Die Eulersche Polyederformel Und Anwendungen

SE Mathematisches Seminar II, SS 2010, Universität Salzburg,
LV-Leiter: Bernhard Schratzberger, Thomas Kellner,
Fachbereich Mathematik Gerhard Mitterlechner
Seminararbeit für das Mathematische Seminar II
Die Eulersche Polyederformel und Anwendungen
Zusammenfassung
In dieser Arbeit werden die Eulersche Polyederformel und ihre inner- und auÿermathematischen
Anwendungen behandelt. Dazu wird zunächst eine Einleitung in die Graphentheorie gegeben,
inklusive einer Charakterisierung verschiedener Typen von Graphen und historischer Notizen.
Die Euler'sche Polyederformel wird dann über das Konzept der Dualisierung bewiesen, und zur
mathematischen Beschreibung platonischer bzw. archimedischer Körper verwendet. Im Anschluss
daran bewiesen wir die Nicht-Planarität spezieller vollständiger Graphen, sowie grundlegende Be-
ziehungen zwischen Anzahlen von Ecken und Kanten planarer Graphen.
Am Beispiel des Voronoi-Diagramms sowie der Delaunay-Triangulierung wird gezeigt, dass Kon-
zepte der Graphentheorie in der Informatik von groÿer Bedeutung sind. Den Abschluss bildet der
Satz von Pick, welcher die Fläche eines Polygons mit ganzzahligen Ecken angibt. Für den Beweis
werden Begrie der Linearen Algebra verwendet, welche im einführenden Kapitel kurz wiederholt
werden.
1
Inhaltsverzeichnis
1 Einleitung: Wiederholung Lineare Algebra 3

2 Einleitung: Graphentheorie 4
2.1 Grundlegende Denitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Charakterisierung von Graphen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.1 Planare Graphen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.2 Vollständige Graphen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2.3 Bipartite Graphen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.4 Gewichtete Graphen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.5 Bäume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3 Dualisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4 Eckengrad, durchschnittlicher Eckengrad, durchschnittliche Kantenzahl . . . . . . . . . 11
2.5 Historische Entwicklung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5.1 Leonhard Euler und das Königsberger Brückenproblem . . . . . . . . . . . . . . 12
2.5.2 Der Vier-Farben Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3 Euler'sche Polyederformel 16
4 Platonische Körper 17
4.1 Geschichtliches . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2 Wiederholung: Polyeder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.3 Zwei Beweise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.4 Anwendung: Fuÿball . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
5 Weitere Beweise mithilfe der Polyederformel 21

5.1 K5 ist nicht planar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
5.2 K3,3 ist nicht planar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
5.3 Maximaler Eckengrad, maximale Kantenzahl . . . . . . . . . . . . . . . . . . . . . . . 22
6 Anwendungen in der Informatik 23

6.1 Voronoi-Diagramme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
6.1.1 Nearest Neighbor Probleme: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.1.2 Andere Anwendungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
6.2 Delaunay-Triangulierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.2.1 Landschafts-Modellierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.2.2 Konstruktion aus dem Voronoi-Diagramm . . . . . . . . . . . . . . . . . . . . . 30
6.2.3 Eigenschaften der Delaunay-Triangulation . . . . . . . . . . . . . . . . . . . . . 31
6.2.4 Weitere Anwendungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
7 Satz von Pick 31

Literatur 34
2
Mathematisches Seminar II Eulersche Polyederformel T. Kellner, G. Mitterlechner
1 Einleitung: Wiederholung Lineare Algebra
In diesem Abschnitt werden einige Aussagen der linearen Algebra wiederholt, welche später für einen
Teil des Beweises des Satzes von Pick in Abschnitt 7 benötigt werden (vgl. [8], S.103-109, S.164, sowie
S.364-368).
1. Die (n × n)-Einheitsmatrix In besitzt die Determinante 1, also det(In ) = 1.
2. Für eine (n × n)-Matrix M und ihre transponierte Matrix M T gilt: det(M ) = det(M T ). Insbe-
sondere gilt: sind die Vektoren linear abhängig, so ist det(M ) = 0.
3. Eine (n × n)-Matrix M ist genau dann invertierbar, wenn det(M ) 6= 0 ist.

4. Für eine invertierbare (n × n)-Matrix M mit zugehöriger inversen Matrix M −1 gilt:
1
det(M −1 ) = .
det(M )
5. Für zwei (n × n)-Matrizen M und N gilt der Determinantenmultiplikationssatz :

det(M · N ) = det(M ) · det(N )
6. Sei M eine invertierbare (n × n)-Matrix, M −1 ihre Inverse, sowie In die (n × n)-Einheitsmatrix.

Dann gilt:
det(M ) · det(M −1 ) = det(M · M −1 ) = det(In ) = 1.
7. Seien ~v und ~u zwei Vektoren ∈ R2 . Sei M eine (2 × 2)-Matrix, welche ~v und ~u als Spalten- oder
Zeilenvektoren besitzt. Sei A der Flächeninhalt des zwischen ~u und ~v aufgespannte Parallelo-
gramms. Dann gilt:
A = |det(M )|.
8. Die Determinante einer ganzzahligen (n × n)-Matrix M ist wiederum ganzzahlig, also
M ∈ Zn×n ⇒ det(M ) ∈ Z.
9. Für eine (n × n)-Matrix M sind folgende Aussagen äquivalent:
(a) Das Gleichungssystem M~x = ~0 besitzt nur die triviale Lösung.
(b) Das Gleichungssystem M~x = ~b besitzt für jeden n-dimensionalen Vektor ~b genau eine
Lösung.
(c) M ist invertierbar.
(d) det(M ) 6= 0.
10. Koordinaten und Basiswechsel:

(a) Sei B = {~b1 , ~b2 , . . . , ~bn } eine Basis eines Vektorraumes V über R. Dann gilt:
• Jeder Vektor ~v aus V lässt sich eindeutig als Linearkombination
~v = k1~b1 + k2~b2 + . . . + kn~bn
darstellen, wobei ki ∈ R für i ∈ {1, . . . , n}.
3
• Die Skalare k1 , k2 , . . . , kn bilden den Koordinatenvektor [~v]B von ~v ∈ V bezüglich B

mit  
k1
 k2 
[~v ]B =  .  .
 
.
 . 
kn
(b) Sind B = {~b1 , . . . , ~bn } und C = {~c1 , . . . , ~cn } zwei Basen eines Vektorraums V, dann gilt:
• Sind [~v ]B und [~v ]C die Koordinatenvektoren eines Vektors ~v aus V bezüglich B bzw.
C, dann gilt:
[~v ]C = P [~v ]B ,
wobei die (n × n)-Matrix P aus den Spalten
[~b1 ]C , [~b2 ]C , . . . , [~bn ]C
besteht und Übergangsmatrix von B nach C heiÿt. Diese Matrix wandelt also einen
Koordinatenvektor eines Vektors v bezüglich der Basis B in einen Koordinatenvektor
bezüglich Basis C um.
• P ist invertierbar.
• P −1 ist die Übergangsmatrix von C nach B, und es gilt
[~v ]B = P −1 [~v ]C .
(P
−1 führt also den Koordinatenvektor von ~v bezüglich Basis C in einen Koordinaten-
vektor bezüglich Basis C über.)
2 Einleitung: Graphentheorie
2.1 Grundlegende Denitionen

Ein Graph eine Struktur, in welcher Ecken (bzw. Knoten) durch Kanten verbunden werden (Abb.
1). Anfangs- und Endpunkt einer Kante ist immer eine Ecke. Eine Kante verbindet zwei verschiedene
Ecken, es sei denn es handelt sich um eine Schlinge (loop, ([13], S.25): in diesem Fall wird eine Ecke
mit sich selbst verbunden (Abb. 1, zweite Ecke von rechts). Ecken werden in der Zeichenebene als
kleine Kreise oder Punkte visualisiert, eine Kante hingegen wird graphisch durch eine gerade Linie
(Strecke) oder eine gekrümmte Linie bzw. Kurve dargestellt.
Abbildung 1: Ein Graph: Ecken werden durch Kanten verbunden.
Eine graphische Darstellung eines Graphen in der Zeichenebene nennt man Einbettung.
4
Ein Graph G wird formal repräsentiert durch seine (nichtleere) Eckenmenge V sowie die Kan-
tenmenge E . Also (vgl. [23], S.52):
Denition 2.1 Ein Graph G ist ein Tupel G = (V, E), mit der nichtleeren Eckenmenge V = {v1 , v2 , . . . , vn }
sowie der Kantenmenge E = {e1 , e2 , . . . , ee }. Dabei ist n = |V | die Gesamtanzahl der Ecken, und
e = |E| die Gesamtanzahl der Kanten.
Die Buchstabenwahl ergibt sich aus den englischen Bezeichnungen vertex für Ecke und edge für Kante.
Im Englischen ist auch noch die Bezeichnung arc für eine Kante anzutreen. Der Graph aus Abb. 1
beispielsweise besitzt n=8 Ecken sowie e=8 Kanten, welche in Abb. 3 beschriftet dargestellt sind.
Für die mathematische Darstellung einer Kante gibt es verschiedene Möglichkeiten. Wir betrachten
hauptsächlich sogenannte einfache Graphen, in welchen keine Schlingen, sowie zwischen zwei Ecken
keine Kanten mehrfach vorkommen dürfen. Für solche einfache Graphen ist es bequem Kanten als
eine zwei-elementige Menge von miteinander verbundenen Ecken zu denieren:
Denition 2.2 Sei G ein einfacher Graph. Dann ist die Kantenmenge E deniert durch:
E := {{vi , vj } : vi , vj ∈ V, vi 6= vj , vi und vj sind verbunden, i, j ∈ {1, . . . , n}}.
Eine Kante welche vi und vj verbindet, wird weiters bezeichnet mit eij , also eij := {vi , vj }.
Dabei gilt aufgrund der Einfachheit des Graphen eij = eji . Auÿerdem ist eii (Schlinge) gemäÿ Deni-
tion ausgeschlossen. Alternativ könnte E auch als Menge von geordneten Paaren dargestellt werden,
also E = {(vi , vj ) ∈ V × V : vi und vj sind verbunden, mit i < j}.
Abbildung 2: Ein einfacher Graph.
Bemerkung: Sind Schlingen erlaubt, so kann man eine Kante als ungeordnetes Paar (vgl. [9], S.4)
Multimenge denieren, sodass auch {ei , ei } in E enthalten sein kann . Dürfen
oder eine zwei-elementige
Kanten zwischen zwei Ecken mehrfach vorkommen (Mehrfachkanten bzw. parallel edges [13], S.17), so
ist E selbst eine Multimenge von zweielementigen Mengen bzw. Multimengen. Ein solcher Graph heiÿt
- als Gegensatz zu einem einfachen Graphen - auch Multigraph ([13], S.26). Diese Terminologie ist
in der Literatur - wie in ([13], S.26) erwähnt - uneinheitlich. In vielen Büchern wird nämlich unter
Graph automatisch ein einfacher Graph verstanden. Siehe Abb. 3 für einen Multigraphen, und Abb.
2 für einen einfachen Graphen.
Gerichtete/ungerichtete Graphen: Durch die Darstellung einer Kante als zwei-elementige Men-
ge (bzw. zwei-elementige Multimenge) wird nur ausgedückt, dass eine Ecke vi mit einer anderen (nicht
notwendigerweise von vi verschiedenen) Ecke verbunden ist. Solche Graphen, in denen Kanten keine
Richtung, bzw. keine Start- bzw. Endecke besitzen, heiÿen ungerichtete Graphen. Eine weitere Varia-
tion, welche für zahlreiche Anwendungen von Bedeutung ist, sind gerichtete Graphen, wo eine Kante
ausgezeichnete Start- bzw. Endecken besitzt, also die Kante eij von der Kante eji zu unterscheiden
ist. In gerichteten Graphen wird analog zu oben die Kantenmenge als eine Menge von ungeordneten
Paaren repräsentiert: E = {(vi , vj ) ∈ V × V : es führt eine Kante von vi nach vj }. Die Richtung einer
Kante wird in der Einbettung durch einen Pfeil symbolisiert.
5
v8 e8 v7
e7 v5
e4 v1
v3
e5 e1
e6 e3
v4 e2
v6 v2
Abbildung 3: Ein nicht einfacher Graph: e3 ist eine Schlinge, e1 und e6 verbinden dieselben zwei Ecken
(Doppelkante). Der Graph ist also ein Multigraph.
Untergraph: Ein Graph G0 = (V 0 , E 0 ) ist ein Untergraph eines Graphen G = (V, E), wenn V 0 ⊆ V
und E0 ⊆ ist, und wenn
0 0
jede Kante e ∈ E dieselben Ecken in G verbindet wie in G ([7], S.60).
Im Weiteren beschäftigen wir uns nur mehr mit ungerichteten, einfachen Graphen.
Weg und Pfad: Ein Weg ist eine Abfolge von sukzessive durch Kanten miteinander verbundenen
Ecken, wobei jede Ecke mit der nachfolgenden Ecke durch eine Kante verbunden ist (vgl. [23], S.55,
und siehe Abb. 4). Ein Pfad ist ein Weg, welcher nur verschiedene Ecken enthält:
Denition 2.3 Sei G = (V, E) mit V = {v1 , . . . , vn } ein einfacher Graph. Ein Weg (Kantenzug,
walk) der Länge m in G ist eine endliche Folge von m + 1 Ecken (vi0 , vi2 , . . . , vim ) mit eik ,ik+1 ∈ E
für alle k ∈ {0, . . . , m − 1}, sowie ij ∈ {1, . . . , n} mit j ∈ {0, . . . , m}.
Ein Pfad in G ist ein Weg in dem alle Ecken paarweise verschieden sind, also vij 6= vik für alle k 6= j ,
k, j ∈ {0, . . . , m}.
Bemerkung 1: Die Denition in [23] verwendet keine Doppelindices, da schon die Elemente von
V von der Autorin nicht indiziert werden. In ([13], S.6) wird unter Anpassung der Buchstabenwahl
an unsere Notation ein Pfad als eigenständiger Graph (V, E) deniert mit V = {v0 , . . . , vm } und
E = {{v0 , v1 }, {v1 , v2}, . . . , {vm−1 , vm }}, wobei alle vi verschieden sind.
Bemerkung 2: Die Menge der Kanten welche einen Weg bzw. Pfad bilden ist gemäÿ obiger Deni-
tion nur bei einfachen Graphen eindeutig.
Kreis/Zyklus: Ein Kreis oder Zyklus ist ein Pfad, dessen letzte Ecke durch eine Kante mit der
ersten Ecke verbunden ist (vgl. [23], S.55). Ein Kreis der Länge m besteht im Unterschied zum Pfad
nur aus m Ecken (Abb. 4).
Denition 2.4 Ein Kreis der Länge m ist eine Folge (vi1 , vi2 , . . . , vim ), für die gilt:
ei1 ,im ∈ E und eik ,ik+1 ∈ E,
für alle k ∈ {1, . . . , m − 1}, sowie ij ∈ {1, . . . , n} mit j ∈ {1, . . . , m}.
Zusammenhängende Graphen: Ein Graph heiÿt zusammenhängend, wenn zwischen zwei belie-
bigen Ecken vi 6= vj , i, j ∈ {1, . . . , n}, ein Pfad existiert. Der Graph in Abb. 1 ist beispielsweise nicht
zusammenhängend (es gibt keinen Pfad, um z.B. von v1 aus zu v6 oder v8 zu gelangen), der Graph in
Abb. 2 hingegen schon.
6
v3 v7
v6
v2
v5 v4
v1 v8
Abbildung 4: Ein Graph mit einem (roten) Pfad der Länge 4: (v1 , v2 , v5 , v8 , v4 ). Weiters enthält er
einen (blauen) Kreis der Länge 4: (v4 , v6 , v2 , v3 ).
2.2 Charakterisierung von Graphen

