Resumo para Prova de Algoritmos em Grafos
(Baseado no material da aula01.pdf e referências: Cormen et al. e
Szwarcfiter)
1. Conceitos Básicos de Grafos
Definição Formal:
Um grafo 𝐺 = (𝑉, 𝐸) é composto por:
vértices (nós). Ex: cidades em um mapa.
𝐸: Conjunto de arestas (conexões entre vértices). Ex: estradas
𝑉: Conjunto de
entre cidades.
Grafo não direcionado: Arestas não têm direção (ex: amizades
em redes sociais).
Grafo direcionado (digrafo): Arestas têm direção (ex: rotas de
voo com sentido único).
Terminologia Importante:
Grau de um vértice (𝑑(𝑣)): Número de arestas conectadas a ele.
Vértice isolado: Grau zero.
Vértice universal: Grau 𝑛 − 1 (conectado a todos os outros).
Grafo regular: Todos os vértices têm o mesmo grau.
Caminho: Sequência de vértices conectados por arestas sem
repetir vértices.
Ciclo: Caminho que começa e termina no mesmo vértice.
Conexidade:
Grafo conexo: Existe caminho entre qualquer par de
vértices.
Componente conexa: Subgrafo conexo maximal (maior
possível).
Exemplos Práticos:
Número de Erdős: Mede a distância de colaboração entre
pesquisadores. Cada pesquisador é um vértice, e uma aresta
indica coautoria. O número de Erdős é o menor caminho entre
um pesquisador e Paul Erdős.
2. Representação de Grafos
Matriz de Adjacência:
Matriz 𝑛 × 𝑛 onde 𝐴[𝑖][𝑗] = 1 se existe aresta entre 𝑖 e 𝑗.
Vantagem: Verificar conexão em 𝑂(1).
Desvantagem: Consome 𝑂(𝑛2) espaço.
Lista de Adjacência:
Array de listas, onde cada posição 𝑖 armazena os vizinhos de 𝑖.
Vantagem: Espaço eficiente (𝑂(𝑛 + 𝑚)).
Desvantagem: Verificar conexão pode levar 𝑂(𝑛).
(Referência: Cormen, Cap. 22; Szwarcfiter, Cap. 1)
3. Algoritmos Fundamentais
Percursos em Grafos
Busca em Largura (BFS):
Explora vértices nível por nível (usando fila).
Aplicações: Encontrar caminho mais curto em grafos não
ponderados.
Exemplo: Encontrar a menor distância entre duas pessoas em
uma rede social.
Busca em Profundidade (DFS):
Explora até o "fim" de um caminho antes de retroceder (usando
pilha/recursão).
Aplicações: Detectar ciclos, ordenação topológica.
(Referência: Cormen, Cap. 22; Szwarcfiter, Cap. 3)
Caminhos Mínimos
Algoritmo de Dijkstra:
Encontra o caminho mais curto em grafos com pesos
.
negativos
não
Usa uma fila de prioridade para selecionar o vértice mais
próximo.
Exemplo: Rota mais rápida no Google Maps.
Algoritmo de Bellman-Ford:
Funciona com pesos negativos (mas detecta ciclos negativos).
Aplicação: Roteamento em redes com custos variáveis.
Algoritmo de Floyd-Warshall:
Calcula caminhos mínimos entre todos os pares de vértices.
Usa programação dinâmica.
(Referência: Cormen, Cap. 24; Szwarcfiter, Cap. 4)
Árvore Geradora Mínima (AGM)
Algoritmo de Kruskal:
Seleciona arestas de menor peso, evitando ciclos (usando
estrutura Union-Find).
Passo a passo:
1. Ordenar arestas por peso.
2. Adicionar arestas à AGM, garantindo que não formem
ciclos.
Algoritmo de Prim:
Constrói a AGM incrementalmente, partindo de um vértice
inicial.
Usa uma fila de prioridade para selecionar a aresta de menor
peso.
(Referência: Cormen, Cap. 23; Szwarcfiter, Cap. 6)
4. Tópicos Avançados
Fluxo em Redes:
Algoritmo de Ford-Fulkerson:
Encontra o fluxo máximo em uma rede (ex: tráfego em
redes de computadores).
Usa caminhos aumentantes para aumentar o fluxo
gradualmente.
Método de Edmonds-Karp:
Implementação eficiente do Ford-Fulkerson usando BFS.
(Referência: Cormen, Cap. 26; Szwarcfiter, Cap. 7)
5. Dicas para Estudo
1.
Entenda a Representação:
Pratique converter problemas do mundo real em grafos (ex:
redes sociais, mapas).
