Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Indice general
1. Introduccion 1
1.1. Temario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Clasicacion del tipo de problemas mas comunes . . . . . . . . . . . . . . . . . . . . 3
1.4. Grafos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2. Representacion matricial 15
2.1. Matrices de adyacencia y de incidencia . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2. Grupo de automorsmos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3. Polinomio caracterstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.
Arboles expansivos y camino optimo 19
3.1. Grafos ponderados y camino optimo . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2. Algoritmo de Dijkstra (1959) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.3. N umero de arboles expansivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.1. Grafos contrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.2. Formula de Cayley . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4. Problema de la interconexion 25
4.1.
Arbol expansivo optimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.2. Algoritmo de Kruskal (1956) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
5. Grafos de Euler 29
i
5.1. Tour de Euler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
5.2. Problema del Cartero o del Explorador . . . . . . . . . . . . . . . . . . . . . . . . . . 32
6. Grafos de Hamilton 35
6.1. Tour de Hamilton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
6.2. Problema del Viajante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
6.2.1. Primera cota inferior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
6.2.2. Segunda cota inferior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
6.2.3. Cota superior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
7. Emparejamientos y Problemas de Asignacion 47
7.1. Emparejamientos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
7.2. Problema de la Asignacion de Personal. Metodo H ungaro . . . . . . . . . . . . . . . 52
8. Coloracion de Mapas y Grafos Planos 57
8.1. N umero cromatico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
8.2. Grafos planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
8.3. Coloracion de mapas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
9. Ejercicios 69
10. Apendice 91
10.1. Notaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
10.2. Problemas abiertos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Bibliografa 95
Captulo 1
Introducci on
1.1. Temario
El objetivo principal de este curso consiste en el estudio de los conceptos y propiedades basicas en
la Teora de Grafos, juntamente con una amplia gama de aplicaciones. A su vez, se pone enfasis en
los algoritmos ecientes para la resolucion de problemas, as como su implementacion mediante el
uso de ordenadores.
En particular, trataremos aspectos relevantes relacionados con los siguientes apartados:
1. Introduccion. Introduccion a los conceptos basicos de la teora de grafos y de la complejidad
de los algoritmos. El Problema de los Puentes de Konigsberg. Grafos isomorfos, matrices de
incidencia y de adyacencia. Teorema de Euler. El Problema del Camino mas Corto: algoritmo
de Dijkstra.
2.
Arboles y Conexion. Los arboles son uno de los tipos de grafos mas frecuentes en la
modelizacion matematica y la computacion. Caminos y geodesicas.
Arboles expansivos. El
Problema de la Interconexion: algoritmo de Kruskal.
3. Caminos de Euler. Grafos eulerianos. El Problema del Cartero: algoritmo de Fleury.
4. Caminos de Hamilton. Grafos hamiltonianos. El Problema del Viajante: estimacion de
cotas.
5. Emparejamientos. Grafos bipartitos. El Problema de la Asignacion de Personal: metodo
H ungaro. Teorema de Berge. Teorema del Matrimonio.
6. Grafos Planos y Coloracion. El Problema de los Cuatro Colores. N umero cromatico.
N umero de corte. Mapas. Problema del Almacenamiento: Conjetura de Hajos. Teorema de
Kuratowski. Teorema de la Caracterstica de Euler. Teorema de los Seis Colores.
7. Implementacion. Estructuras de datos y algoritmos de grafos.
1
CAP
ITULO 1. INTRODUCCI
ON
1.2. Ejemplos
Red de metro: calculo de la ((mejor)) ruta entre dos estaciones.
Moleculas de los compuestos alcanos: C
n
H
2n+2
. Cuantos compuestos isomeros (mismo n ume-
ro de atomos de carbono e hidrogeno) existen?
,
, ,
Metano: C
1
H
4
Etano: C
2
H
6
N umero maximo de casas que se pueden conectar a la red de agua, luz y gas, sin que las lneas
se crucen.
, , ,
Agua
Luz Gas
C
1
C
2
Se pueden conectar mas casas?
El Problema de los Puentes de Konigsberg. Se pueden cruzar los siete puentes una sola vez
y volver al punto de partida?
A D
C
B
Cuando puede un cartero partir de la ocina de correos, recorrer todas las calles de su ruta
una sola vez y volver a la ocina?
Cuando puede un vendedor visitar todos los establecimientos que tiene asignados, una sola
vez, y volver al lugar de partida? Cual es la ruta mas corta?
Cuantos colores se necesitan para pintar un mapa?
2
1.3. CLASIFICACI
AS COMUNES
1.3. Clasicaci on del tipo de problemas mas comunes
1. Existencia: Problema de los Puentes de Konigsberg.
2. Construccion: Ruta del cartero. Se emplean metodos algortmicos.
3. Enumeracion: Cuantas soluciones hay?
4. Optimizacion: Cual es la mejor solucion?
Aunque los enunciados de los problemas que se presentan en la Teora de Grafos pueden parecer
elementales, existen casos en los que no se conoce todava la solucion:
Para que grafos tiene solucion el Problema del Viajante? Si por ejemplo analizaramos todas
las rutas posibles que unen las 50 provincias de Espa na, con una velocidad de calculo de un
billon de billones de billones por segundo (10
36
casos/sg), tardaramos del orden de 10.000
millones de veces la edad del Universos (unos 15.000 millones de a nos) en determinar la ruta
mas corta.
Cual es el menor n umero de intersecciones que hemos de hacer para unir entre s 13 puntos del
plano? Por ejemplo, si consideramos 1, 2, 3 o 4 puntos, podemos conseguirlo sin interseccion
alguna. Para 5 puntos se ha de hacer al menos una interseccion y 6 puntos requieren 3. Los
valores para 7, 8, 9, 10, 11 y 12 puntos son, respectivamente, 9, 18, 36, 60, 100 y 150. Para
13 puntos o mas el problema no se ha resuelto todava.
, ,
, ,
,
,
Se necesitan al menos 3 cruces para unir 6 puntos
1.4. Grafos
Denicion 1.4.1 Un grafo G = (V, E) es un conjunto de elementos V = V (G), llamados verti-
ces, y un conjunto de aristas E = E(G) que unen dos vertices. Si dos o mas aristas unen el
3
CAP
ITULO 1. INTRODUCCI
ON
mismo par de vertices se denominan aristas m ultiples. Si una arista une un vertice consigo mis-
mo se denomina lazo. Un grafo sin aristas m ultiples ni lazos se denomina simple. Un digrafo, o
grafo dirigido, es un grafo en el que las aristas tienen una direcci on: van de un punto a otro. Dos
vertices son adyacentes si estan unidos por una arista (en este caso se dice que los vertices son
incidentes con la arista, y recprocamente). Si e E(G) es incidente en los vertices a, b V (G),
escribiremos e = ab.
Ejemplo 1.4.2 Grafo con 4 vertices y 5 aristas: V = {a, b, c, d}, E = {1, 2, 3, 4, 5}.
, ,
,
, `
d b
c
a
3
1
5
2
4
No es un grafo simple: 4 y 5 son aristas m ultiples y 2 es un lazo. d no es adyacente a ning un otro
vertice. Los vertices incidentes con la arista 4 son a y c.
Observacion 1.4.3 Dos grafos son ((iguales)) si tienen el mismo conjunto de vertices y de aristas,
independientemente de su representacion graca. La siguiente denicion especica con mas detalle
esta equivalencia:
Denicion 1.4.4 Dos grafos G y H son isomorfos si existe una biyeccion entre sus vertices
que conserva las aristas:
: V (G) V (H) tal que, xy E(G) si, y solo si, (x)(y) E(H).
Ejemplo 1.4.5 Los siguientes grafos son isomorfos y existen dos isomorsmos diferentes: el que
lleva a en x, b en y y c en z, y el que transforma a en z, b en y y c en x.
, , ,
,
,
,
a
b
c
x z
y
Denicion 1.4.6 Un subgrafo de un grafo G es un grafo cuyos vertices y aristas pertenecen a G.
Ejemplo 1.4.7 El grafo de la derecha es un subgrafo del de la izquierda, con el mismo n umero de
vertices:
4
1.4. GRAFOS
3. Conjetura de S. M. Ulam
Supongamos que G y H son dos grafos que tienen el mismo n umero de vertices,
V (G) = {u
1
, . . . , u
n
} y V (H) = {v
1
, . . . , v
n
}, n 3,
y de manera que para cada j = 1, . . . , n, se verica que
Gu
j
H v
j
.
Estudiar si, necesariamente, G H. El resultado es cierto, por ejemplo, si G y H son
arboles.
4. El Problema del Viajante
Un comerciante ha de visitar una sola vez todas las ciudades donde residen sus clien-
tes, y quiere hacerlo de manera que el recorrido sea el mas corto posible Como se
puede determinar esta ruta de manera efectiva? Si, por ejemplo, enumeramos todas
las posibilidades de ordenar las distintas ciudades (supongamos que hay n), y elegimos
la que da el valor menor, habremos de considerar n! casos. Para hacernos una idea de
la magnitud de este n umero, si pudieramos trabajar con el ordenador mas rapido que
existe (alrededor de 40 billones de operaciones por segundo), y hubiera 25 ciudades,
tardaramos mas de 12.000 a nos. Si aumentamos ligeramente este valor hasta las 30
ciudades, entonces el tiempo requerido llegara hasta 14 veces la edad del Universo...
5. Grafos simples 3 y 4 regulares (C. Berge, 1973)
Es cierto que todo grafo simple 4-regular contiene un subgrafo 3-regular? Observamos
que el problema tiene solucion si cambiamos 4 y 3 por k y k 1, para k = 2, 3. En
efecto, si G es simple y 2-regular, contiene al menos una arista con vertices distintos, lo
que nos da un subgrafo 1-regular. Si k = 3, entonces G no puede ser un arbol (en caso
contrario = 1), y por lo tanto G contiene un ciclo (que es un subgrafo 2-regular).
v
v v
v v
v
v
v
v
v v
v v
v
v
v
Grafo 4-regular Subgrafo 3-regular
2
Denicion 1.4.8 El grado de un vertice v de un grafo, que se denota por g(v), es el n umero de
aristas incidentes con v, donde los lazos cuentan por 2.
Ejemplo 1.4.9
, , , ,
a
b
c
d
g(a) = 0, g(b) = 1, g(c) = 3, g(d) = 4
Denicion 1.4.10 La sucesion de grados de un grafo es la que se obtiene al ordenar, de manera
creciente, los grados de sus vertices.
Ejemplo 1.4.11 Ejemplos de grafos que tienen la misma sucesion de grados pero no son isomorfos:
, , , , , ,
{1, 2, 3} {1, 2, 3}
g g g
g g g
g g
g g g
g
{1, 1, 2, 2, 3, 3} {1, 1, 2, 2, 3, 3}
Observacion 1.4.12 Es un problema no trivial saber cuando una sucesion es la sucesion de grados
de un grafo.
Denicion 1.4.13 Sea G = (V, E) un grafo. Se denota por:
(G) al n umero de aristas de G ((G) = Card (E)).
(G) al n umero de vertices de G ((G) = Card (V )).
Grado mnimo de G: (G) = mn{g(v) : v V (G)}.
5
CAP
ITULO 1. INTRODUCCI
ON
Grado m aximo de G: (G) = max{g(v) : v V }.
Se dice que G es un grafo regular de grado r (o r-regular) si = = r.
Ejemplo 1.4.14 Los grafos del Ejemplo 1.4.7 son regulares de grado 4 y 3, respectivamente.
Denicion 1.4.15 Si v V (G), Gv es el grafo que se obtiene al suprimir el vertice v, y todas
sus aristas incidentes. Analogamente, si e E(G), Ge es el grafo que se obtiene al suprimir la
arista e.
,
,
,
,
,
,
, ,
v
e
G
Gv Ge
Teorema 1.4.16 (Euler). En todo grafo, la suma de los grados de sus vertices es igual al doble
del n umero de aristas:
vV
g(v) = 2. (1.1)
Demostracion. Basta observar que toda arista tiene dos extremos (incluidos los lazos), y por lo
tanto contribuye por dos a la suma de los grados. Formalmente, lo demostramos por induccion en
el n umero de aristas:
Si = 0 es trivial. Si = 1, entonces o bien = 2 y cada vertice tiene grado 1, o la arista es un
lazo y hay un solo vertice de grado 2. En ambos casos (1.1) es valido. Supongamos demostrado el
resultado para k y sea G un grafo tal que = k + 1. Consideremos una arista e de G y el
grafo H = Ge. Entonces todos los vertices de H tienen el miso grado en H que en G, excepto 2
que tienen un grado menos (si e no es un lazo), o 1 con 2 grados menos (si e es un lazo). En ambos
casos, usando la hipotesis de induccion, obtenemos que:
vV (G)
g(v) =
vV (H)
g(v) + 2 = 2( 1) + 2 = 2.
Corolario 1.4.17 En todo grafo, el n umero de vertices con grado impar, es un n umero par.
Ejemplo 1.4.18 En una reunion, el n umero de personas que conocen a un n umero impar de
invitados, es un n umero par.
Corolario 1.4.19 Si G es r-regular, entonces = r/2.
6
1.4. GRAFOS
Ejemplo 1.4.20 Tipos de Grafos:
Completos: Cada vertice esta unido a todos los restantes, una sola vez. Se denotan como
K
n
. Son grafos simples y (n 1)-regulares.
, , , , ,
,
,
, ,
,
K
1
K
2
K
3
K
4
Nulos: Grafos sin aristas. Se denotan por N
n
.
, , , , ,
,
,
, ,
,
N
1
N
2
N
3
N
4
Plat onicos: Representan las aristas y los vertices de los cinco poliedros Platonicos:
,
,
,
,
, ,
,
,
, ,
,
,
, ,
, ,
,
,
Tetraedro (3-regular) Octaedro (4-regular) Cubo (3-regular)
, ,
,
,
,
,
,
,
,
,
, ,
Icosaedro (5-regular)
7
CAP
ITULO 1. INTRODUCCI
ON
, ,
, ,
,
,
,
, ,
,
,
,
,
,
,
,
,
,
,
Dodecaedro (3-regular)
,
Denicion 1.4.21 Un camino de longitud k entre los vertices v
1
= v
k+1
de un grafo es una
sucesion de k aristas de la forma
v
1
v
2
, v
2
v
3
, , v
k
v
k+1
.