2.2.1 Planare Graphen
Graphen, welche so in der Ebene R2 gezeichnet werden können, dass sich keine zwei Kanten überkreu-
zen, der Graph also überschneidungsfrei gezeichnet werden kann, nennt man planar. Einen planaren
Graphen zusammen mit seiner Einbettung in die Ebene nennt man ebenen Graphen ([23], S.74).
Man kann zeigen, dass jeder Graph der sich mit gekrümmten Linien überschneidungsfrei zeichnen lässt,
sich auch mit ausschlieÿlich geraden Strecken überschneidungsfrei zeichnen lässt ( Fáry's theorem, [10],
S.139). Ein ebener Graph welcher ausschlieÿlich gerade Strecken verwendet, nennt man dann planar
straight-line graph (PSLG) [14]. Planare Graphen können auÿerdem ebenso auf der Kugeloberäche
überschneidungsfrei gezeichnet werden (siehe [7], S.67, sowie den Beweis mittels stereographischer
Projektion in [10], S.138). Der Fokus dieser Arbeit liegt ausschlieÿlich auf der Behandlung von zusam-
menhängenden planaren Graphen.
Durch die Überschneidungsfreiheit enthält ein ebener Graph Gebiete (faces ), welche von Kanten
begrenzt werden. Das Auÿengebiet (das unbegrenzte Gebiet ) wird ebenfalls als Gebiet gezählt. Durch
Berücksichtigung des ungegrenzten Gebiets besitzt also jeder planare Graph mindestens ein Gebiet.
Ein begrenztes Gebiet in einem planaren Graphen ist immer durch einen Zyklus begrenzt. Gebiete ein
einem planaren Graphen werden durch ein indiziertes g gekennzeichnet.
g4 v3 v7
g2 v6
v2 g1 g3
v5 v4
v1 v8
Abbildung 5: Ein planarer Graph mit drei begrenzten Gebieten g1 , g2 , g3 und dem Auÿengebiet g4 .
Der Graph ist identisch mit dem aus Abb. 4, nur die Kante e4,7 wurde hier so gezeichnet dass keine
Kantenüberschneidungen auftreten. (Also ist auch der Graph aus Abb. 4 planar.)
2.2.2 Vollständige Graphen

In einem vollständigen Graphen sind beliebige zwei Ecken vi , vj ∈ V , i 6= j , durch (genau) eine
Kante verbunden (Abb. 6). Der vollständige Graph mit n Ecken wird bezeichnet durch Kn . Es ist
erwähnenswert, dass der in Abb. 6 dargestellte K4 trotz der abgebildeten Überkreuzung planar ist: die
Kante e2,4 beispielsweise kann auch auÿen herum gezeichnet werden, sodass keine Überschneidungen
7
mehr auftreten. Für den K5 hingegen beweisen wir weiter unten, dass er nicht planar ist, er also
jedenfalls nur mit mindestens einer Kantenüberschneidung in der Ebene eingebettet werden kann.
v4
v1
v3
v2
Abbildung 6: Der vollständige Graph mit vier Ecken (K4 ): jede Ecke ist mit jeder anderen durch eine
Kante verbunden.
Lemma 2.1 Für die Anzahl e der Kanten in einem vollständigen Graphen gilt:

n
e= .
2
Beweis: Die Anzahl der Kanten entspricht also der Anzahl aller 2-elementigen Teilmengen aus einer
Menge mit n Elementen (n = |V |). Aus der Kombinatorik wissen, wir, dass die Anzahl aller
k-
n
elementigen Teilmengen aus einer Menge mit n Elementen gleich ist. Also hat Kn genau
k

n
viele Kanten.
2
2.2.3 Bipartite Graphen

Ein bipartiter Graph ist ein Graph dessen Eckenmenge V sich aufteilt in zwei nicht disjunkte Teil-
mengen A, B ⊆ V , also V = A ∪ B , A ∩ B = ∅ (vgl. [23], S.77, sowie [7], S.60). Für jede Kante muss
gelten, dass eine zugehörige Ecke in A, die andere in B liegt. Also für alle eij ∈ E gilt vi ∈ A und
vj ∈ B . Es darf also keine Kanten geben, deren Ecken in nur einer der beiden Mengen A oder B
liegen.
v1 v4
A
B
v2 v5
v3
Abbildung 7: Ein bipartiter Graph mit A = {v1 , v2 , v3 } und B = {v4 , v5 }. Es gibt ausschlieÿlich
Kanten zwischen Ecken aus A und Ecken aus B.
In einem vollständig bipartiten Graphen ist jede Ecke aus A mit jeder Ecke aus B verbunden.
Deniert man m := |A| sowie n := |B|, so bezeichnet Km,n den entsprechenden vollständig bipartiten
Graphen. Die Anzahl der Kanten in einem vollständig bipartiten Graphen ist anschaulicherweise m·n
(Abb. 8).
2.2.4 Gewichtete Graphen

Für praktische Probleme ist es oft notwendig, dass mit jeder Kante Kosten oder Gewichte verknüpft
sind, welche je nach Anwendung etwa Entfernungen, Reisekosten, Flugpreise, Zeitaufwand, Wartekos-
ten etc. modellieren. Mithilfe spezieller Algorithmen (z.B. Dijkstras Algorithmus, siehe Abschnitt 6)
8
v1 v4
A
B
v2 v5
v3
Abbildung 8: Der vollständig bipartite Graph K3,2 . Er besitzt 3·2=6 Kanten.
wird der mit den geringsten Kosten verbundene Pfad in einem gewichteten Graphen ermittelt, also
das Problem des kürzesten Pfades gelöst (vgl. [21], S.513).
2.2.5 Bäume
Ein Baum ist deniert als ein zusammenhängender Graph welcher keine Zyklen enthält (vgl. [23],
S.57, und siehe Abb. 9).
Abbildung 9: Ein Baum als ein zusammenhängender Graph ohne Zyklen.
Lemma 2.2 Für jeden Baum ist die Anzahl der Kanten um eins niedriger ist als die Anzahl der
Ecken: e = n − 1.
Beweis (vgl. [7], S.67f.): Man wählt eine beliebige Ecke und ernennt diese zur Wurzel (Abb. 10). Jede
Kante wird nun dargestellt als Pfeil, wobei von der Wurzel ausgegangen wird und die Richtung von
der Wurzel weg gewählt wird. Diese Richtung ist für jede Kante eindeutig bestimmbar, da es wegen
der Zyklenfreiheit keinen Pfad von einer Ecke aus geben kann welcher wieder in derselben Ecke endet.
Weil der Graph zusammenhängend ist, endet in jeder Ecke des Baumes ein Pfeil; auÿerdem können in
einer Ecke nicht mehrere Pfeile enden, da ansonsten ein Kreis von der Wurzel bis zur Wurzel gegeben
wäre. In jeder Ecke auÿer der Wurzel endet also genau ein Pfeil, weswegen die Anzahl der Pfeile gleich
e = n - 1 ist.
Aufspannender Baum: Ein den (zusammenhängenden) Graphen G = (V, E) aufspannender Baum

