Wykład 1. Wprowadzenie do teorii grafów

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wykład 1. Wprowadzenie do teorii grafów"

Transkrypt

1 Wykła 1. Wprowazenie o teorii grafów 1 / 111

2 Literatura 1 W. Lipski; Kombinatoryka la programistów. 2 T. Cormen, Ch. E. Leiserson, R. L. Rivest; Wprowazenie o algorytmów. 3 K. A. Ross, Ch. R. B. Wright; Matematyka yskretna. 4 M. Sysło, N. Deo; Metoy optymalizacji yskretnej z przykłaami w Turbo Pascalu. 5 M. Libura, J. Sikorski; Wykłay z matematyki yskretnej. Cz. I: Kombinatoryka. 6 M. Libura, J. Sikorski; Wykłay z matematyki yskretnej. Cz. II: Teoria grafów. 7 J. Kurose, K. Ross; Sieci komputerowe. O ogółu o szczegółu z Internetem w tle. 8 J. Harris, J. Hirst, M. Mossinghoff; Combinatorics an Graph Theory. 9 D. Mehi, K. Ramasamy; Network Routing: Algorithms, Protocols an Architectures. 10 D. Jungnickel, Graphs; Networks an Algorithms. 11 B. Korte, J. Vygen; Combinatorial optimization. 2 / 111

3 grafu nieskierowanego Grafem nieskierowanym nazywamy uporząkowaną trójkę: G = V, E, γ gzie: V niepusty zbiór wierzchołków grafu G, E zbiór krawęzi grafu G, γ funkcja ze zbioru E w zbiór {{u, v} : u, v V } wszystkich pozbiorów jeno lub wuelementowych zbioru V. 3 / 111

4 grafu nieskierowanego Grafem nieskierowanym nazywamy uporząkowaną trójkę: G = V, E, γ gzie: V niepusty zbiór wierzchołków grafu G, E zbiór krawęzi grafu G, γ funkcja ze zbioru E w zbiór {{u, v} : u, v V } wszystkich pozbiorów jeno lub wuelementowych zbioru V. Jeżeli e E oraz γ (e) = {v 1, v 2}, to elementy v 1 i v 2 nazywamy końcami krawęzi e. 4 / 111

5 Przykła W praktyce często wykorzystujemy graficzną reprezentację grafu 1 a b c 3 m l k 2 f 8 4 h 5 6 g 7 5 / 111

6 Przykła W praktyce często wykorzystujemy graficzną reprezentację grafu 1 a b c 3 m l k 2 f 8 4 Niech G = V, E, γ, gzie: h 5 6 g 7 V = {1, 2,...8}, E = {a, b, c,, e, f, g, h, k, l, m}, 6 / 111

7 Przykła W praktyce często wykorzystujemy graficzną reprezentację grafu 1 a b c 3 m l k 2 f 8 4 Niech G = V, E, γ, gzie: h 5 6 g 7 V = {1, 2,...8}, E = {a, b, c,, e, f, g, h, k, l, m}, zaś funkcja γ określona jest za pomocą tabeli e a b c f g h γ (e) {1, 2} {2} {2, 3} {4} {3, 6} {6, 7} {5, 6} k l m {2, 5} {1, 5} {1, 5} 7 / 111

8 Krawęzie grafu 1 a m l k b c 3 2 f 8 4 h 5 6 g 7 Jeżeli γ (e) = {v, v} = {v}, to krawęź e nazywamy pętlą. 8 / 111

9 Krawęzie grafu 1 a m l k b c 3 2 f 8 4 h 5 6 g 7 Jeżeli γ (e) = {v, v} = {v}, to krawęź e nazywamy pętlą. Na rysunku pętlami są krawęzie b i, ponieważ γ (b) = {2} i γ () = {4}. 9 / 111

10 Krawęzie grafu 1 a m l k b c 3 2 f 8 4 h 5 6 g 7 Jeżeli krawęzie e i f są różne (e f ) i γ (e) = γ (f ), to nazywamy je krawęziami wielokrotnymi (równoległymi) 10 / 111

11 Krawęzie grafu 1 a m l k b c 3 2 f 8 4 h 5 6 g 7 Jeżeli krawęzie e i f są różne (e f ) i γ (e) = γ (f ), to nazywamy je krawęziami wielokrotnymi (równoległymi) Na rysunku krawęziami wielokrotnymi są krawęzie m i l, bowiem γ (l) = γ (m) = {1, 5} 11 / 111

12 Krawęzie grafu 1 a m l k b c 3 2 f 8 4 h 5 6 g 7 Jeżeli krawęzie e i f są różne (e f ) i γ (e) = γ (f ), to nazywamy je krawęziami wielokrotnymi (równoległymi) Na rysunku krawęziami wielokrotnymi są krawęzie m i l, bowiem γ (l) = γ (m) = {1, 5} Uwaga W przypaku, gy nie ma w grafie G krawęzi wielokrotnych, to funkcja γ jest różnowartościowa. 12 / 111

13 Jeżeli w grafie G, a i b nie są krawęziami równoległymi oraz γ (a) = {x, y} i γ (b) = {y, z}, to mówimy, że: 13 / 111

14 Jeżeli w grafie G, a i b nie są krawęziami równoległymi oraz γ (a) = {x, y} i γ (b) = {y, z}, to mówimy, że: 1 Krawęzie a i b są krawęziami sąsienim lub przyległymi (mają wspólny wierzchołek y). 14 / 111

15 Jeżeli w grafie G, a i b nie są krawęziami równoległymi oraz γ (a) = {x, y} i γ (b) = {y, z}, to mówimy, że: 1 Krawęzie a i b są krawęziami sąsienim lub przyległymi (mają wspólny wierzchołek y). 2 Wierzchołki x, y (oraz y i z) są wierzchołkami sąsienimi. 15 / 111

16 Jeżeli w grafie G, a i b nie są krawęziami równoległymi oraz γ (a) = {x, y} i γ (b) = {y, z}, to mówimy, że: 1 Krawęzie a i b są krawęziami sąsienim lub przyległymi (mają wspólny wierzchołek y). 2 Wierzchołki x, y (oraz y i z) są wierzchołkami sąsienimi. 3 Wierzchołek x (a także y) jest incyentny o krawęzi a (jest końcem tej krawęzi) 16 / 111

17 Graf prosty Graf bez krawęzi wielokrotnych i pętli nazywamy grafem prostym. 17 / 111

18 Graf prosty Graf bez krawęzi wielokrotnych i pętli nazywamy grafem prostym. Przykłaem grafu prostego jest graf G przestawiony na rysunku 3 f b a 4 e c / 111

19 W przypaku grafów bez krawęzi wielokrotnych (w szczególności w przypaku grafów prostych) efinicja grafu sprowaza się o poania zbioru wierzchołków V i krawęzi w postaci {p, q}, gzie p, q V, np. na rysunku zamiast pisać γ (a) = {1, 3} bęziemy pisać a = {1, 3}. 19 / 111

20 W przypaku grafów bez krawęzi wielokrotnych (w szczególności w przypaku grafów prostych) efinicja grafu sprowaza się o poania zbioru wierzchołków V i krawęzi w postaci {p, q}, gzie p, q V, np. na rysunku zamiast pisać γ (a) = {1, 3} bęziemy pisać a = {1, 3}. Uwaga W alszej części graf bez krawęzi wielokrotnych (w szczególności graf prosty) bęziemy zapisywali jako G = V, E pamiętając, że E = {{p, q} : p, q V }. 20 / 111

21 Stopień wierzchołka i stopień grafu, w grafie nieskierowanym Liczbę krawęzi incyentnych o anego wierzchołka v (z pętlami liczonymi powójnie) nazywamy stopniem wierzchołka v i oznaczamy eg(v). 21 / 111

22 Stopień wierzchołka i stopień grafu, w grafie nieskierowanym Liczbę krawęzi incyentnych o anego wierzchołka v (z pętlami liczonymi powójnie) nazywamy stopniem wierzchołka v i oznaczamy eg(v). Liczbę wierzchołków stopnia k oznaczamy D k (G). 22 / 111

23 Stopień wierzchołka i stopień grafu, w grafie nieskierowanym Liczbę krawęzi incyentnych o anego wierzchołka v (z pętlami liczonymi powójnie) nazywamy stopniem wierzchołka v i oznaczamy eg(v). Liczbę wierzchołków stopnia k oznaczamy D k (G). Dla każego grafu efiniujemy ciąg stopni wierzchołków grafu G (D 0 (G), D 1 (G), D 2 (G),...). 23 / 111

24 Stopień wierzchołka i stopień grafu, w grafie nieskierowanym Liczbę krawęzi incyentnych o anego wierzchołka v (z pętlami liczonymi powójnie) nazywamy stopniem wierzchołka v i oznaczamy eg(v). Liczbę wierzchołków stopnia k oznaczamy D k (G). Dla każego grafu efiniujemy ciąg stopni wierzchołków grafu G (D 0 (G), D 1 (G), D 2 (G),...). Stopniem grafu G nazywamy liczbę (G) := max eg (v). v V Stopień grafu jest więc równy najwyższemu ze stopni jego wierzchołków. 24 / 111

25 Wierzchołek stopnia zerowego nazywamy wierzchołkiem izolowanym. 25 / 111

26 Wierzchołek stopnia zerowego nazywamy wierzchołkiem izolowanym. Wierzchołek stopnia pierwszego nazywamy wierzchołkiem końcowym lub wiszącym. 26 / 111

27 Przykła Rozważmy graf: f x 1 x 2 a b e c x 8 h x 3 g x 5 x 4 x6 x 7 27 / 111

28 Przykła Rozważmy graf: f x 1 x 2 a b e c x 8 h x 3 g x 5 x 4 x6 x 7 Na rysunku: 28 / 111

29 Przykła Rozważmy graf: f x 1 x 2 a b e c x 8 h x 3 g x 5 x 4 x6 x 7 Na rysunku: 1 wierzchołki izolowane, to x 5 i x 7 29 / 111

30 Przykła Rozważmy graf: f x 1 x 2 a b e c x 8 h x 3 g x 5 x 4 x6 x 7 Na rysunku: 1 wierzchołki izolowane, to x 5 i x 7 2 wierzchołki wiszące to x 4 i x 6 30 / 111

31 Przykła Rozważmy graf: f x 1 x 2 a b e c x 8 h x 3 g x 5 x 4 x6 x 7 Na rysunku: 1 wierzchołki izolowane, to x 5 i x 7 2 wierzchołki wiszące to x 4 i x 6 3 ponato eg (x 1) = 2 i eg (x 2) = 5, eg (x 3) = 4 i eg (x 8) = 3 31 / 111