En este caso se denomina camino entre v
1
y v
k+1
(tambien se denota como v
1
v
2
v
k+1
). Un
camino simple es un camino en el que todas las aristas son diferentes. Un camino elemental
es un camino simple en el que todos los vertices son distintos.
Ejemplo 1.4.22
, ,
,
,
, , d
e
f
b
c
a
Camino entre a y e: abcbe
Camino simple entre a y e: abcdebfe
Camino elemental, de longitud 3, entre a y e: abfe
Camino elemental, de longitud 2, entre a y e: abe
Denicion 1.4.23 Un grafo es conexo si existe un camino elemental entre cada par de vertices.
Una arista de un grafo es un puente si al quitarla, el nuevo grafo es disconexo. Analogamente se de-
ne vertice de corte. Los mayores subgrafos conexos de un subgrafo se denominan componentes
conexas. El n umero de componentes conexas se denota por (G).
Ejemplo 1.4.24
,
, ,
,
, ,
, ,
,
,
,
,
,
,
,
Grafo con 3 componentes
puente
8
1.4. GRAFOS
Denicion 1.4.25 Un camino cerrado de longitud k es una sucesion de aristas del tipo
v
1
v
2
, v
2
v
3
, , v
k
v
1
(o tambien v
1
v
2
v
k
v
1
) que comienzan y acaban en el mismo vertice. Un
ciclo C
k
es un camino cerrado de longitud k en el que todas las aristas son diferentes y todos los
vertices intermedios tambien. Un triangulo es un ciclo de longitud 3 (C
3
).
Ejemplo 1.4.26 vywxyzv es un camino cerrado que no es un ciclo. vwxyzv es un ciclo de longitud
5. vwyv es un triangulo.
,
,
, ,
, ,
x
y
z
u
v
w
Ejemplo 1.4.27 Los ciclos C
n
son grafos 2-regulares, con n vertices y n aristas.
, , , ,
,
,
, ,
, ,
C
1
C
2
C
3
C
4
Denicion 1.4.28 Un grafo bipartito es un grafo cuyo conjunto de vertices se puede dividir en
dos subconjuntos disjuntos A y B, de manera que cada arista del grafo une un vertice de A con
otro de B. Un grafo bipartito es completo si cada vertice de A esta unido a cada vertice de B. Si
Card (A) = r y Card (B) = s denotamos por K
r,s
a dicho grafo bipartito completo.
Ejemplo 1.4.29 En un grafo bipartito los vertices se pueden pintar con 2 colores de manera que
cada arista sea incidente con vertices de distinto color:
,
,
,
,
K
4,4
, , , ,
Cubo
Observacion 1.4.30 K
r,s
= K
s,r
, = r +s y = rs.
Denicion 1.4.31 Un arbol es un grafo conexo sin ciclos.
9
CAP
ITULO 1. INTRODUCCI
ON
Ejemplo 1.4.32 Ejemplos de arboles:
,
, ,
, , , ,
, , , , , ,
, ,
, ,
,
, ,
,
, ,
,
Proposicion 1.4.33 G es un arbol si, y solo si, para todo par de vertices u, v V (G) existe un
unico camino elemental entre u y v.
Demostracion. Si G es un arbol, entonces es un grafo conexo, y por lo tanto existe al menos un
camino elemental entre u y v. Si existieran dos, tomando uno a continuacion del otro, en sentido
inverso, encontraramos facilmente que G tendra un ciclo, lo que es una contradiccion.
, ,
, ,
,
,
,
u
v
a
b
c
d
e
De los caminos uabcv y uadecv encontramos el ciclo abceda.
Recprocamente, si G no fuera un arbol, habra un ciclo y as podramos ir de un vertice a otro
diferente de este ciclo mediante dos caminos diferentes (en sentido horario y antihorario), lo que de
nuevo es una contradiccion.
Observacion 1.4.34 Se puede demostrar que un grafo conexo es un arbol, si y solo si = 1.
En particular un arbol tiene el menor n umero de aristas posible ( 1) para que un grafo con
vertices sea conexo.
Ejemplo 1.4.35 Mas ejemplos de grafos:
Elementales: Se denominan P
n
, y son arboles con = n, = n 1, y si n 3 entonces
= 1 y = 2.
, , , , , ,
P
1
P
2
P
3
Cubos: Se denotan por Q
n
. Los vertices representan todos los n umeros binarios de n cifras.
Dos vertices estan unidos si tienen solo una cifra diferente. Son grafos bipartitos, n-regulares,
con = 2
n
y = n2
n1
.
10
1.4. GRAFOS
, ,
, ,
, ,
,
,
,
,
,
,
, ,
0 1
00 10
01 11
000 100
001 101
010 110
011 111
Q
1
Q
2
Q
3
Denicion 1.4.36 Sea G un grafo conexo, u, v V . Se dene d(u, v), distancia de u a v, a la
longitud del menor camino elemental que los une (estos caminos se denominan geodesicas). Se
llama diametro de G a la longitud de la mayor geodesica de G, y se denomina D(G).
Ejemplo 1.4.37 Es facil demostrar que d dene una metrica en el conjunto de vertices V . En el
siguiente ejemplo, d(a, b) = d(a, c) = d(b, c) = d(c, d) = 1; d(a, d) = d(b, d) = 2. El diametro de G
es D(G) = 2.
,
,
, ,
a
b
c
d
D(G) = 2
Teorema 1.4.38 (Constante de Moore). Sea G un grafo conexo con > 2. Entonces:
N(, D) :=
(1)
D
2
2
. (1.2)
Demostracion. Fijemos un vertice v V . Por hipotesis, como mucho hay vertices adyacentes a
v. De cada uno de estos vertices, como mucho hay 1 nuevos vertices adyacentes, y por lo tanto
en total hay (1) nuevos vertices. En el siguiente paso, a distancia 2 de v, encontramos, como
mucho (1)
2
nuevos vertices. Como el diametro de G es D, como mucho podemos iterar este
proceso D-veces, a partir del cual habremos obtenido todos los vertices de G.
,
, , ,
, , , , , ,
1
(1)
v
,
,
,
,
,
,
11
CAP
ITULO 1. INTRODUCCI
ON
Sumando todos los vertices que hemos contado en cada paso:
d = 0 1
d = 1 1 +
d = 2 1 + + (1)
.
.
.
d = D 1 + + (1) + + (1)
(D1)
= 1 +
1 (1)
D
1 (1)
=
(1)
D
2
2
.
(2) + 2
log (1)
. (1.3)
Estimaciones del diametro de varios grafos han sido determinadas mediante experimentos empricos.
As, por ejemplo, se calcula que el diametro de la poblacion mundial tiene un diametro de 6 y la
WWW de 19. Observamos que, en el primer caso, 6 10
9
y basta tomar = 50 (es decir, cada
persona conoce al menos a otras 50 mas) para que (1.3) nos de el valor D 6.
13
Captulo 2
Representaci on matricial
2.1. Matrices de adyacencia y de incidencia
Denicion 2.1.1 Sea G un grafo. La matriz de adyacencia de G, A(G) = (a
i,j
)
i,j=1, ,
, es la
matriz cuadrada , donde a
i,j
es el n umero de aristas que unen los vertices i, j (los lazos se
cuentan por 2, si i = j).
Si G es un grafo sin lazos, la matriz de incidencia de G, I(G) = (b
i,j
)
i=1, ,,j=1, ,
es la matriz
, donde b
i,j
= 1, si el vertice i es incidente con la arista j, y es igual a cero en caso contrario.
Ejemplo 2.1.2 Matrices de adyacencia y de incidencia del siguiente grafo G:
, ,
, ,
A(G) =
0 1 0 1
1 0 1 2
0 1 0 1
1 2 1 0
I(G) =
1 0 0 1 0 0
1 1 0 0 1 1
0 1 1 0 0 0
0 0 1 1 1 1
Ejemplo 2.1.3
A(K
n
) = (1) Id.
Observaciones 2.1.4
Las matrices A e I dependen del orden en el que hayamos numerado los vertices y las aristas.
As, por ejemplo, las siguientes matrices de adyacencia representan el mismo grafo:
15
CAP
ITULO 2. REPRESENTACI
ON MATRICIAL
0 1 0
1 0 1
0 1 0
0 1 1
1 0 0
1 0 0
0 0 1
0 0 1
1 1 0
g
g g
A(G) es una matriz simetrica, y toda matriz simetrica, cuya diagonal sea nula, genera un
grafo sin lazos.
G es simple si y solo si a(j, j) = 0 y a(i, j) {0, 1}.
Para todo j = 1, . . . , ,
i=1
a(i, j) = g(j).
Para toda arista j {1, , },
i=1
b
ij
= 2.
Para todo vertice i = 1, . . . , ,
j=1
b(i, j) = g(i).
2.2. Grupo de automorsmos
Denicion 2.2.1 Dado G, se dene el grupo de automorsmos de G:
(G) = { : G G, es un isomorsmo (automorsmo)}.
Observacion 2.2.2 (G) es un subgrupo del grupo de permutaciones de elementos, S
. Ademas,
se puede demostrar que todo grupo nito es (isomorfo a) el grupo de automorsmos de alg un grafo.
Ejemplo 2.2.3
g
g
g
1
2
3
(G) = {Id, (1, 2)}
16
2.3. POLINOMIO CARACTER
ISTICO
Observacion 2.2.4 Si dos grafos son isomorfos, es facil ver que sus respectivos grupos tambien
lo son. Sin embargo, el recproco no es cierto:
Los siguiente grafos son claramente no isomorfos pero tienen el mismo grupo de automorsmos
= {Id, (1, 2)}:
g
g
g
1
2
3
g
g
g
1 2
3
2.3. Polinomio caracterstico
Denicion 2.3.1 El polinomio caracterstico de un grafo G es, es el polinomio caracterstico
de su matriz de adyacencia:
P
G
() = det(A(G) Id).
El espectro de G es el conjunto de autovalores (con repeticion) de P
G
.
Ejemplo 2.3.2
P
K
3
() =
3
+ 3 + 2,
cuyo espectro es {2, 1, 1}.
Observaci on 2.3.3 Si A
1
y A
2
son diferentes matrices de adyacencia de G, entonces
| det(A
1
Id)| = | det(A
2
Id)|,
y por lo tanto el espectro de G no depende de la matriz elegida.
Observaci on 2.3.4 No es cierto que si 2 grafos tienen el mismo espectro entonces son isomorfos:
g g
g
g
Espectro = {0, 4}
y
17
CAP
ITULO 2. REPRESENTACI
ON MATRICIAL
Alrededor de 1970 se encontraron ejemplos mas interesantes de grafos no isomorfos con el mismo
espectro:
- Ejemplo de grafos simples con menor n umero de vertices ( = 5):
g
g g
g g
g
g g g g
y
- Ejemplo de grafos simples y conexos con menor n umero de vertices ( = 6):
,
,
,
, ,
, ,
,
,
,
,
,
y
- Ejemplo de arboles con menor n umero de vertices ( = 8):
,
,
,
, ,
,
,
,
y
,
,
,
,
,
, , ,
Ejemplo 2.3.5 Se puede demostrar que si G es simple y los autovalores de P
G
son distintos,
entonces (G) es abeliano. Por ejemplo, si G = K
3
, entonces (K
3
) = S
3
, que no es abeliano, y el
espectro de K
3
es {2, 1, 1}. Para el grafo
g
g g
sabemos que (G) = {Id, (1, 2)}, que es abeliano, y el espectro es {0,
2,
2}.
18
Captulo 3
j=0
w(u
j
u
j+1
).
La metrica o distancia d
w
(a, b) se calcula tomando la longitud menor de todos los caminos elemen-
tales entre los vertices a y b. Por ejemplo:
g g
g g
a
b
c
d
3
6
2
1
7
d
w
(a, b) = 3, d
w
(a, c) = 3, d
w
(a, d) = 1, d
w
(b, c) = 6, d
w
(b, d) = 4, d
w
(c, d) = 2.
Nuestro interes es resolver el siguiente problema:
Dado un grafo ponderado, calcular la distancia entre 2 vertices arbitrarios y hallar una geodesica
que los conecta. Es lo que denominaremos el camino optimo entre dichos vertices.
19
CAP
ITULO 3.
ARBOLES EXPANSIVOS Y CAMINO
OPTIMO
3.2. Algoritmo de Dijkstra (1959)
Dado un conjunto de vertices S G, denotamos por S = G\ S.
Sea (G, w) un grafo ponderado y, en este apartado, escribamos d para representar d
w
. Es facil
probar que
d(u, S) = mn{d(u, v) +w(v, z) : v S, z S}. (3.1)
Paso 1: Elegimos u V (G), denotamos u
1
= u y S
1
= {u
1
}. Usando (3.1)
hallamos u
2
S
1
tal que
d(u
1
, S
1
) = mn{d(u
1
, v) +w(v, z) : v S
1
, z S
1
} = w(u
1
, u
2
).
Denotamos S
2
= S
1
{u
2
}.
Paso 2: Supongamos construidos los subconjuntos de vertices:
S
1
S
k
con k < . Usando (3.1) hallamos u
k+1
S
k
satisfaciendo:
d(u
1
, S
k
) = d(u
1
, u
j
) +w(u
j
, u
k+1
),
para alg un j {1, . . . , k}. Denotamos S
k+1
= S
k
{u
k+1
}.
El proceso acaba si k = , donde obtenemos que S
= V (G).
Observamos que en cada paso el conjunto S
k
, junto a las aristas elegidas, es un arbol. As, para k =
obtenemos un arbol que contiene todos los vertices (es lo que se denomina un arbol expansivo o
abarcador), formado por geodesicas que van del punto inicial u a cada uno de los restante vertices.
Ejemplo 3.2.1 Vamos a calcular las distancias desde el vertice a del siguiente grafo ponderado,
al resto de los vertices, dando tambien una geodesica en cada caso:
,
,
,
, ,
a
b
c
d
e
1 2
4
4
2
3
Tomamos u
1
= a y S
1
= {u
1
}. En el primer paso, hemos de tomar la arista desde a con el menor
peso posible, que es la ab, y denotamos u
2
= b y S
2
= {u
1
, u
2
} = {a, b} (indicamos en el vertice
elegido la distancia obtenida al vertice inicial):
20
3.2. ALGORITMO DE DIJKSTRA (1959)
,
,
a
1
En el segundo paso hemos de analizar todas las aristas que salen desde a (hay 2 que pesan 4)
as como las que salen desde b (a las que les sumamos la distancia entre a y b que en este caso
es 1) y nos quedamos con la distancia menor, que es 3 y que corresponde a la arista bd. Hacemos
S
3
= {a, b, d}:
,
,
a
1
,
3
Ahora desde a tenemos una arista que pesa 4 (la ac), desde b no tenemos mas opciones (todos los
vertices adyacentes a b han sido ya elegidos) y desde d podemos obtener un 6 (a nadiendo de) o un
5 (a nadiendo dc), por lo que tomamos la primera opcion desde a: S
4
= {a, b, d, c}.