oderSpannbaum ist ein Baum T = (V 0 , E 0 ) mit V 0 = V und E 0 ⊆ E ([23], S.60, und siehe Abb. 11).
Der Graph T ist also ein spezieller Untergraph von G. (Er ist zusammenhängend und hat die identische
Eckenmenge zu G. Die Forderung des Aufspannens bedeutet, dass jede Ecke von T von einer Kante
verbunden ist, welche auch ∈ E ist.) Es ist inituitiv einleuchtend, dass jeder zusammenhängende Graph
einen Spannbaum enthält, was in ([23], S.61) durch Angabe eines Verfahrens, welches nachweislich
einen Spannbaum konstruiert, bewiesen wird.
Lemma 2.3 Jeder den Graphen G = (V, E) aufspannende Baum T = (V, E 0 ) ist bezüglich der Anzahl
|E 0 | der Kanten minimal, d.h. es gibt keinen weiteren zusammenhängenden Graphen H = (V, E 00 ),
E 00 ⊂ E , für den gilt: |E 00 | < |E 0 |.
9
Wurzel
Abbildung 10: Illustration zum Beweis für e = n − 1.
Abbildung 11: Ein Graph und sein aufspannender Baum.
Beweis: Sei H ein den Graphen G = (V, E) aufpannender zusammenhängender Graph. Falls H
Kreise hat, so kann man eine beliebige Kante eines Kreises entfernen, sodass der Graph immer noch
zusammenhängend ist. Nach Beseitigung aller Kreise ergibt sich nach Denition ein aufspannender
Baum T = (V, E 0 ). hingegen reiÿt T auseinander:
Eine Entfernung irgendeiner weiteren Kante aus E0
T wäre in diesem Fall nicht mehr zusammenhängend. Auÿerdem gilt, dass jeder weitere Baum H =
(V, E 00 ) mit derselben Eckenmenge nach obigem Lemma gleich viele Kanten wie T besitzt (also |E 00 | =
|E 0 | gilt). Also kann es keinen weiteren aufspannenden Baum mit weniger Kanten als |E 0 | geben.
In einem gewichteten Graphen bezeichnet der Minimale Spannbaum jeden Baum, welcher den zwi-
schen zwei beliebigen Ecken mit den geringsten Kosten verbundenen Pfad enthält. Man kann zeigen,
dass der minimale Spannbaum für jede gegebene Zerlegung der Eckenmenge des Graphen in zwei
Teilmengen die kürzeste der Kanten enthält, welche Ecken aus der einen Teilmenge mit denen der
anderen verbindet (vgl. [21], S.515).
2.3 Dualisierung
Im folgenden Abschnitt betrachet man nur planare Graphen, an dem die Konstruktion des dualen
Graphen gezeigt wird. ([24], S.193 f )
Sei f1 , f2 , .., fr die Regionen vom Graphen G, so ist die Konstruktion von G∗ wie folgt deniert:
1. G∗ hat r Ecken v1∗ , v2∗ , ..., vr∗ , wobei vi∗ , 1 ≤ i ≤ r, mit den Gebieten fi korrespondiert.
2. G∗ hat genau so viele Kanten wie G
3. Wenn eine Kante e von G die Gebiete fi und fj trennt (müssen nicht verschieden sein), dann
∗
verbindet die dazugehörige Kante e in G∗ die Ecken vi∗ und vj∗ . (Jede Kante gehört zu zwei
Gebieten und es ist möglich, dass die Kante in ein und derselben Region liegt.)
Man kann nun G∗ einfach konstruieren, indem man zuerst in jede Region fi von G eine Ecke vi∗ legt.
Dann zeichnet man für jede Kante e, die jeweils die Gebiete fi und fj begrenzt, eine Linie ein, die die
10
Ecken vi∗ und vj∗ verbindet, sodass sie die Kante e schneidet. Diese Linie repräsentiert nun die Kante
e∗ vom dualen Graphen.
Abbildung 12: Ein Graph (durchgezogene Linie) mit seinem Dualgraphen (strichlierte Linie) ([13],
S.90)
2.4 Eckengrad, durchschnittlicher Eckengrad, durchschnittliche Kantenzahl

Die folgenden Beweise sind nach der Vorgehensweise von [7] geführt.
Denition 2.5 Der Eckengrad oder Grad d(v) einer Ecke v ∈ V ist die Anzahl der Kanten, die von
v ausgehen.
Bemerkung: Im Falle einer Schlinge wird die Kante doppelt gezählt. Beispielsweise sind in Abb. 3
d(v1 ) = 3, d(v2 ) = 4, d(v3 ) = 4 (!), d(v4 ) = 2, d(v5 ) = 1, d(v6 ) = 0, d(v7 ) = 1, d(v8 ) = 1.
Lemma 2.4 Die Summe aller Eckengrade in einem Graphen beträgt 2e, also
n
X
d(vi ) = 2e.
i=1
Beweis Geht von einer Ecke vi eine Kante aus, so muss sie gemäÿ Denition in einer Ecke vj enden,
wobei i = j zugelassen wird (Schlinge). Wir besuchen jede Ecke und summieren die Anzahl der
ausgehenden Kanten (= Eckengrad). Es gibt zwei Fälle für eine Kante, welche von einer beliebigen
Ecke ausgeht: a) die gerade gezählte Kante ist eine Schlinge. Dann wird die Kante gemäÿ obiger
Bemerkung doppelt gezählt. b) die Kante ist keine Schlinge, endet daher in einer anderen Ecke, wo sie
ebenfalls noch einmal gezählt wird (oder schon gezählt worden ist). In jedem der beiden Fälle wird die
Kante genau zweimal gezählt, also wird jede Kante genau zweimal gezählt, woraus die Behauptung
folgt.
In Abb. 3 ergibt die Summe der zuvor aufgeschriebenen Eckengrade 3 + 4 + 4 + 2 + 1 + 0 + 1 + 1 = 16

also wie behauptet die doppelte Anzahl der Kanten.
Lemma 2.5 Der durchschnittliche Eckengrad d einer Ecke in einem allgemeinen Graphen beträgt
2e
d= .
n
Beweis: Die Summe aller Eckengrade in einem planaren Graphen beträgt (siehe oben) 2e. Damit hat
jede der n Ecken durchschnittlich einen Eckengrad von 2e/n.
Lemma 2.6 Die durchnittliche Anzahl von Kanten f eines Gebietes in einem planaren Graphen
beträgt
2e
f= .
f
11
Denition 2.6 Wir denieren fk als die Anzahl der Gebiete, welche von genau k Kanten begrenzt
werden. Liegt dabei ein und dasselbe Gebiet auf beiden Seiten einer Kante , so wird die Kante doppelt
gezählt.
Beispiele:
• In einem Graphen, welcher nur aus einer Kante besteht, wird das Auÿengebiet aufgrund der
obig beschriebenen doppelten Zählung von zwei Kanten anstatt von einer Kante begrenzt, also
gilt f2 = 1.
• In Abb. 5 wird g1 von 5 Kanten begrenzt, g2 von 3, g3 von 3, und das ungebrenzte Gebiet g4
aufgrund der doppelten Zählung von e1,2 von 8. Es ist also f1 = f2 = 0, f3 = 2, f4 = 0, f5 = 1,
f6 = f7 = 0, f8 = 1.
Beweis: Die Gesamtanzahl an Gebieten beträgt nach obiger Denition f = f1 + f2 + f3 + f4 + . . .. Die
Kanten des Graphen können wir jetzt durch Aufsummieren der begrenzenden Kanten aller Gebiete
zweimal abzählen:
2e = f1 + 2f2 + 3f3 + 4f4 + . . . (1)
Diese Summe der begrenzenden Kanten aller Gebiete dividiert durch die Anzahl der Gebiete liefert
nun die durchschnittliche Kantenanzahl pro Gebiet, also f = 2e/f.
2.5 Historische Entwicklung

In einem Brief an Christian Huygens drückte Gottfried W. Leibnitz 1670 seine Unzufriedenheit über die
Unzulänglichkeiten der Algebra aus ([15], S.1), da sie sinnngemäÿ weder die kürzesten Beweise, noch
die schönsten Konstruktionen in der Geometrie liefere. Aus diesem Grunde würde eine neue Art der
Analysis benötigt, die sich mit Position beschäftigt, so wie sich die Algebra mit Gröÿen beschäftigt.
Dieses Gebiet, welches heute als Topologie bezeichnet wird, entwickelte sich nur langsam, wie Carl
Friedrich Gauÿ1833 notierte: Über diese Geometrie der Position, welche Leibnitz [...] begründete,
wissen und besitzen wir, nach eineinhalb Jahrzehnten, nur sehr wenig mehr als nichts ([15], S.1).
Eines der (wenigen) Erkenntnisse, welche von Gauss hier angesprochen werden, werden im Folgenden
ausgeführt.
2.5.1 Leonhard Euler und das Königsberger Brückenproblem

Leonhard Euler's Studium an dieser neuartigen Geometrie gipfelte in einem einzigen Artikel, wel-
cher als der Grundstein für die moderne Graphentheorie gilt, in dem er das berühmte Königsberger
Brückenproblem mathematisch formulierte und löste (siehe Abb. 13).
Das Problem, das sich Leonhard Euler 1737 stellte, ist wie folgt formuliert (vgl. [15], S.2, und [23],
S.72):
Ist es möglich einen Weg durch die Stadt zu nden, bei welchem man jede der sieben
Brücken einmal und nur einmal überquert? Und falls ja, ist sogar ein Rundweg möglich,
bei dem man wieder zum Ausgangspunkt zurückkehrt?
Euler löste das Problem, indem er zuerst die Stadtkarte durch ein einfacheres Diagram ersetzte, in dem
nur die wichtigsten Bestandteile eingezeichnet sind. Diese entsprechen in der modernen Graphentheorie
den Ecken für die vom Wasser getrennten Stadtteile und Kanten für die die Stadtteile verbindenden
Brücken (Abb. 14).
Euler-Weg, Euler-Kreis, eulerscher Graph:

Für die folgende Denition vgl. [23], S.72, sowie [15], S.5 und S.11:
12
Abbildung 13: Eine alte Stadtansicht von Königsberg, mit eingezeichnetem Flussverlauf des Pregels
sowie den sieben von Euler betrachteten Brücken. Entnommen von [5].
v3
v2
v4
v1
Abbildung 14: Die graphentheoretische Darstellung der durch Brücken verbundenen Stadtteile.
Denition 2.7 Ein Euler-Weg in einem Graphen ist ein Weg, welcher jede Kante genau einmal
enhält. Ein Euler-Kreis (Euler-Zyklus, Euler-Tour) ist ein ein Euler-Weg, in dem Start- und Endecke
identisch sind. Enthält ein Graph eine Eulertour, so nennt man ihn eulersch.
Satz 2.1 Ein zusammenhängender Graph besitzt genau dann einen Euler-Kreis, wenn der Grad al-
ler Ecken gerade ist. Ein zusammenhängender Graph besitzt genau dann einen Euler-Weg, wenn er
höchstens zwei Ecken mit ungeradem Eckengrad besitzt.
Beweis: Siehe [23], S.73.
Beispiele: Der in Abb. 14 dargestellte Graph enthält keinen Euler-Kreis, da nicht jede Ecke geraden
Eckengrad besitzt. Ebensowenig besitzt er einen Euler-Weg, da jede Ecke ungeraden Eckengrad besitzt.
Der Graph in 15 a) besitzt einen Euler-Weg (höchstens zwei Ecken mit ungeradem Eckengrad), aber
keinen Euler-Kreis. Der Graph in 15 b) besitzt einen Euler-Kreis und ist daher eulersch.
2.5.2 Der Vier-Farben Satz

