Coloreo de Grafos. Algoritmos y Estructuras de Datos III
|
|
- Claudia Jiménez Pinto
- hace 6 años
- Vistas:
Transcripción
1 Coloreo de Grafos Algoritmos y Estructuras de Datos III
2 Coloreo de nodos Definiciones: Un coloreo (válido) de los nodos de un grafo G = (V, X ) es una asignación f : V C, tal que f (v) f (u) (u, v) E. Los elementos de C son llamados colores. Muchas veces los colores son enteros positivos. Para todo entero positvo k, un k-coloreo de G es un coloreo de los nodos de G que usa exactamente k colores. Un grafo G se dice k-coloreable si existe un k-coloreo de G. El número cromático de G, χ(g), es el menor número de colores necesarios para colorear los nodos de G. Un grafo G se dice k-cromático si χ(g) = k.
3 Coloreo de nodos Ejemplos: χ(k n ) =
4 Coloreo de nodos Ejemplos: χ(k n ) = n. Si G es un grafo bipartito con m > 0, entonces χ(g) =
5 Coloreo de nodos Ejemplos: χ(k n ) = n. Si G es un grafo bipartito con m > 0, entonces χ(g) = 2. Si H 2k es un circuito simple par, entonces χ(h 2k ) =
6 Coloreo de nodos Ejemplos: χ(k n ) = n. Si G es un grafo bipartito con m > 0, entonces χ(g) = 2. Si H 2k es un circuito simple par, entonces χ(h 2k ) = 2. Si H 2k+1 es un circuito simple impar, entonces χ(h 2k+1 ) =
7 Coloreo de nodos Ejemplos: χ(k n ) = n. Si G es un grafo bipartito con m > 0, entonces χ(g) = 2. Si H 2k es un circuito simple par, entonces χ(h 2k ) = 2. Si H 2k+1 es un circuito simple impar, entonces χ(h 2k+1 ) = 3. Si T es un árbol con n > 1, entonces χ(t ) =
8 Coloreo de nodos Ejemplos: χ(k n ) = n. Si G es un grafo bipartito con m > 0, entonces χ(g) = 2. Si H 2k es un circuito simple par, entonces χ(h 2k ) = 2. Si H 2k+1 es un circuito simple impar, entonces χ(h 2k+1 ) = 3. Si T es un árbol con n > 1, entonces χ(t ) = 2.
9 Cotas para χ Proposición: Si H es un subgrafo de G entonces χ(h) χ(g).
10 Cotas para χ Proposición: Si H es un subgrafo de G entonces χ(h) χ(g). Definición: Una clique en un grafo es un subgrafo completo maximal. El número clique ω(g) de un grafo es el número de nodos de una clique máxima de G.
11 Cotas para χ Proposición: Si H es un subgrafo de G entonces χ(h) χ(g). Definición: Una clique en un grafo es un subgrafo completo maximal. El número clique ω(g) de un grafo es el número de nodos de una clique máxima de G. Proposición: Para cualquier grafo G, χ(g) ω(g).
12 Cotas para χ Proposición: Si H es un subgrafo de G entonces χ(h) χ(g). Definición: Una clique en un grafo es un subgrafo completo maximal. El número clique ω(g) de un grafo es el número de nodos de una clique máxima de G. Proposición: Para cualquier grafo G, χ(g) ω(g). u 3 u 5 u 4
13 Cotas para χ Proposición: Si H es un subgrafo de G entonces χ(h) χ(g). Definición: Una clique en un grafo es un subgrafo completo maximal. El número clique ω(g) de un grafo es el número de nodos de una clique máxima de G. Proposición: Para cualquier grafo G, χ(g) ω(g). χ(g) 3 u 3 ω(g) 3 u 5 u 4
14 Cotas para χ Proposición: Si H es un subgrafo de G entonces χ(h) χ(g). Definición: Una clique en un grafo es un subgrafo completo maximal. El número clique ω(g) de un grafo es el número de nodos de una clique máxima de G. Proposición: Para cualquier grafo G, χ(g) ω(g). χ(g) 3 u 3 ω(g) 3 u 5 u 4 χ(g) = 3
15 Cotas para χ Proposición: Si H es un subgrafo de G entonces χ(h) χ(g). Definición: Una clique en un grafo es un subgrafo completo maximal. El número clique ω(g) de un grafo es el número de nodos de una clique máxima de G. Proposición: Para cualquier grafo G, χ(g) ω(g). χ(g) 3 u 3 ω(g) 3 u 5 u 4 χ(g) = 3 Es buena esta cota?
16 Grafos de Mycielski Definición (por inducción): 1. M 1 = K 1 2. M 2 = K 2 3. Para i 2, M i+1 se construye a partir de M i de la siguiente forma: Si Mi tiene p nodos, v 1,..., v p, M i+1 tendrá 2p + 1 nodos, v 1,..., v p,,..., u p, w, donde u i es copia de v i. El conjunto de aristas de Mi+1 tendrá todas las aristas de M i, las aristas uniendo u i con los vecinos de v i en M i y las aristas uniendo w con cada u i.
