离散数学—图论(12.8版)
自考离散数学课件
离散概率论在统计学中的应用
离散概率论在统计学中用于描述和分 析离散随机事件。例如,在调查研究 时,离散概率论可以用于估计样本大 小、计算抽样误差和置信区间等。
自考离散数学课件
目录
CONTENTS
• 离散数学简介 • 集合论基础 • 图论基础 • 离散概率论基础 • 组合数学基础 • 离散概率论的应用
01 离散数学简介
离散数学的起源和定义
起源
离散数学起源于17世纪欧洲的数学 研究,最初是为了解决当时的一些实 际问题而发展起来的。
定义
离散数学是研究离散对象(如集合、 图、树等)的数学分支,它不涉及连 续的量或函数,而是专注于研究离散 结构及其性质。
离散概率论在统计学中还用于构建和 检验离散随机变量的统计模型。这些 模型可以帮助我们理解和预测离散随 机变量的分布和性质。
离散概率论在决策理论中的应用
离散概率论在决策理论中用于评估不 确定环境下的决策效果。通过离散概 率模型,可以计算期望效用和期望收 益,从而帮助决策者做出最优决策。
离散概率论在决策理论中还用于风险 评估和管理。通过离散概率模型,可 以评估风险的大小和性质,并制定相 应的风险管理策略。
集合的运算和性质
总结词
集合的运算包括并集、交集、差集等,这些运算具有一些重要的性质,如交换律、结合律等。
详细描述
集合的运算包括并集、交集、差集等,这些运算具有一些重要的性质,如交换律、结合律等。交换律指的是集合 的并集和交集运算满足交换性;结合律指的是集合的并集和交集运算满足结合性。这些性质在离散数学的后续内 容中有着广泛的应用。
离散数学图论基础知识文稿演示
图的定义
定义8.1 一个图是一个序偶<V,E>,记为 G=<V,E>,其中: 1) V={v1,v2,v3,…,vn}是一个有限的非空集合,
vi(i=1,2,3,…,n)称为结点,简称点,V为结 点集; 2) E={e1,e2,e3,…,em}是一个有限的集合, ei(i=1,2,,…,m)称为边,E为边集,E中的 每个元素都有V中的结点对与之对应。即对任 意e∈E,都有e与<u,v>∈VV或者(u,v)∈ V&V相对应。
图论
▪ 一个图就是一个离散的拓扑结构,经常用于描 述和研究许多领域中的各种问题。
▪ 随着计算机科学的飞速发展,图论组合和算法 的研究在近代也成为计算机科学和数学中发 展最快的基础学科之一,也受到国际上的学术 界和高新技术企业方面特别重视。
图论
▪ 理论计算机科学中的算法理论经典问题(图中点对之 间最短路,货郎担问题,图重抅问题,HAMILTON 问 题,P-NP问题等),通信网络通讯(网络设计, 通讯速度 和容量, 网络可靠性和容错性等) ;
图论本身是应用数学的一部份,因此,历史上图论曾经 被好多位数学家各自独立地建立过。关于图论的文字 记载最早出现在欧拉1736年的论着中,他所考虑的原 始问题有很强的实际背景
图论
图论起源于著名的哥尼斯堡七桥 问题。
欧拉证明了这个问题没有解,并 且推广了这个问题,给出了对于 一个给定的图可以某种方式走遍 的判定法则。 这项工作使欧拉成为图论〔及拓 扑学〕的创始人。
1976年,美国数学家阿佩尔与哈肯在美国伊利诺斯大学 的两台不同的电子计算机上,用了1200个小时,作了 100亿判断,终于完成了四色定理的证明。
不过不少数学家并不满足于计算机取得的成就,他们认 为应该有一种简捷明快的书面证明方法。
离散数学——图论
提示:反证法。
设有两个连通分支,这两个分支至多是完 全图。由此得到图中点与边之间的数量关系。
§8.3欧拉图
欧拉图产生的背景就是前面的七桥问题。
定义:图G的回路,若它通过G中的每条边一 次,这样的回路称为欧拉回路。具有欧拉回 路的图称为欧拉图。
定义欧拉通路:通过图G中每条边一次的通 路(非回路)称为欧拉通路。
基本通路:通路中没有重复的点。
简单回路和基本回路。
基本通路一定是简单通路,但反之简单通路 不一定是基本通路。基本回路必是简单回路。
定理:一个有向(n,m)图中任何基本通路长 度≤n-1。任何基本回路的长度≤n。 任一通路中如果删去所有回路,必得基本通 路。 任一回路中如删去其中间的所有回路,必得 基本回路。
例1:教材121页。
结点次数
引出次数:有向图中以结点v为起点的边的条数称为 v的引出次数,记 deg(v) 引入次数:有向图中以结点v为终点的边的条数称为 v的引出次数,记 deg(v)
结点次数:有向图中引出次数和引入次数之和称为 结点次数;无向图中与结点v相关联的边的条数称为 V的次数。统一为记deg(v)。
图论的发展
图论的产生和发展经历了二百多年的历史, 从1736年到19世纪中叶是图论发展的第一阶 段。 第二阶段大体是从19世纪中叶到1936年,主 要研究一些游戏问题:迷宫问题、博弈问题、 棋盘上马的行走线路问题。
