Komponente H ist ein maximaler zweifah zsammenhängender Teilgraph on G (maximal ezüglih Knoten nd Kanten). emerkng: (a) Jede Kante ist in gena einer zweifahen Komponente. () Sind H 1 = (W 1,F 1 ),,H k = (W k,f k ) die zweifahen Komponeten on G = (V,E), so ist F 1,,F k eine Partition (Einteilng) on E. E = F 1 F 2 F k F i F j = für i j, F 1 F k = E. eweis. (a) Wir etrahten die Teilgraphen H 1 nd H 2 sowie eine Kante {,}, die sowohl in H 1 als ah in H 2 liegt. H 1 H 2 Seien also H 1 H 2 zweifah zsammenhängend, dann ist H = H 1 H 2 zweifah zsammenhängend: Für alle w as H 1, w,w ist H \{w} zsammenhängend (wegen Maximalität). Eenso für alle w as H 2. Für w = ist, da immer noh da ist, H \ {w} zweifah zsammenhängend. Also wegen Maximalität zweifahe Komponenten H 1 H 2.

5 70 6 ZWEIFACHE ZUSAMMENHANGSKOMPONENTEN () F i F j = wegen (a). Da Kante (,) zweifah zsammenhängend ist, ist nah Definition jede Kante on E in einem F i. ezeihnng: Eine Kante, die eine zweifahe Komponente ist, heißt rükenkante. ei Knoten gilt (a) oen niht: gehört z 3 zweifahen Komponenten. ist ein typisher Artiklationspnkt. Definition 6.3(Artiklationspnkt): ist Artiklationspnkt on G G\{} niht zsammenhängend. emerkng 6.3: ist Artiklationspnkt gehört z 2 zweifahen Komponenten. eweis. Ist Artiklationspnkt. Dann git es Knoten,w,,w, so dass jeder Weg on nah w on der Art (,,,,w) ist. (Sonst G \ {} zsammenhängend) Also sind,w niht in einer zweifahen Komponente. Dann ist jeder Weg on der Art (,, 1,, 2,,w), so dass 1, 2 niht in einer zweifahen Komponente sind. Sonst ist in G\{} ein Weg (,, 1, 2,w) (ohne ), Widersprh. Also haen wir: 1 2 ershiedene Komponenten Die Kante { 1,} gehört z einer Komponente (eentell ist sie seler eine), eenso {, 2 }. Die Komponenten der Kanten sind ershieden, da 1, 2 in ershiedenen Komponenten liegen. Also liegt in den eiden Komponenten. Gehört also z > 2 Komponenten. Dann

6 k nd 2 Kanten on { i,} liegen in ershiedenen Komponenten. Etwa 1, 2. Aer 1 nd 2 sind in zwei ershiedenen Komponenten. Also git es w, so dass in G\{w} kein Weg 1 2 existiert. Denn wegen 1 2 mss w = sein nd ist Artiklationspnkt. Graphentheoretishe eweise sind niht ganz so leiht! Artiklationspnkte nd Tiefenshe? Artiklationspnkt (1) a d G π = a d Artiklationspnkt a (2) a d Artiklationspnkt G π = d Artiklationspnkt Rükwärtskante (3) Alternati z (2) a d Artiklationspnkt G π = d a Rükwärtskante Artiklationspnkt Was haen die Artiklationspnkte in allen genannten Fällen gemeinsam? Der Artiklationspnkt (sofern niht Wrzel on G π ) hat einen Sohn in G π, so dass es on dem Sohn oder Nahfolger keine Rükwärtskante zm ehten Vorgänger git!

7 72 6 ZWEIFACHE ZUSAMMENHANGSKOMPONENTEN (1) Gilt ei nd. d ist kein Artiklationspnkt nd das Kriterim gilt ah niht. (2) ist Artiklationspnkt, Sohn erfüllt das Kriterim., d erfüllen es niht, sind ah keine Artiklationspnkte. (3) Hier zeigt der Sohn a on an, dass ein Artiklationspnkt ist. Also keineswegs immer dersele Sohn! Was ist, wenn der Artiklationspnkt Wrzel on G π ist? a d a G π = d Zwei Söhne. Satz 6.2(Artiklationspnkte erkennen): Sei ein Knoten on G nd sei eine Tiefenshe gelafen. (Erinnerng: G immer zsammenhängend). a) Ist Wrzel on G π. Dann ist Ariklationspnkt in G π Söhne. hat 2 Nr is zrük. w Mindestens ein Vorgänger on existiert. (Kann ah die Wrzel sein.) Das heißt, hat einen Sohn (hier ), so dass on dem nd allen Nahfolgern in G π keine (Rükwärts-)Kanten z ehtem Vorgänger on existieren. eweis. a) G\{} niht zsammenhängend, damit Artiklationspnkt. Hat nr einen Sohn, dann G π = ) Ist niht Wrzel on G π. Dann ist Artiklationspnkt G π folgendermaßen: Rükwärtskanten w Zeige A drh A.

8 73 Dann ist G\{} zsammenhängend. (Können in G\{} üer w statt gehen.) Also ist kein Artiklationspnkt. Ist ohne Sohn, dann ist er kein Artiklationspnkt. ) In G\{} kein Weg w, also ist Artiklationspnkt. Gelte die ehaptng niht, also hat keinen Sohn wie in G π. 1. Fall hat keinen Sohn. Dann in G π w Rükwärtskanten In G \ {} fehlen die Rükwärtskanten nd {w,}. Also leit der Rest zsammenhängend. ist kein Artiklationspnkt. 2. Fall hat Söhne, aer keinen wie in der ehaptng. Dann G π = w Rükwärtskanten mindestens is w oder weiter zrük. In G\{} leien die eingetragenen Rükwärtskanten, die niht mit inzident sind, stehen. Also ist G\{} zsammenhängend. Also ist kein Artiklationspnkt. Zeige A drh A. Wie kann man Artiklationspnkte erehnen? Wir müssen für alle Söhne in G π wissen, wie weit es on dort as zrük geht. Definition 6.4(Low-Wert): Sei DFS(G) gelafen, also G π orliegend. a) Für Knoten ist die Menge on Knoten L() gegeen drh w L() w = oder w Vorgänger on nd es git eine Rükwärtskante on oder dem Nahfolger z w.

