【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 $A^2$ ：
$$A^2=\left[\begin{array}{cccc}0& 0& 1& 1\\ 1& 2& 0& 1\\ 1& 1& 1& 1\\ 0& 1& 1& 1\end{array}\right]$$ 由 $A^2[3][1]=1$ 可知，从顶点 $v_3$ 到 $v_1$ 的、长度为 $2$ 的路有 $1$ 条。根据计算过程：
$$\begin{array}{rl}{A}^2[3][1]& =A[3][1]\times A[1][1]+A[3][2]\times A[2][1]\\ & +A[3][3]\times A[3][1]+A[3][4]\times A[4][1]\\ & =0\times 0+1\times 0+0\times 0+1\times 1=1\end{array}$$ 得到从顶点 $v_3$ 到 $v_1$ 的、长度为 $2$ 的有向路为 $(v_3,v_4,v_1)$ 。显然，它也是一条通路。再计算 $A^3$ ：
$$A^3=\left[\begin{array}{cccc}1& 2& 0& 1\\ 1& 2& 2& 2\\ 1& 3& 1& 2\\ 1& 2& 1& 2\end{array}\right]$$ 由 $A^3[3][1]=1$ 知，从顶点 $v_3$ 到 $v_1$ 的、长度为 $3$ 的路有 $1$ 条。根据计算过程：
$$\begin{array}{rl}{A}^3[3][1]& =A^2[3][1]\times A[1][1]+A^2[3][2]\times A[2][1]\\ & +A^2[3][3]\times A[3][1]+A^2[3][4]\times A[4][1]\\ & =1\times 0+1\times 0+1\times 0+1\times 1=1\end{array}$$ 得到从顶点 $v_3$ 到 $v_1$ 的、长度为 $3$ 的有向路为：从顶点 $v_3$ 到 $v_4$ 的一条长度为 $2$ 的路接上 $(v_4,v_1)$ 。再根据计算过程：
$$\begin{array}{rl}{A}^2[3][4]& =A[3][1]\times A[1][4]+A[3][2]\times A[2][4]\\ & +A[3][3]\times A[3][4]+A[3][4]\times A[4][4]\\ & =0\times 0+1\times 1+0\times 1+1\times 0=1\end{array}$$ 得到从顶点 $v_3$ 到 $v_4$ 的一条长度为 $2$ 的有向路是 $(v_3,v_2,v_4)$ 。所以，从顶点 $v_3$ 到 $v_1$ 的、长度为 $3$ 的有向路是 $(v_3,v_2,v_4,v_1)$ 。显然，它也是一条通路。

因为对于 $4$ 个结点的有向图，当路的长度超过 $3$ 时，必定不是通路，所以从顶点 $v_3$ 到 $v_1$ 的通路共有两条：$(v_3,v_4,v_1)$ 和 $(v_3,v_2,v_4,v_1)$ 。

---

7.3.2 可达矩阵

1. 可达矩阵定义

定义7.3.2 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 $P(G)=[p_{ij}{]}_{n\times n}$ ，其中：
$$p_{ij}=\{\begin{array}{ll}1& 若从v_i可达v_j\\ 0& 若从v_i不可达v_j\end{array}$$ 则称 $P(G)$ 为 $G$ 的可达矩阵。

可达矩阵用于描述一个线图中、从任一结点到另一结点之间是否存在路。由于在图中「两个结点之间有路」，则「必存在长度小于等于 $n-1$ 的通路」。另外，一般认为「同一个结点到自身可达」。因此，可用以下公式计算 $P(G)$ ：
$$P(G)=[p_{ij}{]}_{n\times n}=A^0\vee A^1\vee \cdots \vee A^{n-1}$$ 其中，$A^0$ 是 $n\times n$ 的单位矩阵，$\vee$ 是析取（或逻辑加/并）运算。即「顶点 $v_i$ 到达 $v_j$ 有长度为零的路、或有长度为 $1$ 的路、……、或有长度为 $n-1$ 的路」，这些路可能是通路、可能不是，但其中至少存在一条通路。