一些图论中的著名问题如四色问题(1852年)和哈密 尔顿环游世界问题(1856年)也大量出现。同时出现 了以图为工具去解决其它领域中一些问题的成果。
有向连通图
(优选)离散数学图论版
G3=(G1∪G2)-(G1∩G2),记为G3=G1 G2。
除以上4种运算外,还有以下两种操作:
E={e1,e2}={(v1,v2),(ห้องสมุดไป่ตู้2,v3)};
f(v1)=5,f(v2)=8,f(v3)=11;
g(e1)=4.6,g(e2)=7.5
8.1.2 结点的次数
定义8.1―4在有向图中,对于任何结点v,以v为始点的 边的条数称为结点v的引出次数(或出度),记为deg+(v); 以v为终点的边的条数称为结点v的引入次数(或入度), 记为deg-(v);结点v的引出次数和引入次数之和称为 结点v的次数(或度数),记作deg(v)。在无向图中,结点 v的次数是与结点v相关联的边的条数,也记为deg(v)。
i 1
i 1
定理8.1―2在图中,次数为奇数的结点必为偶数个。
证 设次数为偶数的结点有n1个,记为(i=1,2,…,n1)。 次数为奇数的结点有n2个,记为(i=1,2,…,n2)。
由上一定理得
n
n1
n2
2m deg(i ) deg(Ei ) deg(Oi )
i 1
i 1
i 1
因为次数为偶数的各结点次数之和为偶数。所以
孤立结点的次数为零。
定理8.1―1 设G是一个(n,m)图,它的结点集合为
V={v1,v2,…,vn},则 n
deg(i ) 2m
i 1
证 因为每一条边提供两个次数,而所有各结点次数
之和为m条边所提供,所以上式成立。
《离散数学图论》课件
实现方法:使用 队列数据结构, 将起始节点入队, 然后依次处理队 列中的每个节点, 直到找到目标节
点或队列为空
Dijkstra算法和Prim算法
Dijkstra算法:用于 求解单源最短路径问 题,通过不断更新最 短路径来寻找最短路 径。
Prim算法:用于求解 最小生成树问题,通过 不断寻找最小权重的边 来构建最小生成树。
图的矩阵表示
邻接矩阵的定义和性质
定义:邻接矩阵是一个n*n的矩阵,其 中n是图的顶点数,矩阵中的元素表示 图中顶点之间的连接关系。
性质:邻接矩阵中的元素只有0和1, 其中0表示两个顶点之间没有边相连, 1表示两个顶点之间有一条边相连。
应用:邻接矩阵可以用于表示图的连通 性、路径长度等信息,是图论中常用的 表示方法之一。
图像处理:优化图像分割, 提高图像质量
物流配送:优化配送路径, 降低配送成本
社交网络:优化社交网络 结构,提高用户活跃度
感谢您的观看
汇报人:PPT
数学:用于图论、组合数 学、代数拓扑等领域
物理学:用于量子力学、 统计力学等领域
生物学:用于蛋白质结构、 基因调控等领域
社会科学:用于社会网络 分析、经济模型等领域
图的基本概念
图的定义和表示方法
图的定义:由节点和边组成的数学结构,节点表示对象,边表示对象之间的关系
节点表示方法:用点或圆圈表示 边表示方法:用线或弧线表示 图的表示方法:可以用邻接矩阵、邻接表、关联矩阵等方式表示
顶点和边的基本概念
顶点:图中的基本元素,表示一个对象或事件 边:连接两个顶点的线,表示两个对象或事件之间的关系 度:一个顶点的度是指与其相连的边的数量 路径:从一个顶点到另一个顶点的边的序列 连通图:图中任意两个顶点之间都存在路径 强连通图:图中任意两个顶点之间都存在双向路径
《离散数学之图论》课件
二分图
二分图是指一个图中的所有顶点可 以被分成两个不相交的集合,即两 个集合内的点之间没有边。
树
树是一种特殊的无向图,他是一个 无环连通图。
图的表示
1
邻接矩阵
邻接矩阵是表示图的最直观的一种方法,它将图中的每个点与其他点之间的连接 关系用一个矩阵来表示。
2
邻接表
邻接表是图中比较常见的一种数据结构,用于存储有向图或无向图中顶点的邻接 关系。
Kruskal算法是一种贪心算
2 自反闭包
3 反对称闭包
在一个有向图中,如果由顶 点i到顶点j有路径,由顶点j 到顶点k有路径,则从i到k也 有路径。这种情况称为传递 闭包。
在一个有向图中,如果自己 只能到自己,则称之为自反 闭包。
在一个有向图中,如果存在 有向边从i到j,同时存在一 个从j到i的反向边,则称之 为反对称闭包。
3
关联矩阵
关联矩阵是一个图矩阵,它将图中的所有点和边都表示为元素,可以将和特定边 相关的点和总结点联系起来。
图的遍历
1 深度优先遍历
深度优先遍历是从图中的起始点开始,递归地访问所有可达的顶点。它通常用堆栈来实 现。
2 广度优先遍历
广度优先遍历是从图中的起始点开始访问每一层可达的顶点。它通常用队列来实现。
最短路径
Dijkstra算法
Dijkstra算法是一种用来求图中单个源点到其他所有点 的最短路径的平均算法。