17 Grafos de Mycielski M 2 v 1 v 2
18 Grafos de Mycielski M 3 v 2 M 2 v 1 v 2 v 1 w
19 Grafos de Mycielski M 3 v 2 M 2 v 1 v 2 v 1 w
20 Grafos de Mycielski M 3 v 2 M 2 v 1 v 2 v 1 w
21 Grafos de Mycielski v 2 M 3 v 2 M 4 M 2 v 1 v 2 v 1 v 1 u 3 v 3 w w u 5 u 4 v 5 v 4
22 Grafos de Mycielski v 2 M 3 v 2 M 4 M 2 v 1 v 2 v 1 v 1 u 3 v 3 w w u 5 u 4 v 5 v 4
23 Grafos de Mycielski v 2 M 3 v 2 M 4 M 2 v 1 v 2 v 1 v 1 u 3 v 3 w w u 5 u 4 v 5 v 4
24 Grafos de Mycielski v 2 M 3 v 2 M 4 M 2 v 1 v 2 v 1 v 1 u 3 v 3 w w u 5 u 4 v 5 v 4
25 Grafos de Mycielski v 2 M 3 v 2 M 4 M 2 v 1 v 2 v 1 v 1 u 3 v 3 w w u 5 u 4 v 5 v 4 Cuál es el número cromático de M i?
26 Grafos de Mycielski v 2 M 3 v 2 M 4 M 2 v 1 v 2 v 1 v 1 u 3 v 3 w w u 5 u 4 v 5 v 4 Cuál es el número cromático de M i?
27 Grafos de Mycielski v 2 M 3 v 2 M 4 M 2 v 1 v 2 v 1 v 1 u 3 v 3 w w u 5 u 4 v 5 v 4 Cuál es el número cromático de M i?
28 Grafos de Mycielski v 2 M 3 v 2 M 4 M 2 v 1 v 2 v 1 v 1 u 3 v 3 w w u 5 u 4 v 5 v 4 Cuál es el número cromático de M i?
29 Grafos de Mycielski v 2 M 3 v 2 M 4 M 2 v 1 v 2 v 1 v 1 u 3 v 3 w w u 5 u 4 v 5 v 4 Cuál es el número cromático de M i?
30 Grafos de Mycielski v 2 M 3 v 2 M 4 M 2 v 1 v 2 v 1 v 1 u 3 v 3 w w u 5 u 4 v 5 v 4 Cuál es el número cromático de M i?
31 Grafos de Mycielski v 2 M 3 v 2 M 4 M 2 v 1 v 2 v 1 v 1 u 3 v 3 w w u 5 u 4 v 5 v 4 Cuál es el número cromático de M i?
32 Grafos de Mycielski v 2 M 3 v 2 M 4 M 2 v 1 v 2 v 1 v 1 u 3 v 3 w w u 5 u 4 v 5 v 4 Cuál es el número cromático de M i?
33 Grafos de Mycielski v 2 M 3 v 2 M 4 M 2 v 1 v 2 v 1 v 1 u 3 v 3 w w u 5 u 4 v 5 v 4 Cuál es el número cromático de M i? χ(m i ) = i
34 Grafos de Mycielski v 2 M 3 v 2 M 4 M 2 v 1 v 2 v 1 v 1 u 3 v 3 w w u 5 u 4 v 5 v 4 Cuál es el número cromático de M i? χ(m i ) = i Cuál es la clique máxima de M i?
35 Grafos de Mycielski v 2 M 3 v 2 M 4 M 2 v 1 v 2 v 1 v 1 u 3 v 3 w w u 5 u 4 v 5 v 4 Cuál es el número cromático de M i? χ(m i ) = i Cuál es la clique máxima de M i? ω(m i ) = 2
36 Cotas para χ Proposición: Si (G) es el grado máximo de G entonces χ(g) (G) + 1.
37 Cotas para χ Proposición: Si (G) es el grado máximo de G entonces χ(g) (G) + 1. Teorema (Brooks): Sea G un grafo conexo que no es un circuito impar ni un grafo completo. Entonces χ(g) (G).
38 Cotas para χ Proposición: Si (G) es el grado máximo de G entonces χ(g) (G) + 1. Teorema (Brooks): Sea G un grafo conexo que no es un circuito impar ni un grafo completo. Entonces χ(g) (G). Son buenas estas cotas?
39 Cotas para χ Proposición: Si (G) es el grado máximo de G entonces χ(g) (G) + 1. Teorema (Brooks): Sea G un grafo conexo que no es un circuito impar ni un grafo completo. Entonces χ(g) (G). Son buenas estas cotas? K 1,5 u u 3 u 5 u 4
40 Cotas para χ Proposición: Si (G) es el grado máximo de G entonces χ(g) (G) + 1. Teorema (Brooks): Sea G un grafo conexo que no es un circuito impar ni un grafo completo. Entonces χ(g) (G). Son buenas estas cotas? K 1,5 χ(k 1,n ) = 2 u u 3 (K 1,n ) = n u 5 u 4
41 Cotas para χ Lema 1: En todo (G)-coloreo de G v, los vecinos de v en G usan todos los colores y d G (v) = (G) v V.
42 Cotas para χ Lema 1: En todo (G)-coloreo de G v, los vecinos de v en G usan todos los colores y d G (v) = (G) v V. Sean N(v) = {v 1,..., v (G) } los vecinos de v y consideremos un (G)-coloreo de G v donde el nodo v i es pintado con color i. Para i j, sea H ij el subgrafo inducido por los nodos de G v pintados con colores i o j en ese (G)-coloreo.
