Teoría de grafos. Notas de clase (versión preliminar) Universidad EAFIT
|
|
- Javier Romero Mora
- hace 8 años
- Vistas:
Transcripción
1 Teoría de grafos. Notas de clase (versión preliminar) Raúl Gómez Marín, Andrés Sicard Ramírez Universidad EAFIT 1999
2 2
3 Capítulo 1 Grafos Es un hecho conocido que la teoría de grafos tiene sus raíces en un artículo del matemático suizo Leonhard Euler, publicado en el año de Las ideas básicas de la teoría las desarrolló Euler en torno al problema conocido como el problema de los siete puentes de Köningsberg. Recientemente la teoría ha conocido nuevos desarrollos y ha realizado extensiones métodicas en las ciencias de la computación, la química y la investigación de operaciones, entre otras. En el caso particular de las ciencias de la computación, la teoría de grafos juega un papel importante en áreas tales como la teoría de la conmutación y diseño lógico, la inteligencia artificial, lenguajes formales, sistemas operativos, compiladores, telemática y análisis de algoritmos, entre otras. La presente lección tiene como objetivo desarrollar, con cierto grado de formalización los objetos y propiedades de la teoría de grafos. Antes de comenzar nuestro proceso de formalización presentamos, a manera de introducción y motivación, el siguiente ejemplo: Ejemplo 1.1. En varias aplicaciones de la ciencias de la computación es conveniente modelar (representar) los algoritmos o programas de computador mediante grafos. Un ejemplo de este tipo de aplicación es el que surge en el contexto de la generación de casos de prueba para un módulo de algún programa. Se llega a estas pruebas mediante el análisis de la estructura de un módulo de programa en lo tocante al flujo de control. El flujo de control de un módulo se modela mediante un grafo de flujo. Cada vértice del grafo de flujo representa una o más sentencias de procedimientos. Una sucesión de sentencias de procedimientos seguida por una sentencia condicional, tal como pueda ser una sentencia while o una sentencia case se corresponde 3
4 4 CAPÍTULO 1. GRAFOS con un único nodo. Los arcos (aristas dirigidas) del grafo de flujo representan el flujo de control. Secuencia If then else W hile T V F V Repeat U ntil Case V F Figura 1.1: Notación de grafos de flujo para distintas estructuras Cualquier módulo que se haya especificado en algún lenguaje de procedimientos se podrá traducir a un grafo de flujo. Por ejemplo, la figura 1.1 muestra las representaciones en forma de grafo de flujo correspondientes a algunas estructuras familiares, que suelen estar disponibles en la mayoría de los lenguajes de procedimientos. El rótulo V que aparece en algunas aristas denota que se ejecuta la opción Verdadero, y la F denota que se ejecuta la opción Falso. Para evitar complejidades innecesarias, se supone que todas las condiciones son atómicas, esto es, que no contienen operadores lógicos tales como and y or. Los módulos de programa contienen una secuencia de estructuras del lenguaje que proceden de un conjunto base tal como el que se da en la figura 1.2.
5 5 procedure Loquesea(... ) begin while (... ) do begin s1; if Indicador1 = 0 then begin s2; s3; s4 end else begin if Indicador2 = 0 then s5; else s6; s7 end; end; end ; Figura 1.2: Esqueleto de un módulo En la figura 1.3 aparece un ejemplo de grafo de flujo correspondiente al esqueleto de módulo de la figura 1.2, en donde los nodos 1 y 9 denotan, respectivamente, el nodo inicial y final del módulo. Las sentencias s 1 a s 7 de la figura 1.2 se consideran sentencias que no ejercen control, tales como las sentencias de asignación. Para poder pensar y representar formalmente el objeto que denominados grafo, es imprescindible realizar múltiples distinciones al interior del concepto. En una primera intancia necesitamos introduccir una distinción que nos permita pensar el grafo bien como objeto matemático o bien como objeto geométrico.
6 6 CAPÍTULO 1. GRAFOS condición while V s 1, cláusula if F V cláusula if V F s 2, s 3, s 4 s 5 s 6 s 7 fin while F fin procedimiento Figura 1.3: Modelado de un módulo mediante un grafo de flujo 1.1. Definiciones de Grafo Antes de introducir las diferentes definiciones de una grafo, presentamos algunas definiciones auxiliares. Definición 1.1 (Lenguaje de la lógica de predicados). Un lenguaje de la lógica de predicados de primer orden está definido por: L = {{P i, i I}, {F j, j J}, {C k, k K}} donde: {P i, i I}: Conjunto de símbolos de predicado {F j, j J}: Conjunto de símbolos de funciones {C k, k K}: Conjunto de símbolos de constantes Definición 1.2 (Modelo). Sea L un lenguaje de la lógica de primer orden, un modelo para L está definido por: U =< A, ℸ > donde:
7 1.1. DEFINICIONES DE GRAFO 7 A: Conjunto no vacío, llamado dominio del modelo ℸ: Es una función biyectiva de interpretación tal que: ℸ-1 Cada símbolo Pi n, de predicado de aridez n, es interpretado por una relación n-ádica R, es decir: ℸ(P n i ) = R R A n. ℸ-2 Cada símbolo Fj m, de función de aridez m, es interpretado por una función m-ádica, es decir: ℸ(F m j ) = f f: A m A. ℸ-3 Cada símbolo de constante C k es interpretado por un elemento fijo de A, es decir: ℸ(C k ) = t t A. Definición 1.3 (Cardinalidad de modelos). Sean L un lenguaje de la lógica de primer orden y U =< A, ℸ > un modelo para L. = U = = A, es decir, el cardinal del modelo U es el cardinal del dominio del modelo El grafo como objeto matemático Un grafo, en tanto objeto matemático o estructura relacional, nos obliga a reforzar su distinción entre grafo no dirigido (o simplemente grafo) y grafo dirigido (o simplemente digrafo). Definición 1.4 (Digrafo: Como objeto matemático). Un digrafo G, es un modelo de un lenguaje L = {P 2 }, donde P 2 es un símbolo de predicado de aridez dos. En otros términos, un digrafo es una estructura G =< V, R >, donde: V : Conjunto no vacío cuyos elementos llamamos vértices. R: Relación binaria definida sobre V (R V V ). Cada digrafo G =< V, R > puede ser representado por medio de un diagrama, en donde cada vértice v V se representa por medio de un circulo etiquetado con el símbolo v, y cada (v i, v j ) R se representa por medio de un arco del vértice v i al vértice v j.
8 8 CAPÍTULO 1. GRAFOS Ejemplo 1.2. Los siguientes objetos matemáticos son digrafos infinitos: G 1 =< N, < > G 2 =< Z, R >, donde, R = {(x, y) x 2 y} Ejemplo 1.3. Los siguientes objetos matemáticos son digrafos finitos: G 1 =< {1, 2, 3, 4}, {(1, 2), (2, 3), (3, 4)} >, representado por la figura Figura 1.4: Ejemplo digrafo finito (1). G 2 =< {0, 2, 5, 7, 8}, >, representado por la figura Figura 1.5: Ejemplo digrafo finito (2). G 3 =< {v 1 } >, representado por la figura 1.6. v 1 Figura 1.6: Ejemplo digrafo finito (3). G 4 =< {0, 1, 3, 4, 6, 8, 9}, R >, donde, R(a, b) ssi a b. G 5 =< A, R >, donde, A = {x N x es divisor de 128} y R(a, b) ssi (a b) es divisor de 64. Definición 1.5 (Lazo o bucle). Sea G =< V, R > un digrafo. La pareja ordena (v, v) R tal que v V se denomina un lazo o bluce. Ejemplo 1.4. Para el digrafo G 2 =< {0, 2, 5, 7, 8}, > representado por la figura 1.5, las parejas ordenas (0, 0), (2, 2), (5, 5), (7, 7) y (8,, 8) pertenecientes a la relación, son lazos.