Floyd算法
Floyd算法是一种用于发现非负权重图中所有点对之间 的最短路径的算法。
最小生成树
1
Prim算法
Prim算法用于寻找加权无向连通图的最小生
Kruskal算法
2
成树,该树包含了关键点并且保证了所有点 都连通。
离散数学中的图论代表知识点介绍
离散数学中的图论代表知识点介绍离散数学是数学的一个分支,它主要研究离散对象以及其离散性质和离散结构。
图论作为离散数学的重要组成部分,以图为研究对象,研究了图的基本概念、图的表示方法以及图的性质和应用。
本文将介绍离散数学中的图论代表知识点。
1. 图的基本概念图是由顶点集合和边集合组成的离散结构,用V表示顶点集合,E表示边集合。
图可以分为有向图和无向图两种类型。
有向图中的边是有方向的,而无向图中的边是无方向的。
图中的顶点可以表示为V={v1, v2, v3, ...},边可以表示为E={(vi, vj)}。
在图中,两个顶点之间有边相连时,称这两个顶点是相邻的。
2. 图的表示方法图可以用多种方式来表示。
常见的表示方法有邻接矩阵和邻接表。
邻接矩阵是一个二维数组,其中的元素表示两个顶点之间是否存在边。
邻接表则是通过链表的方式来表示图的结构,每个顶点都对应一个链表,链表中存储着与该顶点相邻的顶点。
3. 图的性质图论研究了图的许多性质和特性。
其中一些重要的性质包括连通性、路径、回路、度数、树和连通分量等。
连通性是指图中任意两个顶点之间是否存在路径。
如果图中任意两个顶点都存在路径相连,则图被称为连通图。
反之,如果存在无法通过路径相连的顶点对,则图为非连通图。
连通图中的任意两个顶点之间至少存在一条路径。
路径是指从一个顶点到另一个顶点的顶点序列。
路径的长度是指路径上边的数量。
最短路径是指两个顶点之间边的数量最少的路径。
回路是指路径起点和终点相同的路径。
如果回路中除起点和终点以外的顶点不重复出现,则称为简单回路。
度数是指图中顶点的边的数量。
对于有向图来说,度数分为入度和出度,分别表示指向该顶点的边和从该顶点指出的边的数量。
树是一种无回路的连通图,它具有n个顶点和n-1条边。
树是图论中一个重要的概念,它有广泛的应用。
连通分量是指图中的极大连通子图,即在该子图中的任意两个顶点都是连通的,且该子图不能再加入其他顶点使其连通。
离散数学——图论
2023/5/24
42
§8.3欧拉图
❖ 欧拉图产生的背景就是前面的七桥问题。
❖ 定义:图G的回路,若它通过G中的每条边一 次,这样的回路称为欧拉回路。具有欧拉回 路的图称为欧拉图。
❖ 定义欧拉通路:通过图G中每条边一次的通 路(非回路)称为欧拉通路。
2023/5/24
27
正则图
❖ 所有结点均有相同次数d的图称为d次正则图。 ❖ 如4阶的完全图是3次正则图,是对角线相连
的四边形。 ❖ 试画出两个2次正则图。
2023/5/24
28
两图同构需满足的条件
❖ 若两个图同构,必须满足下列条件: (1)结点个数相同 (2)边数相同 (3)次数相同的结点个数相同
❖ 例子
2023/5/24
❖ 1847年德国的克希霍夫(G.R.Kirchoff)将树的概念 和理论应用于工程技术的电网络方程组的研究。
❖ 1857年英国的凯莱(A.Cayley)也独立地提出了树的 概念,并应用于有机化合物的分子结构的研究中。
2023/5/24
4
❖ 1936年匈牙利的数学家哥尼格(D.Konig) 发 表了第一部集图论二百年研究成果于一书的 图论专著《有限图与无限图理论》,这是现 代图论发展的里程碑,标志着图论作为一门 独立学科。
2023/5/24
37
连通性
❖ 定义:无向图,若它的任何两结点间均是可达的, 则称图G是连通图;否则为非连通图。
❖ 定义:有向图,如果忽略图的方向后得到的无向图 是连通的,则称此有向图为连通图。否则为非连通 图。
2023/5/24
38
有向连通图
❖ 定义:设G为有向连通图, ❖ 强连通:G中任何两点都是可达的。 ❖ 单向连通:G中任何两结点间,至少存在一个方向
离散数学教学图论【共58张PPT】
一 、图的基本概念
• 邻接和关联 • 无向图和有向图 • 零图和平凡图 • 简单图 • 完全图(无向完全图和有向完全图) • 有环图
一 、图的基本概念
• 有限图和无限图 设图G为< V,E,Ψ>
(l)当V和E为有限集时,称G为有限图,否则称G为无限图。 (2)当ΨG为单射时,称G为单图;当ΨG为非单射时,称G为重图,又称满足
二、生成树
1、生成树定义:
若无向图的一个生成子图T是树,则称T 为G的生 成树,T中的边称为树枝,E(G)-E(T)称为树T 的补,其中的每一边称为树T 的弦。
在任何图中,结点v的度(degree)d(v)是v所关联边的数目。
第三节 生成树、最短路径和关键路径 由结点a和它所有的后代导的子图,称为T的子树.
