Discrete Mathematics and Graph Theory: A Concise Study Companion and Guide (Undergraduate Topics in Computer Science) K. Erciyes

Discrete Mathematics and Graph
Theory: A Concise Study Companion

and Guide (Undergraduate Topics in
Computer Science) K. Erciyes
Visit to download the full and correct content document:
https://ebookmeta.com/product/discrete-mathematics-and-graph-theory-a-concise-stu
dy-companion-and-guide-undergraduate-topics-in-computer-science-k-erciyes/
More products digital (pdf, epub, mobi) instant
download maybe you interests ...
Algebraic Graph Algorithms A Practical Guide Using

Python Undergraduate Topics in Computer Science K.
Erciyes
https://ebookmeta.com/product/algebraic-graph-algorithms-a-
practical-guide-using-python-undergraduate-topics-in-computer-
science-k-erciyes/
Discrete Mathematics with Graph Theory 1st Edition

Santosh Kumar Yadav
https://ebookmeta.com/product/discrete-mathematics-with-graph-
theory-1st-edition-santosh-kumar-yadav/
Ethical and Secure Computing A Concise Module

Undergraduate Topics in Computer Science Joseph Migga
Kizza
https://ebookmeta.com/product/ethical-and-secure-computing-a-
concise-module-undergraduate-topics-in-computer-science-joseph-
migga-kizza/
Guide to Discrete Mathematics An Accessible

Introduction to the History Theory Logic and
Applications Texts in Computer Science Gerard O Regan
https://ebookmeta.com/product/guide-to-discrete-mathematics-an-
accessible-introduction-to-the-history-theory-logic-and-
applications-texts-in-computer-science-gerard-o-regan/
Connecting Discrete Mathematics and Computer Science
2nd Edition David Liben-Nowell
https://ebookmeta.com/product/connecting-discrete-mathematics-
and-computer-science-2nd-edition-david-liben-nowell/
Making Images with Mathematics (Undergraduate Topics in

Computer Science) Alexei Sourin
https://ebookmeta.com/product/making-images-with-mathematics-
undergraduate-topics-in-computer-science-alexei-sourin/
Mathematics for Computer Graphics (Undergraduate Topics

in Computer Science), 6th Edition 2022 John Vince
https://ebookmeta.com/product/mathematics-for-computer-graphics-
undergraduate-topics-in-computer-science-6th-edition-2022-john-
vince/
Connecting Discrete Mathematics and Computer Science

solution manual 2nd Edition David Liben-Nowell
https://ebookmeta.com/product/connecting-discrete-mathematics-
and-computer-science-solution-manual-2nd-edition-david-liben-
nowell/
Topics in Graph Theory 1st Edition Jonathan L. Gross
https://ebookmeta.com/product/topics-in-graph-theory-1st-edition-
jonathan-l-gross/
Undergraduate Topics in Computer Science
K. Erciyes
Discrete
Mathematics
and Graph Theory
A Concise Study Companion
and Guide
Undergraduate Topics in Computer
Science
Series Editor
Ian Mackie, University of Sussex, Brighton, UK
Advisory Editors
Samson Abramsky , Department of Computer Science, University of Oxford,
Oxford, UK
Chris Hankin , Department of Computing, Imperial College London, London, UK
Mike Hinchey , Lero – The Irish Software Research Centre, University of
Limerick, Limerick, Ireland
Dexter C. Kozen, Department of Computer Science, Cornell University, Ithaca,
NY, USA
Andrew Pitts , Department of Computer Science and Technology, University of
Cambridge, Cambridge, UK
Hanne Riis Nielson , Department of Applied Mathematics and Computer Science,
Technical University of Denmark, Kongens Lyngby, Denmark
Steven S. Skiena, Department of Computer Science, Stony Brook University, Stony
Brook, NY, USA
Iain Stewart , Department of Computer Science, Durham University, Durham,
UK
‘Undergraduate Topics in Computer Science’ (UTiCS) delivers high-quality
instructional content for undergraduates studying in all areas of computing and
information science. From core foundational and theoretical material to final-year
topics and applications, UTiCS books take a fresh, concise, and modern approach
and are ideal for self-study or for a one- or two-semester course. The texts are all
authored by established experts in their fields, reviewed by an international advisory
board, and contain numerous examples and problems, many of which include fully
worked solutions.
The UTiCS concept relies on high-quality, concise books in softback format, and
generally a maximum of 275–300 pages. For undergraduate textbooks that are likely
to be longer, more expository, Springer continues to offer the highly regarded Texts
in Computer Science series, to which we refer potential authors.
More information about this series at http://www.springer.com/series/7592

K. Erciyes
Discrete Mathematics
and Graph Theory
A Concise Study Companion and Guide
123
K. Erciyes
Department of Computer Engineering
Üsküdar University
Üsküdar, Istanbul, Turkey
ISSN 1863-7310 ISSN 2197-1781 (electronic)

Undergraduate Topics in Computer Science
ISBN 978-3-030-61114-9 ISBN 978-3-030-61115-6 (eBook)
https://doi.org/10.1007/978-3-030-61115-6
© Springer Nature Switzerland AG 2021
This work is subject to copyright. All rights are reserved by the Publisher, whether the whole or part
of the material is concerned, specifically the rights of translation, reprinting, reuse of illustrations,
recitation, broadcasting, reproduction on microfilms or in any other physical way, and transmission
or information storage and retrieval, electronic adaptation, computer software, or by similar or dissimilar
methodology now known or hereafter developed.
The use of general descriptive names, registered names, trademarks, service marks, etc. in this
publication does not imply, even in the absence of a specific statement, that such names are exempt from
the relevant protective laws and regulations and therefore free for general use.
The publisher, the authors and the editors are safe to assume that the advice and information in this
book are believed to be true and accurate at the date of publication. Neither the publisher nor the
authors or the editors give a warranty, expressed or implied, with respect to the material contained
herein or for any errors or omissions that may have been made. The publisher remains neutral with regard
to jurisdictional claims in published maps and institutional affiliations.
This Springer imprint is published by the registered company Springer Nature Switzerland AG
The registered company address is: Gewerbestrasse 11, 6330 Cham, Switzerland
To all Math lovers
Preface
Discrete Mathematics is a branch of mathematics that studies structures which take

distinct values as opposed to continuous mathematics branches such as calculus and
analysis. Study of discrete mathematics is one of the first courses of curriculums in
various disciplines such as Computer Science, Mathematics and various engi-
neering branches. There are many books on discrete mathematics and it will be
worthwhile to justify the need for another book on discrete mathematics.
Graphs are key data structures used to represent various networks, chemical
structures, games, etc. Graph theory has gone through an unprecedented growth in
the last few decades both in terms of theory and implementations, hence we believe
it deserves a thorough treatment in any discrete mathematics book which probably
is not found adequately in any of contemporary book of discrete mathematics. This
is one of the main reasons of writing this book.
Secondly, many contemporary books on the topic elaborate on basic concepts
vigorously with numerous examples and exercises which are appropriate for an
undergraduate course. However, we think there is a need for a dense and thorough
treatment of discrete mathematics and graph theory possibly for the non-Computer
Science majors of various other disciplines. Also, this book can also be used as a
reference/second textbook in a Computer Science curriculum for quick reference.
Lastly, we will be using an algorithmic approach for some discrete mathematics
and graph problems to reinforce learning the topics and show how to implement
these concepts in real applications.
With this in mind, this book is intended as a reference book for a one-semester
course in the junior level of Computer Science, Mathematics and senior/graduate
levels of various engineering disciplines. We have a web page to provide any
supporting material and possible errata at:
http://akademik.ube.ege.edu.tr/erciyes/DMGT.
Part of the material in the book was used for the first year Discrete Mathematics
course at Üsküdar University Computer Engineering Department. I would like to
thank students of this course for their valuable feedback, especially for some
vii
viii Preface
concepts that did not seem so obvious which resulted in further elaboration of these
topics in the book. As usual, my thanks go to Springer senior editor Wayne Wheeler
and associate editor Simon Rees for their support during the writing of the book.
Üsküdar, Turkey K. Erciyes

Contents
Part I Fundamentals of Discrete Mathematics

1 Logic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1 Propositional Logic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Compound Propositions . . . . . . . . . . . . . . . . . . . . . . 4
1.1.2 Conditional Statements . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.3 Biconditional Statements . . . . . . . . . . . . . . . . . . . . . . 7
1.1.4 Tautologies and Contradictions . . . . . . . . . . . . . . . . . 8
1.1.5 Equivalences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.1.6 Laws of Logic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2 Predicate Logic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.2.1 Quantifiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.2.2 Propositional Functions with Two Variables . . . . . . . . 16
1.2.3 Negation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.4 The Universal Conditional Statement . . . . . . . . . . . . . 18
1.2.5 The Existential Conditional Statements . . . . . . . . . . . 19
1.3 Review Questions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4 Chapter Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2 Proofs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1 Arguments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.1 Rules of Inference . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.2 Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2 Direct Proof . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.3 Contrapositive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4 Proof by Contradiction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.5 Proving Biconditional Propositions . . . . . . . . . . . . . . . . . . . . . 32
2.6 Proofs Using Quantifiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.6.1 Proving Universal Statements . . . . . . . . . . . . . . . . . . 34
2.6.2 Proving Existential Statements . . . . . . . . . . . . . . . . . . 35
2.7 Proof by Cases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.9 Chapter Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
ix
x Contents
3 Algorithms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.1 Basics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.1.1 Pseudocode Convention . . . . . . . . . . . . . . . . . . . . . . 43
3.1.2 Assignment and Types of Variables . . . . . . . . . . . . . . 43
3.1.3 Decision . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.1.4 Loops . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.1.5 Functions and Parameter Passing . . . . . . . . . . . . . . . . 46
3.2 Basic Data Structures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.3 Sorting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.3.1 Bubble Sort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.3.2 Exchange Sort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.4 Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.5 Design Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.5.1 Divide and Conquer . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.5.2 Greedy Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.5.3 Dynamic Programming . . . . . . . . . . . . . . . . . . . . . . . 57
3.6 Difficult Problems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.8 Chapter Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4 Set Theory . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.1 Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.1.1 Equality of Sets . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.1.2 Cardinality of a Set . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.2 Subsets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.3 Venn Diagrams . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.4 Set Operations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.4.1 Cartesian Product . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.4.2 Set Partition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.4.3 Operation Precedence . . . . . . . . . . . . . . . . . . . . . . . . 73
4.5 Laws of Set Theory . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.6 Proving Set Equations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.6.1 The Element Method . . . . . . . . . . . . . . . . . . . . . . . . 75
4.6.2 The Tabular Method . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.6.3 The Algebraic Method . . . . . . . . . . . . . . . . . . . . . . . 79
4.8 Chapter Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5 Relations and Functions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.1 Relations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.1.1 Representations . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
5.1.2 Inverse of a Relation . . . . . . . . . . . . . . . . . . . . . . . . . 85
Contents xi
5.1.3 Union and Intersection of Relations . . . . . . . . . . . . . . 86

5.1.4 Properties of Relations . . . . . . . . . . . . . . . . . . . . . . . 87
5.1.5 Equivalence Relations and Partitions . . . . . . . . . . . . . 91
5.1.6 Order . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.1.7 Composite Relation . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.1.8 n-Ary Relations . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.1.9 Transitive Closure . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.1.10 Database Applications . . . . . . . . . . . . . . . . . . . . . . . . 95
5.2 Functions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
5.2.1 Composite Functions . . . . . . . . . . . . . . . . . . . . . . . . 97
5.2.2 Injection, Surjection and Bijection . . . . . . . . . . . . . . . 98
5.2.3 Inverse of a Function . . . . . . . . . . . . . . . . . . . . . . . . 101
5.2.4 Some Special Functions . . . . . . . . . . . . . . . . . . . . . . 101
5.4 Chapter Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6 Sequences, Induction and Recursion . . . . . . . . . . . . . . . . . . . . . . . . 105
6.1 Sequences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.1.1 Summation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
6.1.2 Arithmetic Sequence and Series . . . . . . . . . . . . . . . . . 107
6.1.3 Geometric Sequence . . . . . . . . . . . . . . . . . . . . . . . . . 109
6.1.4 Product Notation . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
6.1.5 Big Operators . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.2 Induction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
6.2.1 Proving Inequalities . . . . . . . . . . . . . . . . . . . . . . . . . 114
6.3 Strong Induction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6.4 Recursion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
6.4.1 Recurrence Relations . . . . . . . . . . . . . . . . . . . . . . . . 117
6.4.2 Recursively Defined Functions . . . . . . . . . . . . . . . . . 118
6.4.3 Recursive Algorithms . . . . . . . . . . . . . . . . . . . . . . . . 119
6.4.4 Recursively Defined Sets . . . . . . . . . . . . . . . . . . . . . 123
6.5 Structural Induction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
6.7 Chapter Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
7 Introduction to Number Theory . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
7.1 Basics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
7.2 Division . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
7.3 Greatest Common Divisor . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
7.3.1 Euclid’s Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 132
7.3.2 Least Common Multiple . . . . . . . . . . . . . . . . . . . . . . 133
7.4 Prime Numbers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
7.4.1 Primality Test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
7.4.2 The Sieve of Eratosthenes . . . . . . . . . . . . . . . . . . . . . 138
xii Contents
7.5 Congruence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139

7.6 Representation of Integers . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
7.6.1 Binary System . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
7.6.2 Hexadecimal System . . . . . . . . . . . . . . . . . . . . . . . . . 144
7.7 Introduction to Cryptography . . . . . . . . . . . . . . . . . . . . . . . . . 144
7.7.1 Diffie-Hellman Protocol . . . . . . . . . . . . . . . . . . . . . . 146
7.7.2 RSA Protocol . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
7.9 Chapter Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
8 Counting and Probability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
8.1 Basic Counting Methods . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
8.1.1 Principle of Inclusion-Exclusion . . . . . . . . . . . . . . . . 151
8.1.2 Additive Counting Principle . . . . . . . . . . . . . . . . . . . 153
8.1.3 Multiplicative Counting Principle . . . . . . . . . . . . . . . 153
8.1.4 The Pigeonhole Principle . . . . . . . . . . . . . . . . . . . . . 155
8.1.5 Permutations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
8.1.6 Combinations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
8.2 Discrete Probability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
8.2.1 Probability Measures . . . . . . . . . . . . . . . . . . . . . . . . . 163
8.2.2 Independent Events . . . . . . . . . . . . . . . . . . . . . . . . . . 165
8.2.3 Conditional Probability . . . . . . . . . . . . . . . . . . . . . . . 166
8.2.4 Tree Diagrams . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
8.2.5 Random Variables . . . . . . . . . . . . . . . . . . . . . . . . . . 168
8.2.6 Stochastic Processes . . . . . . . . . . . . . . . . . . . . . . . . . 170
8.4 Chapter Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
9 Boolean Algebras and Combinational Circuits . . . . . . . . . . . . . . . . 173
9.1 Boolean Algebras . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
9.1.1 Principle of Duality . . . . . . . . . . . . . . . . . . . . . . . . . 175
9.1.2 Boolean Functions . . . . . . . . . . . . . . . . . . . . . . . . . . 176
9.1.3 Sum-of-Products Form . . . . . . . . . . . . . . . . . . . . . . . 176
9.1.4 Product-of-Sums Form . . . . . . . . . . . . . . . . . . . . . . . 178
9.1.5 Conversions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
9.1.6 Minimization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
9.2 Combinational Circuits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
9.2.1 Gates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
9.2.2 Designing Combinational Circuits . . . . . . . . . . . . . . . 186
9.2.3 Arithmetic Circuits . . . . . . . . . . . . . . . . . . . . . . . . . . 190
9.4 Chapter Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
Reference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
Contents xiii
10 Introduction to the Theory of Computation . . . . . . . . . . . . . . . . . . 197