9 1.1. DEFINICIONES DE GRAFO 9 Aunque un grafo G =< V, R > también es un modelo de un lenguaje L = {P }, donde P es un símbolo de predicado de aridez dos, la diferencia entre un digrafo y un grafo, consiste en que este último debe satisfacer un axioma no exigido al primero. Definición 1.6 (Grafo: Como objeto matemático). Un grafo G =< V, R > es un modelo de un lenguaje L = {P 2 }, tal que G satisface el axioma de simetría para la relación R, es decir, G = x y((x, y) R = (y, x) R). Cada grafo G =< V, R > puede ser representado por medio de un diagrama en donde cada vértice v V se representa por medio de un circulo etiquetado con el símbolo v y cada par de elementos (v i, v j ), (v j, v i ) R se representan por medio de una arista del vértice v i al vértice v j. Ejemplo 1.5. Los siguientes objetos matemáticos son grafos (algunos infinitos, otros finitos): G 1 =< Z, R >, donde, R(x, y) ssi (x = 1 + y x = y 1). G 2 =< {A, B, C, D}, R >, donde, R = {(A, A), (A, B), (B, A), (C, D), (D, C), (A, C), (C, A), (B, D), (D, B)}. El grafo G 2 es representado por la figura 1.7. A B C D Figura 1.7: Ejemplo grafo no dirigido finito. Nuestra definición de grafo (digrafo), como objeto matemático, no permite representar grafos cuya estructura relacional presenta aristas (arcos) tales como los indicados por la figura 1.8. La situación anterior hace necesario introducir una distinción adicional que nos permita ampliar nuestra noción de grafo, de forma tal que nos permita capturar objetos tales como el representado por la figura 1.8.
10 10 CAPÍTULO 1. GRAFOS a b Figura 1.8: No grafo (como objeto matemático) El grafo como objeto geométrico Desde el punto de vista geométrico podemos pensar un grafo como un esquema situado en el espacio R 2 y constituido por vértices y lados. Lo denotamos por G =< V, E >. Definición 1.7 (Digrafo: Como objeto geométrico). Un digrafo, en tanto objeto geométrico, es un esquema G =< V, E >, representado en el espacio R 2, donde: V : Conjunto no vacío cuyos elementos llamamos vértices. E: Conjunto de elementos e i = (v a, v b ) llamados lados. Cada digrafo G =< V, E > puede ser representado por medio de un diagrama en donde; cada vértice v V se representa por medio de un circulo etiquetado con el símbolo v, y cada e i = (v i, v j ) E se representa por medio de un arco del vértice v i al vértice v j etiquetado con el símbolo e 1. Ejemplo 1.6. El siguiente objeto es un ejemplo de un grafo dirigido: G 1 =< {a, b, c, d, f}, {e 1, e 2, e 3, e 4, e 5, e 6, e 7 } >,representado por la figura 1.9, donde: e 1 = (b, c), e 2 = (c, a), e 3 = (c, d), e 4 = (a, b), e 5 = (a, f), e 6 = (d, b), e 7 = (f, d). Definición 1.8 (Grafo: Como objeto geométrico). Un grafo, en tanto objeto geométrico, es un esquema G =< V, E > representado en el espacio R 2, donde: V : Conjunto no vacío cuyos elementos llamamos vértices. E: Conjunto de elementos e i = {v a, v b } llamados lados. Se observa que los
11 1.1. DEFINICIONES DE GRAFO 11 e 1 b c e 3 e 2 e 4 e 6 a d e 5 e 7 f Figura 1.9: Ejemplo grafo dirigido. lados del grafo no tienen orientación. Para el caso especial en que el lado e i represente un lazo, es decir, e i = {v a, v a }, se seguirá la convención matemática usual que determina que {v a, v a } = {v a }. Cada grafo G =< V, E > pude ser representado por medio de un diagrama en donde, cada vértice v V se representa por medio de un circulo etiquetado con el símbolo v, y cada e = (v i, v j ) E se representa por medio de una arista del vértice v i al vértice v j etiquetada con el símbolo e. Ejemplo 1.7. Los siguientes objetos son ejemplos de grafos. G 1 =< {5, 7, 8, 9}, {e 1, e 2, e 3, e 4, e 5 } >, representado por la figura 1.10, donde: e 1 = {5, 7}, e 2 = {8, 5}, e 3 = {7, 9}, e 4 = {8, 9}, e 5 = {5}. 5 e 1 7 e 2 e 3 8 e 4 9 Figura 1.10: Ejemplo grafo no dirigido (1).
12 12 CAPÍTULO 1. GRAFOS G 2 =< {1, 2, 3}, {e 4, e 5, e 6 } >, representado por la figura e e 5 e 6 3 Figura 1.11: Ejemplo grafo no dirigido (2). G 3 =< {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}, {e 1,..., e 9 } >, representado por la figura e 1 7 e 2 e e 5 e 8 3 e 3 e 6 e e 9 9 Figura 1.12: Ejemplo grafo no dirigido (3). En un grafo, visto como objeto geométrico, es posible que existan al menos dos vértices conectados por dos o más lados diferentes. En este caso se hace necesario introducir otra distinción, llamando a tal grafo: multigrafo. Definición 1.9 (Lados paralelos (grafos)). Sea G =< V, E > un grafo. Dos lados son llamados paralelos si e i = {v a, v b } y e j = {v a, v b } para i j. Definición 1.10 (Multigrafo (grafos)). Un grafo G =< V, E > es un multigrafo si y sólo si G tiene lados paralelos. Ejemplo 1.8. Los siguientes objetos son ejemplos de multigrafos. G 1 =< {a, b}, {e 1, e 2, e 3 } >, representado por la figura G 2 =< {1, 4, a, c}, {e 1,..., e 8 } >, representado por la figura 1.14.
13 1.1. DEFINICIONES DE GRAFO 13 e 3 e 1 a b e 2 Figura 1.13: Multigrafo (1). 1 e 4 e 7 e 1 e 2 c e 6 4 a e 3 e 8 e 5 Figura 1.14: Multigrafo (2) Los lados e 2, e 3 son lados paralelos de G 1 ; e 1, e 2 y e 4, e 5, e 6 lo son de G 2. No existe un consenso actual acerca de la definición de un grafo. Algunos autores sólo los consideran desde el punto de vista geométrico o desde el punto de vista matemático. Otros autores por su parte no admiten los grafos con lazos ni los multigrafos. Nuestro objetivo en la presentación que hemos realizado del concepto de grafo, está el de presentar el concepto de grafo como una estructura matem tica de modelamiento con la mayor capacidad de representación posible. Los temas siguientes serán ofrecidos para un presentación de grafo en particular (como objeto matemático o como objeto geométrico) o para alguna clase en particular de grafo o para ambas (grafo no dirigido o grafo dirigido). Nuestras convenciones serán las siguientes: 1. Sea G =< V, R > un digrafo... En este caso estamos hablando de un digrafo como un objeto matemático. 2. Sea G =< V, R > un grafo... En este caso estamos hablando de un grafo como un objeto matemático.