∴ T连通且具有m=n-1的图
{e5,e4,e8} , {e7,e6,e5,e2,e4} 第四节 欧拉图和哈密顿图
第四节 特殊图(欧拉图和哈密顿图等)
第五节 树、二叉树和哈夫曼树
离散数学教学图论
(优选 欧拉图和哈密顿图
(3)2=>3 ∴W(T)≤W(T1) ∴W(ei+1)≥W(f) 二. 哈密顿图的由来—周游世界问题:
第二节 图的矩阵表示 第四节 欧拉图和哈密顿图
证明:若G中一个边割集和一生成 树无公共边,则表示该边割集所分离的结点不在生成树中,这导致与生成树的定义矛盾。 哈密顿图的由来—周游世界问题: c)对新图向下旋转45度。 ei之后将取f而不是ei+1
为该顶点的度,列之和一定为2. • 有向图的关联矩阵 ----- 以节点数为行,边数为列.节点与边无关系,为0,有关系,则起点为1,
终点为-1;列之和一定为0,每行绝对值之和等于该节点的度数;其 中1的个数为该节点的出度,-1的个数为对应节点的入度;所有元 素的和为0,1的个数等于-1的个数,都等于边数m.
离散数学-图论
若图 G 是连通图,则 G 只有一个分图。
27
用第二章“关系”的概念解释分图的概念如下:
设有图 G = (V, E),其中 V 有 n 个结点。在 V 上定义一个二
元关系 ,当且仅当从 vi 到 vj 有路连接时,vi vj。 图 G 中结点之间的连接关系 是 V 上的一个等价关系。
要求的 V 到 V 的双射函数 h。
因为这两个图中边与结点的关联关系不相同。
例如,在 G 中度为 3 的 4 个结点构成一个长为 4 的环,而在
G 中度为 3 的 4 个结点没有构成长为 4 的环。
23
五、子图与分图
利用子集的概念可定义图 G 的子图。 定义8-7 设有图 G1 = (V1, E1) 和图 G2 = (V2, E2), (1) 若 V2 V1,E2 E1,则称 G2 是 G1 的子图,或称 G1 包含 G2,记作 G2 G1; (2) 若 G2 G1 但 G2 G1(即 V2 V1 或 E2 E1),则称 G2 是 G1 的真子图,记作 G2 G1; (3) 若 V2 = V1,E2 E1,则称 G2 是 G1 的生成子图。 显然,任一图 G 都是自己的子图。
8
例2 (a), (b) 分别给出了例 1 中图 G 的图解方法5
(a)
矩阵表示法
v1 v2 v3 v4 v5 (b)
用矩阵的方法也可以表示一个图。在 8.2 节中我们再专门讨论。
9
二、完全图与补图
v1
(n, m) 图
具有 n 个结点和 m 条边的图称为 (n, m) 图。
例1 设 V = {v1, v2, v3, v4, v5},
离散数学中的图论入门
离散数学中的图论入门图论是离散数学的一个重要分支,研究的对象是图。
图是由一些点和连接这些点的边组成的数学模型,可以用来描述现实世界中的各种关系和问题。
本文将介绍图论的基本概念和常见应用,帮助读者初步了解图论的入门知识。
一、图的定义与基本术语图由顶点集合和边集合组成。
顶点集合是图中的点的集合,用V表示;边集合是图中连接顶点的边的集合,用E表示。
图可以分为有向图和无向图。
有向图中的边是有方向的,表示从一个顶点指向另一个顶点的关系;无向图中的边是无方向的,表示两个顶点之间的关系。
图还可以分为简单图和多重图。
简单图中不存在重复的边和自环(起点和终点相同的边);多重图中可以存在重复的边和自环。
图中的边可以带权重,表示顶点之间的距离、代价或其他属性。
带权图可以用来解决最短路径、最小生成树等问题。
图的度是指与顶点相关联的边的数量。
对于无向图,顶点的度等于与之相连的边的数量;对于有向图,顶点的度分为入度和出度,分别表示指向该顶点的边的数量和从该顶点指出的边的数量。
二、图的表示方法图可以用邻接矩阵和邻接表两种方式进行表示。
邻接矩阵是一个二维数组,其中的元素表示两个顶点之间是否存在边。
如果顶点i和顶点j之间存在边,则邻接矩阵中第i行第j列的元素为1;否则为0。
邻接矩阵适用于稠密图,但对于稀疏图来说,会浪费较多的存储空间。
邻接表是由若干个链表构成的数组,数组的每个元素对应一个顶点,链表中存储与该顶点相连的其他顶点。
