Introducción a la Teoría de Grafos

Un poco de historia...
La Teoría de Grafos tiene su origen en un
acertijo popular sobre la posibilidad de dar un
paseo pasando una sola vez por los siete
puentes existentes en la ciudad de Königsberg,
empezando en cualquier punto de misma y
volviendo al punto de partida.
Nadie fue capaz de dar una respuesta
apropiada hasta que Euler, en 1736, ofreció
una demostración matemática de la
imposibilidad de llevar a cabo tal paseo.
Un poco de historia...

Mapa de la ciudad de Köninsberg

 Un poco de historia...

Para estudiar un problema es mejor quitar lo accesorio

que entorpece la compresión del mismo (figura 1) o,
mejor aún, encontrar un modelo que abstraiga la
información necesaria para su resolución. Es lo que hizo
Euler (figura 2) y a la estructura formada por nodos y
arcos se la denominó grafo.
 Definiciones
 Un grafo es una estructura
G = <V,A> donde V es un
conjunto finito de nodos y
A  VxV es un conjunto
finito de arcos (pares no
ordenados).
 Un grafo dirigido es un
grafo G = <V,A> en el que
A es un conjunto finito de
arcos orientados (pares
ordenados).
 Se denomina orden del
grafo al número de nodos
del mismo.
 Definiciones
 Se denomina lazo a un
arco que conecta a un
vértice consigo mismo.
 Un grafo se denomina
simple si
 No tiene lazos
 Sólo existe un arco que
une dos vértices.
 Un grafo que no es
simple, se denomina
múltiple.
 Definiciones
 Un camino en un grafo es una secuencia de
nodos u1, u2 ,..., un, tal que (u1 ,u2 ),(u2 ,u3 ),...
(un-1 ,un ) son arcos.
 La longitud de un camino es el número de
arcos que comprende.
 Un ciclo simple es un camino de longitud por lo
menos uno, que empieza y termina en el
mismo nodo.
 Un grafo es cíclico si contiene por lo menos un
ciclo.
 Definiciones
 Un grafo (no dirigido) se
llama conexo si para todo
par de nodos existe un
camino que los une.
 Dado un grafo no dirigido
G(V,A), un subgrafo de G
es un grafo G’(V’,A’) tal
que V'V y A'A.
 Si A' consta de todos los
arcos de A, que unen
nodos de V', entonces G'
es un subgrafo inducido
de G.
Definiciones
 Un grafo no dirigido
conexo y acíclico se
denomina árbol.
 Todo árbol de orden n
tiene n-1 arcos.
 Si se agrega un arco
cualquiera a un árbol,
se origina un ciclo.
 Definiciones
 Un grafo dirigido etiquetado
es aquél en el que arcos o
nodos, llevan una etiqueta
asociada.
 Una etiqueta puede ser un
nombre, un valor, un coste
o cualquier tipo de dato.
 Los grafos dirigidos
etiquetados también se
denominan ponderados o
con peso
 Definiciones
 La suma de los grados de
los vértices es igual al doble
del número de aristas
 La relación entre vértices
dada por v está relacionado
con w si hay un camino que
los une es de equivalencia.
 Las clases de equivalencia
de esta relación se llaman
las componentes conexas
del grafo.
 Definiciones
 Una arista de un grafo G se
dice de separación si G es
conexo pero al suprimir la
arista se divide en dos
componentes conexos

 Definiciones
 La suma de los grados de
los vértices es igual al doble
del número de aristas
 La relación entre vértices
dada por v está relacionado
con w si hay un camino que
los une es de equivalencia.
 Las clases de equivalencia
de esta relación se llaman
las componentes conexas
del grafo.
 Definiciones
 Un Circuito euleriano , es
un ciclo simple que recorre
todos los arcos una sola
vez, empezando y
terminando en el mismo
nodo.
 Si un grafo está formado
por dos subgrafos
eulerianos unidos al menos
por un vértice y sin aristas
en común, entonces es
euleriano
  
 Definiciones
 Un grafo conexo G=(V,A)
es euleriano  todo
vértice tiene grado par.

