Algoritmos y Estructuras de Datos III
|
|
|
- Raúl Molina Ortiz de Zárate
- hace 6 años
- Vistas:
Transcripción
1 Árboles Algoritmos y Estructuras de Datos III
2 Árboles Definición: Un árbol es un grafo conexo sin circuitos simples.
3 Árboles Teorema: Dado un grafo G = (V, X ) son equivalentes: 1. G es un árbol. 2. G es un grafo sin circuitos simples, pero si se agrega una arista e a G resulta un grafo con exactamente un circuito simple, y ese circuito contiene a e.. Existe exactamente un camino simple entre todo par de nodos.. G es conexo, pero si se quita cualquier arista a G queda un grafo no conexo. Lema 1: Sea G = (V, X ) un grafo conexo y e X. G e es conexo si y solo si e pertenece a un circuito simple de G.
4 Árboles Definición: Una hoja es un nodo de grado 1.
5 Árboles Definición: Una hoja es un nodo de grado 1. Lema 2: Todo árbol no trivial tiene al menos dos hojas. Lema : Sea G = (V, X ) árbol. Entonces m = n 1. Corolario 1: Sea G = (V, X ) sin circuitos simples y c componentes conexas. Entonces m = n c. Corolario 2: Sea G = (V, X ) con c componentes conexas. Entonces m n c.
6 Árboles Teorema: Dado un grafo G son equivalentes: 1. G es un árbol. 2. G es un grafo sin circuitos simples y m = n 1.. G es conexo y m = n 1.
7 Árboles orientados Definiciones: Un árbol orientado es un grafo orientado G tal que: 1. El grafo no orientado subyacente es un árbol. 2. En G existe un nodo r tal que existe un camino orientado desde r a todos los demás nodos (cualquier nodo es alcanzable desde r por un camino orientado).
8 Árboles enraizados Definiciones: En un árbol no orientado podemos definir un nodo cualquiera como raíz. El nivel de un nodo de un árbol es la distancia de ese nodo a la raíz. La altura h de un árbol es la longitud desde la raíz al nodo más lejano. Un árbol se dice (exactamente) m-ario si todos sus nodos, salvo las hojas y la raíz tienen grado (exactamente) a lo sumo m + 1 y la raíz (exactamente) a lo sumo m. Un árbol se dice balanceado si todas sus hojas están a nivel h o h 1. Un árbol se dice balanceado completo si todas sus hojas están a nivel h.
9 Árboles enraizados Definiciones: Los nodos internos de un árbol son aquellos que no son ni hojas ni la raíz.
10 Árboles enraizados Definiciones: Los nodos internos de un árbol son aquellos que no son ni hojas ni la raíz. Cuántos nodos tiene en total un árbol exactamente m-ario que tiene i nodos internos?
11 Árboles enraizados Teorema: Un árbol m-ario de altura h tiene a lo sumo m h hojas. Un árbol m-ario con l hojas tiene h log m l. Si T es un árbol exactamente m-ario balanceado entonces h = log m l.
12 Recorrido de árboles BFS (Breadth-First Search): Lista implementada como cola. DFS (Depth-First Search): Lista implementada como pila.
13 Algoritmo Recorrer (para árboles no orientados) (marcar nodo s) pred(s) := 0 next := 1 order(s) := next LIST := {s} mientras LIST hacer elegir un nodo i de LIST si existe un arco (i, j) tal que j / LIST entonces (marcar nodo j) pred(j) := i next := next + 1 order(j) := next LIST := LIST {j} else LIST := LIST \ {i} retornar order
14 Algoritmo Recorrer (para árboles no orientados) (marcar nodo s) pred(s) := 0 next := 1 order(s) := next LIST := {s} mientras LIST hacer elegir un nodo i de LIST si existe un arco (i, j) tal que j / LIST entonces (marcar nodo j) pred(j) := i next := next + 1 order(j) := next LIST := LIST {j} else LIST := LIST \ {i} retornar order
15 Árbol generador mínimo Definiciones: Dado un grafo G, un árbol generador de G es un subgrafo de G que es un árbol y tiene el mismo conjunto de nodos que G. Sea T = (V, X ) un árbol y l : X R una función que asigna longitudes (o pesos) a las aristas de T. Se define la longitud de T como l(t ) = e T l(e). Dado un grafo G = (V, X ) un árbol generador mínimo de G, T, es un árbol generador de G de mínima longitud, es decir l(t ) l(t ) T árbol generador de G.
16 Ejemplo de AGM A B C D 12 I 1 5 H G F E
17 Ejemplo de AGM A B C D 12 I 1 5 H G F E
18 Ejemplo de AGM A B C D I 9 E H 1 G F
19 Algoritmo de Prim Entrada: G = (V, X ) grafo conexo con una función l : X R. V T := {u} (u cualquier nodo de G) X T := i := 0 mientras i n 1 hacer elegir e = (u, v) X tal que l(e) sea mínima entre las aristas que tienen un extremo u V T y el otro v V \ V T X T := X T {e} V T := V T {v} i := i + 1 retornar T = (V T, X T )
20 Algoritmo de Prim Lema: Sea T = (V, X T ) un árbol generador de G = (V, X ). Si e X y e / X T y f X T una arista del ciclo de T + e. Entonces T = (V, X T {e} \ {f }) es árbol generador de G. Proposición: Sea G un grafo conexo. Sea T k = (V Tk, X Tk ) el árbol que el algoritmo de Prim determina en la iteración k, para 0 k n 1. T k es un subárbol de un árbol generador mínimo de G. Teorema: El algoritmo de Prim es correcto, es decir dado un grafo G conexo determina un árbol generador mínimo de G.