,
,
a
1
,
3
,
4
Finalmente no nos queda otra posibilidad que a nadir la arista de: S
5
= {a, b, d, c, e}.
,
,
a
1
,
,
4
,
5 3
As, las distancias obtenidas son d(a, b) = 1, d(a, c) = 4, d(a, d) = 3, d(a, e) = 5.
Ejemplo 3.2.2 La solucion al problema del camino optimo desde a del grafo ponderado:
, , ,
, , ,
, , ,
, ,
2
1 2
9
4
2
7
1
3
6
9
4
3
1
5
2
1 9
6
7
8
1
a
21
CAP
ITULO 3.
ARBOLES EXPANSIVOS Y CAMINO
OPTIMO
viene dado por el siguiente arbol expansivo:
, , ,
, , ,
, , ,
, ,
a
2
1
3 5
6
11 13
10 9
7
3.3. N umero de arboles expansivos
Nos interesamos en esta seccion por saber cuantos arboles expansivos diferentes puede haber en un
grafo simple y conexo G. Este n umero se denota como (G). As, si G no fuera conexo se tendra
que (G) = 0. Si G es un arbol, claramente (G) = 1.
Por ejemplo, mediante una comprobacion directa y elemental tenemos que (K
3
) = 3. En general
se puede probar que (K
n
) = n
n2
.
Es inmediato que si a un grafo le quitamos todos los lazos, o todas las aristas que tienen un extremo
de grado 1, junto con dicho vertice (esto se denomina podar), el n umero de arboles expansivos no
vara.
3.3.1. Grafos contrados
Denicion 3.3.1 Sea e E(G). Se llama grafo contrado por la arista e y se denota como
G e, al grafo que tiene los mismos vertices que G, aunque identicando en uno solo los extremos
de la arista e, y sus aristas son las de G menos e.
Ejemplo 3.3.2
, ,
, , ,
,
,
e
G
G e
Observamos que (G e) = (G) 1 y (G e) = (G) 1. Ademas, el grafo contrado deja de ser,
en muchos casos, un grafo simple.
22
3.3. N
UMERO DE
ARBOLES EXPANSIVOS
Ejemplo 3.3.3
, ,
,
,
,
G
e
G e
3.3.2. F ormula de Cayley
La formula de Cayley nos permite obtener (G) en terminos del n umero de arboles expansivos de
grafos que tienen un n umero menor de vertices y aristas, o que pueden llegar a ser no conexos, por
lo que el calculo de es mas sencillo. Esta formula nos dice que
(G) = (G\ e) +(G e)
La demostracion es elemental y esta basada en observar que todo arbol expansivo de G o no contiene
a e (en cuyo caso es un arbol expansivo de G\ e), o s que contiene dicha arista, y por lo tanto se
puede identicar con un arbol expansivo de G e.
La manera usual de aplicar esta formula consiste en identicar el n umero con los diversos grafos
que aparecen:
Ejemplo 3.3.4 Vamos a contar el n umero de arboles expansivos de K
3
usando la formula de
Cayley:
,
, ,
e
=
,
,
,
+
, ,
=
1 +
, ,
= 1 + 2 = 3,
es decir, (K
3
) = 3.
Observacion 3.3.5 Si un grafo G se puede poner como la union de otros 2 grafos G
1
y G
2
, unidos
por un vertice en com un, o por una arista que es un puente, entonces
(G) = (G
1
) (G
2
).
Ejemplo 3.3.6 El n umero de arboles expansivos del grafo G:
23
CAP
ITULO 3.
ARBOLES EXPANSIVOS Y CAMINO
OPTIMO
,
,
,
,
, ,
,
,
,
,
,
,
, ,
, ,
,
,
es igual al del siguiente grafo (podando las hojas)
,
,
, , ,
,
, , ,
, ,
y eliminado los puentes nos queda que es igual al del siguiente grafo
,
,
,
, ,
, ,
que se puede poner como union de 3 triangulos K
3
, por lo que
(G) = 3 3 3 = 27.
Observacion 3.3.7 Es importante observar que el metodo anterior de Cayley solo nos da el
n umero de arboles expansivos de un grafo G, pero no nos dice cuales son ni como representarlos
gracamente.
24
Captulo 4
Problema de la interconexi on
4.1.
Arbol expansivo optimo
Estudiamos ahora la solucion al problema de la interconexion:
En un grafo ponderado (G, w), queremos encontrar un arbol expansivo que tenga el menor peso (la
suma de los pesos de sus aristas) posible. Esta situacion surge de manera natural cuando queremos
optimizar recursos en una red, y buscamos la manera optima de interconectar los puntos de dicha
red, con el menor gasto (precio, distancia, tiempo, u otra variable) posible.
Por ejemplo, supongamos que nos dan la siguiente red de carreteras entre 4 poblaciones, y nos
piden hallar la manera de poder seguir viajando entre dichas poblaciones pero que el gasto total
de la red construida sea el mnimo (los pesos de cada arista nos da lo que cuesta construir dicho
tramo de carretera):
, ,
, ,
10
20
3
1
2
(4.1)
Es obvio que la solucion viene dada por hallar, de entre todos los arboles expansivos de G, aquel
que tenga el menor peso. Representamos todos los casos posibles (es facil ver, usando la formula
de Cayley, que hay 8). El n umero que aparece en cada caso es el peso obtenido:
25
CAP
ON
, ,
, ,
, ,
, ,
, ,
, ,
, ,
, ,
, ,
, ,
, ,
, ,
, ,
, ,
, ,
, ,
13 23 32 31
15 14 25 24
As, la solucion en este caso viene dada por el primer arbol expansivo:
, ,
, ,
13
y tiene un gasto de 13.
Aunque calcular la solucion del problema de la interconexion podra parecer complicada, dado el
elevado n umero de casos que hay en un grafo completo ((K
n
) = n
n2
), existe sin embargo un
algoritmo, que se explica en la siguiente seccion, que permite hallar el arbol optimo de manera
efectiva.
4.2. Algoritmo de Kruskal (1956)
Este algoritmo construye, en 1 pasos, un arbol expansivo optimo, y por lo tanto resuelve el
problema de la interconexion. Es extremadamente sencillo, y solo requiere analizar la existencia o
no de ciclos al ir a nadiendo nuevas aristas.
A diferencia del algoritmo de Dijkstra, se observa que en los pasos intermedios, el subgrafo que
vamos obteniendo no tiene por que ser un arbol (aunque s que lo sera el resultado nal).
As pues, consideremos un grafo ponderado (G, w):
26
4.2. ALGORITMO DE KRUSKAL (1956)
Paso 1: Elegimos e
1
E(G), tal que
w(e
1
) = mn{w(e) : e E(G)}.
Denotamos R
1
= {e
1
}.
Paso 2: Supongamos construidos los subconjuntos de aristas:
R
1
R
k
con k < 1. Elegimos e
k+1
E(G) \ R
k
satisfaciendo:
- e
k+1
no forma ning un ciclo junto con las aristas de R
k
.
- De entre todas estas aristas, e
k+1
tiene el menor peso posible w(e
k+1
).
Denotamos R
k+1
= R
k
{e
k+1
}.
El proceso acaba si k = 1, donde obtenemos que R
1
es un arbol expansivo
optimo de G.
Ejemplo 4.2.1 Volvamos al ejemplo (4.1). Usando el algoritmo de Kruskal tomamos e
1
la arista
de menor peso, que es igual a 1:
,
,
1
R
1
La siguiente arista e
2
es la que pesa 2:
,
,
1
,
2
R
2
Como la arista de menor peso no elegida forma ciclo con las de R
2
, no la consideramos, y pasamos
a la siguiente, que es la que pesa 10, obteniendo la solucion que ya hemos calculado:
27
CAP
ON
,
,
1
,
2
,
10
R
3
Ejemplo 4.2.2 Hallamos a continuacion la ruta que interconecta las siguientes capitales, minimi-
zando la distancia total. La siguiente tabla nos da la distancia (en cientos de millas) entre Londres
(L), Mexico DF (Mx), Nueva York (NY ), Pars (Pa), Pekn (Pe) y Tokio (T):
Mx NY Pa Pe T
L 56 35 2 51 60
Mx 21 57 78 70
NY 36 68 68
Pa 51 61
Pe 13
Observamos que estamos considerando el caso del grafo completo K
6
y que hay 6
4
= 1296 arboles
expansivos diferentes.
Usando el algoritmo de Kruskal, obtenemos en este caso 2 posibles soluciones, ambas con un peso
igual a 122:
,
, ,
,
,
,
Mx
NY
L
Pa
Pe
T
,
, ,
,
,
,
Mx
NY
L
Pa
Pe
T
28
Captulo 5
Grafos de Euler
Como ya se ha comentado en la Introduccion, la teora de Grafos tiene un primer precursor en la
gura de L. Euler quien, en 1736, resolvio el problema de los Puentes de Konigsberg, utilizando
por primera vez tecnica de grafos: Se pueden cruzar los siete puentes que unen A, B, C, D una sola
vez y volver al punto de partida?
A D
C
B
Este problema equivale a saber si en el siguiente grafo podemos recorrer todas las aristas una sola
vez, empezando y acabando el recorrido en el mismo vertice:
,
,
,
,
5.1. Tour de Euler
Denicion 5.1.1 Sea G un grafo. Un camino de Euler es un camino simple que contiene todas
las aristas de G (una sola vez). Si el camino de Euler es cerrado (empieza y acaba en el mismo
29
CAP
) 1. Como H
H, H
es conexo
y g
H
(v) es par, para todo v V (H
), se deduce que H
u v
, ,
, ,
u
, ,
,
,
,
,
u v
CH
.
G
es un grafo euleriano y es el que tiene menos peso entre los eulerianos que
contienen a G.
Ejemplo 5.2.1 Vamos a resolver el Problema del Cartero en el siguiente grafo no euleriano:
, , ,
, ,
a
b
c
d
e
1
2
9
11
3
4
8
Observamos que solo tiene 2 vertices de grado impar, e y d, y que su peso total es de 38.
Calculamos la geodesica que los une, y obtenemos el camino:
, , ,
, ,
a
b
c
d
e
1
3 6
10
es decir, d
w
(e, d) = 10.
Duplicando ahora este camino construimos el supergrafo euleriano:
, , ,
, ,
a
b
c
d
e
1
2
9
11
3
4
8
33
CAP
Ejemplo 6.1.4 Volviendo al Ejemplo 6.1.2 (2), si quitamos el vertice central de grado 4, S = {v},
obtenemos que |S| = 1 y (G\ S) = 2, por lo que G no es hamiltoniano:
,
, ,
,
,
,
,
,
,
G\ S v
Una nueva condicion necesaria, que es muy sencilla de probar, para grafos hamiltonianos bipartitos
es la siguiente:
Teorema 6.1.5 Si G es un grafo hamiltoniano y bipartito, entonces (G) es par.
Ejemplo 6.1.6 El siguiente grafo es bipartito y = 9, por lo que no es hamiltoniano:
,
,
,
, ,
Observacion 6.1.7 Es facil ver que ninguno de los Teoremas 6.1.3 y 6.1.5 son condiciones su-
cientes para que G sea hamiltoniano.
El siguiente resultado nos da una condicion necesaria para que G sea hamiltoniano:
Teorema 6.1.8 (Dirac, 1952). Si G es un grafo simple, 3 y /2, entonces G es hamil-
toniano.
36
6.1. TOUR DE HAMILTON
Demostracion. Supongamos lo contrario: De entre todos los grafos en estas condiciones, elegimos
uno que sea maximal (en el n umero de aristas). Como K
es simple, (G
) = (G) 3, (G
) > (G) y (G
con v
1
= u y v
= v. Sean S = {v
j
: uv
j+1
E(G)} y T = {v
j
: v
j
v E(G)}.
Claramente g(u) = |S|, g(v) = |T| y v / S T (por lo que |S T| < ). Veamos que S T = :
En caso contrario, si existiera v
j
S T, como uv
j+1
E(G) y vv
j
E(G), podramos construir
el siguiente tour de Hamilton de G:
, , , , , , ,
u = v
1
v
2
v
3
v
j
v
j+1
v
1
v = v
C
n
, si n = 3 o n 5
K
4
, si n = 4.
6.2. Problema del Viajante
El Problema del Viajante busca encontrar un tour de Hamilton con menor peso posible, en un grafo
completo K
CS
CI
1
100.
6.2.1. Primera cota inferior
Como todo tour de Hamilton C de G incide en cada vertice 2 veces, si elegimos en cada v V (G)
las 2 aristas de peso mnimo, llamemoslas e
j
(v), j = 1, 2, obtenemos:
j=1
[w(e
1
(v
j
)) +w(e
2
(v
j
))]
2
PV (G)
Volviendo al ejemplo anterior, obtenemos la estimacion:
(1 + 4) + (1 + 2) + (3 + 5) + (2 + 3)
2
= 10, 5 PV = 11.
Como sabemos que la solucion ha de ser un n umero entero (pues los pesos de las aristas lo son),
en este caso obtenemos que 11 PV , lo que es optimo.
Esta estimacion no es siempre la mejor. Por ejemplo, en el siguiente grafo ponderado:
Viajante (as, en el ejemplo anterior, PV = 11), es evidente que para cualquier tour de
Hamilton C de un grafo ponderado (G, w), se satisface la estimacion:
PV (G) w(C).
Nos interesamos ahora por encontrar mejores cotas, inferiores y superiores, de PV , hasta
obtener estimaciones que tengan un error prejado. En particular, si CI y CS son, respec-
tivamente, cotas inferior e inferior, de manera que CI PV CS, el error cometido se
determina, en porcentaje, como:
error =
CS PV
PV
100
CS CI
CI
100 =
CS
CI
1
100.
7.2.1. Primera cota inferior
Como todo tour de Hamilton C de G incide en cada vertice 2 veces, si elegimos en cada
v V (G) las 2 aristas de peso mnimo, llamemoslas e
j
(v), j = 1, 2, obtenemos:
j=1
[w(e
1
(v
j
)) +w(e
2
(v
j
))]
2
PV (G).