 Un grafo conexo tiene un

camino abierto euleriano
 tiene exactamente dos
vértices de grado impar.
 Algoritmo de FLEURY
 Si G es un grafo euleriano siempre es posible seguir
la siguiente construcción de un circuito euleriano. Se
empieza por un vértice arbitrario y se recorren las
aristas arbitrariamente sometida a dos condiciones:

 Se borran las aristas a medida que son atravesadas

 Solo se recorre una arista de separación si no queda otra

alternativa
 Definiciones
 Un Circuito hamiltoniano
es un ciclo simple que
recorre todos los nodos
una sola vez, empezando
y terminando en el
mismo nodo.
 A diferencia de los grafos
eulerianos, no hay una
caracterización de cuando
un grafo tiene un ciclo o
un camino hamiltoniano
 Matriz de adyacencia
 La representación más obvia
de un grafo es una matriz de
adyacencia A(u,v), tal que
A(u,v)=1 si (u,v)  A.
 Requiere un espacio de
almacenamiento O(n2), pero
permite conocer la existencia
de un arco en tiempo O(1) .
 Dos nodos i,j están
conectados por un camino
de longitud k sii Ak (i,j)=1.
 Listas de adyacencia
 Es una representación
formada por n listas de
adyacencia (una por cada
nodo), cada una de ellas
con tantas componentes
como nodos adyacentes
tenga.
 Requiere un espacio de
almacenamiento O(n+a),
pero se necesita un tiempo
O(n) para determinar si
existe un arco.
 Doble vector
 Representación formada
por dos vectores, uno. El
primero de ellos (V1), con
tantas componentes como
nodos. El segundo (V2) con
tantas componentes como
arcos.
 Cada componente i de V1
señala la posición en V2 del
primer nodo adyacente al
nodo i . El resto de los
adyacentes se colocan a
continuación.
 Recorrido de un grafo
 En un gran número de problemas es
necesario visitar los nodos de un grafo
buscando uno que cumpla cierta condición.
 Para ello, se emplean métodos específicos de
eficiencia garantizada.
 Aquí se verán dos de ellas, denominadas
búsqueda en profundidad y búsqueda en
amplitud.
 Búsqueda en profundidad
 El algoritmo de búsqueda
en profundidad parte de
un nodo, seleccionado
como nodo de partida,
marcándolo como
visitado.
 Después recorre cada
vértice no visitado
adyacente a u, usando
recursivamente la misma
función de búsqueda.
Búsqueda en profundidad
 Búsqueda en amplitud
 El algoritmo de búsqueda
en amplitud parte de un
nodo, seleccionado como
nodo de partida,
marcándolo como visitado.
 Seguidamente, visita todos
los vértices conectados al
mismo.
 El proceso de repite para
cada uno de los vértices
que han sido visitados.
Búsqueda en amplitud
 Comparación de estrategias

 Búsqueda en profundidad:
 Complejidad temporal: O(bm)
 Complejidad espacial: O(bm)
 Búsqueda en amplitud
 Complejidad temporal: O(bd)
 Complejidad espacial: O(bd)

Siendo b el factor de ramificación, d la profundidad de

búsqueda y m la máxima profundidad del árbol expandido.
Biconectividad

Un grafo G=(V,A)
es biconexo si
para cada par de
vértices, existe al
menos dos
caminos que solo
coinciden en sus
extremos
Biconectividad

Un grafo G=(V,A)
es biconexo si
para cada par de
vértices, existe al
menos dos
caminos que solo
coinciden en sus
extremos
 Biconectividad

Un grafo G=(V,A) para

el que existe un vértice
que es paso obligado
en el camino entre dos
vértices no es biconexo
y ese vértice se llama
punto de aticulación
 Biconectividad
Un árbol de búsqueda
en profundidad permite
detectar un punto de
articulación, cuando
-La raíz principal tiene
más de una rama
-Existe un nodo del
árbol que ninguno de
sus descendientes tiene
arcos de retorno hacia
alguno de sus ancestros
 Árbol expandido