14 14 CAPÍTULO 1. GRAFOS 3. Sea G =< V, R > un grafo (digrafo)... En este caso estamos hablando de un grafo o de un digrafo como un objeto matemático. 4. Sea G =< V, E > un digrafo... En este caso estamos hablando de un digrafo como un objeto geométrico. 5. Sea G =< V, E > un grafo... En este caso estamos hablando de un grafo como un objeto geométrico. 6. Sea G =< V, E > un grafo (digrafo)... En este caso estamos hablando de un grafo o de un digrafo como un objeto geométrico Representación de Grafos El análisis de un grafo, mediante un computador, requiere representaciones diferentes al esquema geométrico. Veamos algunas de ellas Matriz de adyacencia Sea G =< V, R > un grafo (digrafo) finito. Podemos representar al grafo G mediante una matriz booleana, llamada su matriz de adyacencia. Definición 1.11 (Matriz de adyacencia). Sea G =< V, R > un grafo (digrafo) finito cualquiera. Podemos asociar a G, la matriz booleana (matriz cuyos elementos son uno o cero) M[R], llamada su matriz de adyacencia y, tal que, si = V = n, entonces: M[R] = (X i,j ) n n X i,j = { 1 ssi (v i, v j ) R, 0 ssi (v i, v j ) / R. Ejemplo 1.9. Dado el grafo representado en la figura 1.15, obtenemos la matriz M[R] = (X i,j ) 4 4 representada por la tabla 1.1. Observe que los vértices han sido ordenados alfabéticamente: v 1 = A, v 2 = B, v 3 = C y v 4 = D. Además; X 3,4 = 1, ya que (v 3, v 4 ) R y X 1,4 = 0, ya que (v 1, v 4 ) / R.
15 1.2. REPRESENTACIÓN DE GRAFOS 15 A B C D Figura 1.15: Grafo para obtener la matriz de adyacencia representada por la tabla 1.1. M[R] v 1 v 2 v 3 v 4 v v v v Cuadro 1.1: Matriz de adyacencia para el grafo de la figura Ejemplo Un fabricante para producir juguetes requiere seis pasos, los cuales obligatoriamente deben realizarse de acuerdo al siguiente orden parcial. Primero los procesos A o B, luego el proceso C. A continuación los procesos D, E o F. Modelizado por un grafo dirigido, obtenemos el grafo G representado por la figura 1.16 (Diagrama de Hasse) y su matriz de adyacencia M[R] representada por la tabla 1.2. D E F C A B Figura 1.16: Diagrama de Hasse. Ejemplo Para el grafo representado en la figura 1.17, obtenemos la matriz M[R] = (X i,j ) 6 6 representada por la tabla 1.3.
16 16 CAPÍTULO 1. GRAFOS M[R] A B C D E F A B C D E F Cuadro 1.2: Matriz de adyacencia para el grafo de la figura D E F C A B Figura 1.17: Grafo para obtener la matriz de adyacencia representada por la tabla 1.3. Algunas observaciones con respecto a la matriz de adyacencia M[R]: La matriz M[R] es una matriz booleana, lo cual permite optimizar el espacio para almacenarla y el tiempo para manipularla. La matriz M[R] permite representar lazos. La matriz M[R] no permite representar lados paralelos (debido a que opera sobre la definición matemática de grafo (digrafo)). La matriz M[R] es simétrica en el caso de los grafos, por ello no es un modo muy eficiente de representación. La matriz M[R] no es simétrica en el caso de los digrafos Matriz de incidencia Si el grafo (digrafo) está definido como un esquema geométrico G =< V, E >, podemos representarlo por medio de una matriz, llamada matriz
17 1.2. REPRESENTACIÓN DE GRAFOS 17 M[R] A B C D E F A B C D E F Cuadro 1.3: Matriz de adyacencia para el grafo de la figura de incidencia. Es necesario que presentemos dos definiciones para la matriz de incidencia, una para grafos y la otra para digrafos; situación que no se presentó, como pudimos observar, en la presentación de la matriz de adyacencia. Antes de presentar la matriz de incedencia para grafos, es necesaria la siguiente definición: Definición 1.12 (Vértices incidentes). Sea G =< V, E > un grafo, si e = {v i, v j } es un lado de G, entonces se dice que los vértices v i, v j son vértices incidentes al lado e. Definición 1.13 (Matriz de incidencia (grafo geométrico)). Sea G =< V, E > un grafo finito cualquiera. Podemos asociar a G, la matriz M[E], llamada su matriz de incidencia y, tal que, si = V = n y = E = m, entonces: M[E] = (X i,j ) n m X i,j = { 1 ssi v i es incidente al lado e j, 0 ssi v i no es incidente al lado e j. Ejemplo Dado el grafo representado en la figura 1.18, obtenemos la matriz M[E] = (X i,j ) 5 7 representada por la tabla 1.4. Algunas observaciones acerca de la matriz de incidencia M[E]: La matriz M[E] permite representar lazos. La matriz M[E] permite representar lados paralelos.
18 18 CAPÍTULO 1. GRAFOS b e 3 e 2 e a 4 c e 1 e 7 e Figura 1.18: Grafo para obtener la matriz de incidencia representada por la tabla 1.4. e 6 e 5 d M[E] e 1 e 2 e 3 e 4 e 5 e 6 e 7 a b c d e Cuadro 1.4: Matriz de incidencia para el grafo de la figura Antes de presentar la matriz de incidencia para digrafos, necesitamos algunas definciones adicionales. Definición 1.14 (Extremos, vértice inicial, vértice final). Sea G =< V, E > un digrafo, si e = (v i, v j ) es un lado de G, entonces los vértices v i, v j son llamados los extremos del lado e. El vértice v i es llamdo el vértice inicial del lado e y el vértice v j es llamado el vértice final del lado e. Definición 1.15 (Matriz de incidencia (digrafo geométrico)). Sea G =< V, E > un digrafo finito cualquiera. Podemos asociar a G, la matriz M[E], llamada su matriz de incidencia y, tal que, si = V = n y = E = m, entonces: 1 si v i es el vértice inicial del lado e j, M[E] = (X i,j ) n m X i,j = 1 si v i es el vértice final del lado e j, 0 si v i no es extremo del lado e j. Ejemplo Dado el grafo representado en la figura 1.19, obtenemos la matriz de incidencia M[E] = (X i,j ) 4 7 :
19 1.3. CONECTIVIDAD 19 e 1 a b e 7 e 4 e e e e 2 d c Figura 1.19: Digrafo para obtener la matriz de incidencia representada por la tabla 1.5. M[E] e 1 e 2 e 3 e 4 e 5 e 6 e 7 a ±1 b c d Cuadro 1.5: Matriz de incidencia para el grafo de la figura Observe que la posición X a,e7 tiene el valor ±1, esto debido a que un lazo tiene como extremo inicial y extremo final el mismo vértice Conectividad Caminos y circuitos Inicialmente realizaremos la formalización de ciertos conceptos vinculados con la noción de conectividad, los cuales seran de importancia en los temas subsiguientes. Comenzamos presentando las definiciones de camino y circuito para un digrafo como objeto geométrico. Definición 1.16 (Enlace (digrafo geométrico)). Sea G =< V, E > un digrafo. La relación de enlace entre dos lados de un digrafo, representada por E d (e i, e j ), está definida por: Sean e i = (x i, y i ) y e j = (x j, y j ) entonces, E d (e i, e y ) def. (y i = x j ).