2. 可达矩阵求解连通性和强分图

为什么要在【图的连通性】后介绍【图的矩阵表示（邻接矩阵、可达矩阵）】，是因为利用邻接矩阵 $A$ 和可达矩阵 $P$ ，可判断图的连通性：

• 无向线图 $G$ 是连通图，当且仅当它的可达矩阵 $P$ 为全 $1$ 矩阵；
• 有向线图 $G$ 是强连通图，当且仅当它的可达矩阵 $P$ 为全 $1$ 矩阵；
• 有向线图 $G$ 是单向连通图，当且仅当 $P\vee P^T$ 为全 $1$ 矩阵；
• 有向线图 $G$ 是弱连通图（忽略方向的底图为连通图），当且仅当以 $P\vee A^T$ 作为邻接矩阵，求得的可达矩阵 $P^{\prime }$ 为全 $1$ 矩阵

利用可达矩阵 $P$ ，还可求得有向图的强分图。设 $G=⟨V,E⟩$ ，$P$ 为图 $G$ 的可达矩阵。考察 $P\wedge P^T$ ，对于任何 i ∈ { 1 , 2 , … , n } i\in \{ 1, 2, \dots, n\} i∈{1,2,…,n} ，设第 $i$ 行的非零元素所在的列分别是 $i_1,i_2,\dots ,i_k$ 列（第 $i$ 行必有第 $i$ 列非零），则结点集 V i = { v i 1 , v i 2 , … , v i k } V_i = \{ v_{i_1}, v_{i_2}, \dots, v_{i_k}\} Vi​={vi1​​,vi2​​,…,vik​​} 导出的子图 $G(V_i)$ 是图 $G$ 的一个强分图（一个全 $1$ 子矩阵；另知强连通是等价关系）。
【例3】 设有向线图 $G=⟨V,E⟩$ 如图7.3.6所示，求 $G$ 的强分图。

解：首先求邻接矩阵 $A$ 的幂次：
$$\begin{gathered} A^0=\left[\begin{array}{ccccc}1& 0& 0& 0& 0\\ 0& 1& 0& 0& 0\\ 0& 0& 1& 0& 0\\ 0& 0& 0& 1& 0\\ 0& 0& 0& 0& 1\end{array}\right],A^1=\left[\begin{array}{ccccc}0& 0& 1& 0& 0\\ 0& 0& 0& 1& 0\\ 0& 0& 0& 1& 0\\ 0& 0& 1& 0& 1\\ 0& 0& 0& 1& 0\end{array}\right], \\ {A}^2=\left[\begin{array}{ccccc}0& 0& 0& 1& 0\\ 0& 0& 1& 0& 1\\ 0& 0& 1& 0& 1\\ 0& 0& 0& 1& 0\\ 0& 0& 1& 0& 1\end{array}\right],A^3=\left[\begin{array}{ccccc}0& 0& 1& 0& 1\\ 0& 0& 0& 1& 0\\ 0& 0& 0& 1& 0\\ 0& 0& 1& 0& 1\\ 0& 0& 0& 1& 0\end{array}\right], \\ {A}^4=A^2=\left[\begin{array}{ccccc}0& 0& 0& 1& 0\\ 0& 0& 1& 0& 1\\ 0& 0& 1& 0& 1\\ 0& 0& 0& 1& 0\\ 0& 0& 1& 0& 1\end{array}\right] \end{gathered}$$ 可求得图 $G$ 的可达矩阵：
$$\begin{gathered} P=A^0\vee A^1\vee A^2\vee A^3=\left[\begin{array}{ccccc}1& 0& 1& 1& 1\\ 0& 1& 1& 1& 1\\ 0& 0& 1& 1& 1\\ 0& 0& 1& 1& 1\\ 0& 0& 1& 1& 1\end{array}\right], \\ {P}^T=\left[\begin{array}{ccccc}1& 0& 0& 0& 0\\ 0& 1& 0& 0& 0\\ 1& 1& 1& 1& 1\\ 1& 1& 1& 1& 1\\ 1& 1& 1& 1& 1\end{array}\right],P\wedge P^T=\left[\begin{array}{ccccc}1& 0& 0& 0& 0\\ 0& 1& 0& 0& 0\\ 0& 0& 1& 1& 1\\ 0& 0& 1& 1& 1\\ 0& 0& 1& 1& 1\end{array}\right] \end{gathered}$$ 由此可知，$G$ 的强分图有 $3$ 个： { v 1 } ,   { v 2 } ,   { v 3 , v 4 , v 5 } \{ v_1 \},\ \{ v_2 \}, \ \{ v_3, v_4, v_5\} {v1​}, {v2​}, {v3​,v4​,v5​} 。