10.1 Languages . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
10.2 Finite State Machines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
10.3 Finite State Automata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
10.3.1 Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
10.3.2 Designing Finite State Automata . . . . . . . . . . . . . . . . 203
10.4 The Relationship Between Languages and Automata . . . . . . . . 204
10.5 Nondeterministic Finite State Automata . . . . . . . . . . . . . . . . . 206
10.6 Regular Expressions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
10.7 Turing Machines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
10.8 Complexity Theory . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
10.8.1 Reductions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
10.8.2 NP-Completeness . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
10.8.3 Coping with NP-Completeness . . . . . . . . . . . . . . . . . 216
10.10 Chapter Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
Part II Graph Theory

11 Introduction to Graphs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
11.1 Terminology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
11.2 Vertex Degree . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
11.2.1 Degree Sequence . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
11.3 Directed Graph . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
11.4 Representation of a Graph . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
11.4.1 Adjacency List . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
11.4.2 Adjacency Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
11.4.3 Incidence Matrix . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
11.5 Subgraphs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
11.6 Types of Graphs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
11.6.1 Complete Graph . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
11.6.2 Weighted Graphs . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
11.6.3 Bipartite Graphs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
11.6.4 Regular Graphs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
11.6.5 Line Graphs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
11.7 Graph Operations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
11.7.1 Graph Union . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
11.7.2 Graph Intersection . . . . . . . . . . . . . . . . . . . . . . . . . . 232
11.7.3 Graph Join . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
11.7.4 Cartesian Product . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
xiv Contents
11.8 Connectivity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234

11.8.1 Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
11.8.2 Connectedness . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
11.9 Graph Isomorphism . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
11.11 Chapter Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
12 Trees and Traversals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
12.1 Definitions and Properties . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
12.2 Traversal Algorithms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
12.2.1 Preorder Traversal . . . . . . . . . . . . . . . . . . . . . . . . . . 245
12.2.2 Postorder Traversal . . . . . . . . . . . . . . . . . . . . . . . . . . 245
12.3 Binary Trees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
12.4 Binary Search Trees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
12.5 Depth-First-Search . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
12.6 Breadth-First Search . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
12.7 Spanning Trees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
12.7.1 Unweighted Spanning Trees . . . . . . . . . . . . . . . . . . . 253
12.7.2 Minimum Spanning Trees . . . . . . . . . . . . . . . . . . . . . 254
12.9 Chapter Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
13 Subgraphs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
13.1 Cliques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
13.2 Matching . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
13.2.1 Unweighted Matching . . . . . . . . . . . . . . . . . . . . . . . . 264
13.2.2 Weighted Matching . . . . . . . . . . . . . . . . . . . . . . . . . 267
13.2.3 Bipartite Graph Matching . . . . . . . . . . . . . . . . . . . . . 269
13.3 Independent Sets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
13.3.1 Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269
13.4 Dominating Sets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
13.4.1 Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
13.5 Coloring . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
13.5.1 Vertex Coloring . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
13.5.2 Edge Coloring . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
13.6 Vertex Cover . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 278
13.6.1 Unweighted Vertex Cover . . . . . . . . . . . . . . . . . . . . . 278
13.6.2 Weighted Vertex Cover . . . . . . . . . . . . . . . . . . . . . . 280
13.8 Chapter Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
Contents xv
14 Connectivity, Network Flows and Shortest Paths . . . . . . . . . . . . . . 287

14.1 Basics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 287
14.1.1 Menger’s Theorems . . . . . . . . . . . . . . . . . . . . . . . . . 290
14.2 Connectivity Test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
14.3 Digraph Connectivity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
14.3.1 Strong Connectivity Check . . . . . . . . . . . . . . . . . . . . 291
14.3.2 Finding Strongly Connected Components . . . . . . . . . . 292
14.4 Network Flows . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
14.4.1 A Greedy Algorithm . . . . . . . . . . . . . . . . . . . . . . . . . 296
14.4.2 Residual Graphs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 296
14.4.3 Ford–Fulkerson Algorithm . . . . . . . . . . . . . . . . . . . . 297
14.4.4 Bipartite Graph Matching . . . . . . . . . . . . . . . . . . . . . 298
14.5 Algebraic Connectivity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
14.5.1 The Laplacian Matrix . . . . . . . . . . . . . . . . . . . . . . . . 300
14.5.2 Normalized Laplacian . . . . . . . . . . . . . . . . . . . . . . . . 301
14.5.3 Eigenvalues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 301
14.6 Shortest Paths . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
14.7 Chapter Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 306
15 Graph Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
15.1 Analysis of Large Graphs . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
15.1.1 Degree Distribution . . . . . . . . . . . . . . . . . . . . . . . . . 307
15.1.2 Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
15.1.3 Matching Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
15.1.4 Centrality . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
15.1.5 Network Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
15.2 The Web . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
15.2.1 The Web Graph . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
15.2.2 Page Rank Algorithm . . . . . . . . . . . . . . . . . . . . . . . . 314
15.3 Ad hoc Wireless Networks . . . . . . . . . . . . . . . . . . . . . . . . . . 316
15.3.1 Routing in ad hoc Networks . . . . . . . . . . . . . . . . . . . 317
15.3.2 Clustering and Spanning Tree Construction
in a WSN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319
15.4 Biological Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
15.4.1 Network Motifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
15.4.2 Network Alignment . . . . . . . . . . . . . . . . . . . . . . . . . 322
15.5 Social Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
15.5.1 Relationships . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
15.5.2 Structural Balance . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
15.7 Chapter Notes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
xvi Contents
Pseudocode Conventions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329

Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
Fundamentals of Discrete
Mathematics Part I
Logic
1
Logic deals with laws of thought, and mathematical logic and proofs are the basic
methods of reasoning mathematics. The laws of logic help us to understand the
meaning of statements. Statements come in various forms, for example “7 is a prime
number” is a statement which we can deduce to be true. Sometimes a statement can
be of the form “if n is an even integer, we can write n = 2m for some integer m”
which is a true compound statement consisting of two simple statements. The first
simple statement is “n is an even integer” and the second one is “n = 2m”. We claim
the second statement is true when the first one is true. Statements in the form “if
...then...” form the basis of reasoning about proofs. Yet, determining the truth value
of a statement such as “My name is Melisa” depends on the person who says it. We
will investigate statements, how to determine their truth values, and the laws that aid
to reason about complex statements in this chapter.
1.1 Propositional Logic
A proposition or a statement is a declaration that is either correct or incorrect. Some

examples of propositions are:
1. A prime number cannot be factorized.

2. 12 is an odd integer.
3. It is sunny today.
4. 3 + 4 = 7.
5. For any integer n, n 2 is a positive integer.
© Springer Nature Switzerland AG 2021 3

K. Erciyes, Discrete Mathematics and Graph Theory, Undergraduate Topics
in Computer Science, https://doi.org/10.1007/978-3-030-61115-6_1
4 1 Logic
Table 1.1 Truth table for negation

p ¬p
T F
F T
However, a statement such as “How old are you?” is not a proposition as we

cannot assign a truth value to it. A proposition may be true or false at all times, and
sometimes its truth value depends on when or by whom it is stated. For example,
although propositions 1, 4 and 5 are true, and 2 is false; the value of proposition 3
depends on the day it is stated. We will use a lowercase letter to represent a statement
and “T” for the true value and “F” for the false value of a proposition.
Negation
The negation of a proposition is a proposition with the inverse value of the statement.
This is accomplished by inserting a “not” or “it is not the case” in a proposition. The
negation of a proposition p is shown by ¬ p or p or p; we will adopt ¬ p throughout
the book. For example, if p = “It is rainy today”, then ¬ p = “It is not rainy today”.
We could also state ¬ p = “It is not the case it is rainy today”. A truth table lists all of
the possible truth values of a proposition. The truth table for the negation is shown
in Table 1.1.
1.1.1 Compound Propositions
A proposition may consist of more than one statement joined by logical connectives.
For example, p =“16 is an even number” and “16 > 4”. Here, p contains two
component propositions joined by the word and, and its truth value depends on the
truth values of these simple component propositions. In this example, p is true since
both of its components are true. Two commonly used connectives in a compound
proposition are and and or.
Conjunction
The conjunction of two simple propositions is the proposition obtained by inserting
and which is commonly shown by the logical symbol ∧ between them. Thus, the
conjunction of two propositions p and q is denoted by p ∧ q. The conjunction is
true when both p and q are true and false otherwise. Truth table for conjunction is
shown in Table 1.2.
Disjunction
The disjunction of two simple propositions is the proposition obtained by inserting
“or” or the logical symbol ∨ between them. Hence, disjunction of two propositions p
and q is denoted by p ∨ q. It is false when both p and q are false and true otherwise.
For example, “6 is a prime number or 4 > 9” is a compound proposition consisting
of two simple statements that are both false and hence the compound proposition is
1.1 Propositional Logic 5
Table 1.2 Truth table for conjunction

p q p∧q
F F F
F T F
T F F
T T T
Table 1.3 Truth table for disjunction

p q p∨q
F F F
F T T
T F T
T T T
Table 1.4 Truth table for exclusive or

p q p⊕q
F F F
F T T
T F T
T T F
false. Truth table for disjunction is shown in Table 1.3 where we can see the truth
value of such a proposition is true when at least one of its components yields a true
value. A variation of disjunction is the exclusive-or of two propositions. This is true
when only one of the propositions p and q is true and is false otherwise as shown
in Table 1.4. Basically, exclusive-or is used for cases when it is required that only
one of the statements that make up the compound statement needs to be true. For
example, a student may take one of two similar courses but not both.
1.1.2 Conditional Statements
The conditional statement or an implication, p → q, is read as “if p then q” and is

false when p is true and q is false, and true otherwise. The proposition p is commonly
called the hypothesis or premise, and q is called the conclusion or the consequence.
The conditional statement can also be stated as follows.
• “ p implies q”
• “ p only if q”
6 1 Logic
Table 1.5 Truth table for p → q

p q p→q
F F T
F T T
T F F
T T T
• “ p is (a) sufficient (condition) for q”

• “q is (a) necessary (condition) for p”
Example 1.1.1 Let the proposition p be “I study hard” and q be “I pass the exam”.
The conditional statement would then be “if I study hard, I pass the exam”. Note
that not studying hard does not imply failing the exam, we are only saying studying
hard implies passing the exam. Studying hard and failing the exam as a consequence
will not happen and therefore is a false condition. Also, if I do not study hard, I may
and probably will not pass the exam which is again a legitimate and therefore a true
status.
The truth table for the implication is shown in Table 1.5 which summarizes the
consequences of the possible input statement combinations. It can be seen that the
proposition “if p then q” is false only when p is true and q is false since this can not
happen based on our assumption that if premise is true, the consequence should also
be true. Note that a false proposition implying a true proposition yields an overall
true value for the conditional statement. This is logical as the consequence is true as
in the conditional “If snow is green then sun is yellow”. In other words, we do not
care what the truth value of the premise is as long as the conclusion is true. A false
premise implying a false conclusion also results in a true value for the conditional as
shown in Table 1.5 as in the example “If earth is flat then it can not rotate”. We know
earth is not flat and also it does rotate. A false premise implying a false conclusion
may seem more illogical than this example, “If iron is soft then water is hard” is such
a conditional proposition which results in a total true statement. We know iron is not
soft, thus, it is not the case that water is hard. Hence, a false premise may imply any
conclusion that is false to result in a true conditional value.
Definition 1.1 Given a conditional statement r of the form p → q,
• The converse of r is q → p
• Its inverse is ¬ p → ¬q
• Its contrapositive is ¬q → ¬ p
The truth table for the converse, inverse and the contrapositive of a conditional
proposition are depicted in Table 1.6. We can see from this truth table that the contra-
Table 1.6 Truth table for converse, inverse and contrapositive of a conditional proposition
p q ¬p ¬q p→q q→p ¬ p → ¬q ¬q → ¬ p
F F T 1 T T T T
F T T F T F F T
T F F T F T T F
T T F F T T T T
positive of a conditional statement is equivalent to itself and this fact is very useful
when proving theorems as we shall see. Furthermore, the converse of a conditional
proposition is always equivalent to its inverse as shown.
Let us illustrate these concepts by the previous example; let proposition p be “I
work hard” and q be “I pass my Math exam” as before. The conditional statement
r formed using p and q would then be “If I work hard, I pass my Math exam”. The
contrapositive of r is “If I do (did) not pass my Math exam, I do (did) not work
hard”. More informally, this means if I have not passed my Math exam, then I have
not worked hard. This is true because if I had worked hard, I would have passed the
exam based on the conditional proposition r which shows r and its contrapositive
are equivalent. The converse of r then would be “If I pass my Math exam, I (have)
work(ed) hard”. This is not true since I could have passed my exam even if I had
not worked hard for it. Essentially, the conditional r does not specify this case. Its
inverse is “If I do not work hard, I will not pass my Math exam” which provides
basically the same reasoning as the converse of r since I could have passed the exam
without working hard as in the converse.
1.1.3 Biconditional Statements
In some cases, we require the premise p to be both a necessary and a sufficient

condition for the conclusion q. Note that this is different than the conditional since
we need the premise p to be a necessary condition this time. We use the phrase if
and only if to connect the two component propositions this time saying “ p if and
only if q”. Returning to our previous example which had p =“I work hard” and q
=“I pass the exam” now becomes “I study hard if and only if I pass the exam” in
biconditional form. What we are saying this time is that there is no way to pass the
exam without working hard. Note that passing the exam without working hard was
a possibility in the conditional.
The truth table for the biconditional p ↔ q is shown in Table 1.7 and based on
our above discussion, it has true values when both component propositions have the
same value whether true or false. Here, we can see that a false statement implying
a false statement yields a true value of the biconditional. Later, we will see that a
biconditional statement is equivalent to conjunction of two conditionals, one from
each direction.
8 1 Logic
Table 1.7 Truth table for p ↔ q

p q p↔q
F F T
F T F
T F F
T T T
Example 1.1.2 Let the proposition p be “it is sunny” and q be “I go to park”. Write
the following propositions using p and q:
1. If it is sunny, I go to park.
2. If I do not go to park, it is not sunny.
3. I go to park if and only if it is sunny.
Solution:
1. p → q
2. ¬q → ¬ p
3. q ↔ q
1.1.4 Tautologies and Contradictions
Some compound propositions are always true or false irrelevant of the truth values
of the simple statements that make them. A tautology is a compound statement that
is always true independent of the truth values of is component statements. Similarly,
a contradiction is always false immaterial of the truth value of its components. The
truth table for an example tautology and an example contradiction are shown in
Tables 1.8 and 1.9. We have the truth value of a proposition or its negation which
is always true, and the truth value of a proposition and its negation which is always
false.
Table 1.8 Truth table for a tautology

p ¬p p ∨ ¬p
F T T
T F T
Table 1.9 Truth table for a contradiction

p ¬p p ∧ ¬p
F T F
T F F
Table 1.10 Truth table for ( p → ¬q) ∨ (¬r → p)

p q r ¬q ¬r p → ¬q ¬r → q (p →
¬q) ∨
(¬r → q)
F F F T T T F T
F F T T F T T T
F T F F T T T T
F T T F F T T T
T F F T T T F T
T F T 1 F T T T
T T F F T F T T
T T T F F F T T
Table 1.11 Truth table for (¬ p ∧ q) ∧ ( p ∨ ¬q)

p q ¬p ¬q ¬p ∧ q p ∨ ¬q (¬ p ∧ q) ∧
( p ∨ ¬q)
F F T T F T F
F T T F T F F
T F F T F T F
T T F F F T F
Example 1.1.3 Show that ( p → ¬q) ∨ (¬r → p) is a tautology.