20 20 CAPÍTULO 1. GRAFOS Definición 1.17 (Camino (digrafo geométrico)). Sea G =< V, E > un digrafo cualquiera. Un camino finito denotado por Π es una sucesión finita de lados enlanzados, es decir, Π = < s 1, s 2,..., s n > ( i {1, 2,..., n 1} (E d (s i, s i+1 ))). Un camino finito del vértice a al vértice b denotado por Π(a, b), definido por: Π(a, b) =Π = < s 1, s 2,..., s n > ( i {1, 2,..., n 1} (E d (s i, s i+1 ))) ((s 1 = (a, y 1 ) s n = (x n, b))). Definición 1.18 (Circuito (digrafo geométrico)). Sea G =< V, E > un digrafo cualquiera. Un circuito denotado por Π(a) es un camino del vértice a al vértice a en el cual no es posible repetir lados, es decir: Π(a) =Π(a, a) = < s 1, s 2,..., s n 1, s n > ( i {1, 2,..., n 1} (E d (s i, s i+1 ))) ((s 1 = (a, y 1 ) s n = (x n, a))) ( i j {1, 2,..., n} (i j = s i s j )). Para las definiciones de camino y circuito para el caso de los grafos como objetos geométricos, es necesario utilizar una nueva relación de enlace entre los lados de un grafo no dirigido. Definición 1.19 (Enlace (grafo geométrico)). Sea G =< V, E > un grafo. La relación de enlace entre lados de un grafo, representada por E nd (e i, e j ), está definida por: Sean e i = {x i, y i } y e j = {x j, y j } entonces,
21 1.3. CONECTIVIDAD 21 E nd (e i, e y ) def. ((x i = x j ) (x i = y j ) (y i = x j ) (y i = y j )). Definición 1.20 (Camino (grafo geométrico)). Sea G =< V, E > un grafo cualquiera. Un camino finito denotado por Π es una sucesión finita de lados enlanzados, es decir, Sea s i = x i, y i un lado, entonces: Π = < s 1, s 2,..., s n > ( i {1, 2,..., n 1} (E nd (s i, s i+1 ))) ( i {1, 2,..., n 1} ((x i s i 1 y i s i+1 ) (x i s i 1 y i s i+1 ))). Un camino finito del vértice a al vértice b denotado por Π(a, b), es un camino Π =< s 1 s 2... s n > definido por: Sean s 1 = {a, y 1 }, s 2 = {x 2, y 2 }, s n 1 = {x n 1, y n 1 } y s n = {b, y n }, entonces: Π(a, b) =Π = < s 1, s 2,..., s n > ( i {1, 2,..., n 1} (E nd (s i, s i+1 ))) ( i {1, 2,..., n 1} ((x i s i 1 y i s i+1 ) (x i s i 1 y i s i+1 ))) ((y 1 = x 2 y 1 = y 2 ) (x n 1 = x n y n 1 = x n )). Definición 1.21 (Circuito (grafo geométrico)). Sea G =< V, E > un grafo cualquiera. Un circuito denotado por Π(a) es un camino del vértice a al vértice a en el cual no es posible repetir lados, es decir: Sean s 1 = {a, y 1 }, s 2 = {x 2, y 2 }, s n 1 = {x n 1, y n 1 } y s n = {a, y n }, entonces:
22 22 CAPÍTULO 1. GRAFOS Π(a) =Π(a, a) = < s 1, s 2,..., s n 1, s n > ( i {1, 2,..., n 1} (E nd (s i, s i+1 ))) ( i {1, 2,..., n 1} ((x i s i 1 y i s i+1 ) (x i s i 1 y i s i+1 ))) ((y 1 = x 2 y 1 = y 2 ) (x n 1 = x n y n 1 = x n )) ( i j {1, 2,..., n} (i j = s i s j )). Definición 1.22 (Longitud de un camino (grafo o digrafo geométrico)). Sea G =< V, E > un grafo (digrafo) cualquiera y Π(a, b) =< s 1, s 2,..., s n 1, s n > un camino del vértice a al vértice b. La longitud del camino Π(a, b) denotada por l(π(a, b)) está definida por: l(π(a, b)) = l(< s 1, s 2,..., s n 1, s n >) = n. Dado que es posible considerar todo grafo (digrafo) matemático como un grafo (digrafo) geométrico, es posible pensar que no es necesario ofrecer las definiciones de camino, longitud de un camino y circuito para los grafos (digrafos) como objetos matemáticos, ya que se realizaron dichas definiciones para los grafos (digrafos) como objetos geométricos. Sin embargo como se observará en las secciones posteriores, las definiciones y en particular algunas demostraciones relacionadas con la conectividad entre los vértices de una grafo, son mucho mejor presentadas si se trabaja con los grafos (digrafos) como objetos matemáticos. Por esta razón presentamos las definiciones mencionadas para los grafos (digrafos) como objetos matemáticos. Definición 1.23 (Camino (grafo o digrafo matemático)). Sea G =< V, R > un grafo (digrafo) cualquiera. Un camino finito denotado por Π es una sucesión finita de vertices enlazados, es decir, Π = < s 1, s 2,..., s n > ( i {1, 2,..., n 1} (R(s i, s i+1 ))). Aunque denotamos las sucesiones de vértices enlazados y lados enlazados
23 1.3. CONECTIVIDAD 23 con los mismos símbolos (< s 1, s 2,..., s n >), el contexto aclarará a cual de ellos corresponde. Un camino finito del vértice a al vértice b denotado por Π(a, b), es un camino Π =< s 1, s 2,..., s n > definido por: Π(a, b) =Π = < s 1, s 2,..., s n > ( i {1, 2,..., n 1} (R(s i, s i+1 ))) (a = s 1 b = s n ). Definición 1.24 (Circuito (digrafo matemático)). Sea G =< V, R > un digrafo cualquiera. Como vimos en la definición de un circuito para una digrafo como objeto geométrico, un circuito denotado por Π(a) es un camino del vértice a al vértice a en el cual no es posible repetir lados. La sucesión que constituye un circuito para un digrafo como objeto matemático, es un sucesión de vértices, por la tanto, la no repetición de lados se traduce en que no se pueden repetir parejas de vértices en la sucesión, por lo que el circuito está definido por: Π(a) =Π(a, a) =< s 1, s 2,..., s n 1, s n > ( i {1, 2,..., n 1} (R(s i, s i+1 ))) (a = s 1 a = s n ) ( i j {1, 2,..., n 1} ((i < j s i = s j ) = (s i+1 s j+i )). Definición 1.25 (Circuito (grafo matemático)). Sea G =< V, R > un grafo cualquiera. Como acabamos de observar, la definición de un circuito para una digrafo como objeto matemático, no admite la existencia de parejas de vértices repetidas en la sucesión de vértices que componen el circuito. En el caso de una grafo, es necesario añadir que si los vértices v i, v j están contiguos en la sucesión, no es posible admitir posteriormente la existencia de nuevo de los vértices v j, v i contiguos en la sucesión, por la cual la definición de un circuito está dada por:
24 24 CAPÍTULO 1. GRAFOS Π(a) =Π(a, a) =< s 1, s 2,..., s n 1, s n > ( i {1, 2,..., n 1} (R(s i, s i+1 ))) (a = s 1 a = s n ) ( i j {1, 2,..., n 1} ((i < j s i = s j ) = (s i+1 s j+i )) ( i j {1, 2,..., n 1} ((i < j x i = x j+1 ) = (x i+1 x j )). Definición 1.26 (Longitud de un camino (grafo o digrafo matemático)). Sea G =< V, R > un grafo (digrafo) cualquiera y Π(a, b) =< a, s 2,..., s n 1, b > un camino del vértice a al vértice b. La longitud del camino Π(a, b) denotada por l(π(a, b)) está definida por: l(π(a, b)) = l(< a, s 2,..., s n 1, b >) = n 1. Ejemplo La figura 1.20, nos modeliza la estructura de un cierto tipo de elecciones de acciones a realizar. A B 5 4 C Figura 1.20: Grafo para seleccionar algunos caminos y circuitos sobre él. De la figura, descubrimos caminos de longitud especificadas, e igualmente circuitos sobre G. Π 1 (A, 8) =< A, 4, 5, C, 2, 7, 8 >, l(π 1 ) = 6 Π 2 (A) =< A, 4, 3, A >, l(π 2 ) = 3 Π 3 (C) =< C, 2, 7, C >, l(π 3 ) = 3
25 1.3. CONECTIVIDAD 25 Π 4 (B) =< B, A, B >, l(π 4 ) = 2 Π 5 (3, 7) =< 3, A, 4, C, 2, 7 >, l(π 5 ) = 5 Observemos que no existe Π(5), es decir, no exite un circuito que se origine a partir del vértice Relación de n-conectividad R n Presentamos a continuación la relación de n-conectividad sobre un digrafo G, esta relación nos representa los caminos de longitud n sobre el digrafo. Definición 1.27 (Relación de n-conectividad). Sea G =< V, R > un digrafo y n un entero positivo. Definimos en V la relación de n-conectividad denota por R n, como sigue: R n (x, y) def. ( Π)(Π(x, y) l(π) = n). Ejemplo Consideremos el grafo dirigido G, representado por la figura 1.21: a b d c e Figura 1.21: Digrafo para obtener la relación de 2-conectividad Observemos que: R 2 (a, c), puesto que: R(a, b) R(b, c), luego ( Π)(Π(a, c) l(π) = 2); R 2 (b, c), puesto que: R(b, c) R(c, d), luego ( Π)(Π(b, d) l(π) = 2); R 2 (a, a), puesto que: R(a, a) R(a, a), luego ( Π)(Π(a, a) l(π) = 2).