Volviendo al ejemplo anterior, obtenemos la estimacion:
(1 + 4) + (1 + 2) + (3 + 5) + (2 + 3)
2
= 10, 5 PV = 11.
Como sabemos que la solucion ha de ser un n umero entero (pues los pesos de las aristas lo
son), en este caso obtenemos que 11 PV , lo que es optimo.
Esta estimacion no es siempre la mejor. Por ejemplo, en el siguiente grafo ponderado:
u u
u u
1
1
1
1
3
3
obtenemos que los pesos de los 3 tours de Hamilton son 6, 6 y 8, por lo que PV = 6, y
CI =
(1 + 1) + (1 + 3) + (1 + 1) + (1 + 1)
2
= 5 < PV.
45
obtenemos que los pesos de los 3 tours de Hamilton son 6, 6 y 8, por lo que PV = 6, y
CI =
(1 + 1) + (1 + 3) + (1 + 1) + (1 + 1)
2
= 5 < PV.
41
CAP
), y estudiemos en K
\ v el subgrafo C \ v:
Claramente, C \ v es conexo, sin ciclos (es un arbol) y contiene todos los vertices de K
\ v, por lo
que es un arbol expansivo de K
w(T
v
)+w(e
1
(v))+w(e
2
(v))
PV
Ejemplo 6.2.1 Consideremos nuevamente el ejemplo anterior, para el cual hemos obtenido, usan-
do el primer metodo, la cota inferior CI = 5.
, ,
, ,
1
1
1
1
3
3
a
b
c
d
Representamos a continuacion el grafo que se obtiene al eliminar cada uno de los 4 vertices, as como
el arbol expansivo solucion del Problema de la Interconexion y la suma de su peso y el de las aristas
de menor peso en dicho vertice:
42
6.2. PROBLEMA DEL VIAJANTE
Vertice a:
,
, ,
1
3
3
b
c
d
,
, ,
1
3
b
c
d
CI = 4 + 1 + 1 = 6
Vertice b:
CI = 2 + 1 + 3 = 6
,
, ,
1
1
1
a
c
d
,
, ,
1
1
a
c
d
Vertice c:
CI = 2 + 1 + 1 = 4
, ,
,
1
3
a
b
d
1
, ,
,
1
a
b
d
1
Vertice d:
CI = 2 + 1 + 1 = 4
, ,
,
1
1
3
a
b
c
, ,
,
1
1
a
b
c
As, max{6, 6, 4, 4} = 6 PV , y vemos que, en este caso, la estimacion inferior es optima ya que,
como hemos probado en la Seccion 6.2.1, PV = 6.
Observaci on 6.2.2 Es una observacion elemental, pero muy importante de tener en cuenta, que
si el arbol T
v
que se obtiene desde el vertice v es elemental, y al a nadir las 2 aristas de peso mnimo
43
CAP
v
1
un tour de Hamilton de K
, de manera que PV
w(C), y supongamos que existen ndices 1 i < i + 1 < j < j + 1 tal que
w(v
i
v
j
) +w(v
i+1
v
j+1
) < w(v
i
v
i+1
) +w(v
j
v
j+1
)
, ,
,
, ,
,
v
i
v
i+1
v
j
v
j+1
Entonces, consideramos el nuevo tour de Hamilton:
C
= v
1
v
i
v
j
v
j1
v
i+1
v
j+1
v
j+2
v
v
1
que satisface PV w(C
) < w(C), lo que nos da una mejor (menor) cota superior. Repetimos este
proceso hasta que no podamos obtener una nueva mejora.
Ejemplo 6.2.3 Veamos con un ejemplo c omo obtener buenas estimaciones para resolver el Proble-
ma del Viajante para las capitales del Ejemplo 4.2.2. Observamos que en este caso existen 5!/2 = 60
tours de Hamilton distintos:
Mediante el metodo de la primera cota inferior, obtenemos
CI =
37 + 77 + 56 + 38 + 64 + 73
2
=
345
2
= 172, 5
y por lo tanto PV 173.
Mediante el segundo metodo, si quitamos el vertice dado por NY , obtenemos el siguiente arbol
solucion del Problema de la Interconexion, cuyo peso es igual a 122:
44
6.2. PROBLEMA DEL VIAJANTE
,
,
,
,
,
L
Mx
Pa
Pe
T
Como las aristas de menor peso en NY suman 56, obtenemos la cota inferior CI = 122+56 = 178,
que mejora la primera estimacion. As, PV 178.
Veamos ahora que cotas superiores podemos obtener para PV . Comenzamos con el tour de Hamilton
LMxNY PaPeTL, cuyo peso es de 237, por lo que PV 237:
,
,
,
,
,
L
Mx
Pa
Pe
T
,
NY
56
51
2
78
Observamos que w(LPa)+w(MxPe) = 80 < w(LMe)+w(PaPe) = 107, as que cambiamos dichas
aristas y obtenemos el nuevo tour de Hamilton LPaNY MxPeTL, cuyo peso es de 237-27=210,
por lo que PV 210:
45
CAP
ON
7.1. Emparejamientos
Denicion 7.1.1 Sea G un grafo simple. Un subconjunto M E(G) es un emparejamiento de
G si cualquier par de aristas de M no son adyacentes. Un emparejamiento M satura v V (G)
si v es incidente con alguna arista de M. Un emparejamiento M de G es perfecto si satura todo
vertice de G. Un emparejamiento M es maximal si no existe otro emparejamiento M
con un
n umero mayor de aristas.
Observaciones 7.1.2
1. Si G tiene un emparejamiento perfecto entonces (G) es par. En este caso (G) = 2|M|.
2. Si M es perfecto, entonces M es maximal.
Ejemplo 7.1.3
,
,
,
, , ,
, ,
,
Como (G) = 9, G no tiene ning un emparejamiento perfecto. Por lo tanto, si M es un empareja-
miento maximal, |M| 4. Sin embargo, vemos que el maximo de aristas disjuntas que podemos
encontrar es de 3:
,
,
,
, , ,
, ,
,
Veremos mas adelante (Ejemplo 7.1.8) como probar que, en efecto, cualquier emparejamiento ma-
ximal tiene 3 aristas.
48
7.1. EMPAREJAMIENTOS
Ejemplo 7.1.4 Emparejamiento perfecto con |M| = 4:
, ,
, ,
,
,
,
,
Denicion 7.1.5 Sea M un emparejamiento de G. Se dice que un camino elemental de G es M-
alternado si sus aristas est an alternativamente en M. Un camino M-alternado es M-aumentado
si los extremos no estan M-saturados.
Ejemplo 7.1.6 Si M = {bc, de}, entonces abcdef es un camino M-aumentado.
, , ,
, , ,
b
c
f
a
d
e
Teorema 7.1.7 (Berge, 1957). Un emparejamiento M de G es maximal si, y solo si, G no
contiene un camino M-aumentado.
Demostracion. Si G contiene un camino L que es M-aumentado, consideremos la diferencia simetri-
ca:
M
Claramente |M
es
un emparejamiento, por lo que M no es maximal.
49
CAP
ON
Recprocamente, si M no es maximal, podemos encontrar M
.
,
, ,
, ,
,
, ,
,
,
,
,
,
, ,
, ,
,
, ,
,
,
,
,
M
M
, ,
, , , ,
,
,
,
,
H
Es facil ver que existe una componente conexa de H que no es un ciclo (en caso contrario |M| =
|M
|) y, ademas, esta componente ha de ser un camino M-aumentado (en caso contrario |M|
|M
|).
Ejemplo 7.1.8 Volviendo al Ejemplo 7.1.3, observamos que el emparejamiento M de la gura es
maximal pues no contiene ning un camino M-aumentado
Denicion 7.1.9 Sea G un grafo y S V (G). Se dene el conjunto de vecinos de S como:
N(S) = {v V (G) : existe u S, uv E(G)}.
50
7.1. EMPAREJAMIENTOS
Ejemplo 7.1.10 Si S = {c}, entonces N(S) = {a, b}.
,
, ,
a
b
c
Teorema 7.1.11 (Hall, 1935). Sea G = (X, Y ) un grafo bipartito. Entonces G contiene un
emparejamiento que satura X si, y solo si, para todo S X, se verica que |N(S)| |S|.
Ejemplo 7.1.12 En el siguiente grafo bipartito, no existe un emparejamiento perfecto (que sature
{a, b, c, d} y necesariamente {1, 2, 3, 4}) pues tomando S = {a, b, d} observamos que N(S) = {1, 3}
y no se cumple el Teorema de Hall.
, , , ,
, , , ,
a
b
c
d
1 2 3 4
Como consecuencia del Teorema 7.1.11 se prueba el siguiente resultado, que nos permite asegurar
la existencia de emparejamientos perfectos en grafos bipartitos, bajo algunas condiciones previas:
Corolario 7.1.13 (Teorema del Matrimonio). Si G es un grafo bipartito k-regular, entonces
existe un emparejamiento perfecto.
Demostracion. Si G = (X, Y ), entonces |E(G)| = k|X| = k|Y |, de lo que se deduce que |X| = |Y |.
Veamos que, para todo S X, |S| |N(S)|:
Sean E
1
y E
2
los conjuntos de aristas incidentes con S y N(S), respectivamente. Claramente
E
1
E
2
(pues si un extremo de la arista de E
1
esta en S, por denicion el otro extremo estara en
N(S)). As, k|S| = |E
1
| |E
2
| = k|N(S)|, y se deduce el resultado.
Ejemplo 7.1.14 Ejemplo de grafo bipartito 2-regular y de un posible emparejamiento perfecto:
, , , ,
, , , ,
a
b
c
d
1 2 3 4
51
CAP
ON
7.2. Problema de la Asignaci on de Personal. Metodo H ungaro
Estudiamos el siguiente algoritmo que nos permite construir un emparejamiento perfecto, en caso de
que exista, y en caso negativo demostrar que no existe. Partimos de un grafo bipartito G = (X, Y ),
y de un emparejamiento M (que puede consistir de una sola arista):
Paso 1:
(a) Si M satura X, acabamos.
(b) Si M no satura X, elegimos u X no M-saturado, S = {u} y T = .
Paso 2:
(c) Si N(S) = T, por el Teorema de Hall deducimos que no existe un emparejamiento
perfecto (ya que |N(S)| < |S|).
(d) Si T N(S), tomamos y N(S) \ T.
Paso 3:
(e) Si y es M-saturado, existe yz M: denimos S = S{z} y T = T {y} y volvemos
al Paso 2.
(f) Si y no es M-saturado, encontramos un camino P de u a y, M-aumentado, y
cambiamos M por el emparejamiento MP. Volvemos al Paso 1.
Observacion: en (d) es conveniente elegir y no M-saturado, si es posible, pues el
algoritmo acaba antes en este caso.
Ejemplo 7.2.1 Consideremos el siguiente grafo bipartito con emparejamiento inicial:
M = {15}
, , ,
, , ,
1 2 3
4 5 6
Como M no satura X = {1, 2, 3}, tomamos u = 3, que no es M-saturado, y escribimos S = {3} y
T = .
Como T N(S) = {5, 6}, tomamos 5 N(S) \ T, que es M-saturado con el vertice 1.
52
7.2. PROBLEMA DE LA ASIGNACI
ON DE PERSONAL. M
ETODO H
UNGARO
Hacemos S = {1, 3} y T = {5}. Nuevamente T N(S) = {4, 5, 6}, y tomamos 6 N(S) \ T, que
no es M-saturado.
Calculamos el camino M-aumentado que va de este vertice al primero de todos u = 3, P = 36, y
obtenemos M = {15, 36}:
, , ,
, , ,
1 2 3
4 5 6
Como M no satura 2, volvemos a escribir S = {2} y T = , y como antes, T N(S) = {4}.
Tomamos 4 N(S) \ T, que no es M-saturado y obtenemos P = 24.
Finalmente M = {15, 24, 36}, que es un emparejamiento perfecto:
, , ,
, , ,
1 2 3
4 5 6
Ejemplo 7.2.2 Veamos otro ejemplo, esquematicamente:
, , ,
, , ,
1 2 3
4 5 6
M = {14}, S = {2} y T = .
N(S) = {4}, 14 M.
S = {1, 2} y T = {4}.
N(S) = {4, 5} y 5 no es M-saturado: P = 5142.
M = {15, 24}
53
CAP
ON
, , ,
, , ,
1 2 3
4 5 6
S = {3} y T = .
N(S) = {5, 6} y 6 N(S) \ T no es M-saturado: P = 63.
M = {15, 24, 36}
, , ,
, , ,
1 2 3
4 5 6
Ejemplo 7.2.3 Veamos otro ejemplo en el que se demuestra que no existe un emparejamiento
perfecto:
, , ,
, , ,
1 2 3
4 5 6
M = {15}, S = {3} y T = .
N(S) = {6} y 6 no es M-saturado: P = 36.
M = {15, 36}
, , ,
, , ,
1 2 3
4 5 6
S = {2} y T = .
54
7.2. PROBLEMA DE LA ASIGNACI
ON DE PERSONAL. M
ETODO H
UNGARO
N(S) = {6} y 6 N(S) \ T es M-saturado.
S = {2, 3} y T = {6}.
N(S) = {6} = T, y por lo tanto no existe un emparejamiento perfecto.
55
Captulo 8
Coloraci on de Mapas y Grafos Planos
En 1852 Francis Guthrie propuso el problema de encontrar el menor n umero de colores necesarios
para pintar un mapa, de manera que pases con frontera com un tuvieran asignados colores distintos.
Es facil ver que existen mapas en los que al menos se necesitan 4 colores:
A B
C
D
En 1879 Alfred Kempe dio una primera demostracion de que 4 era el menor n umero necesario, pero
en 1890 Percy J. Heawood encontro un error en dicha prueba, aunque fue capaz de concluir que
con 5 colores se poda pintar cualquier mapa.
En 1880, Peter G. Tait dio una nueva demostracion, con 4 colores, que de nuevo fue refutada por
Julius Petersen en 1891.
Todos estos intentos, ademas de acotar que la solucion del problema era 4 o 5 colores, abrieron
una nueva va de estudio, mostrando que bastaba encontrar una coloracion optima para un n umero
nito (pero elevado) de conguraciones.
No fue hasta 1976 que Kenneth Appel y Wolfgang Haken probaron en una serie de artculos de
varios cientos de paginas que, en efecto, 4 colores son sucientes (Teorema de los Cuatro Colores).
