省流小助手:
- 判定度数列可否化为简单无向图,以及由度数列作图
顶点的度数与握手定理
度
无向图中,称 v i v_i vi作为边的端点的次数之和为 v i v_i vi的度数(度),记为 d G ( v i ) d_G(v_i) dG(vi),或简写为 d ( v i ) d(v_i) d(vi).
每个环提供给它的端点2度。
有向图中,
- v i v_i vi作为边的始点的次数之和为 v i v_i vi的出度,记为 d D − ( v i ) d_D^{-}(v_i) dD−(vi),或简写为 d − ( v i ) d^-(v_i) d−(vi).
- v i v_i vi作为边的始点的次数之和为 v i v_i vi的入度,记为 d D + ( v i ) d_D^{+}(v_i) dD+(vi),或简写为 d + ( v i ) d^+(v_i) d+(vi).
- 度: d D ( v i ) d_D(v_i) dD(vi),或简写为 d ( v i ) = d − ( v i ) + d + ( v i ) d(v_i)=d^-(v_i)+d^+(v_i) d(vi)=d−(vi)+d+(vi).
最大度和最小度
最大度 Δ ( G ) = max { d ( v ) ∣ v ∈ V } \Delta(G)=\max \{d(v)|v\in V\} Δ(G)=max{d(v)∣v∈V},简写为 Δ \Delta Δ.
最小度 δ ( G ) = min { d ( v ) ∣ v ∈ V } \delta(G)=\min\{d(v)|v\in V\} δ(G)=min{d(v)∣v∈V},简写为 δ \delta δ.
同理定义最大/小出/入度。
握手定理
设
G
=
<
V
,
E
>
G=<V,E>
G=<V,E>为任意一图(有向的或无向的),
V
=
{
v
1
,
v
2
,
⋯
,
v
n
}
V=\{v_1,v_2,\cdots,v_n\}
V={v1,v2,⋯,vn},边的条数
∣
E
∣
=
m
|E|=m
∣E∣=m,则
∑
i
=
1
n
d
(
v
i
)
=
2
m
\sum_{i=1}^n d(v_i)=2m
i=1∑nd(vi)=2m
推论
任何图(有向的或无向的)中,度数为奇数的顶点个数是偶数。
有向图
∑ i = 1 n d + ( v i ) = ∑ i = 1 n d − ( v i ) = m \sum_{i=1}^n d^+(v_i)=\sum_{i=1}^n d^-(v_i)=m i=1∑nd+(vi)=i=1∑nd−(vi)=m
特殊的图
简单图
既无环也无平行边
0
≤
Δ
(
G
)
≤
n
−
1
0\leq \Delta(G)\leq n-1
0≤Δ(G)≤n−1
可简单图化
充要条件
H a v e l {\rm Havel} Havel定理
设非负整数列
d
=
{
d
1
,
d
2
,
⋯
,
d
n
}
d=\{d_1,d_2,\cdots,d_n\}
d={d1,d2,⋯,dn}满足:
d
1
+
d
2
+
⋯
+
d
n
≡
0
(
m
o
d
2
)
d_1+d_2+\cdots+d_n\equiv 0 (\mod 2)
d1+d2+⋯+dn≡0(mod2)
n − 1 ≥ d 1 ≥ d 2 ≥ ⋯ ≥ d n ≥ 0 n-1\geq d_1\geq d_2\geq\cdots\geq d_n\geq 0 n−1≥d1≥d2≥⋯≥dn≥0
则
d
d
d可简单图化
⇔
\Leftrightarrow
⇔
d
′
=
(
d
2
−
1
,
d
3
−
1
,
⋯
,
d
d
1
+
1
−
1
,
d
d
1
+
2
,
⋯
,
d
n
)
d'=(d_2-1,d_3-1,\cdots ,d_{d_1+1}-1,d_{d_1+2},\cdots,d_n)
d′=(d2−1,d3−1,⋯,dd1+1−1,dd1+2,⋯,dn)
可简单图化。
画图
P . E r d o ¨ s , T . G a l l a i , 1960 {\rm P.Erd\ddot{o}s,T.Gallai,1960} P.Erdo¨s,T.Gallai,1960
设非负整数列
d
=
{
d
1
,
d
2
,
⋯
,
d
n
}
d=\{d_1,d_2,\cdots,d_n\}
d={d1,d2,⋯,dn}满足:
d
1
+
d
2
+
⋯
+
d
n
≡
0
(
m
o
d
2
)
d_1+d_2+\cdots+d_n\equiv 0 (\mod 2)
d1+d2+⋯+dn≡0(mod2)
n − 1 ≥ d 1 ≥ d 2 ≥ ⋯ ≥ d n ≥ 0 n-1\geq d_1\geq d_2\geq\cdots\geq d_n\geq 0 n−1≥d1≥d2≥⋯≥dn≥0
则 d d d可简单图化 ⇔ \Leftrightarrow ⇔
对
r
=
1
,
2
,
⋯
,
r=1,2,\cdots,
r=1,2,⋯,==
n
−
1
n-1
n−1==有
d
1
+
d
2
+
⋯
+
d
r
≤
r
(
r
−
1
)
+
min
{
r
,
d
r
+
1
}
+
min
{
r
,
d
r
+
2
}
+