32 Przykła Rozważmy graf: f x 1 x 2 a b e c x 8 h x 3 g x 5 x 4 x6 x 7 Na rysunku: 1 wierzchołki izolowane, to x 5 i x 7 2 wierzchołki wiszące to x 4 i x 6 3 ponato eg (x 1) = 2 i eg (x 2) = 5, eg (x 3) = 4 i eg (x 8) = 3 4 ciąg stopni wierzchołków tego grafu jest następujący (2, 2, 1, 1, 1, 1) 32 / 111

33 Przykła Rozważmy graf: f x 1 x 2 a b e c x 8 h x 3 g x 5 x 4 x6 x 7 Na rysunku: 1 wierzchołki izolowane, to x 5 i x 7 2 wierzchołki wiszące to x 4 i x 6 3 ponato eg (x 1) = 2 i eg (x 2) = 5, eg (x 3) = 4 i eg (x 8) = 3 4 ciąg stopni wierzchołków tego grafu jest następujący (2, 2, 1, 1, 1, 1) 5 stopień tego grafu wynosi więc (G) = 5 33 / 111

34 Krawęzie szeregowe Mówimy, że wie nierównoległe krawęzie są krawęziami szeregowymi, jeżeli ich wspólny wierzchołek jest stopnia rugiego. 34 / 111

35 Krawęzie szeregowe Mówimy, że wie nierównoległe krawęzie są krawęziami szeregowymi, jeżeli ich wspólny wierzchołek jest stopnia rugiego. f x 1 x 2 a b e c x 8 h x 3 g x 5 x 4 x6 x 7 35 / 111

36 Krawęzie szeregowe Mówimy, że wie nierównoległe krawęzie są krawęziami szeregowymi, jeżeli ich wspólny wierzchołek jest stopnia rugiego. f x 1 x 2 a b e c x 8 h x 3 g x 5 x 4 x6 x 7 W grafie krawęzie a i b są szeregowe, natomiast krawęzie b i c są przyległe ale nie są połączone szeregowo, bowiem ich wspólny wierzchołek jest stopnia trzeciego. 36 / 111

37 Izomorfizm grafów Niech ane bęą grafy G 1 = V 1, E 1 oraz G 2 = V 2, E 2 (bez krawęzi wielokrotnych). 37 / 111

38 Izomorfizm grafów Niech ane bęą grafy G 1 = V 1, E 1 oraz G 2 = V 2, E 2 (bez krawęzi wielokrotnych). Mówimy, że grafy G 1 i G 2 są izomorficzne, jeżeli istnieje wzajemnie jenoznaczne przekształcenie α : V 1 V 2 takie, że krawęź {u, v} jest krawęzią grafu G 1 ({u, v} E 1) wtey i tylko wtey, gy 38 / 111

39 Izomorfizm grafów Niech ane bęą grafy G 1 = V 1, E 1 oraz G 2 = V 2, E 2 (bez krawęzi wielokrotnych). Mówimy, że grafy G 1 i G 2 są izomorficzne, jeżeli istnieje wzajemnie jenoznaczne przekształcenie α : V 1 V 2 takie, że krawęź {u, v} jest krawęzią grafu G 1 ({u, v} E 1) wtey i tylko wtey, gy {α (u), α (v)} jest krawęzią grafu G 2 ({α (u), α (v)} E 2). 39 / 111

40 Izomorfizm grafów Dla grafów z krawęziami wielokrotnymi sytuacja nieco się komplikuje 40 / 111

41 Izomorfizm grafów Dla grafów z krawęziami wielokrotnymi sytuacja nieco się komplikuje Niech ane bęą grafy G 1 = V 1, E 1, γ 1 oraz G 2 = V 2, E 2, γ 2 Mówimy, że grafy G 1 i G 2 są izomorficzne, jeżeli istnieją przekształcenia α : V 1 V 2 i β : E 1 E 2 wzajemnie jenoznaczne, takie, że krawęź e E 1 łączy wierzchołki u, v V 1 (γ 1 (e) = {u, v}) wtey i tylko wtey, 41 / 111

42 Izomorfizm grafów Dla grafów z krawęziami wielokrotnymi sytuacja nieco się komplikuje Niech ane bęą grafy G 1 = V 1, E 1, γ 1 oraz G 2 = V 2, E 2, γ 2 Mówimy, że grafy G 1 i G 2 są izomorficzne, jeżeli istnieją przekształcenia α : V 1 V 2 i β : E 1 E 2 wzajemnie jenoznaczne, takie, że krawęź e E 1 łączy wierzchołki u, v V 1 (γ 1 (e) = {u, v}) wtey i tylko wtey, gy opowiaająca jej krawęź β (e) E 2 łączy wierzchołki α (u) i α (v) tzn. γ 2 (β (e)) = {α (u), α (v)}. 42 / 111

43 Izomorfizm grafów Dla grafów z krawęziami wielokrotnymi sytuacja nieco się komplikuje Niech ane bęą grafy G 1 = V 1, E 1, γ 1 oraz G 2 = V 2, E 2, γ 2 Mówimy, że grafy G 1 i G 2 są izomorficzne, jeżeli istnieją przekształcenia α : V 1 V 2 i β : E 1 E 2 wzajemnie jenoznaczne, takie, że krawęź e E 1 łączy wierzchołki u, v V 1 (γ 1 (e) = {u, v}) wtey i tylko wtey, gy opowiaająca jej krawęź β (e) E 2 łączy wierzchołki α (u) i α (v) tzn. γ 2 (β (e)) = {α (u), α (v)}. Zapis G 1 G 2 czytamy: grafy G 1 i G 2 są izomorficzne. 43 / 111

44 Izomorfizm grafów 44 / 111

45 Izomorfizm grafów 45 / 111

46 Niezmienniki izomorfizmu grafów Z efinicji izomorfizmu wynika, że grafy izomorficzne muszą mieć 1 tę samą liczbę wierzchołków 2 tę samą liczbę krawęzi 3 tę samą liczbę pętli 4 tę samą liczbę wierzchołków końcowych 5 tę samą liczbę wierzchołków izolowanych 6 równą liczbę wierzchołków tego samego stopnia 7 ten sam ciąg stopni wierzchołków (D 0 (G), D 1 (G),...) Powyższe warunkami są warunkami koniecznymi izomorfizmu wu grafów, ale nie są warunkami wystarczającymi. 46 / 111

47 Graf skierowany Grafem skierowanym lub igrafem G (irecte graph) nazywamy uporząkowaną trójkę G = V, E, γ, gzie V jest niepustym zbiorem wierzchołków, E zbiorem krawęzi skierowanych (łuków), γ owzorowaniem zbioru E w zbiór V V. 47 / 111

48 Graf skierowany Grafem skierowanym lub igrafem G (irecte graph) nazywamy uporząkowaną trójkę G = V, E, γ, gzie V jest niepustym zbiorem wierzchołków, E zbiorem krawęzi skierowanych (łuków), γ owzorowaniem zbioru E w zbiór V V. Jeśli e (e E) jest łukiem grafu G i γ(e) = (p, q) ((p, q) V V ), to 48 / 111

49 Graf skierowany Grafem skierowanym lub igrafem G (irecte graph) nazywamy uporząkowaną trójkę G = V, E, γ, gzie V jest niepustym zbiorem wierzchołków, E zbiorem krawęzi skierowanych (łuków), γ owzorowaniem zbioru E w zbiór V V. Jeśli e (e E) jest łukiem grafu G i γ(e) = (p, q) ((p, q) V V ), to p nazywamy początkiem łuku 49 / 111

50 Graf skierowany Grafem skierowanym lub igrafem G (irecte graph) nazywamy uporząkowaną trójkę G = V, E, γ, gzie V jest niepustym zbiorem wierzchołków, E zbiorem krawęzi skierowanych (łuków), γ owzorowaniem zbioru E w zbiór V V. Jeśli e (e E) jest łukiem grafu G i γ(e) = (p, q) ((p, q) V V ), to p nazywamy początkiem łuku q nazywamy końcem łuku 50 / 111

51 Graf skierowany Grafem skierowanym lub igrafem G (irecte graph) nazywamy uporząkowaną trójkę G = V, E, γ, gzie V jest niepustym zbiorem wierzchołków, E zbiorem krawęzi skierowanych (łuków), γ owzorowaniem zbioru E w zbiór V V. Jeśli e (e E) jest łukiem grafu G i γ(e) = (p, q) ((p, q) V V ), to p nazywamy początkiem łuku q nazywamy końcem łuku o łuku e mówimy również, że 51 / 111

52 Graf skierowany Grafem skierowanym lub igrafem G (irecte graph) nazywamy uporząkowaną trójkę G = V, E, γ, gzie V jest niepustym zbiorem wierzchołków, E zbiorem krawęzi skierowanych (łuków), γ owzorowaniem zbioru E w zbiór V V. Jeśli e (e E) jest łukiem grafu G i γ(e) = (p, q) ((p, q) V V ), to p nazywamy początkiem łuku q nazywamy końcem łuku o łuku e mówimy również, że łuk e biegnie o wierzchołka p o wierzchołka q 52 / 111

53 Graf skierowany Grafem skierowanym lub igrafem G (irecte graph) nazywamy uporząkowaną trójkę G = V, E, γ, gzie V jest niepustym zbiorem wierzchołków, E zbiorem krawęzi skierowanych (łuków), γ owzorowaniem zbioru E w zbiór V V. Jeśli e (e E) jest łukiem grafu G i γ(e) = (p, q) ((p, q) V V ), to p nazywamy początkiem łuku q nazywamy końcem łuku o łuku e mówimy również, że łuk e biegnie o wierzchołka p o wierzchołka q łuk e wychozi z wierzchołka p i wchozi o wierzchołka q 53 / 111

54 Graf skierowany Grafem skierowanym lub igrafem G (irecte graph) nazywamy uporząkowaną trójkę G = V, E, γ, gzie V jest niepustym zbiorem wierzchołków, E zbiorem krawęzi skierowanych (łuków), γ owzorowaniem zbioru E w zbiór V V. Jeśli e (e E) jest łukiem grafu G i γ(e) = (p, q) ((p, q) V V ), to p nazywamy początkiem łuku q nazywamy końcem łuku o łuku e mówimy również, że łuk e biegnie o wierzchołka p o wierzchołka q łuk e wychozi z wierzchołka p i wchozi o wierzchołka q łuk e jest incyentny z wierzchołka p i jest incyentny w wierzchołek q 54 / 111