Usando las ideas antes citadas, redujeron el estudio a un total de 1834 conguraciones irreducibles,
comprobando con el uso de varios ordenadores que haba siempre una solucion. Este empleo de
programas informaticos en demostraciones matematicas ha sido el comienzo de todo un desarrollo
posterior computacional (no exento de cierta polemica) en otro tipo de aplicaciones. Los calculos
57
CAP
ITULO 8. COLORACI
(G) n umero cromatico de aristas es el menor n umero de colores con los que se
pueden pintar las aristas de G de manera que, si son adyacentes, tengan un color diferente.
Ejemplo 8.1.2
1. (G) 2 (G) 1.
2. (K
n
) = n.
3. (C
n
) =
2 si n es par,
3 si n es impar.
4.
(K
n
) =
n 1 si n es par,
n si n es impar.
5.
(C
n
) =
2 si n es par,
3 si n es impar.
6. G es bipartito y (G) 1 si, y solo si, (G) = 2.
7.
(G) + 1 (Teorema de
Vizing).
Observacion 8.1.3 Que un grafo G tenga n umero cromatico (G) = k equivale a que podemos
encontrar una particion V (G) = V
1
V
k
de manera que los vertices de cada V
j
, 1 j k, no
sean adyacentes. Esto permite replantear el calculo de (G) como la solucion del llamado Problema
del Almacenamiento:
58
8.1. N
UMERO CROM
ATICO
Dada una familia de productos explosivos, como podemos almacenarlos de manera optima (mini-
mizando el n umero de contenedores) con la condicion de que productos que puedan reaccionar si
se mezclan no esten juntos.
Si se representa el grafo G donde los vertices son los productos y las aristas indican que dichos
productos no se pueden mezclar, la solucion es (G).
El calculo de los n umeros cromaticos de un grafo es, en general, un problema difcil. Veamos una
estimacion para (G):
Proposicion 8.1.4 Para todo grafo simple G,
2
2
(G) . (8.1)
Demostracion. Que (G) es trivial. Supongamos que V (G) = V
1
V
k
, union disjunta, con
k = (G). Sea x
j
= |V
j
|, de manera que
k
j=1
x
j
= .
Sea v V
j
. Como mucho habra x
j
aristas incidentes en v, y por lo tanto
k
j=1
x
j
( x
j
)
2
. (8.2)
Usando la desigualdad de Cauchy-Schwarz:
=
k
j=1
x
j
j=1
x
2
j
1/2
k
1/2
,
y obtenemos que
2
k
k
j=1
x
2
j
.
Finalmente, usando (8.2):
2
2
j=1
x
2
j
2
1
1
k
,
y, despejando k,
2
2
k = (G).
Ejemplo 8.1.5 El siguiente grafo tiene = 4 y = 5, por lo que (G) 16/(16 10) = 8/3.
As, (G) 3 y es facil ver que, en efecto, (G) = 3, por lo que la estimacion inferior de la
Proposicion 8.1.4 puede ser optima:
59
CAP
ITULO 8. COLORACI
j
= V
j
{v}, tenemos la siguiente
descomposicion disjunta:
V (G) = V
1
V
j
V
k1
,
y obtenemos la contradiccion de que (G) k 1.
Corolario 8.1.9 Si (G) = k, entonces existen al menos k vertices con grado al menos k 1.
Demostracion. Sea H un subgrafo de G que sea k-crtico. Por la Proposicion 8.1.8 tenemos que
H
k 1, y todo vertice de H tiene al menos grado k 1. Como
H
(H) = k, en H hay
al menos k vertices, con grado al menos k 1. Claramente, si v V (H), g
G
(v) g
H
(v) y en G
encontramos al menos k vertices con grado al menos k 1.
Corolario 8.1.10 (G) + 1.
60
8.2. GRAFOS PLANOS
Demostracion. Si (G) = k, G tiene al menos k-vertices (y por lo tanto UNO) con grado al menos
k 1. As,
k 1 = (G) 1.
ITULO 8. COLORACI
63
CAP
ITULO 8. COLORACI
cr(K
5
) = cr(K
3,3
) = 1
2. El grafo de Petersen, P, no es planar (vease la Observacion 1.3.39) y cr(P) = 2. En
efecto, veamos que P contiene una subdivision de K
3,3
:
El grafo de la izquierda es isomorfo a K
3,3
, que no es planar, y el de la derecha, H, es
una subdivision de K
3,3
, y por lo tanto tampoco es planar.
K
3,3 H
P
Como H es un subgrafo de P, se deduce que el grafo de Petersen no es planar. As,
cr(P) 1. Por otro lado, es f acil ver que P es isomorfo al siguiente grafo, que s olo
tiene 2 cruces de aristas, y se deduce que 1 cr(P) 2:
67
2. El grafo de Petersen, P, no es planar (vease la Observacion 1.4.39) y cr(P) = 2. En efecto,
veamos que P contiene una subdivision de K
3,3
:
El grafo de la izquierda es isomorfo a K
3,3
, que no es planar, y el de la derecha, H, es una
subdivision de K
3,3
, y por lo tanto tampoco es planar.
64
8.2. GRAFOS PLANOS
, , ,
, ,
, , , ,
, ,
,
,
, ,
,
K
3,3 H
, , ,
, ,
,
,
, ,
,
P
Como H es un subgrafo de P, se deduce que el grafo de Petersen no es planar. As, cr(P) 1.
Por otro lado, es facil ver que P es isomorfo al siguiente grafo, que solo tiene 2 cruces de aristas,
y se deduce que 1 cr(P) 2:
, ,
, ,
,
, , , ,
,
Veamos que cr(P) = 2. En caso contrario, si cr(P) = 1, existira un vertice v V (P) tal que
cr(P \ v) = 0. Pero es facil ver que en P \ v se puede encontrar siempre otra subdivision de K
3,3
,
lo que es una contradiccion. Por lo tanto, cr(P) = 2.
El siguiente resultado da una caracterizacion completa de cuando un grafo es planar, y muestra
que K
5
y K
3,3
son los grafos minimales no planares:
Teorema 8.2.16 (Kuratowski, 1930). Un grafo G es planar si, y solo si, no contiene ninguna
subdivision de K
5
o de K
3,3
.
Proposicion 8.2.17 Si G es simple y 3, entonces 3 + 6 cr(G).
65
CAP
ITULO 8. COLORACI
n
2
n 1
2
n 2
2
n 3
2
,
entonces Z(n) = cr(K
n
), que coincide con la solucion para n = 1, . . . , 12. Se sabe que
0, 8594 Z(n) cr(K
n
) Z(n).
66
8.3. COLORACI
ON DE MAPAS
8.3. Coloraci on de mapas
Estudiamos el problema de la coloracion de mapas, es decir, de grafos planos. El resultado principal
de esta teora es el llamado Teorema de los Cuatro Colores, que nos asegura que para todo grafo
plano, (G) 4. Por lo comentado en la introduccion, dada la complejidad de su demostracion, no
es factible darla en este curso, y nos conformaremos con probarlo para seis colores.
La demostracion esta basada en el siguiente resultado auxiliar:
Lema 8.3.1 Si G es un grafo planar, entonces 5.
Demostracion. Podemos suponer que 6. Por la Proposicion 8.2.17, como cr(G) = 0, tenemos
que 3 6. As,
vV (G)
g(v) = 2 6 12,
lo que nos da la estimacion
6
12
< 6,
es decir, 5.
Teorema 8.3.2 (Teorema de los Seis Colores). Si G es un grafo planar, entonces (G) 6.
En particular todo mapa se puede pintar con 6 colores.
Demostracion. Lo haremos de manera inductiva. El resultado es obvio si {1, 2, 3, 4, 5, 6}. Su-
pongamos que todo grafo planar con = k se puede pintar con 6 colores, y sea G un grafo plano
con (G) = k + 1.
Sea v V (G) tal que g(v) = 5 (por el Lema 8.3.1), y sea H = G \ v, que es un grafo planar
con (H) = k. As, (H) 6. Como g(v) 5, existe un color, del 1 al 6, que no se ha usado para
colorear los vecinos de v. Por lo tanto, si pintamos v de este color, tenemos una coloracion de G,
con a lo mas 6 colores. Es decir, (G) 6.
67
Captulo 9
Ejercicios
1. Representar gracamente todas las moleculas de los hidrocarburos alcanos del tipo C
n
H
2n+2
,
n = 3, 4, 5. Cuantos vertices y aristas tiene cada molecula?
2. Estudiar si son isomorfos los siguientes grafos:
(a)
Teora de Grafos. Curso 2007-08
Hoja 1
1. Representar gracamente las moleculas de los hidrocarburos alcanos del tipo CnH2n+2,
n = 3, 4, 5. Cuantos vertices y aristas tiene cada molecula?
2. Estudiar si son isomorfos los siguientes grafos:
(a)
}
}
}
}
}
}
}
} }
}
}
} }
}
}
}
(b)
(c)
1
(b)
Teora de Grafos (2009/10). Hoja 1
1. Representar gracamente todas las moleculas de los hidrocarburos alcanos del tipo C
n
H
2n+2
, n =
3, 4, 5. Cuantos vertices y aristas tiene cada molecula?
2. Estudiar si son isomorfos los siguientes grafos:
(a)
Teora de Grafos. Curso 2007-08
Hoja 1
1. Representar gracamente las moleculas de los hidrocarburos alcanos del tipo CnH2n+2,
n = 3, 4, 5. Cuantos vertices y aristas tiene cada molecula?
2. Estudiar si son isomorfos los siguientes grafos:
(a)
}
}
}
}
}
}
}
} }
}
}
} }
}
}
}
(b)
(c)
1
(b)
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
z
(d)
z z z
z z z
z
z
z z
z
z
3. Para cada k = 0, 1, . . . , 5, representar gracamente (si es posible) alg un grafo que tenga la siguiente
sucesion de grados: {0, . . . , k}.
4. Demostrar que en todo grafo simple con mas de 2 puntos, siempre existen al menos 2 vertices con el
mismo grado.
5. Encontrar una representacion de K
6
con el menor n umero de cortes posible.
6. Representar todos los grafos simples r- regulares, para r = 0, , 1 y = 1, , 5.
7. Demostrar que 2/ .
8. Demostrar que si G es un grafo simple, entonces ( 1)/2. Probar que la igualdad se alcanza
si y solo si G = K
.
9. Demostrar que si G es un arbol y e E(G), entonces G \ e tiene 2 componentes conexas que son
arboles.
10. Demostrar que si G es un grafo simple y conexo, entonces 1 . Probar que la igualdad se
alcanza si y solo si G es un arbol.
(c)
Teora de Grafos. Curso 2008-09
Hoja 1
1. Representar gracamente todas las moleculas de los hidrocarburos alcanos del tipo C
n
H
2n+2
,
n = 3, 4, 5. Cuantos vertices y aristas tiene cada molecula?
2. Estudiar si son isomorfos los siguientes grafos:
(a)
Teora de Grafos. Curso 2007-08
Hoja 1
1. Representar gracamente las moleculas de los hidrocarburos alcanos del tipo CnH2n+2,
n = 3, 4, 5. Cuantos vertices y aristas tiene cada molecula?
2. Estudiar si son isomorfos los siguientes grafos:
(a)
}
}
}
}
}
}
}
} }
}
}
} }
}
}
}
(b)
(c)
1
(b)
z
z
z
z
z
z
z
z
(c)
z
z
z
z
z
z
z
z
z
(d)
z z z
z z z
z
z
z z
z
z
(d)
Teora de Grafos. Curso 2008-09
Hoja 1
1. Representar gracamente todas las moleculas de los hidrocarburos alcanos del tipo CnH2n+2,
n = 3, 4, 5. Cuantos vertices y aristas tiene cada molecula?
2. Estudiar si son isomorfos los siguientes grafos:
(a)
Teora de Grafos. Curso 2007-08
Hoja 1
1. Representar gracamente las moleculas de los hidrocarburos alcanos del tipo CnH2n+2,
n = 3, 4, 5. Cuantos vertices y aristas tiene cada molecula?
2. Estudiar si son isomorfos los siguientes grafos:
(a)
}
}
}
}
}
}
}
} }
}
}
} }
}
}
}
(b)
(c)
1
(b)
z
z
z
z
z
z
z
z
(c)
z
z
z
z
z
z
z
z
z
(d)
z z z
z z z
z
z
z z
z
z
3. Para cada k = 0, 1, . . . , 5, representar gracamente (si es posible) alg un grafo que tenga la
siguiente sucesion de grados {0, . . . , k}.
4. Estudiar si existen grafos con las siguientes sucesiones de grados y las propiedades que se
indican. En caso armativo, encontrar todos los grafos no isomorfos:
a) {1, 2, 4, 6, 8, . . . , 98, 100}.
b) {0, 2, 2, 2, 2, . . . , 2, 2} y conexo.
c) {2, 2, 3, 3, 4} y simple.
d) {1, 2, 3, . . . , 8, 9, 10} y simple.
e) {1, 2, 2, 3, 4, 4, 5, 5} y arbol.
f ) {2, 2, 2, 2, 2, 2} y simple.
5. Probar que en todo grafo simple, si 2, existen al menos 2 vertices con el mismo grado.
6. Encontrar una representacion de K
6
con el menor n umero de cortes posible.
69
CAP
ITULO 9. EJERCICIOS
7. Representar todos los grafos simples r- regulares, para r = 0, , 1 y = 1, , 5.
8. Demostrar que 2/ . Estudiar los casos en los que se puede dar alguna de las 2
igualdades.
9. Demostrar que si G es un grafo simple, entonces ( 1)/2. Probar que la igualdad se
alcanza si y solo si G = K
.
10. Dado n N \ {1} se dene Phi[n] como el conjunto de los n umeros menores que n, distintos
de 1, que son primos relativos con n. En Phi[n] se dene un grafo simple, Grafo[n], que
tiene como vertices los elementos de Phi[n], con la relacion de que 2 vertices distintos son
adyacentes si (los n umeros correspondientes) no son primos entre s.
Dibujar Grafo[n], para n = 3, 4, , 10. Estudiar si estos grafos son isomorfos. Hacer lo mismo
para n = 24, 30.
Ejemplo para n = 7:
Grafo[7]
11. Demostrar que si G es un arbol y e E(G), entonces G\ e tiene 2 componentes conexas que
son arboles.