Dado un grafo conexo G, un árbol expandido es un árbol

que conecta todos los vértices de G. Su coste es la suma
de los costes de sus arcos.
Un mismo grafo no dirigido conexo puede tener más de
un árbol expandido.
 Árbol expandido mínimo
 Sea un grafo etiquetado G(V,A) conexo cuyos
pesos representan un coste. Se pretende
hallar el árbol expandido en el que la suma
de los pesos de todos sus arcos sea mínima;
dicho árbol se conoce como árbol expandido
de coste mínimo.
 El método ávido (greedy , voraz) conduce a
dos de los algoritmos más conocidos para
obtenerlos: el algoritmo de Kruskal y el
algoritmo de Prim.
Algoritmo de Kruskal
 El algoritmo de Kruskal
construye el árbol
expandido de coste mínimo
eligiendo los de menor
coste y desechando los que
forman un ciclo con los
arcos ya existentes.
 Como G es conexo, si tiene
n>0 nodos, se tomarán
exactamente n-1 arcos
para formar T.
 Complejidad: O(a log a)
Algoritmo de Kruskal
Ejemplo
Algoritmo de Prim
 El algoritmo de Prim
comienza con un árbol T
que contiene al nodo
inicial.
 Después se añade a T el
arco (u,v) de menor costo
tal que T  {(u,v)} sea
también un árbol. Este
proceso se realiza hasta
que T contenga n-1 arcos.
 Complejidad: O(n2)
Algoritmo de Prim
Ejemplo:
Búsqueda de caminos óptimos
 Por simplicidad, al hablar del camino
óptimo, nos referiremos al camino más
corto entre dos nodos de un grafo.
 En general, la forma de abordar el
problema dependerá
 Del tipo de grafo
 De la pregunta exacta que se haga
.../
 Búsqueda de caminos óptimos
 El grafo puede ser dirigido o no.
 Los arcos pueden tener todos peso uno o pesos
de cualquier valor, incluso negativos.
 Se puede estar interesado en el camino más
corto desde un vértice dado a otro, desde un
vértice a todos los demás o desde cada vértice a
todos los demás.
 Se puede estar interesado en encontrar un
camino, todos los caminos o simplemente contar
el número de caminos más cortos
Unas preguntas sencillas...
 Dado un grafo conexo G(V,A),
encontrar el camino, si existe, con
menor número de arcos entre dos
nodos dados u y v.
 Dado un nodo u de un grafo conexo
ponderado G(V,A) , encontrar el camino
más corto a todos los demás.
Planteamiento del problema
 Sea G=<V,A> un grafo ponderado de
grado n.
 Supóngase que cada arco lleva asociada
una etiqueta (peso) no negativa.
 El problema consiste en determinar el
coste del camino más corto desde s a
todos los demás vértices de V.
¿Pueden servir los métodos anteriores para
resolver este problema?
Una primera aproximación
Algo de eso hay...,pero, por el momento, vamos
a ver un método de fuerza bruta:
 Inicialmente, a todos los nudos se les da un

valor muy alto (infinito).

