Javító és majdnem javító utak
|
|
- Alíz Soósné
- 8 évvel ezelőtt
- Látták:
Átírás
1 Javító és majdnem javító utak deficites Hall-tétel alapján elméletileg meghatározhatjuk, hogy egy G = (, ; E) páros gráfban mekkora a legnagyobb párosítás mérete. Ehhez azonban első ránézésre az összes X részhalmaz deficitjét meg kéne határozni, ami már = 20 csúcs esetén is részhalmaz vizsgálatát jelentené. Ráadásul még ekkor sem volna konkrétan a kezünkben egy maximális párosítás. Ennél azonban ügyesebben is nekifoghatunk egy egyszerű, de hasznos észrevétel segítségével, amely ráadásul nem csak páros gráfokban használható. Definíció. Legyen G = (V ;E) egy tetszőleges gráf és P E egy párosítás. Egy út javító út P-re nézve, ha két P által fedetlen csúcsot köt össze, és minden második éle P-ben van. Megjegyzés. minden második éle P-ben van helyett azt is mondhattuk volna, hogy az élei felváltva P-n kívüliek, illetve P-beliek. Ugyanis ha minden második éle P-ben van, a köztes élek nem lehetnek P-ben, hiszen P párosítás. Állítás. Legyen G = (V ; E) egy tetszőleges gráf és P E egy párosítás. Ha van javító út P-re nézve, akkor van P-nél nagyobb párosítás. izonyítás. Módosítsuk P-t úgy, hogy a javító út P-beli elemeit kivesszük belőle, a P-n kívüli éleit pedig bevesszük P-be. z így kapott P élhalmaz párosítás lesz, hiszen egyik csúcsnál sem lehet két éle: a javító úton kívül nyilván nem, mert ott P és P megegyezik; a javító út két végpontját P nem fedte le, így nem romolhattak el; a javító út belső pontjaira pedig mind P-nek, mind P -nek egy-egy éle illeszkedik. Mivel a javító út P-n kívüli éllel indul és végződik, P = P Párosítás növelése javító úttal egy páros gráfban C C C 4 D 4 D 4 D 5 E 5 E 5 E 6 F 6 F 6 Egy párosítás páros gráfban, egy javító út (1-C-4-E--) és a javítás eredménye. F Hamarosan látunk módszert arra, hogy hogyan lehet javító utakat keresni, és ezáltal növelni a párosításunk méretét. De vajon így biztosan találunk egy lehető legnagyobb párosítást? Vagy kifulladhat a módszer hamarabb is? következő tétel adja a megnyugtató választ. 1
2 2 Tétel. Legyen G = (V ; E) egy tetszőleges gráf és P E egy párosítás. Ha nincs javító út P-re nézve, akkor P egy legnagyobb párosítás. izonyítás. Legyen P egy tetszőleges párosítás. Jelölje S a P és P élhalmazok (súlyozott) unióját, melyben P P éleit kétszer vesszük be (mint párhuzamos éleket). zt fogjuk belátni, hogy P-nek legalább annyi éle van S-ben, mint P -nek, vagyis P P ; ez igazolja, hogy nincs P-nél nagyobb párosítás. z S élei által alkotott G S = (V ;S) gráfban minden csúcs foka legfeljebb kettő (miért is?), és a kettő fokú csúcsok egyik éle P-beli, a másik P -beli. G S összefüggőségi komponensei tehát párhuzamos élek, körök vagy utak (az esetleges izolált csúcsokat nulla hosszúságú utaknak tekintjük). körökben a P-beli és P -beli élek száma megegyezik, hiszen azok felváltva követik egymást; ugyanez fennáll a párhuzamos élek alkotta komponensekre is. z utakban nem lehet több P -beli él, mint P-beli, hiszen egy ilyen út javító út volna P-re nézve, ami a feltevésünk szerint lehetetlen. Ezzel az állítást beláttuk. P P élei körök utak 1. ábra. P és P élei, Megjegyzés. Minden, amit eddig javító utakról mondtunk, páros és nem páros gráfokra egyaránt igaz. Innentől viszont csak páros gráfokkal foglalkozunk, mert az alább ismertetendő eljárásban kihasználjuk a gráf páros voltát. Nem páros gráfokban is lehet hatékonyan legnagyobb párosítást keresésni, ezt azonban mi nem tárgyaljuk. Javító utak keresése páros gráfokban szélességi kereséssel dott a G = (, ;E) páros gráf, ebben kell keresnünk egy legnagyobb párosítást. Ezt úgy tesszük, hogy mohón keresünk egy P kiindulási párosítást, amit majd addig növelünk, amíg egy legnagyobb párosítást nem kapunk. z alább részletezett eljárást először szemléletesen, kis példákon kézzel alkalmazható módon tárgyaljuk, a fejezet végén vázoljuk, hogy nagyobb példákon hogyan lehet kivitelezni az eljárást számítógép segítségével. Előkészületek: z eljárásnál az elején el kell dönteni, melyik osztály felől indulunk. Most például a párosítást felől fogjuk keresni. z eljárás során fontos, hogy -ből -ba csak párosításon kívüli, -ból -be pedig csak párosításbeli élen léphetünk. Ezt úgy biztosítjuk, hogy megirányítjuk G éleit: a párosítás élei mindig -ból -be mutassanak, a többi -ből -ba. míg nincs párosításunk (P = ), minden él -ből -ba mutat. (Természetesen, ha felől keresnénk párosítást, fordítva irányítottuk volna G éleit.) z eljárás során az aktuális párosítást az élek irányítása jelzi, melyet időnként változtatni fogunk. z aktuális párosítást mindig P-nek fogjuk hívni. Kis példákon persze az irányítás helyett az élek vékony / vastag rajzolásával is jelezhetjük, hogy mely élek vannak a párosításban.
