机器学习|数学基础Mathematics for Machine Learning系列之图论(11):欧拉图
Posted 海轰Pro
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习|数学基础Mathematics for Machine Learning系列之图论(11):欧拉图相关的知识,希望对你有一定的参考价值。
文章目录
前言
Hello!小伙伴!
非常感谢您阅读海轰的文章,倘若文中有错误的地方,欢迎您指出~
自我介绍 ଘ(੭ˊᵕˋ)੭
昵称:海轰
标签:程序猿|C++选手|学生
简介:因C语言结识编程,随后转入计算机专业,有幸拿过一些国奖、省奖…已保研。目前正在学习C++/Linux/Python
学习经验:扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语!
机器学习小白阶段
文章仅作为自己的学习笔记 用于知识体系建立以及复习
知其然 知其所以然!
系列文章
【机器学习|数学基础】Mathematics for Machine Learning系列之图论(1):图的基本概念
【机器学习|数学基础】Mathematics for Machine Learning系列之图论(2):图的矩阵表示
【机器学习|数学基础】Mathematics for Machine Learning系列之图论(3):路径与连通
【机器学习|数学基础】Mathematics for Machine Learning系列之图论(4):有向图的连通性
【机器学习|数学基础】Mathematics for Machine Learning系列之图论(5):树及其性质
【机器学习|数学基础】Mathematics for Machine Learning系列之图论(6):生成树算法
【机器学习|数学基础】Mathematics for Machine Learning系列之图论(7):连通度
【机器学习|数学基础】Mathematics for Machine Learning系列之图论(8):割边、割集、割点
【机器学习|数学基础】Mathematics for Machine Learning系列之图论(9):匹配的概念
【机器学习|数学基础】Mathematics for Machine Learning系列之图论(10):匹配基本定理
6.1 欧拉图
定义 6.1
设 G = ( V , E ) G=(V, E) G=(V,E)是连通无向图
巡回
经过 G G G的每边至少一次闭通路
从起点出发,要求必须回到起点 即终点就是起点
欧拉巡回
经过 G G G的每边正好一次都巡回
经过每条边只能为1次 且恰好可以回到起点
欧拉图
存在欧拉巡回的图
欧拉道路
经过 G G G的每边正好一次的道路
可以不需要回到起点 只要求经过所有的边且只经过一次
定理 6.1
G G G是非空连通图,则下面命题等价
- G G G是欧拉图
- G G G无齐次顶点
- G = ⋃ i = 1 d C i , G i G=\\bigcup_i=1^dC_i,\\quad G_i G=⋃i=1dCi,Gi是圈,且 E ( G i ) ∩ E ( G j ) = ϕ ( i ≠ j ) E(G_i)\\cap E(G_j)=\\phi(i\\neq j) E(Gi)∩E(Gj)=ϕ(i=j)
证明: G G G是欧拉图 ⇒ \\Rightarrow ⇒ G G G无齐次顶点
因为 G G G是欧拉图,则必然存在一条欧拉巡回
设 W W W是 G G G中的欧拉巡回,得到
∀ V ∈ V ( G ) \\forall V \\in V(G) ∀V∈V(G), v v v一定会在 W W W上出现
设 v v v出现了 k k k次
则 d ( v ) = 2 k d(v) = 2k d(v)=2k
即 v v v是偶数次的
v v v具有任意性,故 G G G是欧拉图 ⇒ \\Rightarrow ⇒ G G G无齐次顶点
当 v v v不是起点或终点时,在欧拉巡回 W W W中出现一次则度数一定是2 (前、后必定会连接一个顶点)
当 v v v是起点或终点时,度数也是2,因为起点和终点在欧拉巡回中是同一个点
综上,对于 W W W中任意一个点,出现一次,度数+2
证明: G G G无齐次顶点 ⇒ \\Rightarrow ⇒ G = ⋃ i = 1 d C i , G i G=\\bigcup_i=1^dC_i,\\quad G_i G=⋃i=1dCi,Gi是圈,且 E ( G i ) ∩ E ( G j ) = ϕ ( i ≠ j ) E(G_i)\\cap E(G_j)=\\phi(i\\neq j) E(Gi)∩E(Gj)=ϕ(i=j)
因为 G G G无齐次顶点且为非空连通图,可得
δ ( G ) ≥ 2 \\delta(G)\\geq 2 δ(G)≥2
从而 G G G中必有圈 C 1 C_1 C1
令 G 1 = G − E ( C 1 ) G_1 = G- E(C_1) G1=G−E(C1),则 G 1 G_1 G1中仍然没有奇次顶点
因为圈中任意一个顶点都连接两条边,度数为2
去掉圈中一个点的边相当于度数减2
原图 G G G中任意一个点的度数都为偶数,再减去2,依然为偶数
故 G 1 = G − E ( C 1 ) G_1 = G- E(C_1) G1=G−E(C1)中无奇次顶点
若此时 G 1 G_1 G1中无边,则 G = G 1 G=G_1 G=G1,证明完成
若此时 G 1 G_1 G1中还有边,则 G 1 G_1 G1中的每个连通片中必定也是无奇次顶点的
说明 G 1 G_1 G1中连通片也是存在圈的
再去掉 G 1 G_1 G1中的一个圈 C 2 C_2 C2
得到 G 2 G_2 G2
. . . . . . . . . . . ........... ...........
经过有限次数的迭代,去除圈
最后一定可以得到一个无边图 G d G_d Gd,所以有
G = ⋃ i = 1 d C i G = \\bigcup_i=1^dC_i G=i=1⋃dCi
C i C_i Ci是 G G G中的一个圈,且 E ( G i ) ∩ E ( G j ) = ϕ ( i ≠ j , 1 ≤ i , j ≤ d ) E(G_i)\\cap E(G_j)=\\phi \\quad(i\\neq j,1\\leq i,j \\leq d) E(Gi)∩E(Gj)=ϕ(i=j,1≤i,j≤d)
可以理解为: G G G是由有限个圈 C i C_i Ci构成 且这些圈之间都没有边交集
证明: G = ⋃ i = 1 d C i , G i G=\\bigcup_i=1^dC_i,\\quad G_i G=⋃i=1以上是关于机器学习|数学基础Mathematics for Machine Learning系列之图论(11):欧拉图的主要内容,如果未能解决你的问题,请参考以下文章
机器学习|数学基础Mathematics for Machine Learning系列之图论:树及其性质
机器学习|数学基础Mathematics for Machine Learning系列之图论:树及其性质
机器学习|数学基础Mathematics for Machine Learning系列之图论(10):匹配基本定理
机器学习|数学基础Mathematics for Machine Learning系列之图论(10):匹配基本定理
机器学习|数学基础Mathematics for Machine Learning系列之图论(10):匹配基本定理
机器学习|数学基础Mathematics for Machine Learning系列之矩阵理论(16):向量和矩阵的极限