21 Algoritmo de Prim Lema: Sea T = (V, X T ) un árbol generador de G = (V, X ). Si e X y e / X T y f X T una arista del ciclo de T + e. Entonces T = (V, X T {e} \ {f }) es árbol generador de G. Proposición: Sea G un grafo conexo. Sea T k = (V Tk, X Tk ) el árbol que el algoritmo de Prim determina en la iteración k, para 0 k n 1. T k es un subárbol de un árbol generador mínimo de G. Teorema: El algoritmo de Prim es correcto, es decir dado un grafo G conexo determina un árbol generador mínimo de G. El algoritmo Prim es un algoritmo goloso.
22 Algoritmo de Kruskal Entrada: G = (V, X ) grafo conexo con una función l : X R. X T := i := 1 mientras i n 1 hacer elegir e X tal que l(e) sea mínima entre las aristas que no forman circuito con las aristas que ya están en X T X T := X T {e} i := i + 1 retornar T = (V, X T )
23 Ejemplo de AGM - Algoritmo de Prim Iteración k: Subgrafo de un AGM conexo con k aristas B C D 9 A 12 I 1 E 5 10 H 1 G F
24 Ejemplo de AGM - Algoritmo de Prim Iteración k: Subgrafo de un AGM conexo con k aristas B C D 9 A 12 I 1 E 5 10 H 1 G F
25 Ejemplo de AGM - Algoritmo de Prim Iteración k: Subgrafo de un AGM conexo con k aristas B C D 9 A 12 I 1 E 5 10 H 1 G F
26 Ejemplo de AGM - Algoritmo de Prim Iteración k: Subgrafo de un AGM conexo con k aristas B C D 9 A 12 I 1 E 5 10 H 1 G F
27 Ejemplo de AGM - Algoritmo de Prim Iteración k: Subgrafo de un AGM conexo con k aristas B C D 9 A 12 I 1 E 5 10 H 1 G F
28 Ejemplo de AGM - Algoritmo de Prim Iteración k: Subgrafo de un AGM conexo con k aristas B C D 9 A 12 I 1 E 5 10 H 1 G F
29 Ejemplo de AGM - Algoritmo de Prim Iteración k: Subgrafo de un AGM conexo con k aristas B C D 9 A 12 I 1 E 5 10 H 1 G F
30 Ejemplo de AGM - Algoritmo de Prim Iteración k: Subgrafo de un AGM conexo con k aristas B C D 9 A 12 I 1 E 5 10 H 1 G F
31 Ejemplo de AGM - Algoritmo de Prim Iteración k: Subgrafo de un AGM conexo con k aristas B C D 9 A 12 I 1 E 5 10 H 1 G F
32 Ejemplo de AGM - Algoritmo de Prim Iteración k: Subgrafo de un AGM conexo con k aristas B C D 9 A 12 I 1 E 5 10 H 1 G F
33 Ejemplo de AGM - Algoritmo de Kruskal Iteración k: Subgrafo de un AGM con k aristas sin circuitos B C D 9 A 12 I 1 E 5 10 H 1 G F
34 Ejemplo de AGM - Algoritmo de Kruskal Iteración k: Subgrafo de un AGM con k aristas sin circuitos B C D 9 A 12 I 1 E 5 10 H 1 G F
35 Ejemplo de AGM - Algoritmo de Kruskal Iteración k: Subgrafo de un AGM con k aristas sin circuitos B C D 9 A 12 I 1 E 5 10 H 1 G F
36 Ejemplo de AGM - Algoritmo de Kruskal Iteración k: Subgrafo de un AGM con k aristas sin circuitos B C D 9 A 12 I 1 E 5 10 H 1 G F
37 Ejemplo de AGM - Algoritmo de Kruskal Iteración k: Subgrafo de un AGM con k aristas sin circuitos B C D 9 A 12 I 1 E 5 10 H 1 G F
38 Ejemplo de AGM - Algoritmo de Kruskal Iteración k: Subgrafo de un AGM con k aristas sin circuitos B C D 9 A 12 I 1 E 5 10 H 1 G F
39 Ejemplo de AGM - Algoritmo de Kruskal Iteración k: Subgrafo de un AGM con k aristas sin circuitos B C D 9 A 12 I 1 E 5 10 H 1 G F
40 Ejemplo de AGM - Algoritmo de Kruskal Iteración k: Subgrafo de un AGM con k aristas sin circuitos B C D 9 A 12 I 1 E 5 10 H 1 G F
41 Ejemplo de AGM - Algoritmo de Kruskal Iteración k: Subgrafo de un AGM con k aristas sin circuitos B C D 9 A 12 I 1 E 5 10 H 1 G F
42 Enumeración Cuántos grafos diferentes hay que tengan ciertas características?
43 Enumeración Cuántos grafos diferentes hay que tengan ciertas características? Cuántos grafos conexos con nodos y 2 circuitos?
44 Enumeración Cuántos grafos diferentes hay que tengan ciertas características? Cuántos grafos conexos con nodos y 2 circuitos? Cuántos subgrafos de un cierto tipo de un grafo dado hay?
45 Enumeración Cuántos grafos diferentes hay que tengan ciertas características? Cuántos grafos conexos con nodos y 2 circuitos? Cuántos subgrafos de un cierto tipo de un grafo dado hay? Cuántos árboles generadores tiene un grafo? Cuántos circuitos simples? Cuántos subgrafos completos maximales?