9 74 6 ZWEIFACHE ZUSAMMENHANGSKOMPONENTEN ) l[] = min{d[w] w L()} ist der Low-Wert on. (l[] hängt on Laf on DFS(G) a.) Folgerng 6.1: Sei DFS(G) gelafen nd niht Wrzel on G π. ist Artiklationspnkt hat Sohn in G π mit l[] d[]. eahte: l[] = d[] = Artiklationspnkt. Keine Äqialenz! l[] = d[] l[] < d[] (d/f/l) 6/7/6 1/8/1 2/5/2 3/4/3 a d Rükwärtskante 6/7/6 1/8/1 2/5/1 3/4/1 5/6/1 1/8/1 2/7/1 3/4/1 Rükwärtskante 6.1 erehnng on l[] l[] = d[] G π = w l[w] as d[w], Low-Wert der Kinder nd Rükwärtskanten on w. l[] as d[] nd Rükwärtskanten on as.

10 6.2 Algorithms (l-werte) 75 Korrektheit: Indktion üer die Tiefe des Teilames w. 6.2 Algorithms (l-werte) Wir entzen eine modifizierte Version der Prozedr DFS-isit(). Prozedr MDFS-isit() 1 ol[] = gra; 2 d[] = time; 3 l[] = d[]; 4 time = time+1; 5 foreah Adj[] do 6 if ol[] == weiß then 7 π[] = ; 8 MDFS-isit(); /* Kleineren Low-Wert des Kindes üernehmen. */ 9 l[] = min{l[],l[]}; 10 end 11 if ol[] == gra nd π[] then /* Rükwärtskante */ /* Merken, welhe am weitesten zrük reiht. */ 12 l[] = min{l[],d[]}; 13 end 14 end 15 ol[] = shwarz; 16 f[] = time; 17 time = time+1; Damit können wir Artiklationspnkte in Linearzeit erkennen. Es leien die zweifahen Komponenten z finden. Seien die l-werte gegeen. Nn zweite Tiefenshe folgendermaßen drhführen: Weiße Knoten werden or dem Afrf on DFS-isit af einem Keller gespeihert. Wir efinden ns jetzt in DFS-isit(). Der Tiefensham as der ersten Tiefenshe sieht so as: G π =

11 76 6 ZWEIFACHE ZUSAMMENHANGSKOMPONENTEN Sei jetzt l[] d[]. Das heißt ist ein Artiklationspnkt ezüglih. Noh in DFS-isit(), direkt nahdem DFS-isit() zrükgekehrt ist sieht nser Keller so as: (Wenn nter keine weiteren Artiklationspnkte sind.) TopOfStak Alles, was nah entdekt wrde. Das gehört z einer Komponente mit nd. Alles, was nah, aer or entdekt nd noh keiner Komponente zgeordnet wrde. Das gehört zsammen mit z einer anderen Komponente ohne. ottomofstak Nahdem DFS-isit() zrükgekehrt ist, geen wir jetzt den Kellerinhalt is einshließlih as. Dann maht die zweite Tiefenshe eim nähsten Kind on weiter. Komponente wird asgegeen. TopOfStak ottomofstak eispiel 6.4: Rükwärtskante a 1/10/1 2/9/1 3/8/1 Kein Artiklationspnkt, aer Anfang einer Komponente Artiklationspnkt d 4/5/4 6/7/6 e

12 6.3 Algorithms (Zweifahe Komponenten) 77 DFS-isit(), DFS-isit(d) fertig Asgae: d, DFS-isit(), DFS-isit(e) fertig Asgae: e, DFS-isit(a), DFS-isit() fertig Asgae:,,a d (a) (a) e (a) (a) (a) (a) l[d] d[] l[e] d[] l[] d[a] 6.3 Algorithms (Zweifahe Komponenten) Algorithms 9: 2fahe Komponenten(G) Inpt : ngerihteter Graph G = (V,E) /* Modifizierte Tiefenshe für l-werte */ 1 MDFS(G); /* Alle Knoten wieder weiß. Die restliher Werte leien erhalten. Insesondere d nd l werden noh geraht. */ 2 foreah V do 3 ol[] =weiß 4 end 5 S = (); /* Keller initialisieren */ 6 foreah V do /* Diesele Reihenfolge wie ei 1. */ 7 if ol[] == weiß then 8 NDFS-isit(); /* Kann ei isolierten Knoten passieren. */ 9 if Q () then 10 Knoten in Q asgeen; 11 Q = (); 12 end 13 end 14 end

13 78 6 ZWEIFACHE ZUSAMMENHANGSKOMPONENTEN Prozedr NDFS-isit() 1 ol[] = gra; 2 foreah Adj[] do 3 if ol[] == weiß then 4 psh(q,); /* af Keller */ 5 NDFS-isit(); 6 if l[] d[] then /* ist Artiklationspnkt */ 7 Solange Knoten on Q entfernen nd Asgeen, is asgegeen; 8 Knoten ah mit asgeen; 9 end 10 end 11 end 12 ol[] = shwarz; eweis. Korrektheit indkti üer s = #Zweifahe Komponenten on G. Indktionsanfang: s = 1 Asgae nr am Ende, da kein Artiklationspnkt. Also korrekt. Indktionsshlss: Gelte ehaptng für alle(!) Graphen mit s 1 zweifahen Komponenten. Zeige dies für G mit s+1 Komponenten. Wir etrahten die 2. Tiefenshe des Algorithms. Die l-werte stimmen also ereits, wegen der Korrektheit der 1. Tiefenshe. Wir etrahten den am G π, welher der gleihe wie ei der 1. Tiefenshe nd 2. Tiefenshe ist. G π = Geht ah ei Wrzel. l[] d[] Sei NDFS-isit() der erste Afrf, nah dem die Asgae erfolgt. Dann ist l[] d[]. Ist l[] = d[], dann ist latt (sonst orher Asgae) nd, wird asgegeen. Ist l[] > d[], dann Asgae des Kellers is nd zsätzlih. Damit wird eine zweifahe Komponente asgegeen. Alles was nah entdekt wrde, fällt