12. Demostrar que si G es un grafo simple y conexo, entonces 1 . Probar que la igualdad
se alcanza si y solo si G es un arbol.
13. Contar el n umero de caminos elementales entre 2 vertices cualesquiera de C
n
. Lo mismo para
K
n
.
14. Demostrar que todo camino (camino simple) contiene un camino simple (elemental) que
comienza y acaba en los mismos vertices que el original.
15. Escribir todos los caminos elementales entre y y s del siguiente grafo:
g g g g
g g g g
v u
y
x
s
t
z w
70
16. Escribir todos los ciclos de longitudes 1, 2, 3 y 4 del siguiente grafo:
, ,
,
,
x w
u v
17. Demostrar que si G es un grafo simple y k , entonces G tiene un camino elemental de
longitud k. Probar con un ejemplo que si k > , el resultado puede ser falso.
18. Si G es un arbol y 2 demostrar que = 1, y existen al menos 2 vertices cuyo grado es 1
(hojas). Es cierto el recproco?
19. Caracterizar los arboles que tienen exactamente 2 hojas. Caracterizar los arboles con vertices
y que tienen el mayor n umero de hojas.
20. Demostrar que si un arbol tiene solo 3 hojas, entonces 4, = 3 y tiene un unico vertice
de grado maximo.
21. Demostrar que un arbol es un grafo bipartito.
22. Demostrar que un grafo conexo es bipartito si y solo si todo ciclo tiene un n umero par de
aristas.
23. Dibujar todos los arboles con {1, . . . , 6}.
24. Caracterizar los arboles T tales que:
(a) D(T) = 1 (b) D(T) = 2.
25. Demostrar que si G es conexo, entonces (V, d) es un espacio metrico.
26. Calcular el diametro de los siguientes grafos:
(a) K
n
(b) K
m,n
(c) C
n
(d) P
n
.
Observar que existen grafos cuyo diametro es 1 y es arbitrariamente grande, y otros con
= 2 y diametro arbitrariamente grande.
27. Se dene el radio de un grafo G como r = r(G) = mn
yV
max
xV
d(x, y)
.
Demostrar que r D 2r. Demostrar con sendos ejemplos que puede ocurrir que r = D o
que 2r = D.
28. Demostrar que no existen grafos 3-regulares con un n umero impar de vertices. Estudiar la
existencia de grafos simples 3-regulares, planos, con diametro 3 y con {4, 6, 8, 10, 12}.
29. Encontrar una cota superior del n umero de grafos simples que puede haber con vertices y
aristas. Encontrar todos los casos posibles (no isomorfos) para {1, 2, 3, 4}.
71
CAP
ITULO 9. EJERCICIOS
30. Demostrar que todo grafo conexo contiene un subgrafo con el mismo n umero de vertices y
que es un arbol.
31. Estudiar el n umero de vertices, el grado maximo, el diametro (indicar 2 puntos con distancia
maxima) y la constante de Moore de los siguientes grafos:
(a)
,
,
, ,
,
,
, ,
, ,
Grafo de Petersen
(b) (c)
,
,
,
,
,
, ,
,
,
,
,
,
32. Calcular la matriz de adyacencia de K
n
y de K
n,m
. Cual es el espectro de K
n
?
33. (i) Calcular la matriz de incidencia y de adyacencia del grafo del ejercicio [2 (a)].
(ii) Representar los grafos cuyas matrices de adyacencia son:
(a)
0 1 0 1 1
1 0 0 0 1
0 0 0 0 0
1 0 0 0 2
1 1 0 2 0
(b)
2 2 1 0
2 2 2 1
1 2 2 0
0 1 0 2
1 1 1 1 0 0 0 0
1 1 0 0 1 1 0 0
0 0 0 0 0 0 0 0
0 0 0 1 0 1 1 1
0 0 1 0 1 0 1 1
(b)
1 1 1 0 0 0
1 0 0 1 0 0
0 1 0 0 1 0
0 0 1 0 0 1
0 0 0 1 1 1
72
34. Sea G un grafo:
(a) Demostrar que (G) (automorsmos de G), tiene estructura de grupo.
(b) Calcular (K
n
) y (C
4
). Estudiar si son abelianos.
35. Dados los siguientes grafos, calcular el polinomio caracterstico de la matriz de adyacencia,
encontrar y estudiar si son isomorfos:
,
,
,
, ,
, ,
,
,
,
,
,
36. Encontrar el valor mnimo de (G) 2 para que exista un grafo simple G de manera que
(G) solo contenga la identidad.
37. Calcular el maximo n umero de pasos que requiere el algoritmo de Dijkstra en un grafo pon-
derado con vertices.
38. Una compa na tiene delegaciones en seis ciudades C
1
, C
2
, . . . , C
6
. La tarifa de un vuelo directo
entre las ciudades C
i
y C
j
, viene dada por el elemento (i, j) de la siguiente matriz (- indica
que no existe tal vuelo):
0 50 40 25 10
50 0 15 20 25
15 0 10 20
40 20 10 0 10 25
25 20 10 0 55
10 25 25 55 0
Cuales son, y cuanto valen, las rutas mas baratas entre las ciudades C
i
y C
j
?
39. Las distancias entre los siete pueblos de una comarca vienen dadas por el siguiente mapa de
carreteras:
,
,
,
,
,
,
,
,
A
B
C
D
E
G
F
30
50
19
40
6
12 23
35
11
8
20
10
Encontrar el camino mas corto entre A y G.
73
CAP
ITULO 9. EJERCICIOS
40. Determinar los puentes y los vertices de corte del grafo:
,
,
,
, ,
,
,
,
,
,
A
Representar todos los posibles arboles expansivos que se obtienen al aplicar el algoritmo de
Dijkstra empezando en el vertice A.
41. Demostrar que si G es un grafo conexo entonces, e E es un puente, si y solo si e no pertenece
a ning un ciclo de G. Probar que un grafo G conexo es un arbol si y solo si todas las aristas
de G son puentes.
42. Representar todos los arboles expansivos del grafo:
, ,
, ,
,
,
Cuantos tipos no isomorfos hay?
43. Calcular (C
n
), n = 1, 2, . . . Lo mismo para (K
n
), n = 3, 4, 5.
44. Sea C
n
+m el grafo formado por el ciclo C
n
junto con m copias a nadidas de una unica arista
(as C
n
+ 0 = C
n
). Calcular (C
n
+m).
45. Calcular el n umero de arboles expansivos del grafo de Petersen (vease el ejercicio 31).
46. Usando la formula de Cayley, calcular (G), siendo G:
,
, ,
,
,
, ,
,
,
,
47. Calcular el n umero de arboles expansivos del siguiente grafo:
74
,
, ,
, ,
,
,
, ,
, ,
,
,
,
,
,
,
,
,
,
,
,
,
,
48. a) Estudiar si es cierto que si G es un grafo conexo y simple, H G es un subgrafo conexo
y T es un arbol expansivo de G, entonces H T es un arbol expansivo de H.
b) Calcular el n umero de arboles expansivos del siguiente grafo y dar un ejemplo concreto
de un arbol expansivo:
, ,
, ,
,
,
,
,
,
,
,
,
,
,
, ,
, ,
c) Para el grafo anterior, calcular , y D (el diametro).
49. Calcular el n umero de arboles expansivos del siguiente grafo y dar un ejemplo concreto de un
arbol expansivo:
CAP
ITULO 9. EJERCICIOS
50. Encontrar un ejemplo de un grafo ponderado cuya solucion para el problema de la intercone-
xion no sea la solucion para el problema del camino mnimo, desde ninguno de sus vertices.
51. Demostrar que todo subgrafo sin ciclos y maximal de un grafo conexo es, necesariamente, un
arbol expansivo.
52. Demostrar que si G es conexo, T es un arbol expansivo de G y e es un puente de G, entonces
e pertenece a T.
53. Sea G un grafo ponderado y supongamos que existe e E(G) tal que w(e) > w(f), para toda
f E(G) \ {e}. Demostrar que si e pertenece a un arbol expansivo optimo de G, entonces e
es un puente de G.
54. Describir todas las clases isomorfas de los grafos simples que contienen a P
n
como un arbol
expansivo, n = 3, 4.
55. Representar todos los arboles expansivos de K
n
, n = 3, 4. Cuanto tiempo (en a nos) llevara
representar todos los arboles expansivos de K
10
si tardaramos 1 segundo por cada arbol?
56.
Calcular el peso de todos los arboles expansivos del
grafo:
2 1 3
4
5
57.
El primero de los siguientes
grafos ponderados representa
las distancias, en kilometros,
entre cuatro ciudades, y el se-
gundo muestra el cociente de
esta distancia, dividido por la
suma de las respectivas pobla-
ciones de cada ciudad, y mul-
tiplicado por un millon.
T
B
G
L
T
B
G
L
196
92, 5
86, 5
80, 5
145, 5
211
17
16
28
83
Calcular, en cada uno de los dos casos, el camino minimal desde cada ciudad a las tres
restantes (usando el algoritmo de Dijkstra), y la solucion del problema de la interconexion
(usando el algoritmo de Kruskal).
76
50. Encontrar un ejemplo de un grafo ponderado cuya solucion para el problema de la intercone-
xion no sea la solucion para el problema del camino mnimo, desde ninguno de sus vertices.
75
CAP
ITULO 9. EJERCICIOS
51. Demostrar que todo subgrafo sin ciclos y maximal (es decir, que no esta contenido en otro
subgrafo sin ciclos), de un grafo conexo es, necesariamente, un arbol expansivo.
52. Demostrar que si G es conexo, T es un arbol expansivo de G y e es un puente de G, entonces
e pertenece a T.
53. Sea G un grafo ponderado y supongamos que existe e E(G) tal que w(e) > w(f), para toda
f E(G) \ {e}. Demostrar que si e pertenece a un arbol expansivo optimo de G, entonces e
es un puente de G.
54. Describir todas las clases isomorfas de los grafos simples que contienen a P
n
como un arbol
expansivo, n = 3, 4.
55. Representar todos los arboles expansivos de K
n
, n = 3, 4. Cuanto tiempo (en a nos) llevara
representar todos los arboles expansivos de K
10
si tardaramos 1 segundo por cada arbol?
56.
Calcular el peso de todos los arboles expansivos del
grafo:
, ,
, ,
2 1 3
4
5
57.
El primero de los siguientes
grafos ponderados representa
las distancias, en kilometros,
entre cuatro ciudades, y el se-
gundo muestra el cociente de
esta distancia, dividido por la
suma de las respectivas pobla-
ciones de cada ciudad, y mul-
tiplicado por un millon.
,
,
,
,
T
B
G
L
,
,
,
,
T
B
G
L
196
92, 5
86, 5
80, 5
145, 5
211
17
16
28
83
Calcular, en cada uno de los dos casos, el camino minimal desde cada ciudad a las tres
restantes (usando el algoritmo de Dijkstra), y la solucion del problema de la interconexion
(usando el algoritmo de Kruskal).
58.
Una compa na tiene delegaciones en seis ciudades
C
1
, C
2
, . . . , C
6
. La tarifa de un vuelo directo entre las
ciudades C
i
y C
j
, viene dada por el elemento (i, j) de
la siguiente matriz (- indica que no existe tal vuelo).
Que rutas permiten conectar todas las ciudades con
un coste mnimo?
0 50 40 25 10
50 0 15 20 25
15 0 10 20
40 20 10 0 10 25
25 20 10 0 55
10 25 25 55 0
59.
La siguiente tabla muestra la distancia entre las
islas de un archipielago. Calcular la ruta marti-
ma que permite viajar entre cualquier par de is-
las, posiblemente haciendo escala en puertos in-
termedios, minimizando la distancia total y cal-
cular esa distancia.
A B C D E F
A 0 20 12 22 17 41
B 20 0 11 21 19 25
C 12 11 0 28 33 9
D 22 21 28 0 27 16
E 17 19 33 27 0 43
F 41 25 9 16 43 0
76
60. El coste de la transmision de datos entre las distintas antenas de una red de telefona, nume-
radas por n = 1, . . . , 5, viene tabulado por la siguiente funcion:
C(n, m) = ((1)
n+m
n m)
2
(6 n)(6 m).
Calcular la menor red que comunica todas las antenas con un coste mnimo.
61.
Encontrar dos redes viarias distin-
tas, que comuniquen todos los pue-
blos del grafo ponderado, cuyas lon-
gitudes sean la menor posible y cal-
cular esta distancia.
, ,
, ,
,
, ,
5
2
4
3 3
1 1
2
9
6
5
62. A partir del plano del Metro de Barcelona (lneas L1,. . . , L5) generamos el siguiente grafo
ponderado: conservamos como vertices las estaciones que son principio o n de lnea, y tambien
aquellas que pertenecen a varias lneas. La distancia entre los vertices es igual al n umero
de estaciones comprendidas entre ambos mas 1. Calcular la solucion del problema de la
interconexion.
63. Cual de las siguientes guras se puede dibujar de un solo trazo, sin repetir las lneas mas de
una vez? En caso armativo, representarlo esquematicamente:
77
CAP
ITULO 9. EJERCICIOS
64. Estudiar si se puede encontrar un recorrido, no necesariamente cerrado, que atraviese todos
los puentes del siguiente mapa una sola vez, y representar gracamente una solucion en caso
armativo:
65. Demostrar que si G es un grafo conexo, entonces G contiene un camino de Euler si y solo si
existen solo 2 vertices de grado impar.
66. Cuales de los siguientes grafos son eulerianos? Cuales admiten un camino de Euler?
(a) K
n
(b) K
n,m
(c) C
n
(d) Petersen (e) un arbol
67. Calcular el n umero de tours eulerianos de K
5
.
68. Demostrar que si un grafo conexo Gse puede poner como union de ciclos (i.e., G = C
1
C
k
,
y dos de estos ciclos no comparten aristas), entonces G es euleriano.
69. Estudiar cuales de los siguiente grafos admite una descomposicion como la del ejercicio ante-
rior, y en caso armativo escribirla explcitamente:
Teor
ITULO 9. EJERCICIOS
,
,
,
, ,
u
v x
y
z
100
1
2
4
2
3
75. Encontrar la solucion del Problema del Cartero para el siguiente grafo ponderado:
,
,
,
,
, ,
u
v
z
y
1
,
w x
a
13
28
5
7
27
7
27
21
2
19
10
,
b
25
76. Encontrar la solucion del Problema del Cartero para la urbanizacion del siguiente plano. Cual
es un posible recorrido, comenzando desde A y cual es su longitud?
g g
g
g g
g g
g
g g g
g g g
30
40
1
1
100 90
80
70
2
1 20
20
60
1 50
1
2
30
4 30 3
A
77. Encontrar la solucion del Problema del Cartero para la urbanizacion del siguiente plano. Cual
es un posible recorrido, comenzando desde A y cual es su longitud?