46 Enumeración Cuántos grafos diferentes hay que tengan ciertas características? Cuántos grafos conexos con nodos y 2 circuitos? Cuántos subgrafos de un cierto tipo de un grafo dado hay? Cuántos árboles generadores tiene un grafo? Cuántos circuitos simples? Cuántos subgrafos completos maximales? En general son problemas difíciles.
47 Ejemplos de algunas cosas que se pueden calcular Cuántos grafos rotulados distintos de n nodos y m aristas hay? Cuántos grafos rotulados distintos de n nodos hay?
48 Teorema de Cayley (175) El número de árboles rotulados distintos de n nodos es n n 2, para n 2. Demostración: Por inducción en n usando los algoritmos inversos de codificación y decodificación de Prüfer para establecer una biyección entre el conjunto de árboles rotulados de n nodos y el conjunto de palabras de n 2 símbolos usando el alfabeto {1,..., n}.
49 Algoritmo de codificación de Prüfer Dado un árbol de n nodos rotulado con los números de 1 a n, construye una palabra de longitud n 2 usando el alfabeto {1,..., n}. Entrada: Un árbol T rotulado de n nodos, n. para i = 1,..., n 2 hacer elegir v la hoja de menor rótulo de T poner como s i el rótulo del nodo adyacente a v T := T \ {v} i := i + 1 retornar palabra s 1... s n 2
50 Algoritmo de codificación de Prüfer Proposición: Si d k es el número de ocurrencias del número k en la palabra retornada por el algoritmo de codificación de Prüfer, entonces el grado del nodo con rótulo k en el árbol T es d k + 1.
51 Algoritmo de decodificación de Prüfer Dada una palabra de longitud n 2 usando el alfabeto {1,..., n} construye un árbol de n nodos rotulado con los números de 1 a n. Entrada: Una palabra P = s 1... s n 2. L := {1,..., n} V T := {1,..., n} X T := P := s 1... s n 2 para i = 1,..., n 2 hacer Sea k el menor número de L que no está en P Sea j el primer elemento de P X T := X T {(k, j)} L := L \ {k} P := s i+1... s n 2 X T := X T {(u, v)}, con u, v L retornar T = (V T, X T )
52 Algoritmo de decodificación de Prüfer Proposición: El algoritmo de decodificación de Prufel define una función del conjunto de palabras de longitud n 2 usando el alfabeto {1,..., n} sobre el conjunto de árboles rotulados de n nodos.
Árboles. Un grafo no dirigido es un árbol si y sólo si existe una ruta unica simple entre cualquiera dos de sus vértices.
ÁRBOLES Árboles Un grafo conectado que no contiene circuitos simples. Utilizados desde 1857, por el matemático Ingles Arthur Cayley para contar ciertos tipos de componentes químicos. Un árbol es un grafo
Definición 1.1 Sea G = (V, A) un grafo no dirigido. G se denomina árbol si es conexo y no contiene ciclos.
Matemática Discreta y Lógica 2 1. Árboles Árboles Definición 1.1 Sea G = (V, A) un grafo no dirigido. G se denomina árbol si es conexo y no contiene ciclos. Como un lazo es un ciclo de longitud 1, un árbol
Introducción a la Teoría de Grafos
Introducción a la Teoría de Grafos Flavia Bonomo fbonomo@dc.uba.ar do. Cuatrimestre 009 Árboles Un árbol es un grafo conexo y acíclico (sin ciclos). Un bosque es un grafo acíclico, o sea, una unión disjunta
Grafos. Algoritmos y Estructuras de Datos III
Grafos Algoritmos y Estructuras de Datos III Grafos Un grafo G = (V, X ) es un par de conjuntos, donde V es un conjunto de puntos o nodos o vértices y X es un subconjunto del conjunto de pares no ordenados
Algoritmos para determinar Caminos Mínimos en Grafos
Problemas de camino mínimo Algoritmos para determinar Caminos Mínimos en Grafos Algoritmos y Estructuras de Datos III DC, FCEN, UBA, C 202 Problemas de camino mínimo Dado un grafo orientado G = (V, E)
Caminos y Flujos optimales. Introducción a la Investigación de Operaciones 2007
Caminos y Flujos optimales Introducción a la Investigación de Operaciones 2007 Contenido Definiciones básicas. Conexidad. Clausura transitiva. Esqueletos y caminos optimales. Redes. Flujos. Algoritmo de
Teoría de grafos y optimización en redes
Teoría de grafos y optimización en redes José María Ferrer Caja Universidad Pontificia Comillas Definiciones básicas Grafo: Conjunto de nodos (o vértices) unidos por aristas G = (V,E) Ejemplo V = {,,,,
Un grafo G = (V, E) se dice finito si V es un conjunto finito.
1 Grafos: Primeras definiciones Definición 1.1 Un grafo G se define como un par (V, E), donde V es un conjunto cuyos elementos son denominados vértices o nodos y E es un subconjunto de pares no ordenados
Introducción a la Teoría de Grafos
Introducción a la Teoría de Grafos Flavia Bonomo fbonomo@dc.uba.ar do. Cuatrimestre 009 Programa Introducción a la teoría de grafos Problemas de camino mínimo Problemas de flujo máximo Programación lineal
Centro Asociado Palma de Mallorca. Tutor: Antonio Rivero Cuesta
Centro Asociado Palma de Mallorca Lógica y Estructuras Discretas Tutor: Antonio Rivero Cuesta Tema 5 Teoría de Grafos Conceptos Básicos Un grafo consta de: Grafo Un conjunto de nodos, Un conjunto de aristas
Grafos. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Grafos 1 / 30
Grafos AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Grafos / 0 Objetivos Al finalizar este tema tendréis que: Conocer la terminología básica de la teoría de grafos. Pasar
Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas).