43 Cotas para χ Lema 1: En todo (G)-coloreo de G v, los vecinos de v en G usan todos los colores y d G (v) = (G) v V. Sean N(v) = {v 1,..., v (G) } los vecinos de v y consideremos un (G)-coloreo de G v donde el nodo v i es pintado con color i. Para i j, sea H ij el subgrafo inducido por los nodos de G v pintados con colores i o j en ese (G)-coloreo. Lema 2: v i y v j pertenecen a la misma componente conexa de H ij
44 Cotas para χ Lema 1: En todo (G)-coloreo de G v, los vecinos de v en G usan todos los colores y d G (v) = (G) v V. Sean N(v) = {v 1,..., v (G) } los vecinos de v y consideremos un (G)-coloreo de G v donde el nodo v i es pintado con color i. Para i j, sea H ij el subgrafo inducido por los nodos de G v pintados con colores i o j en ese (G)-coloreo. Lema 2: v i y v j pertenecen a la misma componente conexa de H ij Lema 3: Si P ij es la componente conexa de H ij que contiene a v i y a v j, entonces P ij es un camino en H ij.
45 Cotas para χ Lema 1: En todo (G)-coloreo de G v, los vecinos de v en G usan todos los colores y d G (v) = (G) v V. Sean N(v) = {v 1,..., v (G) } los vecinos de v y consideremos un (G)-coloreo de G v donde el nodo v i es pintado con color i. Para i j, sea H ij el subgrafo inducido por los nodos de G v pintados con colores i o j en ese (G)-coloreo. Lema 2: v i y v j pertenecen a la misma componente conexa de H ij Lema 3: Si P ij es la componente conexa de H ij que contiene a v i y a v j, entonces P ij es un camino en H ij. Lema 4: P ij P ik = {v i }, para colores i j k.
46 Problema de los cuatro colores Teorema de los 4 colores (Appel, Haken, 1976): Si G es un grafo planar, entonces χ(g) 4. Teorema (Heawood, 1890): Si G es un grafo planar, entonces χ(g) 5.
47 Algoritmos para coloreo de grafos Problema difícil, computacionalmente no resuelto. Hay muchísimo trabajo en desarrollo de algoritmos, especialmente heurísticas para coloreo de grafos.
48 Algoritmo (heurística) secuencial (S) Entrada: Un grafo G con un orden en los nodos v 1,..., v n. f (v 1 ) := 1 para i = 2, 3,..., n hacer f (v i ) = mín{h / h 1 y f (v j ) h (v j, v i ) E, 1 j i 1} retornar coloreo definido por f
49 Algoritmo secuencial (S) Definimos u S (G, v 1, v 2,..., v n ) = máx 1 i n mín{i, d(v i) + 1}. Proposición: Si χ S (G) es el número de colores usado por el algoritmo secuencial para colorear G cuando los nodos son considerados en el orden v 1,..., v n, entonces χ(g) χ S (G) u S (G, v 1, v 2,..., v n ). Importa el orden en que se colorean los nodos con el algoritmo secuencial?
50 Algoritmo secuencial (LFS) Orden Largest First (LF): los nodos son ordenados de mayor grado a menor grado, d( ) d( )... d(u n ). Proposición: Si u LF (G) = u S (G,,,..., u n ) donde,,..., u n están ordenados según LF. Entonces u LF (G) mín u S (G, v 1, v 2,..., v n ) donde el mínimo está tomado sobre todos los ordenes posibles, v 1,..., v n. Esto implica que siempre el algoritmo secuencial da un resultado mejor si se usa LF?
51 Algoritmo secuencial Otra cota (mejor) para el número de colores usados por el algoritmo secuencial es: u S (G, v 1, v 2,..., v n ) = 1 + máx 1 i n {d G i (v i )} donde d Gi (v i ) es el grado del nodo v i en el grafo inducido por v 1, v 2,..., v i.
52 Algoritmo secuencial (SLS) Orden Smallest Last (SL): 1. poner como v n el nodo de mínimo grado de G. 2. para i = n 1,..., 1 poner como v i el nodo de grado mínimo en el subgrafo de G inducido por V \ {v n, v n 1,..., v i+1 }. Definimos u SL (G) = 1 + máx 1 i n mín 1 j i {d G i (v j )} donde d Gi (v j ) es el grado del nodo v j en el grafo inducido por V \ {v n, v n 1,..., v i+1 }.
53 Algoritmo secuencial - Cotas Se puede demostrar (ejercicio) que: u S (G) u S(G) para cualquier orden de los nodos. χ SL (G) u SL (G). u SL (G) u LF (G). SLS colorea un grafo planar con 6 colores o menos. Son buenas estas cotas?
54 Algoritmo secuencial con intercambio (SI) Supongamos que tenemos un coloreo parcial de G, donde los nodos v 1,..., v i 1 ya han sido coloredos y es el turno de colorear a v i. Si todos los colores ya utilizados están en la vecindad de v i, será necesario utilizar un nuevo color.
55 Algoritmo secuencial con intercambio (SI) Supongamos que tenemos un coloreo parcial de G, donde los nodos v 1,..., v i 1 ya han sido coloredos y es el turno de colorear a v i. Si todos los colores ya utilizados están en la vecindad de v i, será necesario utilizar un nuevo color. Si existen p y q dos colores utilizados en el coloreo parcial, tal que en todas las componenetes conexas de H pq los nodos adyacentes a v i tienen el mismo color, podemos intercambiar los colores p y q en las componentes de H pq con nodos adyacentes a v i con color p. De esta manera, obtendremos un coloreo parcial de G con el color p no utilizado en la vecindad de v i.