3 Első lépés: mohón keresünk egy párosítást. Sorra vesszük csúcsait, és megvizsgáljuk az éppen aktuális v csúcs szomszédait. Ha van közöttük olyan u csúcs, ami még nem szerepel a párosításban (azaz u-nak nincs szomszédja -ban (az irányítást figyelembe véve!)), belevesszük; magyarán a vu él irányítását megfordítjuk. Ha az utolsó csúcsot is megvizsgáltuk -ben, egy új él bevételével nem bővíthető (de nem feltétlenül egy lehető legnagyobb) párosítást kaptunk (az -ból -be irányított élek ezek). Második lépés: Javító utakat keresünk. z irányítás miatt minden út felváltva lép P-n kívüli és P-beli éleken, így nekünk egy b fedetlen csúcsot egy a fedetlen csúccsal összekötő utat kell keresnünk; az automatikusan javító út lesz. Javító út keresésének lépései: Készítünk egy kétsoros táblázatot. fölső sor az elérési lista, az alsó a honnan lista. (1) Felírjuk az elérési listába fedetlen csúcsait (az összeset). z elérési listában szereplő csúcsokat listázottnak hívjuk; ezeket fogjuk sorban átvizsgálni. lattuk üres a honnan lista. (2) Legyen v az elérési lista első nem átvizsgált eleme. Írjuk az elérési lista végére v eddig nem listázott szomszédait (innentől ezek is listázottak), és mindegyik alá (a honnan listába) írjuk föl v nevét. v csúcsot ezután átvizsgáltnak hívjuk. Ezt a folyamatot nevezzük a v csúcs átvizsgálásának. () Ismételjük az előző lépést addig, míg 1) fedetlen -beli csúcsot veszünk föl az elérési listába, vagy 2) az elérési lista összes csúcsát át nem vizsgáljuk. 1)-es eset: fedetlen -beli csúcsot vettünk az elérési listába. Hívjuk ezt a csúcsot v 1 -nek. honnan lista alapján tudjuk, hogy v 1 -et melyik csúcsból értük el; legyen ez v 2. Persze v 2 szerepel v 1 előtt az elérési listában, a honnan listából látjuk, hogy őt v -ból értük el stb., így a feljegyzések alapján visszaérünk egy -beli fedetlen csúcsba. Ezen csúcsok sorozata egy irányított út, mely két fedetlen csúcsot köt össze, azaz a fenti megjegyzés szerint javító út P-re nézve. javító út éleinek irányítását megfordítva (azaz felcserélve a P-beli és az azon kívüli éleit) kapunk egy P-nél nagyobb párosítást; ezután a fenti eljárással újra kereshetünk javító utat az új, nagyobb párosításra nézve. Mivel a fedetlen csúcsok száma minden lépésben csökken, előbb-utóbb véget ér az eljárás azzal, hogy előáll a 2)-es eset. 2)-es eset: az elérési lista összes elemét átvizsgáltuk, de nem értünk el fedetlen csúcsba. Ekkor az alábbi tétel szerint megtaláltuk a lehető legnagyobb párosítást, ráadásul bizonyítékot is kapunk erre: Tétel. Tegyük föl, hogy a fenti eljárás során előáll a 2)-es eset. Legyen rendre X, illetve Y az elérési listában szereplő -beli, illetve -beli csúcsok halmaza. Ekkor N(X) = Y, és X deficite éppen P, azaz nincs a P-nél nagyobb párosítás. izonyítás. Legyen F X a -beli fedetlen csúcsok halmaza. Ekkor persze P pontosan F csúcs híján fedi -t, azaz P = F. Legyen v X egy tetszőleges csúcs, u pedig a v egy tetszőleges szomszédja G-ben (tehát az eredeti, irányítatlan gráfban). N(X) = Y igazolásához be kell látnunk, hogy u Y. Ha vu P, akkor v nem fedetlen, tehát a honnan listában szerepel alatta egy csúcs. Mivel felé csak P-beli élen léphettünk és v-t csak egy P-beli él fedheti, ez a csúcs az u; emiatt u is szerepel az elérési listában, tehát u Y. Ha vu / P, akkor v
4 4 átvizsgálása során u-t bevettük az elérési listába (vagy már eleve ott volt), tehát ismét u Y. Ezzel azt láttuk be, hogy N(X) Y. Mivel minden Y -beli csúcsot egy X-beli csúcs (nevezetesen a honnan listában alatta szereplő) szomszédjaként vettünk az elérési listába, N(X) = Y. Már csak azt kell megmutatni, hogy X deficite éppen F, vagyis hogy X N(X) = X Y = F. Ehhez azt gondoljuk meg, hogy P egy teljes párosítás Y és X \F között. Először lássuk be, hogy Y minden elemének van P-beli párja X \ F-ben. Legyen u Y. 2)-es eset szerint P lefedi u-t; legyen tehát v az u P-beli szomszédja. Ekkor v az u átvizsgálása során bekerült az elérési listába 1, tehát v X \ F. Másodszor lássuk be, hogy X \ F minden elemének van P-beli párja Y -ban. Ha v X \ F, akkor v-nek persze van P-beli párja, és N(X) = Y miatt az Y -beli. Példa: Lássuk az eljárás megvalósítását az alábbi képen látható gráffal illusztrálva. C D E F G H C D E F G H ábra. Fölül látjuk a gráfot magát; alatta a mohón talált párosítással és az annak megfelelő irányítással. Végezzük el ezen a gráfon és a kiindulási párosításon az eljárás lépéseit! Elérési lista: D E F Honnan: D E 2 lépéseket jelek választják el egymástól. 4. lépésben a 8 nevű csúcsot vizsgáljuk át, ahonnan azonban egy új csúcsot sem érünk el, ezért az elért csúcsok listája nem bővül. Hasonló a helyzet a 8. lépésben. Mivel F fedetlen -beli csúcs, a táblázatból kiolvasható F 2 6 út javító út lesz. Elvégezve a javítást az alábbi párosítást kapjuk: 1 Vagy esetleg már u átvizsgálása előtt is ott volt. Előfordulhat ez?