 Se da valor 0 al nudo inicial y dicho valor se

propaga a los vecinos incrementado con el

peso de los arcos que los enlazan.
 Se repite el proceso para los nudos

modificados, propagando su valor

incrementado a nudos vecinos si es menor
que el que tienen.
 Método de propagación
 Supongamos que se
tiene una pila LIFO (last
input first output) donde
se guardan los nodos
modificados.
 A todos los nodos se les
da valor infinito. Se da
valor 0 al nudo origen A.
Dicho nudo pasa a pila.
 Pila: {A}
 Método de propagación
 Paso 1: Se saca el nodo
último de la pila A y se
propaga el coste a los
vecinos. Los nodos B y C
se guardan en la pila.
 Pila: {B, C} 
 Paso 2: Se saca el nodo
último de la pila (C) y se
propaga el coste a los
vecinos (D y E) Los nodos
D y E se guardan en la
pila.
 Pila: {B, D, E}
 Método de propagación
 Paso 3: Se saca el nodo E
y se propaga el coste al
vecino cuyo valor es
mayor que el calculado
(F). El nudo F se guardan
en la pila.
 Pila: {B, D, F} 
 Paso 4: Se repite el
proceso para F y D. El
nudo F vuelve a la pila.
 Pila: {B, F}
 Método de propagación
 Paso 5: Se saca el núdo
último de la pila (F) y no
puede propagar el coste a
los vecinos.
 Pila: {B}
 Paso 6: Igualmente sucede
con el nudo B.
 Como la pila queda vacía,
se acaba el proceso.
Determinar camino óptimo
 Los valores acumulados en los nodos
permiten determinar los caminos
óptimos desde el nodo origen a
cualquiera de los nodos del grafo.
 Para ello, basta con recorrer el grafo en
sentido inverso al empleado en el paso
anterior, es decir, desde el nodo destino
hasta el nodo origen (backtracking).
Camino entre A y F
 Paso 1: Se parte del
nodo destino F
(nodo actual) y se
elige al vecino cuyo
valor difiere en el
peso del arco (D).
 Paso 2: Ahora el
nodo actual es el
nodo D. Se repite el
proceso y se toma
como siguiente al C.
Camino entre A y F
 Paso 3: El nuevo
nodo actual es C. Se
repite el proceso y
se elige el nodo A
 Paso 4: Se tiene
como nuevo nodo
actual el A.
 Como es el nodo
origen, se acaba el
proceso.
 Algoritmo de Dijkstra
 Introduce algunas variantes para mejorar el
rendimiento, basadas en que un camino
óptimo es combinación de caminos óptimos
siempre que los costes de los arcos sean
positivos.
 Se establecen dos listas: la lista S de nodos
resueltos y la lista V-S de nodos no tratados.
Para cada nodo se tiene la estimación del
coste de llegada desde el origen (similar a los
valores acumulados anteriores) y un puntero
a su predecesor.
Algoritmo de Dijkstra
 Inicialmente, los nodos están en V-S y tienen
valor D[i]=, salvo el origen que tiene valor
D[o]=0. Los predecesores tienen valor nulo.
 En cada iteración se toma el nodo de menor
valor de la lista V-S y se pasa a la lista S.
 Se examinan los nodos conectados a él de la
lista V-S y, si el valor propagado es menor
que el existente, se modifica y se actualiza el
puntero de predecesor.
 Se repite el proceso hasta que no quedan
nodos en la lista V-S.
 Algoritmo de Dijkstra

La complejidad de este algoritmo es O(n2).

Ejemplo Dijkstra
Ejemplo Dijkstra
 Ejemplo Dijkstra
Para reconstruir el camino más corto del origen a cada
vértice, se siguen los predecesores en orden inverso.
Por ejemplo si se desea conocer el camino desde el
origen al vértice 5, se tiene
 Algoritmo de Floyd
 Este algoritmo utiliza una matriz A de
dimensión nxn en la que se calculan las
longitudes de los caminos más cortos.
 Inicialmente se hace A[i,j] = C[i,j] para
cada i distinto de j, donde C es la matriz
de pesos del grafo. Si no existe un arco
que vaya de i a j se supone que C[i,j] =
.
 Cada elemento de la diagonal de la
matriz A se hace igual a cero.
Algoritmo de Floyd
 En la k-ésima iteración se aplica la fórmula: 
Ak [i,j] = min (Ak-1 [i,j], Ak-1[i,k] + Ak-1[k,j]) 