TEMA 5.- GRAFOS 5.1.- DEFINICIONES BÁSICAS Un grafo G es un par (V,E) donde V es un conjunto (llamado conjunto de vértices) y E un subconjunto de VxV (conjunto de aristas). Gráficamente representaremos
Grafos. Amalia Duch Brown Octubre de 2007
Grafos Amalia Duch Brown Octubre de 2007 Índice 1. Definiciones Básicas Intuitivamente un grafo es un conjunto de vértices unidos por un conjunto de líneas o flechas dependiendo de si el grafo es dirigido
Objetivos formativos de Matemática Discreta. Tema 1: Conjuntos, aplicaciones y relaciones
Objetivos formativos de Matemática Discreta Para cada uno de los temas el alumno debe ser capaz de hacer lo que se indica en cada bloque. Además de los objetivos que se señalan en cada tema, se considera
Planaridad. Algoritmos y Estructuras de Datos III
Planaridad Algoritmos y Estructuras de Datos III Por qué planares? Por qué planares? Por qué planares? Grafos planares Definiciones: Una representación planar de un grafo G es un conjunto de puntos en
TEORIA DE GRAFOS. Estructuras Discretas Ing. Jenny Paredes Aguilar
TEORIA DE GRAFOS Estructuras Discretas Ing. Jenny Paredes Aguilar INTRODUCCION Teoria de grafos se usa en numerosos problemas cuantificables, en las organizaciones, intervienen una serie de elementos entre
2007 Carmen Moreno Valencia
Tema VIII. Grafos Grafos 1 2007 Carmen Moreno Valencia 1. Grafos, digrafos y multigrafos 2. Grafos eulerianos 3. Matrices de adyacencia e incidencia 4. Exploración de grafos pesados 1. Grafos, digrafos
Estructuras de Datos. Estructuras de Datos para Conjuntos Disjuntos
Estructuras de Datos. Estructuras de Datos para Conjuntos Disjuntos Santiago Zanella 2008 1 Introducción Para ciertas aplicaciones se requiere mantener n elementos distintos agrupándolos en una colección
Flujos de redes (Network Flows NF)
Fluos de redes (Network Flows NF). Terminología. Árbol generador mínimo. Camino mínimo 4. Fluo máximo 5. Fluo de coste mínimo TEORÍA DE GRAFOS. OPTIMIZACIÓN EN REDES Terminología Red o grafo (G) Nodos
GRAMATICAS LIBRES DEL CONTEXTO
GRMTICS LIBRES DEL CONTEXTO Estas gramáticas, conocidas también como gramáticas de tipo 2 o gramáticas independientes del contexto, son las que generan los lenguajes libres o independientes del contexto.
Tema: Los Grafos y su importancia para la optimización de redes.
Tema: Los Grafos y su importancia para la optimización de redes. Qué son los Grafos? Un grafo es una dupla G= {X,U}, donde X es un conjunto finito y no vacio de elementos llamados vértices y U es el conjunto
Recorrido por niveles. Algoritmo recorrido por niveles
Algoritmos sobre Grafos Algoritmos sobre Grafos Pablo R. Fillottrani Depto. Ciencias e Ingeniería de la Computación Universidad Nacional del Sur Primer Cuatrimestre 2014 Introducción Ordenamiento topológico
Grafos. Suponiendo que e = [u, v]. Entonces los nodos u y v se llaman extremos de e y u y v se dice que son nodos adyacentes o vecinos.
![Grafos. Suponiendo que e = [u, v]. Entonces los nodos u y v se llaman extremos de e y u y v se dice que son nodos adyacentes o vecinos.](/thumbs/54/33802392.jpg "Grafos. Suponiendo que e = [u, v]. Entonces los nodos u y v se llaman extremos de e y u y v se dice que son nodos adyacentes o vecinos.")
Grafos Los grafos son estructuras que constan de vértices o nodos y de aristas o arcos que conectan los vértices entre sí. Un grafo G consiste en dos cosas: 1. Un conjunto V de elementos llamados nodos
(d) Puede haber estrategias que funcionan mejor que Minimax si el contrincante es
Universidad Rey Juan Carlos Curso 2014 2015 Hoja de Problemas Tema 5 1. Cuáles de las siguientes afirmaciones acerca del algoritmo Minimax son ciertas (a) El algoritmo Minimax realiza una exploración primero
Grafos y Redes. 3. Resolución: Dibujar el camino sin levantar el lápiz y pasando sólo una vez por cada arco o arista.
Grafos y Redes. Nodos: vértices, 2, 3 2. Arcos: aristas, conexión entre nodos. 2, 54, etc. 3. Resolución: Dibujar el camino sin levantar el lápiz y pasando sólo una vez por cada arco o arista. 4. Grado
Minicurso de Teoría de Gráficas Escuela de Verano 2014 por María Luisa Pérez Seguí Facultad de Ciencias Físico-Matemáticas, Universidad Michoacana
Minicurso de Teoría de Gráficas Escuela de Verano 014 por María Luisa Pérez Seguí Facultad de Ciencias Físico-Matemáticas, Universidad Michoacana Índice 1. Conceptos básicos 1 1.1. Nomenclatura...................................