80
,
,
,
,
,
,
,
,
,
,
,
,
,
,
, ,
,
,
, ,
, ,
9
57
2 3
2
1
2 5 4 2
2
7
1 2 14
2
2
2
2
14
2
13
15
5
1
4
6
3
14
10
4
9
7
4
11
51
61
A
1
78. Para el siguiente grafo ponderado (G, w), hallar las soluciones a los siguientes problemas (es
suciente encontrar una en cada caso), explicando en que consisten:
a) Camino optimo desde cada vertice. Calcular el diametro de G (para la metrica d
w
).
b) Interconexion.
c) Cartero.
9
57
2 3
2
1
2 5 4 2
2
7
1 2 14
2
2
2
2
14
2
13
15
5
1
4
6
3
14
10
4
9
7
4
11
51
61
A
1
78. Para el siguiente grafo ponderado (G, w), hallar las soluciones a los siguientes problemas (es
suciente encontrar una en cada caso), explicando en que consisten:
a) Camino optimo desde cada vertice. Calcular el diametro de G (para la metrica d
w
).
b) Interconexion.
c) Cartero.
A
B C
D
E F
1
2
4
7
3
13
10
5
4
4
15
79. Encontrar la solucion del Problema del Cartero para la urbanizacion del siguiente plano. Cual
es un posible recorrido y cual es su longitud?
81
79. Encontrar la solucion del Problema del Cartero para la urbanizacion del siguiente plano. Cual
es un posible recorrido y cual es su longitud?
g g
g
g g
g g
g
g g
13 3 13
3
11 9
8
7
5
14 4
10
6
2
1
81
CAP
ITULO 9. EJERCICIOS
80. a) Es cierto que si G es un grafo euleriano (hamiltoniano) y G
es un supergrafo de G con
el mismo n umero de vertices, entonces G
= K
n
no hamiltoniano, maximal por la inclusion, tal que G G
K
n
.
93. Demostrar que, para todo 3, existe un grafo conexo no hamiltoniano G, con (G) = y
de manera que la suma de los grados de dos vertices distintos es, al menos, 1.
94. Demostrar que si G se puede poner como la union de dos ciclos que no tienen aristas comunes
y que comparten dos vertices, que no son adyacentes en uno de ellos, entonces G no es
hamiltoniano. Es cierto el resultado sin la condicion sobre los vertices?
82
95. Estudiar si el Grafo de Herschel es hamiltoniano:
, , , , ,
,
, ,
, ,
,
96. Demostrar que si /2, entonces c(G) es completo. Es cierto el recproco?
97. Demostrar que si 4 es par, siempre existe un grafo hamiltoniano satisfaciendo que = /2
y que tiene el menor n umero de aristas posible (calcular este valor).
98. Demostrar que el grafo que describe los movimientos de un caballo sobre un tablero de ajedrez
de dimensiones nn, no es hamiltoniano si n = 2, 4 o si n es impar. Estudiar los casos n = 6, 8.
99. Estudiar si el siguiente algoritmo genera una solucion del Problema del Viajante en todo grafo
ponderado completo: Se elige en primer lugar la arista de menor peso. Para elegir una nueva
arista, de entre todas las que no han sido seleccionadas, se considera la de menor peso de
manera que no genere un vertice de grado 3, ni un ciclo (salvo que sea la ultima), con las ya
elegidas.
100. Sabiendo que cada una de las siguiente representaciones es isomorfa al grafo de Desargues,
deducir que es hamiltoniano, y encontrar en cada uno de los 5 grafos un ciclo de Hamilton:
17/04/2007 06:40 PM Desargues Graph -- from Wolfram MathWorld
Pgina 1 de 1 http://mathworld.wolfram.com/DesarguesGraph.html
Search Site
Algebra
Applied Mathematics
Calculus and Analysis
Discrete Mathematics
Foundations of Mathematics
Geometry
History and Terminology
Number Theory
Probability and Statistics
Recreational Mathematics
Topology
Alphabetical Index
Interactive Entries
Random Entry
New in MathWorld
MathWorld Classroom
About MathWorld
Send a Message to the Team
Order book from Amazon
12,647 entries
Fri Apr 6 2007
Discrete Mathematics > Graph Theory > Simple Graphs > Bicolorable Graphs
Discrete Mathematics > Graph Theory > Simple Graphs > Bipartite Graphs
Discrete Mathematics > Graph Theory > Simple Graphs > Class 1 Graphs
Discrete Mathematics > Graph Theory > Simple Graphs > Distance-Regular Graphs
Discrete Mathematics > Graph Theory > Simple Graphs > Hamiltonian Graphs
Discrete Mathematics > Graph Theory > Simple Graphs > Integral Graphs
Discrete Mathematics > Graph Theory > Simple Graphs > LCF Notation
Discrete Mathematics > Graph Theory > Simple Graphs > Noneulerian Graphs
Discrete Mathematics > Graph Theory > Simple Graphs > Nonplanar Graphs
Discrete Mathematics > Graph Theory > Simple Graphs > Perfect Graphs
Discrete Mathematics > Graph Theory > Simple Graphs > Regular Graphs
Discrete Mathematics > Graph Theory > Simple Graphs > Square-Free Graphs
Discrete Mathematics > Graph Theory > Simple Graphs > Traceable Graphs
Discrete Mathematics > Graph Theory > Simple Graphs > Triangle-Free Graphs
Discrete Mathematics > Graph Theory > Simple Graphs > Weakly Regular Graphs
Recreational Mathematics > Mathematics in the Arts > Mathematical Book Covers
MathWorld Contributors > Pegg
Desargues Graph
The Desargues graph is a cubic symmetric graph distance-regular graph on 20 vertices and 30 edges, illustrated
above in several embeddings. It can be represented in LCF notation as (Frucht 1976).
This graph is implemented as UnitransitiveGraph in the Mathematica package
DiscreteMath`Combinatorica` (available starting with Version 4.2 and which can be loaded using the
command <<DiscreteMath`) . The Desargues graph is 3-unitransitive (Harary 1994, p. 175), and is identical to
the generalized Petersen graph .
The Desargues graph is isospectral with another nonisomorphic graph (Haemers and Spence 1995, van Dam and
Haemers 2002).
The Desargues is an integral graph and has graph spectrum .
The Desargues graph is the first of four graphs depicted on the cover of Harary (1994).
SEE ALSO: Cubic Symmetric Graph, Distance-Regular Graph, Unitransitive Graph. [Pages Linking Here]
REFERENCES:
Brouwer, A. E. "Desargues Graph." http://www.win.tue.nl/~aeb/drg/graphs/Desargues.html.
Brouwer, A. E. and Haemers, W. H. "The Gewirtz Graph: An Exercise in the Theory of Graph Spectra." European J. Combin. 14, 397-
407, 1993.
Frucht, R. "A Canonical Representation of Trivalent Hamiltonian Graphs." J. Graph Th. 1, 45-60, 1976.
Haemers, W. H. and Spence, E. "Graphs Cospectral with Distance-Regular Graphs." Linear Multilin. Alg. 39, 91-107, 1995.
Harary, F. Graph Theory. Reading, MA: Addison-Wesley, 1994.
Royle, G. "F020B." http://www.csse.uwa.edu.au/~gordon/foster/F020B.html.
Royle, G. "Cubic Symmetric Graphs (The Foster Census): Distance-Regular Graphs."
http://www.cs.uwa.edu.au/~gordon/remote/foster/#drgs.
van Dam, E. R. and Haemers, W. H. "Spectral Characterizations of Some Distance-Regular Graphs." J. Algebraic Combin. 15, 189-
202, 2002.
Wolfram, S. A New Kind of Science. Champaign, IL: Wolfram Media, p. 1032, 2002.
LAST MODIFIED: March 2, 2007
CITE THIS AS:
Weisstein, Eric W. "Desargues Graph." From MathWorld--A Wolfram Web Resource.
http://mathworld.wolfram.com/DesarguesGraph.html
1999-2007 Wolfram Research, Inc. | Terms of Use
Other Wolfram Sites:
Wolfram Research
Integrator
Tones
Functions Site
Wolfram Science
more
Latest Mathematica Information >>
Download Mathematica Trial >>
Complete Mathematica
Documentation >>
Show your math savvy with a
MathWorld T-shirt.
Read the latest Technical Software
News.
101. Encontrar la solucion del Problema del Viajante para el grafo:
Teor
ITULO 9. EJERCICIOS
102. Encontrar el peso de todos los ciclos de Hamilton del grafo:
Teora de Grafos. Curso 2005-06
Hoja 6
51. Demostrar que si G es hamiltoniano, entonces . Estudiar si el resultado recproco es
cierto.
52. Sea S V (C
n
) un subconjunto no vaco. Entonces (C
n
\ S) |S|.
53. Estudiar si son hamiltonianos los grafos platonicos.
54. Encontrar todos los grafos simples hamiltonianos, no isomorfos, con = 3, 4.
55. Estudiar si un grafo hamiltoniano puede tener un puente.
56. Estudiar para que valores de n, m N se verica que K
n
o K
n,m
es hamiltoniano.
57. Encontrar ejemplos de grafos que demuestren que se pueden dar todas la combinaciones de
las propiedades ser euleriano y ser hamiltoniano.
58. Demostrar que si G se puede poner como la union de dos ciclos que no tienen aristas comunes
y que comparten dos vertices, que no son adyacentes en uno de ellos, entonces G no es
hamiltoniano. Es cierto el resultado sin la condicion sobre los vertices?
59. Estudiar si el siguiente grafo es hamiltoniano:
v v v v v
v
v v
v v
v
Grafo de Herschel
60. Demostrar que si /2, entonces c(G) es completo. Es cierto el recproco?
61. Demostrar que si es par, siempre existe un grafo hamiltoniano satisfaciendo que = /2 y
que tiene el menor n umero de aristas posible (calcular este valor).
62. Demostrar que el grafo que describe los movimientos de un caballo sobre un tablero de ajedrez
de dimensiones n n, no es hamiltoniano si n = 3, 4.
63. Estudiar si el siguiente algoritmo genera una solucion del problema del viajante en todo
grafo ponderado completo: Se elige en primer lugar la arista de menor peso. Para elegir una
nueva arista, de entre todas las que no han sido seleccionadas, se consideran aquellas que son
incidentes con vertices que no pertenezcan a 2 de las aristas ya elegidas, y que, salvo que sea
la ultima en elegirse, no generen un ciclo con las anteriores, y de entre todas se coge la de
peso menor.
64. Encontrar la soluci on del problema del viajante para el grafo:
62. Dos ciclos de Hamilton de un grafo son equivalentes si cada vertice tiene, en ambos
ciclos, las mismas relaciones de adyacencia. Encontrar la formula que nos da el n umero
de los ciclos de Hamilton no equivalentes del grafo completo K
n
, n 3.
63. Estudiar si el siguiente algoritmo genera una solucion del problema del viajante en
todo grafo ponderado completo: Se elige en primer lugar la arista de menor peso. Para
elegir una nueva arista, de entre todas las que no han sido seleccionadas, se consideran
aquellas que son incidentes con vertices que no pertenecen a 2 de las aristas ya elegidas,
y que, salvo que sea la ultima en elegirse, no generen un ciclo con las anteriores, y de
entre todas se coge la de peso menor.
64. Encontrar la soluci on del problema del viajante para el grafo:
v v
v v
1
3
2
5
6
4
65. Calcular el ciclo de Hamilton que se obtiene al aplicar la construccion del ejercicio 63
en el grafo anterior.
66. Encontrar el peso de todos los ciclos de Hamilton del grafo:
2
65. Calcular el ciclo de Hamilton que se obtiene al aplicar la construccion del ejercicio 63 en el
grafo anterior.
66. Encontrar el peso de todos los ciclos de Hamilton del grafo:
v v
v
v
v
1
2
3
4
5
6
7
8
9
10
67. En el grafo G del ejercicio anterior, obtener todas las cotas inferiores de la solucion del
problema del viajante, usando el algoritmo de Kruskal en G menos cada uno de sus vertices.
68. Como en el ejercicio anterior, obtener todas las cotas inferiores para el grafo visto en clase
formado por las distancias entre las ciudades: Londres, Pars, Tokio, Pekn, Mexico DF y
NY.
69. Obtener buenas estimaciones (superior e inferior) de la solucion del problema del viajante de
las rutas martimas del ejercicio 38, dadas por la matriz de adyacencia:
A B C D E F
A 0 20 12 22 17 41
B 20 0 11 21 19 25
C 12 11 0 28 33 9
D 22 21 28 0 27 16
E 17 19 33 27 0 43
F 41 25 9 16 43 0
103. En el grafo G del ejercicio anterior, obtener todas las cotas inferiores de la solucion del
Problema del Viajante, usando los resultados del Captulo 6.
104. Como en el ejercicio anterior, obtener todas las cotas inferiores para el grafo del Ejemplo 4.2.2.
105. Implementar en un ordenador el calculo de todos los ciclos de Hamilton del ejercicio 104 y
hallar la solucion del Problema del Viajante.
106. Obtener buenas estimaciones (superior e inferior) de la solucion del Problema del Viajante de
las rutas martimas del ejercicio 59.
107. Si un grafo conexo ponderado no es completo, a nadimos las aristas que faltan (hasta comple-
tarlo) con peso igual al peso de la geodesica entre los vertices que no son adyacentes. Con este
procedimiento, calcular la solucion del Problema del Viajante para los grafos del ejercicio 57.
108. La matriz siguiente muestra las distancias entre 5 ciudades:
A B C D E
A 0 10 1 2 50
B 10 0 20 5 3
C 1 20 0 30 4
D 2 5 30 0 40
E 50 3 4 40 0
Encontrar las cotas inferiores para la solucion del Problema del Viajante que se obtienen
desde cada ciudad.
Calcular la cota superior que da el ciclo ABCDEA.
Mejorar esta estimacion mediante el metodo de cambio de aristas, hasta conseguir una
distancia menor que 30. Es esta cota optima?