26 26 CAPÍTULO 1. GRAFOS Es posible observar además que, R 2 = {(a, a), (a, b), (a, c), (b, d), (b, e), (c, e)}. Esta relación R 2 sobre V = {a, b, c, d, e} nos define una nuevo grafo < V, R 2 >, grafo dado por los vértices y las relaciones que indican los vértices que están conectados por caminos de longitud 2. Este nuevo grafo, para el ejemplo, lo representamos por la figura a c b e d Figura 1.22: Grafo definido por la relación R 2. Para presentar algunos teoremas importantes de la teoría de grafos, necesitamos previamente definir algunas operaciones booleanas, operaciones que operan sobre las matrices booleanas. Definición 1.28 (Operaciones booleanas). Como mencionamos anteriormente, una matriz booleana es una matriz cuyos elementos son cero o uno. Las tablas 1.6 y 1.7 definen las operaciones booleanas y respectivamente Cuadro 1.6: Operación booleana Cuadro 1.7: Operación booleana. Como el lector puede observar, las operaciones y corresponden la
27 1.3. CONECTIVIDAD 27 disyunción ( ) y a la conjunción ( ) lógicas, respectivamente. Sean A m p y B p n dos matrices booleanas. Se define el producto booleano de matrices A B por: A B = (X i,j ) m n = X i,j = (a i,1 b 1,j ) (a i,2 b 2,j ) (a i,p b p,j ). Es decir, el producto booleano de matrices es similar al producto de matrices, excepto que se cambian las operaciones de suma y multiplicación ordinarias por las operaciones y respectivamente. Teorema 1.1. Sea G =< V, R > un digrafo finito y sea G 2 =< V, R 2 > el digrafo obtenido mediante la relación de 2-conectividad R 2, entonces: M[R 2 ] = M[R] M[R] Demostración. Sean M[R] n n, X i,j M[R 2 ] Y i,k M[R] y Y k,j M[R]. Probemos que X i,j = 1 R(v i, v k ) R(v k, v j ). Es decir, probemos que existe un camino de longitud 2 del vértice i al vértice j si y solo si existe algun vértice k, tal que, exista un camino de longitud 1 del vértice i al vértice k y exista un camino de longitud 1 del vértice k al vértice j. Así: 1 R(v i, v k ) R(v k, v j ) Hipótesis auxiliar 2 Y i,k = 1 Y k,j = 1 Definición de M[R] 3 Y i,k Y k,j = 1 4 X i,j = (Y i,1 Y 1,j ) (Y i,k Y k,j ) (Y i,n Y n,j ) = 1 5 M[R 2 ] = M[R] M[R] Podemos extender el teorema 1.1 a la relación de n-conectividad. Teorema 1.2. Sea G =< V, R > un digrafo finito y sea G n =< V, R n > el digrafo obtenido mediante la relación de n-conectividad R n, entonces para n 1:
28 28 CAPÍTULO 1. GRAFOS M[R n ] = M[R] M[R] M[R] } {{ } n veces Demostración. Por inducción finita: 1. Para n = 1 Como R 1 = R entonces M[R 1 ] = M[R] 2. Hipótesis inductiva: Supongamos para n = k válido el teorema 3. Probemos la validez del teorema para n = k + 1 (con ayuda de la hipótesis inductiva). Sea M[R] n n, X i,j M[R k+1 ] y Z i,j M[R k ] M[R]. Probemos que X i,j = 1 Z i,j = 1 1 X i,j = 1 Hipótesis auxiliar 2 Π(Π(v i, v j ) l(π) = k Π (Π (v i, v k ) R(v k, v j ) l(π ) = k) 4 R k (v i, v k ) R(v k, v j ) 5 Y i,k = 1 W k,j = 1, Y i,k M[R k ] W k,j M[R] 6 Y i,k W k,j = 1, 7 Z i,j = (Y i,1 W 1,j ) (Y i,k W k,j ) (Y i,n Y n,j ) = 1 8 M[R n ] = M[R] M[R] M[R] Por principio } {{ } n veces de inducción completa El retorno Z i,j = 1 = X i,j = 1 es inmediato de la demostración anterior Relación de conectividad general R La relación de conectividad general sobre un digrafo G, nos representa todos los caminos posibles sobre el digrafo. Definición 1.29 (Relación de conectividad general). Sea G =< V, R > un digrafo cualquiera, definimos en V la relación de conectividad general denotada por R :
Apuntes de Matemática Discreta 6. Relaciones
Apuntes de Matemática Discreta 6. Relaciones Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 6 Relaciones Contenido 6.1 Generalidades.....................................
Más detallesApuntes 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.....................................
Más detallesGRAFOS. 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
Más detallesApuntes de Matemática Discreta 7. Relaciones de Orden
Apuntes de Matemática Discreta 7. Relaciones de Orden Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 7 Relaciones de Orden Contenido
Más detallesNota 2. Luis Sierra. Marzo del 2010
Nota 2 Luis Sierra Marzo del 2010 Cada mecanismo de definición de conjuntos que hemos comentado sugiere mecanismos para definir funciones y probar propiedades. Recordemos brevemente qué son las funciones
Más detallesApuntes de Matemática Discreta 9. Funciones
Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y
Más detallesEstructuras algebraicas
Tema 2 Estructuras algebraicas básicas 2.1. Operación interna Definición 29. Dados tres conjuntos A, B y C, se llama ley de composición en los conjuntos A y B y resultado en el conjunto C, y se denota
Más detallesApuntes de Matemática Discreta 1. Conjuntos y Subconjuntos
Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 1 Conjuntos y Subconjuntos
Más detallesRelaciones binarias. ( a, b) = ( c, d) si y solamente si a = c y b = d
Relaciones binarias En esta sección estudiaremos formalmente las parejas de objetos que comparten algunas características o propiedades en común. La estructura matemática para agrupar estas parejas en
Más detallesDefinición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices Estructura del tema. Conceptos básicos y ejemplos Operaciones básicas con matrices Método de Gauss Rango de una matriz Concepto de matriz regular y propiedades Determinante asociado a una
Más detallesDivisibilidad y números primos
Divisibilidad y números primos Divisibilidad En muchos problemas es necesario saber si el reparto de varios elementos en diferentes grupos se puede hacer equitativamente, es decir, si el número de elementos
Más detallesGrupos. Subgrupos. Teorema de Lagrange. Operaciones.