邻接表适用于稀疏图,可以有效地节省存储空间。
三、常见的图论算法与应用1. 深度优先搜索(DFS):DFS是一种用于遍历图的算法,通过递归的方式依次访问与当前顶点相邻的未访问过的顶点,直到所有顶点都被访问过为止。
DFS可以用来解决连通性、可达性等问题。
2. 广度优先搜索(BFS):BFS也是一种用于遍历图的算法,通过队列的方式按层次遍历图中的顶点。
BFS可以用来求解最短路径、网络分析等问题。
3. 最小生成树(MST):最小生成树是指在连通图中选择一棵生成树,使得树中所有边的权重之和最小。
离散数学图论
如图G1是非连通图, G2是连通图。
G1
G2
21
连通分支:设无向图G=<V, E>,V关于顶点之间的 连通关系 的商集 V/ ={V1,V2,…,Vk},Vi为等价 类,称导出子图G[Vi] (i=1,2,…,k) 为G的连通分 支, 其个数记作p(G)=k。
如: p(G1)=2, p(G2)=1 G是连通图 p(G)=1 n阶零图的连通分支数最多, p(Nn)=n
有圈的长度2。
• 复杂通路和复杂回路: 中的边重复出现。
20
14.3 图的连通性
(23)无向图的连通性 设无向图G=<V, E>,u, vV, u与v连通:u与v之间存在通路. 记作uv. 规定uu。 连通关系: ={<u,v>| u,vV且uv}是等价关系。 连通图:平凡图, 任意两点都连通的图。
注意:图的数学定义与图形表示,在同构的意义 下是一一对应的。
7
(5)几个特殊的图
通常用G表示无向图, D表示有向图, 也常用G泛指 无向图和有向图, 用ek表示无向边或有向边. V(G), E(G) —表示图G的顶点集, 边集.
|V(G)|, |E(G)| —表示图G的顶点数集(阶)和边数.
n 阶图、有限图、零图、平凡图、空图、基图
(6)顶点和边的关联
关联、关联次数、环、孤立点
(7)相邻
vi
vj
点相邻、边相邻
(vi,vj)
ek el
8
(8)邻接
vi
邻接到、邻接于
(9)邻域和关联集
设无向图G, vV(G)
v的邻域、 v的闭邻域、 v的关联集
设有向图D, vV(D)
v的后继元集
离散数学与图论
离散数学与图论在当今数字化、信息化的时代,数学作为科学的基石,发挥着举足轻重的作用。
其中,离散数学与图论犹如两颗璀璨的明珠,为解决众多实际问题提供了强大的理论支持和方法工具。
离散数学,顾名思义,是研究离散对象及其关系的数学分支。
与连续数学不同,它所处理的对象通常是有限的或可数的,例如整数、集合、逻辑关系等。
这种离散性使得它在计算机科学、信息科学、密码学等领域有着广泛而深入的应用。
图论则是离散数学的一个重要组成部分。
简单来说,图就是由一些点(称为顶点)和连接这些点的线(称为边)所组成的结构。
可别小看这看似简单的结构,它却蕴含着丰富的信息和强大的解决问题的能力。
想象一下,在城市规划中,我们可以把城市中的各个地点看作顶点,道路看作边,这样就构成了一个图。
通过对这个图的分析,我们可以优化交通路线,提高物流效率。
在网络通信中,把网络中的节点看作顶点,通信链路看作边,就能研究网络的性能、可靠性等关键问题。
在离散数学中,集合论是基础中的基础。
集合是由一些具有特定性质的元素所组成的整体。
通过对集合的运算和关系的研究,我们能够清晰地定义和处理各种对象的组合与分类。
比如,在数据库管理中,对数据的分类和筛选就离不开集合论的知识。
而逻辑则是离散数学中的另一个关键部分。
逻辑让我们能够准确地表达和推理各种命题的真假关系。
在计算机编程中,逻辑判断是控制程序流程的核心,决定了程序在不同条件下的执行路径。
再来看图论,图的基本概念包括顶点的度、路径、回路等。
顶点的度指的是与该顶点相连的边的数量。
通过研究顶点的度,我们可以了解图的结构特征。
路径是指从一个顶点到另一个顶点经过的边的序列,回路则是起点和终点相同的路径。
图的分类也多种多样。
有简单图,即不存在自环和多重边的图;有有向图,边具有方向;还有加权图,边上带有权重,代表某种特定的数值,比如距离、成本等。
图论中的算法更是丰富多样且实用。
比如,最短路径算法,像著名的迪杰斯特拉算法,能够帮助我们在图中找到从一个顶点到其他顶点的最短路径。