14 6.3 Algorithms (Zweifahe Komponenten) 79 in G\{} a. (Mehr kann niht daz gehören, weniger niht, da isher kein Artiklationspnkt). Nah Asgae der Komponente liegt eine Sitation or, die in DFS-isit() aftritt, wenn wir den Graphen etrahten, in dem die Kante {,} nd die asgegegenen Knoten aßer gelösht sind. Af diesem ist die Indktionsorassetzng anwendar nd der Rest wird rihtig asgegeen.

6 Tiefensuche in ungerichteten Graphen: Zweifache Zusammenhangskomponenten

6 Tiefensuche in ungerichteten Graphen: Zweifache Zusammenhangskomponenten 66 6 ZWEIFACHE ZUSAMMENHANGSKOMPONENEN 6 iefenshe in ngerihteten Grphen: Zeifhe Zsmmenhngskomponenten Der Algorithms ist gnz gen ersele ie im gerihteten Fll! Ailng 1 zeigt noh einml en gerihtete Fll n

Mehr

5 Anwendung Tiefensuche: Starke Zusammenhangskomponenten

5 Anwendung Tiefensuche: Starke Zusammenhangskomponenten 55 5 Anwendng Tiefensche: Starke Zsammenhangskomponenten Starke Zsammenhangskomponenten beziehen sich immer nr af gerichtete Graphen. Der Begriff der Zsammenhangskomponente im ngerichteten Graph besagt,

Mehr

4 Tiefensuche in gerichteten Graphen

4 Tiefensuche in gerichteten Graphen 43 4 Tiefensche in gerichteten Graphen Wir betrachten znächst das folgende Beispiel. Beispiel 4.1: 1/ / / 1/ 2/ / 1/ 2/ / 1/ 2/ / / / x / / / / y z x y z x y z x y (a) (b) (c) (d) / 3/ / 4/ 3/ / z 1/ 2/

Mehr

Die nächste Übung ist vom 12.1. auf den 19.1.2012 verlegt worden.

Die nächste Übung ist vom 12.1. auf den 19.1.2012 verlegt worden. Allgemeines Einige Hinweise: Die nähste Üung ist vom.. auf den 9..0 verlegt worden. Die alten Klausuren findet Ihr unter folgendem Link: http://www.wiwi.uni muenster.de/vwt/studieren/pruefungen_marktpreis.htm

Mehr

Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen Prof. Martin Lercher Institut für Informatik Heinrich-Heine-Universität Düsseldorf Teil 10 Suche in Graphen Version vom 13. Dezember 2016 1 / 2 Vorlesung 2016 / 2017 2 /

Mehr

Technische Universität München Zentrum Mathematik

Technische Universität München Zentrum Mathematik Tehnishe Universität Münhen Zentrum Mathematik Mihael Stroel Geometriekalküle WS 7/8 http://www-m.ma.tum.de/geometriekalkuelews78 Lösungen zu Aufgaenlatt 5 (8. Dezemer 7 Aufgae. Dualisieren und Doppelverhältnis.

Mehr

10. Grassmannsche Vektoren und die Drehungen im Raum.

10. Grassmannsche Vektoren und die Drehungen im Raum. 10. Grassmannshe Vektoren und die Drehungen im Raum. Wir haen in der vorigen Vorlesung gesehen wie man Gegenstände im Raum vermöge der Zentralprojektion als Figuren in der Eene perspektivish genau darstellen

Mehr

Der Begriff der Stammfunktion

Der Begriff der Stammfunktion Lernunterlgen Integrlrehnung Der Begriff der Stmmfunktion Wir gehen von folgender Frgestellung us: welhe Funktion F x liefert ls Aleitung eine gegeene Funktion f x. Wir suhen lso eine Umkehrung der Aleitung

Mehr

Symmetrien und Winkel

Symmetrien und Winkel 5-04 1 10 mthuh 1 LU reitsheft + weitere ufgen «Grundnforderungen» Symmetrien 301 Zeihne Grossuhsten des lphets, sortiert nh vier Typen: hsensymmetrish punktsymmetrish hsen- und punktsymmetrish weder hsen-

Mehr

Auswertung von Operatorbäumen Huffman-Code

Auswertung von Operatorbäumen Huffman-Code Datenstrukturen: Bäume 4 Bäume 4. Terminologie und Grundlagen: Modelle für Graphen und Bäume 4.. Spezifikation und einfahe Algorithmen 4. Anwendungen - 4.. Auswertung von Operatoräumen - 4.. Huffman-Code

Mehr

Zweizusammenhang und starker Zusammenhang

Zweizusammenhang und starker Zusammenhang .. Zeizusammenhang und starker Zusammenhang Carsten Gutenger Vorlesung Algorithmen und Datenstrukturen WS /. Januar Zeizusammenhang Betrachte ein Netzerk (Graph) Z.B. Computernetzerk, Flug- oder Schienennetzerk

Mehr

7. Grassmannsche Vektoren und die Drehungen im Raum.

7. Grassmannsche Vektoren und die Drehungen im Raum. 7. Grassmannshe Vektoren und die Drehungen im Raum. Wir haen im vorigen Kapitel gesehen, wie man Gegenstände im Raum vermöge der Zentralprojektion als Figuren in der Eene perspektivish genau darstellen