Für diesen Abschnitt vgl. ([23], S.76 ) und ([22], S.326-339). Viele in der Praxis auftauchenden Pro-
bleme kann man darauf zurückführen, dass man in einem entsprechend denierten Graphen eine Auf-
teilung (Partition) der Eckenmenge ndet, so dass Kanten nur noch zwischen Ecken in verschiedenen
Klassen der Partition verlaufen (wie es zum Beispiel in bipartiten Graphen der Fall ist). Diese Parti-
tionen von Ecken kann man gut visualisieren, indem man jeder Partition eine andere Farbe zuordnet,
13
a) b)
Abbildung 15: a) Ein Graph welcher einen Euler-Weg, aber keinen Euler-Kreis besitzt. b) Ein Graph
welcher einen Euler-Kreis besitzt (eulersch).
also die Ecken einfärbt. Im Mobilfunk erhält man so beispielsweise eine Zuordnung von Frequenzen
zu Sendern, im Compilerbau eine Zuordnung von Variablen auf Register des Prozessors.
Ein klassisches Graphfärbeproblem ist das Färben von Landkarten, bei dem aneinandergrenzende
Länder nicht dieselbe Farbe bekommen dürfen. Hierbei nimmt man an, dass das Gebiet eines jeden
Landes zusammenhängend ist, und dass Länder die nur in einem einzigen Punkt aneinanderstoÿen,
gleich gefärbt werden dürfen. Das Färben solcher Landkarten entspricht dem Färben planarer Graphen:
Repräsentiert man jedes Land durch eine Ecke und verbindet zwei Ecken genau dann durch eine Kante,
wenn die entsprechenden Länder eine gemeinsame Grenze haben (Dualisierung), so erhält man einen
planaren Graphen, in dem jede Ecke eine Farbe besitzt. Nach dem Vier-Farben Satz genügen für jeden
planaren Graphen nur vier Farben (Abb. 16).
Abbildung 16: Eine Landkarte welche beweist dass man mindestens vier Farben benötigt, sodass keine
zwei banchbarten Länder dieselbe Farbe erhalten. Der dualisierte planare Graph verbindet Ecken
unterschiedlicher Farbe durch gestrichelte Kanten.
Historisch geht das Problem bis ins 19. Jahrhundert zurück: der Teilzeitmathematiker Francis Gu-
thrie stellte sich im Oktober 1852 beim Bemalen einer Karte der britischen Grafschaften (Abb. 17) die
Frage, ob vier Farben zum Färben einer beliebigen Landkarte immer ausreichend sind. Sein Bruder
Frederick, Student am Londoner University College, legte daraufhin das Problem seinem Professor
Augustus de Morgan, welcher wiederum den groÿen irischen Mathematiker und Physiker William Ro-
wan Hamilton versuchen lieÿeine Landkarte zu entwerfen, welche mindestens fünf Farben benötige.
Er, wie auch Hermann Minkowski und viele andere später scheiterten an dem Problem, indem sie
entweder falsche Gegenbeispiele (Landkarten von denen behauptet wurde sie benötigten mindestens
fünf Farben) oder falsche Beweise lieferten. Scheinbar richtige Beweise wurden immer wieder durch
Gegenbeispiele als solche entlarvt, was den berühmten Wissenschaftsjournalisten Martin Gardner 1975
14
dazu veranlasste, als Aprilscherz eine komplexe Karte zu präsentieren, welche scheinbar mindestens
fünf Farben benötige (Abb. 18).
Abbildung 17: Francis Guthrie stellte fest, dass er die Karte der britischen Grafschaften mit nur vier
Farben färben konnte, ohne dass er für benachbarte Grafschaften dieselbe Farbe benutzen musste
([22], S.327).
Abbildung 18: Ein Aprilscherz von Martin Gardner: er behauptete diese Karte könne nur mit min-
destens 5 Farben gefärbt werden ([22], S.331).
Lange also wurde nur vermutet, dass für das Färben von Landkarten vier Farben immer ausreichen,
aber 1976 konnte dann dieses Problem von Kenneth Appel und Wolfgang Haken von der Universität
Illinois gelöst werden.
15
Ihr Beweis ist sehr aufwändig und besteht aus einem theoretischen Teil, in dem das allgemeine
Problem auf endlich viele (genau 1482) Teilprobleme reduziert wird, und einem Computerprogramm,
das daraufhin alle diese endlichen Fälle überprüft. Dieser computergestützte Beweis wurde allerdings
aufgrund der Unmöglichkeit ihn manuell zu verizieren zunächst nicht von allen Mathematikern ak-
zeptiert. Von der Vorgehensweise von Appel und Haken inspiriert rief der Computerwissenschaftler
den mit 100 000 Dollar dotieren Leibnitz-Preis aus für das erste Computerprogramm, welches einen
Satz aufstellt der tiefgreifende Auswirkungen auf die Mathematik hat. Jedenfalls stellte das Vierfar-
benproblem die Mathematik-Gesellschaft vor die Herausforderung, den Begri des mathematischen
Beweises neu zu überdenken.
3 Euler'sche Polyederformel
Diese von Leonhard Euler entwickelte Formel liefert eine Beziehung zwischen der Anzahl der Ecken,
Kanten und Flächen eines planaren Graphen. Das Resultat schickte er 1750 in einem Brief, der keinen
vollständigen Beweis enthielt, an seinen Freund Goldbach. Später wurde die Formel auf mehrere Arten
bewiesen, wobei hier der nachfolgende Beweis von Karl Georg Christian von Staudt (1847) gewählt
wurde. Dieser verzichtet auf die vollständige Induktion und löst dies über die Geometrie der Lage und
dessen Selbstdualismus. ([7], S.167 f )
Satz 3.1 Die Eulersche Polyederformel. Für jeden zusammenhängenden ebenen Graphen G mit
n Ecken, e Kanten und f Gebieten gilt
n − e + f = 2. (2)
Beweis: Sei T die Kantenmenge des aufspannenden Baumes und E

die Kantenmenge vom Graphen, somit sei T ⊆ E . Daher ist T ein
minimaler Untergraph, der alle Ecken von G verbindet.Der Graph
enthält keinen Kreis wegen der Minimalitätsannahme ,d.h. er wurde
auf einen einfachen Graph reduziert.
Als nächstes benötigt man den Dualgraphen G∗ von G: Für die Kon-
struktion legt man in jedes Gebiet von G eine neue Ecke (dabei zählt
auch die Fläche um den Graphen herum als ein Gebiet). Je zwei
benachbarte Ecken (zwei Gebiete, die durch eine gemeinsame Rand- Abbildung 19: Ein ebener
∗
kante getrennt werden) werden durch eine Kante von G verbunden. Graph G: n = 6, e = 10, f = 6
Gibt es mehrere gemeinsame Randkanten, so zeichnet man mehrere Verbindungskanten in den Dual-
graphen G∗ ein. (Es können Mehrfachkanten auftreten, auch wenn der ursprüngliche Graph G einfach
ist.)
Die Menge T ∗ ⊆ E ∗ sind diejenigen Kanten im Dualgraphen, die den

Kanten E\T entsprechen. T
∗ verbindet alle Gebiete, weil T keine
∗
Kreise enthält und umgekehrt hat T keinen Kreis, da sonst einige
Ecken von G nicht mit anderen Ecken verbunden wäre (T ist ein auf-
∗
spannender Untergraph und die Kanten von T und T kreuzen sich
∗
nicht). Somit ist auch T ein aufspannender Baum für G .
∗
Bei jedem Baum ist die Eckenanzahl um eins gröÿer als die Anzahl Abbildung 20: Duale aufspan-
der Kanten (siehe Lemma 2.2).Dies zeigt man dadurch, indem man nende Bäume in G und in G∗
eine Ecke als "Wurzel' auswählt und sich von dieser auf allen Kanten "wegbewegt'. Dies liefert eine
Bijektion zwischen den Kanten und der Menge aller Ecken, auÿgenommen der Wurzel, indem wir jeder
Kante eine Endecke zuordnen, zu der sie hinzeigt. Somit hat der Baum T gleich n = eT + 1 Ecken und
der Dualbaum T∗ hat f = n ∗ = eT ∗ + 1 Ecken. (Die Ecken im Dualbaum entsprechen den Flächen im
16
originalen Graphen G.) Addiert man beide Gleichungen so erhält man
n + f = (eT + 1) + (eT ∗ + 1) = (eT + eT ∗ ) + 2 = e + 2
4 Platonische Körper
4.1 Geschichtliches
Ein paar Platonische Körper waren schon bei den alten Ägyptern bekannt, aber durch Platon, der
wie viele grichischen Philosophen nach den Grundbausteinen der Welt suchte, wurden sie zum ersten
Mal bekannt. Er baute sie in seine Philosophie ein und beschrieb sie in seinem Werk Timaios. Jedem
Körper ordnete er ein Element des (platonischen) Weltbildes zu:
• Erde ⇔ Hexaeder
• Wasser ⇔ Ikosaeder
• Feuer ⇔ Tetraeder
• Luft ⇔ Oktaeder
• Äther oder Quintessenz ⇔ Dodekaeder
Abbildung 21: die fünf Platonischen Körper [2]
Auch Euklid beschäftigte sich mit diesen regelmäÿigen Polyedern. In XIII. Buch der Elemente ndet
man eine genaue Konstruktionsbeschreibung und einen Beweis, dass es nicht mehr von diesen Körpern
geben kann.
Wir stellen uns auch die Frage: "Warum gibt es nur fünf Platonische Körper?"
4.2 Wiederholung: Polyeder

Unter einem Polyeder wird ein Körper verstanden, dessen Oberächen aus einer Anzahl polygonaler
Flächen besteht. Dieser ist einfach, sofern er keine Löcher besitzt, d.h. sich stetig in eine Kugelober-
äche formen lässt. Angenommen es gibt zwei Punkte auf dem Polyeder, dessen Verbindungsstrecke
den Körper schneidet, so spricht man von einem nicht konvexen Körper. Anders gesagt: Verläuft die
Strecke alle Punktepaare des Körpers im Inneren, so ist er konvex. Und ein regulärer Polyeder besteht
aus regulären Polyonen, d.h. alle Seiten sind gleich lang und die Innenwinkel sind gleich groÿ.(vgl.[11],
S.181 f )
Bemerkung: Jeder Polyeder lässt sich als planarer Graph darstellen. Man beginnt mit einem Punkt
und zeichnet alle benachbarten Punkte und deren Verbindungslinien ein. Zum Schluss wird eine Fläche
des Polyeders übrig bleiben, die dann das unbegrenzte Gebiet bildet.
17
Abbildung 22: Die Bezeihung zwischen einem (konvexen) Polyeder und einem planaren Graphen ([12],
S.237).
4.3 Zwei Beweise

Der erste Beweis [17] ist sehr anschaulich und eher intuitiv, als mathematisch korrekt. Dennoch darf
man die Wirkung solcher präformalen Beweise nicht unterschätzen. Sie sind als Auockerung, Einstieg
in ein Thema oder als Gegensatz zu der strengen mathematischen Beweisführung, die man eher dem
Beweis 2 ([11], S.183 f ) zuschreiben darf, gut geeignet.
Lemma 4.1 Es gibt nur 5 Platonische Körper.

Beweis 1: Um eine Polyederecke bilden zu können, braucht man mindestens drei Flächen und die
Innenwinkelsumme muss kleiner wie 360◦ sein. Beträgt der Innenwinkel genau 360◦ so bendet man
sich in der Ebene und ist dieser gröÿer, so entsteht kein konvexer Polyeder mehr.
Stoÿen drei Dreiecke zusammen, so erhält man eine Tetraederecke mit einem Innenwinkel von 180◦
(= 3 · 60◦ ). Vier Dreiecke (4
· = 60◦ 240◦ ) ergeben eine Oktaeder- und fünf (5
· = 300◦ ) eine60◦
Ikosaederecke. Fügt man weiter Dreiecke hinzu so erhöht sich die Innenwinkelsumme auf 360 und
◦
mehr.
3 · 60◦ 4 · 60◦ 5 · 60◦
Abbildung 23: Bildung einer Tetraeder-, Oktaeder- und Ikosaederecke
Benutzt man ein Quadrat als regelmäÿiges Ausgangspolygon, so gibt es nur eine Möglichkeit eine
Polyederecke zu bilden (3 · 90◦ = 270◦ ) und es entsteht ein Hexaeder (Würfel). Für den Dodekaeder
verwendet man ein regelmäÿiges Fünfeck 108◦ mit einem Innenwinel von 324◦ (= 3 · 108◦ ).
Für weitere regelmäÿige Polygone (Sechseck, Siebeneck,...) kann man keine konvexen Körper erzeugen.
Im speziellen ergeben sechs gleichseitige Dreiecke, vier Quadrate oder drei regelmäÿige Sechsecke eine
Parkettierung in der Ebene.
Beweis 2: Da platonische Körper reguläre Polyeder sind, die f Flächen besitzen und aus regulären
Vielecken bestehen, kann man die Kanten einmal nach den Ecken abzählen. Jede Ecke hat denselben
Eckengrad und wegen Lemma 2.4 folgt:
n · d(vi ) = 2e
18
3 · 90◦ 3 · 108◦
Abbildung 24: Bildung einer Hexaeder- und einer Dodekaederecke
n = 2e/d(ni ) (3)
Nun werden die Kanten nach den Flächen abgezählt.
fk · f = 2e
f = 2e/fk (4)
Nun setzt man (3) und (4) in die Eulersche Formel (2) ein.
2e 2e
−e+ = 2
d(n) fk
1 1 1 1
+ = +
d(n) fk 2 e
Bevor man alle positiven Zahlentripel, die die Gleichung lösen, sucht, beachtet man zuerst die An-
fangsbedingungen, die die Eigenschaften eines Polyeders erfüllen. Um eine Ecke zu bilden braucht
man mindestens drei Flächen, wobei dann dies drei Kanten bilden. Somit ist der Eckengrad d(n) ≥ 3.
Das gleiche Prinzip gilt auch für die Kanten der Polygone. Die kleinste Fläche, die dadurch gebildet
werden kann, ist das Dreieck, welches drei Kanten besitzt (fk ≥ 3). Die letzte Voraussetzung sei, dass
d(n), fk 6= 4 sind, denn sonst tritt auf der linken Seite der Gleichung 1/2 auf und auf der rechten Seite
zählt man zu 1/2 etwas Positives hinzu, da es mindestens eine Ecke geben muss.
Um alle Möglichkeiten zu erhalten, hält man einen der beiden Variablen d(n) oder fk konstant mit 3
fest und erhöht den anderen, ebenfalls mit 3 beginnend, jeweils immer um 1 und berechnet schlieÿlich
die Kantenanzahl e.
für d(n) = 3 für fk = 3