离散数学之图论
第四篇图论自从1736年欧拉()利用图论的思想解决了哥尼斯堡(Konigsberg)七桥问题以来,图论经历了漫长的发展道路。
在很长一段时期内,图论被当成是数学家的智力游戏,解决一些著名的难题。
如迷宫问题、匿门博奕问题、棋盘上马的路线问题、四色问题和哈密顿环球旅行问题等,曾经吸引了众多的学者。
图论中许多的概论和定理的建立都与解决这些问题有关。
1847年克希霍夫(Kirchhoff)第一次把图论用于电路网络的拓扑分析,开创了图论面向实际应用的成功先例。
此后,随着实际的需要和科学技术的发展,在近半个世纪内,图论得到了迅猛的发展,已经成了数学领域中最繁茂的分支学科之一。
尤其在电子计算机问世后,图论的应用范围更加广泛,在解决运筹学、信息论、控制论、网络理论、博奕论、化学、社会科学、经济学、建筑学、心理学、语言学和计算机科学中的问题时,扮演着越来越重要的角色,受到工程界和数学界的特别重视,成为解决许多实际问题的基本工具之一。
图论研究的课题和包含的内容十分广泛,专门著作很多,很难在一本教科书中概括它的全貌。
作为离散数学的一个重要内容,本书主要围绕与计算机科学有关的图论知识介绍一些基本的图论概论、定理和研究内容,同时也介绍一些与实际应用有关的基本图类和算法,为应用、研究和进一步学习提供基础。
第4-1章 无向图和有向图学习要求:仔细领会和掌握图论的基本概论、术语和符号,对于图论研究的一些最基本的课题,如道路问题、连通性问题和着色的问题等,应掌握主要的定理内容和证明方法以及基本的构造方法,以便为下一章研究提供理论工具。
学习本章要用到集合和线性代数矩阵运算的知识,特别是集合数和矩阵秩的概念。
§4-1-1 图的基本概念图是用于描述现实世界中离散客体之间关系的有用工具。
在集合论中采用过以图形来表示二元关系的办法,在那里,用点来代表客体,用一条由点a 指向点b 的有向线段来代表客体a 和b 之间的二元关系aRb ,这样,集合上的二元关系就可以用点的集合V 和有向线的集合E 构成的二元组(V ,E )来描述。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
第8章 图论
例2 (a)、(b)两图是同构的。因为可作映 射:g(1)=v3,g(2)=v1,g(3)=v4,g(4)=v2。在这映射下,边〈1,3〉, 〈1,2〉,〈2,4〉和〈3,4〉分别映射到〈v3,v4〉,〈v3,v1〉,〈v1,v2〉 和〈v4,v2〉,而后面这些边又是(b)中仅有的边。
第8章 图论
8.1.2 结点的次数 定义8.1―4在有向图中,对于任何结点v,以v为始点 的边的条数称为结点v的引出次数(或出度),记为deg+(v); 以v为终点的边的条数称为结点v的引入次数(或入度), 记为deg-(v);结点v的引出次数和引入次数之和称为结点 v的次数 次数(或度数),记作deg(v)。在无向图中,结点v的次数 次数 是与结点v相关联的边的条数,也记为deg(v)。孤立结点 的次数为零。
第8章 图论
第8章 图论
定义中的结点偶对可以是有序的,也可以是无序的。 若边e所对应的偶对〈a,b〉是有序的,则称e是有向边 有向边。 有向边 有向边简称弧,a叫弧e的始点,b叫弧e的终点,统称为e的 端点。称e是关联于结点a和b的,结点a和结点b是邻接的 邻接的。 邻接的 若边e所对应的偶对(a,b)是无序的,则称e是无向边 无向边。无 无向边 向边简称棱,除无始点和终点的术语外,其它术语与有向 边相同。 每一条边都是有向边的图称为有向图 第三章中的 有向图, 有向图 关系图都是有向图的例子。每一条边都是无向边的图 称为无向图 无向图;如果在图中一些边是有向边,而另一些边 无向图 是无向边,则称这个图是混合图 混合图。我们仅讨论有向图和 混合图 无向图,且V(G)和E(G)限于有限集合。
第8章 图论
如果路径的始点v0和终点vn相重合,即v0=vn,则此路 径称为回路 回路,没有相同边的回路称为简单回路,通过各 回路 顶点不超过一次的回路称为基本回路。