Solution: We form the truth table for the propositions p, q and r , this time with 8
rows to include all of the possible 23 input values for 3 variables as in Table 1.10.
The required compound proposition is in the last column of this table and we find it
has all true values and therefore this compound statement is a tautology.
Example 1.1.4 Find whether (¬ p ∧ q) ∧ ( p ∨ ¬q) is a contradiction.

Solution: We form the truth table for the propositions p, q, their negations and the
component propositions as shown in Table 1.11. We form the required compound
proposition in the last column of this table and find it has all false values and therefore
this compound statement is a contradiction.
10 1 Logic
1.1.5 Equivalences
Two propositions are considered equivalent if they have the same truth table values
for all their simple component proposition truth value combinations. We show the
equivalence by “≡” sign, that is, p ≡ q if p and q are equivalent to each other.
Table 1.12 shows that the biconditional p ↔ q is equivalent to ( p → q) ∧ (q → p)
as shown in the last two columns. This means the assessment of the truth value of a
biconditional statement needs to be done by assessing the truth value of both of the
two conditional statements ( p → q) and (q → p).
Example 1.1.5 Show that p → q ≡ ¬ p ∨ q and ¬( p → q) ≡ p ∧ ¬q

Solution: Let us form the truth table for both propositions against all possible values
of the simple statements as shown in Table 1.13. The corresponding columns (4
and 5) for the two compound propositions are equal as can be seen. For the second
equivalence, columns 7 and 8 are equal.
These two equivalences play an important role in proving the conditional state-
ments. For the first equivalence p → q ≡ ¬ p ∨ q, let p be “You do not need me
now” and q be “I will go out”. The implication is “If you do not need me now, I will
go out”. The equivalent statement based on the above example is “Either you need
me now or I will go out”. For the second one ¬( p → q) ≡ p ∧ ¬q, we can state
“If it is not the case that you do not need me now then I will go out” is equivalent to
“You do not need me now and I will not go out”.
We now have the following observation. When two propositions p and q are
equivalent, they have the same truth table values as stated. On the other hand, the
Table 1.12 Truth table of the equivalence of a biconditional

p q p→q q→p (p → p↔q
q) ∧ (q → p)
F F T T T T
F T T F F F
T F F T F F
T T T T T T
Table 1.13 Truth table for Example 1.1.5

p q ¬p p→q ¬p ∨ q ¬q p ∧ ¬q ¬( p → q)
F F T T T T F F
F T T T T F F 0
T F F F F T T T
T T F T T F F 0

p q ¬p ¬q p∧q a: ¬( p ∧ q) b :¬ p ∨ ¬q a↔b
F F T T F T T T
F T T F F T T T
T F F T F T T T
T T F F T F F T

p q ¬p ¬q p∨q a : ¬( p ∨ q) b : ¬ p ∧ ¬q a↔b
F F T T F T T T
F T T F T F F T
T F F T T F F T
T T F F T F F T
biconditional statement is true whenever its components have the same value. We
can therefore conclude p ≡ q if and only if p ↔ q is a tautology.
Example 1.1.6 Let us check whether ¬( p ∧ q) ↔ ¬ p ∨ ¬q is a tautology. We form

the truth table shown in Table 1.14 and the last column in this table corresponding
to the required statement has all true values resulting in a a tautology.
Example 1.1.7 Let us show that ¬( p ∨ q) ↔ ¬ p ∧ ¬q is a tautology. The truth

table shown in Table 1.15 has all true values in the last column for the compound
proposition meaning this statement is a tautology.
We have in fact proven two important laws in logic called De Morgan’s Laws in
the last two examples.
Example 1.1.8 Show that p ⊕ q ≡ ( p ∨ q) ∧ ¬( p ∧ q).
Solution: The truth table shown in Table 1.16 has all equal values for rows in the
last two columns for the left and right sides of the equivalence meaning they are
equal.
12 1 Logic

p q ¬p p∨q p∧q ¬( p ∧ q) ( p ∨ q) ∧ p ⊕ q
¬( p ∧ q)
F F T F F T F F
F T T T F T T T
T F F T F T T T
T T F T T F F F
1.1.6 Laws of Logic
We are now ready to state the laws of logic shown in Table 1.16 many of which are
basically common sense. For example, the idempotent law says p ∨ p is p which
states that disjunction of a proposition by itself is the proposition. However, some of
these laws such as De Morgan’s Laws may not be easy to see at once.
Logical Equivalence Laws

Identity Laws: p∨ F ≡ p
p∨ T ≡ T
p∧ F ≡ F
p∧ T ≡ p
Negation Laws: p ∨ ¬p ≡ T
p ∧ ¬p ≡ F
¬¬ p ≡ p
Idempotent Laws: p∨ p≡ p
p∧ p≡ p
Commutative Laws: p∨q ≡q ∨ p
p∧q ≡q ∧ p
Associative Laws: ( p ∧ q) ∧ r ≡ p ∧ (q ∧ r )
( p ∨ q) ∨ r ≡ p ∨ (q ∨ r )
Distributive Laws: p ∨ (q ∧ r ) ≡ ( p ∨ q) ∧ ( p ∨ r )
p ∧ (q ∨ r ) ≡ ( p ∧ q) ∨ ( p ∧ r )
Absorption Laws: p ∨ ( p ∧ q) ≡ p
p ∧ ( p ∨ q) ≡ p
De Morgan”s Laws: ¬( p ∨ q) ≡ ¬ p ∧ ¬q
¬( p ∧ q) ≡ ¬ p ∨ ¬q
We now have a second method to show the equivalence of two propositions. We

can use these laws of equivalences rather than constructing a truth table and checking
each row of the logical statements to be the same for all input combinations. This
new method is convenient since for n simple input propositions, the truth table would
contain 2n rows which may be difficult to realize when n > 3.
Example 1.1.9 We want to show that ¬( p ∨ q) ∨ (¬ p ∧ q) ≡ ¬ p. Let us use the

logic laws for the left side of this equivalence:
¬( p ∨ q) ∨ (¬ p ∧ q) ≡ (¬ p ∧ ¬q) ∨ (¬ p ∧ q) De Morgan
≡ ¬ p ∧ (¬q ∨ q) Distributive Law
≡ ¬p ∧ T Negation Law
≡ ¬p Identity Law

Example 1.1.10 We want to show that p ∧ (¬ p ∨ q) ≡ p ∧ q. Using the laws for

the left side of this equivalence yields,
p ∧ (¬ p ∨ q) ≡ ( p ∧ ¬ p) ∨ ( p ∧ q) Distributive Law
≡ F ∨ ( p ∧ q) Negation Law
≡ p∧q Identity Law

Example 1.1.11 Let us prove the equivalence:
( p ∧ q) → r ≡ (¬ p ∨ ¬q) ∨ r
We can start by what we know from Example 1.1.5:
a → b ≡ ¬a ∨ b
and implementing this property in the above example yields:
( p ∧ q) → r ≡ ¬( p ∧ q) ∨ r
≡ (¬ p ∨ ¬q) ∨ r De Morgan

Example 1.1.12 Prove that ( p ∧ q) → p is a tautology.

Solution: Let us use laws of logic to prove this statement:
( p ∧ q) → p ↔ ¬( p ∧ q) ∨ p
≡ (¬ p ∨ ¬q) ∨ p De Morgan
≡ (¬q ∨ ¬ p) ∨ p Commutative Law
≡ ¬q ∨ (¬ p ∨ p) Associative Law
≡ ¬q ∨ T Negation Law
≡T Identity Law

14 1 Logic
Table 1.17 Logical Operator Precedence

Operator
¬
∧
∨
→
↔
Reaching a value of T on the right side means the statement is a tautology as in

this case.
Precedence of Logical Operators
Logical operators have priority as shown below in Table 1.17 with the higher priority
operator closer to the top.
For example,
¬ p ∧ q ∨ r → ¬r ≡ (((¬ p) ∧ q) ∨ r ) → (¬r )
1.2 Predicate Logic
We have investigated simple and compound statements that are logically true or false
up to this point. However, in many cases, the truth value of a statement depends on the
subject. For example, in the sentence “He lives in London”, we can not evaluate the
correctness of this statement as it truth value depends on who “He” is. Substituting
“Kevin” for “He” in this sentence (and assuming we know who Kevin is), we can
assert the correctness of this statement. The predicate in this statement is “lives in
London”.
A predicate in a statement describes the subject or other objects and its truth value
can be obtained by replacing the subject with a variable. More formally, a predicate
is a statement involving variables over a specified set called its domain. That is, the
domain of a predicate variable is the set of all values that may be substituted for that
variable. Thus, substituting a value of a predicate variable from its domain provides
us the truth value of a predicate. We are commonly provided with the domain and
asked to find the truth value of the predicate. The truth set of a predicate is the set
of all members of the domain that result in a truth value of the predicate. We show
a predicate with capital letters as P(x), meaning P is a predicate with the predicate
variable x which is also called the propositional function P of x. Truth value of a
propositional function depends the value of the variable it refers. For example, if
P(x) is “x > 8”, then substituting 7 for x yields a false value whereas x = 12
results in a true value of the function. A propositional function may have more than
one variable as in the example below.
1.2 Predicate Logic 15
Example 1.2.1 Let the propositional function P(x, y, z) to be defined as z 2 = x + y.

Then, P(2, 7, 3) and P(5, 11, 4) both yield true values whereas P(3, 2, 4) yields a
false value.
1.2.1 Quantifiers
Substituting a value for a variable in a propositional function is not the only way
to obtain a proposition from such a function. Quantifiers can also be used for the
same purpose and this process is called quantification. In other words, quantifiers
specify what part of the domain is to be used when evaluating the correctness of
a propositional function. Two main quantifiers are the universal and the existential
quantifiers.
The Universal Quantifier
In various propositional functions, we may need to assert that the value of the propo-
sition is true for all values of the variable in the given domain. For example, “For
every integer x, the square of x is a positive integer” is one such function. The univer-
sal quantification provides a shorthand representation of this condition and is shown
by ∀x P(x). This statement is read as “for all x, P(x)” or “for every x, P(x)” and
the symbol ∀ is called the universal quantifier.
The Existential Quantifier
The existential quantifier provides another way of quantifying a propositional func-
tion. It means “there exists”, which in fact means there is at least one variable that
provides a true value for the propositional function. This quantifier is shown by the
∃ symbol, for example, if P(x) : x 2 = 1, ∃x P(x) means there exists at least one
variable x that satisfies P(x). In fact, we can see P(−1) and P(1) both provide true
values. Other words used for the existential quantifier are “for some x” and “for at
least one x”.
Example 1.2.2 Let P(x): “x is a student of Computer Science” and Q(x): “x takes
Discrete Math course”. Let the domain be some university, then,
∃(P(x) ∧ Q(x))
means there exists one (there is at least one) Computer Science student who takes
a Discrete Math course in that university. Note that we have used the and operator
between two statements and the existential operator refers to the conjunction of the
two statements.
The precedence of quantifiers are higher than all of the logical operators. For
example,
∃x P(x) ∧ Q(x) ≡ (∃x P(x)) ∧ Q(x) = ∃x(P(x) ∧ Q(x))

16 1 Logic
1.2.2 Propositional Functions with Two Variables
We can have predicates with more than one variable such as x and y as noted. For
example, the predicate “x studies at y University” is such a function which can be
specified as P(x, y) where x denotes the person and y is the name of the university.
The values of these variables are needed to convert the propositional function to a
proposition. However, we may use quantifiers for the same purpose as we have noted.
For example, let
P(x, y) : y = x + 1
be a propositional function with the real numbers as the domain. Without specifying
the values of x and y, we can convert this function to a proposition using universal
and existential quantifiers. We would normally have four of such combinations since
there are two variables but the actual number of combinations is eight as the order
of the quantifiers is significant and provides a different meaning when the order is
changed. All of the possible eight combinations for the propositional function using
quantifiers are listed below.
• ∀x∀y P(x, y) • ∃x∃y P(x, y)

• ∀y∀x P(x, y) • ∃y∃x P(x, y)
• ∀x∃y P(x, y) • ∃x∀y P(x, y)
• ∀y∃x P(x, y) • ∃y∀x P(x, y)
For example, ∀x∃y P(x, y) means “for every x there exists a y”. For the above
proposition, this means for any real number x ∈ R, we can find at least one y ∈ R that
is one greater than x which is a proposition with a true value in this case. However,
when the order of the quantifiers are reversed, we have ∃y∀x P(x, y) which means
there exists a real number y ∈ R, for all x ∈ R that is one less than x which clearly
is false.
Example 1.2.3 Let L(x, y) be “x loves y”. Then, ∀x∃y means “everyone loves
at least someone” and ∃x∀y means “there exists at least one person who loves
everyone”.
Example 1.2.4 Let domains S be a number of students and P be a number of pizzas.

Predicate E(s, p) means student s is eating pizza p. We can then have the following
possibilities:
• ∃s∃ p E(s, p): There is (exists) a student s eating a pizza p.