55 Graf skierowany Analogicznie, jak w przypaku grafu nieskierowanego mamy Jeżeli γ(e) = (p, p), to e nazywamy pętlą. 55 / 111

56 Graf skierowany Analogicznie, jak w przypaku grafu nieskierowanego mamy Jeżeli γ(e) = (p, p), to e nazywamy pętlą. Jeżeli e, k E oraz γ(e) = (p, q) i γ(k) = (p, q), to krawęzie e i k nazywamy równoległymi lub wielokrotnymi. 56 / 111

57 Graf skierowany Analogicznie, jak w przypaku grafu nieskierowanego mamy Jeżeli γ(e) = (p, p), to e nazywamy pętlą. Jeżeli e, k E oraz γ(e) = (p, q) i γ(k) = (p, q), to krawęzie e i k nazywamy równoległymi lub wielokrotnymi. Jeżeli G jest grafem prostym (bez pętli i krawęzi równoległych), to przekształcenie γ jest różnowartościowe a graf G możemy oznaczać jako G = V, E. 57 / 111

58 Przykła Weźmy graf G = V, E, γ, w którym ane są zbiory: V = {u, w, x, y, z} zbiór wierzchołków, E = {(a, b, c,, e, f, g, h, k, l, m} zbiór łuków 58 / 111

59 Przykła Weźmy graf G = V, E, γ, w którym ane są zbiory: V = {u, w, x, y, z} zbiór wierzchołków, E = {(a, b, c,, e, f, g, h, k, l, m} zbiór łuków oraz funkcja γ postaci: e a b c e f g γ(e) (x, y) (z, y) (z, y) (u, y) (u, x) (z, u) (x, z) h k l m (y, y) (z, w) (w, x) (x, w) 59 / 111

60 Przykła Weźmy graf G = V, E, γ, w którym ane są zbiory: V = {u, w, x, y, z} zbiór wierzchołków, E = {(a, b, c,, e, f, g, h, k, l, m} zbiór łuków oraz funkcja γ postaci: e a b c e f g γ(e) (x, y) (z, y) (z, y) (u, y) (u, x) (z, u) (x, z) h k l m (y, y) (z, w) (w, x) (x, w) w k z m g f c b l e u x a y h 60 / 111

61 Przykła w k z m g f c b l e u x a y h krawęź h jest pętlą 61 / 111

62 Przykła w k z m g f c b l e u x a y h krawęź h jest pętlą krawęzie c i b są wielokrotne (równoległe) 62 / 111

63 Przykła w k z m g f c b l e u x a y h krawęź h jest pętlą krawęzie c i b są wielokrotne (równoległe) krawęzie l i m nie są wielokrotne (równoległe) 63 / 111

64 Stopień wyjściowy i wejściowy wierzchołka w grafie skierowanym w k z Liczbę krawęzi skierowanych g wychozących z wierzchołka x m nazywamy stopniem wyjściowym l tego wierzchołka i oznaczamy egout(x). x a e f u c b y h 64 / 111

65 Stopień wyjściowy i wejściowy wierzchołka w grafie skierowanym w k z Liczbę krawęzi skierowanych g wychozących z wierzchołka x m nazywamy stopniem wyjściowym l tego wierzchołka i oznaczamy egout(x). x a e f u c b y h egout(x) = 3, egout(u) = 2, egout(z) = 4, egout(w) = 1, egout(y) = 1, 65 / 111

66 Stopień wyjściowy i wejściowy wierzchołka w grafie skierowanym w k z m g f c b l e u x a y h Liczbę łuków wchozących o wierzchołka x nazywamy stopniem wejściowym wierzchołka x i oznaczamy egin(x). egout(x) = 3, egout(u) = 2, egout(z) = 4, egout(w) = 1, egout(y) = 1, 66 / 111

67 Stopień wyjściowy i wejściowy wierzchołka w grafie skierowanym w k z m g f c b l e u x a y h Liczbę łuków wchozących o wierzchołka x nazywamy stopniem wejściowym wierzchołka x i oznaczamy egin(x). egout(x) = 3, egin(x) = 2, egout(u) = 2, egin(u) = 1, egout(z) = 4, i egin(z) = 1, egout(w) = 1, egin(w) = 2, egout(y) = 1, egin(y) = 5, 67 / 111

68 Stopień wierzchołka i stopień grafu, w grafie skierowanym Stopniem wierzchołka eg(x) w grafie skierowanym nazywamy sumę stopni wejściowych i wyjściowych wierzchołka x. eg(x) = egout(x) + egin(x) 68 / 111

69 Stopień wierzchołka i stopień grafu, w grafie skierowanym Stopniem wierzchołka eg(x) w grafie skierowanym nazywamy sumę stopni wejściowych i wyjściowych wierzchołka x. eg(x) = egout(x) + egin(x) Stopień grafu (G) określamy jako maksymalny stopień wierzchołka w tym grafie, czyli (G) = max u V eg(u) 69 / 111

70 Źróło i ujście w grafie skierowanym W igrafach wyróżniamy szczególnie wa typy wierzchołków, które nie występują w grafach nieskierowanych, są to źróła i ujścia. 70 / 111

71 Źróło i ujście w grafie skierowanym W igrafach wyróżniamy szczególnie wa typy wierzchołków, które nie występują w grafach nieskierowanych, są to źróła i ujścia. Źrółem w igrafie nazywamy nieizolowany wierzchołek, o którego nie wchozi żaen łuk. Wierzchołek u jest w igrafie źrółem wtey i tylko wtey gy egin(u) = 0 egout(u) > 0 71 / 111

72 Źróło i ujście w grafie skierowanym W igrafach wyróżniamy szczególnie wa typy wierzchołków, które nie występują w grafach nieskierowanych, są to źróła i ujścia. Źrółem w igrafie nazywamy nieizolowany wierzchołek, o którego nie wchozi żaen łuk. Wierzchołek u jest w igrafie źrółem wtey i tylko wtey gy egin(u) = 0 egout(u) > 0 Nieizolowany wierzchołek igrafu, który nie jest początkiem żanego łuku nazywamy ujściem. Wierzchołek t jest ujściem wtey i tylko wtey, gy egout(t) = 0 egin(u) > 0 72 / 111

73 Przykła a b c e 73 / 111

74 Przykła a b c e Stopnie wierzchołków w grafie wynoszą: 74 / 111

75 Przykła a b c e Stopnie wierzchołków w grafie wynoszą: eg(a) = egout(a) + egin(a) = = 1 75 / 111

76 Przykła a b c e Stopnie wierzchołków w grafie wynoszą: eg(a) = egout(a) + egin(a) = = 1 eg(b) = egout(b) + egin(b) = = 3 76 / 111

77 Przykła a b c e Stopnie wierzchołków w grafie wynoszą: eg(a) = egout(a) + egin(a) = = 1 eg(b) = egout(b) + egin(b) = = 3 eg(c) = egout(c) + egin(c) = = 2 77 / 111

78 Przykła a b c e Stopnie wierzchołków w grafie wynoszą: eg(a) = egout(a) + egin(a) = = 1 eg(b) = egout(b) + egin(b) = = 3 eg(c) = egout(c) + egin(c) = = 2 eg() = egout() + egin() = = 2 78 / 111

79 Przykła a b c e Stopnie wierzchołków w grafie wynoszą: eg(a) = egout(a) + egin(a) = = 1 eg(b) = egout(b) + egin(b) = = 3 eg(c) = egout(c) + egin(c) = = 2 eg() = egout() + egin() = = 2 eg(e) = egout(e) + egin(e) = = 2 79 / 111

80 Przykła a b c e Stopnie wierzchołków w grafie wynoszą: eg(a) = egout(a) + egin(a) = = 1 eg(b) = egout(b) + egin(b) = = 3 eg(c) = egout(c) + egin(c) = = 2 eg() = egout() + egin() = = 2 eg(e) = egout(e) + egin(e) = = 2 Stopień grafu wynosi: (G) = max u V eg(u) = 3 80 / 111

81 Przykła a b c e Stopnie wierzchołków w grafie wynoszą: eg(a) = egout(a) + egin(a) = = 1 eg(b) = egout(b) + egin(b) = = 3 eg(c) = egout(c) + egin(c) = = 2 eg() = egout() + egin() = = 2 eg(e) = egout(e) + egin(e) = = 2 Źrółem w grafie G są wierzchołki a i c. Stopień grafu wynosi: (G) = max u V eg(u) = 3 81 / 111

82 Przykła a b c e Stopnie wierzchołków w grafie wynoszą: eg(a) = egout(a) + egin(a) = = 1 eg(b) = egout(b) + egin(b) = = 3 eg(c) = egout(c) + egin(c) = = 2 eg() = egout() + egin() = = 2 eg(e) = egout(e) + egin(e) = = 2 Stopień grafu wynosi: Źrółem w grafie G są wierzchołki a i c. Ujściem jest wierzchołek e. (G) = max u V eg(u) = 3 82 / 111

83 Grafy ważone, sieci Grafem ważonym nazywamy graf, w którym każej krawęzi przyporząkowana jest liczba rzeczywista (czasami tylko nieujemna) zwana wagą tej krawęzi. 83 / 111

84 Grafy ważone, sieci Grafem ważonym nazywamy graf, w którym każej krawęzi przyporząkowana jest liczba rzeczywista (czasami tylko nieujemna) zwana wagą tej krawęzi / 111

85 Ważnym zastosowaniem grafów ważonych są sieci. W teorii grafów terminami określającymi węzeł jest wierzchołek, a łącze jest krawęzią. 85 / 111

86 Ważnym zastosowaniem grafów ważonych są sieci. W teorii grafów terminami określającymi węzeł jest wierzchołek, a łącze jest krawęzią. 86 / 111

87 Ważnym zastosowaniem grafów ważonych są sieci. W teorii grafów terminami określającymi węzeł jest wierzchołek, a łącze jest krawęzią. W sieci, którą wykorzystujemy o rozwiązywania problemów praktycznych waga krawęzi może oznaczać ługość ocinka rogi, czas przejazu, koszt buowy tego ocinka rogi, przepustowość (w sieci gazowej lub woociągowej), prawopoobieństwo przejścia sygnałów, niezawoność połączenia (w sieci telekomunikacyjnej lub komputerowej) albo owolną inną cechę mierzalną ilościowo przyporząkowaną anej krawęzi. 87 / 111

88 Droga w grafie e x 5 f c g k b x 4 h x 3 Drogą w grafie G nazywamy skończony ciąg krawęzi e 1e 2...e n taki, że e i E, i = 1,..., n oraz istnieją wierzchołki x 1x 2...x n+1 takie, że γ(e i ) = {x i, x i+1 } la i = 1,..., n. x 1 x a 2 88 / 111