 De esta forma, tras la k-ésima iteración, A[i,j]

contendrá el valor de la longitud más
pequeña del camino que va desde el nodo i
hasta el nodo j sin pasar por un vértice con
número mayor que k.
 El proceso termina tras n iteraciones.
 Algoritmo de Floyd
Aclaración:
 Para obtener Ak [i,j], se compara Ak-1[i,j],
coste de ir de i a j sin pasar por el nodo k u
otro con numeración mayor, con Ak-1[i,k] + Ak-
1[k,j], coste de ir primero de i a k y después
de k a j y se elige el menor.
Algoritmo de Floyd

Complejidad O(n3)
Algoritmo de Floyd
Para hallar el camino óptimo entre dos nodos, se
emplea el siguiente algoritmo:
Ejemplo Floyd

Aplicar el algoritmo de Floyd al grafo dirigido y

hallar el camino óptimo entre cualquier pareja de
nodos.
 Algoritmo A*
Hagamos ahora una pequeña reflexión sobre el
algoritmo de Dijkstra aplicado a distancias:
 El mejor camino entre dos nodos es el de
distancia total mínima.
 A mitad de camino, sólo se conoce la
distancia recorrida.
 Si se tuviera una estimación de “lo que
queda ” por recorrer, se podría intentar
progresar por el camino más prometedor, sin
perder tiempo con el resto.
Algoritmo A*
 Si la estimación que se hace es siempre
menor que la distancia real, el camino hallado
en primer lugar entre los nodos origen y
destino será el óptimo pues:
 Será el mejor frente al resto de candidatos y su
distancia es verdadera, no estimada.
 Los demás son peores y su verdadera distancia
sólo puede ser mayor o igual a la estimada.
 Si se toma como estimación el valor nulo, el
algoritmo resultante es el algoritmo de
Dijkstra.
 Algoritmo A*
Ahora, se puede seguir una estrategia similar a la
del algoritmo de Dijkstra, con algunas
matizaciones:
 Se tienen dos listas, la Abierta y la Cerrada.

En la lista Abierta se guardan los nodos a los

que se ha llegado desde el origen. En la
Cerrada los que se consideran resueltos.
 Para los nodos visitados, se conocen dos

valores: la distancia desde el origen R y

distancia estimada al destino E. La suma de
ambas T es la que servirá para elegir.
Algoritmo A*
 Inicialmente, se coloca el origen en la lista
Abierta y se le asignan valores R[o]=0,
E=E[o].
 En cada iteración se toma el nodo de menor
valor T de la lista Abierta y se pasa a la lista
Cerrada.
 Se examinan los nodos conectados a él, menos
su predecesor y se pasan a la Abierta,
actualizando R, E y punteros, si no existen con
anterioridad en Cerrada o en Abierta o,
estando en Abierta, su valor es menor que el
existente.
 Ejemplo

En el ejemplo de la figura, se ha superpuesto una rejilla

para estimar distancias. Supóngase que se quiere
determinar el camino optimo entre A y F. Inicialmente,
se toma el origen y se coloca en la lista Abierta.
 Ejemplo

El nodo A pasa a lista cerrada y se pasan a la lista Abierta

los conectados con el (B y C), asignándoles valores R, E y
punteros al antecesor (A).
 Ejemplo

Se selecciona el de menor valor T de la lista Abierta (C) y

se pasa a lista cerrada. Los conectados con el (D y E) se
pasan a Abierta, asignándoles valores R, E y punteros al
antecesor (C).
 Ejemplo

Se selecciona el de menor valor T de la lista Abierta (B) y

se pasa a lista cerrada. Los conectados con el (D y E) no
se pasan a Abierta, pues el valor T es mayor que los ya
existentes.
 Ejemplo

Se selecciona el de menor valor T de la lista Abierta (D) y

se pasa a lista cerrada. Sólo se pasa el nodo F a Abierta,
pues B está ya en cerrada.
 Ejemplo