Computabilidad y Lenguajes Formales: Autómatas Finitos
300CIG007 Computabilidad y Lenguajes Formales: Autómatas Finitos Pontificia Universidad Javeriana Cali Ingeniería de Sistemas y Computación Prof. Gloria Inés Alvarez V. No Determinismo Hasta ahora cada
(e) Con la poda alfa-beta se eliminan nodos que nunca serán alcanzados
Universidad Rey Juan Carlos Curso 2014 2015 Hoja de Problemas Tema 5 1. Cuáles de las siguientes afirmaciones acerca del algoritmo Minimax son ciertas (a) El algoritmo Minimax realiza una exploración primero
Es un conjunto de objetos llamados vértices o nodos unidos por enlaces llamados aristas o arcos, que permiten representar relaciones binarias entre
Es un conjunto de objetos llamados vértices o nodos unidos por enlaces llamados aristas o arcos, que permiten representar relaciones binarias entre elementos de un conjunto. Típicamente, un grafo se representa
Máquinas Secuenciales, Autómatas y Lenguajes. Tema 3.1: Autómatas Finitos Deterministas
Tema 3.1: Autómatas Finitos Deterministas Luis Peña luis.pena@urjc.es http://www.ia.urjc.es/cms/es/docencia/ic-msal Sumario Tema 3.1: Autómatas Finitos Deterministas. 1. Concepto de AFD 2. Equivalencia
Capítulo 2: Inducción y recursión Clase 2: El principio de Inducción Fuerte
Capítulo 2: Inducción y recursión Clase 2: El principio de Inducción Fuerte Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática Discreta - Cap. 2: Inducción y Recursión 1 / 20 Motivación
Tipos algebraicos y abstractos. Algoritmos y Estructuras de Datos I. Tipos algebraicos
Algoritmos y Estructuras de Datos I 1 cuatrimestre de 009 Departamento de Computación - FCEyN - UBA Programación funcional - clase Tipos algebraicos Tipos algebraicos y abstractos ya vimos los tipos básicos
Algoritmos sobre Grafos
Sexta Sesión 27 de febrero de 2010 Contenido Deniciones 1 Deniciones 2 3 4 Deniciones sobre Grafos Par de una lista de nodos y una lista de enlaces, denidos a su vez como pares del conjunto de nodos.
Genética de polinomios sobre cuerpos locales
Genética de polinomios sobre cuerpos locales Hayden Stainsby Universitat Autònoma de Barcelona STNB 30 de enero de 2014 Resumen 1 Tipos 2 Tipos sobre (K, v) (K, v) cuerpo valorado discreto, O anillo de
Espacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Los grafos estrella extendida: reconocimiento y propiedades estructurales
Los grafos estrella extendida: reconocimiento y propiedades estructurales CONICET/ Departamento de Matemática, Universidad Nacional de La Plata LXV Reunión Anual de Comunicaciones Científicas de la UMA,
Conjuntos. Un conjunto es una colección de objetos. Si a es un objeto y R es un conjunto entonces por. a R. se entiende que a pertenece a R.
Conjuntos Un conjunto es una colección de objetos. Si a es un objeto y R es un conjunto entonces por se entiende que a pertenece a R. a R Normalmente, podremos definir a un conjunto de dos maneras: Por
Figura 3.1. Grafo orientado.
Leyes de Kirchhoff 46. ECUACIONES DE INTERCONEXION. Leyes de Kirchhoff..1. Definiciones. Una red está formada por la interconexión de componentes en sus terminales; y deben cumplirse simultáneamente las
Introducción a los códigos compresores
Introducción a los códigos compresores Parte I de la Lección 2, Compresores sin pérdidas, de CTI Ramiro Moreno Chiral Dpt. Matemàtica (UdL) Febrero de 2010 Ramiro Moreno (Matemàtica, UdL) Introducción
Relaciones. Estructuras Discretas. Relaciones. Relaciones en un Conjunto. Propiedades de Relaciones en A Reflexividad
Estructuras Discretas Relaciones Definición: relación Relaciones Claudio Lobos, Jocelyn Simmonds clobos,jsimmond@inf.utfsm.cl Universidad Técnica Federico Santa María Estructuras Discretas INF 152 Sean
En la fig. 1 se representa el grafo, G=(V,A) donde: V = {1, 2, 3, 4, 5, 6} A = { {1,2}, {1,3}, {1,5}, {3}, {3,4}, {4,5}, {5,6} }
Unidad 1 Parte 1 - Teoría de Grafos Introducción En este capítulo veremos la noción matemática de grafo y propiedades de los mismos. En capítulos subsiguientes veremos las estructuras de datos utilizadas
Tema Árboles generales. 9.2 Árboles binarios 9.3 Árboles de búsqueda
Informática Haskell Matemáticas Curso 2004-2005 Pepe Gallardo Universidad de Málaga Tema 9. Árboles 9.1 Árboles generales 9.2 Árboles binarios 9.3 Árboles de búsqueda 9.1 Árboles generales Un árbol es
Ruta más Corta con una sóla Fuente de Inicio (Single-Source Shortest Paths) DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE
Ruta más Corta con una sóla Fuente de Inicio (Single-Source Shortest Paths) 1 DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Problema de Encontrar la Ruta más Corta 2 Se requiere llegar de
Separadores minimales de vértices de grafos dualmente cordales y caracterizaciones
Separadores minimales de vértices de grafos dualmente cordales y caracterizaciones Mar del Plata, septiembre de 2009 Definiciones rápidas Un uv-separador de G es un conjunto S V (G) tal que G S es no conexo
Introducción a la teoría de grafos
Capítulo 5 Introducción a la teoría de grafos 5.1. Terminología básica y tipos de grafos Una primera aproximación a la teoría de grafos la tenemos cuando observamos un mapa de carreteras: ciudades (vértices)
Algoritmos: Algoritmos voraces
Algoritmos: Algoritmos voraces Alberto Valderruten LFCIA - Departamento de Computación Facultad de Informática Universidad de A Coruña, España www.lfcia.org/alg www.fi.udc.es Contenido Características
El Juego como Problema de Búsqueda
El Juego como Problema de Búsqueda En este algoritmo identificamos dos jugadores: max y min. El objetivo es encontrar la mejor movida para max. Supondremos que max mueve inicialmente y que luego se turnan
Algoritmos y estructuras de datos
Algoritmos y estructuras de datos Dr. Eduardo A. Rodríguez Tello Laboratorio de Tecnologías de Información Cinvestav Tamaulipas ertello@tamps.cinvestav.mx Cursos de inducción a la MCC Cinvestav Tamaulipas
MODELOS DE COMPUTACION I Preguntas Tipo Test. 1. El lema de bombeo puede usarse para demostrar que un lenguaje determinado es regular.