89 Droga w grafie e x 5 f c g k b x 4 h x 3 Drogą w grafie G nazywamy skończony ciąg krawęzi e 1e 2...e n taki, że e i E, i = 1,..., n oraz istnieją wierzchołki x 1x 2...x n+1 takie, że γ(e i ) = {x i, x i+1 } la i = 1,..., n. x 1 x a 2 roga efkhk jest rogą w grafie G 89 / 111

90 Droga w grafie e x 5 f c g k b x 4 h x 3 Drogą w grafie G nazywamy skończony ciąg krawęzi e 1e 2...e n taki, że e i E, i = 1,..., n oraz istnieją wierzchołki x 1x 2...x n+1 takie, że γ(e i ) = {x i, x i+1 } la i = 1,..., n. x 1 x a 2 roga efkhk jest rogą w grafie G γ(e) = {x 5, x 5}, γ(f ) = {x 5, x 4}, γ(k) = {x 4, x 3}, γ(h) = {x 3, x 4}, γ(k) = {x 4, x 3} 90 / 111

91 Droga w grafie e x 5 f c g k b x 4 h x 3 Drogą w grafie G nazywamy skończony ciąg krawęzi e 1e 2...e n taki, że e i E, i = 1,..., n oraz istnieją wierzchołki x 1x 2...x n+1 takie, że γ(e i ) = {x i, x i+1 } la i = 1,..., n. x 1 x a 2 roga efkhk jest rogą w grafie G Mówimy, że roga e 1e 2...e n jest rogą ługości n o wierzchołka x 1 o wierzchołka x n+1. γ(e) = {x 5, x 5}, γ(f ) = {x 5, x 4}, γ(k) = {x 4, x 3}, γ(h) = {x 3, x 4}, γ(k) = {x 4, x 3} 91 / 111

92 Droga w grafie e x 5 f c g k b x 4 h x 3 Drogą w grafie G nazywamy skończony ciąg krawęzi e 1e 2...e n taki, że e i E, i = 1,..., n oraz istnieją wierzchołki x 1x 2...x n+1 takie, że γ(e i ) = {x i, x i+1 } la i = 1,..., n. x 1 x a 2 roga efkhk jest rogą w grafie G jest to roga ługości 5, o wierzchołka x 5 o wierzchołka x 3 Mówimy, że roga e 1e 2...e n jest rogą ługości n o wierzchołka x 1 o wierzchołka x n+1. γ(e) = {x 5, x 5}, γ(f ) = {x 5, x 4}, γ(k) = {x 4, x 3}, γ(h) = {x 3, x 4}, γ(k) = {x 4, x 3} 92 / 111

93 Droga w grafie e x 5 f c g k b x 4 h x 3 Drogą w grafie G nazywamy skończony ciąg krawęzi e 1e 2...e n taki, że e i E, i = 1,..., n oraz istnieją wierzchołki x 1x 2...x n+1 takie, że γ(e i ) = {x i, x i+1 } la i = 1,..., n. x 1 x a 2 roga efkhk jest rogą w grafie G jest to roga ługości 5, o wierzchołka x 5 o wierzchołka x 3 γ(e) = {x 5, x 5}, γ(f ) = {x 5, x 4}, γ(k) = {x 4, x 3}, γ(h) = {x 3, x 4}, γ(k) = {x 4, x 3} Mówimy, że roga e 1e 2...e n jest rogą ługości n o wierzchołka x 1 o wierzchołka x n+1. Wierzchołek x 1 nazywamy wierzchołkiem początkowym, x n+1 - wierzchołkiem końcowym rogi. 93 / 111

94 Droga w grafie e x 5 f c g k b x 4 h x 3 Drogą w grafie G nazywamy skończony ciąg krawęzi e 1e 2...e n taki, że e i E, i = 1,..., n oraz istnieją wierzchołki x 1x 2...x n+1 takie, że γ(e i ) = {x i, x i+1 } la i = 1,..., n. x 1 x a 2 roga efkhk jest rogą w grafie G jest to roga ługości 5, o wierzchołka x 5 o wierzchołka x 3 x 5 jest wierzchołkiem początkowym, x 3 jest wierzchołkiem końcowym γ(e) = {x 5, x 5}, γ(f ) = {x 5, x 4}, γ(k) = {x 4, x 3}, γ(h) = {x 3, x 4}, γ(k) = {x 4, x 3} Mówimy, że roga e 1e 2...e n jest rogą ługości n o wierzchołka x 1 o wierzchołka x n+1. Wierzchołek x 1 nazywamy wierzchołkiem początkowym, x n+1 - wierzchołkiem końcowym rogi. 94 / 111

95 Droga w grafie e x 5 f c g k b x 4 h x 3 Drogą w grafie G nazywamy skończony ciąg krawęzi e 1e 2...e n taki, że e i E, i = 1,..., n oraz istnieją wierzchołki x 1x 2...x n+1 takie, że γ(e i ) = {x i, x i+1 } la i = 1,..., n. x 1 x a 2 Ciąg krawęzi ec nie jest rogą w grafie G, ponieważ γ(e) = {x 5, x 5} a γ(c) = {x 1, x 3} Mówimy, że roga e 1e 2...e n jest rogą ługości n o wierzchołka x 1 o wierzchołka x n+1. Wierzchołek x 1 nazywamy wierzchołkiem początkowym, x n+1 - wierzchołkiem końcowym rogi. 95 / 111

96 Droga w grafie Jeżeli w roze wierzchołek początkowy pokrywa się z wierzchołkiem końcowym, to taką rogę nazywamy rogą zamkniętą. e f g k x 4 h x 5 x 3 c b x 1 x a 2 96 / 111

97 Droga w grafie Jeżeli w roze wierzchołek początkowy pokrywa się z wierzchołkiem końcowym, to taką rogę nazywamy rogą zamkniętą. e f g k x 4 h x 5 x 3 c b x 1 x a 2 Droga egba jest rogą zamkniętą. Droga zaczyna się i kończy w wierzchołku x / 111

98 Droga prosta (ścieżka) Drogą prostą lub ścieżką nazywamy rogę, w której wszystkie krawęzie są różne. 98 / 111

99 Droga prosta (ścieżka) Drogą prostą lub ścieżką nazywamy rogę, w której wszystkie krawęzie są różne. e f g k x 4 h x 5 x 3 c b x 1 x a 2 Droga egbac jest rogą prostą x 1, x 5, x 5, x 3, x 2, x 1, x 3 99 / 111

100 Droga prosta (ścieżka) Drogą prostą lub ścieżką nazywamy rogę, w której wszystkie krawęzie są różne. e f g k x 4 h e f g k x 4 h x 5 x 3 x 5 x 3 c b c b x 1 x a 2 x 1 x a 2 Droga egbac jest rogą prostą x 1, x 5, x 5, x 3, x 2, x 1, x 3 Droga fkhkc nie jest rogą prostą, ponieważ krawęź k powtarza się wa razy. 100 / 111

101 Cykl w grafie Zamkniętą rogę prostą, której opowiaa ciąg wierzchołków x 1x 2...x nx 1, nazywamy cyklem jeśli wszystkie wierzchołki x 1x 2...x n są różne. 101 / 111

102 Cykl w grafie Zamkniętą rogę prostą, której opowiaa ciąg wierzchołków x 1x 2...x nx 1, nazywamy cyklem jeśli wszystkie wierzchołki x 1x 2...x n są różne. e f g k x 4 h x 5 x 3 c b x 1 x a 2 Droga gba jest rogą prostą, zamkniętą. Ciąg wierzchołków, które jej opowiaają jest postaci x 1, x 5, x 3, x 2, x 1, a więc wszystkie wierzchołki x 1, x 5, x 3, x 2 są różne. 102 / 111

103 Cykl w grafie Zamkniętą rogę prostą, której opowiaa ciąg wierzchołków x 1x 2...x nx 1, nazywamy cyklem jeśli wszystkie wierzchołki x 1x 2...x n są różne. e f g k x 4 h e f g k x 4 h x 5 x 3 x 5 x 3 c b c b x 1 x a 2 x 1 x a 2 Droga gba jest rogą prostą, zamkniętą. Ciąg wierzchołków, które jej opowiaają jest postaci x 1, x 5, x 3, x 2, x 1, a więc wszystkie wierzchołki x 1, x 5, x 3, x 2 są różne. Droga egba nie jest cyklem, chociaż jest rogą prostą, zamkniętą, ponieważ w ciągu wierzchołków, opowiaających tej roze x 1, x 5, x 5, x 3, x 2, x 1 wierzchołek x 5 powtarza się. 103 / 111

104 Graf acykliczny Graf nie zawierający cykli nazywamy grafem acyklicznym. 104 / 111

105 Graf acykliczny Graf nie zawierający cykli nazywamy grafem acyklicznym. Graf acykliczny. 105 / 111

106 Graf acykliczny Graf nie zawierający cykli nazywamy grafem acyklicznym. e f g k x 4 h x 5 x 3 c b x 1 x a 2 Graf acykliczny. Graf posiaa cykle np. fgh, acb it. 106 / 111

107 Oległość wierzchołków Oległością pomięzy wierzchołkiem u i wierzchołkiem v nazywamy ługość najkrótszej rogi o u o v i oznaczamy ją symbolem (u, v). e f g k x 4 h x 5 x 3 c b x 1 x a / 111

108 Oległość wierzchołków Oległością pomięzy wierzchołkiem u i wierzchołkiem v nazywamy ługość najkrótszej rogi o u o v i oznaczamy ją symbolem (u, v). e f g k x 4 h x 5 x 3 c b x 1 x a 2 Oległość pomięzy wierzchołkami x 2 i x 4 wynosi (x 2, x 4) = / 111

109 Oległość wierzchołków Oległością pomięzy wierzchołkiem u i wierzchołkiem v nazywamy ługość najkrótszej rogi o u o v i oznaczamy ją symbolem (u, v). e f g k x 4 h x 5 x 3 c b x 1 x a 2 Oległość pomięzy wierzchołkami x 2 i x 4 wynosi (x 2, x 4) = 2. Każa inna roga łącząca te wierzchołki ma ługość większą niż 2 np. roga x 2x 3x 1x 5x 4 ma ługość / 111

110 Graf spójny Graf G nazywamy spójnym wtey i tylko wtey, gy, każa para jego różnych wierzchołków jest połączona rogą w tym grafie. 110 / 111