5 5 C D E F G H ábra. növelt párosítás. Erre újra elvégezve az eljárás lépéseit, a következő táblázat adódik: Elérési lista: 7 8 D E 4 5 Honnan: 7 7 D E z eljárás úgy ér véget, hogy átvizsgáltuk az összes listázott csúcsot, és nem tudunk több csúcsot listázni. Ekkor a Tétel szerint az X = {7; 8; 4; 5} = {4; 5; 7; 8} csúcshalmaz szomszédsága N(X) = Y = {D; E} (ezt ellenőrizhetjük is az eredeti gráfon). z X halmaz deficite tehát kettő, és az aktuális párosításunk kettő híján minden csúcsot fed -ben; összevetve kapjuk, hogy ő egy legnagyobb párosítás. Számítógépes implementálás Kis gráfok esetében még át tudjuk tekinteni a fenti eljáráshoz szükséges információkat a táblázat és a gráf ábrája segítségével. zonban nagy gráfok esetében, melyeknél már a vizuális megjelenítés sem célszerű, természetes a kérdés, hogy számítógéppel hogyan lehet a fenti eljárást kivitelezni, a szükséges adatokat tárolni. gráfokat többféleképpen lehet és szokás kezelni, a legalkalmasabb adattárolási struktúra kiválasztása függ a gráf és a feladat jellegétől is. Mi most csak egy változatot mutatunk be. Gráf tárolása: csúcsokat sorszámozzuk 1-től n-ig (n a gráf csúcsszáma); majd készítünk egy listát, melyben minden sorszámhoz (azaz csúcshoz) egy újabb listát rendelünk, amely az ő szomszédjait tartalmazza (az aktuális irányítást figyelembe véve). Ez a SZOMSZ lista; egy v csúcsra tehát SZOMSZ(v) egy, a v szomszédait tartalmazó lista. Érdemes bevezetni egy FEDETT listát, ami minden csúcsról eltárolja, hogy fedi-e P. Például ha az uv irányított él, u, v, szerepel a gráfban, de nem szerepel a párosításban, akkor ő -ből felé van irányítva, tehát SZOMSZ(v) tartalmazza u-t, de SZOMSZ(u) nem tartalmazza v-t. Ha ezt az élt bevesszük a párosításba, azt úgy adminisztráljuk, hogy a v szomszédai közül kivesszük u-t, és az u szomszédai közé bevesszük v-t, valamint alkalmasan módosítjuk a FEDETT értékeket is. Elérési lista (ELERESI): z eljárás szerinti sorrendben írjuk bele az elért csúcsokat (azok sorszámát). Honnan lista (HONNN): z eljárás szerinti sorrendben írjuk bele a honnan értéket (a megfelelő csúcs sorszámát); az elérési lista elején szereplő, fedetlen -beli csúcsoknál üres értéket (vagy megfelelő jelölőt) használunk. Csúcsok állapotlistája (LLPOT): készítünk egy n elemű tömböt, és minden elem háromféle lehet a csúcsok háromféle állapotának megfelelően, amit most számokkal
6 6 jelölünk: 0: még nem listázott csúcsok; 1: listázott, de még nem átvizsgált csúcsok; 2: átvizsgált csúcsok. Kezdetben minden 1 i n számra LLPOT(i) = 0. csúcsok állapotát az eljárás lépéseinek megfelelően módosítjuk: amikor listába kerül, 1-re, amikor átvizsgáljuk, 2-re. z eljárás során az ELERESI lista soron következő i elémenek szomszédait kell áttekinteni, azaz végig kell mennünk a SZOMSZ(i) elemein. Ezek közül azon j csúcsokat, melyeknél LLPOT(j) = 0, beteszzük az ELERESI lista végére, LLPOT(j)-t 1- re változtatjuk, a HONNN lista megfelelő elemét i-re módosítjuk, majd ha végigvettük SZOMSZ(i) elemeit, LLPOT(i)-t 2-re állítjuk. csúcsok listázásánál a FEDETT lista segítségével ellenőrizzük, hogy P fedi-e az adott csúcsot. fenti példa tárolása és az eljárás első lépése valahogy így néz ki. számítógép persze a betűvel jelölt csúcsokat is sorszámként tárolná (9, 10,..., 16). gráf tárolása (csúcsok és szomszédaik; helytakarékossági okokból a csúcsok alá írjuk azok szomszédait): Csúcs: C D E F G H Szomszédok F G D D E listája: E Állapotlista csúcsai: C D E 2 G H 1. lépés: lépés: lépés: lépés: lépés: lépés: lépés: lépés: lépés:
1. fejezet. Párosítások
1. fejezet Párosítások Mese. Arthur király udvarában száz lovag és száz udvarhölgy állt a király szolgálatában, amikor Arthur házasságra kívánt lépni Ginevrával. Eme jeles alkalom okán elhatározta, hogy
Diszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2015. tavasz 1. Diszkrét matematika 2.C szakirány 1. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu Komputeralgebra Tanszék 2015. tavasz Gráfelmélet Diszkrét
SzA II. gyakorlat, szeptember 18.