⋯
+
min
{
r
,
d
n
}
d_1+d_2+\cdots+d_r\leq r(r-1)+\min\{r,d_{r+1}\}+\min\{r,d_{r+2}\}+\cdots+\min\{r,d_{n}\}
d1+d2+⋯+dr≤r(r−1)+min{r,dr+1}+min{r,dr+2}+⋯+min{r,dn}
等价形式
设非负整数列
d
=
{
d
1
,
d
2
,
⋯
,
d
n
}
d=\{d_1,d_2,\cdots,d_n\}
d={d1,d2,⋯,dn}满足:
d
1
+
d
2
+
⋯
+
d
n
≡
0
(
m
o
d
2
)
d_1+d_2+\cdots+d_n\equiv 0 (\mod 2)
d1+d2+⋯+dn≡0(mod2)
则
d
d
d可简单图化
⇔
\Leftrightarrow
⇔
对
r
=
1
,
2
,
⋯
,
r=1,2,\cdots,
r=1,2,⋯,==
n
n
n==有
d
1
+
d
2
+
⋯
+
d
r
≤
r
(
r
−
1
)
+
min
{
r
,
d
r
+
1
}
+
min
{
r
,
d
r
+
2
}
+
⋯
+
min
{
r
,
d
n
}
d_1+d_2+\cdots+d_r\leq r(r-1)+\min\{r,d_{r+1}\}+\min\{r,d_{r+2}\}+\cdots+\min\{r,d_{n}\}
d1+d2+⋯+dr≤r(r−1)+min{r,dr+1}+min{r,dr+2}+⋯+min{r,dn}
k-正则图
所有顶点的度数都是 k k k
完全图
无向完全图: K n K_n Kn
有向完全图没有符号。
彼得森图
经常用来举反例(证明不充分/不必要)
r部图
顶点可以被分为 r r r个部分的无向图, V = V 1 ∪ V 2 ∪ ⋯ ∪ V r , V i ∩ V j = ∅ ( i ≠ j ) , E ⊆ i ≠ j = U ( V i & V j ) V=V_1\cup V_2\cup \cdots\cup V_r,V_i\cap V_j=\empty(i\neq j),E\subseteq_{i\neq j}=U(V_i\&V_j) V=V1∪V2∪⋯∪Vr,Vi∩Vj=∅(i=j),E⊆i=j=U(Vi&Vj),也记作 G = < V 1 , V 2 , ⋯ , V r ; E > G=<V_1,V_2,\cdots, V_r;E> G=<V1,V2,⋯,Vr;E>.
偶图(2部图)
G = < V 1 , V 2 ; E > G=<V_1,V_2;E> G=<V1,V2;E>
条件
- V = V 1 ∪ V 2 , V 1 ∩ V 2 = ∅ V=V_1\cup V_2,V_1\cap V_2=\empty V=V1∪V2,V1∩V2=∅
- ∀ e ∈ E , ∣ e ∩ V 1 ∣ = ∣ e ∩ V 2 ∣ = 1 \forall e\in E,|e\cap V_1|=|e\cap V_2|=1 ∀e∈E,∣e∩V1∣=∣e∩V2∣=1
常给资源分配问题建立模型
完全偶图
K ∣ V 1 ∣ , ∣ V 2 ∣ K_{|V_1|,|V_2|} K∣V1∣,∣V2∣
容易证明 K ∣ V 1 ∣ , ∣ V 2 ∣ K_{|V_1|,|V_2|} K∣V1∣,∣V2∣有 ∣ V 1 ∣ ∣ V 2 ∣ |V_1||V_2| ∣V1∣∣V2∣条边。
超立方体图
Q n Q_n Qn
-
有 2 n 2^n 2n个顶点
-
将两个 Q n − 1 Q_{n-1} Qn−1的对应顶点连接,可得 Q n Q_n Qn
在并行计算和超级计算中运用(处理器和处理器之间的连接)
子图
导出子图
选定顶点后需要带出所有的边/选定边后需要带出所有的顶点
图同构
无向图中,若存在双射 f : V 1 → V 2 f:V_1\rightarrow V_2 f:V1→V2,满足 ∀ u , v ∈ V 1 , ( u , v ) ∈ E 1 ↔ ( f ( u ) , f ( v ) ) ∈ E 2 \forall u,v\in V_1,(u,v)\in E_1\leftrightarrow(f(u),f(v))\in E_2 ∀u,v∈V1,(u,v)∈E1↔(f(u),f(v))∈E2,则称 G 1 , G 2 G_1,G_2 G1,G2同构,记作 G 1 ≅ G 2 G_1\cong G_2 G1≅G2.
有向图中,若存在双射 f : V 1 → V 2 f:V_1\rightarrow V_2 f:V1→V2,满足 ∀ u , v ∈ V 1 , < u , v > ∈ E 1 ↔ < f ( u ) , f ( v ) > ∈ E 2 \forall u,v\in V_1,<u,v>\in E_1\leftrightarrow<f(u),f(v)>\in E_2 ∀u,v∈V1,<u,v>∈E1↔<f(u),f(v)>∈E2,则称 D 1 , D 2 D_1,D_2 D1,D2同构,记作 D 1 ≅ D 2 D_1\cong D_2 D1≅D2.
同构的图,其图论性质完全一致。
判定
NAUTY算法是性质非常好的算法
- 点数、边数、度数列
- 回路由多少顶点构成