111 Drzewo Graf spójny i acykliczny nazywamy rzewem. w u t v m s k l y x z n 111 / 111

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA ELEMENTY TEORII GRAFÓW Literatura: N.Deo Teoria grafów i e zastosowania... PWN (1980) Ross, Wright Matematyka yskretna PWN (199) R.Wilson Wprowazenie o teorii grafów PWN (1999) J.Kulikowski Zarys teorii

Bardziej szczegółowo

Digraf. 13 maja 2017

Digraf. 13 maja 2017 Digraf 13 maja 2017 Graf skierowany, digraf, digraf prosty Definicja 1 Digraf prosty G to (V, E), gdzie V jest zbiorem wierzchołków, E jest rodziną zorientowanych krawędzi, między różnymi wierzchołkami,

Bardziej szczegółowo

MATEMATYKA DYSKRETNA - MATERIAŁY DO WYKŁADU GRAFY

MATEMATYKA DYSKRETNA - MATERIAŁY DO WYKŁADU GRAFY ERIAŁY DO WYKŁADU GRAFY Graf nieskierowany Grafem nieskierowanym nazywamy parę G = (V, E), gdzie V jest pewnym zbiorem skończonym (zwanym zbiorem wierzchołków grafu G), natomiast E jest zbiorem nieuporządkowanych

Bardziej szczegółowo

Wykªad 1. Wprowadzenie do teorii grafów

Wykªad 1. Wprowadzenie do teorii grafów Wykªad 1. Wprowadzenie do teorii grafów 1 / 112 Literatura 1 W. Lipski; Kombinatoryka dla programistów. 2 T. Cormen, Ch. E. Leiserson, R. L. Rivest; Wprowadzenie do algorytmów. 3 K. A. Ross, Ch. R. B.

Bardziej szczegółowo

Teoria grafów i sieci 1 / 58

Teoria grafów i sieci 1 / 58 Teoria grafów i sieci 1 / 58 Literatura 1 B.Korte, J.Vygen, Combinatorial optimization 2 D.Jungnickel, Graphs, Networks and Algorithms 3 M.Sysªo, N.Deo Metody optymalizacji dyskretnej z przykªadami w Turbo

Bardziej szczegółowo

Algorytmy grafowe. Wykład 1 Podstawy teorii grafów Reprezentacje grafów. Tomasz Tyksiński CDV

Algorytmy grafowe. Wykład 1 Podstawy teorii grafów Reprezentacje grafów. Tomasz Tyksiński CDV Algorytmy grafowe Wykład 1 Podstawy teorii grafów Reprezentacje grafów Tomasz Tyksiński CDV Rozkład materiału 1. Podstawowe pojęcia teorii grafów, reprezentacje komputerowe grafów 2. Przeszukiwanie grafów

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, /15

Matematyka dyskretna. Andrzej Łachwa, UJ, /15 Matematyka dyskretna Andrzej Łachwa, UJ, 2013 andrzej.lachwa@uj.edu.pl 14/15 Grafy podstawowe definicje Graf to para G=(V, E), gdzie V to niepusty i skończony zbiór, którego elementy nazywamy wierzchołkami

Bardziej szczegółowo

Matematyka dyskretna

Matematyka dyskretna Matematyka dyskretna Wykład 13: Teoria Grafów Gniewomir Sarbicki Literatura R.J. Wilson Wprowadzenie do teorii grafów Definicja: Grafem (skończonym, nieskierowanym) G nazywamy parę zbiorów (V (G), E(G)),

Bardziej szczegółowo

Graf. Definicja marca / 1

Graf. Definicja marca / 1 Graf 25 marca 2018 Graf Definicja 1 Graf ogólny to para G = (V, E), gdzie V jest zbiorem wierzchołków (węzłów, punktów grafu), E jest rodziną krawędzi, które mogą być wielokrotne, dokładniej jednoelementowych

Bardziej szczegółowo

G. Wybrane elementy teorii grafów

G. Wybrane elementy teorii grafów Dorota Miszczyńska, Marek Miszczyński KBO UŁ Wybrane elementy teorii grafów 1 G. Wybrane elementy teorii grafów Grafy są stosowane współcześnie w różnych działach nauki i techniki. Za pomocą grafów znakomicie

Bardziej szczegółowo

Algorytmiczna teoria grafów

Algorytmiczna teoria grafów Podstawowe pojęcia i klasy grafów Wykład 1 Grafy nieskierowane Definicja Graf nieskierowany (graf) G = (V,E) jest to uporządkowana para składająca się z niepustego skończonego zbioru wierzchołków V oraz

Bardziej szczegółowo

Reprezentacje grafów nieskierowanych Reprezentacje grafów skierowanych. Wykład 2. Reprezentacja komputerowa grafów

Reprezentacje grafów nieskierowanych Reprezentacje grafów skierowanych. Wykład 2. Reprezentacja komputerowa grafów Wykład 2. Reprezentacja komputerowa grafów 1 / 69 Macierz incydencji Niech graf G będzie grafem nieskierowanym bez pętli o n wierzchołkach (x 1, x 2,..., x n) i m krawędziach (e 1, e 2,..., e m). 2 / 69

Bardziej szczegółowo

Matematyczne Podstawy Informatyki

Matematyczne Podstawy Informatyki Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 2013/2014 Informacje podstawowe 1. Konsultacje: pokój

Bardziej szczegółowo

6. Wstępne pojęcia teorii grafów

6. Wstępne pojęcia teorii grafów 6. Wstępne pojęcia teorii grafów Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie zima 2016/2017 rzegorz Kosiorowski (Uniwersytet Ekonomiczny w Krakowie) 6. Wstępne pojęcia teorii grafów zima 2016/2017

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, /14

Matematyka dyskretna. Andrzej Łachwa, UJ, /14 Matematyka dyskretna Andrzej Łachwa, UJ, 2012 andrzej.lachwa@uj.edu.pl 13/14 Grafy podstawowe definicje Graf to para G=(V, E), gdzie V to niepusty i skończony zbiór, którego elementy nazywamy wierzchołkami

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, /14

Matematyka dyskretna. Andrzej Łachwa, UJ, /14 Matematyka dyskretna Andrzej Łachwa, UJ, 2016 andrzej.lachwa@uj.edu.pl 13/14 Grafy podstawowe definicje Graf to para G=(V, E), gdzie V to niepusty i skończony zbiór, którego elementy nazywamy wierzchołkami

Bardziej szczegółowo

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA

WYŻSZA SZKOŁA INFORMATYKI STOSOWANEJ I ZARZĄDZANIA DROGI i CYKLE w grafach Dla grafu (nieskierowanego) G = ( V, E ) drogą z wierzchołka v 0 V do v t V nazywamy ciąg (naprzemienny) wierzchołków i krawędzi grafu: ( v 0, e, v, e,..., v t, e t, v t ), spełniający

Bardziej szczegółowo

Algorytmiczna teoria grafów

Algorytmiczna teoria grafów Przedmiot fakultatywny 20h wykładu + 20h ćwiczeń 21 lutego 2014 Zasady zaliczenia 1 ćwiczenia (ocena): kolokwium, zadania programistyczne (implementacje algorytmów), praca na ćwiczeniach. 2 Wykład (egzamin)

Bardziej szczegółowo

Matematyczne Podstawy Informatyki

Matematyczne Podstawy Informatyki Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 03/0 Przeszukiwanie w głąb i wszerz I Przeszukiwanie metodą

Bardziej szczegółowo

Marek Miszczyński KBO UŁ. Wybrane elementy teorii grafów 1

Marek Miszczyński KBO UŁ. Wybrane elementy teorii grafów 1 Marek Miszczyński KBO UŁ. Wybrane elementy teorii grafów 1 G. Wybrane elementy teorii grafów W matematyce teorię grafów klasyfikuje się jako gałąź topologii. Jest ona jednak ściśle związana z algebrą i

Bardziej szczegółowo

Grafy. Jeżeli, to elementy p i q nazywamy końcami krawędzi e. f a b c d e γ f {1} {1,2} {2,3} {2,3} {1,3}

Grafy. Jeżeli, to elementy p i q nazywamy końcami krawędzi e. f a b c d e γ f {1} {1,2} {2,3} {2,3} {1,3} Grafy Definicja grafu nieskierowanego. Grafem nieskierowanym nazywamy uporządkowaną trójkę: gdzie: V- niepusty zbiór wierzchołków grafu G E- zbiór wszystkich krawędzi grafu G - funkcja ze zbioru E w zbiór

Bardziej szczegółowo

Suma dwóch grafów. Zespolenie dwóch grafów

Suma dwóch grafów. Zespolenie dwóch grafów Suma dwóch grafów G 1 = ((G 1 ), E(G 1 )) G 2 = ((G 2 ), E(G 2 )) (G 1 ) i (G 2 ) rozłączne Suma G 1 G 2 graf ze zbiorem wierzchołków (G 1 ) (G 2 ) i rodziną krawędzi E(G 1 ) E(G 2 ) G 1 G 2 G 1 G 2 Zespolenie

Bardziej szczegółowo

Przykłady grafów. Graf prosty, to graf bez pętli i bez krawędzi wielokrotnych.