(a)P1=(v1e1v2e7v5) 是一条基本路径。 (b)P2=(v2e2v3e3v3e4v1e1v2) 是一简单回路 非基本回路。
第8章 图论
在无向图上,以上各术语的定义完全类似,故不重复。 路径和回路可仅用边的序列表示,在非多重图时也可用 顶点序列表示。
第8章 图论
定义8.2―2 路径P中所含边的条数称为路径P的 长度。长度为0的路径定义为单独一个顶点。(但注意 习惯上不定义长度为0的回路。) 定理8.2―1在一个具有n个结点的简单图G=〈V,E〉 中,如果从v1到v2有一条路径,则从v1到v2有一条长度不大 于n-1的基本路径。 n-1 简证 假定从v1到v2存在一条路径,(v1,…,vi,…,v2)是所 经的结点,如果其中有相同的结点vk,例 (v1,…,vi,…,vk,…,vk,…,v2),则 删去从vk到vk的这些边,它仍是从v1到v2的路径,如此反复地进行 直至(v1,…,vi,…,v2)中没有重复结点为止。此时,所得的就是基本 路径。基本路径的长度比所经结点数少1,图中共n个结点,故基 本路径长度不超过n-1。
第8章 图论
定理8.1―1 设G是一个(n,m)图,它的结点集合为 V={v1,v2,…,vn},则
n
∑
i =1
deg(υi ) = 2m
证 因为每一条边提供两个次数,而所有各结点次数 之和为m条边所提供,所以上式成立。 在有向图中,上式也可写成:
∑
i =1
n
deg + (υi ) + ∑ deg − (υi ) = 2m
第8章 图论
8.1.4 图的运算 图的常见运算有并、交、差、环和等,现分别定义于下: 定义8.1―7设图G1=〈V1,E1〉和图G2=〈V2,E2〉 (1)G1与G2的并,定义为图G3=〈V3,E3〉, 其中V3=V1∪V2,E3=E1∪E2,记为G3=G1∪G2。 (2)G1与G2的交,定义为图G3=〈V3,E3〉, 其中V3=V1∩V2,E3=E1∩E2,记为G3=G1∩G2。 (3)G1与G2的差,定义为图G3=〈V3,E3〉,记为G3=G1-G2。 其中E3=E1-E2,V3=(V1-V2)∪{E3中边所关联的顶点}。 (4)G1与G2的环和,定义为图G3=〈V3,E3〉, G3=(G1∪G2)-(G1∩G2),记为G3=G1G2。 ⊕
第8章 图论
定理8.2―2在一个具有n个结点的简单图G=〈V,E〉 中,如果经v1有一条简单回路,则经v1有一条长度不超过n 的基本回路。 定义8.2―3在图G=〈V,E〉中,从结点vi 到vj 最短路径 的长度叫从vi 到vj 的距离,记为d(vi,vj)。若从vi 到vj 不存在 路径,则d(vi,vj)=∞。 注意,在有向图中,d(vi,vj)不一定等于d(vj,vi),但一般地 满足以下性质: (1) d(vi,vj)≥0; (2) d(vi,vi)=0; (3) d(vi,vj)+d(vj,vk)≥d(vi,vk)。
第8章 图论
除以上4种运算外,还有以下两种操作: (1) 删去图G的一条边e; (2)删去图G的一个结点v。它的实际 意义是删去结点v和与v关联的所有边。
第8章 图论
8.1.5 子图与补图 定义8.1―8设G=〈V,E〉和G′=〈V′,E′〉是两个图。 ⊆ (1) 如果V′ ⊆ V和E′ E,则称G′是G的子图 子图。如果V′ V 子图 ⊆ ⊆ 和E′ E,则称G′ G的真子图 真子图。(注意:“G′是图”已隐含着 真子图 ≠ “E′中的边仅关联V′中的结点”的意义。) (2) 如果V′=V和E′ E,则称G′为G的生成子图 生成子图。 生成子图 ⊆ (3) 若子图G′中没有孤立结点,G′由E′唯一确定,则称 G′为由边集E′导出的子图 导出的子图。 导出的子图 (4)若在子图G′中,对V′中的任意二结点u、v,当 [u,v]∈E时有[u,v]∈E′,则G′由V′唯一确定, 此时称G′为由结点集V′导出的子图。
第8章 图论
8.2 路径和回路
8.2.1 路径和回路 定义8.2―1在有向图中,从顶点v0到顶点vn的一 条路径 路径是图的一个点边交替序列(v0e1v1e2v2…envn),其 路径 中vi-1和vi分别是边ei的始点和终点,i=1,2,…,n。在序列中, 如果同一条边不出现两次,则称此路径是简单路径 简单路径,如果 简单路径 同一顶点不出现两次,则称此路径是基本路径 基本路径(或叫链)。 基本路径 基本路径也一定是简单路径。