【例4】设有向图 $D=⟨V,E⟩$ 如图7.3.7所示，请回答下列问题。

（1）图 $D$ 中 $v_1$ 到 $v_3$ 长度为 $3$ 的通路有多少条？
（2）图 $D$ 是哪种类型的连通图？
解：
（1）$D$ 的邻接矩阵及其幂次为：
$$\begin{gathered} A^0=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& 1& 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right],A^1=\left[\begin{array}{cccc}0& 1& 1& 1\\ 1& 0& 1& 0\\ 0& 0& 0& 1\\ 0& 0& 0& 0\end{array}\right], \\ {A}^2=\left[\begin{array}{cccc}1& 0& 1& 1\\ 0& 1& 1& 2\\ 0& 0& 0& 0\\ 0& 0& 0& 0\end{array}\right],A^3=\left[\begin{array}{cccc}0& 1& 1& 2\\ 1& 0& 1& 1\\ 0& 0& 0& 0\\ 0& 0& 0& 0\end{array}\right] \end{gathered}$$ 由 $A^3[1][4]=2$ 知，$v_1$ 到 $v_4$ 共有两条长度为 $3$ 的路，计算过程如下：
$$\begin{gathered} \begin{array}{rl}{A}^3[1][4]& =A^2[1][1]\times A[1][4]+A^2[1][2]\times A[2][4]\\ & +A^2[1][3]\times A[3][4]+A^2[1][4]\times A[4][4]\\ & =1\times 1+0\times 0+1\times 1+1\times 0=2\end{array} \\ \begin{array}{rl}{A}^2[1][1]& =A[1][1]\times A[1][1]+A[1][2]\times A[2][1]\\ & +A[1][3]\times A[3][1]+A[1][4]\times A[4][1]\\ & =0\times 0+1\times 1+1\times 0+1\times 0=1\end{array} \\ \begin{array}{rl}{A}^2[1][3]& =A[1][1]\times A[1][3]+A[1][2]\times A[2][3]\\ & +A[1][3]\times A[3][3]+A[1][4]\times A[4][3]\\ & =0\times 1+1\times 1+1\times 0+1\times 0=1\end{array} \end{gathered}$$ 即这两条长度为 $3$ 的路为 $(v_1,v_2,v_1,v_4)$ 和 $(v_1,v_2,v_3,v_4)$ 。其中，$(v_1,v_2,v_3,v_4)$ 是一条通路，所以 $D$ 中 $v_1$ 到 $v_4$ 长度为 $3$ 的通路有一条。
（2）计算 $D$ 的可达矩阵。显然，$D$ 不是强连通的，因为 $v_3$ 到 $v_1$ 是不可达的；$D$ 是单侧连通的（即对于任意顶点偶对，至少一个结点到另一个结点是可达的），因为 $P\vee P^T$ 是全 $1$ 矩阵：
$$\begin{gathered} P=A^0\vee A^1\vee A^2\vee A^3=\left[\begin{array}{cccc}1& 1& 1& 1\\ 1& 1& 1& 1\\ 0& 0& 1& 1\\ 0& 0& 0& 1\end{array}\right], \\ {P}^T=\left[\begin{array}{cccc}1& 1& 0& 0\\ 1& 1& 0& 0\\ 1& 1& 1& 0\\ 1& 1& 1& 1\end{array}\right],P\vee P^T=\left[\begin{array}{cccc}1& 1& 1& 1\\ 1& 1& 1& 1\\ 1& 1& 1& 1\\ 1& 1& 1& 1\end{array}\right] \end{gathered}$$