1 Tema 1.-. Grupos. Subgrupos. Teorema de Lagrange. Operaciones. 1.1. Primeras definiciones Definición 1.1.1. Una operación binaria en un conjunto A es una aplicación α : A A A. En un lenguaje más coloquial
Más detallesRelaciones entre conjuntos
Relaciones entre conjuntos Parejas ordenadas El orden de los elementos en un conjunto de dos elementos no interesa, por ejemplo: {3, 5} = {5, 3} Por otra parte, una pareja ordenada consiste en dos elementos,
Más detallesPara representar los conjuntos, los elementos y la relación de pertenencia, mediante símbolos, tendremos en cuenta las siguientes convenciones:
2. Conjuntos 2.1 Introducción El concepto de conjunto, de singular importancia en la ciencia matemática y objeto de estudio de una de sus disciplinas más recientes, está presente, aunque en forma informal,
Más detalles1. Producto escalar, métrica y norma asociada
1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesIntroducción 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
Más detallesA estas alturas de nuestros conocimientos vamos a establecer dos reglas muy prácticas de cómo sumar dos números reales:
ADICIÓN Y RESTA DE NUMEROS REALES ADICIÓN L a adición o suma de números reales se representa mediante el símbolo más (+) y es considerada una operación binaria porque se aplica a una pareja de números,
Más detallesUn 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
Más detallesMódulo 9 Sistema matemático y operaciones binarias
Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional
Más detalles9.1 Primeras definiciones
Tema 9- Grupos Subgrupos Teorema de Lagrange Operaciones 91 Primeras definiciones Definición 911 Una operación binaria en un conjunto A es una aplicación α : A A A En un lenguaje más coloquial una operación
Más detallesTema 3. Espacios vectoriales
Tema 3. Espacios vectoriales Estructura del tema. Definición y propiedades. Ejemplos. Dependencia e independencia lineal. Conceptos de base y dimensión. Coordenadas Subespacios vectoriales. 0.1. Definición
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detallesPrograma para el Mejoramiento de la Enseñanza de la Matemática en ANEP Proyecto: Análisis, Reflexión y Producción. Fracciones
Fracciones. Las fracciones y los números Racionales Las fracciones se utilizan cotidianamente en contextos relacionados con la medida, el reparto o como forma de relacionar dos cantidades. Tenemos entonces
Más detallesOrden y estructuras algebraicas mediante nuevas tecnologías
Orden y estructuras algebraicas mediante nuevas tecnologías Miguel A. García-Muñoz, Carmen Ordóñez y Juan F. Ruiz Departamento de Matemáticas (Área de Álgebra). Universidad de Jaén. Campus Las Lagunillas
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesOperaciones Booleanas y Compuertas Básicas
Álgebra de Boole El álgebra booleana es la teoría matemática que se aplica en la lógica combinatoria. Las variables booleanas son símbolos utilizados para representar magnitudes lógicas y pueden tener
Más detallesESTRUCTURAS ALGEBRAICAS 1
ESTRUCTURAS ALGEBRAICAS Se da la relación entre dos conjuntos mediante el siguiente diagrama: (, ) (2, 3) (, 4) (, 2) (7, 8) (, ) (3, 3) (5, ) (6, ) (, 6)........ 5 6......... 2 5 i) Observa la correspondencia
Más detallesConjuntos, Relaciones y Grupos. Problemas de examen.
Conjuntos, Relaciones y Grupos. Problemas de examen. Mayo 2006 1. La función f es definida por (a) Halle el recorrido exacto, A, de f. f : R R donde f(x) = e senx 1. (b) (i) Explique por qué f no es inyectiva.
Más detallesFunciones, x, y, gráficos
Funciones, x, y, gráficos Vamos a ver los siguientes temas: funciones, definición, dominio, codominio, imágenes, gráficos, y algo más. Recordemos el concepto de función: Una función es una relación entre
Más detallesDatos del autor. Nombres y apellido: Germán Andrés Paz. Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina
Datos del autor Nombres y apellido: Germán Andrés Paz Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina Correo electrónico: germanpaz_ar@hotmail.com =========0========= Introducción
Más detallesMLM 1000 - Matemática Discreta
MLM 1000 - Matemática Discreta L. Dissett Clase 04 Resolución. Lógica de predicados c Luis Dissett V. P.U.C. Chile, 2003 Aspectos administrativos Sobre el tema vacantes: 26 personas solicitaron ingreso
Más detallesNúmeros Reales. MathCon c 2007-2009
Números Reales z x y MathCon c 2007-2009 Contenido 1. Introducción 2 1.1. Propiedades básicas de los números naturales....................... 2 1.2. Propiedades básicas de los números enteros........................
Más detallesIngeniería en Informática
Departamento de Informática Universidad Carlos III de Madrid Ingeniería en Informática Aprendizaje Automático Junio 2007 Normas generales del examen El tiempo para realizar el examen es de 3 horas No se
Más detallesLa nueva criba de Eratóstenes Efraín Soto Apolinar 1 F.I.M.E. U.A.N.L. San Nicolás, N.L. México. efrain@yalma.fime.uanl.mx
La nueva criba de Eratóstenes Efraín Soto Apolinar 1 F.I.M.E. U.A.N.L. San Nicolás, N.L. México. efrain@yalma.fime.uanl.mx Resumen Se dan algunas definiciones básicas relacionadas con la divisibilidad
Más detallesNotas de Clase. Prof. Juan Andrés Colmenares, M.Sc. Instituto de Cálculo Aplicado Facultad de Ingeniería Universidad del Zulia. 21 de febrero de 2004
Árboles Notas de Clase Prof. Juan Andrés Colmenares, M.Sc. Instituto de Cálculo Aplicado Facultad de Ingeniería Universidad del Zulia 21 de febrero de 2004 Índice 1. Definición 1 2. Términos Básicos 2
Más detallesAmpliación de Estructuras de Datos
Ampliación de Estructuras de Datos Amalia Duch Barcelona, marzo de 2007 Índice 1. Diccionarios implementados con árboles binarios de búsqueda 1 2. TAD Cola de Prioridad 4 3. Heapsort 8 1. Diccionarios
Más detallesÁlgebras de Boole. Juan Medina Molina. 25 de noviembre de 2003
Álgebras de Boole Juan Medina Molina 25 de noviembre de 2003 Introducción Abordamos en este tema el estudio de las álgebras de Boole. Este tema tiene una aplicación directa a la electrónica digital ya
Más detallesAnexo 1: Demostraciones
75 Matemáticas I : Álgebra Lineal Anexo 1: Demostraciones Espacios vectoriales Demostración de: Propiedades 89 de la página 41 Propiedades 89- Algunas propiedades que se deducen de las anteriores son:
Más detallesVII. Estructuras Algebraicas
VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación
Más detallesby Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true
by Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true I. FUNDAMENTOS 3. Representación de la información Introducción a la Informática Curso de Acceso a la Universidad
Más detalles1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0 1 0 0 0 0 1 1 0 1 1 0 0 0 1 1 1 1
5.1.3 Multiplicación de números enteros. El algoritmo de la multiplicación tal y como se realizaría manualmente con operandos positivos de cuatro bits es el siguiente: 1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0
Más detallesárbol como un conjunto de nodos y líneas
ÁRBOLES CAPÍTULO 6 ÁRBOLES Desde el punto de vista conceptual, un árbol es un objeto que comienza con una raíz (root) y se extiende en varias ramificaciones o líneas (edges), cada una de las cuales puede
Más detallesNÚMEROS NATURALES Y NÚMEROS ENTEROS
NÚMEROS NATURALES Y NÚMEROS ENTEROS Los números naturales surgen como respuesta a la necesidad de nuestros antepasados de contar los elementos de un conjunto (por ejemplo los animales de un rebaño) y de
Más detallesTEMA 2: Representación de la Información en las computadoras
TEMA 2: Representación de la Información en las computadoras Introducción Una computadora es una máquina que procesa información y ejecuta programas. Para que la computadora ejecute un programa, es necesario
Más detallesEspacios Vectoriales
Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................
Más detallesDefinición de vectores
Definición de vectores Un vector es todo segmento de recta dirigido en el espacio. Cada vector posee unas características que son: Origen: O también denominado Punto de aplicación. Es el punto exacto sobre
Más detallesPlan de mejora de las competencias lectoras en la ESO. PERFECTOS, AMIGOS Y GEMELOS
Plan de mejora de las competencias lectoras en la ESO. PERFECTOS, AMIGOS Y GEMELOS Las categorías en las que se clasifican los números enteros son numerosas y atienden a diversos criterios, siendo los
Más detalles1. Objetivos. 2. Idea Principal. Teoría de Autómatas y Lenguajes Formales. Boletín de Autoevaluación 3: Cómo se minimiza un AFD?.