A
C
B
第8章 图论
8.1 图的基本概念
8.1.1 图 定义8.1―1 一个图G是一个三重组〈V(G),E(G),ΦG〉,其中 图
V(G)是一个非空的结点 结点(或叫顶点)集合,E(G)是边的集合,ΦG是从 结点 边 边集E到结点偶对集合上的函数。一个图可以用一个图形表示。 例1设G=〈V(G),E(G),ΦG〉,其中V(G)={a,b,c,d},E(G)={e1,e2,e3,e4, e5,e6,e7},ΦG(e1)=(a,b),ΦG(e2)=(a,c),ΦG(e3)=(b,d), ΦG(e4)=(b,c),ΦG(e5)=(d,c),ΦG(e6)=(a,d),ΦG(e7)=(b,b) 则图G可用图8.1―1表示。
第8章 图论
第8章 图论
定义8.1―9在n个结点的有向图G=〈V,E〉中, 如果E=V×V,则称G为有向完全图 有向完全图;在n个结点的无向图 有向完全图 G=〈V,E〉中,如果任何两个不同结点间都恰有一条边, 则称G为无向完全图 无向完全图,记为Kn。 无向完全图 图8.1―11是4个结点的有向完全图和无向完全图的 图示。 定义8.1―10 设线图G=〈V,E〉有n个顶点,线图H= 〈V,E′〉也有同样的顶点,而E′是由n个顶点的完全图的 边删去E所得,则图H称为图G的补图 补图,记为 补图 然, 。 G=G ,显 H =G
i =1 i =1 i =1
n
n1
n2
因为次数为偶数的各结点次数之和为偶数。所以 前一项次数为偶数;若n2为奇数,则第二项为奇数,两项 之和将为奇数,但这与上式矛盾。故n2必为偶数。证毕。
第8章 图论
图 8.1―5
第8章 图论
定义8.1―5各结点的次数均相同的图称为正则图, 各结点的次数均为k时称为k―正则图。 下图所示的称为彼得森(Petersen)图,是3―正则图。
第8章 图论
8.1.3 图的同构 定义8.1.6设G=〈V,E〉和G′=〈V′,E′〉是两个图,若 存在从V到V′的双射函数Φ,使对任意a、b∈V,[a,b∈E 当且仅当[Φ(a),Φ(b)]∈E′,并且[a,b]和[Φ(a),Φ(b)] 有相同的重数,则称G和G′是同构的 同构的。 同构的 上述定义说明,两个图的各结点之间,如果存在一一 , , 对应关系,而且这种对应关系保持了结点间的邻接关系 (在有向图时还保持边的方向)和边的重数,则这两个图 是同构的,两个同构的图除了顶点和边的名称不同外实 际上代表同样的组合结构。
第8章 图论
图 8.1―3
第8章 图论
定义 8.1―3赋权图 赋权图G是一个三重组 赋权图 〈V,E,g〉或四重组〈V,E,f,g〉,其中V是结点集合, E是边 的集合,f是定义在V上的函数,g是定义在E上的函数。 右图给出一个赋权图。 V={v1,v2,v3} E={e1,e2}={(v1,v2),(v2,v3)} f(v1)=5,f(v2)=8,f(v3)=11 g(e1)=4.6,g(e2)=7.5
i =.1―2在图中,次数为奇数的结点必为偶数个。 次数为奇数的结点有n2个,记为 υOi (i=1,2,…,n2)。由上一 定理得 证 设次数为偶数的结点有n1个,记为 υ Ei (i=1,2,…,n1)。
2m = ∑ deg(υi ) = ∑ deg(υ Ei ) + ∑ deg(υOi )
第8章 图论
在有向图中,两结点间(包括结点自身间)若同始点 和同终点的边多于一条,则这几条边称为平行边 平行边。在无 平行边 向图中,两结点间(包括结点自身间)若多于一条边,则称 这几条边为平行边。两结点a、b间互相平行的边的条 数称为边[a,b]的重数 边 的重数。仅有一条时重数为1,无边时 的重数 重数为0。 定义8.1―2含有平行边的图称为多重图 多重图。 多重图 非多重图称为线图 线图。无自回路的线图称为简单图 简单图。 线图 简单图 在图8.1―3中,(a)、(b)是多重图,(c)是线图,(d)是简 单图,关系图都是线图。