56 Algoritmo secuencial con intercambio (SI) Supongamos que tenemos un coloreo parcial de G, donde los nodos v 1,..., v i 1 ya han sido coloredos y es el turno de colorear a v i. Si todos los colores ya utilizados están en la vecindad de v i, será necesario utilizar un nuevo color. Si existen p y q dos colores utilizados en el coloreo parcial, tal que en todas las componenetes conexas de H pq los nodos adyacentes a v i tienen el mismo color, podemos intercambiar los colores p y q en las componentes de H pq con nodos adyacentes a v i con color p. De esta manera, obtendremos un coloreo parcial de G con el color p no utilizado en la vecindad de v i. Este procedimiento se llama p, q-intercambio.
57 Algoritmo secuencial con intercambio (SI) f (v 1 ) := 1, k := 1 para i = 2, 3,..., n hacer g := mín{h/h 1 y f (v j ) h (v j, v i ) E, 1 j i 1} si g k entonces f (v i ) := g sino si existen 1 p < q k, tales que un p, q-intercambio libera p entonces realizar el p, q-intercambio f (v i ) := p sino f (v i ) := g, k := k + 1
58 Algoritmo secuencial con intercambio (SI) Es siempre mejor el algoritmo SI que el algoritmo S?
59 Algoritmo secuencial con intercambio (SI) Es siempre mejor el algoritmo SI que el algoritmo S? No, generando grafos al azar se han encontrado algunos ejemplos complicados donde SI usa más colores que S. Se puede demostrar que: SI colorea un grafo bipartito con 2 colores (ejercicio). SI con el ordenamiento SL colorea un grafo planar con 5 colores como máximo.
60 Algoritmo secuencial con bracktracking (exacto) v 1, v 2,..., v n ordenamiento de los nodos de G. U i = conjunto de colores posibles para el nodo v i, una vez que han sido coloreados v 1, v 2...v i 1. Si l i 1 es el máximo color usado para v 1,..., v i 1 y sólo buscamos coloreos óptimos, evitando coloreos equivalentes, j U i se verifica que: j no es color asignado a un vecino de vi ya coloreado j d(vi ) j l i si ya se encontró un coloreo del grafo con q colores entonces j q 1
61 Algoritmo secuencial con bracktracking (exacto) Con estas restricciones se hace una búsqueda completa. En el árbol de búsqueda se abre una rama a partir de cada nodo (correspondiente a un coloreo de v 1,..., v i 1 ), para cada elemento de U i. Se avanza por las ramas coloreando los siguientes nodos hasta que ocurre alguna de las siguientes situaciones: 1. se llegó a un nodo con U i = : a partir de esta situación se hace backtracking a partir de v i se coloreó v n : se encontró un nuevo coloreo del grafo, hay que actualizar q y hacer backtracking.
62 Algoritmo secuencial con bracktracking (exacto) q: cantidad de colores usados en la mejor solución encontrada hasta el momento. k: nodo siendo considerado. l: cantidad de colores utilizados en la solución parcial actual. l k : l para el nodo v k. cotainf : cota inferior para el número cromático del grafo.
63 Algoritmo secuencial con bracktracking (exacto) f (v 1 ) := 1, q := n + 1, k := 1, l := 1 avanzar := VERDADERO repetir si avanzar k := k + 1, l k := l, determinar U k si U k = avanzar := FALSO, k := k 1, l := l k sino j := mín U k, U k := U k \ {j}, f (v k ) := j si j > l entonces l := l + 1 si k < n entonces avanzar := VERDADERO sino almacenar la nueva solución encontrar el menor i tal que f (v i ) = l borrar l, l + 1,..., q 1 de U 1,..., U i 1 q := l, l := q 1, k := i 1 avanzar := FALSO hasta k = 1 o q = cotainf
64 Coloreo es NP-completo A partir de un algoritmo de backtracking para coloreo es fácil construir una NDTM para el problema de coloreo, por lo tanto está en NP.
65 Coloreo es NP-completo A partir de un algoritmo de backtracking para coloreo es fácil construir una NDTM para el problema de coloreo, por lo tanto está en NP. Para probar que coloreo es NP-completo, vamos entonces a reducir SAT a coloreo.
66 Coloreo es NP-completo A partir de un algoritmo de backtracking para coloreo es fácil construir una NDTM para el problema de coloreo, por lo tanto está en NP. Para probar que coloreo es NP-completo, vamos entonces a reducir SAT a coloreo. Tomemos una instancia genérica de SAT ϕ = C 1 C m. Vamos a construir un grafo G y determinar un número k de manera que ϕ sea satisfactible si y sólo si G se puede colorear con k-colores.