1
fk− =1
6
1
e
1
d(n)− 61 = 1e
→ fk kann 3,4 oder 5 sein → d(n) kann 3,4 oder 5 sein
→ e = 6, 12, 30 → e = 6, 12, 30
Über Rückeinsetzen in Gleichung (3) und (4) erhält man die gewünschte Ecken- und Flächenanzahl
Tabelle 2 (Aufschlüsselung der Ecken,Kanten und Flächen zu den jeweiligen Figuren)
Anzahl der Ecken Anzahl der Kanten Anzahl der Flächen Regulärer Polyeder
4 6 4 Tetraeder
8 12 6 Hexaeder
6 12 8 Oktaeder
20 30 12 Dodekaeder
12 30 20 Ikosaeder
19
4.4 Anwendung: Fuÿball

Ein bekanntes Beispiel, an dem man die Eulersche Polyederformel verwenden kann, ist der Fuÿball,
der aus zusammengenähten Fünf- und Sechsecken besteht. Dabei stoÿen in jeder Ecke ein Fünfeck
und zwei Sechsecke zusammen. Wieviele Fünf- bzw. Sechsecke braucht man dazu? [1]
Abbildung 25: Zwei Fuÿbälle, links eine geometrische und rechts eine naturgetreue Nachbildung eins
Fuÿballs [3]
Beweis: Wir bezeichnen N als die Eckenmenge, P die Menge aller Pentagone und H die Menge aller
Hexagone. Die jeweiligen Kleinbuchstaben bezeichneen deren Anzahl, bzw. eingestrichene Kleinbuch-
staben beziehen sich auf ein Element der Menge. Da man auch das Netz eines Fuÿballes zeichnen
kann handelt es sich um einen planaren Graphen und somit gilt die Eulersche Polyederformel, die
man für diesen speziellen Fall etwas anders anschreibt. Die Gesamtäche besteht nun aus der Summe
der Pentagone und der Hexagone (f = p + h). Somit gelangt man zur Gleichung
n−e+p+h = 2 (5)
Die folgende Aussage liefert uns eine weiter Gleichung:

Jede Ecke des Körpers ist Teil eines Pentagons, welches fünf Ecken hat.
X
# (p0 , n0 ) ∈ P × N |n0 ∈ p0 = # n0 ∈ N |n0 ∈ p0 = 5p

p0 ∈P
| {z }
=5
X
= # p0 ∈ P |n0 ∈ p0 = n

n0 ∈N
| {z }
=1
5p = n (6)
Bemerkung: Gesucht sind die Anzahl aller Paare (Pentagonecke, Ecke) für die die Ecke in einer
Pentagonecke liegt. Dabei betrachtet man zum einen nur ein Pentagon und zählt die Ecken ab und
summiert im Anschluss über alle Pentagone , zum anderen man nimmt eine Ecke aus der Eckenmen-
ge, prüft wieviele Ecken von verschiedenen Pentagonen eintreen und summiert schlieÿlich über alle
Ecken. Nun hat man die Anzahl aller Paare auf zwei verschiedenen Möglichkeiten beschrieben und
setzt sie gleich. Genau die gleiche Vorgehensweise verwendet man bei den Hexagonen.
Beweis Fortsetzung: An jeder Ecke benden sich zwei Hexagone, welches jeweils aus sechs Ecken
20
besteht.
X
# (h0 , n0 ) ∈ H × N |n0 ∈ h0 = # n0 ∈ N |n0 ∈ h0 = 6h

h0 ∈H
| {z }
=6
X
= # h0 ∈ H|n0 ∈ h0 = 2n

n0 ∈N
| {z }
=2
6h = 2n (7)
An jeder Ecke stoÿen drei Kanten zusammen. (siehe Lemma 2.4)
3n = 2e (8)
Nun fasst man Gleichung(4),(5),(6)und (7) zu einem Gleichungssystem zusammenfassen und berech-
net, da dieses Gleichungsystem eindeutig bestimmt ist, die einzelnen Variablen. (Diese Rechenschritte
seien dem kundigen Leser selbst überlassen.) Somit erhält man einen Fuÿball mit 60 Ecken, 90 Kanten,
12 (schwarzen) Pentagonen und 20 (weiÿen) Hexagonen.
Abbildung 26: vom Ikosaeder zum Ikosaederstumpf [4]
Bemerkung: Der Ikosaederstumpf gehört zu der Klasse der Archimedischen Körper, von denen es 13
gibt. Graphisch lässt sich dieser konstruieren, indem man alle Ecken abschneidet. Der Schnitt muss
von jedem Eckpunkt aus auf einem Drittel mit diesem verbundenen Seitenkante angesetzt werden.
Macht man das nicht so bekommt man keine regelmäÿigen Polygone (Sechsecke) und es erfüllt die
Denition eines Archimedischen Körpers nicht mehr.
5 Weitere Beweise mithilfe der Polyederformel
5.1 K5 ist nicht planar

Mithilfe der Euler'schen Polyederformel ist es einfach zu beweisen, dass der vollständige Graph mit
Eckenanzahl 5 nicht planar sein kann, dass also jede Einbettung in die Ebene (auf eine Kugel) Kan-
tenüberschneidungen besitzen muss. Dieser Graph werde im Folgenden mit K5 bezeichnet. Der Beweis
wird indirekt geführt.
Satz 5.1 Der vollständige Graph K5 ist nicht planar.

Beweis: Wir nehmen also an, dass K5 planar sei. Dann gilt die Euler'sche Polyederformel n−e+f = 2.
Nach Voraussetzung hat der Graph Eckenanzahl 5, also ist n = 5. Also ergibt sich für die Kantenanzahl
5

e = = 5·4
= 10. Somit ist f = e + 2 − n = 7. Da gemäÿ Abschnitt 2.4 f = 2e
= 20
< 3,
2 2 f 7
ist also die durchschnittliche Kantenanzahl eines Gebiets kleiner 3. Daraus folgt, dass es mindestens
21
ein (begrenztes) Gebiet gibt, welches durch höchstens zwei Kanten begrenzt wird. (Das Auÿengebiet
hat hier jedenfalls mehr als 3 Kanten.) Dies wiederum bedeutet eine von 2 Möglichkeiten: a) dass
es ein Eckenpaar geben muss, zwischen welchem 2 Kanten verlaufen, also von Ecke vi nach vj und
eine Kante von vj nach vi ; oder b) es gibt eine Schleife (eine Kante von einer Ecke zu sich selbst).
Beide Möglichkeiten stehen im Widerspruch zur Denition eines vollständigen Graphen. Also kann
die Planaritätsannahme nicht korrekt sein.
5.2 K3,3 ist nicht planar

Der folgende Beweis läuft entlang denselben Argumentationslinien wir der Beweis des K5 .
Satz 5.2 Der vollständig bipartite Graph K3,3 ist nicht planar.
Beweis: Angenommen, K3,3 wäre planar. Dann gilt n − e + f = 2. Es gilt nach Voraussetzung n = 6,
sowie e = 3 · 3 = 9. Also ist f = e + 2 − n = 5. Für die durchschnittliche Kantenzahl eines Gebietes
wieder f =
f = 5 < 4. Es gibt also mindestens ein Gebiet, welches weniger als 4 Kanten
2e 18
gilt
besitzt. Das Auÿengebiet kann wieder wie oben ausgeschlossen werden, da es jedenfalls mehr als 4
Kanten besitzt. Ein begrenztes Gebiet in einem bipartiten Graphen ist aber in jedem Fall ein Zyklus
welcher mindestens 4 Ecken, und damit mindestens 4 Kanten besitzt. Somit herrscht ein Widerspruch
zur Behauptung, es gäbe ein Gebiet mit weniger als 4 Kanten, weswegen die Planaritätsannahme zu
verwerfen ist.
5.3 Maximaler Eckengrad, maximale Kantenzahl

Zwei weitere Aussagen wollen wir hier beweisen, welche sich aus dem doppelten Abzählen von Kanten
(siehe Abschnitt 2.4) ergeben. Als Voraussetzung für beide Aussagen sei G = (V, E) ein einfacher
zusammenhängender planarer Graph mit n ≥ 3.
Lemma 5.1 G hat (mindestens) eine Ecke mit einem Eckengrad welcher nicht gröÿer als 5 ist. (For-
mal: es gibt ein v ∈ V mit d(v) ≤ 5.)
Beweis: Da G einfach ist, enthält G keine Mehrfachkanten. Deshalb und wegen n ≥ 3 ist jedes
Gebiet (auch das Auÿengebiet) von mindestens drei Kanten begrenzt . Also ist
1 f1 = f2 = 0. Die
Gesamtanzahl der Gebiete ist also gegeben durch f = f3 + f4 + f5 + . . .. Wegen Gleichung (1) gilt aber
auch 2e = 3f3 + 4f4 + 5f5 + . . .. Durch Multiplizieren ersterer Gleichung mit der Zahl 3 und Abzug
von der zweiten Gleichung erhalten wir folgende Ungleichung:
2e − 3f ≥ 0. (9)
Jetzt setzen wir indirekt fort: angenommen, jede Ecke hätte Eckengrad ≥ 6. Wir denieren nk als die
Anzahl der Ecken mit Eckengrad k. Also können wir die Gesamtanzahl der Ecken wie folgt zählen:
n = n6 + n7 + n8 + . . . . (10)
Aufsummieren der Eckengrade ergibt gemäÿ Lemma 2.4
2e = 6n6 + 7n7 + 8n8 + . . . , (11)
woraus wir durch Multiplikation von Gleichung 10 mit der Zahl 6 und anschlieÿendem Abziehen von
letzterer Gleichung 2e − 6n ≥ 0 schlieÿen können. Beide Ungleichungen werden schlieÿlich geschickt
miteinander kombiniert:
1
(Hinweis: in ([7],S.69) wird die Voraussetzung n ≥ 3 oenbar implizit gemacht.
22
I : 2e − 3f ≥ 0
II : 2e − 6n ≥ 0
I 0 : 4e − 6f ≥ 0
0
I + II : 6e − 6n − 6f ≥ 0⇔
6(e − n − f ) ≥ 0 ⇔
e−n−f ≥ 0⇔
e ≥ n + f,
was der Euler'schen Polyederformel wegen n−e+f = 2 ⇔ e = n+f −2 widerspricht, weshalb die
Annahme falsch sein muss, und wir die Behauptung folgern können.
Lemma 5.2 G hat höchstens 3n − 6 Kanten. (Formal: |E| = e ≤ 3n − 6.)