• ∃ p∃s E(s, p): There is a pizza p that student s is eating.
• ∀s∀ p E(s, p): All students are eating pizzas.
• ∀ p∀s E(s, p): All pizzas are are being eaten by all students.
• ∀s∃ p E(s, p): For all students, there exists pizzas That is, they are all eating but
there may be some extra pizzas.
• ∃ p∀s E(s, p): There exists a pizza (a single one) that all students are eating.
• ∀ p∃s E(s, p): Every pizza is being eaten by some student. Note that if the number
of students is larger than the number of pizzas, this means some students are left
without pizza.
• ∃s∀ p E(s, p): There exists a student who is eating all pizzas.
1.2.3 Negation
Negation of universal statements and existential statements need to be considered

separately as below.
1.2.3.1 Negation of a Universal Statement

The negation of a universal statement of the form
∀x ∈ D, P(x)
which means there exists x in the domain D, P(x) is true, negation of which is
logically equivalent to the statement:
∃x ∈ D, ¬P(x)
which can be translated as “there exists at least one x in domain D such that negation
of P(x) is true”. Let us illustrate this concept by an example. Let the universal
statement be “All students in Discrete Math class received grade B or higher”. Here,
the domain is the students enrolled in this class and the proposition is that each
student in this class received a grade B or higher. The negation of this universal
statement would then be “There exists at least one student in Discrete Mathematics
class who received a grade less than B”. Let P(x) be “receiving a grade less than
B”, we can state the following for this above example omitting the domain and the
negation is as stated.
¬(∀x, ¬P(x)) ≡ ∃x, ¬¬P(x)

≡ ∃x, P(x)
1.2.3.2 Negation of an Existential Statement

The negation of a universal statement of the form
∃x ∈ D, P(x)
which means there exists x in the domain D, P(x) is true, negation of which is
logically equivalent to the statement:
∀x ∈ D, ¬P(x)
18 1 Logic
which can be translated as “for all x in domain D, negation of P(x) is true”. For
example, let us assume that the existential statement to be “There exists one student
in Chemistry class who wears glasses”. Here, the domain is the students enrolled in
Chemistry class and the proposition is that there is at least one student who wears
glasses. The negation of this existential statement would then be “All of the students
in Chemistry class do not war glasses” or more commonly “There is not a student
in Chemistry class who wears glasses”. Using the above result, we can form the
following.
¬(∃x, P(x)) ≡ ∀x, ¬P(x)
1.2.3.3 Negation of Propositional Functions with Two Variables

The negation of propositional functions with two variables can be done by succes-
sively implementing the rules of negation in these functions. For example,
¬(∀x∃y P(x, y)) ≡ ∃x¬(∃y P(x, y))

≡ ∃x∀y¬P(x, y)
and,
¬(∃x∀y P(x, y)) ≡ ∀x¬(∀y P(x, y))

≡ ∀x∃y¬P(x, y)
As can be seen, the negation of a propositional function with two variables and
two quantifiers results in a propositional function in which the existential quantifier
is changed to the universal quantifier and the universal quantifier is changed to the
existential one and the propositional function is negated.
1.2.4 The Universal Conditional Statement
A universal conditional statement is a universal statement with a condition and is of

the form,
∀x, if P(x) then Q(x)

For example, let P(x): “x is an integer” and Q(x): “square of x is a positive
integer”, then this proposition can be written as below,
∀x ∈ Z, (P(x) → Q(x))
Let us consider the statement “Every integer greater than 1 has a square greater
than 3”. Forming the propositional functions;
∀x, (x is an integer > 1) → (x 2 > 3)

with P(x): “x is greater than 1”, and Q(x): “square of x is greater than 3”. The
negation of a condition is ¬( p → q) ≡ p ∧ ¬q as was shown in Table 1.15. Thus,
the negation of a universal conditional statement can be obtained using this property
as follows:
¬(∀x, P(x) → Q(x)) ≡ ∃x¬(P(x) → Q(x))

≡ ∃x(P(x) ∧ ¬Q(x))
Considering the above example, the negation of the universal conditional state-
ment would be “there exists an integer greater than 1 and its square is less than
3”.
Example 1.2.5 Let the domain be all humans. Write the proposition “All humans
are mortal” as a conditional by specifying the statements.
Solution: Let P(x) be “x is human” and Q(x) be “x is mortal”. Then,
∀x(P(x) → Q(x))
means for all x variables, if x is a human, then x is mortal.
1.2.5 The Existential Conditional Statements
Similarly, an existential conditional statement is a statement that is both existential

and conditional as follows,
∃x, if P(x) then Q(x)

Let us consider P(x) to be “x is an even number greater than 2” and Q(x) as “x
is the sum of two prime numbers”. Then, the existential conditional statement can
be stated as “there exists an even number that is greater than 2 which is the sum of
two primes”. The negation of an existential conditional statement can be obtained
by substitution of the conditional statement as above,
¬(∃x, P(x) → Q(x)) ≡ ∀x¬(P(x) → Q(x))

≡ ∀x(P(x) ∧ ¬Q(x))
For the above example, the negated statement would be “for all numbers x, x is
an even number greater than 2, and x is not the sum of two primes”. In other words,
no such number x can be found.
20 1 Logic
1.3 Review Questions
1. What is the main difference between the propositional logic and predicate logic?
2. What are the main connectives to form compound statements?
3. Give an example of exclusive-or statement.
4. When does a conditional statement yield a false value? Give an example.
5. How can a biconditional statement be verified?
6. Give an example of a biconditional statement yielding a false value.
7. What is the relation between a biconditional statement and a tautology?
8. Give an example of a contradiction.
9. What are the two main methods of proving equivalence of two logical statements?
10. What are De Morgan’s laws as applied to logic?
11. What are quantifiers and why are they used?
12. What is the inverse of the statement ∃x P(x) and the inverse of the statement
∀x P(x).
1.4 Chapter Notes
We have reviewed the main principles of logic in this chapter. A proposition or a

statement has either a true or a false value. Propositions can be combined using con-
nectives such as and and or to form compound propositions. A conditional statement
is denoted by p → q and yields a false value only when p is true and q is false. A
biconditional statement is shown as p ↔ q and has a true value only when p and q
have equal truth values. The first method we have reviewed to prove the equivalence
of two statements is listing all possible values of the statements in a truth table and
checking each row of the value of the statements to be equal. For n statements, the
truth table will have 2n rows making this method difficult to use this when n > 3.
Laws of logic provide simplifications and result in an alternative and efficient
way of proving that two statements are equivalent. Given two statements, we provide
iteratively simpler statements until a known result such as p ∨ T = 1 is encountered.
A predicate provides a description of some entity and its value can be determined
with the current entity or object under consideration. A quantifier is used to determine
the truth value of a predicate; the universal quantifier declares all instances of the
object to be specified and an existential quantifier specifies at least one instance of the
object under consideration. We have seen how to negate statements with quantifiers
and evaluate conditional statements involving quantifiers.
Exercises 21
Exercises
Assume p, q, r are propositions.
1. Let the statement p be “3 is a positive integer” and q be “6 is an odd integer”.
a. Form the conditional p → q in words.

b. Form the conditional q → p in words.
c. Write the biconditional p ↔ q.
d. Determine the truth value of the statements in (a), (b) and (c).
2. Form the converse, inverse and and contrapositive of each of the following im-
plications.
a. If it is sunny, I will go out for a walk.

b. If a is an odd integer, then a + 1 is an even integer.
c. If i is an integer, then i 2 is greater than or equal to 0.
3. Determine whether the following compound propositions are equal using truth
tables.
a. ( p ∧ ¬q) ∨ ( p ∧ q) = p. d. ( p → q) = ¬ p ∨ q.
b. p ∧ (q ∨ r ) = ( p ∧ q) ∨ ( p ∧ r ). e. p ∨ (q ∧ r ) = ( p ∨ q) ∧ ( p ∨ r ).
c. p ⊕ q = ¬ p ⊕ ¬q. f. ¬( p ⊕ q) = ¬ p ⊕ q.
4. Use truth tables to verify the following.
a. ( p → q)∨( p → r ) ≡ p → (q∨r ). c. ( p → r )∧(q → r ) ≡ ( p∨q) → r .

b. ( p → r )∨(q → r ) ≡ ( p∧q) → r . d. ( p ∨ q) ≡ ¬ p → q.
5. Use truth tables to verify the following.
a. ( p ↔ q) ≡ ¬ p ↔ q. c. ( p → r )∧(q → r ) ≡ ( p∨q) → r .
b. ¬( p ↔ q) ≡ p ↔ ¬q. d. ( p ∨ q) ≡ ¬ p → q.
6. Determine which of the following statements are tautologies, contradictions or

neither of them.
a. p → ( p ∨ q). e. ( p ∧ q) ∧ ¬( p ∨ q).
b. ( p → q) → ( p ∧ q). f. ( p ∧ ¬q) ∧ (¬ p ∨ q).
c. ( p ∧ q) → p. g. (( p ↔ q) ∧ q) → p.
d. ¬q ∨ ( p → q). h. ( p ∧ q) ∧ (q → ¬ p).
22 1 Logic
7. Prove the following using laws of logic.
a. p ∧ ( p ∨ q) ≡ p. c. ¬(¬ p ∧ q) ∧ ( p ∨ q) ≡ p.
b. ( p ∧ q) ∨ p ≡ p. d. ( p ∧ q) ≡ ¬( p → ¬q).
8. Let A = {2, 3, 4, 5, 6}. Assess the truth values of the following statements.
a. ∃x ∈ A, x 2 = 25. c. ∀x ∈ A, x + 4 < 10.

b. ∀x ∈ A, x + 5 > 6. d. ∃x ∈ A, x + 2 ≥ 8.
9. Find the negation of the following statements with the domain of N, determine
the truth value of the negation and state the negation in words.
a. ∃x∀y, x = y 2 . c. ∃x∃y∀z, z 2 = x 2 + y 2 .
b. ∀x∀y, x + 4 < 10. d. ∀x∃y, x = −y.
Proofs
2
A mathematical system consists of axioms, definitions, theorems and various other

structures. A theorem is a proposition that can be proved to be true and an argument
that establishes the truth of a statement is called a proof. Proving a theorem can
be accomplished by a direct method or indirectly. Proving propositions that involve
quantifiers requires careful reasoning. In this chapter, we review main methods of
proof which include direct and indirect methods, proving propositions with quanti-
fiers, proof by cases and review general principles of proofs.
2.1 Arguments
An argument consists of a set of propositions p1 , p2 , ..., pn called premises or hy-

potheses followed by a statement q called the conclusion. An argument is valid if
whenever p1 , p2 , ..., pn are all true, then q is also true. Inference rules are simple
argument forms that are used to construct more complex arguments.
2.1.1 Rules of Inference
The first rule of inference called Modus Ponens is depicted below. It basically means
that if p → q is valid and if p is true, then we can deduce q is also true. For example,
let p be “I study hard” and q be “I will get an A in math”. The argument is “if I
study hard, I will get an A in Math”. “I studied hard” ( p is true) implies the second
line of this rule which means I will get an A in Math. The main point here is a
true statement implying a false statement will yield a false value for the conditional
statement, thus, p → q having a true value and p having a true value leaves us with
the only possibility of q being true.
© Springer Nature Switzerland AG 2021 23

K. Erciyes, Discrete Mathematics and Graph Theory, Undergraduate Topics
in Computer Science, https://doi.org/10.1007/978-3-030-61115-6_2
24 2 Proofs
Modus Ponens: p
(mode that affirms) p→q
∴q
Modus Tollens states that the inverse of the conclusion implies the inverse of the
premise as shown below. We know this rule since p → q ≡ ¬q → ¬ p. This rule
is the basis of a main proof method called contrapositive as we will see. Let p be
“It rains” and q be “I get wet”. The first statement then is “If it rains, I get wet”. If
the conditional is true, the Modus Tollens rule states that the fact that I am not wet
implies it does not rain.
Modus Tollens: p→q

(mode that denies) ¬q
∴ ¬p
Disjunctive Syllogism states that if at least one of the premises is true and we
know one is false, the other one must be true. Let p be “I will study math” and q be
“I will go to the movies”. The first statement is “I will study math or I will go to the
movies”. If this statement is true, and the second one is “I will not study math” is
valid, then it must be true that I will go to the movies.
Disjunctive Syllogism: p∨q

¬q
∴p
The transition rule (or hypothetical syllogism) may seem more obvious then the
above rules. Let p be “It rains” and q be “I stay at home” and r be “I study math”.
This rule states that “if it rains, I stay at home” ( p → q), and “if I stay at home, I
study math” (q → r ) statements are both true, then “if it rains, then I study math”
( p → r ) statement is also true.
Transition: p→q
q →r
∴ p→r
The resolution rule may best be stated by an example. Let p be “I study math”
and q be “I go to the movies” and r be “I meet a friend”. The first statement is “I
study math or I meet a friend”. The second statement is “I go to the movies or I do
2.1 Arguments 25
not meet a friend”. Since r cannot be true and false at the same time, it must be the
case that either p or q is true. In this case “I study math or I go to the movies” is true.
The addition rule says if one of two statements is true, then their conjugate is also
true as shown below.
Addition: p
∴ p∨q
The simplification rule means if both of two statements are true, then any of them
must be true as shown below.
Simplification: p∧q
∴ p and q
Finally, conjunction rule states that if either of two statements is true, then their
conjunction must be true as shown below.
Conjunction: p
q
∴ p∧q
We can build a valid argument by forming a list of statements. Each statement

can be a premise or deduced from the preceding statements using rules of inference
and the last statement is the conclusion we want to reach. Let us see how we can
make use of these rules in a daily example. Let the statements be “I take the train or
the bus”, and “If I take the train I walk and get tired” and “I am not tired, therefore I
took the bus”. We need to check whether the last statement is true. Let the statements
p be “I take the train”, q be “I take the bus”, r be “I am tired” The proposition is “I
am not tired therefore I took the bus”. The premises are p ∨ q, q → r and ¬r . The
following can be established,

26 2 Proofs
Step Reason
1. p ∨ q premise
2. ¬r premise
3. p → r premise
4. ¬ p 2, 3 and modus tollens
5. q 1, 4 and disjunctive syllogism
Example 2.1.1 Given p ∧ ( p → q), deduce q.

Solution:
Step Reason
1. p ∧ ( p → q) premise
2. p 1 and conjunction
3. p→q 1 and conjunction
4. q 2, 3 and modus ponens
Example 2.1.2 Given ( p ∨ q), (¬ p ∨ r ) and (¬r ∨ s) deduce (q ∨ s).

Solution:
Step Reason
1. p ∨ q premise
2. ¬ p ∨ r premise
3. ¬r ∨ s premise
4. q ∨ r 1, 2 and resolution
5. q ∨ s 3, 4 and resolution
Example 2.1.3 Given ¬ p ∧ q, r → p, ¬r → t and t → u, deduce u.

Solution: We start by writing the propositions with their translations.
Step Reason
1. ¬ p ∨ q (¬ p, q) premise
2. r → p (¬r ∨ p) premise
3. r → t (r ∨ t) premise
4. t → u (¬t ∨ u) premise
5. ¬r resolution of 1 and 2
6. t resolution of 3 and 5
7. u resolution of 4 and 6
Applying the resolution law for lines 1 and 2, q ∨ r is true. Then, using resolution
again for this result with line 3, we have q ∨ s, the required result.
2.1 Arguments 27
Step Reason
1. p → q premise
2. r → s premise
3. ¬q premise
4. r Premise
5. ¬ p ∨ q 1 translated
6. ¬r ∨ s 2 translated
7. ¬ p 3, 5 and resolution
8. s 2 and 4 and modus ponens
9. ¬ p ∧ s 5, 6 and conjunction
Example 2.1.4 Given ( p → q), (r → s), ¬q and r , deduce (¬ p ∧ s).