Teoría de Autómatas y Lenguajes Formales Boletín de Autoevaluación 3: Cómo se minimiza un AFD?.. Objetivos. El objetivo de este boletín es ilustrar uno de los métodos ue permiten obtener el Autómata Finito
Más detallesUniversidad Católica del Maule. Fundamentos de Computación Especificación de tipos de datos ESPECIFICACIÓN ALGEBRAICA DE TIPOS DE DATOS
Especificación algebraica ESPECIFICACIÓN ALGEBRAICA DE TIPOS DE DATOS Un tipo abstracto de datos se determina por las operaciones asociadas, incluyendo constantes que se consideran como operaciones sin
Más detallesUNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES. OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano.
UNIDAD 4: PLANO CARTESIANO, RELACIONES Y FUNCIONES OBJETIVO DE APRENDIZAJE: Representar gráficamente relaciones y funciones en el plano cartesiano. EL PLANO CARTESIANO. El plano cartesiano está formado
Más detalles1. Se establecen los conceptos fundamentales (símbolos o términos no definidos).
1. ÁLGEBRA DE BOOLE. El álgebra de Boole se llama así debido a George Boole, quien la desarrolló a mediados del siglo XIX. El álgebra de Boole denominada también álgebra de la lógica, permite prescindir
Más detallesLÍMITES Y CONTINUIDAD DE FUNCIONES
Capítulo 9 LÍMITES Y CONTINUIDAD DE FUNCIONES 9.. Introducción El concepto de ite en Matemáticas tiene el sentido de lugar hacia el que se dirige una función en un determinado punto o en el infinito. Veamos
Más detallesEstructuras de Control - Diagrama de Flujo
RESOLUCIÓN DE PROBLEMAS Y ALGORITMOS Ingeniería en Computación Ingeniería en Informática UNIVERSIDAD NACIONAL DE SAN LUIS DEPARTAMENTO DE INFORMÁTICA AÑO 2015 Índice 1. Programación estructurada 2 1.1.
Más detallesSubespacios vectoriales en R n
Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo
Más detallesJuan Antonio González Mota Profesor de Matemáticas del Colegio Juan XIII Zaidín de Granada
FUNCIONES CONTINUAS. La mayor parte de las funciones que manejamos, a nivel elemental, presentan en sus gráficas una propiedad característica que es la continuidad. La continuidad de una función definida
Más detallespersonal.us.es/elisacamol Elisa Cañete Molero Curso 2011/12
Teoría de conjuntos. Teoría de Conjuntos. personal.us.es/elisacamol Curso 2011/12 Teoría de Conjuntos. Teoría de conjuntos. Noción intuitiva de conjunto. Propiedades. Un conjunto es la reunión en un todo
Más detallesEspacios generados, dependencia lineal y bases
Espacios generados dependencia lineal y bases Departamento de Matemáticas CCIR/ITESM 14 de enero de 2011 Índice 14.1. Introducción............................................... 1 14.2. Espacio Generado............................................
Más detallesNotemos que un camino puede repetir aristas y vértices, es decir, pasar varias veces por las mismas aristas y los mismo vértices.
Algo de conexidad... Definición 1. Un camino C entre los vértices u y v de una gráfica G es una sucesión de vértices de G, C = (x 0, x 2,..., x k ), tal que: u = x 0 ; v = x k y x i esadyacente a x i+1
Más detalles1. (2 puntos) En la V Caminata Madrileño Manchega, los participantes caminan de Madrid
Matemática Discreta Segundo de Ingeniería Informática UAM Curso 2006-2007 Solucionario del examen final del 26-1-2007 Nota bene: A continuación exhibimos algunas de las distintas maneras de abordar los
Más detallesTABLA DE DECISION. Consideremos la siguiente tabla, expresada en forma genérica, como ejemplo y establezcamos la manera en que debe leerse.
TABLA DE DECISION La tabla de decisión es una herramienta que sintetiza procesos en los cuales se dan un conjunto de condiciones y un conjunto de acciones a tomar según el valor que toman las condiciones.
Más detallesEjemplo 1.2 En el capitulo anterior se demostró que el conjunto. V = IR 2 = {(x, y) : x, y IR}
Subespacios Capítulo 1 Definición 1.1 Subespacio Sea H un subconjunto no vacio de un espacio vectorial V K. Si H es un espacio vectorial sobre K bajo las operaciones de suma y multiplicación por escalar
Más detallesNÚMERO REAL. 1. Axiomas de cuerpo y propiedades operatorias. Axioma 2 La suma es asociativa:
NÚMERO REAL El conjunto de los números racionales se nos hace insuficiente a la hora de representar con exactitud magnitudes tan reales como la diagonal de un cuadrado cuyo lado mida 1, por ejemplo, o
Más detallesTalento Matemático 2002/2003. Real Academia de Ciencias
Volvemos al hermoso tema de la simetría. Además de la imágenes de multitud de objetos y de seres vivos que poseen simetrías recuerdas en qué consistía una simetría desde el punto de vista matemático?,
Más detallesSemana 08 [1/15] Axioma del Supremo. April 18, 2007. Axioma del Supremo
Semana 08 [1/15] April 18, 2007 Acotamiento de conjuntos Semana 08 [2/15] Cota Superior e Inferior Antes de presentarles el axioma del supremo, axioma de los números reales, debemos estudiar una serie
Más detallesEstas visiones de la información, denominadas vistas, se pueden identificar de varias formas.
El primer paso en el diseño de una base de datos es la producción del esquema conceptual. Normalmente, se construyen varios esquemas conceptuales, cada uno para representar las distintas visiones que los
Más detallesINTRODUCCION A LA LÓGICA DE ENUNCIADOS
INTRODUCCION A LA LÓGICA DE ENUNCIADOS Carlos S. Chinea 0. Enunciados: Lo fundamental en el lenguaje ordinario, la herramienta para manifestar las ideas, sentimientos, descripción de situaciones diversas,
Más detalles1. Números Reales 1.1 Clasificación y propiedades
1. Números Reales 1.1 Clasificación y propiedades 1.1.1 Definición Número real, cualquier número racional o irracional. Los números reales pueden expresarse en forma decimal mediante un número entero,
Más detallesMateria: Informática. Nota de Clases Sistemas de Numeración
Nota de Clases Sistemas de Numeración Conversión Entre Sistemas de Numeración 1. EL SISTEMA DE NUMERACIÓN 1.1. DEFINICIÓN DE UN SISTEMA DE NUMERACIÓN Un sistema de numeración es un conjunto finito de símbolos
Más detallesTablas. Estas serán las tablas que usaremos en la mayoría de ejemplos. Empleado
Álgebra Relacional Un álgebra es un sistema matemático constituido por Operandos: objetos (valores o variables) desde los cuales nuevos objetos pueden ser construidos. Operadores: símbolos que denotan
Más detalles3. Equivalencia y congruencia de matrices.