Przykłady grafów. Graf prosty, to graf bez pętli i bez krawędzi wielokrotnych. Grafy Graf Graf (ang. graph) to zbiór wierzchołków (ang. vertices), które mogą być połączone krawędziami (ang. edges) w taki sposób, że każda krawędź kończy się i zaczyna w którymś z wierzchołków. Graf

Bardziej szczegółowo

Teoria grafów podstawy. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Teoria grafów podstawy. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Teoria grafów podstawy Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Grafy zorientowane i niezorientowane Przykład 1 Dwa pociągi i jeden most problem wzajemnego wykluczania się Dwa

Bardziej szczegółowo

Struktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott

Struktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott Struktury danych i złożoność obliczeniowa Wykład. Prof. dr hab. inż. Jan Magott Algorytmy grafowe: podstawowe pojęcia, reprezentacja grafów, metody przeszukiwania, minimalne drzewa rozpinające, problemy

Bardziej szczegółowo

0. ELEMENTY LOGIKI. ALGEBRA BOOLE A

0. ELEMENTY LOGIKI. ALGEBRA BOOLE A WYKŁAD 5() ELEMENTY LOGIKI ALGEBRA BOOLE A Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek zdań Matematyka zbudowana jest z pierwotnych twierdzeń (nazywamy

Bardziej szczegółowo

Ogólne wiadomości o grafach

Ogólne wiadomości o grafach Ogólne wiadomości o grafach Algorytmy i struktury danych Wykład 5. Rok akademicki: / Pojęcie grafu Graf zbiór wierzchołków połączonych za pomocą krawędzi. Podstawowe rodzaje grafów: grafy nieskierowane,

Bardziej szczegółowo

Wyk lad 3 Grupy cykliczne

Wyk lad 3 Grupy cykliczne Wyk la 3 Grupy cykliczne Definicja 3.1. Niech a bezie elementem grupy (G,, e). Jeżeli istnieje liczba naturalna k taka, że a k = e, to najmniejsza taka liczbe naturalna k nazywamy rzeem elementu a. W przeciwnym

Bardziej szczegółowo

Elementy teorii grafów Elementy teorii grafów

Elementy teorii grafów Elementy teorii grafów Spis tresci 1 Spis tresci 1 Często w zagadnieniach praktycznych rozważa się pewien zbiór obiektów wraz z zależnościami jakie łączą te obiekty. Dla przykładu można badać pewną grupę ludzi oraz strukturę

Bardziej szczegółowo

Zofia Kruczkiewicz, Algorytmu i struktury danych, Wykład 14, 1

Zofia Kruczkiewicz, Algorytmu i struktury danych, Wykład 14, 1 Wykład Algorytmy grafowe metoda zachłanna. Właściwości algorytmu zachłannego:. W przeciwieństwie do metody programowania dynamicznego nie występuje etap dzielenia na mniejsze realizacje z wykorzystaniem

Bardziej szczegółowo

Teoria grafów dla małolatów. Andrzej Przemysław Urbański Instytut Informatyki Politechnika Poznańska

Teoria grafów dla małolatów. Andrzej Przemysław Urbański Instytut Informatyki Politechnika Poznańska Teoria grafów dla małolatów Andrzej Przemysław Urbański Instytut Informatyki Politechnika Poznańska Wstęp Matematyka to wiele różnych dyscyplin Bowiem świat jest bardzo skomplikowany wymaga rozważenia

Bardziej szczegółowo

Podstawowe własności grafów. Wykład 3. Własności grafów

Podstawowe własności grafów. Wykład 3. Własności grafów Wykład 3. Własności grafów 1 / 87 Suma grafów Niech będą dane grafy proste G 1 = (V 1, E 1) oraz G 2 = (V 2, E 2). 2 / 87 Suma grafów Niech będą dane grafy proste G 1 = (V 1, E 1) oraz G 2 = (V 2, E 2).

Bardziej szczegółowo

. Podstawy Programowania 2. Grafy i ich reprezentacje. Arkadiusz Chrobot. 9 czerwca 2016

. Podstawy Programowania 2. Grafy i ich reprezentacje. Arkadiusz Chrobot. 9 czerwca 2016 Podstawy Programowania 2 Grafy i ich reprezentacje Arkadiusz Chrobot Zakład Informatyki 9 czerwca 2016 1 42 Plan 1 Wstęp 2 Teoria grafów 3 Grafy jako struktury danych 4 Zastosowania grafów 2 42 Wstęp Wstęp

Bardziej szczegółowo

Wprowadzenie Podstawy Fundamentalne twierdzenie Kolorowanie. Grafy planarne. Przemysław Gordinowicz. Instytut Matematyki, Politechnika Łódzka

Wprowadzenie Podstawy Fundamentalne twierdzenie Kolorowanie. Grafy planarne. Przemysław Gordinowicz. Instytut Matematyki, Politechnika Łódzka Grafy planarne Przemysław Gordinowicz Instytut Matematyki, Politechnika Łódzka Grafy i ich zastosowania Wykład 12 Plan prezentacji 1 Wprowadzenie 2 Podstawy 3 Fundamentalne twierdzenie 4 Kolorowanie grafów

Bardziej szczegółowo

Matematyczne Podstawy Informatyki

Matematyczne Podstawy Informatyki Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 2013/2014 Twierdzenie 2.1 Niech G będzie grafem prostym

Bardziej szczegółowo

Wykład Pole magnetyczne, indukcja elektromagnetyczna

Wykład Pole magnetyczne, indukcja elektromagnetyczna Wykła 5 5. Pole magnetyczne, inukcja elektromagnetyczna Prawo Ampera Chcemy teraz znaleźć pole magnetyczne wytwarzane przez powszechnie występujące rozkłay prąów, takich jak przewoniki prostoliniowe, cewki

Bardziej szczegółowo

Grafem nazywamy strukturę G = (V, E): V zbiór węzłów lub wierzchołków, Grafy dzielimy na grafy skierowane i nieskierowane:

Grafem nazywamy strukturę G = (V, E): V zbiór węzłów lub wierzchołków, Grafy dzielimy na grafy skierowane i nieskierowane: Wykład 4 grafy Grafem nazywamy strukturę G = (V, E): V zbiór węzłów lub wierzchołków, E zbiór krawędzi, Grafy dzielimy na grafy skierowane i nieskierowane: Formalnie, w grafach skierowanych E jest podzbiorem

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, B/14

Matematyka dyskretna. Andrzej Łachwa, UJ, B/14 Matematyka dyskretna Andrzej Łachwa, UJ, 2019 andrzej.lachwa@uj.edu.pl 1B/14 Drogi w grafach Marszruta (trasa) w grafie G z wierzchołka w do wierzchołka u to skończony ciąg krawędzi w postaci. W skrócie

Bardziej szczegółowo

Matematyka Dyskretna. Andrzej Szepietowski. 25 czerwca 2002 roku

Matematyka Dyskretna. Andrzej Szepietowski. 25 czerwca 2002 roku Matematyka Dyskretna Andrzej Szepietowski 25 czerwca 2002 roku ( Rozdział 1 Grafy skierowane W tym rozdziale zajmiemy siȩ algorytmami wyszukiwania najkrótszej drogi w grafach skierowanych Każdej krawȩdzi

Bardziej szczegółowo

Zadania z badań operacyjnych Przygotowanie do kolokwium pisemnego

Zadania z badań operacyjnych Przygotowanie do kolokwium pisemnego Zaania z baań operacyjnych Przygotowanie o kolokwium pisemnego 1..21 Zaanie 1.1. Dane jest zaanie programowania liniowego: 4x 1 + 3x 2 max 2x 1 + 2x 2 1 x 1 + 2x 2 4 4x 2 8 x 1, x 2 Sprowazić zaanie o

Bardziej szczegółowo

Sortowanie topologiczne skierowanych grafów acyklicznych

Sortowanie topologiczne skierowanych grafów acyklicznych Sortowanie topologiczne skierowanych grafów acyklicznych Metody boolowskie w informatyce Robert Sulkowski http://robert.brainusers.net 23 stycznia 2010 1 Definicja 1 (Cykl skierowany). Niech C = (V, A)

Bardziej szczegółowo

Matematyka dyskretna - 5.Grafy.

Matematyka dyskretna - 5.Grafy. Matematyka dyskretna - 5.Grafy. W tym rozdziale zajmiemy się grafami. Są to wykresy zawierające rozmaite informacje, przedstawiające połączenia pomiędzy różnymi swoimi elementami. Algorytmy na nich oparte

Bardziej szczegółowo

prof. dr hab. inż. Marta Kasprzak Instytut Informatyki, Politechnika Poznańska

prof. dr hab. inż. Marta Kasprzak Instytut Informatyki, Politechnika Poznańska Bioinformatyka wykła 8: mapowanie prof. r ha. inż. Marta Kasprzak Instytut Informatyki, Politechnika Poznańska Mapowanie Pojęcie mapowanie onosi się o różnych prolemów Trzeci etap skłaania sekwencji genomowej

Bardziej szczegółowo

Grafy dla każdego. dr Krzysztof Bryś. Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska.

Grafy dla każdego. dr Krzysztof Bryś. Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska. Grafy dla każdego dr Krzysztof Bryś brys@mini.pw.edu.pl Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska www.mini.pw.edu.pl Warszawa, 28 marca 2015 Graf składa się z elementów pewnego zbioru

Bardziej szczegółowo

ROZDZIAŁ 5. Renty życiowe

ROZDZIAŁ 5. Renty życiowe ROZDZIAŁ 5 Renty życiowe Rentą życiową nazywamy ciąg płatności który ustaje w chwili śmierci pewnej osoby (zwykle ubezpieczonego) Mówiąc o rencie życiowej nie zaznaczamy czy osoba której przyszły czas

Bardziej szczegółowo

Kolorowanie wierzchołków Kolorowanie krawędzi Kolorowanie regionów i map. Wykład 8. Kolorowanie

Kolorowanie wierzchołków Kolorowanie krawędzi Kolorowanie regionów i map. Wykład 8. Kolorowanie Wykład 8. Kolorowanie 1 / 62 Kolorowanie wierzchołków - definicja Zbiory niezależne Niech G będzie grafem bez pętli. Definicja Mówimy, że G jest grafem k kolorowalnym, jeśli każdemu wierzchołkowi możemy

Bardziej szczegółowo

Opracowanie prof. J. Domsta 1

Opracowanie prof. J. Domsta 1 Opracowanie prof. J. Domsta 1 Algorytm FLEURY'ego: Twierdzenie 6.5 G-graf eulerowski. Wtedy cykl Eulera otrzymujemy nastepująco: a) Start w dowolnym wierzchołku b) Krawędzie w dowolnej kolejności po przebyciu

Bardziej szczegółowo

Podstawowe pojęcia dotyczące drzew Podstawowe pojęcia dotyczące grafów Przykłady drzew i grafów

Podstawowe pojęcia dotyczące drzew Podstawowe pojęcia dotyczące grafów Przykłady drzew i grafów Podstawowe pojęcia dotyczące drzew Podstawowe pojęcia dotyczące grafów Przykłady drzew i grafów Drzewa: Drzewo (ang. tree) jest strukturą danych zbudowaną z elementów, które nazywamy węzłami (ang. node).