SzA II. gyakorlat, 015. szeptember 18. Barátkozás a gráfokkal Drótos Márton drotos@cs.bme.hu 1. Az előre megszámozott (címkézett) n darab pont közé hányféleképp húzhatunk be éleket úgy, hogy egyszerű gráfhoz
Diszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. ősz 1. Diszkrét matematika 2.C szakirány 2. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.
Algoritmuselmélet. Gráfok megadása, szélességi bejárás, összefüggőség, párosítás. Katona Gyula Y.
Algoritmuselmélet Gráfok megadása, szélességi bejárás, összefüggőség, párosítás Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 2. előadás
Diszkrét matematika 1. estis képzés
Diszkrét matematika 1. estis képzés 2019. tavasz 1. Diszkrét matematika 1. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján
Diszkrét matematika 2.
Diszkrét matematika 2. 2018. szeptember 21. 1. Diszkrét matematika 2. 2. előadás Fancsali Szabolcs Levente nudniq@cs.elte.hu www.cs.elte.hu/ nudniq Komputeralgebra Tanszék 2018. szeptember 21. Gráfelmélet
Diszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 7. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
Diszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 10. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
Diszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2015. ősz 1. Diszkrét matematika 2.C szakirány 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2015.
22. GRÁFOK ÁBRÁZOLÁSA
22. GRÁFOK ÁBRÁZOLÁSA A megoldandó feladatok, problémák modellezése során sokszor gráfokat alkalmazunk. A gráf fogalmát a matematikából ismertnek vehetjük. A modellezés során a gráfok több változata is
Diszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.
Feladatok, amelyek gráfokkal oldhatók meg 1) A königsbergi hidak problémája (Euler-féle probléma) a
Feladatok, amelyek gráfokkal oldhatók meg ) A königsbergi hidak problémája (Euler-féle probléma) a b d c A megfelelő gráf: d a b c ) Egy szórakoztató feladat (Hamilton-féle probléma) Helyezzük el az,,,...,
Gráfok 2. Legrövidebb utak, feszítőfák. Szoftvertervezés és -fejlesztés II. előadás. Szénási Sándor
Gráfok 2. Legrövidebb utak, feszítőfák előadás http://nik.uni-obuda.hu/sztf2 Szénási Sándor Óbudai Egyetem,Neumann János Informatikai Kar Legrövidebb utak keresése Minimális feszítőfa keresése Gráfok 2
Gráfelméleti alapfogalmak
1 Gráfelméleti alapfogalmak Gráf (angol graph= rajz): pontokból és vonalakból álló alakzat. pontok a gráf csúcsai, a vonalak a gráf élei. GRÁ Irányítatlan gráf Vegyes gráf Irányított gráf G H Izolált pont
Minimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra:
Minimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra: C(T ) = (u,v) T c(u,v) Az F = (V,T) gráf minimális feszitőfája G-nek,
Diszkrét Matematika MSc hallgatók számára 7. Előadás Párosítási tételek Előadó: Hajnal Péter Jegyzetelő: Kovácsházi Anna
Diszkrét Matematika MSc hallgatók számára 7. Előadás Párosítási tételek Előadó: Hajnal Péter Jegyzetelő: Kovácsházi Anna 2010. 10. 18. 2 7. Párosítási tételek.nb 7. Előadás Emlékeztető: Javító út, Javító
Gráfelmélet. I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma
Készítette: Laczik Sándor János Gráfelmélet I. Előadás jegyzet (2010.szeptember 9.) 1.A gráf fogalma Definíció: a G=(V,E) párt egyszerű gráfnak nevezzük, (V elemeit a gráf csúcsainak/pontjainak,e elemeit
Gráfelméleti feladatok. c f
Gráfelméleti feladatok d e c f a b gráf, csúcsok, élek séta: a, b, c, d, e, c, a, b, f vonal: c, d, e, c, b, a út: f, b, a, e, d (walk, lanţ) (trail, lanţ simplu) (path, lanţ elementar) 1 irányított gráf,
Diszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2016. tavasz 1. Diszkrét matematika 2. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
Diszkrét matematika 2.
Diszkrét matematika 2. Mérai László előadása alapján Készítette: Nagy Krisztián 1. előadás Gráfok halmaza, gráf, ahol a csúcsok halmaza, az élek illesztkedés reláció: illesztkedik az élre, ha ( -él illesztkedik
1. tétel - Gráfok alapfogalmai
1. tétel - Gráfok alapfogalmai 1. irányítatlan gráf fogalma A G (irányítatlan) gráf egy (Φ, E, V) hátmas, ahol E az élek halmaza, V a csúcsok (pontok) halmaza, Φ: E {V-beli rendezetlen párok} illeszkedési
Algoritmuselmélet. Mélységi keresés és alkalmazásai. Katona Gyula Y.