Se selecciona el de menor valor T de la lista Abierta (F) y

se pasa a lista cerrada. Como es el nodo destino, se
acaba el proceso.
 Ejemplo

Ahora, se puede recuperar el camino óptimo retrocediendo

desde el nodo F mediante los punteros.
Comentarios
 En el ejemplo anterior no se ha podido
apreciar demasiado la ventaja del
método debido a la estimación
empleada.
 Cuanto mejor sea la estimación, mejor
resultado se obtendrá.
 En la práctica, sin embargo, no siempre
es fácil hallar una estimación apropiada.
Grafos Especiales
 Grafo regular: Aquel con el mismo
grado en todos los vértices.
 Si ese grado es k lo llamaremos k-
regular.
Grafos Especiales
 Grafo bipartito: Es aquel con cuyos
vértices pueden formarse dos conjuntos
disjuntos de modo que no haya
adyacencias entre vértices
pertenecientes al mismo conjunto
Grafos Especiales
 Grafo completo: Aquel con una arista
entre cada par de vértices.
 Un grafo completo con n vértices se
denota Kn.
Grafos Especiales
 Un grafo bipartido regular se denota
Km,n donde m, n es el grado de cada
conjunto disjunto de vértices.
Grafos Especiales
 Ciclo de n vertices es un grafo simple,
llamado C1, C2, C3 …
Grafos Especiales
 La Rueda Wn se
obtiene añadiendo
un vertice adicional
a un Cn y uniendo
ese vertice con
todos los demas.
Grafos Especiales
 El Qn o n-cubo, sirve para representar
las secuencias de n elementos binarios
 Grafos Isomorfos
 Dados dos grafos G=(V,E) y G´=(V´,E
´), se denomina Isomorfismo entre G y G
´ a cualquier aplicación biyectiva f:G 
G’ tal que si a, b  V, entonces
{a,b}E  {f(a),f(b)}E´.
Grafos Isomorfos
 . Es decir, es una aplicación biyectiva entre
los vértices de V y los de V´ de modo que
los vértices conectados siguen estándolo.
En este caso, diremos que G y G´ son
isomorfos. 
 Si G y G’ son isomorfos son
matemáticamente iguales y solo varía la
apariencia, o sea, que se mantienen las
adyacencias, estructura, caminos, ciclos,
nº de vértices, nº de aristas
Grafos Isomorfos
Grafos Isomorfos
 En otras palabras, dos grafos son
isomorfos si sus matrices de adyacencia
son de igual tamaño y en algún orden
de estas son iguales.
Grafos Planos
 Un grafo se dice plano si admite una
representación gráfica en el plano de
modo que dos aristas pueden cortarse
únicamente en un vértice.

 Una representación gráfica de este

tipo se llama un mapa.
Grafos Planos
Grafos Planos
 Un mapa divide al plano en
varias partes llamadas
regiones.
 Cada región de un mapa M
está delimitada por un ciclo
si el mapa es conexo.
 También se cuenta como
región la exterior a la figura.
Grafos Planos
 Se llama grado de una región a la
longitud del camino que la bordea.
 Dos regiones de un mapa se
consideran adyacentes si el circuito que
las bordea tiene alguna arista en
común.
Grafos Planos
 La suma de los grados de las regiones
de un mapa es igual al doble del
número de aristas del grafo al que
representa.
Grafos Planos
 Frontera doble Toda arco es frontera
simple de 2 regiones o doble de la
misma región.
Grafos Planos
 Todo mapa conexo verifica
 regiones + vértices – arcos = 2
Grafos Planos
 Teorema (de los 4 colores).- El
número cromático de un grafo plano es
siempre menor o igual que 4.
Grafos Planos
 Un grafo G se dice que es bipartido si
se puede colorear con 2 colores
 Un grafo es bipartito  no tiene
circuitos de longitud impar.
Grafos Planos
 Teorema ( de Kuratowski)
 Un grafo G es plano  no contiene
ningún subgrafo isomorfo a una
subdivisión de K5 o K3,3.
Grafos Planos

juego de www.planarity.net

aca
Eso es todo por ahora...

¿Alguna pregunta?