67 Reducción de SAT a coloreo G tiene: V 1 : un vértice por cada variable negada y afirmada, todos adyacentes entre si. V 2 : un vértice por cada cláusula, adyacente a los literales de V 1 que no aparecen en la cláusula. V 3 : otro vértice por cada variable, adyacente a todo V 2 y a los literales de V 1 correspondientes a otras variables. k = dos veces la cantidad de variables. ϕ = (x 1 x 2 x 3 ) (x 2 x 3 ) x 1 x 1 x 2 x 2 x 3 x 3 completo Queda como ejercicio escribir formalmente la reducción y demostrar que es una reducción polinomial de SAT a coloreo. C 1 C 2 G x 1 x 2 x 3 k=6
68 Reducción de SAT a coloreo ϕ = (x 1 x 2 x 3 ) (x 2 x 3 ) x 1 completo G x 1 x 2 x 2 x 3 x 3 C 1 C 2 x 1 x 2 x 3 k=6
69 Coloreo de aristas Definiciones: Un coloreo válido de las aristas de un grafo G es un asignación de colores a las mismas en la cual dos aristas que tienen un nodo en común no tengan el mismo color. El índice cromático χ (G) de un grafo G es el menor número de colores con que se pueden colorear las aristas de un grafo. Teorema de Vizing: Para todo grafo G se verifica que (G) χ (G) (G) + 1.
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
Más detallesPráctica 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
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 detallesCaminos 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
Más detallesAlgoritmos 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)
Más detallesSeparadores 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
Más detallesPintar mapas, organizar fiestas... en el fondo, es sólo teoría de grafos
Pintar mapas, organizar fiestas... en el fondo, es sólo teoría de grafos Grupo de Teoría de Grafos Departamento de Computación FCEyN - UBA Charla de Borrachos Noviembre 2004 Qué es un grafo? Un grafo está
Más detallesTeoría 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 = {,,,,
Más detallesRuta 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
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 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 detallesCLASIFICACIÓN DE PROBLEMAS
UNIVERSIDAD NACIONAL DE SANTIAGO DEL ESTERO Facultad de Ciencias Exactas y Tecnologías Licenciatura en Sistemas de Información 2009 CLASIFICACIÓN DE PROBLEMAS 1 CLASES DE PROBLEMAS Uno de los resultados
Más detallesALGORITMOS 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
Más detallesMinicurso 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...................................
Más detallesGráficas : teoría, aplicaciones e interacciones : I
J. Ramírez Alfonsín Université Montpellier 2, Francia Facultad de Ciencias, UNAM, México 21 de Enero de 2013 1 Introducción 2 Isomorfismo 3 Subgráfica 4 Grado 5 Conexidad 6 Coloración 7 Pruebas de Conocimiento
Más detallesLímite superior y límite inferior de una sucesión
Límite superior y límite inferior de una sucesión Objetivos. Definir las nociones de los límites superior e inferior de una sucesión y estudiar sus propiedades básicas. Requisitos. Supremo e ínfimo de
Más detallesMáquinas de Turing IIC3242. IIC3242 Máquinas de Turing 1 / 42
Máquinas de Turing IIC3242 IIC3242 Máquinas de Turing 1 / 42 Complejidad Computacional Objetivo: Medir la complejidad computacional de un problema. Vale decir: Medir la cantidad de recursos computacionales
Más detallesRelaciones. 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
Más detallesGrafos y Colores. Esteban Lanzarotti - Matías López. Facultad de Ciencias Exactas y Naturales - UBA
Facultad de Ciencias Exactas y Naturales - UBA Menú del día La charla se divide en las siguientes partes: 1 Qué es un modelo matemático? 2 3 4 Modelos matemáticos Un modelo es una representación simplificada
Más detallesPlanaridad. 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
Más detallesProblemas de Grafos y Tratabilidad Computacional
Problemas de Grafos y Tratabilidad Computacional Primer Cuatrimestre de 2009 Min Chih Lin (oscarlin@dc.uba.ar) Marina Groshaus (marinagroshaus@yahoo.es) Francisco J. Soulignac (fsoulign@dc.uba.ar) http://www.dc.uba.ar/people/materias/probgraf
Más detallesLAS 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):
Más detallesTransparencias 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
Más detallesEspacios 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
Más detallesIntroducción 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
Más detallesProblemas en P y NP. Marcos Kiwi. Semestre Otoño U. Chile
Problemas en P y NP Marcos Kiwi U. Chile Semestre Otoño 2012 Problemas en P Path = { G, s, t : Existe un dicamino de s a t en el digrafo G} Conexo = { G : G grafo conexo} { } A Q PL = A, b, c, k : m n,
Más detallesEl 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
Más detallesEjemplo: El problema de la mochila. Algoritmos golosos. Algoritmos y Estructuras de Datos III. Segundo cuatrimestre 2013
Técnicas de diseño de algoritmos Algoritmos y Estructuras de Datos III Segundo cuatrimestre 2013 Técnicas de diseño de algoritmos Algoritmos golosos Backtracking (búsqueda con retroceso) Divide and conquer
Más detallesMáquinas de Turing IIC3242. IIC3242 Máquinas de Turing 1 / 45
Máquinas de Turing IIC3242 IIC3242 Máquinas de Turing 1 / 45 Complejidad Computacional Objetivo: Medir la complejidad computacional de un problema. Vale decir: Medir la cantidad de recursos computacionales
Más detallesTerminaremos 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
Más detallesAlgoritmos y Estructuras de Datos III Segundo cuatrimestre 2011
Algoritmos y Estructuras de Datos III Segundo cuatrimestre 2011 Programa 1. Algoritmos: Definición de algoritmo. Máquina RAM. Complejidad. Algoritmos de tiempo polinomial y no polinomial. Límite inferior.
Más detallesAlgoritmos 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.