Beweis: Aus der Eulerschen Polyederformel leiten wir eine Darstellung von 3f ab:
n−e+f = 2⇔
f = 2−n+e⇔
3f = 6 − 3n + 3e.
Wie in obigen Beweis gilt bei n≥3 die Gleichung ??: 2e − 3f ≥ 0. Durch Umformen, Einsetzen für
3f , und abermaliges Umformen resultiert die Behauptung:
2e ≥ 3f ⇔
2e ≥ 6 − 3n + 3e ⇔
3n − 6 ≥ e.
6 Anwendungen in der Informatik
Bäume für Suche und Sortierung: Vor allem in der Informatik spielen Suchbäume eine enorm
wichtige Rolle, wie z.B. Binärbäume, Heaps, Rot-Schwarz-Bäume, AV L-Bäume oder 2 − 3-Bäume
([21], S.270f.). In modernen Datenbanksystemen sind B -, B - bzw. B , R-Bäume ([16], S.207-220)
∗ +
als Grunddatenstrukturen implementiert, welche Sortier- sowie Suchprobleme mit bewiesenermaÿen

höchstmöglicher Zeitezienz lösen. Dabei spielt vor allem der Grad der Balanziertheit (Ausgegli-
chenheit) und damit verbunden die maximale Höhe eines balanzierten Binärbaums die entscheidende
Rolle.
Soganannte Quadtrees bzw. Octrees werden verwendet, um Objekte im 2- bzw. 3-dimensionalen

Raum schnell aufzunden, was für Computergrak (z.B. zur Kollisionserkennung in Computerspielen),
2
aber auch für GIS -Anwendungen von Bedeutung ist (vgl. [12], S.293-203).
Syntaxbäume: Im Compilerbau repräsentiert ein durch den Parser generierter Syntax-Bäum den
Aufbau des Programmcodes in einer (höheren) Programmiersprache ([21], S.359) und bildet den Aus-
gangspunkt für die weitere Übersetzung in Maschinencode.
2
Geographic Information Systems
23
Kürzeste Pfade in gewichteten Graphen: Das Problem, den kürzesten Pfad (also den Pfad
welcher die Gewichte der Kanten minimiert) zwischen zwei Ecken in einem gewichteten Graphen zu
herauszunden, ndet z.B. in Computernetzwerken und Reiseroutenberechnungen breite Anwendung.
Der Dijkstra-Algorithmus, welcher spätestens aus dem Jahr 1957 stammt ([21], S.520) und für zwei
beliebige Knoten den kürzesten Pfad zwischen ihnen ermittelt, ist durch seine Implementierung in
Routing-Protokollen einer der berühmtesten und meist-implementiertesten Algorithmen überhaupt
[19]. Ähnliche Algorithmen sind der Floyd-Warshall-Algorithmus, welcher in einem Graphen alle kür-
zesten Wege berechnet [19], bzw. die A∗-Suche, welche auf dem Prinzip von Dijkstra aufbaut [18].
Solche Algorithmen sind nicht darauf beschränkt, tatsächlich eine Distanz zwischen (geometrischen)
Punkten der Ebene zu minimieren, sondern können als ganz allgemeine Verfahren zum Lösen von
diversen Optimierungsproblemen angewandt werden, wie im Scheduling oder für Spielstrategieopti-
mierung ([21], S.513, und [18]).
Minimaler Spannbaum und Kostenminimierung: Das Problem des minimalen Spannbaums

wird mit dem Algorithmus von Kruskal (seit 1956 bekannt) gelöst, oder mit dem Algorithmus von
Prim, welcher auf dem gleichen Prinzip wie der Algorithmus von Dijkstra basiert ([21], S.520). An-
wendung ndet dies z.B. zur Minimierung von Leitungskosten zwischen Telefonanschlüssen, Stroman-
schlüssen [19], aber auch in Computernetzwerken sowie zur approximativen Berechnung einer Lösung
für das berühmte Travelling Salesman Problem [14].
Webseiten-Bewertung in Suchmaschinen: Die Google-Websuche (der sogenannte PageRank -

Algorithmus) basiert darauf, das Web als Graphen repräsentieren, in dem Ecken (Webseiten) eine
Bewertung erhalten, welche unter anderem davon abhängig ist, wie viele Kanten (Links) bei ihr ein-
gehen. Die tatsächliche Bewertung kann dann (unter diversen Voraussetzungen) durch Lösen eines
hochdimensionalen Eigenwertproblems berechnet werden [20].
Spielstrategieoptimierung: Für Spiele wie Tic-Tac-Toe, Schach, Dame, Go oder Vier-Gewinnt,

also in Spielen wo abwechselnd gezogen wird, werden sogenannte Spielbäume berechnet. In einem
Spielbaum werden, ausgehend von der aktuellen Spielbrettkonguration, die weiteren möglichen Kon-
gurationen für eine gewisse Anzahl von Zügen vorausberechnet und in einer Baumstruktur abge-
speichert. Abhängig von einer sogenannten Bewertungsfunktion, welche für jede Spielkonguration
bewertet ob sie vorteilhaft ist oder nicht, wird ein Pfad in dem Spielbaum gesucht, welcher (auch
für optimale gegenerische Züge) zu einer möglichst vorteilhaften Konguration bzw. zum Sieg führt.
Bekannte Algorithmen dieser Art sind Minimax, Negamax und der Alpha-Beta Algorithmus [18].
6.1 Voronoi-Diagramme
Das sogenannte Voronoi-Diagramm einer zweidimensionalen Punktmenge P = {p1 , . . . , pn }, pi ∈ R2 ,
i ∈ {1, . . . , n} ist eine planare Unterteilung der Ebene, welcher die Ebene in (polygonale) Gebiete ein-
teilt, wobei jeder Punkt pi ∈ P von einem solchen, möglicherweise unbeschränkten Gebiet gi umgeben
ist (Abb. 27). Das Gebiet gi , Voronoi-Polygon genannt, besitzt dabei die zentrale Eigenschaft, dass
jeder Punkt q ∈ gi einen kleineren Abstand zu pi also zu irgendeinem pj , i 6= j , besitzt (vgl. [12],
S.147-151). Die Kanten der Voronoi-Polygone gi und gj sind Teile von Streckensymmetralen zwischen
den Punkten pi und pj (Abb. 28).
Aus Abb. 27 und 28 wird ersichtlich, dass jede Ecke eines Voronoi-Polynoms Eckengrad k ≥ 3 besitzt
(ohne Beweis). Dabei ist anschaulicherweise genau dann k > 3, wenn k viele Eingabepunkte auf einem
Kreis liegen und kein weiterer Eingabepunkt im Inneren dieses Kreises liegt. Für ein Beispiel denke
man sich den Punkt in der Mitte von Abb. 30 weg.
Im Unterschied zu einem ebenen Graphen besitzt das Voronoi-Diagramm unendlich lange Kanten
(Strahlen), siehe Abb. 27. Die Kanten der Voronoi-Polygone verbinden Voronoi-Ecken. Das Voronoi-
24
Abbildung 27: Das Voronoi-Diagramm einer Punktmenge teilt die Ebene, so dass alle Punkte innerhalb
des Voronoi-Polygons von pi kleinere Distanz zu pi als zu einem anderen pj (i 6= j ) besitzen ([12],
S.149).
Abbildung 28: Die Kante e welche den Voronoi-Polygonen von pi und pj gemeinsam ist, ist ein Teil
der Streckensymmetrale zwischen pi und pj ([12], S.149). Einfügen eines weiteren Punkts pk führt hier
zu weiteren Streckensymmetralen zwischen pj und pk (strichliert), sowie zwischen pi und pk (nicht
eingezeichnet). Bei drei Punkten schneiden sich also im resultierenden Voronoi-Diagramm alle drei
Streckensymmetralen in einer einzigen Voronoi-Ecke.
Diagramm kann auf einfache Weise zu einem planaren Graphen umgebaut werden, indem man alle
unendlich langen Kanten in einer extra hinzugefügten Ecke enden lässt (Abb. 29).
Es stellt sich die Frage, aus wie vielen Ecken und Kanten ein Voronoi-Diagramm besteht. Klarerweise
kann ein einzelner Punkt pi von einem Voronoi-Polygon mit höchstens n−1 Kanten umschlossen
sein (Abb. 30), was im schlimmsten Fall n(n − 1), also quadratisch viele Kanten bedeuten würde.
Mithilfe eines Resultats aus der Eulerformel können wir allerdings zeigen, dass das Voronoi-Diagramm
höchstens 2n − 5 Ecken und 3n − 6 Kanten (also linear viele) besitzt (vgl. [12], S.150). Weiters zeigen
wir dass ein einzelnes Voronoi-Polygon im Schnitt höchstens 6 Kanten besitzt.
Satz 6.1 Sei P = {p1 , . . . , pn } eine Punktemenge der Ebene mit n ≥ 3 Punkten. Dann besitzt das
Voronoi-Diagramm höchstens 3n−6 Kanten, sowie höchstens 2n−5 Ecken. (Für n = 3 gilt Gleichheit.)
Beweis: Aus dem Voronoi-Diagramm, welches aus nv vielen Ecken und ne vielen Kanten besteht, wird
durch Hinzüfügen einer Ecke v∞ ein planarer Graph erzeugt, welcher nv + 1 viele Ecken und ne viele
Kanten besitzt, wie in Abb. 29 illustriert. Sei nun V = {v1 , . . . , vnv , v∞ } die Menge der Voronoi-Ecken.
25
Abbildung 29: Durch Hinzufügen eines Zusatzpunktes v∞ wird ein Voronoi-Diagramm zu einem pla-
naren Graphen, für den die Eulersche Polyederformel gilt ([12], S.150).
Es gilt |V | = nv + 1. Wir wissen von Abschnitt 2.4 dass für die Kantenanzahl des Voronoi-Diagramms
gilt:
nX
v +1
d(vi ) = 2ne ,
i=1
wobei v∞ = vnv +1 . Nun besitzt jede Ecke eines Voronoi-Diagramms Eckengrad gröÿer oder gleich 3.
Also ist die Summe der Eckengrade - welche ja wie bereits gezeigt 2e ist - gröÿergleich dreimal die
Eckenanzahl:
nX
v +1
d(vi ) ≥ 3(nv + 1) ⇔ 2ne ≥ 3(nv + 1).

i=1
Dieses Ergebnis notieren wir als Gleichung I:
I : 2ne ≥ 3(nv + 1).
Weiters können wir die Eulerformel anwenden, wobei die Anzahl der Gebiete gleich der Anzahl der
Eingabepunkte n ist:
II : (nv + 1) − ne + n = 2
0
II : 2(nv + 1) − 2ne + 2n = 4
II 00 : 3(nv + 1) − 3ne + 3n = 6.
Setzen wir die Abschätzung für 2ne aus I in II 0 ein, ergibt sich:
2(nv + 1) − 3(nv + 1) + 2n ≥ 4 ⇔
−nv + 2 − 3 + 2n ≥ 4 ⇔
nv ≤ 2n − 5.
Setzen wir die Abschätzung für 3(nv + 1) aus I in II 00 ein, ergibt sich:
2ne − 3ne + 3n ≥ 6 ⇔
−ne ≥ 6 − 3n ⇔
ne ≤ 3n − 6
26
Lemma 6.1 Jedes Voronoi-Polygon besitzt durchschnittlich weniger als 6 Kanten.