Solution: The following steps result in the required proposition.
Step Reason
1. p → q premise
2. r → s premise
3. ¬q premise
4. r premise
5. ¬ p 1, 3 and modus tollens
6. s 2 and 4 and modus ponens
7. ¬ p ∧ s 5, 6 and conjunction

Example 2.1.5 We could have arrived at the same conclusion using conditional
equivalence and resolution principle as shown in above table with more steps to
state.
2.1.2 Definitions
We need to define some terms related to proofs as below.
• Axiom: It is a proposition that is assumed to be true.

• Theorem: A statement that can be shown to be true using axioms, definitions, other
theorems and rules of inference.
• Lemma: An intermediate theorem, sometimes called a helping theorem, that helps
to prove a theorem.
• Corollary: A statement that follows an already proved theorem.
• Conjecture: A proposition based on incomplete information. A proved conjecture
becomes a theorem and a conjecture may be disproved, meaning it may be proved
to be false. A disproved conjecture is of not much interest to researchers in general.
We are mostly interested in proving theorems which have the form of a universal
statement,
∀x ∈ D, P(x) → Q(x)
where D is the domain of the variable x. In general, D is the set of natural numbers,
integers, rational numbers or irrational numbers. A starting point to prove a theorem
28 2 Proofs
is commonly done by selecting an arbitrary element u ∈ D and show that P(u) →

Q(u). This is a sufficient to show P(x) → Q(x) for all x as long as u is selected
arbitrarily.
A trivial proof is the one in which we know q is true regardless of the value of p.
A vacuous proof is with the statement p being false, p → q is true. For example,
let p be “It is raining and sunny” and q be “1 + 1 = 3”, then p → q is true.
Example 2.1.6 Let us prove the statement ∀x ∈ R, if x > −2 then x 2 + 1 > 0.

Since ∀x ∈ R, x 2 ≥ 0; then ∀x ∈ R, x 2 + 1 ≥ 0 + 1 > 0. Thus Q(x) is true ∀x ∈ R,
that is, x 2 + 1 > 0 is true for every x value in R, regardless of whether x > −2 or
not.
2.2 Direct Proof
Direct proof method is a straightforward approach where the argument is formed

using a series of simple statements. Each such statement follows directly from the
previous ones, finally resulting in the proof of the argument. Given the conditional
statement of the form “if p then q”, direct proof of this statement involves arriving at
the conclusion directly from the premises using definitions, axioms, rules of inference
and other proven theorems. A general approach for direct proof for a proposition in
the form of ∀x ∈ D, if P(x) then Q(x) can be stated as noted.
1. Consider an arbitrary element u ∈ D that satisfies the premises P(u).

2. Show that the conclusion Q(u) is true using definitions, axioms and the rules of
logical inference.
Example 2.2.1 Prove that the sum of two odd integers is even.
Proof We will apply the above steps to prove this proposition. Let us take arbitrary
elements x, y ∈ D which is the set of all odd integers. Since both x and y are odd,
we can write x = 2k + 1 and y = 2m + 1 for some integers k and m. Their sum is
s = 2k + 1 + 2m + 1 = 2(k + m + 1) which is an even number since it is divisible
by 2.
Example 2.2.2 Provide a direct proof of the theorem “If n is an even integer, then
n 2 is even”.
Proof We need to show ∀n: n is even → n 2 is even. By the definition of an even

integer, n = 2k where k is some integer. Taking square of both sides of this equation
yields n 2 = 4k 2 = 2(2k 2 ) which shows n 2 is twice of some other integer 2k 2 since
2k 2 is integer and hence we can conclude n 2 is an even integer.
2.2 Direct Proof 29
Example 2.2.3 Prove that every odd integer is equal to the difference between the
squares of two integers.
Proof An odd integer x can be written as 2k + 1 for some integer k. Let us check
whether this proposition holds for small odd integers.
1 = 1 − 0 = 12 − 02
3 = 4 − 1 = 22 − 12
5 = 9 − 4 = 32 − 22
We observe two things in this sequence; an odd integer is equal to difference
between the squares of two consecutive integers, and the sum of these consecutive
integers is equal to the odd integer. Now, re-writing x with this guess, let us try to
see what happens.
x = (k + 1)2 − k 2
= (k 2 + 2k + 1) − k 2
= 2k + 1
let m = (k + 1)2 and n = k 2 , then x = m 2 − n 2 .
Note that we can find the values of the two consecutive integers m and n once
we write x as 2k + 1 since m = k + 1 and n = k. For example, let x = 41 which
is 2 × 20 + 1, thus m = 21 and n = 20. Checking proves this property since
41 = 212 − 202 = 441 − 400. In the other direction, let the two consecutive integers
be m = 53 and n = 52. Since k = 52, we can write, 2×52+1 = 105 = 532 −522 =
2809 − 2704 which is valid. This example illustrated that sometimes we evaluate the
proposition for few input values and try to guess a solution.
Example 2.2.4 Given two integers a and b, if a + b is even then a − b is even.
Proof Since a + b is even, we can write a + b = 2m for some integer m. Then,

substitution for b yields:
a + b = 2m
b = 2m − a
a − b = a − 2m + a
= 2a − 2m
= 2(a − m)
which shows that the difference is an even number and completes the proof.
30 2 Proofs
We can have a false proof attempt as in the example below.
− 2 = −2
→4−6=1−3
9 9
→4−6+ =1−3+
4 4

3 2 3 2
→ 2− = 1−
2 2
3 3
→2− =1−
2 2
→2=1
The problem with this false proof is that the square of −x and x are both x 2 ,
thus, the equation in line 4 is correct but taking the square roots to yield the next
equation is wrong as the left side is a positive number but the right side is negative.
Although direct proof method can be applied with ease in proving various theorems,
it is difficult to use this method in many other problems.
2.3 Contrapositive
Proof by contraposition is based on the fact that a conditional statement p → q is