Más detallesUnidad 6. Gráficas Planares
Unidad 6. Gráficas Planares Una gráfica Planar es aquella que puede llegar a representarse en un plano de tal modo que no existe intersección de líneas excepto en los vértices. Una gráfica Plana es aquella
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 detallesEjercicios de Lógica Proposicional *
Ejercicios de Lógica Proposicional * FernandoRVelazquezQ@gmail.com Notación. El lenguaje proposicional que hemos definido, aquel que utiliza los cinco conectivos,,, y, se denota como L {,,,, }. Los términos
Más detallesPRÁCTICA ALGORÍTMICA: EJERCICIOS PROPUESTOS
Página 1 de 7 PRÁCTICA ALGORÍTMICA: EJERCICIOS PROPUESTOS EJERCICIOS DE ESTRUCTURA REPETITIVA 1. (Problema 4) Escriba un algoritmo que lea del teclado un número entero y que compruebe si es menor que 5.
Más detallesTema 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
Más detallesModelos de Redes: Problemas de la Ruta más m s corta. M. En C. Eduardo Bustos Farías
Modelos de Redes: Problemas de la Ruta más m s corta M. En C. Eduardo Bustos Farías as Problemas de la Ruta más m s corta 2 Problemas de la Ruta más m s corta Se trata de encontrar la ruta de menor distancia,
Más detallesCapítulo 5 Programación lineal entera
163 Capítulo 5 Programación lineal entera 1. Introducción. Un problema de programación lineal entera es un problema de programación lineal con la restricción adicional de que algunas de las variables deben
Más detallesApuntes de Matemática Discreta 8. Relaciones de Equivalencia
Apuntes de Matemática Discreta 8. Relaciones de Equivalencia Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 8 Relaciones de Equivalencia
Más detallesTema: 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
Más detallesSoluciones a algunos ejercicios de Matemática Discreta 1.
Soluciones a algunos ejercicios de Matemática Discreta 1. Eleonora Catsigeras * 23 de agosto de 2005 Práctico 1.- Ejercicio 5 Cuántos números naturales pares de tres dígitos (en base 10) tienen todos sus
Más detallesÁrboles Filogenéticos. BT7412, CC5702 Bioinformática Diego Arroyuelo. 2 de noviembre de 2010
Unidad 6: Árboles Filogenéticos BT7412, CC5702 Bioinformática Diego Arroyuelo 2 de noviembre de 2010 Temario (Introduction to Computational Molecular Biology Setubal y Meidanis Capítulo 6) 1. Introducción
Más detallesMatemáticas Discretas TC1003
Matemáticas Discretas TC1003 Grafos: Básicos Departamento de Matemáticas / Centro de Sistema Inteligentes ITESM Grafos: Básicos Matemáticas Discretas - p. 1/12 Grafos: El tema de Teoría de Grafos apareció
Más detallesI. Complejidad de Problemas
I. Complejidad de Problemas 1. Complejidad de Problemas Tópicos Clasificación de Problemas Clasificación por su Naturaleza Clasificación por su Tratabilidad Clasificación por el tipo de Respuesta 1.1 Clasificación
Más detallesPrograma de teoría. Algoritmos y Estructuras de Datos II. 3. Algoritmos voraces. 1. Análisis de algoritmos 2. Divide y vencerás
Programa de teoría Algoritmos y Estructuras de Datos II 1. Análisis de algoritmos 2. Divide y vencerás 3. Algoritmos voraces 4. Programación dinámica 5. Backtracking 6. Ramificación y poda A.E.D. II 1
Más detallesGrupos 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
Más detalles11. MOSAICOS. El ángulo interior de un polígono regular de n lados es
11. MOSAICOS Cuando una o varias piezas recubren un plano sin solaparse tenemos un recubrimiento o mosaico. Los mosaicos más sencillos son los que solo utilizan una pieza de una única forma y tamaño. Aun
Más detallesSemana02[1/23] Conjuntos. 9 de marzo de Conjuntos
Semana02[1/23] 9 de marzo de 2007 Introducción Semana02[2/23] La teoría de conjuntos gira en torno a la función proposicional x A. Los valores que hacen verdadera la función proposicional x A son aquellos
Más detallesEspacios topológicos. 3.1 Espacio topológico
Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes
Más detallesÍndice 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...
Más detallesFundamentos de la teoría de grafos
Fundamentos de la teoría de grafos 3º I.T.I. de Sistemas Mª Teresa Cáceres Sansaloni 1 Tema 1: Nociones básicas Conceptos básicos sobre grafos. Representación de grafos. Multigrafos, grafos dirigidos y
Más detallesCAPITULO III. Determinación de Rutas de Entregas
CAPITULO III Determinación de Rutas de Entregas Un importante aspecto en la logística de la cadena de abastecimiento (supply chain), es el movimiento eficiente de sus productos desde un lugar a otro. El
Más detallesProblemas y Conjeturas
U UNIVERSITAT DE BARCELONA B Problemas y Conjeturas de la Teoría de Grafos (Trabajo Académicamente Dirigido) Autora: Cristina Araúz Lombardía Trabajo Académicamente Dirigido por F. Javier Soria de Diego
Más detallesConjuntos y proposiciones
Tema 1 Conjuntos y proposiciones Índice del Tema 1 Introducción....................................... 2 2 Conjuntos........................................ 3 3 Proposiciones......................................