---

7.3.3 求解传递闭包的快速算法

在第3章中，曾使用关系图表示二元关系，而关系图就是有向图。本节将利用图的矩阵表示及其运算，讨论求解有限集合上「二元关系的传递闭包」的快速算法。

定理7.3.2 设 $R$ 是集合 $V$ 上的二元关系，$n\in {\mathbb{Z}}^{+}$ ，对于任意 $a,b\in V,⟨a,b⟩\in R^n$ 当且仅当 $R$ 的关系图 $G=⟨V,E⟩$ 中，存在从 $a$ 到 $b$ 的长度为 $n$ 的有向路。
证明 对 $n$ 进行归纳：
（1）（归纳基础）根据关系图的定义，从 $a$ 到 $b$ 存在一条长度为 $1$ 的路，当且仅当 $⟨a,b⟩\in R$ 。故当 $n=1$ 时命题成立。
（2）（归纳假设）假设当 $n=k(k\ge 1)$ 时，命题成立。
（3）（归纳推理）当 $n=k+1$ 时，从 $a$ 到 $b$ 存在一条长度为 $k+1$ 的路，当且仅当存在元素 $c\in V$ ，使得从 $a$ 到 $c$ 存在一条长度为 $k$ 的路、从 $c$ 到 $b$ 存在一条长度为 $1$ 的路，当且仅当存在元素 $c\in V$ 且满足 $⟨a,c⟩\in R^k,⟨c,b⟩\in R$ ，当且仅当 $⟨a,b⟩\in R^k\circ R=R^{k+1}$ 。
因此，从 $a$ 到 $b$ 存在一条长度为 $k+1$ 的路，当且仅当 $⟨a,b⟩\in R^{k+1}$ 。

由邻接矩阵的定义可知，集合 $V$ 上的二元关系 $R$ 的关系矩阵，就是其关系图的邻接矩阵。

设 $M_R$ 是 $n$ 元素集合 $V$ 上的二元关系 $R$ 的关系矩阵（即对应关系图的邻接矩阵），$R$ 的传递闭包 $t(R)=R\cup R^2\cup \cdots \cup R^n$ ：

• $t(R)$ 的关系矩阵 $M_{t(R)}=M_R\vee M_{R^2}\vee \cdots \vee M_{R^n}$
• $t(R)$ 的关系图是—— $R$ 关系图中任意结点 $a,b$ 间「有长度为 $1$ 的路可达（即 $⟨a,b⟩\in R$）、或有长度为 $2$ 的路可达（即 $⟨a,b⟩\in R^2$）、……、或有长度为 $n$ 的路可达（即 $⟨a,b⟩\in R^n$）」这一二元关系的关系图。

【例5】已知集合 V = { a , b , c } V = \{ a, b, c\} V={a,b,c} ，集合 $V$ 上二元关系 $R$ 的关系图如图7.3.8(a)所示，求关系 $R$ 的传递闭包 $t(R)$ 的关系矩阵和关系图：

解：$R$ 的关系矩阵 $M_R=\left[\begin{array}{ccc}1& 0& 1\\ 0& 1& 0\\ 1& 1& 0\end{array}\right]$ ，而 $$M_{t(R)}=M_R\vee M_{R^2}\vee M_{R^3}=\left[\begin{array}{ccc}1& 0& 1\\ 0& 1& 0\\ 1& 1& 0\end{array}\right]\vee \left[\begin{array}{ccc}1& 1& 1\\ 0& 1& 0\\ 1& 1& 1\end{array}\right]\vee \left[\begin{array}{ccc}1& 1& 1\\ 0& 1& 0\\ 1& 1& 1\end{array}\right]=\left[\begin{array}{ccc}1& 1& 1\\ 0& 1& 0\\ 1& 1& 1\end{array}\right]$$ ，$t(R)$ 的关系图如图7.3.8(b)所示，它其实是图7.3.8(a)中结点间「有长度大于 $0$ 的路可达」关系的关系图。