equal to its contrapositive ¬q → ¬ p which is basically modus tollens. In this case,
¬q is the premise and we attempt to prove ¬ p as the conclusion using definitions,
axioms, rules of inference and other proven theorems. This method can be applied
to a wide range of problems.
Example 2.3.1 Let n be a positive integer and let m divide n. Prove that if n is odd
then m is odd.
Proof Proving this theorem directly involves showing m is odd when n is odd and
this does not seem obvious. We will try proof by contraposition in which case we
need to show that if m is not odd then n is not odd. Our initial condition that m
divides n is still valid. If m is not odd, then it is even and hence m = 2k for some
integer k. Since m divides n, n = mr for some integer r and substitution for m in
this equation yields n = (2k)r = 2(kr ) which shows n is even as it is twice of some
integer kr . We assumed multiplication of two integers yields another integer. Thus,
we proved the contrapositive of the theorem which concludes the proof.
Example 2.3.2 Prove that for any integer a > 2, if a is a prime number, then a is
an odd number.
Another random document with
no related content on Scribd:
csontvázra akadtak. A csontokat kiemelték a földből, ládába
csomagolták s elküldték Boule M. tanárnak Párizsba, aki rögtön
fölismerte, hogy egy újabb neandervölgyi lelettel gazdagodott a
tudomány. Boule az érdekes leletről részletes munkában82) számolt
be.
A lelet közelében körülbelül 1000 darab fiatalabb Moustérien-
tipusú kőeszközt, továbbá bolyhos rinocerosz, rénszarvas, ősbölény
és barlangi hiéna csontjait találták. Ez tehát valamivel későbbi lelet,
mint a le moustier-i; Boule szerint a harmadik interglaciális időszak
végéről, vagy az utolsó jegesedés idejéről való.
A csontváz körülbelül 50–55 éves, alacsony (160 cm magas) férfi
csontvázának bizonyult. A koponya feltünően nagy; csontjai felette
vastagok. A koponyatető teljesen megvan, az arc csontjai részben
hiányosak. A koponyatető varratai már részben elcsontosodtak;
ebből lehetett a koponya egykori tulajdonosának korát hozzávetőleg
megállapítani. A koponya űrtartalma nagy, valamivel meghaladja a
mostani átlagos értéket: 1626 cm3. A koponya dolichokephal, 208
mm hosszú, 156 mm széles, hossz-szélességi indexe 75 (a
mesokephalia határán van). Típusos neandervölgyi, sőt talán a
legkezdetlegesebb típusú valamennyi eddig kiásott neandervölgyi
koponya között. A szemgödrök felett hatalmas taréj emelkedik ki, a
homlok s a koponyatető lapos, alacsony. A szemgödrök tágak s
hasonlóan nagyon széles az orrüreg nyílása is; feltünő az orr
hátának magassága; ennek az ősembernek hatalmas sasorra
lehetett, ami jellemző emberi vonás. Megtaláljuk az állkapocsnak
jellemző alakját is: az állcsúcs hiányát, az állkapocs durva, vaskos
idomát, a fogsorok prognath helyzetét. Kiemelendő még az is, hogy
a fogsorok íve a zápfogak felé nem tér annyira széjjel, mint a mai
emberen, hanem az ív két szára csaknem párvonalasan halad hátra,
ami kétségtelenül korlátozhatta a la chapelle-i ősember nyelvének a
mozgását. Alkalmasint ezt az embert is eltemették; a csontváz
ugyanis a csak 1–1·5 m. magas, 2·5 széles, 6 m. mély, lakásra nem
alkalmas barlang fenekének egy 1·45 m hosszú, 1 m széles
sírgödörszerü mélyedésében feküdt s a feje alá is kő volt helyezve.
La Ferrassie-i Le Bugue helység közelében 1909
csontlelet. őszén Peyrony J. tanító a Vezère
völgyében (Dordogne) egy a néptől La
Ferrassienak nevezett barlangban találta e csontvázat, 3·5 m. mély
rétegben. A csontváz első nyomaira akadva, az ásatásokat nem
folytatta, hanem értesítette a leletről a szakférfiakat, akik közül
többen a lelet színhelyére siettek s így egész szakbizottság
jelenlétében folytathatta és fejezhette be a csontváz kiemelését.
Jelen voltak Boule, Breuil, Capitan, Cartailhac, Bouyssonie J. A
csontváz mellett Moustérien-típusú köveket találtak. Eltemetés
nyomai nem voltak biztosan megállapíthatók. Boule rövid ismertetést
közölt róla a L’Anthropologie című szakfolyóirat 1909.-i
évfolyamában, amelyben kiemeli, hogy ez is valódi neandervölgyi
koponya, de részletesebb leírást még nem közölt róla. A koponya
neandervölgyi típusú voltát erősíti egy a kiásásnál jelen volt másik
szakember, Breuil abbé83) is. A csontváz közelében, egy méterre
tőle, 1910 októberben egy másik, idősebb nőtől való csontvázat
találtak, mely azonban úgy látszik nem neandervölgyi-típusú.
Charente-i lelet. A legújabb hírek szerint Franciaországban
megint találtak, 1911 szept. 18-án egy
neandervölgyi csontvázat, még pedig ezúttal La Quinában, Charente
département-ban. A csontváz a szerencsés találó, Henry Martin
szerint négy és fél méter mélyen feküdt, a Voulton-folyócska régi
medrének homokos-agyagos rétegében, még pedig a legrégibb
Moustérien-típusú kőeszközök kíséretében.84) Hogy eltemették
volna, arra semmi nyom sem utal. A koponyán a neander-típus
jellemző sajátságai valamennyien megvannak: a szemgödörfeletti
eresz, a lapos fejtető és nyakszirt, a gyenge csecsnyulvány, a
hatalmas prognath állású fogzat, a jellemző pithekoid állkapocs.
Martin szerint ez a legalacsonyabb típusú valamennyi neander-
rasszbeli koponya közt. A koponya aránylag kicsiny, csontjai inkább
vékonyak, amiből női nemre lehet következtetni. Idoma
dolichokephal.
Neandervölgyi Az eddig említett emberi koponya- és
típusú állkapcsok. csontvázleleteken kívül több olyan
neandervölgyinek minősíthető leletet
ismerünk, amely csak állkapocsból áll. Annak, hogy miért találták
ezeket egyedül, a többi csont nélkül, több oka lehet. Elsősorban az,
hogy a koponya s a csontváz többi része a mérhetetlen hosszú idők
során elmállott, míg az állkapocs, mely a fogakkal együtt a koponya
legkeményebb, legellentállóbb része, ami a rágásnál való nagy
mechanikai szerepéből érthető, épen maradt. Másfelől pedig úgy is
magyarázhatók az ilyen esetek, hogy az állkapocs egykori
tulajdonosát vadállatok tépték szét, akár élő állapotban, akár már
csak a holttestét, s így jutott az alsó állkapocs mint különálló,
elhurcolt darab az utókor birtokába.
Legalább öt olyan állkapcsot ismerünk, amelyről határozottan
állíthatjuk, hogy neandervölgyi típusú emberé volt. Ilyen először is a
la naulette-i állkapocs, melyet már 1866-ban talált Dupont E.
Belgiumban, a Lesse balpartján, Dinant helység közelében, 4·2
méter mélyen, egy barlang fenéklerakodásában, mammut,
rinocerosz, rénszarvas stb. csontjaival együtt. Az állkapocs igen
alacsonyrendű típusú s ezért már annak idején nagy feltünést keltett.
Pruner-Bey (1866), a híres anthropológus, kijelentette, hogy ez az
első láncszem az embert a majommal összekötő sorozatban, de
Topinard,85) szintén kiváló francia tudós, pontosabban megvizsgálva
az állkapcsot, úgy nyilatkozott, hogy még sem annyira állatias, mint
Pruner Bey hitte. A la naulette-i állkapocs egészen olyan, mint az
eddig ismert neandervölgyi koponyák állkapcsa: vaskos, állcsúcs
nélküli.
1882-ben Maška Morvaországban, Stramberg mellett, a Sipka-
barlangban, határozott diluviumi rétegben, tűzhely nyomainak
közelében, 1·4 méter mélyen állkapocstöredéket fedezett fel. Az
állkapocsnak csak a középső része van meg a hozzátartozó
fogakkal együtt, de szerencsére épen ez az a tájéka az
állkapocsnak, amely a neandervölgyi típusra oly nagyon jellemző. E
töredéken a többi neandervölgyi koponya állcsontjának sajátságai
láthatók; különösen feltünő az állcsúcs hiánya.
Ide sorolandó a malarnaud-i állkapocs is, melyet Montseron
mellett, Franciaország Ariège département-jában, barlangi medve
csontjaival együtt találtak 1888-ban egy barlangban, öt méter
mélyen, sztalagmitek alatt; leírta Filhol H. 1889-ben. Ide tartozik az
az állkapocs is, melyet Petit-Puymoyenben (Charente) ásott ki 1906-
ban Favraud A. diluviumi brecciából, palaeolithokkal és rénszarvas-
csontokkal együtt; leírta Gaudry A. 1907-ben. S végül ide sorolandó
az Ochosnál, Morvaországban talált és Rzehak A.-tól 1906-ban
leírt86) állkapocstöredék is, mely Kramberger szerint a
legkezdetlegesebb valamennyi neandervölgyi típusú állkapocs
között, nem számítva természetesen a heidelbergi ősember
állkapcsát.
A neandervölgyi Megismertük a neandervölgyi emberre
ember jellemzése. vonatkoztatható eddigi leleteket.
Igyekezzünk ezek alapján összefüggő
képét adni.
Középnél valamivel alacsonyabb, körülbelül 155–160 cm magas,
aránylag rövid lábú és karú, vaskosfejű, rendkívül izmos, zömök
egyén lehetett ez az ősember: a nyers erő képe. Arcát és fejét mai
fogalmaink szerint igen durvának, állatiasnak, csúnyának kell
képzelnünk. A szeme felett hatalmas taréjként emelkedett ki a két
torus supraorbitalis, amelyek a középen összefüggtek egymással s
amelyeknek hatását talán még növelte a rajtuk levő bozontos
szemöldök. E taréj elég élesen határolódott el a nagyon rézsutosan
hátraeső homlok felé, mely alacsony fejtetőbe folytatódott. A mai
ember értelmes arckifejezését első sorban a szép, domború,
egyenesen felemelkedő homlok adja meg; ezzel szemben a
neandervölgyi ősemberen a homlokból lapossága s az előtte levő
taréj miatt előlről alig lehetett valamit látni. Maga a koponya
határozottan hosszú (dolichokephal) volt. A koponyatető profilja
nanyon laposan ment át a nyakszirttájékba, melyet éles harántléc
(torus occipitalis) választott el a vele szögletben találkozó alsó
nyakszirtrésztől.
Az arc a fej agyvelői részéhez képest hatalmasan fejlődött s
keskeny, hosszukás volt; a nagy, kerek szemgödrök feltünően nagy,
előálló szemekre, s a koponyának széles, majdnem kerek orrnyílása
és kiálló orrcsontja széles és erősen kiszögellő orra enged
következtetni. A két szem közötti távolság is nagyobb volt a mainál.
A szájnak és környékének megfelelő koponyarész a hatalmas
fogakkal együtt erősen előreállott (prognathia), az orr és száj közti
távolság feltünően nagy volt. Egyik igen jellemző része a
neandervölgyi koponyának az állkapcsa. Ez durva idomú, zömök
volt, különösen oldalsó részében, melynek szélességéből a
rágóizmoknak igen erős fejlettségére következtethetünk. Az állcsúcs
legömbölyödöttsége, rézsutos hátrahajlása növelte az arcnak
majomszerű kifejezését. A fül mögött levő kiemelkedő csontrész
(processus mastoideus), melyen a fej egyenes tartását biztosító
izom (musculus sternocleidomastoideus) tapad, a mostani
emberéhez képest gyengén volt kifejlődve, akár csak a majmon.
Végtagcsontjai durvák, vaskosak s megvastagodott
végrészükben feltünően zömökek voltak. A karoknak kissé más
lehetett a tartásuk, mint ma, amit a felkarcsont felső részének
erősebb csavarodása (torsio) bizonyít, vagyis azon körülmény, hogy
a felkarcsont feje hátrább fordult, mint a mai emberen. Jellemző az
orsócsont erős görbültsége, mely viselkedésével az emberszabású
majmok hasonló csontjára emlékeztet. Medencéje magas és
keskeny volt. A combcsonton az előre domború görbület érdemel
különösen említést, továbbá a rendkívül vastag alsó vég, mely nem
fokozatos megvastagodással, hanem hirtelen képződik ki a
combcsont hengeralakú középdarabjából. A sípcsontra vonatkozólag
kiemeljük, hogy felső felszíne nem állott vízszintesen, mint a mai
emberen, hanem kissé hátrafelé fordult (retroversio). Ebből Fraipont,
a spy-i koponyák leírója, nézetem szerint nem alaptalanul azt
következtette, hogy a neandervölgyi ősember térde sohasem volt
egészen kinyujtva, s ha ez igaz, akkor azt kell fölvennünk, hogy a
gerincoszlopa se lehetett olyan egyenes, mint a mai emberé, mert
behajlított térdek mellett a törzsök egyensúlya csak kissé
előrehajlított gerincoszloppal tartható fenn. Manouvrier [1893] és
Michel R. [1904] tagadja a térd behajlított helyzetét). Fraipont e
felfogásával megegyezik az, hogy a neandervölgyi ember
combcsontjának hátulsó felszínén gyengén van kifejlődve az a léc
(linea aspera), melyhez a térdet kiegyenesítő izmok tapadnak.
Fraipont nézetéhez hozzácsatlakozott Boule is (1909) a la chapelle-
aux-saints-i ember sípcsontjának vizsgálata alapján. Hogy a
neandervölgyi ősember az ő vaskos, zömök, aránylag rövid lábakon
nyugvó törzsökét állandóan kissé előre hajlítva tartotta, azt Boule
szerint a csigolyák viselkedéséből s a koponya «öreglik»-jánek a
helyzetéből is lehet következtetni.
A neandervölgyi ember agyveleje a mostani átlaggal kb. egyenlő
súlyú, de alkotásában a mostani típusnál alacsonyabbrendü volt.
Primitiv vonás az agyvelején a homlokkarélynak taréjszarü
megkeskenyedése elől («rostrum frontale»), a homlokkarélynak
kisebb aránya a féltekék egész tömegéhez képest (mai ember
43·3%, neandervölgyi ember 37·75%, emberszabású majmok átlag
32·2%), az agytekervények egyszerűbb elrendeződése és lefutása,
a kisagyvelő «féreg»-ének szabadon fekvése a két oldalkarély közt,
stb. Az agyvelő alkotásának e viszonyait a koponyaüreg öntvényén
lehetett megállapítani; a legpontosabb ezirányú vizsgálatot a la
chapelle-aux-saints-i koponyán végezték Boule és Anthony.
Egyebet a testi tulajdonságairól nem mondhatunk; azt, hogy a
bőre világos volt-e, vagy sötét, mint Luschan hiszi,87) hogy szőrös
volt-e, vagy csupasz, nem tudjuk.
Az eddig talált csontmaradványok lelőhelyéből azt
következtethetjük, hogy a neandervölgyi ember csaknem egész
Európában el volt terjedve. Eddig Spanyolországban,
Franciaországban, Belgiumban, Morvaországban és
Horvátországban állapították meg biztosan a jelenlétét. Ha
Morvaországot összekötjük Horvátországgal, a vonal
Magyarországot is érinti; e szerint valószínűnek mondhatjuk, hogy a
neandervölgyi ősember a mi hazánkban is élt, s így azt a reményt
táplálhatjuk, hogy valaha talán nálunk is a nyomára akadnak.
Európán kívül a neandervölgyi embernek eddig sehol sem találták
csontmaradványait; az igaz, hogy földrészünkön, Észak- és
Délamerikán meg Egyiptomon kívül eddig még nagyon keveset
kutatták az ősember nyomait. Azok a koponyák, amiket eddig Észak-
és Dél-Amerikában ástak ki a régibb geológiai rétegekből (calaveras-
i, trenton-i, larsing-i és florida-i csontleletek), mind többé-kevésbé a
mostani típust mutatják s leginkább a mai észak-amerikai indiánus
koponyájához hasonlítanak.
A neandertali emberre jellemző tulajdonságok, a mai emberi
típust véve az összehasonlítás mértékéül, nemcsak alacsonyrendű,
állatias vonások, hanem speciálisan a majom típusához közeledő
bélyegek. Még közelebbről vizsgálva a dolgot, ezek a jellemvonások
az emberszabású majmok közül leginkább az afrikaiak: a gorilla és
csimpánz típusához mutatnak némi közeledést. Igaz ugyan, hogy
egyikük-másikuk előfordul néha varietásként a mai emberen is, de
ebben az állandó, jellemző kombinációban egy egyénen sohasem, s
ezen fordul meg a dolog. Brancanak (1901), Raubernak (1906),
Kollmannnak (1906), Stolyhwonak (1908), Wasmannnak (1910) és
még több más szerzőnek az a nézete, hogy ma is találkozhatunk
hébe-korba még Európában is «neandervölgyi ember»-rel, nem
állhat meg; e tudósok egyike se tudott még bemutatni minden ízében
neandervölgyi típusú egyént, sőt még ilyen koponyát sem. Bizonyos,
hogy a mostani népfajok közül ehhez az ősemberhez még
legközelebb az ausztráliai őslakó áll, amit már Huxley kiemelt,88) de
az is bizonyos, hogy a hasonlatosság közöttük csak egyben-másban
van meg, s nem lehet szó arról, hogy ugyanaz a fajta áll előttünk. Ezt
bebizonyította nagyon pontos kraniológiai vizsgálataival Klaatsch,89)
az ausztráliai őslakók egyik legalaposabb ismerője. Az ausztráliai
őslakó magas termetű, aránylag hosszú, karcsú végtagokkal bíró
ember, míg a neandervölgyi rövid végtagú, alacsony, zömök ember
volt; a fej és arc alakulásában is nagy a különbség közöttük. Több
tekintetben hasonlítanak a neandertípushoz a mai sarkvidéki
mongoloid rasszok (eszkimók, lappok), de koponyájuknak és
arcuknak bizonyos tulajdonságaiban viszont lényegesen eltérnek e
típustól.
Külön species, vagy Kétségtelen, hogy a neandervölgyi
csak alacsonyrendű ember nagyon alacsonyrendű, még a most
rassz? élő legelemibb emberfajtáknál is
kezdetlegesebb lény volt, mely más fajokkal
össze nem keveredve, minden egyes tagjában megtartotta jellemző
ősi tulajdonságait. A vitás kérdés az, hogy kihalt elemi rasszként
még a mai Homo sapiens névvel jelölt fajhoz sorozzuk-e, vagy pedig
megkülönböztessük-e már külön faj alakjában, állattani értelemben
véve, a Linné-féle Homo sapiens-től? A külön fajelmélet
főzászlóvivője Schwalbe, aki, hogy ezt a felfogását jobban
kidomborítsa, a neandervölgyi ember megjelölésére felkarolta a már
előbb Wilsertől forgalomba hozott Homo primigenius nevet, amelyet
az ő példájára most széltében használnak is. A rassz-elmélet mellett
főkép Klaatsch kardoskodik, aki már ugyancsak 1901-ben, mikor
Schwalbe felfogását közölte, állást foglalt ellene. Klaatsch szerint
«jogosulatlan dolog a neandervölgyi embert Homo primigeniusnak
nevezni; felfogásom szerint ez a legszerencsétlenebbül választott
elnevezések egyike, mely reményem szerint megint el fog tünni.»90)
Egyik és másik tudós táborában is egész sorát találjuk a jeles
szakembereknek; nálunk a Schwalbe nézetének különösen lelkes
híve: Hillebrand Jenő dr., barlangjaink szorgalmas és szerencsés
kutatója.91) E mellett nyilatkozott újabban a jeles francia
anthropologus, M. Boule92) is. A vita biztos megoldását szinte
lehetetlenné teszi az, hogy ennek az ősembernek csak a csontjait
ismerjük, a lágyrészeit nem, s különösen az a körülmény, hogy nem
tudjuk, tudott-e már a vele egyidőben élt «recens» emberfajtákkal
eredményesen kereszteződni oly értelemben, hogy a
kereszteződésből származott utódok még tovább tudtak szaporodni?
Utóbbi kérdés eldöntése az egy fajhoz való tartozás biológiai
próbaköve! Ezért a kérdés nemcsak most vitás, hanem alkalmasint
vitás marad örökre.
De az ember fajfejlődése szempontjából ez a kérdés voltaképen
nem is olyan nagy fontosságú; megelégedhetünk annak a biztos
ténynek kijelentésével, hogy a diluvium második felében olyan fajta
teremtés élt e földön, még pedig itt Európában, mely ha embernek
nevezhető is már, alacsonyrendű, majomszerű bélyegeinek állandó
és jellegzetes kombinációjával a ma élő emberiségnél
kezdetlegesebb típust képviselt. A fejlődés bizonyítására már ez
elég. Ezzel a kijelentéssel azonban nem azt akarom mondani, hogy
a mai európai ember a neandervölgyinek közvetetlen ivadéka, hogy
belőle fejlődött tökéletesedés útján a Homo europaeus hodiernus.
A neandervölgyi A neandervölgyi ember végighúzódott a
ember eltünése. diluvium legnagyobb részén s csak röviddel
a vége előtt, az utolsó jegesedés vége felé,
a felső Moustérien-fokozaton tünt el. Legrégibb időből való a krapinai
lelet, utána következik a legújabban Charente-ban s a Le Moustier-
ben talált csontváz. Legfiatalabb rétegből nyilván a neandervölgyi és
a gibraltári koponyatöredék való. Az utolsó interglaciális időszaktól
fogva a neandervölgyi ember együtt élt az alább leírandó
magasabbrendű diluviumi fajokkal.
A kérdés most már az, hogy milyen módon tünt el ez az
emberfajta? Az ez idő szerint legelterjedtebb felfogás szerint,
amelyhez hozzácsatlakozom én is, kihalt, anélkül, hogy a többi
emberfajtával összekeveredett volna. Minden jel arra vall, hogy a
neandervölgyi ember holt ága az emberiség élő fájának, vakon
végződő oldalhajtása a haladó emberi nemnek. Ezt abból
következtetem, hogy a többi kiásott diluviumi koponyák egyike sem
mutat közvetetlen átmenetet ehhez a koponyaalakhoz. Adloff93)
(1907) a krapinai koponyák fogainak összehasonlítása alapján is
tagadja, hogy ez a neandervölgyi ősember közvetetlenül átment
volna a többi diluviumi emberfajtába. Lehet, hogy a hiányzó átmeneti
alakokat napfényre fogják még hozni a további ásatások, de amíg
ilyeneket nem ismerünk, addig véleményem szerint azt kell
feltennünk, hogy a neandervölgyi emberfajta teljesen kipusztult s
nem folytatódott a többi rasszba, mint azt például Walkhoff (1903),
Schlitz (1908), Gorjanovic-Kramberger (1909), Leche (1911) és
mások hiszik.94)
A jégkorszak A diluvium utolsó harmadában a
végének «recens» neandervölgyi ember mellett más
emberfajtái. emberfajták is megjelentek Európában,
melyek sokkal közelebb állnak a mai ember
típusához. Ezeket a fajtákat a Homo neandertalensis-szal szemben
Homo diluvialis recens néven foglaljuk össze.
Az eddigi csontleletek azt tanusítják, hogy a diluvium végső
szakában máris több ilyenféle emberfajta élt földrészünkön.
Valószínűleg mindannyian kívülről vándoroltak be, keletről és délről.
Legalább három ilyen diluviumi «recens» emberfajtát kell
megkülönböztetnünk: az Aurignac-fajtát, a Crô-Magnon-fajtát és a
Grimaldi-fajtát. Mind a három hosszúfejű, épen úgy, mint a
neandervölgyi ember. A hosszúfejűség az emberi koponyának
kezdetlegesebb, ősibb alakja. Csak az újkor küszöbén, a
palaeolithicum és neolithicum átmenetét jelző azilienben (Ofnet-
leletek) tűnik fel Európában a széles koponyájú, ú. n. brachykephal
ember.
Az emberi nem törzsfejlődése szempontjából ezek a recensfajok
már nem szolgáltatnak adatokat; tanulmányozásuk inkább embertani
szempontból, nevezetesen a mai európai rasszok kialakulása
kérdésében fontos.
Homo Megjelenésének idejét tekintve, a
Aurignacensis. recens fajták közt legrégibb, s
koponyájának alkotása szerint is
legközelebb áll a neandervölgyi emberhez a Homo Aurignacensis.
Ezt a nevet Klaatsch95) adta neki az egyik legújabb idetartozó lelettel
talált kőszerszámok típusa szerint. Eddig öt ilyen koponyát, illetőleg
koponyatetőt ismerünk;96) valamennyin fölismerhető ennek a
fajtának jellegzetes tulajdonsága: a nagyfokú hoszszúfejűség.
Keskeny, hosszúra nyúlt koponyájú ember volt ez. Testmagassága
körülbelül akkora volt, mint a neandervölgyié (160 cm).
Csontvázának sokkal karcsúbb volta azt tanúsítja, hogy durva fizikai
erő dolgában nem vetekedhetett a neandervölgyi ősemberrel, de
koponyájának előkelőbb alkotásából, magasabb homlokából viszont
azt következtethetjük, hogy amannál élelmesebb, ügyesebb,
fortélyosabb volt és e tulajdonságainak segítségével bizonyára
könnyű szerrel győzedelmeskedett is rajta.
A legtökéletesebb e fajtához tartozó leletet 1909 augusztus 26.-
án ásta ki Hauser O. a Couze völgyének (départ. Dordogne) egy kis
sziklamenedékéből (abri sous roche), azon a hegyoldalon, melyet az
odavaló lakosság Combe-Capellenek nevez. A csontokat Klaatsch
írta le tüzetesen.97) A csontváz 40–45 éves férfié lehetett. Itt is
megtaláljuk az Aurignac-fajtára jellemző rendkívül hosszú
koponyatetőt. A homlok már meredekebben áll, de még alacsony; a
szemgödrök fölött nincs már olyan erősen kiemelkedő eresz, mint a
neandervölgyi emberen, csak mérsékelt kiemelkedés. Az arc
keskeny, hosszú, a szemgödrök már nem kerekek, hanem inkább
négyszögletesek. A fogak és a száj tájéka mérsékelt prognathiát
mutat. A fej legalacsonyabbrendű típusú része az állkapocs, mely
zömök, durva alakjával még a neandervölgyi fajta állkapcsára
emlékeztet, de az állcsúcs már nem húzódik visszafelé, mint azon.
Igaz, hogy nem is ugrik előre, mint a mai emberen, hanem
függőlegesen esik le, vagyis Klaatsch elnevezése szerint közömbös.
E szerző szerint e koponya típusa a mai ausztráliai őslakóéhoz
hasonlít.
Az Aurignac-fajtához kell soroznunk azt a gyermeket is,
amelynek csontjait 1909 nyarán hozta felszínre Hillebrand Jenő98) a
borsodmegyei répáshutai Balla-barlangból.
Grimaldi-rassz. A csak két példányból ismert Grimaldi-rassz
közel áll Afrika északi részének mai negroid
lakosságához. Nem lehetetlen, hogy onnan vándorolt be az a férfi s
az a nő, akinek a csontvázát a Menton melletti barlangok egyikének
(Grotte des enfants) fenékrétegéből ásták ki.
Crô-magnoni ember. Még kevésbé rí ki a mai emberiség
formaköréből a diluvium utolsó szakaszának
ú. n. cromagnoni embere, ez a hatalmas termetű, zord
rénszarvasvadász, aki nemcsak kőből, de már állatcsontból és
agancsokból is nagyon formás eszközöket tudott faragni s aki Dél-
Franciaországban és Észak-Spanyolországban már mint festő- és
képfaragóművész is tanújelét adta kulturára való
rátermettségének.99) Ennek a Magdalénien-korbeli embernek
barlangi festményeit és a sziklákra vésett domborműveit ma is
csodálattal szemléljük.100)
A crô-magnoni ember egységes, jól jellegzett rassz, minden
sarjában egyforma tulajdonságokkal, úgy a koponya, mint a testalkat
tekintetében. Leginkább Nyugat-Európában volt elterjedve.
Középmagas vagy magas ember volt, rövid, széles arccal, erős
állkapoccsal, jól fejlődött szemgödör feletti kiemelkedésekkel,
melyek arcának talán némi vad kifejezést adtak, de emellett szép,
magas homloka volt. Prognathia itt már nincs jelen, ami nagy
különbség az Aurignac-emberhez képest. Az állcsúcs is már a mai
típushoz hasonló. A koponyája ennek is hosszú volt.
Keith101) szerint ez a durva arcvonású ősi népfaj olyanféle