109. La siguiente matriz muestra las distancias entre 5 ciudades:
A B C D E
A 0 2 20 10 1
B 2 0 3 25 15
C 20 3 0 4 30
D 10 25 4 0 100
E 1 15 30 100 0
a) Encontrar todas las cotas inferiores posibles del Problema del Viajante.
b) Calcular la cota superior que da el ciclo ABCDEA.
84
c) Mejorar (b) mediante el metodo de cambio de aristas, hasta conseguir un peso menor
que 40.
d) Usando (a) y (c), calcular, en porcentaje, el error que se obtiene.
110. Encontrar la solucion del Problema del Viajante para el siguiente grafo:
A B C D E
A 0 2 19 1 9
B 2 0 14 10 4
C 19 14 0 7 3
D 1 10 7 0 6
E 9 4 3 6 0
111. Calcular todas las acotaciones inferiores que se obtienen desde cada uno de los vertices, de la
solucion del Problema del Viajante, para el grafo cuya matriz de adyacencia es:
A B C D E F
A 0 19 12 22 17 21
B 19 0 13 21 19 25
C 12 13 0 28 33 9
D 22 21 28 0 21 16
E 17 19 33 21 0 23
F 21 25 9 16 23 0
Obtener buenas estimaciones superiores de la solucion del Problema del Viajante calculando
el porcentaje del error cometido.
112. Calcular todas las acotaciones inferiores posibles de la solucion del Problema del Viajante,
del grafo cuya matriz de adyacencia es:
A B C D E F
A 0 1 6 17 21 50
B 1 0 2 8 19 7
C 6 2 0 3 16 18
D 17 8 3 0 4 15
E 21 19 16 4 0 5
F 50 7 18 15 5 0
ITULO 9. EJERCICIOS
(ii) Empezando por el ciclo abcdea, encontrar una cota superior k, mediante el metodo
del cambio de aristas, de manera que
k 1 PV k.
b) Encontrar la solucion del PV del grafo ponderado G, con V (G) = {a, b, c, d, e, f}, dado
por la matriz:
b c d e f
a 1 7 7 7 6
b 2 2 2 2
c 3 7 7
d 4 7
e 5
114. Demostrar los siguientes enunciados:
a) Si G es regular, simple, conexo, 3 y
2
/4, entonces G es hamiltoniano.
b) Sea G un grafo simple con 3.:
(i) Si = 3: G es hamiltoniano si, y solo si, G C
3
.
(ii) Si 4: G es hamiltoniano y no contiene copia de C
k
, para todo k {3, . . . , 1}
si, y solo si, G C
.
c) Si G es hamiltoniano, entonces contiene un emparejamiento maximal de cardinal [/2].
d) Para todo k 3 existe un grafo simple, conexo, no hamiltoniano, (G) 2, = 2k y
que contiene un emparejamiento perfecto.
115. Calcular la longitud (con respecto a la distancia eucldea del plano) del menor ciclo que recorre
todos los puntos del conjunto
(j, k) N N : j, k {1, . . . , N}
,
para cada valor N {2, 3, . . . }.
116. a) Encontrar un emparejamiento perfecto (o maximal, en su caso) en K
n
, siendo n =
2, 3, 4, 5, 6.
b) Estudiar para que valores de m, n el grafo bipartito completo K
m,n
admite un empare-
jamiento perfecto. En este caso, calcular el n umero total de dichos emparejamientos. En
caso negativo, calcular el n umero de aristas de un emparejamiento maximal de K
m,n
.
117. Estudiar la existencia de un emparejamiento perfecto y encontrar un emparejamiento maximal
del grafo:
,
, ,
,
,
,
,
,
, ,
86
118. Lo mismo para el grafo:
119. La siguiente lista muestra la compatibilidad entre 10 modelos distintos de circuitos:
[1,2], [1,5], [2,3], [2,4], [2,5], [3,5], [4,5], [4,6], [4,9],
[5,6], [5,7], [6,7], [6,8], [6,9], [6,10], [7,9], [8,9], [9,10].
Cual es el n umero maximo de pares de circuitos compatibles que se pueden obtener?
120. La siguiente tabla muestra las preferencias de los trabajadores de una empresa {1, 2, 3, 4, 5},
en relacion a los posibles puestos de trabajo {a, b, c, d, e}:
a b c d e
1
2
3
4
5
Usando el Metodo H ungaro, estudiar si existe una asignacion de personal que respete las
preferencias de cada trabajador
121. En una academia de baile hay que formar 6 parejas entre los 6 chicos ({1,2,3,4,5,6}) y 6 chicas
({a, b, c, d, e, f}) de la clase. La siguiente tabla muestra la relacion de amistad entre ellos:
a b c d e f
1
2
3
4
5
6
Se puede conseguir que las parejas esten formadas por amigos? (Comenzar por {a1, e2, c3}).
122. Demostrar que si X = {x
1
, , x
7
} e Y = {y
1
, , y
7
} son las particiones del siguinte grafo
87
CAP
ITULO 9. EJERCICIOS
bipartito:
x
1
x
2
x
3
x
4
x
5
x
6
x
7
y
1
y
2
y
3
y
4
y
5
y
6
y
7
.
126. Demostrar que si P es el grafo de Petersen, entonces (P) = 3.
127. Sea R
n
una rueda. Calcular (R
n
), n 3.
, ,
,
, ,
,
, ,
, ,
, ,
, ,
,
R
3
R
4
R
5
128. Demostrar que si (G) = k, existe un subgrafo H G que es k-crtico. Para el caso G = P
3
,
representar todos sus subgrafos con = 2 y hallar los 2-crticos.
129. Encontrar una representacion de K
7
que tenga 9 cruces de aristas.
130. a) Calcular cr(K
2,n
), para todo n 1.
88
b) Calcular cr(K
3,4
).
c) Demostrar que 3 cr(K
4,4
) 4.
131. Demostrar que existe un grafo plano G tal que (G) = 4.
132. Encontrar un ejemplo de un mapa para cada uno de los subgrafos conexos expansivos de K
4
.
133. Representar el grafo asociado del siguiente mapa y calcular su n umero cromatico:
134. a) Demostrar que existe un grafo plano G que no contiene a K
4
y (G) = 4.
b) Representar el siguiente mapa como un grafo plano G y calcular (G):
1
2
3
4
5
6
7
8
9
10
c) Demostrar que si H es una subdivision de G, entonces 2 (H) (G) + 1. Probar
con sendos ejemplos que ambas desigualdades son optimas.
d) Encontrar cr(G) y (G) para los siguientes grafos:
, , ,
, , ,
, , ,
, , ,
G
1
, ,
,
,
,
, ,
,
,
,
, ,
,
,
,
G
2
89
CAP
ITULO 9. EJERCICIOS
135. Representar el grafo asociado de los siguientes mapas. Calcular su n umero cromatico. Encon-
trar el cardinal del mayor submapa que sea un arbol (dar un ejemplo concreto).
90
Captulo 10
Apendice
10.1. Notaciones
Algoritmos, Problemas y Resultados
Formula de Cayley
Metodo del cambio de aristas
Problema del Almacenamiento
Problema de la Asignacion de Perso-
nal (Metodo H ungaro)
Problema del Camino mas Corto (Al-
goritmo de Dijkstra)
Problema del Cartero o del Explora-
dor
Problema de la Interconexion (Algo-
ritmo de Kruskal)
Problema del Viajante
Teorema de Berge
Teorema de la Caracterstica de Euler
Teorema de los Cuatro Colores (Ap-
pel y Haken)
Teorema de Euler
Teorema de Hall
Teorema de Kuratowski
Teorema del Matrimonio
Aristas (E)
contrada (G e)
duplicada
emparejamiento (M)
maximal
perfecto
grafo menos arista (G\ e)
lazo (loop)
m ultiples
n umero de aristas ()
puente (bridge, cut edge)
Camino (walk)
cerrado
ciclo
equivalente
de Hamilton
optimal
elemental (path)
de Euler
de Hamilton
M-alternado
M-aumentado
minimal
simple (trail)
tour
Distancia (d)
diametro (D)
geodesica
91
CAP
ITULO 10. AP
ENDICE
radio (r)
Grafo (G)
arbol (T)
alcano
expansivo (spanning tree)
genealogico
n umero de arboles expansivos
((G))
optimal
bipartito (completo, K
n,m
)
cara
exterior
ciclo (C
n
)
clausura (c(G))
completo (K
n
)
conexo
componente conexa
n umero de componentes conexas
((G))
crtico, k-crtico
cubo (Q
n
)
dirigido (digrafo)
elemental (P
n
)
espectro
euleriano
grupo de automorsmos ((G))
hamiltoniano
Konigsberg
mapa
matriz de adyacencia (A(G))
matriz de incidencia (I(G))
nulo (N
n
)
n umero de corte (cr(G))
n umero cromatico ((G))
Petersen
planar
plano
platonico
polinomio caracterstico (P
G
)
ponderado (con pesos)
regular
simple
subdivision
subgrafo
supergrafo
triangulo (K
3
)
Vertices (V )
conjunto de vecinos (N(S))
constante de Moore (N(, D))
de corte (cut vertex)
grado de un vertice (g(v))
grado maximo ()
grado mnimo ()
sucesion de grados
grafo menos vertice (G\ v)
n umero de vertices ()
saturado por M
92
10.2. PROBLEMAS ABIERTOS
10.2. Problemas abiertos
1. Cu antos cruces se han de dar como mnimo para poder dibujar K
n
, con n 13?
Se sabe que los n umeros de corte de los grafos completos K
n
, para n = 1, , 12 son, respec-
tivamente, 0, 0, 0, 0, 1, 3, 9, 18, 36, 60, 100, 150.
http://mathworld.wolfram.com/GraphCrossingNumber.html
2. Cu al es el mayor n umero de v ertices que puede tener un grafo plano de
di ametro 3 y con grado m aximo igual a 3?
Este problema, propuesto por P. Erdos, tiene relevancia en la construccion de redes de orde-
nadores trabajando en paralelo. La conguracion maxima que se conoce actualmente contiene
12 vertices (y es optima si exigimos que el grafo sea 3-regular):
,
,
,
,
,
, ,
,
,
,
,
,
Se sabe que, como mucho, puede tener 15 vertices.
http://www.unc.edu/
~
rpratt/degdiam.html
http://faculty.uccb.ns.ca/jpreen/ef/table.htm
3. Conjetura de la Reconstrucci on (S. M. Ulam)
Supongamos que G y H son dos grafos que tienen el mismo n umero de vertices,
V (G) = {u
1
, . . . , u
n
} y V (H) = {v
1
, . . . , v
n
}, n 3,
y de manera que para cada j = 1, . . . , n, se verica que
Gu
j
H v
j
.
Estudiar si, necesariamente, G H. El resultado es cierto, por ejemplo, si n 11 o si G y H
son arboles.
http://garden.irmacs.sfu.ca/?q=op/reconstruction_conjecture
http://en.wikipedia.org/wiki/Reconstruction_conjecture
4.
Arboles Expansivos
Se dice que un vertice v de un arbol T es un vertice de soporte si es adyacente a una hoja de
T (es decir, vecino de un vertice de grado 1).
Si G es un grafo simple y conexo, con (G) 2, existe un arbol expansivo T de G de manera
que, para todo v que sea un vertice de soporte de T, si g
G
(v) 3, entonces g
T
(v) 3?
93
CAP
ITULO 10. AP
ENDICE
Observamos, en el ejemplo siguiente, que T
1
es solucion del problema, pues v es el unico vertice
de soporte de T
1
y g
G
(v) = g
T
(v) = 3. Sin embargo vemos que no todo arbol expansivo es
solucion, ya que v es tambien un vertice de soporte de T
2
, pero g
T
2
(v) = 2.
Se sabe que el resultado es correcto si (G) 8.
, ,
, ,
, ,
, ,
, ,
, ,
G T
1
T
2
v
http://garden.irmacs.sfu.ca/?q=op/spanning_trees
5. El Problema del Viajante
Un comerciante ha de visitar una sola vez todas las ciudades donde residen sus clientes, y
quiere hacerlo de manera que el recorrido sea el mas corto posible Como se puede determinar
esta ruta de manera efectiva? Si, por ejemplo, enumeramos todas las posibilidades de ordenar
las distintas ciudades (supongamos que hay n), y elegimos la que da el valor menor, habremos
de considerar n! casos. Para hacernos una idea de la magnitud de este n umero, si pudieramos
trabajar con el ordenador mas rapido que existe (alrededor de 40 billones de operaciones por
segundo), y hubiera 25 ciudades, tardaramos mas de 12.000 a nos. Si aumentamos ligeramente
este valor hasta las 30 ciudades, entonces el tiempo requerido llegara hasta 14 veces la edad
del Universo...
http://www.tsp.gatech.edu/
http://www.mat.ub.es/
~
soria/Viajante/Problema-Viajante.html
6. Un listado con mas de 150 problemas se puede encontrar en la pagina Open Problems Garden:
Graph Theory:
http://garden.irmacs.sfu.ca/?q=category/graph_theory&sort=desc&order=Rec.%C2%
B2
94
Bibliografa
[1] C. Alsina, Mapas del Metro y Redes Neuronales, Barcelona: RBA, 2010.
[2] J.M. Basart i Mu noz, Grafs: Fonaments i Algorismes, Bellaterra: Universitat Aut`onoma de
Barcelona, 1994.
[3] C. Berge, Theorie des Graphes et ses Applications, 2
a
ed., Paris: Dunod, 1967.
[4] N.L. Bigg, E.K. Lloyd y R.J. Wilson, Graph Theory: 1736-1936, Oxford: Clarendon
Press, 1986.
[5] J.A. Bondy y U.S.R. Murty, Graph Theory, New York: Springer, 2008.
[6] R. Diestel, Graph Theory, 3
a
ed., Berln: Springer, 2005.
[7] J.R. Evans y E. Minieka, Optimization Algorithms for Networks and Graphs, 2
a
ed., New
York: Marcel Dekker, 1992.
[8] A. Gibbons, Algorithmic Graph Theory, Cambridge: Cambridge Univ. Press, 1985.
[9] F. Harary, Graph Theory, Reading: Addison-Wesley, 1969.
[10] O. Ore, Grafos y sus Aplicaciones, Madrid: DLS-EULER, 1995.
[11] S. Skiena, Implementing Discrete Mathematics: Combinatorics and Graph Theory with Mat-
hematica, Redwood City: Addisson Wesley, 1990.
[12] R.J. Wilson, Introduccion a la Teora de Grafos, Madrid: Alianza Universidad 367, 1983.
95