Más detallesRecordemos que utilizaremos, como es habitual, la siguiente notación para algunos conjuntos de números que son básicos.
Capítulo 1 Preliminares Vamos a ver en este primer capítulo de preliminares algunos conceptos, ideas y propiedades que serán muy útiles para el desarrollo de la asignatura. Se trata de resultados sobre
Más detallesTeoremas de Convergencia
Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y
Más detallesAlgoritmos Básicos de Grafos
Universidad Central de Venezuela Facultad de Ciencias Escuela de Computación Lecturas en Ciencias de la Computación ISSN -9 Algoritmos Básicos de Grafos Ernesto Coto ND - Laboratorio de Computación Gráfica
Más detallesEl TAD Grafo. El TAD Grafo
! Esta representación resulta útil cuando el número de vértices se conoce previamente y permanecerá fijo durante la resolución del problema, pero resulta ineficiente si necesitamos añadir o eliminar vértices
Más detallesGRÁFICAS k-nulas Y LA PROPIEDAD DE PUNTO FIJO *
Mosaicos Matemáticos No. Diciembre, 2003. Reporte de Tesis (Licenciatura). Nivel Superior GRÁFICAS k-nulas Y LA PROPIEDAD DE PUNTO FIJO * María de Jesús Carrillo Trejo Martín Eduardo Frías Armenta Departamento
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 detallesFigura 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
Más detallesPor ser f continua y R compacto, existen x 0, y 0 en R tales que f(x 0 ) = sup{f(t) : t R} y f(y 0 ) = inf{f(t) : t R}
Proposición. Sea un rectángulo en R n, y sea f : R una función continua. Entonces f es integrable en. Conjuntos de Demostración: Como f es continua en, y es compacto, f es acotada en, y uniformemente continua.
Más detallesÁlgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes
Álgebra y Trigonometría Clase 7 Sistemas de ecuaciones, Matrices y Determinantes CNM-108 Departamento de Matemáticas Facultad de Ciencias Exactas y Naturales Universidad de Antioquia Copyleft c 2008. Reproducción
Más detalles1 Relaciones de orden
1 Relaciones de orden Sea R una relación binaria en un conjunto A. Si R satisface las propiedades reflexiva, antisimétrica y transitiva se dice que R es una relación de orden. En este caso si a y b son
Más detallesSobre un teorema de Fröberg y los grafos saturados
Revista Colombiana de Matemáticas Volumen 34 (2000), páginas 19 24 Sobre un teorema de Fröberg y los grafos saturados Mario E. Estrada Universidad de Antioquia, Medellín, COLOMBIA Abstract. Saturated Cohen-Macaulay
Más detallesMAT web:
Clase No. 7: MAT 251 Matrices definidas positivas Matrices simétricas Dr. Alonso Ramírez Manzanares Depto. de Matemáticas Univ. de Guanajuato e-mail: alram@ cimat.mx web: http://www.cimat.mx/ alram/met_num/
Más detallesInicio. Cálculos previos GRASP. Resultados. Fin. Figura 5.1: Diagrama de flujo del algoritmo.
5. DISEÑO FUNCIONAL En este apartado vamos a detallar los diagramas funcionales que han constituido la base para la posterior implantación informática de la metaheurística. 5.1. Diseño funcional del algoritmo
Más detallesIntroducción a los números reales
Grado en Matemáticas Curso 2010-2011 Índice Conjuntos numéricos 1 Conjuntos numéricos Tienen nombre Y cuatro operaciones básicas 2 Teoremas y demostraciones Métodos de demostración 3 4 Objetivos Objetivos
Más detallesSemana 09 [1/28] Sucesiones. 29 de abril de Sucesiones
Semana 09 [1/28] 29 de abril de 2007 Semana 09 [2/28] Definición Sucesión Una sucesión real es una función: f : N R n f (n) Observaciones Para distinguir a una sucesión de las demás funciones, se ocupará
Más detallesTEORÍA 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.
