有向图和无向图的相关概念

图的定义:

  图在数据结构中是中一对多的关系,一般分为有向图与无向图

  常用 邻接矩阵 或者 邻接链表 来表示图中结点的关系

  ⑴图是由顶点集V和顶点间的关系集合E(边的集合)组成的一种数据结构
  ⑵用二元组定义为:G=(V,E)。

例如:

对于图7-1所示的无向图G1和有向图G2,它们的数据结构可以描述为:

      G1=(V1,E1), 其中 V1={a,b,c,d},E1={(a,b),(a,c),(a,d),(b,d),(c,d)},
                 G2=(V2,E2),其中 V2={1,2,3}, E2={<1,2>,<1,3>,<2,3>,<3,1>}。

有向图与无向图

    ⑴在图中,若用箭头标明了边是有方向性的,则称这样的图为有向图,否则称为无向图。

    如图7-1中:
         ①G1为无向图,   ②G2 为有向图。
    ⑵在无向图中:一条边(x,y)与(y,x)表示的结果相同,用圆括号表示,
    ⑶在有向图中:一条边<x,y>与<y,x>表示的结果不相同,故用尖括号表示。<x,y>表示从顶点x发向顶点y的边,x为始点,y为终点。
    ⑷有向边也称为弧,x为弧尾,y为弧头,则<x,y>表示为一条弧, 而<y,x>表示y为弧尾,x为弧头的另一条弧 。

完全图/稠密图/稀疏图:

  ⑴具有n个顶点,n(n-1)/2条边的图,称为完全无向图,
  ⑵具有n个顶点,n(n-1) 条弧的有向图,称为完全有向图。
  ⑶完全无向图和完全有向图都称为完全图。
  ⑷对于一般无向图,顶点数为n,边数为e,则 0≤e  ≤n(n-1)/2。
  ⑸对于一般有向图,顶点数为n,弧数为e, 则 0≤e≤n(n-1)  。
  ⑹当一个图接近完全图时,则称它为稠密图,
  ⑺当一个图中含有较少的边或弧时,则称它为稀疏图。

度/出度/入度:

  ⑴在图中,一个顶点依附的边或弧的数目,称为该顶点的度。

  ⑵在有向图中,一个顶点依附的弧头数目,称为该顶点的入度。

  ⑶一个顶点依附的弧尾数目,称为该顶点的出度,某个顶点的入度和出度之和称为该顶点的度。

  ⑷若图中有n个顶点,e条边或弧,第i个顶点的度为di,则有  e=1/2 * Σ(1<= i <= n,   di)

子图

⑴若有两个图G1和G2, G1=(V1,E1), G2=(V2,E2), 满足如下条件:
    V2⊆V1  ,E2⊆ E1,即V2为V1的子集,E2为E1的子集,则 称图G2为图G1的子图。

权:
⑴在图的边或弧中给出相关的数,称为权。
⑵权可以代表一个顶点到另一个顶点的距离,耗费
   等,带权图一般称为网。

一个图由多个结点以及边组成。

无向图例子:

  

  有向图例子:

  

从上述例子中可以看出,一个图表是由数个顶点和边组成的。

  其中,无向图的边是没方向的,即两个相连的顶点可以互相抵达。

  而有向图的边是有方向的,即两个相连的顶点,根据边的方向,只能由一个顶点通向另一个顶点。(当然,如有向图例子中的2和3,由于有两个指向对方的方向,所以2和3是互通的。)

完全图

连通图:如果一个无向图从每一个顶点到其他顶点都存在一条路径,则称该无向图为连通图

强连通图:具有这样的性质的有向图称为是强连通的,如果不是强连通的,

弱连通图:它的基础图,即去掉弧上的方向所形成的的图,是连通的,那么该有向图称为弱连通的

完全无向图:具有n个顶点,并具有n(n - 1)/2 条边的图,称为完全无向图(每个顶点到其他顶点都有边),连通图

完全有向图:具有n个顶点,并且具有n(n - 1) 条边的有向图,称为完全有向图(每个顶点到其他顶点都有相互两条边),强连通图

完全图:完全无向图和完全有向图都称为完全图

邻接矩阵

定义:
设无向图G=(V,E)G=(V,E),其中顶点集V=v0,v1,v2,...,vnV=v1,v2,...,边集E=e0,e1,e2,...,eεE=e1,e2,...,eε。用aijaij表示顶点vivi与顶点vjvj之间的边数,可能取值为0,1,2,…,称所得矩阵A=A(G)=(aij)n×nA=A(G)=(aij)n×n为图G的邻接矩阵

性质:

类似地,有向图D的邻接矩阵A(D)=(aij)n×nA(D)=(aij)n×n, aijaij表示从始点vivi到终点vjvj的有向边的条数,其中vivi和vjvj为D的顶点

示例,求图所示简单图的邻接矩阵?

解:根据定义,可求得该无向图的邻接矩阵为

注:邻接矩阵是描述图的一种常用的矩阵表示。

关联矩阵

定义:
设任意图G=(V,E)G=(V,E),其中顶点集V=v1,v2,...,vnV=v1,v2,...,vn,边集E=e1,e2,...,eεE=e1,e2,...,eε。用mijmij表示顶点vivi与边ejej关联的次数,可能取值为0,1,2,…,称所得矩阵M(G)=(mij)n×εM(G)=(mij)n×ε为图G的关联矩阵

类似地,有向图DD的关联矩阵M(D)=(mij)n×εM(D)=(mij)n×ε的元素mi×jmi×j定义为:

示例,求图中有向图的邻接矩阵和关联矩阵

解:根据定义,可求得该有向图的邻接矩阵:

关联矩阵:

注:关联矩阵是描述图的另一种矩阵表示。

参考地址:

邻接矩阵与关联矩阵_关联矩阵和邻接矩阵_hukai7190的博客-CSDN博客

有向图和无向图以及拓扑的复习_无向拓扑图的初始状态_legendaryhaha的博客-CSDN博客

https://www.cnblogs.com/schips/p/10632250.html

  • 33
    点赞
  • 105
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值