Mehr

8 Diskrete Optimierung

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

Mehr

Die Satzgruppe des Pythagoras

Die Satzgruppe des Pythagoras 7 Die Stzgruppe des Pythgors In Klssenstufe 7 hen wir uns ei den Inhlten zur Geometrie insesondere mit Dreieken und ihren Eigenshften eshäftigt. In diesem Kpitel wirst du erkennen, dss es ei rehtwinkligen

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien 5 Ds Pumping Lemm Shufhprinzip (Folie 137) Automten und formle Sprhen Notizen zu den Folien Im Blok Ds Shufhprinzip für endlihe Automten steht m n (sttt m > n), weil die Länge eines Pfdes die Anzhl von

Mehr

Lösungen zu Kapitel 5

Lösungen zu Kapitel 5 Lösungen zu Kapitel 5 Lösung zu Aufgabe : (a) Es gibt derartige Graphen: (b) Offensichtlich besitzen 0 der Graphen einen solchen Teilgraphen. Lösung zu Aufgabe : Es sei G = (V, E) zusammenhängend und V

Mehr

Kapitel 2 Partielle Ordnungen

Kapitel 2 Partielle Ordnungen Kapitel 2 Partielle Ordnungen 2 Partielle Ordnungen 2.1 Partielle und strikte Halordnung.......... 2.2 Logishe und vektorielle Zeitstempel........ Formale Grundlagen der Informatik II Kap 2: Partie!e Ordnungen

Mehr

Bewegungsgleichung der Speziellen Relativitätstheorie

Bewegungsgleichung der Speziellen Relativitätstheorie Ator: Walter islin on 6 walter.bislins.h/blog/.5.3 3:6 ewegngsgleihng der Seiellen Relatiitätstheorie Dienstag, 6. Jni - :4 Ator: wabis Themen: Wissen, Physik, Kosmologie Wenn es m Geshwindigkeiten ab

Mehr

Übungen zur Vorlesung Modellierung WS 2003/2004 Blatt 11 Musterlösungen

Übungen zur Vorlesung Modellierung WS 2003/2004 Blatt 11 Musterlösungen Dr. Theo Lettmnn Pderorn, den 9. Jnur 24 Age 9. Jnur 24 A x, A 2 x, Üungen zur Vorlesung Modellierung WS 23/24 Bltt Musterlösungen AUFGABE 7 : Es sei der folgende prtielle deterministishe endlihe Automt

Mehr

Graphentheorie. Planarität und Dualität. Planarität und Dualität. Planarität und Dualität. Rainer Schrader. 28. November 2007.

Graphentheorie. Planarität und Dualität. Planarität und Dualität. Planarität und Dualität. Rainer Schrader. 28. November 2007. raphentheorie Rainer Schrader Zentrm für Angewandte Informatik Köln 8. Noember 007 1 / 67 / 67 liederng planare raphen Eler-Formel Charakterisierng planarer raphen Erweiterngen kreisplanare raphen Dalität

Mehr

Deshalb nochmals zur Erinnerung: Zwei Vektoren a, b

Deshalb nochmals zur Erinnerung: Zwei Vektoren a, b 9 Vekttorriielllle eweiise 9.. eweise mitt geschlossenerr Vekttorrketttte Voremerkungen Der entscheidende Gedanke ei eweisen mit der geschlossenen Vektorkette ist die lineare Unahängigkeit. ußerdem wird

Mehr

Prof. Dr. Schmidt-Thieme / Michael Rottmann Arbeitsblatt Algebra SS 2005

Prof. Dr. Schmidt-Thieme / Michael Rottmann Arbeitsblatt Algebra SS 2005 Prof. Dr. Shmidt-Thieme / Mihael Rottmann Areitslatt Algera SS 2005 Gruppen Lösungen.) i) Die ist neutrales Element der Multiplikation. (M, é ) ist damit keine Gruppe, denn es git keine inversen Elemente

Mehr

Kapitel 6: Spiele mit simultanen und sequentiellen Spielzügen. Einleitung. Übersicht Teil 2. Übersicht

Kapitel 6: Spiele mit simultanen und sequentiellen Spielzügen. Einleitung. Übersicht Teil 2. Übersicht Üersiht Teil apitel 6: Spiele mit simultanen und seuentiellen Spielzügen apitel 6 apitel 5 Üersiht Teil Üersiht Einleitung Darstellung von simultanen Spielzügen in extensiver Form Normalform vs extensive

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

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

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

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS) Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,

Mehr

Universität Karlsruhe (TH)

Universität Karlsruhe (TH) Universität Karlsruhe (TH) Institut für Innovatives Rehnen und Programmstrukturen (IPD) Übersetzerbau WS 2007/08 http://www.info.uni-karlsruhe.de/ Dozent: Prof. Dr.rer.nat. G. Goos goos@ipd.info.uni-karlsruhe.de

Mehr

Algorithmentheorie. 15 Suchen in Texten (1)

Algorithmentheorie. 15 Suchen in Texten (1) Algorithmentheorie 15 Suhen in Texten (1) Prof. Dr. S. Alers Suhe in Texten Vershiedene Szenrien: Sttishe Texte Literturdtennken Biliothekssysteme Gen-Dtennken WWW-Verzeihnisse Dynmishe Texte Texteditoren

Mehr

Mathematische Probleme, SS 2013 Montag $Id: dreieck.tex,v /04/15 09:12:15 hk Exp hk $ 1.4 Dreiecksberechnung mit Seiten und Winkeln

Mathematische Probleme, SS 2013 Montag $Id: dreieck.tex,v /04/15 09:12:15 hk Exp hk $ 1.4 Dreiecksberechnung mit Seiten und Winkeln Mthemtishe Proleme, SS 2013 Montg 15.4 $Id: dreiek.tex,v 1.5 2013/04/15 09:12:15 hk Exp hk $ 1 Dreieke 1.4 Dreiekserehnung mit Seiten und Winkeln In der letzten Sitzung htten wir egonnen die vershiedenen

Mehr

Definition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.

Definition 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.