lehetett, mint azok a népek, amelyek mai nap a Himalaya északi és
déli lejtőit lakják. Mások inkább a mai eszkimókban találják meg a
crô-magnoni ember mását. Bár Ranke102) szerint elvétve akad
Közép-Európa mai lakossága közt is ilyenforma koponyaalakú
egyén, mégis mondhatjuk, hogy Európában ilyen durva típusú nép
ma már egy sincs többé. De igenis él Európán kívüli földrészeken s
így a crômagnoni ember mint az emberiség egy ősi fejlődési alakja
nem vehető számba.
Furfooz-rassz. A jégkorszak legvégső szakaszában,
helyesebben már az átmeneti időszakban az utána
következő holocénhoz (a «geologiai jelenkor»-hoz) találkozunk első
képviselőivel az Európa mostani lakosságában oly nagy szerepet
vivő rövidfejű, brachykephal emberfajtának. Az első lelet helye után
(E. Dupont találta az első ilyen koponyát 1867-ben Belgiumban, a
Lesse völgyében) Furfooz-rasznak nevezik ezt az emberfajt, mások
Grenelle-rasznak, egy Párizs melletti lelet után. Igen érdekesek R.
R. Schmidt újabb leletei (1908) a bajor-württembergi határ
közelében, bajor területen fekvő Ofnet-barlangból. 33 koponyát talált
itt a fáradhatatlan barlangbuvár 0,85 m. mélyen a felszín alatt, a
palaeolith- és neolith-kor, vagyis a pleisztocén és holocén határát
jelző Azilien-kulturafok kőeszközeivel. Valamennyi koponya arccal
nyugat felé fordult helyzetben feküdt; itt sajátszerű temetési kultusz,
ú. n. részleges temetés esete forog fenn. A koponyák egy része még
a régibb, dolichokephal alakot mutatja, nagyobb része azonban már
az újabb, e korban felmerülő brachykephal idomot. A Furfooz-
fajtához tartozik az a híres koponya is, melyet Hantken Miksa ásott
ki a löszből 1872-ben Nagysápon, Győrmegyében s mely a
budapesti egyetem anthropologiai intézetében van.
Az emberi fejlődés S ezzel végigtekintettünk az ember
eredménye. eredésére vonatkozó legfontosabb
palaeontologiai leleteken. Azt kell
mondanunk, hogy bármily érdekesek is az edigi leletek, távolról sem
elegendők még arra, hogy ezeknek alapján megrajzolhatnók az
ember igazi törzsfáját, sőt hogy megmondhatnók: milyenek voltak a
mai emberi fajt közvetlenül megelőző alakok. De a viszonyok
tárgyilagos és higgadt megítélése mellett mégis egy dolog
szükségkép megragadja figyelmünket, nevezetesen, hogy a
harmadkor végén s a pleisztocén elején és közepén a mainál
sokkalta kezdetlegesebb emberiség élt e földön, olyan emberfajta,
mely különösen a gondolkodás szervét magába rejtő koponya
alakulásában jóval közelebb állt az állati formához, különösen pedig
az emberszabású majmok típusához, mint a mai ember. Nevezzük
ezeket az ősalakokat külön emberszerű (hominid-) fajnak vagy a mai
Homo sapiens kissé durvább válfajának, egyre megy; fődolog maga
az a tény, hogy visszalapozva a Föld történetének korábbi
fejezeteire, egy kezdetlegesebb emberalak maradványai kerülnek
szemünk elé. S ez mégis csak nagyon meggyőzően szól amellett,
hogy az ember is alá van rendelve a fajfejlődés
törvényszerűségének, hogy az ő szervezete is egy az idők
végtelenségébe visszanyúló evoluciós láncolat végső szeme.
Az emberiség jövője. De valóban végpontja-e e fejlődésnek az
ember mai állapota olyan értelemben, hogy
ezen a fokon túl már fejlődés nem képzelhető, nem várható? Ime
szinte észrevétlenül eljutottunk az emberiség jövőjének nagy
kérdéséhez. Fog-e még szervezetében változni, agyvelejében
gyarapodni, értelmi tehetségeinek mélységében és határaiban
tökéletesedni az ember? Már a diluvium végső szakasza óta,
legalább valami 50,000 éve, nevezetesebb, törzsfejlődéstanilag
számbavehető változást rajta, legalább is a csontvázán, nem
észlelünk. Már Huxley during type-nak, azaz változhatatlan alaknak
nevezte az embert s különösen Darwin vetélytársa, Wallace volt az,
aki 1864-ben kifejtette, hogy az emberi nem szervezetbeli
fejlődésében már holt pontra érkezett, mert szellemi tulajdonságai
arra képesítik őt, hogy szervezetének további változásai nélkül is
harmóniában tudjon maradni a külvilággal s annak változó
körülményeivel. Mintha csakugyan zsákutcába került volna ez a
fajta: immár csak a kultura változik és fejlődik ő mellette, mint valami
önálló lény, a fejlődésnek önálló törvényeivel. Az ember mindig
egyformán megismétlődő tudatlanságban, ősi, elemi állapotban
születik bele ebbe a bonyolult kulturába, évezredek munkájának
ebbe a felhalmozott és örökösen gyarapodó eredményébe. Rövidke
életében – ki kisebb, ki nagyobb mértékben – részesévé lesz ennek
a kulturának s talán maga is hozzájárul valamivel a gyarapításához.
De véleményem szerint elhamarkodott dolog volna az embernek
ebből a sok évezred óta fennálló látszólagos fizikai
változatlanságából arra következtetnünk, hogy ez a lény csakugyan
mindörökre képtelenné lett a továbbfejlődésre. Lehet, hogy ez a
fejlődés végtelenül lassú, szinte észrevehetetlen, még legcsekélyebb
mozzanataiban is a diluvium vége óta elteltnél hosszabb időt
igénylő. S ha a diluvium óta az ember nem változott, ez még mindig
nem zárja ki azt, hogy a hosszú tespedés után ismét fejlődésnek
indulhat.
Automatikus Ha azt a fentebb kifejtett nézetet valljuk,
fejlődés. hogy a szerves lények fajfejlődését
elsősorban magához az élő anyaghoz
fűződő automatikus erők szabják meg, hogy az élőlények
önmagukban rejlő fejlődéstörvények alapján önként és
szükségszerűen haladnak előre a tökéletesbülés útján, ép olyan
módon, mint ahogy az embrió halad előre a maga kialakulásában:
akkor nincs okunk arra a föltevésre, hogy az emberi szervezet immár
végleg megállapodott, hogy nem haladhat többé tovább a
fejlődésében. Az emelkedés eddigi irányából arra kell
következtetnünk, hogy a még bekövetkezendő haladás az emberi
nemet az értelemnek az eddiginél magasabb színvonala felé vezeti,
egyes csökevényes szervek végleges eltünése mellett.
A természetes Azok a tényezők, amelyek Lamarck és
szelekció többé nem Darwin rendszerében mint a fajok
szerepelhet. formálódásának egyedüli okai és irányító
erői szerepelnek, most már nem fejthetnek
ki lényegesebb hatást az emberre. A létért való küzdésnek alig lehet
ma már az emberi szervezetre átalakító hatást tulajdonítani.
Közbejött valami, ami a természet vak erőinek az embert átformáló
hatalmát megtörte, hatását ellensúlyozza, jelesen az emberi kultura,
s mennél haladottabb a kultura, annál inkább szorul háttérbe a
természetes kiválogatódás szerepe az ember fizikai átalakításában.
Valaha az izmos, erős ember nagy előnyben volt a gyönge, a vézna
fölött: legyőzte, megölte, kipusztította őt. Ma a nagy testi erőnek sem
a békés munka versengésében, sem a háború küzdelmeiben döntő
fontossága nincs: a produktiv munkában a gépek, a háborúban az
öldöklő géppuskák és ágyúk vetettek véget a jelentőségének. Találó
példát hoz fel Weismann ugyanennek a bizonyítására. A közellátó
vagy messzelátó ember azelőtt ki volt szolgáltatva élesszemű
ellenfeleinek s a vadászatban is gyámoltalanabb volt, mint jól látó
társai, miért is hamarább pusztult el, könnyebben halt meg éhen,
mint amazok. Ma a szem fénytörésbeli rendellenességeit teljesen
kijavíthatjuk szemüvegeinkkel s az élet küzdelmeiben már szinte
teljesen közömbös, hogy valaki rendes szemű, közellátó vagy
messzelátó-e. S áll ez többé-kevésbé az embernek valamennyi
fizikai tulajdonságára nézve.
A Darwin-féle ivari kiválás szintén kezdi mindinkább elveszteni
tenyésztő szereplését az emberi nem körében, mert azt látjuk, hogy
a házasulandó férfiak és nők már nem annyira a szépségre és más
fizikai tulajdonságokra néznek, mint inkább a lelki tulajdonságokra,
de leginkább az anyagiakat szemmel tartva választják meg
élettársukat. Általában véve a testi és szellemi tulajdonságok
tekintetében kevésbé kiváló férfi is talál feleséget s nem a legszebb
és legtökéletesebb emberek a legszaporábbak.
S végül a Lamarck-féle elv, vagyis a környezet és az életmód
hatása sem vehető ma olyan fokban számba az emberi nem
átalakítása tekintetében, mint annakelőtte, mert az ember ma már
nagyon tökéletes eszközökkel védekezhetik a külső hatások ellen, s
bármennyire változnak is a külső tényezők, egyforma életmódot
folytathat. A hidegtől ma már nem félünk annyira, mint ahogy
félhetett tőle a szabadban tanyázó vagy barlanglakó ősember, mert
tüzelőszereinkkel, kályháinkkal, meleg lakásainkkal, ruházatunkkal
bátran szembeszállunk vele s még attól se kellene nagyon
tartanunk, ha csakugyan egy újabb jégkorszak következnék be, mint
azt azok hiszik, akiknek nézete szerint még mindig a jégkorszakban
élünk, még pedig annak egy interglaciális szakaszában.
A tapasztalás azt látszik mutatni, hogy manapság a létért való
küzdelemben a legjobb fegyver az eszélyesség, a vállalkozó és
üzleti szellem, a szorgalom, szívós kitartás, takarékosság és hasonló
lelki tulajdonságok.
De a dolog még sem olyan egyszerű, hogy épen csak ezek a
tulajdonságok szabnák meg a természetes kiválogatódás
eszközével a faj továbbfejlődésének irányát. Csak egy dolgot
említek: közismert tény, hogy épen a legintelligensebb körök s a
legokosabb, legszámítóbb, leggazdaságosabb emberek óvakodnak
leginkább fajuk korlátlan szaporításától, náluk van leginkább
elterjedve az «egyke» és «semmike» rendszer, s épen a naiv,
kevésbé okos és művelt házaspárok járulnak hozzá minden
megszorítás nélkül az emberi nem számának növeléséhez. S e
«szaporodási kiválás»-nak (Schallmayer103)) hasonló szereplését
látjuk a kulturában előhaladott és kevésbé művelt népek
összehasonlításakor: a haladott francia nép már szinte kihalófélben
van a születések folytonos csökkenése miatt: 1910-ben 1000
emberre Oroszországban 43·9, Magyarországon 35·7.
Németországban 29·8 gyermek született, de Franciaországban már
csak 19·6. A születések számának e folytonos csökkenése úgy
látszik a kultura haladásától elválaszthatatlan tünemény. Az agyvelő
a maga óriási fejlődésével és ravaszságával mintha úgy viselkednék,
mint az állatországban egyes differenciálódásoknak mértéken túl
való kifejlődése: gátat vet a fajta további fejlődésének s
kipusztulásának lesz szülő okává.
Eugénika. De az emberi nem fejlődésének egy új irányító
tényezője jelenik meg felkelő napként a jövő
szemhatárán: a mesterséges szelekció eszméje. Egy nagy gondolat,
egy hatalmas szellemi mozgalom indult Angliából diadalútjára s
máris bűvös körébe vonta az egész világ gondolkozó főit, a közjóért
lelkesülők sziveit: az eugenika eszméje. Ami Darwin neve az emberi
nem multjának kérdésében, az Francis Galtoné, az eugenika apjáé
az emberiség jövő fejlődésének gondolatában. Míg eddig az ember
haladását csak a természet vak erői: szervezetének veleszületett
fejlődési törvényei és külső véletlen hatások irányították, most egy
más tényező kezdi kifejteni erre hatását: az emberi értelem, az
emberi tudás, az emberi akarat. A létének tudatára ébredt ember a
tudomány módszereivel kutatja s állapítja meg az emberi nem
boldogulásának és további fajbeli haladásának feltételeit s kezébe
vette saját fajtája testi és lelki tökéletesítésének és nemesítésének
ügyét.104) Ennek a mozgalomnak alapja az emberi szolidaritás
érzése s az emberiség távoleső jövőjére, későbbi nemzedékek
jólétére kiterjedő gondoskodás. Az ösztönszerű állati életből emberi
méltóságának tudatára eszmélt ember érzi, hogy tagja egy nagy
társadalmi közösségnek s hogy e közösséggel szemben
kötelezettségei vannak nemcsak a jelenre, de a jövőre kihatólag is.
Mint ahogy a művelődés növekedésével az egyén cselekvése indító
okai közé mindinkább fölveszi a pillanat szükségletein túl, a jövőre
irányuló gondoskodást, ép úgy az egész emberiség is a kultura
haladásával feladatává teszi a távoli időkbe nyúló, az emberiség
jövőjét szolgáló eszmények megvalósítását. Mert nagy célokat
rövidesen elérni, hamarosan tető alá hozni nem lehet, arra idő kell,
sok nemzedéknek folytatólagos, serény munkája. A vad ősember
néhány óra alatt összetákolta nyomorúságos kunyhóját; a
középkorban már óriási dómok emelkedtek évszázadok váltakozó
nemzedékeinek verejtékes munkájával. Az emberiség jövő fejlődése
már nem is annyira a természettudomány, mint inkább a szociológia
dolga. Az emberi kultura története a győzelmek sorából áll, amiket
az emberi értelem a természeten s annak vak erőin aratott.
Legfényesebb győzelme lesz, ha majdan sikerül az emberi nemet
céltudatosan a fejlődés egy magasabb foka, s ezzel egy szebb jövő
felé irányítani a selejtes, degenerált elemek visszaszorítása s a faj
szaporításából való kizárása, a magasabbrendű, értékesebb emberi
egyéniségek tenyésztő pártolása, s az egészséges továbbfejlődés
minden feltételének célirányos előmozdítása által. Ez lesz az emberi
értelem legnagyobb győzelme a természet fölött, a tudománynak
legfényesebb gyakorlati eredménye s legnagyszerűbb bizonysága
annak, hogy a tudomány hatalom.
Lábjegyzetek.
1) Huxley, Th. H., Evidence as to man’s place in nature. London,
1863.
2) Darwin, Ch., On the origin of species by means of natural
selection, 1859. Magyarul: A fajok eredete a természeti kiválás
útján. A 3. kiadás után fordította Dapsy L., Budapest, 1873.
3) Az ember eredéséről szólóéban. Hasonlóképen nyilatkozik
Darwin már első nagy műve megjelenése előtt, 1857 december
22-én Wallace-hoz írt levelében. «You ask wether I shall discuss
«man». I think I shall avoid the whole subject, as so surrounded
with prejudices; though I fully admit that it is the highest and most
interesting problem for the naturalist». Lásd Fr. Darwin, Life and
letters of Ch. Darwin. London, 1887., II. k. 109. lap.
4) Darwin, Ch., The descent of man, 1871. Magyarul: Az ember
származása és az ivari kiválás. A 2. kiadásból fordították Török
Aurél és Entz Géza, Budapest, 1884.
5) «The question of questions, the problem which underlies all
others.»
6) Dubois-Reymond E., Ueber die Grenzen des Naturerkennens
und die sieben Welträtsel. Leipzig, 1891.
7) Weismann A., Vorträge über Deszendenztheorie. 2. kiad., II.
köt., Jena, 1904, 331. lap.
8) Selenka E., Die Gleichartigkeit der Embryonalformen bei
Primaten. Biolog. Centralblatt, XXI., 1901, 484. lap.
9) Már Ennius, Cicero kedves költője, énekelte, hogy: Simia quam
similis turpissima bestia nobis. (Mennyire hasonlít hozzánk a
majom, ez a förtelmes állat.)
10) Bolk L., Beiträge zur Affenanatomie; Zeitschrift für
Morphologie, 1910, 242. lap.
11) Friedenthal H., Über einen experimentellen Nachweis von
Blutsverwandtschaft; Archiv f. Anat. u. Physiol., 1900 és 1905.
12) Uhlenhuth P., Ein neuer biologischer Beweis für die
Blutsverwandtschaft zwischen Menschen- und Affengeschlecht;
Archiv f. Rassen- und Gesellschaftsbiologie, 1904.
13) Nuttall G. H. F., Blood immunity and blood relationship.
Cambridge University Press 1904.
14) Retzius G. legújabb vizsgálatai szerint (Anat. Anzeiger, 1913,
577. lap) az ember és a gorilla hímcsirasejtjei között úgyszólván
nincs különbség; a csimpánzéi már valamennyire eltérnek az
emberéitől s még inkább az orangutánéi és a gibbonéi.
15) Friedenthal H., Die Stellung des Menschen im zoologischen
System; Zeitschrift f. Ethnologie, 42. évf., 1910., 989. lap.
16) Már Buffon mondja az orangról: «Il diffère moins de l’homme
pour le corps qu’il ne diffère des autres animaux auxquels on a
donné le nom des singes.»
17) Kiefl F. X., Charles Darwin und die Theologie. Rektoratsrede.
Würzburg, 1909.
18) Méhely Lajos, Megdőlt-e a származástan?
Természettudományi Közlöny, Pótfüzetek, 1912.
19) Obermeier H., Der Mensch aller Zeiten, I. köt., 1912, 366. lap.
20) Regressivnek egy szervet vagy testrészt akkor nevezünk, ha
már satnya ugyan, de még némi működés füződik hozzá,
csenevésznek (rudimentariusnak), ha már semmi működése
sincs.
21) Tüzetes ismertetésüket Wiedersheim R. híres munkájában
találjuk: Der Bau des Menschen als Zeugnis für seine
Vergangenheit. 4. kiad., Tübingen, 1908. – Magyar nyelven
Mihálkovics Géza írt róluk ismertetést «A csenevész szervek
jelentősége az emberre» címen a Természettudományi Közlöny
1897. évfolyamában (281. lap.).
22) Nagyon sok emlős állat el tudja zárni a fülnyílását, különösen
a vízben élő és földet túró állatok; van olyan emlős is, mely a téli
álom idejére elzárja a fülnyílását, hogy a hangok ne zavarják az
álmát. Lásd erről: Henneberg, B. Ueber die Bedeutung d.
Ohrmuschel. Anatomische Hefte, 40, 1910, 97. lap.
23) Schwalbe E., Die Morphologie der Missbildungen des
Menschen und der Tiere. I. Teil, Allg. Missbildungslehre. Jena,
1906., 105. lap. – Bluntschli H., Über die individuelle Variation im
menschlichen Körperbau und ihre Beziehungen zur
Stammesgeschichte. Leipzig, 1910.
24) Pontosabban: csak az ú. n. két vagy több petéjű ikreket, mert
az egypetéjű ikrek nem ez alá a szempont alá esnek, hanem
torzképződmények. A lovakon a többes szülések ritkábban
észlelhetők, mint az embereken (1:400 arányban az egyes
szülésekhez képest), a teheneken 1:80 arányban, tehát körülbelül
olyan számban, mint az emberen.
25) Klaatsch H., Die Stellung des Menschen im Naturganzen. In:
Die Abstammungslehre. Zwölf gemeinverständliche Vorträge.
Jena, 1911., 322. lap.
26) Lásd Ephraim, Berliner klinische Wochenschrift, 50. évf.,
1913., 700. lap.
27) M. Hoernes, Natur- und Urgeschichte des Menschen. I. Band.
Wien u. Leipzig, 1901, 141. lap.
28) Morris, Ch.. From brute to man. American Naturalist, 14. k.
1890, 341. lap.
29) Méhely Lajos után idézve. (A származástan mai állása.
Állattani közlemények, 4. kötet, 1905 84. lap.)
30) Ezekre a Chirotherium-nyomokra először Közép-
Németországban a mult század 30-as éveiben lettek figyelmessé;
a legfontosabb leleteket Thüringia szolgáltatta. Később
máshonnan is kerültek elő hasonló kéz- és lábnyomok, Angliából
és Európán kívüli területekről. Ezek a leletek mind triász-
korbeliek; e korban a Chirotheriumok az egész világon el voltak
terjedve, de semmiféle csontlelet sem ismeretes, amely reájuk
volna vonatkoztatható. Kéz- és lábnyomaikból azonban biztosan
következtethetjük, hogy végtagjaik alaptipusa tekintetében az
emlősállatokhoz közel állottak. Még inkább közelítik meg az
emlőstípust a legújabban talált «taubachi nyomok», melyeket
különösen dr. Pabst, a gothai természetrajzi múzeum igazgatója
ismertetett. E nyomok még régibb időre utalnak vissza, mint az