虽然可用计算机编程，自动实现有限集合上「二元关系传递闭包」的计算，但是仍需要进行大量的位运算。下面介绍一个高效的求解传递闭包的算法，它是由[英]史蒂芬·沃舍尔 Stephen Warshall 于1960年提出的。

沃舍尔算法的实现，用到了内点的概念。给定有向图 $G=⟨V,E⟩$ ， V = { v 1 , v 2 , … , v n } V = \{ v_1, v_2, \dots, v_n\} V={v1​,v2​,…,vn​} ，$x,y\in V$ ，若 $x,v_{i1},v_{i2},\dots ,v_{is},y$ 是 $G$ 中一条从 $x$ 到 $y$ 的有向路，则称 $v_{i1},v_{i2},\dots ,v_{is}$ 为从 $x$ 到 $y$ 的有向路的内点。

定理7.3.3 设有向图 $G=⟨V,E⟩$ ， V = { v 1 , v 2 , … , v n } V = \{ v_1, v_2, \dots, v_n\} V={v1​,v2​,…,vn​} ，$1\le k\le n$ ，$v_i,v_j\in V$ 。若从 $v_i$ 到 $v_j$ 存在所有内点属于 { v 1 , v 2 , … , v k } \{ v_1, v_2, \dots, v_k\} {v1​,v2​,…,vk​} 的路，当且仅当存在从 $v_i$ 到 $v_j$ 的路、并且所有内点属于 { v 1 , v 2 , … , v k − 1 } \{ v_1, v_2, \dots, v_{k - 1} \} {v1​,v2​,…,vk−1​} ，或者存在从 $v_i$ 到 $v_k$ 的路和从 $v_k$ 到 $v_j$ 的路、并且两者所有内点均属于 { v 1 , v 2 , … , v k − 1 } \{ v_1, v_2, \dots, v_{k - 1}\} {v1​,v2​,…,vk−1​} 。
证明留作练习。
在定理7.3.3中，从 $v_i$ 到 $v_j$ 并且内点属于 { v 1 , v 2 , … , v k − 1 } \{ v_1, v_2, \dots, v_{k - 1}\} {v1​,v2​,…,vk−1​} 的路如图7.3.9(a)所示，从 $v_i$ 到 $v_k$ 和从 $v_k$ 到 $v_j$ 、并且两者所有内点均属于 { v 1 , v 2 , … , v k − 1 } \{v_1, v_2, \dots, v_{k - 1}\} {v1​,v2​,…,vk−1​} 的路如图7.3.9(b)所示：

给定 $M_R$ 是 $n$ 元素集合 $V$ 上的二元关系 $R$ 的关系矩阵， V = { v 1 , v 2 , … , v n } V = \{ v_1, v_2, \dots, v_n\} V={v1​,v2​,…,vn​} ，其关系图是有向图 $G=⟨V,E⟩$ 。设 $1\le k\le n$ ，构造矩阵 $W^k=[W_{ij}^k{]}_{n\times n}$ ，其中 $W_{ij}^k=1$ 表示存在从 $v_i$ 到 $v_j$ 的路、并且内点属于 V = { v 1 , v 2 , … , v k } V = \{v_1, v_2, \dots, v_k\} V={v1​,v2​,…,vk​} ，则 $M_{t(R)}=W^n$ 。