Más detallesEs 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
Más detallesAplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI
Aplicación de la inteligencia artificial a la resolución del problema de asignación de estudiantes del departamento de PDI Ricardo Köller Jemio Departamento de Ciencias Exactas e Ingeniería, Universidad
Más detallesTema 7: Optimización sobre Redes Muchos de los problemas de Investigación Operativa pueden modelizarse y resolverse sobre un grafo: conjunto de
Tema 7: Optimización sobre Redes Muchos de los problemas de Investigación Operativa pueden modelizarse y resolverse sobre un grafo: conjunto de vértices o nodos conectados con arcos y/o aristas. Diseñar
Más detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Enteros
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Z = N {0} N Enteros Las operaciones + y. son cerradas en Z, es decir la suma de dos números enteros es un número entero y el producto
Más detallesALGEBRA 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
Más detallesDemostraciones a Teoremas de Límites
Demostraciones a Teoremas de Límites Programa de Bachillerato.Universidad de Chile. Otoño, 009 En esta sección solo daremos los fundamentos teóricos que nos permiten resolver los problemas que se nos plantean,
Más detallesPROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES. Problemas 02
PROBLEMAS RESUELTOS DE PREPARACIÓN PARA OPOSICIONES Problemas 0 Salvador Pérez Gómez pies3coma14@hotmail.com 4 de abril de 007 PROBLEMA 1 Sea n un número natural. Sea A n = n + n + 3n. a) Demostrar que
Más detallesMETAHEURISTICAS Ideas, Mitos, Soluciones
METAHEURISTICAS Ideas, Mitos, Soluciones OPTIMIZACION COMBINATORIA Qué es un problema de optimización combinatoria? Cómo se modela matemáticamente un problema de optimización combinatoria? Minimizar (o
Más detallesPara definir en formalmente el juego se deberá establecer:
INTRODUCCION A LA INTELIGENCIA ARTIFICIAL MÓDULO 5- JUEGOS COMO PROBLEMA DE BÚSQUEDA Referencias: Inteligencia Artificial Russell and Norvig Cap.5. Artificial Intellingence Nils Nilsson Ch.3 Se trata el
Más detallesAutómatas de Pila. Descripciones instantáneas o IDs. El Lenguaje de PDA. Equivalencia entre PDAs y CFGs INAOE (INAOE) 1 / 50
INAOE (INAOE) 1 / 50 Contenido 1 2 3 4 (INAOE) 2 / 50 Pushdown Automata Las gramáticas libres de contexto tienen un tipo de autómata que las define llamado pushdown automata. Un pushdown automata (PDA)
Más detallesApuntes 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 detallesProblemas Sobre Estrellas en Grafos Completos
Divulgaciones Matemáticas Vol. 8 No. 2 (2000), pp. 129 146 Problemas Sobre Estrellas en Grafos Completos Problems on Stars in Complete Graphs Agatina Cammaroto (acammaro@usb.ve) Luisa Cordero(lcordero@usb.ve)
Más detallesTeoría 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.............................................................
Más detallesSucesiones en R n. Ejemplos.-Considerando el espacio R 2 sea la sucesión {x k } 1 dada por x k = ( k, 1 k) podemos listar como sigue:
Sucesiones en R n Definición. Una sucesión en R n es cualquier lista infinita de vectores en R n x, x,..., x,... algunos de los cuales o todos ellos pueden coincidir entre si. Dada una sucesión x, x,...,
Más detallesSistemas polinomiales
Sistemas polinomiales (Elementos básicos) ALBERTO VIGNERON TENORIO Dpto. de Matemáticas Universidad de Cádiz Índice general 1. Introducción 2 2. Generalidades sobre polinomios 5 2.1. Orden monomial.........................
Más detallesMay 4, 2012 CAPÍTULO 5: OPTIMIZACIÓN
May 4, 2012 1. Optimización Sin Restricciones En toda esta sección D denota un subconjunto abierto de R n. 1.1. Condiciones Necesarias de Primer Orden. Proposición 1.1. Sea f : D R diferenciable. Si p
Más detallesUna topología de los números naturales*
Una topología de los números naturales* Divulgación Gabriel Ruiz Hernández Instituto de Matemáticas, UNAM 1 de septimebre de 1997 resumen En este trabajo vamos a describir un espacio topológico X con las
Más detalles1 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 ),
Más detallesAnálisis y síntesis de sistemas digitales combinacionales
Análisis Algoritmo de análisis, para un circuito lógico combinacional Síntesis. Conceptos Circuitos combinacionales bien construidos Circuitos combinacionales mal construidos Criterios de optimización
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Contenido Lógica proposicional Lógica de predicados Inferencia en lógica
Más detalles1. ESTUDIO DE ROBUSTEZ EN REDES DEPENDIENDO DE SU TOPOLOGÍA
. ESTUDIO DE ROBUSTEZ EN REDES DEPENDIENDO DE SU TOPOLOGÍA A continuación, se intentarán aplicar algunas de las definiciones vistas anteriormente a redes con distinta topología con objeto de analizar el
Más detalles3. Técnicas de diseño de algoritmos
3. Técnicas de diseño de algoritmos 1. Métodos Generales de Soluciones de Problemas 2. Técnicas de diseño de algoritmos 1. ecursividad básica 2. Divide y vencerás 3. Backtracking Bibliografía Aho, Hopcroft
Más detallesIN Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0
IN3701 - Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0 Acá va una pequeña guía con problemas resueltos de Geometría en Programación Lineal con problemas básicamente extraídos del
Más detallesMODELOS 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.
Más detalles4.1. Polinomios y teoría de ecuaciones
CAPÍTULO 4 Polinomios y teoría de ecuaciones 4.1. Polinomios y teoría de ecuaciones Un polinomio real en x, o simplemente polinomio en x es una expresión algebraica de la forma a n x n + a n 1 x n 1 +
Más detalles4. Resolución de indeterminaciones: la regla de L Hôpital.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO. Lección. Funciones y derivada. 4. Resolución de indeterminaciones: la regla de L Hôpital. Sean f y g dos funciones derivables en un intervalo abierto I R y sea
Más detallesCapítulo 2 Juegos estáticos con información asimétrica
Capítulo Juegos estáticos con información asimétrica January 1, 011 1 El equilibrio Bayesiano Definición 1.1. Un juego Bayesiano G consta de los siguientes elementos, G = (N, A, T, p, u) Un conjunto de
Más detallesGRAMATICAS 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.
Más detallesLenguajes No Regulares
Lenguajes No Regulares Problemas que los Autómatas No Resuelven. Universidad de Cantabria Esquema Lema del Bombeo 1 Lema del Bombeo 2 3 Introducción Todos los lenguajes no son regulares, simplemente hay
Más detalles