Discrete Mathematics and Graph Theory: A Concise Study Companion and Guide (Undergraduate Topics in Computer Science) K. Erciyes

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

Discrete Mathematics and Graph Theory: A Concise Study Companion and Guide (Undergraduate Topics in Computer Science) K. Erciyes

Uploaded by

Copyright:

Available Formats

Discrete Mathematics and Graph

Theory: A Concise Study Companion

Algebraic Graph Algorithms A Practical Guide Using

Discrete Mathematics with Graph Theory 1st Edition

Ethical and Secure Computing A Concise Module

Guide to Discrete Mathematics An Accessible

Making Images with Mathematics (Undergraduate Topics in

Mathematics for Computer Graphics (Undergraduate Topics

Connecting Discrete Mathematics and Computer Science

Topics in Graph Theory 1st Edition Jonathan L. Gross

More information about this series at http://www.springer.com/series/7592

ISSN 1863-7310 ISSN 2197-1781 (electronic)

Discrete Mathematics is a branch of mathematics that studies structures which take

Üsküdar, Turkey K. Erciyes

Part I Fundamentals of Discrete Mathematics

5.1.3 Union and Intersection of Relations . . . . . . . . . . . . . . 86

7.5 Congruence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139

10 Introduction to the Theory of Computation . . . . . . . . . . . . . . . . . . 197

Part II Graph Theory

11.8 Connectivity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234

14 Connectivity, Network Flows and Shortest Paths . . . . . . . . . . . . . . 287

Pseudocode Conventions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329

1.1 Propositional Logic

A proposition or a statement is a declaration that is either correct or incorrect. Some

1. A prime number cannot be factorized.

© Springer Nature Switzerland AG 2021 3

Table 1.1 Truth table for negation

However, a statement such as “How old are you?” is not a proposition as we

1.1.1 Compound Propositions

Table 1.2 Truth table for conjunction

Table 1.3 Truth table for disjunction

Table 1.4 Truth table for exclusive or

1.1.2 Conditional Statements

The conditional statement or an implication, p → q, is read as “if p then q” and is

Table 1.5 Truth table for p → q

• “ p is (a) sufficient (condition) for q”

Definition 1.1 Given a conditional statement r of the form p → q,

1.1.3 Biconditional Statements

In some cases, we require the premise p to be both a necessary and a sufficient

Table 1.7 Truth table for p ↔ q

1.1.4 Tautologies and Contradictions

Table 1.8 Truth table for a tautology

Table 1.9 Truth table for a contradiction

Table 1.10 Truth table for ( p → ¬q) ∨ (¬r → p)

Table 1.11 Truth table for (¬ p ∧ q) ∧ ( p ∨ ¬q)

Example 1.1.3 Show that ( p → ¬q) ∨ (¬r → p) is a tautology.

Example 1.1.4 Find whether (¬ p ∧ q) ∧ ( p ∨ ¬q) is a contradiction.

Example 1.1.5 Show that p → q ≡ ¬ p ∨ q and ¬( p → q) ≡ p ∧ ¬q

Table 1.12 Truth table of the equivalence of a biconditional

Table 1.13 Truth table for Example 1.1.5

Table 1.14 Truth table for Example 1.1.6

Table 1.15 Truth table for Example 1.1.7

Example 1.1.6 Let us check whether ¬( p ∧ q) ↔ ¬ p ∨ ¬q is a tautology. We form

Example 1.1.7 Let us show that ¬( p ∨ q) ↔ ¬ p ∧ ¬q is a tautology. The truth

Example 1.1.8 Show that p ⊕ q ≡ ( p ∨ q) ∧ ¬( p ∧ q).

Table 1.16 Truth table for Example 1.1.8

1.1.6 Laws of Logic

Logical Equivalence Laws

We now have a second method to show the equivalence of two propositions. We

Example 1.1.9 We want to show that ¬( p ∨ q) ∨ (¬ p ∧ q) ≡ ¬ p. Let us use the

Example 1.1.10 We want to show that p ∧ (¬ p ∨ q) ≡ p ∧ q. Using the laws for

Example 1.1.11 Let us prove the equivalence:

Example 1.1.12 Prove that ( p ∧ q) → p is a tautology.