根据以上知识我们知道，$W_{ij}^k=1$ 当且仅当存在从 $v_i$ 到 $v_j$ 的路、并且所有内点属于 { v 1 , v 2 , … , v k − 1 } \{ v_1, v_2, \dots, v_{k - 1} \} {v1​,v2​,…,vk−1​}，或者存在从 $v_i$ 到 $v_k$ 的路和从 $v_k$ 到 $v_j$ 的路、并且两者所有内点均属于 { v 1 , v 2 , … , v k − 1 } \{ v_1, v_2, \dots, v_{k - 1}\} {v1​,v2​,…,vk−1​} 。所以有：$$W_{ij}^k=W_{ij}^{k-1}\vee (W_{ik}^{k-1}\wedge W_{kj}^{k-1})$$ 显然：

• $W^0=M_R$ ，此时 $W_{ij}^0=1$ 表示存在从 $v_i$ 到 $v_j$ 的路、并且内点属于 $\varnothing$ ，即 $v_i$ 和 $v_j$ 直连、其间不经过任何其他点；
• 当 $k=1$ 时，$W_{ij}^1=W_{ij}^0\vee (W_{i1}^0\wedge W_{1j}^0)$ ；
• 当 $k=2$ 时，$W_{ij}^2=W_{ij}^1\vee (W_{i2}^1\wedge W_{2j}^1)$ ；
• ……
• 如此下去，当 $k=n$ 时，$W_{ij}^n=W_{ij}^{n-1}\vee (W_{in}^{n-1}\wedge W_{nj}^{n-1})$ ，就得到传递闭包的关系矩阵 $M_{t(R)}=W^n$ 。

算法的过程描述如下：
（1）置新矩阵 $W=(M_R{)}_{n\times n}$ 。。
（2）置 $k=1$ ;
（3）对 $i=1,2,\dots ,n$ ，如果 $W[i][k]=1$（即存在从 $v_i$ 到 $v_k$ 的路、并且内点属于 $\varnothing$ ），则有：$$W[i][j]=W[i][j]\vee W[k][j]$$ 即是否存在从 $v_i$ 到 $v_j$ 的路、内点属于 { v 1 } \{v_1\} {v1​} ，取决于是否存在从 $v_k$ 到 $v_j$ 的路、并且内点属于 $\varnothing$ ；
（4）$k=k+1$ ；
（5）如果 $k\le n$ ，则转步骤(3)，否则停止。

以上沃舍尔算法，可以简述为：按列号顺序，对 $R$ 的关系矩阵 $W$ 的每一列中的元素、从上至下依次扫描每行，如果当前扫描的是第 $i$ 行第 $k$ 列、且遇到 $1$ 时，将 $1$ 所对应的第 $i$ 行析取第 $k$ 行、作为该行的新值。

【例6】设二元关系 $R$ 的关系矩阵 $M_R=\left[\begin{array}{cccc}0& 0& 0& 1\\ 1& 0& 1& 0\\ 1& 0& 0& 1\\ 0& 0& 1& 0\end{array}\right]$ ，求 $R$ 的传递闭包。
解：
$$\begin{gathered} W^0=M_R=\left[\begin{array}{cccc}0& 0& 0& 1\\ 1& 0& 1& 0\\ 1& 0& 0& 1\\ 0& 0& 1& 0\end{array}\right] \\ {W}^1=\left[\begin{array}{cccc}0& 0& 0& 1\\ 1& 0& 1& 1\\ 1& 0& 0& 1\\ 0& 0& 1& 0\end{array}\right] \\ {W}^2=\left[\begin{array}{cccc}0& 0& 0& 1\\ 1& 0& 1& 1\\ 1& 0& 0& 1\\ 0& 0& 1& 0\end{array}\right] \\ {W}^3=\left[\begin{array}{cccc}0& 0& 0& 1\\ 1& 0& 1& 1\\ 1& 0& 0& 1\\ 1& 0& 1& 1\end{array}\right] \\ {W}^4=M_{t(R)}=\left[\begin{array}{cccc}1& 0& 1& 1\\ 1& 0& 1& 1\\ 1& 0& 1& 1\\ 1& 0& 1& 1\end{array}\right] \end{gathered}$$