图论讲义第3章-匹配问题
图论中的二分图匹配问题及其算法设计思路

图论中的二分图匹配问题及其算法设计思路图论是数学中一个重要的分支,研究图的性质和结构,以及解决与图相关的问题。
其中,二分图匹配问题是图论中的经典问题之一。
本文将介绍二分图匹配问题的定义、特性,并讨论相关的算法设计思路。
一、二分图匹配问题的定义二分图是一种特殊的图结构,其中的顶点可以分为两个互不相交的集合,且每条边都只连接两个集合之间的顶点。
对于一个二分图,如果存在一种边的划分方式,使得每个顶点都与边集中的一条边相连,那么我们称这个边集为二分图的一个匹配。
二分图匹配问题的目标是寻找出一个匹配,使得匹配的边数最大。
这个问题在实际应用中有许多场景,比如婚姻匹配、求职配对等。
为了解决这个问题,人们提出了多种算法,下面将介绍其中两个常用的算法。
二、匈牙利算法匈牙利算法是用于求解二分图最大匹配的一种经典算法,它基于深度优先搜索的思想。
算法的基本思路是从一个没有匹配边的顶点开始,逐个尝试与其相连的顶点进行匹配,如果能成功匹配则将边加入匹配集合中,如果不能成功匹配则继续尝试下一个顶点。
当所有的顶点都尝试过后,即得到一个最大匹配。
以下是匈牙利算法的伪代码:1. 初始化匹配集合为空2. 从一个未匹配的顶点开始,对其进行深度优先搜索3. 如果找到了增广路径,则更新匹配集合4. 重复步骤2和3,直到无法找到增广路径5. 返回最大匹配匈牙利算法的时间复杂度为O(V*E),其中V表示顶点数,E表示边数。
虽然算法的时间复杂度较高,但它在实际应用中仍然具有一定的效率和适用性。
三、Hopcroft-Karp算法Hopcroft-Karp算法是用于求解二分图最大匹配的另一种算法,它是对匈牙利算法的改进和优化。
Hopcroft-Karp算法的核心思想是通过多次的广度优先搜索来寻找增广路径,从而提高算法的效率。
以下是Hopcroft-Karp算法的伪代码:1. 初始化匹配集合为空2. 初始化标记集合为空3. 利用广度优先搜索寻找增广路径4. 如果找到增广路径,则更新匹配集合5. 重复步骤3和4,直到无法找到增广路径6. 返回最大匹配Hopcroft-Karp算法的时间复杂度为O(E*sqrt(V)),相比于匈牙利算法有较大的优势。
图论的配对问题课件

x1
x2
x3
x4
x5
y1
y2
y3
y4
y5
M={(x1,y1 ),(x3,y5),(x5,y3)}
V1={x2,x5,x3};V2 ={y3,y5};
M=ME(P)={(x1,y1 ),(x2,y图3论),(的x配3对,y问2题),( x5,y5)}
(2)若X已经饱和,结束;否则转(3); 解 ((y34∈) )N在 若(VXN1中()V-V找1)2=一V2个则非停饱止和,点否x则0,任V选1=一{x点0},V2={}
图论 的配对问题
匹配问题是运筹学的重要问题之一,也是图论的重要 内容,它在所谓“人员分配问题”和“最优分配问题” 中有重要作用。 假定有一个男生有穷集合,其中每个男生认识一些女 生,在什么条件下每个男生都可以和他认识的女生配对?
类似的工作分配问题:现有n个人,m份工作,每个人 有其擅长的工作。在什么条件下每个人都可以得到一份 他擅长的工作?如何分配?