2.
Desenhe Grafos:
Visualize grafos com papel e lápis para fixar conceitos como
ciclos e conexidade.
3.
Implemente Algoritmos:
Escreva pseudocódigo ou use Python para simular BFS, DFS,
Dijkstra.
4.
Foque em Aplicações:
Relacione cada algoritmo a um caso prático (ex: Kruskal para
redes de fibra óptica).
6. Conceitos que Merecem Atenção Extra
Grafo Bipartido:
Divisão de vértices em dois conjuntos onde arestas só conectam
vértices de conjuntos diferentes.
Exemplo: Plataforma de streaming (usuários x filmes; arestas
indicam preferências).
Clique vs. Conjunto Independente:
Clique: Grupo onde todos estão conectados (ex: grupo de
amigos mútuos).
Conjunto independente: Grupo sem conexões internas (ex:
pessoas que não se conhecem).
Complemento de um Grafo:
Inverte as conexões: se havia aresta, não há, e vice-versa.
7. Referências Cruzadas
Teoria Computacional de Grafos (Szwarcfiter):
Cap. 1-3: Definições e representações.
Cap. 4-6: Algoritmos de caminhos e AGM.
Algoritmos: Teoria e Prática (Cormen):
Cap. 22-24: BFS, DFS, Dijkstra.
Cap. 26: Fluxo em redes.
Questões para Estudo de Algoritmos em Grafos
(Respostas e Referências ao Final)
Nível Fácil
O que é um grafo conexo? Dê um exemplo prático.
2. Qual a diferença entre grafo direcionado e não direcionado?
3. Explique o que é uma árvore geradora mínima (AGM).
4. Como a busca em largura (BFS) funciona? Descreva brevemente.
5. Defina "grau de um vértice".
6. O que é um ciclo em um grafo?
7. Para que serve o algoritmo de Dijkstra?
8. O que é uma matriz de adjacência?
9. Qual a complexidade do BFS em lista de adjacência?
10. O que é um grafo bipartido? Dê um exemplo.
1.
Nível Médio
Mostre que em uma árvore, o número de arestas é 𝑛 − 1.
12. Como o algoritmo de Kruskal garante a construção de uma AGM?
13. Por que o algoritmo de Dijkstra não funciona com pesos negativos?
14. Descreva um caso em que o algoritmo de Bellman-Ford é mais
adequado que o Dijkstra.
15. Explique a relação entre componentes conexas e a fórmula 𝑚 = 𝑛 − 𝜔
.
16. Como detectar ciclos em um grafo usando DFS?
17. Qual a diferença entre clique e conjunto independente?
18. Por que um grafo e seu complemento não podem ser ambos
desconexos?
19. Mostre que um grafo 𝑘-regular bipartido tem ∣𝐴∣ = ∣𝐵∣.
11.
20.
Por que a busca em profundidade (DFS) é útil para ordenação
topológica?
Nível Difícil
Prove que todo grafo conexo possui pelo menos uma árvore
geradora.
22. Demonstre que a remoção de uma ponte aumenta o número de
componentes conexas em 1.
23. Modifique o BFS para verificar se um grafo é bipartido. Justifique a
complexidade 𝑂(𝑛 + 𝑚).
24. Mostre que um grafo com grau mínimo 2 contém um ciclo.
25. Prove que 𝐺 é uma floresta se e somente se 𝑚 = 𝑛 − 𝜔.
26. Construa um algoritmo 𝑂(𝑛) para ordenar vértices por grau usando
Counting Sort.
27. Explique como o algoritmo de Ford-Fulkerson calcula o fluxo
máximo em uma rede.
28. Mostre que dois caminhos de comprimento máximo em um grafo
conexo compartilham um vértice.
29. Prove que a ordem inversa do DFS em um DAG é uma ordenação
topológica.
30. Demonstre que 𝐴𝑘 em matriz de adjacência indica caminhos de
comprimento 𝑘.
21.
Gabarito e Referências
Nível Fácil
1.
Resposta: Um grafo é conexo se existe um caminho entre qualquer
par de vértices. Exemplo: redes de transporte entre cidades
conectadas.
: Cormen, Cap. 22.
Referência
2.
Resposta: Grafo direcionado tem arestas com direção (ex: rotas
aéreas), enquanto o não direcionado não (ex: amizades).
: Szwarcfiter, Cap. 1.
Referência
3. Resposta: AGM é uma subárvore que conecta todos os vértices com o
menor custo total.
Referência: Cormen, Cap. 23.