Mehr

8. Übung Algorithmen I

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

Mehr

Geometrie. Inhaltsverzeichnis. 8.1 Der Satz von Ptolemäus und sein klassischer Beweis. Der Satz von Ptolemäus. 8 Der Satz von Ptolemäus

Geometrie. Inhaltsverzeichnis. 8.1 Der Satz von Ptolemäus und sein klassischer Beweis. Der Satz von Ptolemäus. 8 Der Satz von Ptolemäus Der Stz von Ptolemäus 1 Geometrie Der Stz von Ptolemäus Autor: Peter Anree Inhltsverzeihnis 8 Der Stz von Ptolemäus 1 8.1 Der Stz von Ptolemäus un sein lssisher Beweis........... 1 8.2 Verhältnis er Digonlen

Mehr

Tim n Übu~gen. Timing 1

Tim n Übu~gen. Timing 1 Tim n Üu~gen Es folgen einige Üungen zum Veressern des Timings Sie sollten täglih geüt werden und es sollen eigene Wege und Variationen dazu erfunden werden Hierei ist wihtig, daß Sie ei allen Timing Üungen

Mehr

, Magenta= 0. , Weiss= 1. . Für a = 0 hat man Schwarz, für a = 1 Weiss. Dazwischen alle. möglichen Übergänge von dunkelstem Grau zu hellstem Grau.

, Magenta= 0. , Weiss= 1. . Für a = 0 hat man Schwarz, für a = 1 Weiss. Dazwischen alle. möglichen Übergänge von dunkelstem Grau zu hellstem Grau. Physik anwenden nd erstehen: Lösngen.4 Wellenoptik 004 Orell Füssli Verlag AG.4 Wellenoptik Farben 76 a) Eine reflektierende Flähe (z.b. ein Spiegel oder eine weisse Flähe) wrde gleihzeitig mit drei gleih

Mehr

Vorlesung 24: Topological Sort 1: Hintergrund. Einführung in die Programmierung. Bertrand Meyer. Topological sort

Vorlesung 24: Topological Sort 1: Hintergrund. Einführung in die Programmierung. Bertrand Meyer. Topological sort Einführung in ie Progrmmierung Vorlesung 4: Topologil Sort : Hintergrun Bertrn Meer Letzte Üerreitung 3. Jnur 4 3 Topologil sort 4 Prouziere eine zu einer gegeenen Prtiellen Ornung komptile Vollstänige

Mehr

5. Bäume und Minimalgerüste

5. Bäume und Minimalgerüste 5. Bäume und Minimalgerüste Charakterisierung von Minimalgerüsten 5. Bäume und Minimalgerüste Definition 5.1. Es ein G = (V, E) ein zusammenhängender Graph. H = (V,E ) heißt Gerüst von G gdw. wenn H ein

Mehr

R. Brinkmann http://brinkmann-du.de Seite 1 17.11.2010

R. Brinkmann http://brinkmann-du.de Seite 1 17.11.2010 R. rinkmnn http://rinkmnn-du.de Seite 7..2 Grundegriffe der Vektorrehnung Vektor und Sklr Ein Teil der in Nturwissenshft und Tehnik uftretenden Größen ist ei festgelegter Mßeinheit durh die nge einer Mßzhl

Mehr

... Matrikel-Nummer Name Vorname Semester THERMODYNAMIK DER GRENZFLÄCHEN. Wintersemester 2005/06 KLAUSUR

... Matrikel-Nummer Name Vorname Semester THERMODYNAMIK DER GRENZFLÄCHEN. Wintersemester 2005/06 KLAUSUR Klausur "Thermodynamik der Grenzflähen" WS 005/06 S. Universität Regensurg Naturwissenshaftlihe Fakultät IV- Chemie und Pharmazie Bitte ausfüllen... Matrikel-Nummer Name Vorname Semester THERMODYNAMIK

Mehr

Algorithmen und Datenstrukturen Tutorium Übungsaufgaben

Algorithmen und Datenstrukturen Tutorium Übungsaufgaben Algorithmen und Datenstrukturen Tutorium Übungsaufgaben AlgoDat - Übungsaufgaben 1 1 Landau-Notation Aufgabe Lösung 2 Rekurrenzen Aufgabe 3 Algorithmenentwurf und -analyse Aufgabe AlgoDat - Übungsaufgaben

Mehr

a) Behauptung: Es gibt die folgenden drei stabilen Matchings:

a) Behauptung: Es gibt die folgenden drei stabilen Matchings: Musterlösung - ufgenltt 1 ufge 1 ) ehuptung: Es git ie folgenen rei stilen Mthings: ies knn mn ntürlih für ein so kleines eispiel urh etrhten ller möglihen 3! = 6 Mthings eweisen. Mn knn er uh strukturierter

Mehr

Skriptum zur Vorlesung GASDYNAMIK

Skriptum zur Vorlesung GASDYNAMIK Tehnishe Uniersität ünhen Lehrsthl für Aerodynamik Uni. Professor Dr.-Ing.habil. N.A. Adams Skritm zr Vorlesng GASDYNAIK Sommersemester Steffen Shmidt Sommersemester Steffen Shmidt Umshlagbild Sae Shttle

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

Ein Winkel zwischen 0 und 90 heißt spitzer Winkel, ein Winkel zwischen 90 und 180 heißt stumpfer Winkel.