Bardziej szczegółowo

a) 7 b) 19 c) 21 d) 34

a) 7 b) 19 c) 21 d) 34 Zadanie 1. Pytania testowe dotyczące podstawowych własności grafów. Zadanie 2. Przy każdym z zadań może się pojawić polecenie krótkiej charakterystyki algorytmu. Zadanie 3. W zadanym grafie sprawdzenie

Bardziej szczegółowo

DYFRAKCJA NA POJEDYNCZEJ I PODWÓJNEJ SZCZELINIE

DYFRAKCJA NA POJEDYNCZEJ I PODWÓJNEJ SZCZELINIE YFRAKCJA NA POJEYNCZEJ POWÓJNEJ SZCZELNE. Cel ćwiczenia: zapoznanie ze zjawiskiem yfrakcji światła na pojeynczej i powójnej szczelinie. Pomiar ługości fali światła laserowego, oległości mięzy śrokami szczelin

Bardziej szczegółowo

Segmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp. autor: Łukasz Chlebda

Segmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp. autor: Łukasz Chlebda Segmentacja obrazów cyfrowych Segmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp autor: Łukasz Chlebda 1 Segmentacja obrazów cyfrowych - temat pracy Temat pracy: Aplikacja do segmentacji

Bardziej szczegółowo

MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 5: RENTY ŻYCIOWE

MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 5: RENTY ŻYCIOWE MODELE MATEMATYCZNE W UBEZPIECZENIACH WYKŁAD 5: RENTY ŻYCIOWE Rentą życiową nazywamy ciąg płatności który ustaje w chwili śmierci pewnej osoby (zwykle ubezpieczonego) Mówiąc o rencie życiowej nie zaznaczamy

Bardziej szczegółowo

Teoria grafów II. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Teoria grafów II. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak Teoria grafów II Materiały pomocnicze do wykładu wykładowca: dr Magdalena Kacprzak Graf planarny Graf planarny Graf, który może być narysowany tak, by uniknąć przecinania się krawędzi, nazywamy grafem

Bardziej szczegółowo

Ścieżki w grafach. Grafy acykliczne i spójne

Ścieżki w grafach. Grafy acykliczne i spójne TEORIA GRAFÓW I SIECI - ROZDZIAL II Ścieżki w grafach. Grafy acykliczne i spójne Ścieżka lub droga w grafie [digrafie] G nazywamy dowolny ciag d = (a 0, k 1, a 1,..., k n, a n ), gdzie n N {0}, a i V G,

Bardziej szczegółowo

Algorytm Dijkstry znajdowania najkrótszej ścieżki w grafie

Algorytm Dijkstry znajdowania najkrótszej ścieżki w grafie Algorytm Dijkstry znajdowania najkrótszej ścieżki w grafie Używane struktury danych: V - zbiór wierzchołków grafu, V = {1,2,3...,n} E - zbiór krawędzi grafu, E = {(i,j),...}, gdzie i, j Î V i istnieje

Bardziej szczegółowo

Drzewa. Jeżeli graf G jest lasem, który ma n wierzchołków i k składowych, to G ma n k krawędzi. Własności drzew

Drzewa. Jeżeli graf G jest lasem, który ma n wierzchołków i k składowych, to G ma n k krawędzi. Własności drzew Drzewa Las - graf, który nie zawiera cykli Drzewo - las spójny Jeżeli graf G jest lasem, który ma n wierzchołków i k składowych, to G ma n k krawędzi. Własności drzew Niech T graf o n wierzchołkach będący

Bardziej szczegółowo

Drzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II

Drzewa spinające MST dla grafów ważonych Maksymalne drzewo spinające Drzewo Steinera. Wykład 6. Drzewa cz. II Wykład 6. Drzewa cz. II 1 / 65 drzewa spinające Drzewa spinające Zliczanie drzew spinających Drzewo T nazywamy drzewem rozpinającym (spinającym) (lub dendrytem) spójnego grafu G, jeżeli jest podgrafem

Bardziej szczegółowo

Algorytmy z powracaniem

Algorytmy z powracaniem Algorytmy z powracaniem Materiały Grafem nazywamy zbiór G = (V, E), gdzie: V jest zbiorem wierzchołków (ang. vertex) E jest zbiorem krawędzi (E można też określić jako podzbiór zbioru nieuporządkowanych

Bardziej szczegółowo

Minimalne drzewa rozpinające

Minimalne drzewa rozpinające KNM UŚ 26-28 listopada 2010 Ostrzeżenie Wprowadzenie Motywacja Definicje Niektóre pojęcia pojawiające się podczas tego referatu są naszymi autorskimi tłumaczeniami z języka angielskiego. Nie udało nam

Bardziej szczegółowo

TEORIA GRAFÓW I SIECI

TEORIA GRAFÓW I SIECI TEORIA GRAFÓW I SIECI Temat nr 3: Marszruty, łańcuchy, drogi w grafach dr hab. inż. Zbigniew TARAPATA, prof. WAT e-mail: zbigniew.tarapata@wat.edu.pl http://tarapata.edu.pl tel.: 261-83-95-04, p.225/100

Bardziej szczegółowo

Struktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott

Struktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott Struktury danych i złożoność obliczeniowa Wykład 7 Prof. dr hab. inż. Jan Magott Problemy NP-zupełne Transformacją wielomianową problemu π 2 do problemu π 1 (π 2 π 1 ) jest funkcja f: D π2 D π1 spełniająca

Bardziej szczegółowo

Grafy i Zastosowania. 9: Digrafy (grafy skierowane) c Marcin Sydow

Grafy i Zastosowania. 9: Digrafy (grafy skierowane) c Marcin Sydow 9: Digrafy (grafy skierowane) Spis zagadnień Digrafy Porządki częściowe Turnieje Przykłady: głosowanie większościowe, ścieżka krytyczna Digraf (graf skierowany) Digraf to równoważny termin z terminem graf

Bardziej szczegółowo

Przekształcenie całkowe Fouriera

Przekształcenie całkowe Fouriera Przekształcenie całkowe Fouriera Postać zespolona szeregu Fouriera Niech ana bęzie funkcja f spełniająca w przeziale [, ] warunki Dirichleta. Wtey szereg Fouriera tej funkcji jest o niej zbieżny, tj. przy

Bardziej szczegółowo

SPÓJNOŚĆ. ,...v k. }, E={v 1. v k. i v k. ,...,v k-1. }. Wierzchołki v 1. v 2. to końce ścieżki.

SPÓJNOŚĆ. ,...v k. }, E={v 1. v k. i v k. ,...,v k-1. }. Wierzchołki v 1. v 2. to końce ścieżki. SPÓJNOŚĆ Graf jest spójny, gdy dla każdego podziału V na dwa rozłączne podzbiory A i B istnieje krawędź z A do B. Definicja równoważna: Graf jest spójny, gdy każde dwa wierzchołki są połączone ścieżką

Bardziej szczegółowo

KO OF Szczecin:

KO OF Szczecin: XXXI OLIMPIADA FIZYCZNA (1981/198) Stopień III, zaanie teoretyczne T Źróło: Nazwa zaania: Działy: Słowa kluczowe: Komitet Główny Olimpiay Fizycznej; Anrzej Kotlicki; Anrzej Naolny: Fizyka w Szkole, nr

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, A/14

Matematyka dyskretna. Andrzej Łachwa, UJ, A/14 Matematyka dyskretna Andrzej Łachwa, UJ, 2019 andrzej.lachwa@uj.edu.pl 1A/14 Literatura obowiązkowa [1] K.A.Ross, Ch.R.B.Wright: Matematyka Dyskretna. Wydawnictwo Naukowe PWN, Warszawa 1996 [2] R.L.Graham,

Bardziej szczegółowo

Grafy (3): drzewa. Wykłady z matematyki dyskretnej dla informatyków i teleinformatyków. UTP Bydgoszcz

Grafy (3): drzewa. Wykłady z matematyki dyskretnej dla informatyków i teleinformatyków. UTP Bydgoszcz Grafy (3): drzewa Wykłady z matematyki dyskretnej dla informatyków i teleinformatyków UTP Bydgoszcz 13 (Wykłady z matematyki dyskretnej) Grafy (3): drzewa 13 1 / 107 Drzewo Definicja. Drzewo to graf acykliczny

Bardziej szczegółowo

(4) x (y z) = (x y) (x z), x (y z) = (x y) (x z), (3) x (x y) = x, x (x y) = x, (2) x 0 = x, x 1 = x

(4) x (y z) = (x y) (x z), x (y z) = (x y) (x z), (3) x (x y) = x, x (x y) = x, (2) x 0 = x, x 1 = x 2. Wykład 2: algebry Boole a, kraty i drzewa. 2.1. Algebra Boole a. 1 Ważnym dla nas przykładem algebr są algebry Boole a, czyli algebry B = (B,,,, 0, 1) typu (2, 2, 1, 0, 0) spełniające własności: (1)

Bardziej szczegółowo

Stany nieustalone w SEE wykład III

Stany nieustalone w SEE wykład III Stany nieustalone w SEE wykła III Stany nieustalone generatora synchronicznego - zwarcie 3-fazowe - reaktancje zastępcze - wykresy wektorowe Désiré Dauphin Rasolomampionona, prof. PW Stany nieustalone

Bardziej szczegółowo

GEOMETRIA. Klasyfikacja kątów ze względu na

GEOMETRIA. Klasyfikacja kątów ze względu na GEOMETRIA Geometrię należy zacząć od definicji najprostszych pojęć z nią związanych: z punktem i prostą. Są to pojęcia niedefiniowalne...na szczęście dla ucznia nie mają definicji. Punkty oznaczamy wielką

Bardziej szczegółowo

Lista 4. Kamil Matuszewski 22 marca 2016

Lista 4. Kamil Matuszewski 22 marca 2016 Lista 4 Kamil Matuszewski 22 marca 2016 1 2 3 4 5 6 7 8 9 10 Zadanie 2 Ułóż algorytm który dla danego n-wierzchołkowego drzewa i liczby k pokoloruje jak najwięcej wierzchołków tak, by na każdej ścieżce

Bardziej szczegółowo

Czy istnieje zamknięta droga spaceru przechodząca przez wszystkie mosty w Królewcu dokładnie jeden raz?