Algoritmuselmélet Mélységi keresés és alkalmazásai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 9. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet
Algoritmusok bonyolultsága
Algoritmusok bonyolultsága 5. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 27 Gazdaságos faváz Kruskal-algoritmus Joseph Kruskal (1928 2010) Legyen V = {v 1, v 2,..., v n }, E = {e 1, e 2,...,
GRÁFELMÉLET. 7. előadás. Javító utak, javító utak keresése, Edmonds-algoritmus
GRÁFELMÉLET 7. előadás Javító utak, javító utak keresése, Edmonds-algoritmus Definíció: egy P utat javító útnak nevezünk egy M párosításra nézve, ha az út páratlan hosszú, kezdő- és végpontjai nem párosítottak,
30. ERŐSEN ÜSSZEFÜGGŐ KOMPONENSEK
30. ERŐSEN ÜSSZEFÜGGŐ KOMPONENSEK A gráfos alkalmazások között is találkozunk olyan problémákkal, amelyeket megoldását a részekre bontott gráfon határozzuk meg, majd ezeket alkalmas módon teljes megoldássá
Minimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra:
Minimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra: C(T ) = (u,v) T c(u,v) Az F = (V,T) gráf minimális feszitőfája G-nek,
5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus.
5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus. Optimalis feszítőfák Egy összefüggő, irányítatlan
Diszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
Algoritmuselmélet 11. előadás
Algoritmuselmélet 11. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Március 26. ALGORITMUSELMÉLET 11. ELŐADÁS 1 Kruskal
Csima Judit október 24.
Adatbáziskezelés Funkcionális függőségek Csima Judit BME, VIK, Számítástudományi és Információelméleti Tanszék 2018. október 24. Csima Judit Adatbáziskezelés Funkcionális függőségek 1 / 1 Relációs sémák
Adatszerkezetek 2. Dr. Iványi Péter
Adatszerkezetek 2. Dr. Iványi Péter 1 Fák Fákat akkor használunk, ha az adatok között valamilyen alá- és fölérendeltség van. Pl. könyvtárszerkezet gyökér (root) Nincsennek hurkok!!! 2 Bináris fák Azokat
Algoritmuselmélet 7. előadás
Algoritmuselmélet 7. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu 2002 Március 11. ALGORITMUSELMÉLET 7. ELŐADÁS 1 Múltkori
A továbbiakban Y = {0, 1}, azaz minden szóhoz egy bináris sorozatot rendelünk
1. Kódelmélet Legyen X = {x 1,..., x n } egy véges, nemüres halmaz. X-et ábécének, elemeit betűknek hívjuk. Az X elemeiből képzett v = y 1... y m sorozatokat X feletti szavaknak nevezzük; egy szó hosszán
KOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I. 3 III. MEGFELELTETÉSEk, RELÁCIÓk 1. BEVEZETÉS Emlékeztetünk arra, hogy az rendezett párok halmazát az és halmazok Descartes-féle szorzatának nevezzük. Más szóval az és halmazok
Algoritmuselmélet. Bonyolultságelmélet. Katona Gyula Y.
Algoritmuselmélet Bonyolultságelmélet Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 12. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet
HAMILTON KÖR: minden csúcson PONTOSAN egyszer áthaladó kör. Forrás: (
HAMILTON KÖR: minden csúcson PONTOSAN egyszer áthaladó kör Teljes gráf: Páros gráf, teljes páros gráf és Hamilton kör/út Hamilton kör: Minden csúcson áthaladó kör Hamilton kör Forrás: (http://www.math.klte.hur/~tujanyi/komb_j/k_win_doc/g0603.doc
Gráfelméleti alapfogalmak-1
KOMBINATORIKA ELŐADÁS osztatlan matematika tanár hallgatók számára Gráfelméleti alapfogalmak Előadó: Hajnal Péter 2015 1. Egyszerű gráfok Nagyon sok helyzetben egy alaphalmaz elemei között kitűntetett
Bonyolultságelmélet gyakorlat 06 Gráfos visszavezetések II.
onyolultságelmélet gyakorlat 06 Gráfos visszavezetések II. 1. Feladat Mutassuk meg, hogy a n/-hosszú kör probléma NP-nehéz! n/-hosszú kör Input: (V, ) irányítatlan gráf Output: van-e G-ben a csúcsok felén
Adatszerkezetek II. 2. előadás
Adatszerkezetek II. 2. előadás Gráfok bejárása A gráf bejárása = minden elem feldolgozása Probléma: Lineáris elrendezésű sokaság (sorozat) bejárása könnyű, egyetlen ciklussal elvégezhető. Hálós struktúra
Diszkrét matematika 2. estis képzés
Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék
Gráfok bejárása. Szlávi Péter, Zsakó László: Gráfok II :17
Gráfok 2. előadás Gráfok bejárása A gráf bejárása = minden elem feldolgozása Probléma: Lineáris elrendezésű sokaság (sorozat) bejárása könnyű, egyetlen ciklussal elvégezhető. Hálós struktúra bejárása nem
HAMILTON ÚT: minden csúcson PONTOSAN egyszer áthaladó út
SÍKBA RAJZOLHATÓ GRÁFOK ld. előadás diasorozat SZÍNEZÉS: ld. előadás diasorozat PÉLDA: Reguláris 5 gráf színezése 4 színnel Juhász, PPKE ITK, 007: http://users.itk.ppke.hu/~b_novak/dmat/juhasz_5_foku_graf.bmp
KOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I. 4 IV. FÜGGVÉNYEk 1. LEkÉPEZÉSEk, függvények Definíció Legyen és két halmaz. Egy függvény -ből -ba egy olyan szabály, amely minden elemhez pontosan egy elemet rendel hozzá. Az
KOMBINATORIKA ELŐADÁS osztatlan matematikatanár hallgatók számára
KOMBINATORIKA ELŐADÁS osztatlan matematikatanár hallgatók számára Párosítások gráfokban Előadó: Hajnal Péter 2018 1. A párosítás alapfogalma Definíció. Egy G gráfban egy M élhalmaz párosítás, ha 2 M darab
26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA
26. MINIMÁLIS KÖLTSÉGŰ UTAK MINDEN CSÚCSPÁRRA Az előző két fejezetben tárgyalt feladat általánosításaként a gráfban található összes csúcspárra szeretnénk meghatározni a legkisebb költségű utat. A probléma
1. Az ábrán látható táblázat minden kis négyzete 1 cm oldalhosszúságú. A kis négyzetek határvonalait akarjuk lefedni. Meg lehet-e ezt tenni
1. Az ábrán látható táblázat minden kis négyzete 1 cm oldalhosszúságú. A kis négyzetek határvonalait akarjuk lefedni. Meg lehet-e ezt tenni a) 5 db 8 cm hosszú, b) 8 db 5 cm hosszú cérnával? Megoldás:
Adatbázisok elmélete 12. előadás
Adatbázisok elmélete 12. előadás Katona Gyula Y. Budapesti Műszaki és Gazdaságtudományi Egyetem Számítástudományi Tsz. I. B. 137/b kiskat@cs.bme.hu http://www.cs.bme.hu/ kiskat 2005 ADATBÁZISOK ELMÉLETE
OSZTHATÓSÁG. Osztók és többszörösök : a 3 többszörösei : a 4 többszörösei Ahol mindkét jel megtalálható a 12 többszöröseit találjuk.
