图是由顶点的有穷非空集合和顶点之间边的集合组成，通常表示为：G（V,E），其中，G表示一个图，V是图G中顶点的集合，E是图G中边的集合。
一、图的定义
在线性表中，数据元素之间是被串起来的，仅有线性关系，每个数据元素之间只有一个直接前驱和一个直接后继。
在树形结构中，数据元素之间有着明显的层次关系，并且每一层上的数据元素可能和下一层中多个元素相关，但只能和上一层中一个元素相关。
图是一种较线性表和树更加复杂的数据结构。在图形结构中，结点之间的关系可以是任意的，图中任意两个数据元素之间都可能相关。
图是由顶点的有穷非空集合和顶点之间边的集合组成，通常表示为：G（V,E），其中，G表示一个图，V是图G中顶点的集合，E是图G中边的集合。
注意：
1.线性表中我们把数据元素叫作元素，树中将数据元素叫结点，在图中数据元素叫顶点。
2.线性表中可以没有数据元素，称为空表。树中可以没有结点，叫做空树。但在图结构中，不允许没有顶点。
3.线性表中，相邻数据元素之间具有线性关系，树结构中，相邻两层的结构具有层次关系。而图中，任意两个顶点之间都有可能有关系，顶点之间的逻辑关系用边来表示，边集可以是空的。
1.1各种图定义
无向边：若顶点Vi到Vj之间的边没有方向，则称这条边为无向边，用无序偶对（Vi,Vj）来表示。如果图中任意两个顶点之间的边都是无向边，则称该图为无向图。如图所示：由于是无方向的，连接顶点A与D的边，可以表示成无序对（A,D），也可以写成（D,A）。
有向边：若从顶点Vi到Vj的边有方向，则称这条边为有向边，也称为弧。用有序偶对
在图中，若不存在顶点到其自身的边，且同一条边不重复出现，则称这样的图为简单图。
在无向图中，如果任意两个顶点之间都存在边，则称该图为无向完全图。如图所示：含有n个顶点的无向完全图有{n(n-1)}/2条边。
在有向图中，如果任意两个顶点之间都存在方向互为相反的两条弧，则称该图为有向完全图。如图所示：含有n个顶点的有向完全图有n*(n-1)条边。
有很少条边或弧的图称为稀疏图，反之为稠密图。
有些图的边或弧具有与它相关的数字，这种与图的边或弧相关的数叫做权。这些权可以表示从一个顶点到另一个顶点的距离或耗费。这种带权的图通常称为网。如图所示：
1.2图的顶点与边定义
对于无向图G=（V，{E}），如果边（V,V’）属于E，则称顶点v和v'互为邻接点，即v和v'相邻接。边（v,v'）依附于顶点v和v'，或者说（v,v'）与顶点v和v'相关联。顶点v的度是和v相关联的边的数目，记为TD(v)。如图所示：顶点A和B互为邻接点。
边数其实就是各顶点度数和的一半。
对于有向图G=（V，{E}），如果弧
树中根结点到任意结点的路径是唯一的，但是图中顶点与顶点之间的路径确是不唯一的。路径的长度是路径上的边或者弧的数目。
1.3连通图
在无向图G中，如果从顶点v到顶点v'有路径，则称v和v'是连通的。如果对于图中任意两个顶点vi、vj属于V，vi和vj都是连通的，则称G是连通图。如图所示：
二、图的存储结构
2.1邻接矩阵
图的邻接矩阵存储方式是用两个数组来表示图。一个一维数组存储图中顶点信息，一个二维数组（称为邻接矩阵）存储图中的边或弧的信息。
示例如下，下图是一个无向图：
顶点数组为vertex[4]={v0,v1,v2,v3}，边数组arc[4][4]为上图右边这样的一个矩阵。无向图的边数组是一个对称矩阵。
有向图示例如下：
有向图讲究出度和入度，v1的出度是行之和，v1的入度是列之和。
有向网图示例如下：
无穷表示一个计算机允许的、大于所有边上权值的值，也就是一个不可能的极限值。
2.2邻接表
邻接矩阵是一个不错的存储结构，对于边数相对顶点较少的图，这种结构是存在对存储空间的极大浪费的。
数组与链表相结合的存储方法称为邻接表。邻接表是这样的：
（1）图中顶点用一个一维数组存储，当然，顶点也可以用单链表来存储，不过数组可以较容易的读取顶点信息，更加方便。另外，对于顶点数组中，每个数据元素还需要存储指向第一个邻接点的指针，以便于查找该顶点的边信息。
（2）图中每个顶点vi的所有邻接点构成一个线性表，由于邻接点的个数不定，所以用单链表存储，无向图称为顶点vi的边表，有向图则称为顶点vi作为弧尾的出边表。
