• 图论基础学习笔记



    这里主要是我自己的一些笔记,帮助我自己快速记忆所用,可能没有定义这么完美。

    1.简单图

    简单图:无环无平行边的图。下图:左环右平行边
    在这里插入图片描述
    平凡图: G = ( 1 , 0 ) G=(1,0) G=(1,0)
    零图: G = ( p , 0 ) G=(p,0) G=(p,0)
    边数: e ≤ C n 2 e\leq C_n^2 eCn2

    2.简单图的补图

    补图:对于 G = ( V , E ) G=(V,E) G=(V,E),有 E 1 = { u v ∣ u ≠ v 且 u , v ∈ V } E_1=\{uv|u \neq v 且 u,v\in V\} E1={uvu=vu,vV},则 G G G 的补图为:
    G ‾ = H = ( V , E 1 \ E ) \overline{G}=H=(V,E_1 \backslash E ) G=H=(V,E1\E) 注意:
    1、简单图才有补图;
    2、 n n n 阶简单图与其补图的顶点集是相同的;
    3、 n n n 阶简单图任意一对顶点邻接(有边)的充要条件是这对顶点在补图中不邻接;
    4、 n n n 阶简单图与其补图的边数之和等于完全图 K n K_n Kn 的边数。

    3.图的同构

    G = ( V , E ) , H = ( U , F ) , ∣ V ∣ = ∣ U ∣ G=(V,E),\quad H=(U,F),\quad |V|=|U| G=(V,E),H=(U,F)V=U 若 ∃ φ : V → U ( φ 是 双 射 ) 若 \exists \quad \varphi:V\rightarrow U\quad(\varphi是双射) φ:VU(φ) 且 v 1 v 2 ∈ E ⇔ φ ( v 1 ) φ ( v 2 ) ∈ F 且\quad v_1v_2 \in E\Leftrightarrow\varphi(v_1)\varphi(v_2)\in F v1v2Eφ(v1)φ(v2)F 则称 G G G H H H 同构 ,记为 G ≅ H G\cong H GH(即给 V V V 中的顶点重新命名得到新的集合 U U U)。例如下图中,第一行的两个图是相等的,只是画法不同;在第二行,左图选出两个不同颜色的点交换位置,得到右图,则左图和右图为同构。
    在这里插入图片描述

    4.完全图

    完全图:是一个简单图,图中任意一个顶点都与其他顶点有且只有一条边连接。 n n n 个顶点的完全图用 K n K_n Kn 表示,称为 n n n 阶完全图。例如:
    在这里插入图片描述
    从左往右依次为:1至5阶完全图,即为 K 1 , K 2 , K 3 , K 4 , K 5 K_1,K_2,K_3,K_4,K_5 K1,K2,K3,K4,K5 ,完全图的边数为 C n 2 = n ( n − 1 ) 2 C_n^2=\frac{n(n-1)}{2} Cn2=2n(n1)

    5.偶图

    偶图:在一个图 G = ( V , E ) G=(V,E) G=(V,E) 中,顶点集 V V V 可分解为两个非空子集 X X X Y Y Y,且边的两个顶点分别属于 X X X Y Y Y (两个顶点不在同一个子集中),且属于同一子集的顶点不邻接,也没有环。偶图可以有平行边。如下图:
    在这里插入图片描述
    现实生活中的例子有很多,比如:老师和课程,一个老师可以教多个课程,一个课程可以有多个老师来教。

    6.完全偶图

    完全偶图:首先是简单偶图(简单图+偶图),其次 X X X 中的每个顶点都与 Y Y Y 中每个顶点相连。 ∣ X ∣ = n |X|=n X=n ∣ Y ∣ = m |Y|=m Y=m,则完全偶图记为 K n , m K_{n,m} Kn,m,边数为 n m nm nm;如下完全偶图 K 3 , 3 K_{3,3} K3,3,顶点分为两部分,蓝色集和红色集,每一个蓝色顶点都与全部红色的顶点邻接,且相同颜色的顶点不邻接。
    在这里插入图片描述

    7. k k k-正则图

    k k k-正则图:设 G = ( V , E ) G=(V,E) G=(V,E) 为简单图,若 ∀ v ∈ V \forall v\in V vV,有 d ( v ) = k d(v)=k d(v)=k(顶点度数都为 k k k,环算2度),则 G G G k k k-正则图。
    在这里插入图片描述

    8.途径-迹-路

    途径: G = ( V , E ) G=(V,E) G=(V,E) 中的一个有限非空序列 w = v 0 e 1 v 1 e 2 v 2 ⋯ e n v n w=v_0e_1v_1e_2v_2\cdots e_nv_n w=v0e1v1e2v2envn,顶点和边交替出现;途径中边数为途径的长度, v 0 v_0 v0 v n v_n vn 分别为途径的起点与终点,其余顶点为途径的内部点。
    迹: 不包含重复边的途径,可以有重复顶点。
    路: 不包含重复顶点的途径(一定是迹)。
    注: 起点和终点重合的途径、迹、路分别称为图的闭途径、闭迹、圈,闭迹也称为回路。长度为 k k k 的圈称为 k k k 圈, k k k 为奇数时称为奇圈, k k k 为偶数时称为偶圈。

    9.邻接矩阵

    邻接矩阵:表示图中各顶点之间的关系,若邻接则为1,反之为0。如下图:
    在这里插入图片描述
    邻接矩阵为: [ 0 1 1 1 1 0 1 1 1 1 0 0 1 1 0 1 ]

    [0111101111001101]" role="presentation">[0111101111001101]
    0111101111001101

    10.关联矩阵

    关联矩阵:表示图中顶点与边之间的关系,通过关联次数来表示,0,1,2(环)。如下图:
    在这里插入图片描述
    关联矩阵为: [ 1 0 0 1 1 0 1 1 1 0 0 0 0 1 0 1 0 0 0 0 1 0 1 2 ]

    [100110111000010100001012]" role="presentation">[100110111000010100001012]
    110001100101101010010002 每列相加的和为2(因为一条边关联两个顶点);每行和是对应顶点度数。

    11.匹配

    匹配:如果 F F F 是图 G = ( V , E ) G=(V,E) G=(V,E) 的边子集(不含环),且 F F F 中任意两条边没有共同顶点,则称 F F F G G G 的一个匹配或对集或边独立集。匹配是关于边的。如果图 G G G 中的顶点是 F F F 中某条边的端点,则称为 F F F 饱和点,反之为 F F F 非饱和点。

    最大匹配: F F F 是图 G G G包含边数最多的匹配。

    完美匹配:最大匹配包含了图 G G G 中的所有顶点

    注意:这些匹配都不一定唯一。

  • 相关阅读:
    原型模式(创建型)
    maven-jar-plugin maven打包插件笔记
    赛况激烈!2022 OceanBase数据库大赛50强诞生
    Git将本地仓库上传到github
    Qt 事件循环
    初学者入门机器学习 (ML)的推荐教程
    Redis总结(一)
    【数据结构与算法】链表
    SpringSecurity详解
    MyBioSource抗体:Rabbit eIF2alpha 多克隆抗体方案
  • 原文地址:https://blog.csdn.net/ymengm/article/details/128053421