Osztók és többszörösök 1783. A megadott számok elsõ tíz többszöröse: 3: 3 6 9 12 15 18 21 24 27 30 4: 4 8 12 16 20 24 28 32 36 40 5: 5 10 15 20 25 30 35 40 45 50 6: 6 12 18 24 30 36 42 48 54 60 1784. :
Sali Attila Budapest Műszaki és Gazdaságtudományi Egyetem. I. B. 137/b március 16.
Bevezetés a Számításelméletbe II. 6. előadás Sali Attila Budapest Műszaki és Gazdaságtudományi Egyetem Számítástudományi és Információelméleti Tsz. I. B. 7/b sali@cs.bme.hu 004 március 6. A kritikus út
Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit.
2. A VALÓS SZÁMOK 2.1 A valós számok aximómarendszere Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit. 1.Testaxiómák R-ben két művelet van értelmezve, az
EÖTVÖS LORÁND TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI KAR. Párosítások. BSc Szakdolgozat. Németh Kinga. Matematika BSc Elemző szakirány
EÖTVÖS LORÁND TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI KAR Párosítások BSc Szakdolgozat Németh Kinga Matematika BSc Elemző szakirány Témavezető: Szőnyi Tamás Egyetemi tanár Budapest 2016 Tartalomjegyzék Bevezetés...
10. előadás. Konvex halmazok
10. előadás Konvex halmazok Konvex halmazok Definíció: A K ponthalmaz konvex, ha bármely két pontjának összekötő szakaszát tartalmazza. Állítás: Konvex halmazok metszete konvex. Konvex halmazok uniója
bármely másikra el lehessen jutni. A vállalat tudja, hogy tetszőlegesen adott
. Minimális súlyú feszítő fa keresése Képzeljük el, hogy egy útépítő vállalat azt a megbízást kapja, hogy építsen ki egy úthálózatot néhány település között (a települések között jelenleg nincs út). feltétel
Megoldások 7. gyakorlat Síkgráfok, dualitás, gyenge izomorfia, Whitney-tételei
Számítástudomány alapjai Megoldások 7. gyakorlat Síkgráfok, dualitás, gyenge izomorfia, Whitney-tételei 90. A konvex poliéder egyes lapjait határoló élek száma legyen k! Egy konvex poliéder egy tetszőleges
Elmaradó óra. Az F = (V,T) gráf minimális feszitőfája G-nek, ha. F feszitőfája G-nek, és. C(T) minimális
Elmaradó óra A jövő heti, november 0-dikei óra elmarad. Minimális feszítőfák Legyen G = (V,E,c), c : E R + egy súlyozott irányítatlan gráf. Terjesszük ki a súlyfüggvényt a T E élhalmazokra: C(T ) = (u,v)
A 2015/2016. tanévi Országos Középiskolai Tanulmányi Verseny döntő forduló MATEMATIKA III. KATEGÓRIA (a speciális tanterv szerint haladó gimnazisták)
A 205/206. tanévi Országos Középiskolai Tanulmányi Verseny döntő forduló MATEMATIKA III. KATEGÓRIA a speciális tanterv szerint haladó gimnazisták Javítási-értékelési útmutató. feladat Az {,2,...,n} halmaz
Gráfalgoritmusok ismétlés ősz
Gráfalgoritmusok ismétlés 2017. ősz Gráfok ábrázolása Egy G = (V, E) gráf ábrázolására alapvetően két módszert szoktak használni: szomszédsági listákat, illetve szomszédsági mátrixot. A G = (V, E) gráf
Diszkrét matematika 1. estis képzés
Diszkrét matematika 1. estis képzés 2019. tavasz 1. Diszkrét matematika 1. estis képzés 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján
Számítógép hálózatok, osztott rendszerek 2009
Számítógép hálózatok, osztott rendszerek 2009 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Hétfő 10:00 12:00 óra Gyakorlat: Hétfő 14:00-16:00 óra Honlap: http://people.inf.elte.hu/lukovszki/courses/0910nwmsc
Algoritmuselmélet. Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás. Katona Gyula Y.