Ein Winkel zwischen 0 und 90 heißt spitzer Winkel, ein Winkel zwischen 90 und 180 heißt stumpfer Winkel. Geometrie 1 3 Winkelsummen Der von zwei Nhrseiten eines Vieleks geildete Winkel heißt Innenwinkel. Die Summe der Innenwinkel eines Dreieks eträgt 180. + + = 180 Die Summe der Innenwinkel eines Viereks

Mehr

Traversierung 1 / 16. P.F. Stadler & S. Will (Bioinf, Uni LE) ADS 2, V3 23. April / 16

Traversierung 1 / 16. P.F. Stadler & S. Will (Bioinf, Uni LE) ADS 2, V3 23. April / 16 P.F. Stadler & S. Will (Bioinf, Uni LE) ADS, V. April 0 / P.F. Stadler & S. Will (Bioinf, Uni LE) ADS, V. April 0 / Traversierung ADS: Algorithmen und Datenstrukturen Teil Prof. Peter F. Stadler & Sebastian

Mehr

Relationen: Verkettungen, Wege, Hüllen

Relationen: Verkettungen, Wege, Hüllen FH Gießen-Frieerg, Sommersemester 00 Lösungen zu Üungsltt 9 Diskrete Mthemtik (Informtik) 9./. Juni 00 Prof. Dr. Hns-Ruolf Metz Reltionen: Verkettungen, Wege, Hüllen Aufge. Es ezeihne R ie Reltion {(,

Mehr

4.2 Minimale Spannbäume: Der Algorithmus von Jarník/Prim Definition 4.2.1

4.2 Minimale Spannbäume: Der Algorithmus von Jarník/Prim Definition 4.2.1 Allgemeines. Minimale Spannbäume: Der Algorithmus von Jarník/Prim Definition.. (a) Ein Graph G =(V, E) heißt kreisfrei, wenn er keinen Kreis besitzt. Beispiel: Ein kreisfreier Graph: FG KTuEA, TU Ilmenau

Mehr

Klausur zur Vorlesung Grundbegriffe der Informatik 14. September 2015 Lösungsvorschläge

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

Mehr

Graphentheorie. Kardinalitätsmatchings. Kardinalitätsmatchings. Kardinalitätsmatchings. Rainer Schrader. 11. Dezember 2007

Graphentheorie. Kardinalitätsmatchings. Kardinalitätsmatchings. Kardinalitätsmatchings. Rainer Schrader. 11. Dezember 2007 Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 11. Dezember 2007 1 / 47 2 / 47 wir wenden uns jetzt einem weiteren Optimierungsproblem zu Gliederung Matchings in bipartiten Graphen

Mehr

8.4 Digraphen mit negativen Kantengewichten Grundsätzliches Betrachte Startknoten s und einen Kreis C mit Gesamtlänge < 0.

8.4 Digraphen mit negativen Kantengewichten Grundsätzliches Betrachte Startknoten s und einen Kreis C mit Gesamtlänge < 0. 8.4 Digraphen mit negativen Kantengewichten 8.4.1 Grundsätzliches Betrachte Startknoten s und einen Kreis C mit Gesamtlänge < 0. k 4 5 1 s 1 3 2 C k 0 k 3 1 1 1 k 1 k 2 v Sollte ein Pfad von s nach C und

Mehr

Funktionen und Mächtigkeiten

Funktionen und Mächtigkeiten Vorlesung Funktionen und Mähtigkeiten. Etws Mengenlehre In der Folge reiten wir intuitiv mit Mengen. Eine Menge ist eine Zusmmenfssung von Elementen. Zum Beispiel ist A = {,,,,5} eine endlihe Menge mit

Mehr

Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen 1 Algorithmen und Datenstrukturen Wintersemester 2017/18 20. Vorlesung Tiefensuche und topologische Sortierung Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Themen für den 3. Kurztest (Do, 25.01.18)

Mehr

2. November Gradfolgen Zusammenhang Kürzeste Wege. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37

2. November Gradfolgen Zusammenhang Kürzeste Wege. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37 2. November 2011 Gradfolgen Zusammenhang Kürzeste Wege H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37 Satz von Erdős und Gallai Eine Partition einer natürlichen Zahl ist genau dann die Gradfolge

Mehr

9. Übung Algorithmen I

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

Mehr

72 Grundlagen der konstruktiven Geometrie

72 Grundlagen der konstruktiven Geometrie 7 Grndlagen der konstrktiven Geometrie die Parameter nd v zgleich ein lokales kartesisches Koordinatensstem af der Eene. Flächen. Ordnng Für die implizite Darstellng eines Zlinders gilt in homogenen Koordinaten

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Lernzirkel / Stationenlernen: Höhensätze (Pythagoras und Euklid)

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Lernzirkel / Stationenlernen: Höhensätze (Pythagoras und Euklid) Unterrihtsmterilien in digitler und in gedrukter Form uszug us: Lernzirkel / Sttionenlernen: Höhensätze (Pythgors und Euklid) Ds komplette Mteril finden Sie hier: Downlod ei Shool-Soutde SHOOL-SOUT Lernzirkel

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

Algorithmen und Datenstrukturen 14. Vorlesung

Algorithmen und Datenstrukturen 14. Vorlesung Algorithmen und Datenstrukturen. Vorlesung Karl-Heinz Niggl. Juli 006 Graphentheorie: Grundbegriffe Graphen (ungerichtet) 6 Digraph / gerichteter Graph: 6 FG KTuEA, TU Ilmenau AuD 07..006 FG KTuEA, TU

Mehr

4. Kreis- und Wegeprobleme Abstände in Graphen

4. Kreis- und Wegeprobleme Abstände in Graphen 4. Kreis- und Wegeprobleme Abstände in Graphen Abstände in Graphen Definition 4.4. Es sei G = (V,E) ein Graph. Der Abstand d(v,w) zweier Knoten v,w V ist die minimale Länge eines Weges von v nach w. Falls

Mehr

Guten Morgen und Willkommen zur Saalübung!