无向图的邻接表结构如下：
顶点的各个结点由data和firstedge两个域表示，data是数据域，存储顶点的信息，firstedge是指针域，指向边表的第一个结点，即此顶点的第一个邻接点。边表结点由adjvex和next两个域组成。adjvex是邻接点域，存储某顶点的邻接点在顶点表中的下标，next则存储指向边表中下一个结点的指针。
有向图的邻接表结构如下，但要注意的是有向图由于有方向，我们是以顶点为弧尾来存储边表的，这样和容易得到每个顶点的出度。但有时为了便于确定顶点的入度或以顶点为弧头的弧，我们可以建立一个有向图的逆邻接表，即对每个顶点vi都建立一个链接为vi为弧头的表。
2.3十字链表（有向图的邻接表改进）
对于有向图来说，邻接表是有缺陷的。关心了出度问题，想了解入度就必须要遍历整个图才能知道，反之，逆邻接表解决了入度确不了解出度的情况。把邻接表与逆邻接表结合起来，就是有向图的另一种存储方式：十字链表。顶点表结点结构如图所示：
其中firstin表示入边表头指针，指向该顶点的入边表中第一个结点，firstout表示出边表头指针，指向该顶点的出边表中的第一个结点。
边表结点结构如图所示：
其中tailvex是指弧起点在顶点表的下标，headvex是指弧终点在顶点表中的下标，headlink是指入边表指针域，指向终点相同的下一条边，taillink是指边表指针域，指向起点相同的下一条边。如果是网，还可以再增加一个weight域来存储权值。
2.4邻接多重表（无向图的邻接表改进）
如果我们在无向图的应用中，关注的重点是顶点，那么邻接表是不错的选择，但如果我们更关注边的操作，比如对已经访问过的边做标记，删除某一条边等操作，那就意味着，需要找到这条边的两个边表结点进行操作，这其实比较麻烦。
重新定义的边表结点结构如图所示：
ivex和jvex是与某条边依附的两个顶点在顶点表中的下标。ilink指向依附顶点ivex的下一条边，jlink指向依附顶点jvex的下一条边。这就是邻接多重表结构。
2.5边集数组
边集数组是由两个一维数组构成。一个是存储顶点的信息；另一个是存储边的信息，这个边数组每个数据元素由一条边的起点下标（begin）、终点下标（end）和权（weight）组成，如图所示：
显然边集数组关注的是边的集合，在边集数组中要查找一个顶点的度需要扫描整个边数组，效率并不高。因此它更适合对边依次进行处理的操作，而不适合对顶点相关的操作。
三、图的遍历
从图中某一顶点出发访遍图中其余顶点，且使每一个顶点仅被访问一次，这一过程就叫做图的遍历。
3.1深度优先遍历（类似树的前序遍历）
深度优先遍历，也叫作深度优先搜索，简称DFS。
首先从顶点A开始，做上走过的标记后，前面有两条路，通向B和F，我们自己设定一个规则，在没有碰到重复顶点的情况下，始终是向右手边走，于是走到了B顶点。整个行路过程如上图所示。此时发现有三条分支，分别通向顶点C、I、G，右手通行原则，使得我们走到了C顶点。就这样，一直顺着右手通道走，一直走到F顶点。当依然选择右手通道走过去后，发现走回到顶点A，而此时顶点A做了走过的标记，因此退回到顶点F，走向从右数的第二条通道，到了G顶点，它有三条通道，发现B和D都已经是走过的，于是走到了H，当面对通向H的两条通道D和E时，会发现都已经走过了。
此时是否已经遍历了所有顶点？没有。可能还有很多分支的顶点我们没有走到，所以按原路返回。在顶点H处，再无通道没走过，返回到G，也无未走过通道，返回F，没有通道，返回到E，有一条通道通往H的通道，验证后也是走过的，再返回到顶点D，此时H走过了，G走过了，I未走过，赶快记下来。继续返回，直到返回顶点A，确认已经完成遍历任务，找到了所有的9个顶点。
深度优先遍历其实就是一个递归的过程。它从图中某个顶点v出发，访问此顶点，然后从v的未被访问的邻接点出发深度优先遍历图，直至图中所有和v有路径相通的顶点都被访问到。
3.2广度优先遍历（类似树的层序遍历）
广度优先遍历，又称为广度优先搜索，简称BFS。
对上图进行变形，变形原则是顶点A放置在最上第一层，让与它有边的顶点B、F为第二层，再让与B和F有边的顶点C、I、G、E为第三层，再将这四个顶点有边的D、H放在第四层，如图所示。