Algoritmuselmélet Függvények nagyságrendje, elágazás és korlátozás, dinamikus programozás Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem
Adatszerkezetek II. 1. előadás
Adatszerkezetek II. 1. előadás Gráfok A gráf fogalma: Gráf(P,E): P pontok (csúcsok) és E P P élek halmaza Fogalmak: Irányított gráf : (p 1,p 2 ) E-ből nem következik, hogy (p 2,p 1 ) E Irányítatlan gráf
Melykeres(G) for(u in V) {szin(u):=feher Apa(u):=0} for(u in V) {if szin(u)=feher then MBejar(u)}
Mélységi keresés Ez az algoritmus a gráf pontjait járja be, eredményképpen egy mélységi feszítőerdőt ad vissza az Apa függvény által. A pontok bejártságát színekkel kezeljük, fehér= érintetlen, szürke=meg-
III. Gráfok. 1. Irányítatlan gráfok:
III. Gráfok 1. Irányítatlan gráfok: Jelölés: G=(X,U), X a csomópontok halmaza, U az élek halmaza X={1,2,3,4,5,6}, U={[1,2], [1,4], [1,6], [2,3], [2,5], [3,4], [3,5], [4,5],[5,6]} Értelmezések: 1. Fokszám:
Diszkrét matematika 2.C szakirány
Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 4. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.
Véges automaták, reguláris nyelvek
Véges automaták, reguláris nyelvek Kiegészítő anyag az lgoritmuselmélet tárgyhoz (a Rónyai Ivanyos Szabó: lgoritmusok könyv mellé) Friedl Katalin BME SZIT friedl@cs.bme.hu 27. augusztus 3. véges automata
Hálózati folyamok. Tétel: A maximális folyam értéke megegyezik a minimális vágás értékével.
Hálózati folyamok Definíció: Legyen G = (V,E) egy irányított gráf, adott egy c: E R + {0} ún. kapacitásfüggvény, amely minden (u,v) ε E élhez hozzárendel egy nem negatív c(u,v) kapacitást. A gráfnak van
Az optimális megoldást adó algoritmusok
Az optimális megoldást adó algoritmusok shop ütemezés esetén Ebben a fejezetben olyan modellekkel foglalkozunk, amelyekben a munkák több műveletből állnak. Speciálisan shop ütemezési problémákat vizsgálunk.
ELTE IK Esti képzés tavaszi félév. Tartalom
Diszkrét Matematika 2 vizsgaanyag ELTE IK Esti képzés 2017. tavaszi félév Tartalom 1. Számfogalom bővítése, homomorfizmusok... 2 2. Csoportok... 9 3. Részcsoport... 11 4. Generátum... 14 5. Mellékosztály,
A zsebrádiótól Turán tételéig
Jegyzetek egy matekóráról Lejegyezte és kiegészítésekkel ellátta: Meszéna Balázs A katedrán: Pataki János A gráfokat rengeteg életszagú példa megoldásában tudjuk segítségül hívni. Erre nézzünk egy példát:
6. Előadás. Megyesi László: Lineáris algebra, oldal. 6. előadás Bázis, dimenzió
6. Előadás Megyesi László: Lineáris algebra, 37. 41. oldal. Gondolkodnivalók Lineáris függetlenség 1. Gondolkodnivaló Legyen V valós számtest feletti vektortér. Igazolja, hogy ha a v 1, v 2,..., v n V
C++ programozási nyelv
C++ programozási nyelv Gyakorlat - 13. hét Nyugat-Magyarországi Egyetem Faipari Mérnöki Kar Informatikai Intézet Soós Sándor 2004. december A C++ programozási nyelv Soós Sándor 1/10 Tartalomjegyzék Objektumok
Algoritmuselmélet. Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem. 13.
Algoritmuselmélet NP-teljes problémák Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 13. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet
Hadamard-mátrixok Előadó: Hajnal Péter február 23.
Szimmetrikus kombinatorikus struktúrák MSc hallgatók számára Hadamard-mátrixok Előadó: Hajnal Péter 2012. február 23. 1. Hadamard-mátrixok Ezen az előadáson látásra a blokkrendszerektől független kombinatorikus
Ramsey-féle problémák
FEJEZET 8 Ramsey-féle problémák "Az intelligens eljárást az jellemzi, hogy még a látszólag megközelíthetetlen célhoz is utat nyit, megfelelő segédproblémát talál ki és először azt oldja meg." Pólya György:
Gráfelméleti feladatok programozóknak
Gráfelméleti feladatok programozóknak Nagy-György Judit 1. Lehet-e egy gráf fokszámsorozata 3, 3, 3, 3, 5, 6, 6, 6, 6, 6, 6? 2. Lehet-e egyszer gráf fokszámsorozata (a) 3, 3, 4, 4, 6? (b) 0, 1, 2, 2, 2,
Gráfelmélet jegyzet 2. előadás
Gráfelmélet jegyzet 2. előadás Készítette: Kovács Ede . Fák Tétel. : A következők ekvivalensek a T gráfra: (i) T összefüggő, e E. T e már nem összefüggő (ii) T összefüggő és körmentes. (iii) x, y V T!
Számelmélet Megoldások
Számelmélet Megoldások 1) Egy számtani sorozat második tagja 17, harmadik tagja 1. a) Mekkora az első 150 tag összege? (5 pont) Kiszámoltuk ebben a sorozatban az első 111 tag összegét: 5 863. b) Igaz-e,
Diszkrét matematika II. gyakorlat
Diszkrét matematika II. gyakorlat 9. Gyakorlat Szakács Nóra Helyettesít: Bogya Norbert Bolyai Intézet 2013. április 11. Bogya Norbert (Bolyai Intézet) Diszkrét matematika II. gyakorlat 2013. április 11.