MODELOS DE COMPUTACION I Preguntas Tipo Test Indicar si son verdaderas o falsas las siguientes afirmaciones: 1. El lema de bombeo puede usarse para demostrar que un lenguaje determinado es regular. 2.
Capítulo 6. Relaciones. Continuar
Capítulo 6. Relaciones Continuar Introducción Una relación es una correspondencia entre dos elementos de dos conjuntos con ciertas propiedades. En computación las relaciones se utilizan en base de datos,
Grupos libres. Presentaciones.
S _ Tema 12.- Grupos libres. Presentaciones. 12.1 Grupos libres. En el grupo Z de los enteros vimos una propiedad (cf. ejemplos.5), que lo caracteriza como grupo libre. Lo enunciamos al modo de una Propiedad
Estructuras de datos Árboles B
Estructuras de datos Árboles B Dra. Elisa Schaeffer elisa.schaeffer@gmail.com PISIS / FIME / UANL Árboles B p. 1 Árboles B Árboles B son árboles balanceados que no son binarios. Todos los vértices contienen
TEMA 2 FUNDAMENTOS Y APLICACIONES DE LA TEORIA DE GRAFOS. DIAGRAMAS EN ARBOL.
1. Introducción. 2. Definición de grafo. 2.1. Grafo Simple. 2.2. Grafo General. 2.3. Grafo Orientado. 2.4. Grafo Nulo. 2.5. Grafo Completo. 2.6. Grafo Regular. 2.7. Grafo Bipartido. 3. Operaciones entre
Complejidad - Problemas NP-Completos. Algoritmos y Estructuras de Datos III
Complejidad - Problemas NP-Completos Algoritmos y Estructuras de Datos III Teoría de Complejidad Un algoritmo eficiente es un algoritmo de complejidad polinomial. Un problema está bien resuelto si se conocen
Tema 14 Grafos y su Implementación en Java. Parte II. Recorrido en Profundidad (DFS) de un Grafo. Recorrido de un Grafo: Ampliación de la clase Grafo
Tema Grafos y su Implementación en Java Tema Grafos y su Implementación en Java Parte II Germán Moltó Escuela Técnica Superior de Ingeniería Informática Universidad Politécnica de Valencia Índice general:.
TEORÍA DE GRAFOS. OPTIMIZACIÓN EN REDES 1
Optimización en redes. Fluos en redes (Network Flows NF) Andrés Ramos Universidad Pontificia Comillas http://www.iit.comillas.edu/aramos/ Andres.Ramos@comillas.edu TEORÍA DE GRAFOS. OPTIMIZACIÓN EN REDES
1 Tema 1. Definiciones y conceptos básicos
Enrique Benavent. Universitat de València Teoría de Grafos 1 1 Tema 1. Definiciones y conceptos básicos 1.1 Grafos. Isomorfismo de grafos Un grafo no dirigido es un triple ordenado (V(G), E(G), Ψ G ),
Criterios de divisibilidad y Congruencias
Criterios de divisibilidad y Congruencias Rafael F. Isaacs G. * Fecha: 9 de marzo de 2007 Cuando tenemos un número muy grande escrito en base 10 y deseamos saber si es múltiplo por ejemplo de 9 no necesitamos
Autovalores y autovectores Diagonalización y formas canónicas
Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores.propiedades Sea V un espacio vectorial sobre K y f End(V ). Fijada una base de V, existirá una matriz cuadrada A,
TEORÍA DE GRAFOS Ingeniería de Sistemas
TEORÍA DE GRAFOS Ingeniería de Sistemas Código: MAT-31114 AUTORES Ing. Daniel Zambrano Ing. Viviana Semprún UNIDADES DE LA ASIGNATURA» UNIDAD I. Relaciones» UNIDAD II. Estructuras Algebraicas» UNIDAD III.
Índice Unidad 1: Lógica y teoría de conjuntos... 2
MATEMÁTICA DISCRETA Índice Unidad 1: Lógica y teoría de conjuntos... 2 1. Definiciones... 2 2. Leyes de la lógica... 2 3. Reglas de inferencia... 3 4. Lógica de predicados... 3 5. Teoría de conjuntos...
