离散数学-图论共89页
合集下载
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
(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=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。
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PPT课件
第19页/共93页
• 完全图：一个（n,m）图G，其n个结点中每个结点均与其它n-1个结点相邻接，记为Kn。 • 无向完全图：m=n(n-1)/2 • 有向完全图：m=n(n-1) • 举例说明以上几种图。
第20页/共93页
定义补图
• 设图G=<V,E> ， G’=<V,E’> ，若G’’=<V,E∪E’> 是完全图，且E∩E’= 空集，则称G’是G的补图。 • 事实上，G与G’互为补图。
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。
第27页/共93页
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
第28页/共93页
• 图是人们日常生活中常见的一种信息载体，其突出的特点是直观、形象。图论，顾 名思义是运用数学手段研究图的性质的理论，但这里的图不是平面坐标系中的函数， 而是由一些点和连接这些点的线组成的结构 。
第8页/共93页
• 在图形中，只关心点与点之间是否有连线，而不关心点具体代表哪些对象，也不关 心连线的长短曲直，这就是图的概念。
定义图的子图
• 子图：设G=<V,E> ， G’=<V’,E’> ，若V’是V的子集， E’是E的子集，则 G’是G的子图。 • 真子图：若V’是V的子集，E’是E的真子集。 • 生成子图：V’=V，E’是E的子集。 • 举例说明一个图的子图。
第18页/共93页
定义（n,m）图
• (n,m)图：由n个结点，m条边组成的图。 • 零图：m=0。即（n,0）图，有n个孤立点。 • 平凡图：n=1,m=0。即只有一个孤立点。
• 完全图：一个（n,m）图G，其n个结点中每个结点均与其它n-1个结点相邻接，记为Kn。 • 无向完全图：m=n(n-1)/2 • 有向完全图：m=n(n-1) • 举例说明以上几种图。
第20页/共93页
定义补图
• 设图G=<V,E> ， G’=<V,E’> ，若G’’=<V,E∪E’> 是完全图，且E∩E’= 空集，则称G’是G的补图。 • 事实上，G与G’互为补图。
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。
第27页/共93页
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
第28页/共93页
• 图是人们日常生活中常见的一种信息载体，其突出的特点是直观、形象。图论，顾 名思义是运用数学手段研究图的性质的理论，但这里的图不是平面坐标系中的函数， 而是由一些点和连接这些点的线组成的结构 。
第8页/共93页
• 在图形中，只关心点与点之间是否有连线，而不关心点具体代表哪些对象，也不关 心连线的长短曲直，这就是图的概念。
定义图的子图
• 子图：设G=<V,E> ， G’=<V’,E’> ，若V’是V的子集， E’是E的子集，则 G’是G的子图。 • 真子图：若V’是V的子集，E’是E的真子集。 • 生成子图：V’=V，E’是E的子集。 • 举例说明一个图的子图。
第18页/共93页
定义（n,m）图
• (n,m)图：由n个结点，m条边组成的图。 • 零图：m=0。即（n,0）图，有n个孤立点。 • 平凡图：n=1,m=0。即只有一个孤立点。
《离散数学图论》课件
最短路径问题
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
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-图论基础
结点的次数
2020/1/17
问题1：是否存在这种情况：25个人中，由于意见不同，每 个人恰好与其他5个人意见一致？
在建立一个图模型时，一个基本问题是决定这个图是什么 —— 什么是结点？什么是边？ 在这个问题里，我们用结点表示对象——人； 边通常表示两个结点间的关系——表示2个人意见一致。 也就是说，意见一致的2个人（结点）间存在一条边。
第七章 图论基础
Graphs
第一节 图的基本概念
2020/1/17
一个图G定义为一个三元组：G=<V, E, Φ>
V —— 非空有限集合，V中的元素称为结点 (node)或 顶点(vertex)
E —— 有限集合（可以为空），E中的元素称为边(edge)
Φ —— 从E到V的有序对或无序对的关联映射
以v为起始结点的弧的条数，称为出度(out-degree) （引出次数），记为d+(v)
以v为终结点的弧的条数，称为入度(in-degree)
（引入次数），记为d-(v)
v3
v的出度和入度的和，称为v的度数(degree)
（次数），记为d(v) = d+(v) + d-(v)
v1 (a) v2
结点的次数
(associative mapping)
v3
v3
v3
v1 (a) v2
v1
v2
(b)
v1
v2
(c)
图的基本概念
2020/1/17
图G=<V, E, Φ>中的每条边都与图中的无序对或有序对联系
若边e E 与无序对结点[va, vb]相联系，即Φ(e)= [va, vb] （va, vb V）则称e是无向边（或边、棱）
离散数学图论.ppt
j 1
j 1
nm
③
mij
i1 j 1
2m
,即所有元素之和等于边数的2倍;
④平行边的列的元素完全对应相同.