V1={x2},V2=空集
N(V1)={y2, y3}
图论 的配对问题
解 (∪条(5)从{2)z若}x0】y,到已yV饱的2和=可V,增2∪M广{中道y}必路;有P转,(y(,对z)4之;)进作】行【,增否V广1则=;V【1转求一
x1
x2
x3
x4
x5
y1
y2
y3
y4
y5
M={(x1,y1 ),(x3,y5),(x5,y3)} V1={x2},V2=空集 V1=V1∪{x5}={x2,x5}; V2=V2∪ {y3} ={y3}
x1
x2
x3
x4
x5
y1
y2
y3
y4
图论中的匹配理论和网络流问题

时间复杂度:最大匹配算法的时间复杂度 较高,为指数级别,因此在实际应用中受 到限制。
应用场景:最大匹配算法在计算机科学、 运筹学、经济学等领域有广泛的应用, 例如在解决指派问题、工作调度问题等 方面。
匹配的应用场景
计算机科学:匹配算法在计算机科学中广泛应用于图算法、数据结构等领域 物理学:在物理学中,匹配理论用于描述粒子相互作用和量子场论中的现象 经济学:匹配理论在经济学中用于研究市场均衡和劳动力市场匹配等问题 社会学:在社会学中,匹配理论用于研究婚姻匹配、教育匹配和职业匹配等现象
电力网络优化: 在网络中合理 分配电力,降 低能耗并提高 电力系统的稳
定性。
通信网络设计: 优化通信网络 的数据传输, 提高网络的吞 吐量和可靠性。
物流配送:通 过优化物流配 送网络,提高 配送效率并降 低运输成本。
网络流算法的分类
最大流算法:寻找从源点到汇点的最大流量 最小割算法:确定将源点划分为两个子集的最小割点集合 最小费用流算法:在满足容量限制和流量平衡的前提下,寻找最小费用流 最短路径算法:寻找从源点到汇点的最短路径
优化目标:最小化 总流量,使得流量 分配均匀,避免拥 堵和瓶颈
算法实现: Dijkstra算法、 Bellman-Ford算 法等
应用场景:交通网 络、通信网络、电 力网络等
多源多汇问题
定义:多个源点和 多个汇点在网络中 同时进行流量的传 输
优化目标:寻找最 优解,使得总流量 传输成本最低或传 输时间最短
最小割问题的应用:在网络流问题中,最 小割问题被广泛应用于解决流量最大化和 容量限制问题。
最小割问题的求解方法:常见的求解最小 割问题的算法有Kruskal算法和Prim算法。
最小割问题的性质:最小割问题具有NP 难解性质,即目前没有已知的多项式时 间复杂度的算法来求解最小割问题。
图论 第3章 连通度、匹配

第三章连通度、匹配⎧⎪⎨⎪⎩顶点连通度和边连通度门格尔定理匹配、霍尔定理本章的特点:(1)理论深;(2)本科基本用不上(计算机体系结构上用到一点),只有研究生才能用上;(3)只介绍这个领域最基本的概念和一些有用的结果。
一个图是否是连通的,这是图的一个重要性质。
内容:本章首先引入图的顶点连通度和边连通度,由此可以比较两个图中哪个“更加连通”;接着讨论了它们的一些简单性质;然后讨论偶图的匹配问题。
第一节顶点连通度和边连通度χγχλδ⎧⎪⎪⎨⎪⎪⎩动机和目的顶点连通度(G)、边连通度(G)(G)、(G)、(G)关系n-顶点连通、n-边连通1.1 动机和目的一个图是否是连通的,是图的一个重要性质。
于是,我们就想来刻画两个图“连通程度”的大小,但是刻画两个图“连通程度”的大小方法很多,我们只介绍两个常用的方法:顶点连通度和边连通度例:树的每个度大于1的顶点都是割点。
一个具有割点的连通图,当去掉这个割点时,就产生了一个不连通图。
对于一个没有割点的连通图,必须去掉多于一个顶点才有可能得到一个不连通图。
于是,具有割点的连通图较之没有割点的连通图的“连通程度”要低。
类似地,树的每条边的都是桥。
有桥的连通图,当去掉桥时,就产生了一个不连通图。
对于无桥的连通图,要想去掉一些边得到不连通图,至少要去掉两条才有可能得到不连通图。