COMPLEMENTO DEL TEÓRICO
ÁLGEBRA I PRIMER CUATRIMESTRE - AÑO 2016 COMPLEMENTO DEL TEÓRICO El material de estas notas fue dictado en las clases teóricas pero no se encuentra en el texto que seguimos en las mismas ( Álgebra I -
UNIDAD 9. DATOS COMPLEJOS PILAS
UNI 9. TOS OMPLEJOS PILS Una pila es una lista de elementos en la que se pueden insertar y eliminar elementos sólo por uno de los extremos. omo consecuencia, los elementos de una pila serán eliminados
NIVEL 15: ESTRUCTURAS RECURSIVAS BINARIAS
1 NIVEL 15: ESTRUCTURAS RECURSIVAS BINARIAS Árboles Binarios y Árboles Binarios Ordenados 2 Contenido Árboles binarios Iteradores Árboles binarios ordenados 3 Árboles binarios Algunas definiciones para
Benemérita Universidad Autónoma de Puebla
Tarea No. 1 Matemáticas Elementales Profesor Fco. Javier Robles Mendoza Benemérita Universidad Autónoma de Puebla Facultad de Ciencias de la Computación Lógica y Conjuntos 1. Considere las proposiciones
(b) Cuál es la desventaja principal de una heurística con aprendizaje? es más informada que otra función heurística optimista h 2 *?
UNIVERIDD REY JUN CRLO CURO 0-0 INTELIGENCI RTIFICIL Hoja de Problemas Tema Ejercicio : Conteste a las siguientes preguntas: (a) Cómo funciona una heurística con aprendizaje? olución: Una heurística con
Convertir un AFND a un AFD
Convertir un AFND a un AFD Existe una equivalencia entre los AFD y AFN, de forma que un autómata M es equivalente a un autómata M' si L(M) ) L(M'). Ejemplo: Los autómatas de la siguiente figura son equivalentes.
Apuntes de Matemática Discreta 14. Grafos
Apuntes de Matemática Discreta 14. Grafos Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 14 Grafos Contenido 14.1 Generalidades.....................................
UTILIZAMOS LA TRIGONOMETRÍA.
UTILIZAMOS LA TRIGONOMETRÍA. RAZONAMIENTO Y DEMOSTRACIÓN Determina las demás razones trigonométricas a través de un dato. Aplica las definiciones de razones trigonométricas en la solución de ejercicios
Proyecto 2: recorridos sobre grafos y componentes conexas
Universidad Simón Bolívar Departamento de Computación y Tecnología de la Información CI-2693. Laboratorio de Algoritmos y Estructuras III Trimestre Abril-Julio 2015 1. Introducción Proyecto 2: recorridos
LAS CIENCIAS DE LA PLANIFICACIÓN
LAS CIENCIAS DE LA PLANIFICACIÓN 5. EL PROBLEMA DEL VIAJANTE (PV) (The Traveling Salesman Problem TSP) Un problema como el de las vacaciones, pero vital para las empresas, es el problema del viajante (PV):
Práctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut
Práctica N o 8 Desigualdades Válidas - Algoritmos de Planos de Corte - Algoritmos Branch & Cut 8.1 Para cada uno de los siguientes conjuntos, encontrar una desigualdad válida que agregada a la formulación
Introducción a la Teoría de Grafos
Introducción a la Teoría de Grafos Flavia Bonomo fbonomo@dc.uba.ar do. Cuatrimestre 009 Programa Introducción a la teoría de grafos Problemas de camino mínimo Problemas de flujo máximo Clases de complejidad
Búsqueda en e.e. --> reglas para elegir entre las ramas que con más probabilidad lleven a la solución.
BÚSQUEDA HEURÍSTICA estudio de los métodos y reglas del descubrimiento y la invención. Búsqueda en e.e. --> reglas para elegir entre las ramas que con más probabilidad lleven a la solución. Situaciones
TEMA 1: NÚMEROS NATURALES. SISTEMA DE NUMERACIÓN
1 TEMA 1: NÚMEROS NATURALES. SISTEMA DE NUMERACIÓN 1. INTRODUCCIÓN Los números naturales aparecen debido a la necesidad que tiene el hombre para contar. Para poder construir este conjunto N, podemos seguir
3ra. Practica. Algoritmos de Búsqueda. Inteligencia Artificial Prácticas 2004/2005
3ra. Practica Algoritmos de Búsqueda Inteligencia Artificial Prácticas 2004/2005 Algoritmos de Búsqueda Algoritmos Básicos: (búsqueda no informada) Búsqueda preferente por amplitud Búsqueda preferente
ELO320 Estructuras de Datos y Algoritmos. Arboles Binarios. Tomás Arredondo Vidal
ELO320 Estructuras de Datos y Algoritmos Arboles Binarios Tomás Arredondo Vidal Este material está basado en: Robert Sedgewick, "Algorithms in C", (third edition), Addison-Wesley, 2001 Thomas Cormen et
Máquinas Secuenciales, Autómatas y Lenguajes Formales. Tema 4: Autómatas finitos deterministas. Holger Billhardt holger.billhardt@urjc.
Formales Tema 4: Autómatas finitos deterministas Holger Billhardt holger.billhardt@urjc.es Sumario: Bloque 2: Autómatas Finitos 4. Autómatas Finitos Deterministas 1. Concepto y Definición 2. Autómata finito
Definición 1 Un semigrupo es un conjunto E provisto de una operación binaria asociativa sobre E, se denota por (E, ).