3. Equivalencia y congruencia de matrices. 1 Transformaciones elementales. 1.1 Operaciones elementales de fila. Las operaciones elementales de fila son: 1. H ij : Permuta la fila i con la fila j. 2. H
Más detallesCómo?: Resolviendo el sistema lineal homógeneo que satisfacen las componentes de cualquier vector de S. x4 = x 1 x 3 = x 2 x 1
. ESPACIOS VECTORIALES Consideremos el siguiente subconjunto de R 4 : S = {(x, x 2, x 3, x 4 )/x x 4 = 0 x 2 x 4 = x 3 a. Comprobar que S es subespacio vectorial de R 4. Para demostrar que S es un subespacio
Más detallesEscenas de episodios anteriores
Clase 16/10/2013 Tomado y editado de los apuntes de Pedro Sánchez Terraf Escenas de episodios anteriores objetivo: estudiar formalmente el concepto de demostración matemática. caso de estudio: lenguaje
Más detallesESTRUCTURA DE DATOS: ARREGLOS
ESTRUCTURA DE DATOS: ARREGLOS 1. Introduccion 2. Arreglos - Concepto - Caracteristicas 3. Arreglos Unidimensionales 4. Arreglos Bidimensionales 5. Ventajas del uso de arreglos 6. Ejemplo 1. Introducción
Más detallesLABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL
OBJETIVO Mejorar el nivel de comprensión y el manejo de las destrezas del estudiante para utilizar formulas en Microsoft Excel 2010. 1) DEFINICIÓN Una fórmula de Excel es un código especial que introducimos
Más detallesSISTEMAS DE NUMERACIÓN. Sistema decimal
SISTEMAS DE NUMERACIÓN Sistema decimal Desde antiguo el Hombre ha ideado sistemas para numerar objetos, algunos sistemas primitivos han llegado hasta nuestros días, tal es el caso de los "números romanos",
Más detallesOperaciones Morfológicas en Imágenes Binarias
Operaciones Morfológicas en Imágenes Binarias Introducción La morfología matemática es una herramienta muy utilizada en el procesamiento de i- mágenes. Las operaciones morfológicas pueden simplificar los
Más detallesUNIDAD 1. LOS NÚMEROS ENTEROS.
UNIDAD 1. LOS NÚMEROS ENTEROS. Al final deberás haber aprendido... Interpretar y expresar números enteros. Representar números enteros en la recta numérica. Comparar y ordenar números enteros. Realizar
Más detallesCapítulo 1 Lenguajes formales 6
Capítulo 1 Lenguajes formales 6 1.8. Operaciones entre lenguajes Puesto que los lenguajes sobre Σ son subconjuntos de Σ, las operaciones usuales entre conjuntos son también operaciones válidas entre lenguajes.
Más detallesUNIDAD I: LÓGICA PROPOSICIONAL
UNIDAD I: LÓGICA PROPOSICIONAL ASIGNATURA: INTRODUCCIÓN A LA COMPUTACIÓN CARRERAS: LICENCIATURA Y PROFESORADO EN CIENCIAS DE LA COMPUTACIÓN DEPARTAMENTO DE INFORMÁTICA FACULTAD DE CIENCIAS FÍSICO MATEMÁTICA
Más detallesLA DUALIDAD PAR-IMPAR. 1. En una reunión de 25 personas. Puede ser que cada una se salude dándose la mano con todas las demás excepto con una?
NOTAS Un sencillo principio matemático que da mucho más juego del que parece a primera vista es la simple distinción entre los números pares e impares. Conviene tener presente las siguientes propiedades,
Más detalles4 APLICACIONES LINEALES. DIAGONALIZACIÓN
4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos
Más detallesEjemplos: Sean los conjuntos: A = { aves} B = { peces } C = { anfibios }
La Teoría de Conjuntos es una teoría matemática, que estudia básicamente a un cierto tipo de objetos llamados conjuntos y algunas veces, a otros objetos denominados no conjuntos, así como a los problemas
Más detallesComplejidad - 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
Más detallesIngeniería del Software I Clase de Testing Funcional 2do. Cuatrimestre de 2007
Enunciado Se desea efectuar el testing funcional de un programa que ejecuta transferencias entre cuentas bancarias. El programa recibe como parámetros la cuenta de origen, la de cuenta de destino y el
Más detallesProgramación Genética
Programación Genética Programación Genética consiste en la evolución automática de programas usando ideas basadas en la selección natural (Darwin). No sólo se ha utilizado para generar programas, sino
Más detallesRegistro (record): es la unidad básica de acceso y manipulación de la base de datos.
UNIDAD II 1. Modelos de Bases de Datos. Modelo de Red. Representan las entidades en forma de nodos de un grafo y las asociaciones o interrelaciones entre estas, mediante los arcos que unen a dichos nodos.
Más detallesMatrices. Definiciones básicas de matrices. www.math.com.mx. José de Jesús Angel Angel. jjaa@math.com.mx
Matrices Definiciones básicas de matrices wwwmathcommx José de Jesús Angel Angel jjaa@mathcommx MathCon c 2007-2008 Contenido 1 Matrices 2 11 Matrices cuadradas 3 12 Matriz transpuesta 4 13 Matriz identidad
Más detallesÍndice Introducción Números Polinomios Funciones y su Representación. Curso 0: Matemáticas y sus Aplicaciones Tema 1. Números, Polinomios y Funciones
Curso 0: Matemáticas y sus Aplicaciones Tema 1. Números, Polinomios y Funciones Leandro Marín Dpto. de Matemática Aplicada Universidad de Murcia 2012 1 Números 2 Polinomios 3 Funciones y su Representación
Más detalles_ Antología de Física I. Unidad II Vectores. Elaboró: Ing. Víctor H. Alcalá-Octaviano
24 Unidad II Vectores 2.1 Magnitudes escalares y vectoriales Unidad II. VECTORES Para muchas magnitudes físicas basta con indicar su valor para que estén perfectamente definidas y estas son las denominadas
Más detallesMATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS
Tema 1.- MATRICES MATRICES PRODUCTO DE MATRICES POTENCIAS NATURALES DE MATRICES CUADRADAS Fundamentos Matemáticos de la Ingeniería 1 Un poco de historia Lord Cayley es uno de los fundadores de la teoría
Más detallesESTRUCTURAS ALGEBRAICAS
ESTRUCTURAS ALGEBRAICAS Se ha trabajado con números complejos, polinomio y matrices y hemos efectuado con ellos ciertas operaciones: sin embargo no todas las operaciones se comportan de la misma manera,
Más detallesÁrboles AVL. Laboratorio de Programación II
Árboles AVL Laboratorio de Programación II Definición Un árbol AVL es un árbol binario de búsqueda que cumple con la condición de que la diferencia entre las alturas de los subárboles de cada uno de sus
Más detallesGeometría Tridimensional
Capítulo 4 Geometría Tridimensional En dos dimensiones trabajamos en el plano mientras que en tres dimensiones trabajaremos en el espacio, también provisto de un sistema de coordenadas. En el espacio,
Más detallesCurso de Procesamiento Digital de Imágenes
Curso de Procesamiento Digital de Imágenes Impartido por: Elena Martínez Departamento de Ciencias de la Computación IIMAS, UNAM, cubículo 408 http://turing.iimas.unam.mx/~elena/teaching/pdi-lic.html elena.martinez@iimas.unam.mx
Más detallesCURSO CERO. Departamento de Matemáticas. Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre
CURSO CERO Departamento de Matemáticas Profesor: Raúl Martín Martín Sesiones 18 y 19 de Septiembre Capítulo 1 La demostración matemática Demostración por inducción El razonamiento por inducción es una
Más detallesUn problema sobre repetidas apuestas al azar
Un problema sobre repetidas apuestas al azar Eleonora Catsigeras 1 10 de marzo de 2003. Resumen En estas notas se da el enunciado y una demostración de un conocido resultado sobre la probabilidad de éxito
Más detallesAplicaciones Lineales
Aplicaciones Lineales Concepto de aplicación lineal T : V W Definición: Si V y W son espacios vectoriales con los mismos escalares (por ejemplo, ambos espacios vectoriales reales o ambos espacios vectoriales
Más detallesLa práctica del análisis de correspondencias
La práctica del análisis de correspondencias MICHAEL GREENACRE Catedrático de Estadística en la Universidad Pompeu Fabra Separata del capítulo 18 Análisis de correspondencias múltiples Primera edición:
Más detallesObjetivos: Al inalizar la unidad, el alumno:
Unidad 7 transformaciones lineales Objetivos: Al inalizar la unidad, el alumno: Comprenderá los conceptos de dominio e imagen de una transformación. Distinguirá cuándo una transformación es lineal. Encontrará
Más detalles