2．(无向图)相邻矩阵
设G＝<V，E>, V n, E m
A(G)= aij n
其中aij=vi与vj相关联的边的条数(行、列均为结点).
具有性质:
① A(G)是对称矩阵；
设D=<V,E>, V n, E m
A(D)= aij n
其中aij=邻接vi与vj的边的条数 (与A(G)类似) ( 以行和列均为结点)
nm
具有性质： aij m i1 j1
5．(有向图)可达矩阵 设D=<V,E>，V n, E m
P(D)= pij n
（2）欧拉图或通路的判定 1) 无向连通图G是欧拉图G不含奇数度结点(G的
所有结点度数为偶数):(定理1) 2) 非平凡连通图G含有欧拉通路G最多有两个奇
数度的结点；(定理1的推论) 3) 连通有向图D含有有向欧拉回路(即欧拉图)D
中每个结点的入度＝出度
4）连通有向图D含有有向欧拉通路D中除两个结 点外，其余每个结点的入度＝出度，
二、图的矩阵表示、欧拉图
1．（无向图)关联矩阵
设G=<V,E>, V n, E m M(G)= mij nm
其中mij=vi与ej的关联次数(行为结点，列为边). 具有性质：
m
① mij 2(列元素之和为2)；
i 1
m
② mij deg(v,i若)
m mij ,0表明vi是孤立点;
且此两点满足deg－(u)－deg＋(v)＝1. (定理2)
《离散数学》图论 (上)
12
无向图与有向图
v2
e1
e2
e3
v3
e4
v1
e5 (e1)={( v42, v24 )}
v4
(e2)={( v32, v23 )} (e3)={( v3, v4 )}
(e4)=({ v43, v34 )}
(e5)=({ v4,}v4 )
13
无向图与有向图
A B C
D E F
14
无向图与有向图
第八章 图论
第八章 图论
§8.1 基本概念
§8.1.1 无向图、有向图和握手定理 §8.1.2 图的同构与子图 §8.1.3 道路、回路与连通性 §8.1.4 图的矩阵表示
§8.2 欧拉图 §8.3 哈密尔顿图 §8.4 平面图 §8.5 顶点支配、独立与覆盖
2
无向图与有向图
3
无向图与有向图
一个无向图（undirected graph, 或graph） G 指一个三元组 (V, E, )，其中
vV
vV
24
特殊的图
假设 G=(V, E, ) 为无向图，若 G 中所有 顶点都是孤立顶点，则称 G 为零图（null graph）或离散图（discrete graph）；若 |V|=n，|E|=0，则称 G 为 n 阶零图 所有顶点的度数均相等的无向图称为正 则图（regular graph），所有顶点的度数 均为 k 的正则图称为k度正则图，也记作 k-正则图 注：零图是零度正则图
19
握手定理
定理（图论基本定理/握手定理）
假设 G=(V, E, ) 为无向图，则deg(v) 2 E ， vV
即所有顶点度数之和等于边数的两倍。
推论
在任何无向图中，奇数度的顶点数必是偶 数。
无向图与有向图
v2
e1
e2
e3
v3
e4
v1
e5 (e1)={( v42, v24 )}
v4
(e2)={( v32, v23 )} (e3)={( v3, v4 )}
(e4)=({ v43, v34 )}
(e5)=({ v4,}v4 )
13
无向图与有向图
A B C
D E F
14
无向图与有向图
第八章 图论
第八章 图论
§8.1 基本概念
§8.1.1 无向图、有向图和握手定理 §8.1.2 图的同构与子图 §8.1.3 道路、回路与连通性 §8.1.4 图的矩阵表示
§8.2 欧拉图 §8.3 哈密尔顿图 §8.4 平面图 §8.5 顶点支配、独立与覆盖
2
无向图与有向图
3
无向图与有向图
一个无向图（undirected graph, 或graph） G 指一个三元组 (V, E, )，其中
vV
vV
24
特殊的图
假设 G=(V, E, ) 为无向图，若 G 中所有 顶点都是孤立顶点，则称 G 为零图（null graph）或离散图（discrete graph）；若 |V|=n，|E|=0，则称 G 为 n 阶零图 所有顶点的度数均相等的无向图称为正 则图（regular graph），所有顶点的度数 均为 k 的正则图称为k度正则图，也记作 k-正则图 注：零图是零度正则图
19
握手定理