Guten Morgen und Willkommen zur Saalübung! Guten Morgen und Willkommen zur Saalübung! 1 Wie gewinnt man ein Spiel? Was ist ein Spiel? 2 Verschiedene Spiele Schach, Tic-Tac-Toe, Go Memory Backgammon Poker Nim, Käsekästchen... 3 Einschränkungen Zwei

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

15. Elementare Graphalgorithmen

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

Mehr

Graphen vielseitig verwendbar zur Repräsentation von Zusammenhängen, etwa:

Graphen vielseitig verwendbar zur Repräsentation von Zusammenhängen, etwa: 7. Grphentheorie Grphen vielseitig verwenr zur Repräsenttion von Zusmmenhängen, etw: Stäte Personen Aktionen... Verinungswege Reltionen zwishen ihnen zeitlihe Ahängigkeiten Def. 7.1: Ein gerihteter Grph

Mehr

Würde man nun versuchen die Aufgabe 6.2 des vorigen Abschnittes rechnerisch zu lösen, so stößt man auf folgende noch unlösbare Gleichung: h 1

Würde man nun versuchen die Aufgabe 6.2 des vorigen Abschnittes rechnerisch zu lösen, so stößt man auf folgende noch unlösbare Gleichung: h 1 0 Die Logarithmusfunktion Würde man nun versuhen die Aufgae 6. des vorigen Ashnittes rehnerish zu lösen, so stößt man auf folgende noh unlösare Gleihung: h 0,88 www.etremstark.de 0,88 h Gesuht ist also

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

Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 1: Grundlagen der algorithmischen Graphentheorie

Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 1: Grundlagen der algorithmischen Graphentheorie Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 1: Grundlagen der algorithmischen Graphentheorie Dipl-Math. Wolfgang Kinzner 2.4.2012 Kapitel 1: Grundlagen der algorithmischen Graphgentheorie

Mehr

Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen Wintersemester 2012/13 22. Vorlesung Tiefensuche und Topologische Sortierung Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Vorlesungsumfrage Nutzen Sie die Vorlesungsbefragung

Mehr

Der Approximationsalgorithmus von Christofides

Der Approximationsalgorithmus von Christofides Der Approximationsalgorithms on Christofides Problem: Traeling Salesman Inpt: Ein Graph G = (V, E) mit einer Distanzfnktion d : E Q 0. Afgabe: Finde eine Tor, die alle Knoten des Graphen G gena einmal

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

Isomorphie von Bäumen

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

Mehr

Dreiecke können einerseits nach den Eigenschaften ihrer Seiten und andererseits nach ihren Winkeln benannt werden. Einteilung nach den Seiten:

Dreiecke können einerseits nach den Eigenschaften ihrer Seiten und andererseits nach ihren Winkeln benannt werden. Einteilung nach den Seiten: gnz klr: Mthemtik 2 - s Ferienheft mit Erfolgsnzeiger 3 Rettungsring Eigenshften von reieken & Viereken Eigenshften von reieken Ein reiek ht immer 3 Ekpunkte, 3 Seiten un 3 Innenwinkel. ie eshriftung eines

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

Mathematische Probleme, SS 2015 Montag $Id: dreieck.tex,v /04/20 08:57:49 hk Exp $ 1.4 Dreiecksberechnung mit Seiten und Winkeln

Mathematische Probleme, SS 2015 Montag $Id: dreieck.tex,v /04/20 08:57:49 hk Exp $ 1.4 Dreiecksberechnung mit Seiten und Winkeln Mthemtishe Proleme, SS 2015 Montg 20.4 $Id: dreiek.tex,v 1.15 2015/04/20 08:57:49 hk Exp $ 1 Dreieke 1.4 Dreiekserehnung mit Seiten und Winkeln In der letzten Sitzung htten wir egonnen die vershiedenen

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

Algorithmische Graphentheorie

Algorithmische Graphentheorie Algorithmische Graphentheorie Vorlesung 2: Einführung in die Graphentheorie - Teil 2 Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 2. März 2018 1/48 OPERATIONEN

Mehr

Graphdurchmusterung, Breiten- und Tiefensuche

Graphdurchmusterung, Breiten- und Tiefensuche Prof. Thomas Richter 18. Mai 2017 Institut für Analysis und Numerik Otto-von-Guericke-Universität Magdeburg thomas.richter@ovgu.de Material zur Vorlesung Algorithmische Mathematik II am 18.05.2017 Graphdurchmusterung,

Mehr

Breitensuche BFS (Breadth First Search)

Breitensuche BFS (Breadth First Search) Breitensuche BFS (Breadth First Search) Algorithmus BREITENSUCHE EINGABE: G = (V, E) als Adjazenzliste, Startknoten s V 1 Für alle v V 1 If (v = s) then d[v] 0 else d[v] ; 2 pred[v] nil; 2 Q new Queue;

Mehr

Graphen und Bäume. A.1 Graphen

Graphen und Bäume. A.1 Graphen Algorithmen und Datenstrukturen 96 A Graphen und Bäume A.1 Graphen Ein gerichteter Graph (auch Digraph) G ist ein Paar (V, E), wobei V eine endliche Menge und E eine Relation auf V ist, d.h. E V V. V heißt

Mehr

10 1 Grundlagen der Schulgeometrie. 1.3 Das Dreieck

10 1 Grundlagen der Schulgeometrie. 1.3 Das Dreieck 10 1 Grundlgen der Shulgeometrie 13 Ds Dreiek In diesem shnitt findet lles in der ffinen Stndrdeene 2 = R 2 sttt Drei Punkte, und, die niht uf einer Gerden liegen, ilden ein Dreiek Die Punkte,, nennt mn

Mehr

01 Proportion Verhältnis Maßstab

01 Proportion Verhältnis Maßstab 5 Ähnlihkeit und Strhlensätze LS 01.M1 01 Proportion Verhältnis Mßst 1 Lies die folgende Informtion sorgfältig. Mrkiere wihtige egriffe und Formeln. ) Proportionle Zuordnung ei einer proportionlen Zuordnung

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

Spezielle Relativitätstheorie. Dynamik der Speziellen Relativitätstheorie

Spezielle Relativitätstheorie. Dynamik der Speziellen Relativitätstheorie Seielle Relatiitätstheorie Dnamik der Seiellen Relatiitätstheorie Dnamik Dnamik als Teilgebiet der Mehanik beshreibt die Änderng der Bewegngsgrößen Weg, Geshwindigkeit nd Beshlenigng nter Einwirkng on

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

Definition Gerichteter Pfad. gerichteter Pfad, wenn. Ein gerichteter Pfad heißt einfach, falls alle u i paarweise verschieden sind.