Beweis: Da jede Kante zu zwei Voronoi-Polygonen gehört, besitzt jedes Voronoi-Polygon nach Satz
6.1 im Schnitt 2 · (3n − 6)/n = 6 − 12/n Kanten.
Abbildung 30: Ein einzelnes Voronoi-Polygon kann n−1 viele Kanten besitzen, aber insgesamt gibt
es nicht mehr als 3n − 6 Kanten ([12], S.150).
6.1.1 Nearest Neighbor Probleme:

Angenommen, man möchte zu jedem Punkt pi seien nächsten Nachbarn pj nden, also denjenigen
Punkt pj , der geringste Distanz zu pi aufweist (i 6= j ). Für einen einzelnen Punkt müsste man mit
einer naiven Vorgehensweise die Abstände zu allen weiteren berechnen, also n − 1 viele. Würde man
also alle paarweisen Distanzen in einer Punktmenge P = {p1 , . . . , pn } berechnen, so würde man dabei
(n − 1) + (n − 2) + . . . + 3 + 2 + 1 = n(n − 1)/2, also quadratisch viele Berechnungen benötigen.
Hat man hingegen das Voronoi-Diagramm bereits berechnet, so muss man nur noch diejenigen
Nachbarn, welche Kanten im Voronoi-Polygon von pi bilden, absuchen. Nach obigem Lemma genügen
also im Schnitt 6, also O(1) viele Berechnungen um den nächsten Nachbarn eines einzelnen Punkts pi
zu nden, bzw. O(n) für die nächsten Nachbarn aller Punkte.
O(n log n) vielen

Man kann zeigen ([12], S.159), dass das Voronoi-Diagramm im schlimmsten Fall mit
Berechnungen und mit O(n) Speicherverbrauch berechnet werden kann. Diese Laufzeit ist optimal [14],
da das Sortierproblem reduzierbar auf die Berechnung des Voronoi-Diagramms ist. (Wäre O(n log n)
nicht optimal, gäbe es also einen noch schnelleren Algorithmus zur Berechnung des Vornoi-Diagramms,
dann könnte man auch schneller als O(n log n) sortieren, was nicht möglich ist.) Im schlimmsten Fall
ist es also möglich, in einer Punktmenge alle nächsten Nachbarn mit nur O(n log n) Zeitverbrauch zu
bestimmen. Bei einer Punktmenge von z.B. n = 10.000 Punkten, entspricht dies einer Reduktion von
ca. 50 Millionen (im Falle eines quadratischen Algorithmus) auf nur 40.000 Berechnungen.
6.1.2 Andere Anwendungen

Mithilfe einer Verallgemeinerung des Voronoi-Diagramms für Liniensegmenten - der sogenannten Me-
dialen Achse bzw. medial axis - ist es möglich das Problem des polygon osetting zu lösen: Finde
in O(n log n) Zeit eine Kurve, welche von einem Ausgangspolygon überall konstanten Abstand - den
oset - besitzt [14]. Weiters wird die mediale Achse verwendet um einerseits Engstellen (sogenannte
bottlenecks ) in einem Polygon, andererseits Orte wo dem Polygon ein gröÿtmöglicher Kreis einge-
schrieben werden kann, aufzunden. Siehe Abb. 31 und 32 für Beispiele zur medialen Achse und deren
Anwendungen.
27
Abbildung 31: Die mediale Achse - eine Verallgemeinerung eines Voronoi-Diagramms für Polygone -
kann dazu verwendet werden, in O(n log n) Zeit eine Kurve welche überall konstanten Abstand zum
Polygon besitzt zu erzeugen (die oset Kurve, hier in rot, entnommen aus [14]).
Abbildung 32: Die mediale Achse dient dazu Engstellen (bottlenecks) aufzunden, sowie Orte, wo ein
gröÿtmöglicher Kreis eingeschrieben werden kann (entnommen aus [14]).
Aufbauend auf dem Voronoi-Diagramm wird auÿerdem durch Dualisierung eine besonders güns-
tige Form einer Triangulierung (ein ebener Graph, dessen Innengebiete Dreiecke bilden) berechnet,
die sogenannte Delaunay -Triangulierung ([12], S.188-200), welche z.B. für die Erstellung von 3D-
Gittermodellen von Landschaftterrains benutzt und im folgenden Abschnitt näher erläutert wird.
6.2 Delaunay-Triangulierung
6.2.1 Landschafts-Modellierung
Gegeben sei eine Punktmenge P = {p1 , . . . , pn } in der Ebene. Von diesen Punkten kenne man zudem
die durch Messung gewonnene Höheninformation h(pi ) ∈ R. Die Höhe der anderen Punkte der Ebene
kennt man nicht. Das Ziel ist es jetzt, eine Landschaftsmodell zu erstellen, wo jedem Punkt der
Ebene eine Höhe zugewiesen wird.
28
Möglichkeit 1: ein Punkt q mit unbekannter Höhe erhält die Höhe seines nächsten gemessenen
Nachbarn in P. Nachteil: es entstehen nicht-stetige Voronoi-Plateaus (Abb. 33).
Abbildung 33: Eine Landschaft wird modelliert durch Zuweisung der Höhen des nächsten Nachbarn
in P ([12], S.184).
Möglichkeit 2: Die Punktmenge wird trianguliert. Die Landschaft wird dann durch Interpolation
an den enstandenden 3D-Dreiecken modelliert. Einem Punkt q mit unbekannter Höhe h(p) wird also
die Höhe des entsprechenden Punktes des Dreiecks über q zugewiesen (Abb. 34).
Abbildung 34: Landschaftsmodellierung durch Triangulierung einer zweidimensionalen Punktmenge

P ([12], S.184).
Eine derart modellierte Landschaft könnte z.B. wie folgt aussehen:
Abbildung 35: Landschaftsmodellierung durch Triangulierung ([12], S.183).
29
Der Nachteil hierbei ist dass das entstandene Modell sehr stark von der ursprünglichen Triangulierung
abhängt. Schon einzelne Kanten können einen groÿen Unterschied in der modellierten Landschaft
ausmachen, wie in Abb. 36 illustriert wird.
Abbildung 36: Eine einzige Kante kann für das resultierende Landschaftsmodell eine groÿe Rolle
spielen. In a) würde ein Berg in der Mitte rechts und links vom Punkt q steil abfallen; in b) hingegen
würde q in einem tiefen Tal liegen ([12], S.183). Das Problem hierbei sind die vielen schmalen Dreiecke,
bzw. die kleinen auftretenden Winkel .
Anhand des vorigen Beispiels sieht man, dass eine möglichst gleichmäÿige Triangulierung (eine Trian-
gulierung, in denen die Winkel in den Dreiecken nicht zu klein werden, deren Dreiecke also möglichst
gleiche Winkel nahe bei 60◦ besitzen) wünschenswert wäre. Die sogenannte Delaunay-Triangulation
leistet genau das, wie weiter unten erläutert.
6.2.2 Konstruktion aus dem Voronoi-Diagramm

Die Delaunay-Triangulation entsteht durch Dualisierung des Voronoi-Diagramms: die Punkte pi , wel-
che von Voronoi-Polygonen umgeben sind, sind die Ecken der Triangulierung. Teilen sich die Voronoi-
Polygone zweier Punkte pi , pj eine Kante e, so wird zunächst eine neue Kante von pi nach pj gezogen,
welche e durchquert. Es ensteht ein planarer Graph G (Abb. 37), dessen innere Gebiete jeweis von
drei Kanten begrenzt sind; für den Beweis siehe ([12], S.189).
Abbildung 37: Durch Dualisierung entsteht aus dem Voronoi-Diagramm V or(P ) (gestrichelt) ein neuer
planarer Graph G, welcher in die Delaunay-Triangulierung übergeführt wird ([12], S.188).
30
Aus G wird nun ein P SLG, was nach Fary's Theorem ist möglich ist (siehe oben, Abschnitt 2.2.1).
Die resultierende Triangulierung wird in Abb. 38 illustriert.
Abbildung 38: Die aus dem Voronoi-Diagramm entstandende Delaunay-Triangulierung ([12], S.188).
6.2.3 Eigenschaften der Delaunay-Triangulation

Die Delaunay-Triangulierung weist folgende Eigenschaften auf, welche mitilfe des Voronoi-Diagramms
bewiesen werden ([12], S.190f ).
1. Sie ist winkeloptimal. Das bedeutet, sie maximiert also von allen möglichen Triangulierungen
den kleinsten auftretenden Innenwinkel aller Dreiecke.
2. Im Inneren eines Umkreises eines Delaunay-Dreicks liegt kein weiterer Punkt ∈ P.
3. Der Umkreismittelpunkt eines Delaunay-Dreiecks mit den Punkten {pi , pj , pk } ist die durch den
Schnittpunkt der Streckensymmetralen zwischen pi , pj , pk denierte Voronoi-Ecke.
4. Sie kann in O(n) Zeit aus dem Voronoi-Diagramm berechnet werden, insgesamt ist die Kon-
struktion also ebenso nur in O(n log n).
6.2.4 Weitere Anwendungen

Mithilfe der Delaunay-Triangulation kann mit nur O(n log n) Zeitkomplexität der bezüglich der Kan-
tenlänge minimale Spannbaum einer Punktmenge berechnet werden. Hierbei wird der bekannte Algo-
rithmus von Kruskal auf die Delaunay-Triangulation angewendet [14].
Weiters ist es möglich, suboptimale Lösungen des Travelling Salesman Problems zu generieren,
deren Laufzeit abhängig von der gewünschten Qualität sind.
7 Satz von Pick
Denition 7.1 Ein konvexes Polygon P ⊆ R2 heiÿt elementar, wenn die Koordinaten seiner Eck-
punkte ganzzahlig sind, es aber keine weiteren ganzzahligen Punkte enthält.
Bemerkung: Dies impliziert, dass weder am Rand noch im Inneren des Polygons Punkte aus Z2
enthalten sein dürfen.
Lemma 7.1 Ist eine invertierbare (n × n)-Matrix M ganzzahlig, also ∈ Zn×n , dann ist der Betrag
ihrer Determinante gleich 1, also |det(M )| = 1.
31
Beweis: Sei M ganzzahlig und invertierbar. Dann sind sowohl det(M ) als auch det(M −1 ) ungleich 0.
Weiters gilt: 1 = det(I) = det(M · M
−1 ) = det(M ) · det(M −1 ), also 1 = det(M ) · det(M −1 ), und damit
det(M ) = 1/det(M ). Da det(M ) Element aus Z ist, folgt dass |det(M )| = |det(M −1 | = 1 gilt.
−1
Satz 7.1 Jedes elementare Dreieck 4 ⊂ R2 , welches durch die Punkte {P0 , P1 , P2 } mit Pi ∈ R2
gegeben ist, besitzt den Flächeninhalt 1/2:
1
A(4) = .
2
Beweis: Seien P0 , P1 , P2 ∈ R2 derart, dass sie ein elementares Dreieck 4 bilden. Jetzt fasse man
eine Dreiecksseite (zB die Strecke P1 P2 ) als Diagonale eines Parallelogramms auf, dessen eine Hälfte
das Dreieck, die andere die gespiegelte Version des Dreiecks im Mittelpunkt der Diagonale ist (siehe
Abb. 39). Da das gespiegelte Dreieck klarerweise elementar ist, ist auch das resultierende Parallelo-
gramm elementar. Ebenso ist es möglich, durch Hintereinanderhängen der durch die Dreiecksseiten
gegebenen Vektoren jeden beliebigen Punkt des Gitters Z2 zu erreichen: dies ist deshalb so, weil man
durch nahtloses und paralleles Aneinanderfügen kongruenter Versionen des Parallelogramms die ganze
Ebene pastern kann, also jeder Punkt aus Z2 ein Eckpunkt irgendeines Parallelogramms wird (siehe
Abb. 40).
Jeder Punkt aus Z2kann also durch eine ganzzahlige Linearkombination der Vektoren ~ v1 = P1 − P0 ,
~v2 = P2 −P0 gebildet werden, was nichts anderes bedeutet, als dass ~v1 und ~v2 das Gitter Z2 aufspannen.
Weiters sind - das Dreieck besitzt ja positive Fläche - ~ v1 und ~v2 linear unabhängig. Da Z2 Dimension
2 besitzt, folgt, dass B = {~v1 , ~v2 } eine Basis von Z2 bildet.
P2
~v2
4 P1
~v1
P0
Abbildung 39: Ein elementares Dreick (dunkelgrau), welches durch Spiegelung am Mittelpunkt der
(dick hervorgehobenen) Diagonale ein elementares Parallelogramm erzeugt.
Abbildung 40: Elementare Parallelogramme pastern das Gitter. Also bilden die Vektoren, welche
das Parallelogramm aufspannen, eine Basis des Gitters.
32
Der Flächeninhalt des oben konstruierten Parallelogramms ist gleich dem Betrag der Determinante
von M, M die Matrix mit Spaltenvektoren ~v1 und ~v2 ist. Sei jetzt C eine weitere Basis des
wobei
Gitters mit C = {~u1 , ~u2 }. Dann gibt es eine invertierbare Übergangsmatrix P , welche einen Koordi-
natenvektor bezüglich Basis B in einen bezüglich Basis C umwandelt. Da jeder ganzzahlige Vektor
durch ganzzahlige Linearkombinationen der Basiselemente dargestellt werden kann, sind sowohl P als
auch die Übergangsmatrix P
−1 von C nach B ganzahlig. Für ganzahlige invertierbare Matrizen gilt
aber nach Satz 7, dass sie betragsmäÿig Determinante 1 besitzen. Also ist der Flächeninhalt des von ~
v1
und ~
v2 aufgespannten Parallelogramms gleich 1, womit bewiesen ist, dass das betrachtete elementare
1
Dreieck 4 Flächeninhalt
2 besitzt.
Satz 7.2 Der Satz vom Pick. Die Fläche eines (nicht notwendigerweise konvenxen) Polygons Q ⊆
R2 mit ganzzahligen Ecken ist durch
A(Q) = nin + 21 nrd − 1
gegeben, wobei nin und nrd die Anzahlen der ganzzahligen Punkte im Inneren bzw. auf dem Rand von
Q sind.
Beweis: Jedes nicht konvexe Polygon kann durch eine geeignete Tri-
angulierung so zerlegt werden, dass alle Gitterpunkte im Inneren nin
und alle Punkte am Rand nrd verwendet und zu elementaren Drei-
ecken zerlegt werden. Auf diesen Beweis wird aber hier nicht näher
eingegangen, der interessierten Leser kann dieses Problem im Buch:
The book of proofs [7] unter dem Kapitel 28 - das Museumswärter-
problem - nachlesen.
Die Triangulierung kann als planarer Graph gesehen werden, der dann
auÿen ein unbegrenztes Gebiet und (f − 1) Dreiecke mit Flächenin-
halt
1
2 hat. Somit ist die Fläche des Polygons A(Q) = 12 (f − 1).
Jedes elementare Dreieck des Polygons hat drei Kanten, wobei diese Abbildung 41: Triangulierung
doppelt gezählt wird, falls sie im Inneren des Polygons liegt (ein ), und eines nicht konvexen Polygons
einfach gezählt wird, falls diese eine Randkante erd ist. Somit gilt:
3(f − 1) = 2ein + erd