定理（图论基本定理/握手定理）
假设 G=(V, E, ) 为无向图，则deg(v) 2 E ， vV
即所有顶点度数之和等于边数的两倍。
推论
在任何无向图中，奇数度的顶点数必是偶 数。
离散数学 第八章 图论
C
A
B
D 图2
此图实际上是反 映了客观事物 之间的相互关系
10
离散数学
本世纪40年代，一个数学游戏也使用类似的方法得到 了解决：某人挑一担菜、并带一只狗、一只羊，要从河 的北岸到南岸。由于船小，只允许带狗、羊、菜三者中 的一种过河；而由于明显的原因，当人不在场时狗与羊、 羊与菜不能呆在一起。问此人应采取怎样的办法才能将 这三样东西安全地带过河去？ 方法一：不对称状态空间法 将人(person)、狗(dog)、羊(sheep)、菜(cabbage)中任意 几种在一起的情况看作是一种状态，则北岸可能出现的 状态共有十六种，其中 安全状态有下面十种： (人，狗，羊，菜)，(空)； (P,D,S,C) ，() ； (人，狗，羊)， (菜)； (P,D,S,) ，(C) ； (人，狗，菜)，(羊)； (P,D,C) ，(S) ；
7
离散数学
但当地的居民和游人做了不少的尝试，却都没有取得成 功。于是，有好事者便向当时居住在该城的大数学家欧 拉请教。 1736年，瑞士的数学家L.Euler解决了这个问题。他将 四块陆地表示成四个结点，凡陆地间有桥相连的，便在 两点间连一条线，这样图1就转化为图2了。此时，哥尼 斯堡七桥问题归结为：在图2 所示的图中，从 A, B, C, D 任一点出发，通过每条边一次且仅一次而返回出发点 的回路是否存在？后人称如此的问题为Euler环游。 欧拉断言这样的回路是不存在的。理由是：从图2中 的任一结点出发，为了要回到原来的出发点，要求与每 个结点相关联的边数均为偶数。这样才能保证从一条边 进入某结点后，可从另一条边出去，而不经过已走过的
v3
1 2
v1
1 1 1
v4 v2
2 1
图论的基本概念性术语和一些特殊图： 图3 (1)(n,m)图: |V| = n,|E| = m，即有n个结点和m条边的图称 为 ( n, m ) 图。 (2)无向边：(undirected edges简edges)在定义3下，若边 (u, , v)与边(v, ,u)表示同一条边，则称此边为无 向边。 22
A
B
D 图2
此图实际上是反 映了客观事物 之间的相互关系
10
离散数学
本世纪40年代，一个数学游戏也使用类似的方法得到 了解决：某人挑一担菜、并带一只狗、一只羊，要从河 的北岸到南岸。由于船小，只允许带狗、羊、菜三者中 的一种过河；而由于明显的原因，当人不在场时狗与羊、 羊与菜不能呆在一起。问此人应采取怎样的办法才能将 这三样东西安全地带过河去？ 方法一：不对称状态空间法 将人(person)、狗(dog)、羊(sheep)、菜(cabbage)中任意 几种在一起的情况看作是一种状态，则北岸可能出现的 状态共有十六种，其中 安全状态有下面十种： (人，狗，羊，菜)，(空)； (P,D,S,C) ，() ； (人，狗，羊)， (菜)； (P,D,S,) ，(C) ； (人，狗，菜)，(羊)； (P,D,C) ，(S) ；
7
离散数学
但当地的居民和游人做了不少的尝试，却都没有取得成 功。于是，有好事者便向当时居住在该城的大数学家欧 拉请教。 1736年，瑞士的数学家L.Euler解决了这个问题。他将 四块陆地表示成四个结点，凡陆地间有桥相连的，便在 两点间连一条线，这样图1就转化为图2了。此时，哥尼 斯堡七桥问题归结为：在图2 所示的图中，从 A, B, C, D 任一点出发，通过每条边一次且仅一次而返回出发点 的回路是否存在？后人称如此的问题为Euler环游。 欧拉断言这样的回路是不存在的。理由是：从图2中 的任一结点出发，为了要回到原来的出发点，要求与每 个结点相关联的边数均为偶数。这样才能保证从一条边 进入某结点后，可从另一条边出去，而不经过已走过的
v3
1 2
v1
1 1 1
v4 v2
2 1
图论的基本概念性术语和一些特殊图： 图3 (1)(n,m)图: |V| = n,|E| = m，即有n个结点和m条边的图称 为 ( n, m ) 图。 (2)无向边：(undirected edges简edges)在定义3下，若边 (u, , v)与边(v, ,u)表示同一条边，则称此边为无 向边。 22