4. Resposta: BFS explora vértices nível por nível usando fila. Ex:
encontrar distâncias mínimas.
: Cormen, Cap. 22.
Referência
5. Resposta: Grau é o número de arestas incidentes a um vértice.
Referência: Szwarcfiter, Cap. 1.
6. Resposta: Ciclo é um caminho que começa e termina no mesmo
vértice sem repetir arestas.
Referência: Cormen, Cap. 22.
7. Resposta: Encontrar caminhos mínimos em grafos com pesos não
negativos.
Referência: Cormen, Cap. 24.
8. Resposta: Matriz 𝑛 × 𝑛 onde 𝐴[𝑖][𝑗] = 1 indica aresta entre 𝑖 e 𝑗.
Referência: Szwarcfiter, Cap. 2.
9. Resposta: 𝑂(𝑛 + 𝑚), pois cada vértice e aresta são visitados uma vez.
Referência: Cormen, Cap. 22.
10. Resposta: Grafo cujos vértices são divididos em dois conjuntos sem
arestas internas. Ex: relacionamento alunos-professores.
Referência: Szwarcfiter, Cap. 1.
Nível Médio
11.
Resposta: Por indução: base 𝑛 = 1, arestas = 0. Adicione um vértice:
nova aresta mantém 𝑚 = 𝑛 − 1.
: Szwarcfiter, Cap. 3.
Referência
12. Resposta: Kruskal seleciona arestas de menor peso sem formar
ciclos, garantindo AGM.
Referência: Cormen, Cap. 23.
13.
Resposta: Dijkstra assume que o caminho mais curto já encontrado é
definitivo, o que falha com pesos negativos.
: Cormen, Cap. 24.
Referência
14. Resposta: Bellman-Ford detecta ciclos negativos, útil em redes
financeiras com custos variáveis.
Referência: Cormen, Cap. 24.
15. Resposta: Floresta com 𝜔 árvores tem 𝑚 = 𝑛 − 𝜔.
Referência: Szwarcfiter, Cap. 3.
16. Resposta: DFS marca vértices como visitados; se encontrar um
vértice já visitado (exceto pai), há ciclo.
: Cormen, Cap. 22.
Referência
17. Resposta: Clique é um subgrafo completo; conjunto independente
não tem arestas internas.
Referência: Szwarcfiter, Cap. 1.
18. Resposta: Se 𝐺 é desconexo, 𝐺‾ tem pelo menos um componente
conexo completo.
: Exercício 8 da Lista1.
Referência
19. Resposta: Em grafo 𝑘-regular bipartido, 𝑘∣𝐴∣ = 𝑘∣𝐵∣ ⇒ ∣𝐴∣ = ∣𝐵∣.
Referência: Exercício 11 da Lista1.
20. Resposta: DFS ordena vértices pelo tempo de término, útil para
dependências em DAGs.
Referência: Cormen, Cap. 22.
Nível Difícil
21.
Resposta: Todo grafo conexo tem subgrafo minimal conexo (árvore),
obtido removendo arestas cíclicas.
: Szwarcfiter, Cap. 3.
Referência
22. Resposta: Ponte é única aresta entre dois componentes; sua remoção
divide o grafo.
Referência: Exercício 4 da Lista1.
23. Resposta: Use BFS colorindo vértices alternadamente. Complexidade
mantida pois visita cada vértice/aresta uma vez.
: Exercício 9 da Lista2.
Referência
Resposta: Se grau mínimo ≥ 2, caminho mais longo forma ciclo.
Referência: Exercício 14 da Lista1.
25. Resposta: Floresta é união de árvores; 𝑚 = 𝑛 − 𝜔.
Referência: Exercício 15 da Lista1.
26. Resposta: Use Counting Sort com graus limitados (0 a 𝑛 − 1),
24.
ordenando em 𝑂(𝑛).
: Exercício 6 da Lista1.
Referência
27. Resposta: Ford-Fulkerson aumenta fluxo via caminhos aumentantes
até saturação.
Referência: Cormen, Cap. 26.
28. Resposta: Se dois caminhos máximos não se intersectam, um
terceiro caminho mais longo existiria.
: Exercício 7 da Lista1.
Referência
29. Resposta: Em DAG, o último vértice finalizado no DFS é uma fonte
válida na ordenação topológica.
Referência: Exercício 5 da Lista2.
30. Resposta: Por indução: 𝐴𝑘 [𝑖][𝑗] conta caminhos de comprimento 𝑘
entre 𝑖 e 𝑗.
Referência: Exercício 7 da Lista2.