3f − 3 = 2ein + 2erd − erd
f = 2e − 2f − erd + 3
f = 2(e − f ) − erd + 3
Da jedes Polygon gleich viele (Rand-)Kanten wie (Rand-)Ecken hat (erd = nrd ) und unter Anwendung
der Eulerschen Polyederformel, bekommen wir somit:
f = 2(n − 2) − nrd + 3
= 2n − 4 − nrd + 3
= 2n − nrd − 1
= 2n − 2nrd + nrd − 1
f = 2nin + nrd − 1
f − 1 = 2nin + nrd − 2
1 1
A(Q) = (f − 1) = nin + nrd − 1
2 2
Bemerkung: Jedes Polygon hat gleich viele Kanten wie Ecken, da von seiner n-ten Ecke die n-te
Gerade zum Anfangspunkt zurückkehren muss. Ansonsten wäre das Polygon unvollständig und es ist
lediglich ein Polygonzug entstanden.
33
n2
e2
e1 e3 n4
n3
e6 n6
n1
e5 e4
n5
Abbildung 42: Polygon mit 6 Ecken und 6 Kanten
Literatur
[1] http://bernharddietrich.com/uniarchiv/semester2/MfI2/muster10.pdf. 25.03.2010.
[2] Abbildung der fünf Platonischen Körper. http://members.chello.at/gut.jutta.gerhard/

newsletter/newsletter5.htm. 28.05.2010.
[3] Abbildung eines Ikosaederstumpfes. http://de.wikipedia.org/wiki/Ikosaederstumpf.

17.04.2010.
[4] Abbildung: vom Ikosaeder zum Ikosaederstumpf. http://www.muenster.org/mauritz/

projekte_in/Mathe_in_5/fuss/anmerk.html. 17.04.2010.
[5] Abbildung zum Königsberger Brückenproblem. http://de.wikipedia.org/wiki/K%C3%

B6nigsberger_Br%C3%BCckenproblem. 06.05.2010.
[6] Paul Adam and Arnold Wyss. Platonische und archimedische Körper, ihre Sternformen und
polaren Gebilde. Verlag Freies Geistesleben, Stuttgart, 1984.
[7] Martin Aigner and Günter M. Ziegler. Das Buch der Beweise. Springer Verlag, Berlin, 2002.
[8] Howard Anton. Lineare Algebra - Einführung, Grundlagen, Übungen. Spektrum Akademischer
Verlag, Berlin-Heidelberg, 1994. 3., durchgesehener Nachdruck 2004. Amerikanische Originalaus-
gabe bei John Wiley and Sons, Inc., New York.
[9] Norman Biggs. Algebraic Graph Theory. Cambridge University Press, 1993. 2. Ausgabe.
[10] J.A. Bondy and U.S.R. Murty. Graph Theory with Applications. Elsevier Science Publishing,
New York, 1976. 5. Druck, 1982.
[11] Richard Courant and Herbert Robbins. Was ist Mathematik? Springer Verlag, Berlin, 1973.
[12] Mark de Berg, Marc van Kreveld, Mark Overmars, and Otfried Schwarzkopf. Computational
Geometry - Algorithms and Applications. Springer Verlag, Berlin Heidelberg, 2000. 2nd, revised
edition.
[13] Reinhard Diestel. Graph Theory. Springer Verlag, New York, 1997. elektronische Ausgabe, 2000.
[14] Martin Held. Vorlesung Algorithmische Geometrie . Universität Salzburg, Wintersemester

2009/2010. Digitale Lehrveranstaltungsunterlagen abrufbar unter http://www.cosy.sbg.ac.at/
~held/teaching/compgeo/comp_geo.html.
[15] Janet Heine Barnett. Early Writings on Graph Theory: Euler Circuits and the Königsberg Bridge
Problem - An Historical Project . Colorado State University - Pueblo. Abrufbar unter http:
//www.scientificcommons.org/43513817 (nur elektronisch).
[16] Alfons Kemper and Andre Eickler. Datenbanksysteme - Eine Einführung. Oldenbourg Verlag,
München, 2001. 4. überarbeitete und erweiterte Ausgabe.
34
[17] Günter Maresch. Vorlesungsmitschrift zur Vorlesung Darstellende Geometrie . Sommersemester

2008, Universität Salzburg.
[18] Martin Müller. Vorlesungsmitschrift zur Vorlesung Heuristische Suche . Sommersemester 2007,
Universität Salzburg.
[19] Werner Pohlmann. Vorlesungsmitschrift zur Vorlesung Algorithmen und Datenstrukturen . Som-
mersemester 2002, Universität Salzburg.
[20] Michael Revers. Vorlesungsmitschrift zur Vorlesung Lineare Algebra II und Geometrie . Sommer-
semester 2009, Universität Salzburg.
[21] Robert Sedgewick. Algorithmen. Pearson Studium, Addison Wesley, Berlin-Heidelberg, 2002. 2.
Auage.
[22] Simon Singh. Fermats letzter Satz - Die abenteuerliche Geschichte eines mathematischen Rätsels.
Deutscher Taschenbuch Verlag, München, 2000. 8. Auage 2003.
[23] Angelika Steger. Dikrete Strukturen 1 - Kombinatorik, Graphentheorie, Algebra. Springer Verlag,
Berlin-Heidelberg, 2001.
[24] K. Thulasiraman and M. N. S. Swamy. Graphs: theory and algorithms. Wiley, New York, 1992.
[25] Lutz Volkmann. Fundamente der Graphentheorie. Springer, New York, 1996.
35

Die Eulersche Polyederformel Und Anwendungen

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Die Eulersche Polyederformel Und Anwendungen

Uploaded by

Copyright:

Available Formats

SE Mathematisches Seminar II, SS 2010, Universität Salzburg,

LV-Leiter: Bernhard Schratzberger, Thomas Kellner,

Fachbereich Mathematik Gerhard Mitterlechner

Seminararbeit für das Mathematische Seminar II

Die Eulersche Polyederformel und Anwendungen

1 Einleitung: Wiederholung Lineare Algebra 3

5 Weitere Beweise mithilfe der Polyederformel 21

6 Anwendungen in der Informatik 23

7 Satz von Pick 31

1 Einleitung: Wiederholung Lineare Algebra

1. Die (n × n)-Einheitsmatrix In besitzt die Determinante 1, also det(In ) = 1.

3. Eine (n × n)-Matrix M ist genau dann invertierbar, wenn det(M ) 6= 0 ist.

5. Für zwei (n × n)-Matrizen M und N gilt der Determinantenmultiplikationssatz :

6. Sei M eine invertierbare (n × n)-Matrix, M −1 ihre Inverse, sowie In die (n × n)-Einheitsmatrix.

8. Die Determinante einer ganzzahligen (n × n)-Matrix M ist wiederum ganzzahlig, also

9. Für eine (n × n)-Matrix M sind folgende Aussagen äquivalent:

(a) Das Gleichungssystem M~x = ~0 besitzt nur die triviale Lösung.

(c) M ist invertierbar.

10. Koordinaten und Basiswechsel:

• Jeder Vektor ~v aus V lässt sich eindeutig als Linearkombination

~v = k1~b1 + k2~b2 + . . . + kn~bn

darstellen, wobei ki ∈ R für i ∈ {1, . . . , n}.

• Die Skalare k1 , k2 , . . . , kn bilden den Koordinatenvektor [~v]B von ~v ∈ V bezüglich B

[~b1 ]C , [~b2 ]C , . . . , [~bn ]C

2.1 Grundlegende Denitionen

Abbildung 1: Ein Graph: Ecken werden durch Kanten verbunden.

Abbildung 2: Ein einfacher Graph.

2.2 Charakterisierung von Graphen

2.2.2 Vollständige Graphen

2.2.3 Bipartite Graphen

2.2.4 Gewichtete Graphen

Abbildung 8: Der vollständig bipartite Graph K3,2 . Er besitzt 3·2=6 Kanten.

Abbildung 9: Ein Baum als ein zusammenhängender Graph ohne Zyklen.

Aufspannender Baum: Ein den (zusammenhängenden) Graphen G = (V, E) aufspannender Baum

Abbildung 10: Illustration zum Beweis für e = n − 1.

Abbildung 11: Ein Graph und sein aufspannender Baum.

2. G∗ hat genau so viele Kanten wie G

2.4 Eckengrad, durchschnittlicher Eckengrad, durchschnittliche Kantenzahl

In Abb. 3 ergibt die Summe der zuvor aufgeschriebenen Eckengrade 3 + 4 + 4 + 2 + 1 + 0 + 1 + 1 = 16

2e = f1 + 2f2 + 3f3 + 4f4 + . . . (1)

2.5 Historische Entwicklung

2.5.1 Leonhard Euler und das Königsberger Brückenproblem

Euler-Weg, Euler-Kreis, eulerscher Graph:

2.5.2 Der Vier-Farben Satz

Beweis: Sei T die Kantenmenge des aufspannenden Baumes und E

Die Menge T ∗ ⊆ E ∗ sind diejenigen Kanten im Dualgraphen, die den

originalen Graphen G.) Addiert man beide Gleichungen so erhält man

n + f = (eT + 1) + (eT ∗ + 1) = (eT + eT ∗ ) + 2 = e + 2

• Äther oder Quintessenz ⇔ Dodekaeder

Abbildung 21: die fünf Platonischen Körper [2]

4.2 Wiederholung: Polyeder

4.3 Zwei Beweise

Lemma 4.1 Es gibt nur 5 Platonische Körper.

3 · 60◦ 4 · 60◦ 5 · 60◦

Abbildung 23: Bildung einer Tetraeder-, Oktaeder- und Ikosaederecke

Abbildung 24: Bildung einer Hexaeder- und einer Dodekaederecke

Nun werden die Kanten nach den Flächen abgezählt.

für d(n) = 3 für fk = 3

4.4 Anwendung: Fuÿball

Die folgende Aussage liefert uns eine weiter Gleichung:

An jeder Ecke stoÿen drei Kanten zusammen. (siehe Lemma 2.4)

Abbildung 26: vom Ikosaeder zum Ikosaederstumpf [4]

5 Weitere Beweise mithilfe der Polyederformel

2.1 Grundlegende Denitionen