1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok. HálózatokII, 2007
Hálózatok II 2007 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Szerda 17:00 18:30 Gyakorlat: nincs Vizsga írásbeli Honlap: http://people.inf.elte.hu/lukovszki/courses/g/07nwii
1. ábra ábra
A kifejtési tétel A kifejtési tétel kimondásához először meg kell ismerkedni az előjeles aldetermináns fogalmával. Ha az n n-es A mátrix i-edik sorának és j-edik oszlopának kereszteződésében az elem áll,
Algoritmusok bonyolultsága
Algoritmusok bonyolultsága 11. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm () 1 / 1 NP-telesség Egy L nyelv NP-teles, ha L NP és minden L NP-re L L. Egy Π döntési feladat NP-teles, ha Π NP és
3. Lineáris differenciálegyenletek
3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra
Országos Középiskolai Tanulmányi Verseny 2009/2010 Matematika I. kategória (SZAKKÖZÉPISKOLA) 2. forduló feladatainak megoldása
Oktatási Hivatal Országos Középiskolai Tanulmányi Verseny / Matematika I. kategória (SZAKKÖZÉPISKOLA) 2. forduló feladatainak megoldása. Oldja meg a valós számok legbővebb részhalmazán a egyenlőtlenséget!
EGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF
Összefoglaló Gráfok / EGYSZERŰ, NEM IRÁNYÍTOTT (IRÁNYÍTATLAN) GRÁF Adott a G = (V, E) gráf ahol a V a csomópontok, E az élek halmaza E = {(x, y) x, y V, x y (nincs hurokél) és (x, y) = (y, x)) Jelölések:
Programozási módszertan. Mohó algoritmusok
PM-08 p. 1/17 Programozási módszertan Mohó algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu PM-08 p. 2/17 Bevezetés Dinamikus programozás
A számítástudomány alapjai
A számítástudomány alapjai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem Legszélesebb utak Katona Gyula Y. (BME SZIT) A számítástudomány
Gráfelmélet Megoldások
Gráfelmélet Megoldások 1) a) Döntse el az alábbi négy állítás közül melyik igaz és melyik hamis! Válaszát írja a táblázatba! A: Egy 6 pontot tartalmazó teljes gráfnak 15 éle van B: Ha egy teljes gráfnak
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Számelmélet
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Számelmélet A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
Online migrációs ütemezési modellek
Online migrációs ütemezési modellek Az online migrációs modellekben a régebben ütemezett munkák is átütemezhetőek valamilyen korlátozott mértékben az új munka ütemezése mellett. Ez csökkentheti a versenyképességi
7. Előadás. Megyesi László: Lineáris algebra, oldal. 7. előadás Elemi bázistranszformáció
7. Előadás Megyesi László: Lineáris algebra, 57. 61. oldal. Gondolkodnivalók Bázis, dimenzió 1. Gondolkodnivaló Legyenek a v vektor koordinátái a v 1,..., v n bázisban: (1, α 2,..., α n ). Igazoljuk, hogy
Diszkrét Matematika GYAKORLAT, Levelező MSc hallgatók számára. 3. Feladatsor
Diszkrét Matematika GYAKORLAT, Levelező MSc hallgatók számára 3. Feladatsor Gyakorlatvezetõ: Hajnal Péter 2011. november 2-ától 1. Párosítások gráfokban 1.1. Alapok 1. Feladat. (i) Bizonyítsuk be, hogy
Aromo Szöveges értékelés normál tantárggyal
Aromo Szöveges értékelés normál tantárggyal Aromo Iskolaadminisztrációs Szoftver Felhasználói kézikönyv -- Szöveges értékelés 1 Tartalomjegyzék Aromo Szöveges értékelés normál tantárggyal 1 Bevezetés 3
Diszkrét matematika 2 (C) vizsgaanyag, 2012 tavasz
Diszkrét matematika 2 (C) vizsgaanyag, 2012 tavasz A vizsga menete: a vizsga írásbeli és szóbeli részből áll. Az írásbeli beugrón az alábbi kérdések közül szerepel összesen 12 darab, mindegyik egy pontot
Egészrészes feladatok
Kitűzött feladatok Egészrészes feladatok Győry Ákos Miskolc, Földes Ferenc Gimnázium 1. feladat. Oldjuk meg a valós számok halmazán a { } 3x 1 x+1 7 egyenletet!. feladat. Bizonyítsuk be, hogy tetszőleges
Adatbázis és szoftverfejlesztés elmélet. Programozási tételek
Adatbázis és szoftverfejlesztés elmélet Témakör 8. 1. Egy sorozathoz egy érték hozzárendelése Az összegzés tétele Összefoglalás Programozási tételek Adott egy számsorozat. Számoljuk és írassuk ki az elemek
Érdemes egy n*n-es táblázatban (sorok-lányok, oszlopok-fiúk) ábrázolni a két színnel, mely éleket húztuk be (pirossal, kékkel)
Kombi/2 Egy bizonyos bulin n lány és n fiú vesz részt. Minden fiú pontosan a darab lányt és minden lány pontosan b darab fiút kedvel. Milyen (a,b) számpárok esetén létezik biztosan olyan fiúlány pár, akik
Gráfalgoritmusok és hatékony adatszerkezetek szemléltetése
Gráfalgoritmusok és hatékony adatszerkezetek szemléltetése Készítette: Bognár Gergő Témavezető: Veszprémi Anna Eötvös Loránd Tudományegyetem Informatikai Kar Algoritmusok és Alkalmazásaik Tanszék Budapest,
A sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex
A sorozat fogalma Definíció. A természetes számok N halmazán értelmezett függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet a valós számok halmaza, valós számsorozatról beszélünk, mígha az