Czy istnieje zamknięta droga spaceru przechodząca przez wszystkie mosty w Królewcu dokładnie jeden raz? DROGI i CYKLE EULERA w grafach Czy istnieje zamknięta droga spaceru przechodząca przez wszystkie mosty w Królewcu dokładnie jeden raz? Czy można narysować podaną figurę nie odrywając ołówka od papieru

Bardziej szczegółowo

Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i

Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i Algebrą nazywamy strukturę A = (A, {F i : i I }), gdzie A jest zbiorem zwanym uniwersum algebry, zaś F i : A F i A (symbol F i oznacza ilość argumentów funkcji F i ). W rozważanych przez nas algebrach

Bardziej szczegółowo

Analityczne metody kinematyki mechanizmów

Analityczne metody kinematyki mechanizmów J Buśkiewicz Analityczne Metoy Kinematyki w Teorii Mechanizmów Analityczne metoy kinematyki mechanizmów Spis treści Współrzęne opisujące położenia ogniw pary kinematycznej Mechanizm korowo-wozikowy (crank-slier

Bardziej szczegółowo

KURS MATEMATYKA DYSKRETNA

KURS MATEMATYKA DYSKRETNA KURS MATEMATYKA DYSKRETNA LEKCJA 28 Grafy hamiltonowskie Odpowiedzi do zadania domowego www.akademia.etrapez.pl Strona 1 Część 1: TEST 1) b 2) a 3) b 4) d 5) c 6) d 7) b 8) b 9) d 10) a Zad. 1 ODPOWIEDZI

Bardziej szczegółowo

WYKŁAD nr Ekstrema funkcji jednej zmiennej o ciągłych pochodnych. xˆ ( ) 0

WYKŁAD nr Ekstrema funkcji jednej zmiennej o ciągłych pochodnych. xˆ ( ) 0 WYKŁAD nr 4. Zaanie programowania nieliniowego ZP. Ekstrema unkcji jenej zmiennej o ciągłych pochonych Przypuśćmy ze punkt jest punktem stacjonarnym unkcji gzie punktem stacjonarnym nazywamy punkt la którego

Bardziej szczegółowo

Efektywne wyszukiwanie wzorców w systemach automatycznej generacji sygnatur ataków sieciowych

Efektywne wyszukiwanie wzorców w systemach automatycznej generacji sygnatur ataków sieciowych Efektywne wyszukiwanie wzorców w systemach automatycznej generacji sygnatur ataków sieciowych Tomasz Joran Kruk NASK Dział Naukowy Cezary Rzewuski Politechnika Warszawska NASK/ PW Konferencja SECURE 2006,

Bardziej szczegółowo

Algorytmy Równoległe i Rozproszone Część V - Model PRAM II

Algorytmy Równoległe i Rozproszone Część V - Model PRAM II Algorytmy Równoległe i Rozproszone Część V - Model PRAM II Łukasz Kuszner pokój 209, WETI http://www.sphere.pl/ kuszner/ kuszner@sphere.pl Oficjalna strona wykładu http://www.sphere.pl/ kuszner/arir/ 2005/06

Bardziej szczegółowo

KURS MATEMATYKA DYSKRETNA

KURS MATEMATYKA DYSKRETNA KURS MATEMATYKA DYSKRETNA LEKCJA 28 Grafy hamiltonowskie ZADANIE DOMOWE www.akademia.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowiedź (tylko jedna jest prawdziwa). Pytanie 1 Drogę nazywamy

Bardziej szczegółowo

Konspekt. 15 października Wykład III (16 października 2014 r.): optymalizacja kombinatoryczna na grafach (metody sieciowe)

Konspekt. 15 października Wykład III (16 października 2014 r.): optymalizacja kombinatoryczna na grafach (metody sieciowe) Konspekt 15 października 2014 1 Wykład III (16 października 2014 r.): optymalizacja kombinatoryczna na grafach (metody sieciowe) 1.1 Przykładowe problemy optymalizacji kombinatorycznej na grafach 1. Optymalizacja

Bardziej szczegółowo

Algorytmy i Struktury Danych.

Algorytmy i Struktury Danych. Algorytmy i Struktury Danych. Grafy dr hab. Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 9 Bożena Woźna-Szcześniak (AJD) Algorytmy i Struktury Danych. Wykład 9 1 / 53

Bardziej szczegółowo

BADANIA OPERACYJNE. dr Adam Sojda Pokój A405

BADANIA OPERACYJNE. dr Adam Sojda  Pokój A405 BADANIA OPERACYJNE dr Adam Sojda adam.sojda@polsl.pl http://dydaktyka.polsl.pl/roz6/asojda/default.aspx Pokój A405 Przedsięwzięcie - zorganizowanie działanie ludzkie zmierzające do osiągnięcia określonego

Bardziej szczegółowo

1 Automaty niedeterministyczne

1 Automaty niedeterministyczne Szymon Toruńczyk 1 Automaty niedeterministyczne Automat niedeterministyczny A jest wyznaczony przez następujące składniki: Alfabet skończony A Zbiór stanów Q Zbiór stanów początkowych Q I Zbiór stanów

Bardziej szczegółowo

Spis treści Podstawowe definicje Wielomian charakterystyczny grafu Grafy silnie regularne

Spis treści Podstawowe definicje Wielomian charakterystyczny grafu Grafy silnie regularne Spis treści 1 Podstawowe definicje 4 1.1 Grafy................................ 4 1.2 Przykłady grafów......................... 12 1.2.1 Grafy puste i pełne.................... 12 1.2.2 Grafy dwudzielne.....................

Bardziej szczegółowo

Wykłady z Matematyki Dyskretnej

Wykłady z Matematyki Dyskretnej Wykłady z Matematyki Dyskretnej dla kierunku Informatyka dr Instytut Informatyki Politechnika Krakowska Wykłady na bazie materiałów: dra hab. Andrzeja Karafiata dr hab. Joanny Kołodziej, prof. PK Kolorowanie

Bardziej szczegółowo

Przykłady obliczeń złączy na łączniki trzpieniowe obciążone poprzecznie wg PN-B-03150

Przykłady obliczeń złączy na łączniki trzpieniowe obciążone poprzecznie wg PN-B-03150 Politechnika Gańska Wyział Inżynierii Ląowej i Śroowiska Przykłay obliczeń złączy na łączniki trzpieniowe obciążone poprzecznie wg PN-B-03150 Jerzy Bobiński Gańsk, wersja 0.33 (2015) Politechnika Gańska

Bardziej szczegółowo

Tworzenie gier na urządzenia mobilne

Tworzenie gier na urządzenia mobilne Katedra Inżynierii Wiedzy Wykład 11 O czym dzisiaj? labirynty, dużo labiryntów; automaty komórkowe; algorytmy do budowy labiryntów; algorytmy do szukania wyjścia z labiryntów; Blueprints i drzewa zachowań

Bardziej szczegółowo

KOOF Szczecin: www.of.szc.pl

KOOF Szczecin: www.of.szc.pl LVIII OLIMPIADA FIZYCZNA (2008/2009). Stopień II, zaanie oświaczalne D. Źróło: Autor: Nazwa zaania: Działy: Słowa kluczowe: Komitet Główny Olimpiay Fizycznej. Ernest Groner Komitet Główny Olimpiay Fizycznej,

Bardziej szczegółowo

TEORIA GRAFÓW I SIECI

TEORIA GRAFÓW I SIECI TEORIA GRAFÓW I SIECI Temat nr 1: Definicja grafu. Rodzaje i części grafów dr hab. inż. Zbigniew TARAPATA, prof. WAT e-mail: zbigniew.tarapata@wat.edu.pl http://tarapata.edu.pl tel.: 261-83-95-04, p.225/100

Bardziej szczegółowo

Programowanie sieciowe. Tadeusz Trzaskalik

Programowanie sieciowe. Tadeusz Trzaskalik Programowanie Tadeusz Trzaskalik 8.1. Wprowadzenie Słowa kluczowe Drzewo rozpinające Minimalne drzewo rozpinające Najkrótsza droga w sieci Wierzchołek początkowy Maksymalny przepływ w sieci Źródło Ujście

Bardziej szczegółowo

Matematyka dyskretna. Andrzej Łachwa, UJ, /15

Matematyka dyskretna. Andrzej Łachwa, UJ, /15 Matematyka dyskretna Andrzej Łachwa, UJ, 2014 andrzej.lachwa@uj.edu.pl 8/15 Grafy podstawowe definicje Graf to para G=(V, E), gdzie V to niepusty i skończony zbiór, którego elementy nazywamy wierzchołkami

Bardziej szczegółowo

Programowanie dynamiczne i algorytmy zachłanne

Programowanie dynamiczne i algorytmy zachłanne Programowanie dynamiczne i algorytmy zachłanne Tomasz Głowacki tglowacki@cs.put.poznan.pl Zajęcia finansowane z projektu "Rozwój i doskonalenie kształcenia na Politechnice Poznańskiej w zakresie technologii

Bardziej szczegółowo

Wykład 7. Algorytmy grafowe

Wykład 7. Algorytmy grafowe Wykład Algorytmy grafowe Algorytmy grafowe i podstawowe algorytmy przeszukiwania Problem Definicje i własności Reprezentacja Przeszukiwanie wszerz (Breadthirst Search) Przeszukiwanie w głąb (Depthirst

Bardziej szczegółowo

Matematyka dyskretna - 6.Grafy

Matematyka dyskretna - 6.Grafy Matematyka dyskretna - 6.Grafy W tym rozdziale zajmiemy się grafami. Są to wykresy zawierające rozmaite informacje, przedstawiające połączenia pomiędzy różnymi swoimi elementami. Algorytmy na nich oparte

Bardziej szczegółowo

Najkrótsza droga Maksymalny przepływ Najtańszy przepływ Analiza czynności (zdarzeń)

Najkrótsza droga Maksymalny przepływ Najtańszy przepływ Analiza czynności (zdarzeń) Carl Adam Petri (1926-2010) Najkrótsza droga Maksymalny przepływ Najtańszy przepływ Analiza czynności (zdarzeń) Problemy statyczne Kommunikation mit Automaten praca doktorska (1962) opis procesów współbieżnych

Bardziej szczegółowo

Kombinowanie o nieskończoności. 2. Wyspy, mosty, mapy i kredki materiały do ćwiczeń

Kombinowanie o nieskończoności. 2. Wyspy, mosty, mapy i kredki materiały do ćwiczeń Kombinowanie o nieskończoności. 2. Wyspy, mosty, mapy i kredki materiały do ćwiczeń Projekt Matematyka dla ciekawych świata spisał: Michał Korch 15 marzec 2018 Szybkie przypomnienie z wykładu Prezentacja

Bardziej szczegółowo

Indukowane Reguły Decyzyjne I. Wykład 3

Indukowane Reguły Decyzyjne I. Wykład 3 Indukowane Reguły Decyzyjne I Wykład 3 IRD Wykład 3 Plan Powtórka Grafy Drzewa klasyfikacyjne Testy wstęp Klasyfikacja obiektów z wykorzystaniem drzewa Reguły decyzyjne generowane przez drzewo 2 Powtórzenie

Bardziej szczegółowo

Matematyka dyskretna - 7.Drzewa

Matematyka dyskretna - 7.Drzewa Matematyka dyskretna - 7.Drzewa W tym rozdziale zajmiemy się drzewami: specjalnym przypadkiem grafów. Są one szczególnie przydatne do przechowywania informacji, umożliwiającego szybki dostęp do nich. Definicja

Bardziej szczegółowo

E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne

E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne Przypominajka: 152 drzewo filogenetyczne to drzewo, którego liśćmi są istniejące gatunki, a węzły wewnętrzne mają stopień większy niż jeden i reprezentują

Bardziej szczegółowo