Definition Gerichteter Pfad. gerichteter Pfad, wenn. Ein gerichteter Pfad heißt einfach, falls alle u i paarweise verschieden sind. 3.5 Gerichteter Pfad Definition 291 Eine Folge (u 0, u 1,..., u n ) mit u i V für i = 0,..., n heißt gerichteter Pfad, wenn ( i {0,..., n 1} ) [ (u i, u i+1 ) A]. Ein gerichteter Pfad heißt einfach, falls

Mehr

Maximale s t-flüsse in Planaren Graphen

Maximale s t-flüsse in Planaren Graphen Maximale s t-flüsse in Planaren Graphen Vorlesung Algorithmen für planare Graphen 6. Juni 2017 Guido Brückner INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg

Mehr

Klausur Grundlagen der Elektrotechnik (Musterlösung)

Klausur Grundlagen der Elektrotechnik (Musterlösung) Prüfung Grundlgen der Elektrotehnik Seite von 0.03.03 Klusur Grundlgen der Elektrotehnik (Musterlösung) Lösung :. Berehnung des Quershnitts A A π (d/)² π (0,mm/)² 7,85 0 9 m² Berehnung des Widerstndes

Mehr

4. Kreis- und Wegeprobleme

4. Kreis- und Wegeprobleme 4. Kreis- und Wegeprobleme Kapitelübersicht 4. Kreis- und Wegeprobleme Charakterisierung von eulerschen Graphen Bestimmung von eulerschen Wegen und Kreisen Hamiltonsche Graphen Abstände in Graphen Berechnung

Mehr

Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume)

Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume) WS 2016/17 Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16

Mehr

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

Endliche Automaten. aus. Abbildung 1: Modell eines einfachen Lichtschalters

Endliche Automaten. aus. Abbildung 1: Modell eines einfachen Lichtschalters Endliche Automaten In der ersten Vorlesungswoche wollen wir uns mit endlichen Automaten eschäftigen. Um uns diesen zu nähern, etrachten wir zunächst einen einfachen Lichtschalter. Dieser kann an oder aus

Mehr

Berechnung von Abständen

Berechnung von Abständen 3. Kreis- und Wegeprobleme Abstände in Graphen Abstände in Graphen Definition 3.4. Es sei G = (V, E) ein Graph. Der Abstand d(v, w) zweier Knoten v, w V ist die minimale Länge eines Weges von v nach w.

Mehr

Das kleine 9er-Einmaleins mit den 10 Fingern lernen.

Das kleine 9er-Einmaleins mit den 10 Fingern lernen. Ws? Multiplizieren 9er-Finger-Einmleins Wozu? Ds kleine 9er-Einmleins mit den 10 Fingern lernen. 1. Beide Hände mit usgestrekten Fingern zeigen nh oen. 2. Die Dumen zeigen nh ußen (Hndflähen zum Gesiht).

Mehr

u b Pronomen in der Verbalen Klammer Das Dach kann ich nicht sehen.

u b Pronomen in der Verbalen Klammer Das Dach kann ich nicht sehen. Pronomen in der Veralen Klammer ANWEISUNGEN: Zeichnen sie in jedem Satz die verale Klammer ein! Identifizieren Sie daei nd! Zeichnen Sie dann einen Pfeil von dem Pronomen in Klammern am Ende des Satzes

Mehr

(a, b)-bäume / 1. Datenmenge ist so groß, dass sie auf der Festplatte abgespeichert werden muss.

(a, b)-bäume / 1. Datenmenge ist so groß, dass sie auf der Festplatte abgespeichert werden muss. (a, b)-bäume / 1. Szenario: Datenmenge ist so groß, dass sie auf der Festplatte abgespeichert werden muss. Konsequenz: Kommunikation zwischen Hauptspeicher und Festplatte - geschieht nicht Byte für Byte,

Mehr

2 Tiefen- und Breitensuche

2 Tiefen- und Breitensuche 2 Tiefen- und Breitensuche Übersicht 2.1 SpannendeBäume... 21 2.2 WiefindetmanspannendeBäume?... 24 2.3 AnwendungenvonBFSundDFS... 29 2.4 Aufgaben... 33 2.1 Spannende Bäume Vor nicht allzu langer Zeit

Mehr

Mathematische Probleme, SS 2017 Donnerstag 1.6. $Id: dreieck.tex,v /06/01 11:41:57 hk Exp $ 2.1 Dreiecksberechnung mit Seiten und Winkeln

Mathematische Probleme, SS 2017 Donnerstag 1.6. $Id: dreieck.tex,v /06/01 11:41:57 hk Exp $ 2.1 Dreiecksberechnung mit Seiten und Winkeln Mathematische Proleme SS 2017 Donnerstag 1.6 $Id: dreieck.texv 1.31 2017/06/01 11:41:57 hk Exp $ 2 Dreiecke 2.1 Dreieckserechnung mit Seiten und Winkeln Am Ende der letzten Sitzung hatten wir eine weitere

Mehr

1 DFS-Bäume in ungerichteten Graphen

1 DFS-Bäume in ungerichteten Graphen Praktikum Algorithmen-Entwurf (Teil 3) 06.11.2006 1 1 DFS-Bäume in ungerichteten Graphen Sei ein ungerichteter, zusammenhängender Graph G = (V, E) gegeben. Sei ferner ein Startknoten s V ausgewählt. Startet

Mehr

1 DFS-Bäume in ungerichteten Graphen

1 DFS-Bäume in ungerichteten Graphen Praktikum Algorithmen-Entwurf (Teil 3) 31.10.2005 1 1 DFS-Bäume in ungerichteten Graphen Sei ein ungerichteter, zusammenhängender Graph G = (V, E) gegeben. Sei ferner ein Startknoten s V ausgewählt. Startet

Mehr