从去掉边来获得不连通图的角度看,有桥的连通图较之无桥的连通图的“连通程度”要低。
特别是,一个非平凡树是一个有最少边连通图。
图的顶点和边,在不同应用中有不同意义。
在通讯网络中,通讯站是顶点,通讯线路是边。
它们的失灵势必危机系统的通讯。
所以,网络图的“连通程度”越高,通讯网络越可靠。
这种直观的想法,启发我们建立以下的严格概念:1.2 顶点连通度(连通度)定义1 设G=(V,E)是一个无向图,要想从G中得到一个不连通图或平凡图所需要从G中去掉的最少顶点数称为G 的顶点连通度,简称连通度。
记为)(G χχ=。
离散数学中的图的匹配和匹配理论

离散数学是数学中的一个重要分支,它研究的是离散的、离散的、不连续的数学结构与问题。
而图论是离散数学的一个重要领域,它研究的是图的性质和关系。
在离散数学中,图是一个由节点(顶点)和边组成的网络结构。
节点表示实体,边表示节点之间的关系。
图的匹配是指一种边的选择方式,使得没有两个边具有相同的起点或终点。
图的匹配问题是图论中的一个经典问题,匹配理论则是研究匹配问题的理论基础。
图的匹配在实际中有广泛的应用,比如在交通规划、人员分配等领域中都涉及到匹配问题。
在图的匹配问题中,存在两种不同的匹配,分别是最大匹配和完美匹配。
最大匹配是指在所有可能的匹配中,边数最多的匹配,而完美匹配是指图中的每个节点都被匹配。
在图的匹配问题中,一个重要的概念是增广路径。
增广路径是指一个由未匹配的顶点和匹配点依次相连所构成的路径。
通过寻找增广路径,可以使得匹配数增加,从而逐步逼近最大匹配。
图的匹配理论主要围绕匹配数的计算和匹配的寻找展开。
最简单的匹配算法是贪心算法,即每次找到一个未匹配的节点,与之相连的边进行匹配,并不断更新匹配的边。
然而,贪心算法无法保证得到最优解,因此需要其他更加高效的算法来解决匹配问题。
其中一种经典的算法是匈牙利算法,它以增广路径为基础,通过不断寻找增广路径来找到最大匹配。
匈牙利算法的核心思想是通过不断寻找增广路径来增加匹配数。
具体步骤如下:1.初始化所有节点都未匹配2.对每个未匹配的节点,进行深度优先搜索,寻找增广路径3.如果找到增广路径,则将路径上的边匹配4.重复步骤2和步骤3,直到无法找到增广路径5.返回匹配结果匈牙利算法的时间复杂度为O(V * E),其中V为节点数,E为边数。
虽然匈牙利算法在时间复杂度上不是最优的,但它具有简单易懂、容易实现的优点。
在实际应用中,匹配问题往往需要考虑更多的因素,比如权重、容量等。
为了解决带权匹配问题,可以使用最小权重匹配算法,比如Dijkstra算法或Floyd-Warshall算法。
图论 第3章 连通度、匹配

第三章连通度、匹配⎧⎪⎨⎪⎩顶点连通度和边连通度门格尔定理匹配、霍尔定理本章的特点:(1)理论深;(2)本科基本用不上(计算机体系结构上用到一点),只有研究生才能用上;(3)只介绍这个领域最基本的概念和一些有用的结果。
一个图是否是连通的,这是图的一个重要性质。
内容:本章首先引入图的顶点连通度和边连通度,由此可以比较两个图中哪个“更加连通”;接着讨论了它们的一些简单性质;然后讨论偶图的匹配问题。
第一节顶点连通度和边连通度χγχλδ⎧⎪⎪⎨⎪⎪⎩动机和目的顶点连通度(G)、边连通度(G)(G)、(G)、(G)关系n-顶点连通、n-边连通1.1 动机和目的一个图是否是连通的,是图的一个重要性质。
于是,我们就想来刻画两个图“连通程度”的大小,但是刻画两个图“连通程度”的大小方法很多,我们只介绍两个常用的方法:顶点连通度和边连通度例:树的每个度大于1的顶点都是割点。
一个具有割点的连通图,当去掉这个割点时,就产生了一个不连通图。
对于一个没有割点的连通图,必须去掉多于一个顶点才有可能得到一个不连通图。
于是,具有割点的连通图较之没有割点的连通图的“连通程度”要低。
类似地,树的每条边的都是桥。
有桥的连通图,当去掉桥时,就产生了一个不连通图。
对于无桥的连通图,要想去掉一些边得到不连通图,至少要去掉两条才有可能得到不连通图。
从去掉边来获得不连通图的角度看,有桥的连通图较之无桥的连通图的“连通程度”要低。
特别是,一个非平凡树是一个有最少边连通图。
图的顶点和边,在不同应用中有不同意义。
在通讯网络中,通讯站是顶点,通讯线路是边。
它们的失灵势必危机系统的通讯。
所以,网络图的“连通程度”越高,通讯网络越可靠。
这种直观的想法,启发我们建立以下的严格概念:1.2 顶点连通度(连通度)定义1 设G=(V,E)是一个无向图,要想从G中得到一个不连通图或平凡图所需要从G中去掉的最少顶点数称为G 的顶点连通度,简称连通度。
记为)(G χχ=。
图论 的配对问题

饱和的
m1
m2
m3
m4
m5 不饱和 的
M={(f1,m3), (f2,m1) ,(f3,m2) ,(f5,m5)}
定义:若M是图G的一个匹配,若从G中一 :若M是图G的一个匹配,若从G
个顶点到另一个顶点存在一条道路,此路 径由属于M和不属于M 径由属于M和不属于M的边交替出现组成的, 则称此路径为M 则称此路径为M-交错路。
x1 x2 x3 x4 x5
y1
y2
y3
y4
y5
M={(x1,y1 ),(x3,y5),(x5,y3)}
V1={x2,x5,x3};V2 ={y3,y5};
M=M⊕ E(P)={(x1,y1 ),(x2,y3),(x3,y2),( x5,y5)}
解
(2)若X已经饱和,结束;否则转(3); )若X已经饱和,结束;否则转(3 (3)在X中找一个非饱和点x0,V1={x0},V2={} )在X中找一个非饱和点x (4)若N(V1)=V2则停止,否则任选一点 )若N(V y∈N(V1)-V2
x1 x2 x3 x4 x5
y1
y2
y3
y4
y5
M={(x1,y1 ),(x2,y3),(x3,y2),( x5,y5)}
V1={x4};V2 =空集 N(V1)={y3}
解
(5)若y已饱和, M中必有(y,z) ;作【 V1 =V1 )若y 中必有(y,z) ;作【 ∪{z} , V2 =V2∪ {y}; 转(4)】,否则【求 {y}; 转(4 ,否则【 的可增广道路P 一条从x 一条从x0到y的可增广道路P,对之进行增广; 转(2 转(2)】
第五章
匹配
具体问题描述: 有n个女士和n个男士参加舞会,每位 个女士和n 女士与其中若干位男士相识,每位男士与 其中若干位女士相识,问如何安排,使得 尽量多配对的男女舞伴相识。
学习图的最大匹配

学习图的最大匹配图论作为一门重要的数学理论,广泛应用于计算机科学、网络优化等领域。
其中,图的最大匹配问题是图论中的一个经典问题,它在实际中有着广泛的应用。
本文将重点介绍学习图的最大匹配问题的相关理论和算法,并探讨一些实际应用场景。
一、图的最大匹配问题的定义图的最大匹配问题是指在一个无向图中,找到一个最大的边集合,使得图中每个顶点最多与这个集合中的一条边相连。
这个集合就是图的最大匹配。
最大匹配问题可以描述为在一个集合中选取最多的元素,使得这些元素之间没有相同的关联,且集合的大小最大。
二、最大匹配问题的解决算法解决最大匹配问题的经典算法有匈牙利算法和增广路径算法。
1. 匈牙利算法匈牙利算法是最早提出来解决最大匹配问题的算法之一。
它通过不断寻找增广路径,来寻找增加匹配边的方法。
算法的基本思想是从未匹配的顶点开始,通过寻找增广路径不断扩展当前的匹配。
2. 增广路径算法增广路径算法是另一种解决最大匹配问题的有效方法。
它的基本思想是通过搜索图中的增广路径,并根据路径的特性来调整匹配的边集合。
增广路径算法的关键是寻找增广路径的方法。
三、实际应用场景最大匹配问题在实际中有着广泛的应用,例如:1. 人员配对在招聘场景下,企业需要根据职位需求和员工技能进行配对。
最大匹配问题可以帮助企业找到最佳的候选人。
2. 车辆调度在物流领域,需要根据货物的特性和运输车辆的特点进行合理的调度。
最大匹配问题可以帮助找到最佳的车辆安排方案。
3. 项目匹配在科研项目中,需要根据项目需求和研究人员的专长进行匹配。
最大匹配问题可以帮助找到最佳的项目与研究团队的匹配。
四、总结通过本文的介绍,我们了解了图的最大匹配问题的定义和解决算法。
最大匹配问题在实际应用中具有重要的价值和意义。
希望读者通过学习图的最大匹配问题,能够应用到实际问题的解决中,并进一步扩展图论的应用领域。
以上是对学习图的最大匹配问题的一些基本介绍,希望对您有所帮助。
谢谢阅读!。
- 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)。
第三章 匹配理论§3.1 匹配与最大匹配定义3.1.1 设G 是一个图, )(G E M ⊆,满足:对i e ∀,M e j ∈,i e 与j e 在G 中不相邻,则称M 是G 的一个匹配。
对匹配M 中每条边uv e =,其两端点 u 和 v 称为被匹配M 所匹配,而 u 和 v 都称为是M 饱和的(saturated vertex )。
注:每个顶点要么未被M 饱和, 要么仅被M 中一条边饱和。
定义3.1.2 设M 是G 的一个匹配, 若G 中无匹配M ′, 使得||||M M >′, 则称M 是G 的一个最大匹配;如果G 中每个点都是M 饱和的, 则称M 是G 的完美匹配(Perfect matching ).显然, 完美匹配必是最大匹配。
例如,在下图G 1中,边集{e 1}、{e 1,e 2}、{e 1,e 2,e 3}都构成匹配,{e 1,e 2,e 3}是G 1的一个最大匹配。
在 G 2中,边集{e 1,e 2,e 3,e 4}是一个完美匹配,也是一个最大匹配。
定义3.1.3 设M 是G 的一个匹配, G 的M 交错路是指其边M 和M G E \)(中交替出现的路。
如果G 的一条M 交错路(alternating path)的起点和终点都是M 非饱和的,则称其为一条M 可扩展路或M 增广路(augmenting path)。
定理 3.1.1(Berge,1957) 图G 的匹配M 是最大匹配的充要条件是G 中不存在M 可扩展路。
证明:必要性:设M 是G 的一个最大匹配。
如果G 中存在一个M 可扩展路P ,则将P 上所有不属于M 的边构成集合M ′。
显然M ′也是G 的一个匹配且比M 多一条边。
这与M 是最大匹配相矛盾。
充分性:设G 中不存在M 可扩展路。
若匹配M 不是最大匹配,则存在另一匹配M ′,使||||M M >′. 令][M M G H ′⊕=,(M M M M M M ′−′=′⊕∩∪称为对称差)。
则H 中每个顶点的度非1即2(这是因为一个顶点最多只与M 的一条边及M ′的一条边相关联)。
故H 的每个连通分支要么是M 的边与M ′的边交替出现的一个偶长度圈,要么是M 的边与M ′的边交替出现的一条路。
由于||||M M >′,H 的边中M ′的边多于M 的边,故必有H 的某个连通分支是一条路,且始于M ′的边又终止于M ′的边。
这条路是一条M 可扩展路。
这与条件矛盾。
证毕。
§3.2 完美匹配定义3.2.1 图G 的奇分支:G 的含有奇数个顶点的连通分支。
用)(G O 表示G 的奇分支的个数。
定理3.2.1 (Tutte,1947) 图G 有完美匹配的充分必要条件是对)(G V S ⊂∀,||)\(S S G O ≤。
证明(Lovász,1973)必要性:设图G 有完美匹配M 。
对)(G V S ⊂∀,若S G \无奇分支,则0)\(=S G O ;否则,设k G G G ,,,21 是S G \的所有奇分支。
注意每个i G 中至少有一个顶点i u 在M 下与S 中的某个顶点i v 配对(k i ,,2,1 =),(因i G 是奇分支,M 是完美匹配)。
故S v v v k S G O k ≤==|},,,{|)\(21 。
充分性(反证法):设G 满足:对)(G V S ⊂∀,S S G O ≤)\(,但G 没有完美匹配。
首先,取φ=S ,知0)(=G O ,故)(G V 是偶数。
现在,给G 添加边以获得一个没有完美匹配而有尽可能多的边的图*G 。
因G 是*G 的生成子图,故对)(G V S ⊂∀,S G \是S G \*的生成子图,从而S S G O S G O ≤≤)\()\(*. (*)令 }1)(),({**−=∈=νu d G V u u U G .若)(*G V U =,则*G 是偶数阶完全图,有完美匹配。
这与*G 的性质矛盾。
因此,)(*G V U ≠,可以证明,此时U G \*的每个连通分支都是完全图(记为命题A,另证)。
由(*)式,U U G O ≤)\(*,即U G −*的奇分支个数最多是U 。
但这样一来,*G 就有一个完美匹配:U G \*的各奇分支中的一个顶点和U 的一个顶点配对;U 中余下的顶点以及U G \*的各分支中余下的顶点在本分支内配对(由于各分支及U 都是完全图)。
这与*G 无完美匹配矛盾。
证毕.命题A的证明:在上述充分性证明的条件下,当)(*G V U ≠时,U G \*的每个连通分支都是完全图。
用反证法证明:若不然,设U G \*中某个连通分支i G 不是完全图,则3)(≥i G V 。
必存在)(,,i G V z y x ∈,使得)(,i G E yz xy ∈,且)(i G E xz ∉。
由于U y ∉,故必有与y 不相邻的顶点,即必存在),\(*U G V w ∈ 使得)(*G E yw ∉。
由于*G 是不含完美匹配的极大图,所以xz G +*和yw G +*都含有完美匹配,分别设为1M 和2M 。
用H 表示{}yw xz G ,*∪中由21M M ⊕导出的子图。
由于对)(H V u ∈∀,2)(=u d H 或0(由1M 和2M 都是完美匹配知),故H 的每个非平凡连通分支都是其边在1M 和2M 中交替出现的偶长度圈。
下分两种情形:(1)xz 和yw 分别在H 的不同分支中。
设yw 在H 的某个圈C 上,则1M 在C 上的边连同2M 不在C 上的边构成*G 的一个完美匹配。
这与*G 的选择矛盾。
情形(1)(2)xz 和yw 在H 的同一分支C中,由x 和z 的对称性,不妨设z w y x ,,,在C 中依次出现,并设1M 在C 的z yw 段中的边集为1M ′,2M 在C 的z yw 段中的边集为2M ′,于是 )\(}{221M M yz M ′′∪∪ 是*G 的完美匹配,又与*G 的选择矛盾。
综合(1)、(2)两种情形,便证明了U G \*的每个连通分支都是完全图。
证毕。
推论3.2.1 (1−k )边连通偶数阶k 正则图有完美匹配 证明:设G 是命题中所述的k 正则图。
当1=k 时,结论显然。
以下假定2≥k 。
设S 是G 的任一个非空顶点集,n G G G ,,,21 是S G \的奇分支。
令),(i i G V =ν e e m i |{|=是i G 与S 之间的连边|}。
由于1−≥′k κ,故1−≥k m i ,),,2,1(m i =。
若存在i从而)(G V v i dm i =∑∈。
但因1−i ν是偶这个矛盾说明k m i ≥ (),,2,1n i =故有 由Tutte 定理,G 推论 证明:设G 是2由推论3.2.1,G 有完美匹配。
证毕注:有割边的3()3O G v −=,故无完美匹配。
推论3.2.3 偶数阶完全图n K 2有12−n 个边不重的完美匹配。
证明:用平面上正12−n 边形的点代表1221,,,−n v v v ,而用其中心点代表n v 2点。
用直线段连接每个顶点对,即得n K 2。
构作匹配i M 为边n i v v 2和所有与n i v v 2垂直的边之集。
易检验每个i M 都是G 的完美匹配,且不同的i M 无公共边。
例如,按这种方法构作出K 6的两个完美匹配如下图(b)、(c)所示。
显然,n v 2关联的每条边对应这样一个完美匹配,故共有12−n 个边不重的完§3.3 二部图的匹配定理3.3.1 (Hall, 1935) 设G 是具有二划分),(Y X 的二部图,则G 有饱和X 的匹配当且仅当对X S ⊆∀,S S N ≥)(,其中)(S N 表示S 的所有邻点之集。
证明:必要性。
设G 有饱和X 的匹配M ,则对XS ⊆∀,因S 的顶点在M 下和)(S N 中顶点配对,故S S N ≥)(。
充分性:设),(Y X G =是二部图,且对X S ⊆∀,S S N ≥)(。
下用反证法。
假如G 没有饱和X 的匹配,则G 的最大匹配*M 不能饱和X 的所有顶点。
设u 是X 的一个*M 不饱和点,并设|{v A =u 到v 有*M 交错路}。
由于*M 是最大匹配,故由Berge 定理,u 是A 中唯一的*M 非饱和点。
令X A S ∩=,Y A T ∩=。
注意}{u S −中的顶点在*M 下与T 中的顶点一一配对(因S u ∈,且对T t ∈∀,u 与t 有*M交错路t P 相连,而且t 是*M 饱和的,故交错路t P 上最后一条边必是*M 的边,它将S 中一个顶点与t 配对。
而且不同的t 会有S 中不同的顶点相配,否则会有两条*M 的边关联到S 中同一顶点)。
因此1−=S T 。
(1)u(a)此外,T S N ⊇)((因T 中顶点通过S 中顶点与u 连*M 交错路),且T S N ⊆)((对)(S N 中每个顶点t ,设它是S 中顶点s 的邻点,从u 到s 的*M 交错路必可延伸为u 到t 的*M 交错路)。
故T S N =)( (2)由(1)、(2)知:()||1N S T S S ==−<,这与定理条件矛盾。
证毕。
推论 3.3.1 设),(Y X G =是二部图,若X 中每个顶点至少关联k 条边()1≥k 而Y 中每个顶点至多关联k 条边,则G 中存在饱和X 的匹配。
证明:由条件知,对X S ⊆∀,S 至少关联||S k 条边。
这||S k 条边至少关联Y 中||S 个顶点。
即S S N ≥)(,由Hall 定理,G 有饱和X 的匹配。
证毕。
推论 3.3.2.(Frobenius,1917) 具有二划分),(Y X 的二部图G 有完美匹配的充分必要条件是Y X =且对X S ⊆∀(或Y ),均有|||)(|S S N ≥。
证明:显然。
推论3.3.3 (König,1916) 设G 是k 正则二部图)0(>k ,则G 有k 个边不重的完美匹配。
证明:(1)先证G 有完美匹配。
证法1:设),(Y X G =是k 正则二部图,则Y k G E X k ==)(,因0>k ,故Y X =,任取X S ⊆,令=1E {G 中与S 关联的边},=2E {G 中与N (S )关联的边}。
则21E E ⊆。
因而S k E E S N k =≥=12)(,即S S N ≥)(。
由推论3.3.2,G 有完美匹配。
证法2: 由推论3.3.1,G 中有饱和X 的匹配。
因Y X =(如前所证),故这个匹配就是完美匹配。
(2)再证G 中有k 个边不重的完美匹配(用归纳法)。
当1=k 时,显然。
设对所有k 正则二部图,结论成立。
下证对)1(+k 正则二部图G ,结论也成立。