【离散数学】图论 第七章(3) 图的矩阵表示（邻接矩阵、可达矩阵、传递闭包求解算法）

本文属于「离散数学」系列文章之一。这一系列着重于离散数学的学习和应用。由于内容随时可能发生更新变动，欢迎关注和收藏离散数学系列文章汇总目录一文以作备忘。此外，在本系列学习文章中，为了透彻理解数学知识，本人参考了诸多博客、教程、文档、书籍等资料。以下是本文的不完全参考目录，在后续学习中还会逐渐补充：

• （国外经典教材）离散数学及其应用 第八版 Discrete Mathematics and Its Applications Eighth Edition ，作者是 Kenneth H.Rosen ，袁崇义译，机械工业出版社
• 离散数学 第二版，武波等编著，西安电子科技大学出版社，2006年
• 离散数学 第三版，方世昌等编著，西安电子科技大学出版社，2013年
• （经典参考书及其题解）离散数学/离散数学——理论•分析•题解，左孝凌、李为鉴、刘永才编著，上海科学技术文献出版社
• 离散数学习题集：数理逻辑与集合论分册，耿素云；图论分册，耿素云；抽象代数分册， 张立昂。北京大学出版社

---

7.3 图的矩阵表示

采用矩阵表示图，便于计算机存储和处理图的信息（只对小图、稠密图有点用），也便于运用代数的方法研究图的性质（这才是重点！），例如，我们可以通过矩阵计算结果，判定图的连通性/可达性等问题。

7.3.1 邻接矩阵

定义7.3.1 设 $G=⟨V,E⟩$ 是一个线图，结点集合 V = { v 1 , v 2 , … , v n } V = \{ v_1, v_2, \dots, v_n\} V={ v1​,v2​,…,vn​} ，令 $A(G)=[a_{ij}{]}_{n\times n}$ ，其中：
$$a_{ij}=\{\begin{array}{ll}1& 若[v_i,v_j]\in E\\ 0& 若[v_i,v_j]\notin E\end{array}$$ 则称 $A(G)$ 为 $G$ 的邻接矩阵 adjacency matrix 。

【例1】设 $G_1$ 是有向图、$G_2$ 是无向图，分别如图7.3.1(a)和(b)所示，写出 $G_1,G_2$ 的邻接矩阵。

解：
$$A(G_1)=\left[\begin{array}{cccc}1& 1& 0& 0\\ 0& 0& 1& 0\\ 1& 1& 0& 0\\ 0& 0& 1& 1\end{array}\right]A(G_2)=\left[\begin{array}{cccc}1& 1& 1& 1\\ 1& 0& 1& 0\\ 1& 1& 0& 1\\ 1& 0& 1& 1\end{array}\right]$$

当结点编号次序不同时，同一个图所得的邻接矩阵可能不同，但可以通过有限次的行、列变换而得到相同的邻接矩阵（同构的图？）。

通过图的邻接矩阵运算，可以判断图的一些性质。设 $G=⟨V,E⟩$ 是有向线图，$|V|=n$ ，$A$ 是 $G$ 的邻接矩阵。

1. $A{A}^T$ 的元素的意义

可知，$b_{ij}=\sum _{k=1}^n{a}_{ik}\cdot a_{jk}$ ，如图7.3.2所示，则在 $G$ 中恰好有 $b_{ij}$ 个结点，从 $v_i$ 和 $v_j$ 均有边引出到这些结点 $v_{k_1},v_{k_2},\dots ,v_{k_n}$ 。特别地，当 $i=j$ 时 $b_{ij}$ 表示 $v_i$ 的出度。

2. $A^{T}A$ 的元素的意义

可知，$b_{ij}=\sum _{k=1}^n{a}_{ki}\cdot a_{kj}$ ，如图7.3.3所示，则在 $G$ 中恰好有 $b_{ij}$ 个结点，以这些结点为始点，既有边引入到 $v_i$ 、又有边引入到 $v_j$ 。特别地，当 $i=j$ 时 $b_{ij}$ 表示 $v_i$ 的入度。

3. $A^2=A\times A$ 的元素的意义

若有 $b_{ij}=\sum _{k=1}^n{a}_{ik}\cdot a_{kj}$ ，如图7.3.4所示，则从 $v_i$ 到 $v_j$ 长度为 $2$ 的路有 $b_{ij}$ 条。特别地，当 $i=j$ 时 $v_i$ 到自身长度为 $2$ 的回路有 $b_{ij}$ 条。

对于 $A^m=\underset{m个A}{\underbrace{A\times A\times \cdots \times A}},m\ge 1$ ，有如下结论。
定理7.3.1 设 $G=⟨V,E⟩$ 为有向线图，结点集 V = { v 1 , v 2 , … , v n } V = \{ v_1, v_2, \dots, v_n\} V={ v1​,v2​,…,vn​} ，$A=[a_{ij}{]}_{n\times n}$ 为 $G$ 的邻接矩阵，$A^m=[a_{ij}^{(m)}{]}_{n\times n}$ ，则 $G$ 中从 $v_i$ 到 $v_j$ 有 $a_{ij}^{(m)}$ 条长度为 $m$ 的路。
证明 对 $m$ 进行归纳。

• 当 $m=1,m=2$ 时，由定义和上面的分析可知，显然成立；
• 设当 $m=t(t\ge 2)$ 时，命题成立；
• 当 $m=t+1$ 时，由
  $$A^{t+1}=A\cdot A^t=[a_{ij}^{(t+1)}{]}_{n\times n}=[\sum _{k=1}^n{a}_{ik}\cdot a_{kj}^{(t)}]$$ 故 $a_{ij}^{(t+1)}=\sum _{k=1}^n{a}_{ik}\cdot a_{kj}^{(t)}$ 。根据邻接矩阵的定义可知，$a_{ik}$ 表示结点 $v_i$ 与 $v_k$ 的长度为 $1$ 的路的条数。根据归纳假设知，$a_{kj}^{(t)}$ 是连接 $v_k$ 与 $v_j$ 的长度为 $t$ 的路的条数。因此，$a_{ik}\cdot a_{kj}^{(t)}$ 表示从结点 $v_i$ 出发、经过 $v_k$ 、到达结点 $v_j$ 的长度为 $t+1$ 的路的条数。
  对所有的 k ∈ { 1 , 2 , … , n } k \in \{ 1, 2, \dots, n\} k∈{ 1,2,…,n} 求和得 $a_{ij}^{(t+1)}=\sum _{k=1}^n{a}_{ik}\cdot a_{kj}^{(t)}$ ，$a_{ij}^{(t+1)}$ 就是从结点 $v_i$ 到结点 $v_j$ 的、所有长度为 $t+1$ 的路的条数。故当 $k=t+1$ 时命题也成立。

以上仅给出有向线图的一些基本结论，对于无向线图也有类似结论。

【例2】有向图 $G=⟨V,E⟩$ 如图7.3.5所示，用 $G$ 的邻接矩阵计算从顶点 $v_3$ 到 $v_1$ 的所有有向通路 path 。

解：图 $G$ 的邻接矩阵为：
$$A=\left[\begin{array}{cccc}0& 1& 0& 0\\ 0& 0& 1& 1\\ 0& 1& 0& 1\\ 1& 1& 0& 0\end{array}\right]$$ 由 $A[3][1]=0$ 知（下标从1开始），从顶点 $v_3$ 到 $v_1$ 没有长度为 $1$ 的通路。再计算 A 2 A^2