ALGEBRA La primera parte del presente libro está dedicada a las estructuras algebraicas. En esta parte vamos a iniciar agregándole a los conjuntos operaciones. Cuando las operaciones tienen determinadas
Programación Lineal. Modelo de Redes. Alcance de las aplicaciones. Curso: Investigación de Operaciones Ing. Javier Villatoro
Programación Lineal Modelo de Redes Alcance de las aplicaciones Curso: Investigación de Operaciones Ing. Javier Villatoro ALCANCE DE LAS APLICACONES DE REDES ALCANCE DE LAS APLICACIONES Muchas situaciones
GRAFOS. Prof. Ing. M.Sc. Fulbia Torres
ESTRUCTURAS DE DATOS 2006 Prof. DEFINICIÓN Un grafo consta de un conjunto de nodos(o vértices) y un conjunto de arcos (o aristas). Cada arco de un grafo se especifica mediante un par de nodos. Denotemos
ALGORITMOS HEURÍSTICOS Y APROXIMADOS. Análisis y diseño de algoritmos II- 2009
ALGORITMOS HEURÍSTICOS Y APROXIMADOS Análisis y diseño de algoritmos II- 2009 Problemas difíciles : Definiciones, ejemplos y propiedades Análisis y diseño de algoritmos II- 2009 Un viaje a Ciencias de
Teoría de Redes o Grafos
Teoría de Redes o Grafos Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Abril 2011 Introducción 2 Introducción............................................................ 3 Contenido.............................................................
Inducción Matemática Conjuntos Funciones. Matemática Discreta. Agustín G. Bonifacio UNSL. Repaso de Inducción, Conjuntos y Funciones
UNSL Repaso de Inducción, y Inducción Matemática (Sección 1.7 del libro) Supongamos que queremos demostrar enunciados del siguiente tipo: P(n) : La suma de los primeros n números naturales es n(n+1)
ALGEBRA y ALGEBRA LINEAL. Primer Semestre CAPITULO I LOGICA Y CONJUNTOS.
ALGEBRA y ALGEBRA LINEAL 520142 Primer Semestre CAPITULO I LOGICA Y CONJUNTOS. DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas Universidad de Concepción 1 La lógica es
Terminaremos el capítulo con una breve referencia a la teoría de cardinales.
TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto
Tema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
VI Colas de prioridad
VI Colas de prioridad Una cola de prioridad (cat: cua de prioritat; ing: priority queue) es una colección de elementos donde cada elemento tiene asociado un valor susceptible de ordenación denominado prioridad.
Espacios completos. 8.1 Sucesiones de Cauchy
Capítulo 8 Espacios completos 8.1 Sucesiones de Cauchy Definición 8.1.1 (Sucesión de Cauchy). Diremos que una sucesión (x n ) n=1 en un espacio métrico (X, d) es de Cauchy si para todo ε > 0 existe un
Teoría de Autómatas y Lenguajes Formales. Introducción a las Gramáticas. Gramáticas incontextuales
Teoría de utómatas y Lenguajes Formales Introducción a las ramáticas. ramáticas incontextuales José M. Sempere Departamento de Sistemas Informáticos y Computación Universidad Politécnica de Valencia Introducción
Transparencias de Matemática Discreta Doble Grado en Ingeniería en Informática y. Administración de Empresas Curso 2013 2014
ESCUELA POLITÈCNICA SUPERIOR UNIVERSIDAD CARLOS III DE MADRID Transparencias de Matemática Discreta Grado en Ingeniería en Informática Doble Grado en Ingeniería en Informática y Administración de Empresas
Árboles abarcadores mínimos: algoritmo de Prim y algoritmo de Kruskal.
Árboles abarcadores mínimos: algoritmo de Prim y algoritmo de Kruskal. Jose Aguilar 1 Grafo de carreteras entre ciudades Mcbo Coro Pto. Cabello Valera Bqto Valencia Maracay Caracas Acarigua Barinas San
AMPLIACIÓN DE MATEMÁTICAS
AMPLIACIÓN DE MATEMÁTICAS TEOREMA DE EXTENSIÓN DE KRONECKER. Los polinomios irreducibles sobre un cuerpo no tienen raíces sobre ese cuerpo, salvo que sean de grado uno. Ya hemos visto que Ejemplo 1. x
Particiones binarias del espacio (BSP)
(BSP) Contenido 1. Introducción. 2. Quadtrees. 3. Árboles BSP. 4. Aplicación al algoritmo del pintor. 5. Construcción de un árbol BSP. 6. Conclusiones. Contenido 1. Introducción. 2. Quadtrees. 3. Árboles
Autómatas Deterministas. Ivan Olmos Pineda
Autómatas Deterministas Ivan Olmos Pineda Introducción Los autómatas son una representación formal muy útil, que permite modelar el comportamiento de diferentes dispositivos, máquinas, programas, etc.
UNIVERSIDAD NACIONAL DE INGENIERÍA Sede UNI-NORTE
UNIVERSIDAD NACIONAL DE INGENIERÍA Sede UNI-NORTE Teoría de redes Problema de la Ruta más corta Problema del Árbol de expansión mínima Problema del Flujo máximo Problema de Flujo de costo mínimo Maestro
Tema 2: Teorema de estructura de los grupos abelianos finitamente generados.
ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con
Búsqueda con adversario
Introducción Búsqueda con adversario Uso: Decidir mejor jugada en cada momento para cierto tipo de juegos Hay diferentes tipos de juegos según sus características: Numero de jugadores, toda la información
Binary Decision Diagrams
Rodríguez Blanco 2006-05-18 Introduccion Equivalencia Tablas de verdad eficientes Construcción de Equivalencia Tablas de verdad eficientes Equivalencia de dos fórmulas A 1 y A 2. Construir su tabla de
Tema 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación