Los grafos son el objeto de estudio de esta rama de las matemáticas. Arriba el grafo pez, en medio el grafo arco y abajo el grafo dodecaedro.

La teoría de grafos, también llamada teoría de gráficas, es una rama de las matemáticas y las ciencias de la computación que estudia las propiedades de los grafos. Los grafos no deben ser confundidos con las gráficas, que es un término muy amplio. Formalmente, un grafo G=(V,E)displaystyle G=(V,E) es una pareja ordenada en la que Vdisplaystyle V es un conjunto no vacío de vértices y Edisplaystyle E es un conjunto de aristas. Donde Edisplaystyle E consta de pares no ordenados de vértices, tales como x,ydisplaystyle x,y∈Edisplaystyle in E entonces se dice que xdisplaystyle x e ydisplaystyle y son adyacentes; y en el grafo se representa mediante una línea no orientada que una dichos vértices. Si el grafo es dirigido se le llama dígrafo, se denota Ddisplaystyle D, y entonces el par (x,y)displaystyle (x,y) es un par ordenado, esto se representa con una flecha que va de xdisplaystyle x a ydisplaystyle y y se dice que (x,y)∈Edisplaystyle (x,y)in E.^[1]​

La teoría de grafos tiene sus fundamentos en las matemáticas discretas y de las matemáticas aplicadas. Esta teoría que requiere de diferentes conceptos de diversas áreas como combinatoria, álgebra, probabilidad, geometría de polígonos, aritmética y topología. Actualmente ha tenido mayor influencia en el campo de la informática, las ciencias de la computación y telecomunicaciones. Debido a la gran cantidad de aplicaciones en la optimización de recorridos, procesos, flujos, algoritmos de búsquedas, entre otros, se generó toda una nueva teoría que se conoce como análisis de redes.^[2]​

Historia

Los 7 puentes del río Pregel en Königsberg.

El origen de la teoría de grafos se remonta al siglo XVIII con el problema de los puentes de Königsberg, el cual consistía en encontrar un camino que recorriera los siete puentes del río Pregel (54°42′12″N 20°30′56″E / 54.70333, 20.51556) en la ciudad de Königsberg, actualmente Kaliningrado, de modo que se recorrieran todos los puentes pasando una sola vez por cada uno de ellos. El trabajo de Leonhard Euler sobre el problema titulado Solutio problematis ad geometriam situs pertinentis^[3]​ (La solución de un problema relativo a la geometría de la posición) en 1736, es considerado el primer resultado de la teoría de grafos. También se considera uno de los primeros resultados topológicos en geometría (que no depende de ninguna medida). Este ejemplo ilustra la profunda relación entre la teoría de grafos y la topología.

Luego, en 1847, Gustav Kirchhoff utilizó la teoría de grafos para el análisis de redes eléctricas publicando sus leyes de los circuitos para calcular el voltaje y la corriente en los circuitos eléctricos, conocidas como leyes de Kirchhoff, considerado la primera aplicación de la teoría de grafos a un problema de ingeniería.

En 1852 Francis Guthrie planteó el problema de los cuatro colores el cual afirma que es posible, utilizando solamente cuatro colores, colorear cualquier mapa de países de tal forma que dos países vecinos nunca tengan el mismo color. Este problema, que no fue resuelto hasta un siglo después por Kenneth Appel y Wolfgang Haken en 1976, puede ser considerado como el nacimiento de la teoría de grafos. Al tratar de resolverlo, los matemáticos definieron términos y conceptos teóricos fundamentales de los grafos.

En 1857, Arthur Cayley estudió y resolvió el problema de enumeración de los isómeros, compuestos químicos con idéntica composición (fórmula) pero diferente estructura molecular. Para ello representó cada compuesto, en este caso hidrocarburos saturados C_nH_2n+2, mediante un grafo árbol donde los vértices representan átomos y las aristas la existencia de enlaces químicos.

El término «grafo», proviene de la expresión graphic notation («notación gráfica») usada por primera vez por Edward Frankland^[4]​ y posteriormente adoptada por Alexander Crum Brown en 1884, y hacía referencia a la representación gráfica de los enlaces entre los átomos de una molécula.

El primer libro sobre teoría de grafos fue escrito por Dénes Kőnig y publicado en 1936.^[5]​

Composición de un grafo

• 
  Aristas: Son las líneas con las que se unen los vértices de un grafo.
  
  • 
    Aristas adyacentes: 2 aristas son adyacentes si convergen en el mismo vértice.
  
  
  • 
    Aristas paralelas: Son dos aristas conjuntas si el vértice inicial y final son el mismo.
  
  
  • 
    Arista cíclicas: Es la arista que parte de un vértice para entrar en sí mismo.
  
  
  • 
    Cruce: Son 2 aristas que cruzan en un mismo punto.
  
  

• 
  Vértices: Los vértices son los elementos que forman un grafo. Cada uno lleva asociada una valencia característica según la situación, que se corresponde con la cantidad de aristas que confluyen en dicho vértice.

• 
  Camino: Se denomina camino de un grafo a un conjunto de vértices interconectados por aristas. Dos vértices están conectados si hay un camino entre ellos.

Tipos de grafos

• 
  Grafo simple: O simplemente grafo es aquel que acepta una sola arista uniendo dos vértices cualesquiera. Esto es equivalente a decir que una arista cualquiera es la única que une dos vértices específicos. Es la definición estándar de un grafo.


• 
  Multigrafo: o pseudografo: Es el que acepta más de una arista entre dos vértices. Estas aristas se llaman múltiples o lazos (loops en inglés). Los grafos simples son una subclase de esta categoría de grafos. También se les llama grafos general.


• 
  Grafo orientado: grafo dirigido o digrafo. Son grafos en los cuales se ha añadido una orientación a las aristas, representada gráficamente por una flecha.


• 
  Grafo etiquetado: Grafos en los cuales se ha añadido un peso a las aristas (número entero generalmente) o un etiquetado a los vértices.


• 
  Grafo aleatorio: Grafo cuyas aristas están asociadas a una probabilidad.


• 
  Hipergrafo: Grafos en los cuales las aristas tienen más de dos extremos, es decir, las aristas son incidentes a 3 o más vértices.


• 
  Grafo infinito: Grafos con conjunto de vértices y aristas de cardinal infinito.


• 
  Grafo plano: Los grafos planos son aquellos cuyos vértices y aristas pueden ser representados sin ninguna intersección entre ellos. Podemos establecer que un grafo es plano gracias al Teorema de Kuratowski.


• 
  Grafo regular: Un grafo es regular cuando todos sus vértices tienen el mismo grado de valencia.

Representación de grafos

Existen diferentes formas de representar un grafo (simple), además de la geométrica y muchos métodos para almacenarlos en una computadora. La estructura de datos usada depende de las características del grafo y el algoritmo usado para manipularlo. Entre las estructuras más sencillas y usadas se encuentran las listas y las matrices, aunque frecuentemente se usa una combinación de ambas. Las listas son preferidas en grafos dispersos porque tienen un eficiente uso de la memoria. Por otro lado, las matrices proveen acceso rápido, pero pueden consumir grandes cantidades de memoria.

Estructura de lista

• 
  Lista de incidencia - Las aristas son representadas con un vector de pares (ordenados, si el grafo es dirigido), donde cada par representa una de las aristas.^[6]​

• 
  Lista de adyacencia - Cada vértice tiene una lista de vértices los cuales son adyacentes a él. Esto causa redundancia en un grafo no dirigido (ya que A existe en la lista de adyacencia de B y viceversa), pero las búsquedas son más rápidas, al costo de almacenamiento extra.

• 
  Lista de grados - También llamada secuencia de grados o sucesión gráfica de un grafo no-dirigido es una secuencia de números, que corresponde a los grados de los vértices del grafo.

Estructuras matriciales

• 
  Matriz de adyacencia - El grafo está representado por una matriz cuadrada M de tamaño n2displaystyle n^2, donde ndisplaystyle n es el número de vértices. Si hay una arista entre un vértice x y un vértice y, entonces el elemento mx,ydisplaystyle m_x,y es 1, de lo contrario, es 0.

• 
  Matriz de incidencia - El grafo está representado por una matriz de A (aristas) por V (vértices), donde [vértice, arista] contiene la información de la arista (1 - conectado, 0 - no conectado)

Grafo G(V,A)	Conjuntos	Matriz de adyacencia	Matriz de incidencia	Secuencia de grados	Lista de Adyacencia
	V = 1, 2, 3, 4, 5, 6 A = 1,1, 1,2, 1,5, 2,3, 2,5, 3,4, 4,5, 4,6	(110010101010010100001011110100000100)displaystyle beginpmatrix1&1&0&0&1&0\1&0&1&0&1&0\0&1&0&1&0&0\0&0&1&0&1&1\1&1&0&1&0&0\0&0&0&1&0&0\endpmatrix	(111000000101100000010100000001110010101000000001)displaystyle beginpmatrix1&1&1&0&0&0&0&0\0&1&0&1&1&0&0&0\0&0&0&1&0&1&0&0\0&0&0&0&0&1&1&1\0&0&1&0&1&0&1&0\0&0&0&0&0&0&0&1\endpmatrix	(4,3,2,3,3,1)	1,2,5, 1,3,5, 2,4, 3,5,6,1,2,4,4

Problemas de teoría de grafos

Subgrafos, subgrafos inducidos y menores

Un problema común, denominado problema de isomorfismo de subgrafos, es encontrar un grafo fijo como subgrafo de un grafo dado. Una razón para estar interesado en esta cuestión es que muchas propiedades de grafos son heredadas de subgrafos, lo que significa que un grafo tiene una propiedad si y solo si todos sus subgrafos a su vez la poseen. Desafortunadamente, encontrar subgrafos máximos de un cierto tipo suele ser un problema NP-completo. Por ejemplo:

• Encontrar el subgrafo completo más grande se llama problema de la clique.

Un problema similar es encontrar un subgrafo inducido en un grafo dado. De nuevo, algunas propiedades importantes son heredadas con respecto a subgrafos inducidos, lo que significa que un grafo tiene una propiedad si y solo si todos los subgrafos inducidos la tienen. Encontrar subgrafos inducidos máximos de un determinado tipo es, de nuevo, un problema NP-completo. Como ejemplo:

• Encontrar el subgrafo inducido más grande sin bordes o conjunto independiente se denomina problema del conjunto independiente.

Otro nuevo problema es el problema del menor contenido, que es encontrar un grafo fijo como menor de un grafo dado. Un menor o subcontración de un grafo es cualquier grafo obtenido tomando un subgrafo y contrayendo algunos bordes. Muchas propiedades de grafos son heredadas de menores, lo que significa que un grafo la tiene solo si todos sus menores la tienen también. Por ejemplo, el teorema de Wagner estipula que:

• Un grafo es plano si contiene como menor ni el grafo bipartito completo ni el grafo completo.

Un problema de las mismas características es el problema de la subdivisión del contenido. Una subdivisión o homeomorfismo de un grafo es cualquier grafo obtenido subdividiendo algunos bordes. La subdivisión del contenido está relacionada con las propiedades de los grafos tales como la "planeza". Por ejemplo, el teorema de Kuratowski establece que:

• Un grafo es plano si contiene una subdivisión ni el grafo bipartito ni el grafo completo.

Otro problema en la subdivisión de contenido es la conjetura de Kelmans-Seymour:

• Cada grafo de cinco vértices conectados que no es plano contiene una subdivisión del grafo completo de cinco vértices.

Otro problemas de clases tienen que ver con el alcance para la cual varias especies y generalizaciones de grafos están determinadas por sus subgrafos de puntos eliminados. Por ejemplo, la conjetura de la reconstrucción.

Ciclos y caminos hamiltonianos

Ejemplo de un ciclo Hamiltoniano.

Un ciclo es una sucesión de aristas adyacentes, donde no se recorre dos veces la misma arista, y donde se regresa al punto inicial. Un ciclo hamiltoniano tiene además que recorrer todos los vértices exactamente una vez (excepto el vértice del que parte y al cual llega).

Por ejemplo, en un museo grande, lo idóneo sería recorrer todas las salas una sola vez, esto es buscar un ciclo hamiltoniano en el grafo que representa el museo (los vértices son las salas, y las aristas los corredores o puertas entre ellas).

Se habla también de Camino hamiltoniano si no se impone regresar al punto de partida, como en un museo con una única puerta de entrada. Por ejemplo, un caballo puede recorrer todas las casillas de un tablero de ajedrez sin pasar dos veces por la misma: es un camino hamiltoniano. Ejemplo de un ciclo hamiltoniano en el grafo del dodecaedro.

Hoy en día, no se conocen métodos generales para hallar un ciclo hamiltoniano en tiempo polinómico, siendo la búsqueda por fuerza bruta de todos los posibles caminos u otros métodos excesivamente costosos. Existen, sin embargo, métodos para descartar la existencia de ciclos o caminos hamiltonianos en grafos pequeños.

El problema de determinar la existencia de ciclos hamiltonianos, entra en el conjunto de los NP-completos.

Un grafo es plano si se puede dibujar sin cruces de aristas. El problema de las tres casas y los tres pozos tiene solución sobre el toro, pero no en el plano.

Grafos planos

Cuando un grafo o multigrafo se puede dibujar en un plano sin que dos segmentos se corten, se dice que es plano.

Un problema muy conocido es el siguiente: Se dibujan tres casas y tres pozos. Todos los vecinos de las casas tienen el derecho de utilizar los tres pozos. Como no se llevan bien en absoluto, no quieren cruzarse jamás. ¿Es posible trazar los nueve caminos que juntan las tres casas con los tres pozos sin que haya cruces?

Cualquier disposición de las casas, los pozos y los caminos implica la presencia de al menos un cruce.

Sea K_n el grafo completo con n vértices, K_{n, p} es el grafo bipartito de n y p vértices.

El juego anterior equivale a descubrir si el grafo bipartito completo K_3,3 es plano, es decir, si se puede dibujar en un plano sin que haya cruces, siendo la respuesta que no. En general, puede determinarse que un grafo no es plano, si en su diseño puede encontrase una estructura análoga (conocida como menor) a K₅ o a K_3,3.

Establecer qué grafos son planos no es obvio, y es un problema que tiene que ver con topología.

Coloración de grafos

Si G=(V, E) es un grafo no dirigido, una coloración propia de G, ocurre cuando coloreamos los vértices de G de modo que si a, b es una arista en G entonces a y b tienen diferentes colores (por lo tanto, los vértices adyacentes tienen colores diferentes). El número mínimo de colores necesarios para una coloración propia de G es el número cromático de G y se escribe como C (G).
Sea G un grafo no dirigido sea λ el número de colores disponibles para la coloración propia de los vértices de G. Nuestro objetivo es encontrar una función polinomial P (G,λ), en la variable λ, llamada polinomio cromático de G, que nos indique el número de coloraciones propias diferentes de los vértices de G, usando un máximo de λ colores.

Descomposición de polinomios cromáticos. Si G=(V, E) es un grafo conexo y e pertenece a Ε, entonces: P (G,λ)=P (G+e,λ)+P (G/e,λ), donde G/e es el grafo se obtiene por contracción de aristas.

Para cualquier grafo G, el término constante en P (G,λ) es 0.

Sea G=(V, E) con |E|>0 entonces, la suma de los coeficientes de P (G,λ) es 0.

Sea G=(V, E), con a, b pertenecientes al conjunto de vértices V pero a, b=e, no perteneciente a al conjunto de aristas E. Escribimos G+e para el grafo que se obtiene de G al añadir la arista e=a, b. Al identificar los vértices a y b en G, obtenemos el subgrafo G++e de G.0000.

Teorema de los cuatro colores

Mapa coloreado con 4-colores.

Grafo dual asociado al mapa con una 4-vértice coloración.

Este problema famoso relativo a los grafos trata acerca de la cantidad de colores que son necesarios para dibujar un mapa político, con la condición obvia que dos países adyacentes no puedan tener el mismo color. Se supone que los países son de un solo pedazo, y que el mundo es esférico o plano.El mapa siguiente muestra que tres colores no bastan: Si se empieza por el país central a y se esfuerza uno en utilizar el menor número de colores, entonces en la corona alrededor de a alternan dos colores. Llegando al país h se tiene que introducir un cuarto color. Lo mismo sucede en i si se emplea el mismo método.Sin embargo,si el mapa tiene forma de toroide,el teorema afirma que con cuatro colores siempre es posible realizar la coloración con las características requeridas^[7]​.

La forma precisa de cada país no importa; lo único relevante es saber qué país toca a qué otro. Estos datos están incluidos en el grafo donde los vértices son los países y las aristas conectan los que justamente son adyacentes. Entonces la cuestión equivale a atribuir a cada vértice un color distinto del de sus vecinos.

Hemos visto que tres colores no son suficientes, y demostrar que con cinco siempre se llega, es bastante fácil. Pero el teorema de los cuatro colores no es nada obvio.
Prueba de ello es que se han tenido que emplear ordenadores para acabar la demostración (se ha hecho un programa que permitió verificar una multitud de casos, lo que ahorró muchísimo tiempo a los matemáticos). Fue la primera vez que la comunidad matemática aceptó una demostración asistida por ordenador, lo que creó en su día una cierta polémica dentro de dicha comunidad.

Caracterización de grafos

Grafo simple

Un grafo es simple si a lo sumo existe una arista uniendo dos vértices cualesquiera. Esto es equivalente a decir que una arista cualquiera es la única que une dos vértices específicos.

Un grafo que no es simple se denomina multigrafo.

En la Teoría de grafos el concepto de grafo simple es muy recurrido en la definición de otros entes, como los de grafos completos, grafos bipartidos completos, árboles y otros más.

Las definiciones aportan una formalización lógica a hechos abstractos o naturales, muchas veces ya definidos de forma intuitiva. En este caso la imagen de grafo simple es fácil de reconocer ante otro que no lo es; bien por la presencia de lazos o de más de una arista entre los pares de vértices.

Grafos conexos

Un grafo es conexo si cada par de vértices está conectado por un camino; es decir, si para cualquier par de vértices (a, b), existe al menos un camino posible desde a hacia b.

Un grafo es doblemente conexo si cada par de vértices está conectado por al menos dos caminos disjuntos; es decir, es conexo y no existe un vértice tal que al sacarlo el grafo resultante sea disconexo.

Es posible determinar si un grafo es conexo usando un algoritmo Búsqueda en anchura (BFS) o Búsqueda en profundidad (DFS).

En términos matemáticos la propiedad de un grafo (fuertemente) conexo permite establecer una relación de equivalencia para sus vértices, la cual lleva a una partición de estos en "componentes (fuertemente) conexos", es decir, porciones del grafo, que son (fuertemente) conexas cuando se consideran como grafos aislados. Esta propiedad es importante para muchas demostraciones en teoría de grafos.

Grafo conexo y no conexo

Grafos completos

Un grafo es completo si existen aristas uniendo todos los pares posibles de vértices. Es decir, todo par de vértices (a, b) debe tener una arista e que los une.

El conjunto de los grafos completos es denominado usualmente Kdisplaystyle mathbb K , siendo Kndisplaystyle mathbb K _n el grafo completo de n vértices.

Un Kndisplaystyle mathbb K _n, es decir, grafo completo de ndisplaystyle n vértices tiene exactamente n(n−1)2displaystyle frac n(n-1)2 aristas.

La representación gráfica de los Kndisplaystyle mathbb K _n como los vértices de un polígono regular da cuenta de su peculiar estructura.

Grafos bipartitos

Un grafo G es bipartito si puede expresar como G=V1∪V2,Adisplaystyle G=V_1cup V_2,A (es decir, sus vértices son la unión de dos grupos de vértices), bajo las siguientes condiciones:

• 
  V1displaystyle V_1 y V2displaystyle V_2 son disjuntos y no vacíos.


• Cada arista de A une un vértice de V₁ con uno de V₂.


• No existen aristas uniendo dos elementos de V₁; análogamente para V₂.

Bajo estas condiciones, el grafo se considera bipartito, y puede describirse informalmente como el grafo que une o relaciona dos conjuntos de elementos diferentes, como aquellos resultantes de los ejercicios y rompecabezas en los que debe unirse un elemento de la columna A con un elemento de la columna B.

Homeomorfismo de grafos

Dos grafos G1displaystyle G_1 y G2displaystyle G_2 son homeomorfos si ambos pueden obtenerse a partir del mismo grafo con una sucesión de subdivisiones elementales de aristas.

Árboles

Ejemplo de árbol.

Un grafo que no tiene ciclos y que conecta a todos los puntos, se llama un árbol. En un grafo con n vértices, los árboles tienen exactamente n - 1 aristas, y hay n^n-2 árboles posibles. Su importancia radica en que los árboles son grafos que conectan todos los vértices utilizando el menor número posible de aristas. Un importante campo de aplicación de su estudio se encuentra en el análisis filogenético, el de la filiación de entidades que derivan unas de otras en un proceso evolutivo, que se aplica sobre todo a la averiguación del parentesco entre especies; aunque se ha usado también, por ejemplo, en el estudio del parentesco entre lenguas.

Grafos ponderados o etiquetados

En muchos casos, es preciso atribuir a cada arista un número específico, llamado valuación, ponderación o coste según el contexto, y se obtiene así un grafo valuado.

Formalmente, es un grafo con una función v: A → R₊.

Por ejemplo, un representante comercial tiene que visitar n ciudades conectadas entre sí por carreteras; su interés previsible será minimizar la distancia recorrida (o el tiempo, si se pueden prever atascos). El grafo correspondiente tendrá como vértices las ciudades, como aristas las carreteras y la valuación será la distancia entre ellas.Si embargo, hasta ahora no ha sido posible encontrar métodos generales para hallar un ciclo de valuación mínima, pero sí para los caminos desde a hasta b, sin más condición.

Diámetro

En la figura se nota que K₄ es plano (desviando la arista ab al exterior del cuadrado), que K₅ no lo es, y que K₃,₂ lo es también (desvíos en gris).

En un grafo, la distancia entre dos vértices es el menor número de aristas de un recorrido entre ellos. El diámetro, en una figura como un grafo, es la mayor distancia entre todos los pares de puntos de la misma.

El diámetro de los K_n es 1, y el de los K_n,_p es 2. Un diámetro infinito puede significar que el grafo tiene una infinidad de vértices o simplemente que no es conexo. También se puede considerar el diámetro promedio, como el promedio de las distancias entre dos vértices.

Una aplicación de este concepto es la hipótesis conocida como los seis grados de separación, que plantea que, si cada uno de los habitantes de la Tierra se representa por un vértice y dos personas están conectadas por una arista si se conocen personalmente, la distancia entre dos personas escogidas al azar entre todos los habitantes de la Tierra es de seis aristas o menos.

Internet permite de ver desde otro enfoque la idea del diámetro: considerese por ejemplo que si se descartan los sitios que no tienen enlaces, y se escogen dos páginas web al azar, cabría preguntarse en cuántos clics se puede pasar del primer sitio al segundo. Si se supone que de cualquier sitio que enlace con otros sitios se puede llegar a cualquier otro, entonces las mayor cantidad de clics necesarios para llegar de cualquier web a otra sería el "diámetro" de la Red, vista como un grafo cuyos vértices son los sitios, y cuyas aristas son los enlaces entre los sitios.

Este concepto refleja mejor la complejidad de una red que el número de sus elementos.

Aplicaciones

Este artículo o sección necesita referencias que aparezcan en una publicación acreditada. Puedes avisar al redactor principal pegando lo siguiente en su página de discusión:sust:Aviso referencias ~~~~ Uso de esta plantilla: t=sust:CURRENTTIMESTAMP

Gracias a la teoría de grafos se pueden resolver diversos problemas como por ejemplo la síntesis de circuitos secuenciales, contadores o sistemas de apertura. Se utiliza para diferentes áreas por ejemplo, Dibujo computacional, en toda las áreas de Ingeniería.

Los grafos se utilizan también para modelar trayectos como el de una línea de autobús a través de las calles de una ciudad, en el que se pueden obtener caminos óptimos para el trayecto aplicando diversos algoritmos como puede ser el algoritmo de Floyd.

Para la administración de proyectos, utilizamos técnicas como técnica de revisión y evaluación de programas (PERT) en las que se modelan los mismos utilizando grafos y optimizando los tiempos para concretar los mismos.

Una importante aplicación de la teoría de grafos es en el campo de la informática, ya que ha servido para la resolución de importantes y complejos algoritmos. Un claro ejemplo es el Algoritmo de Dijkstra, utilizado para la determinación del camino más corto en el recorrido de un grafo con determinados pesos en sus vértices.

Dentro de este campo, un grafo es considerado un tipo de dato abstracto TAD.

El científico estadounidense Donald Knuth estableció los grafos planos como base de determinados estudios y descubrimientos realizados por él.

Por otra parte, destaca el Algoritmo de Kruskal, el cual nos permite buscar un subconjunto de aristas que incluye todos los vértices, estableciendo como mínimo el valor de las aristas.

La teoría de grafos también ha servido de inspiración para las ciencias sociales, en especial para desarrollar un concepto no metafórico de red social que sustituye los nodos por los actores sociales y verifica la posición, centralidad e importancia de cada actor dentro de la red. Esta medida permite cuantificar y abstraer relaciones complejas, de manera que la estructura social puede representarse gráficamente. Por ejemplo, una red social puede representar la estructura de poder dentro de una sociedad al identificar los vínculos (aristas), su dirección e intensidad y da idea de la manera en que el poder se transmite y a quiénes.

Se emplea en problemas de control de producción, para proyectar redes de ordenadores, para diseñar módulos electrónicos modernos y proyectar sistemas físicos con parámetros localizados (mecánicos, acústicos y eléctricos).

Se usa para la solución de problemas de genética y problemas de automatización de la proyección (SAPR). Apoyo matemático de los sistemas modernos para el procesamiento de la información. Acude en las investigaciones nucleares (técnica de diagramas de Feynman).^[8]​

Los grafos son importantes en el estudio de la biología y hábitat. El vértice representa un hábitat y las aristas (o "edges" en inglés) representa los senderos de los animales o las migraciones. Con esta información, los científicos pueden entender cómo esto puede cambiar o afectar a las especies en su hábitat.

• 
  

  

  
  

  
  

  Mapas conceptuales
  

  
  

  
  


• 
  

  

  
  

  
  

  Plano de estaciones del metro.
  

  
  

  
  


• 
  

  

  
  

  
  

  Plano de autopistas.
  

  
  

  
  


• 
  

  

  
  

  
  

  Circuito eléctrico
  

  
  

  
  


• 
  

  

  
  

  
  

  Sociograma de una red social
  

  
  

  
  


• 
  

  

  
  

  
  

  Topología de red de computadores
  

  
  

  
  


• 
  

  

  
  

  
  

  Organigramas
  

  
  

  
  


• 
  

  

  
  

  
  

  Isomeros
  

  
  

  
  


• 
  

  

  
  

  
  

  Arquitectura de redes de telefonía móvil
  

  
  

  
  


• 
  

  

  
  

  
  

  Draws de eliminación directa (ej: tenis)
  

  
  

  
  

Entre las aplicaciones de la Teoría de gráficas que se han vuelto importantes en la actualidad podemos encontrar el estudio de las redes sociales, cuya importancia radica en el adecuado almacenamiento de datos, puesto que el costo del tiempo de búsqueda de la información de cada miembro que pertenece a esta red puede tornarse demasiado alto debido al número de usuarios. Por ejemplo, el número de usuarios que hay actualmente en una importante red social tan solo en México es de 49 millones -cifra reportada por el periódico El economista en 2014-, si este número lo multiplicamos por 194 que es el número aproximado de países que hay en el mundo, se percibe la posibilidad de un grave problema de almacenamiento para los servidores que hay destinados para ello y para la búsqueda de información. Este mismo fenómeno pasa en otras redes de fotografías, mensajes, etc.

El modelado de este tipo de problemas ha sido abordado principalmente por estudiantes de doctorado de universidades como Stanford, Massachusetts Institute of Technology (MIT), Berkeley, Oxford, Rice y también por la NASA; en México, tanto el Instituto Politécnico Nacional (IPN) como la Universidad Nacional Autónoma de México (UNAM) son los principales promotores en estas áreas a través de los grupos académicos de combinatoria y de computación científica. Podemos considerar que este tipo de problemas son tratados por expertos en matemáticas y ciencias de la computación, debido a su alto grado de complejidad.

El cerebro humano es una red compleja que interactúa en regiones conectadas por tractos de sustancia blanca. La caracterización de características estructurales y funcionales de una red tal en sujetos sanos y personas enfermas tiene la posibilidad de mejorar nuestra comprensión de la fisiopatología y las manifestaciones neurológicas y condiciones psiquiátricas. Esto ha llevado al uso de nuevas herramientas para el análisis de sistemas complejos para hacer frente enfermedades cerebrales. Entre estos, la teoría de grafos es un marco matemático que permite describir una red en forma de una gráfica, que consiste en una colección de los nodos (es decir, regiones del cerebro) y los bordes (es decir, estructurales y conexiones funcionales).

Este artículo o sección necesita una revisión de ortografía y gramática. Puedes colaborar editándolo. Cuando se haya corregido, puedes borrar este aviso. Si has iniciado sesión, puedes ayudarte del corrector ortográfico, activándolo en: Mis preferencias → Accesorios → Navegación → El corrector ortográfico resalta errores ortográficos con un fondo rojo. Uso de esta plantilla: sust:Copyedit

El uso de la teoría de grafos, para distintas modificaciones de la topología de red cerebro han sido identificados durante el desarrollo y el envejecimiento normal y se rompieron conectividades funcionales y estructurales han sido asociado con varios trastornos neurológicos y psiquiátricos, incluyendo demencia, esclerosis lateral amiotrófica, y la esquizofrenia. En este último enfoque se ha contribuido a probar la teoría de esta condición como un síndrome de desconexión. En la esclerosis múltiple (MS), la ocurrencia de la desconexión ha sido corroborada por estudios de resonancia magnética estructural de topología de la red cerebral que mostró una disminución de la conectividad estructural de las regiones de los lóbulos fronto-temporal.

Otra aplicación de las gráficas consiste en tomar datos de resonancia magnética del cerebro adquiridos en condición ausente ( estado de reposo ) requieren nuevos análisis de datos técnicas que no dependen de un modelo de activación, una alternativa son los métodos libre de parámetro sobre la base de una forma particular de la centralidad del vector propio asociado a un nodo llamado de centralidad; la centralidad del vector propio asigna atributos de un valor a cada voxel en el cerebro de manera que un voxel recibe un valor grande si está fuertemente correlacionada con muchos otros nodos que son centrales dentro de la red; el algoritmo PageRank de Google es una variante del vector propio centralidad el cual es utilizado en las búsquedas que se efectúan en internet. Hasta el momento, otras medidas de centralidad - en particular centralidad de intermediación - se han aplicado a datos de la fMRI usando un conjunto pre-seleccionado de nodos que consisten en varios cientos de elementos. Centralidad del Vector Propio es computacionalmente mucho más eficiente que centralidad de intermediación y no requiere de umbrales de valores de similitud de modo que se puede aplicar a miles de voxels en una región de interés que cubren la totalidad del cerebro que habría sido inviable el uso de centralidad de intermediación. Centralidad del Vector Propio se puede utilizar en una variedad de diferentes medidas de similitud. (Lohmann et al., 2010.)
“La teoría de redes complejas juega un papel importante en una amplia variedad de disciplinas,
que van desde la informática, sociología, ingeniería y física, para molecular
y la biología de la población. Dentro de los campos de la biología y la medicina, el potencial de
aplicaciones de análisis de redes incluyen, por ejemplo, la identificación objetivo de drogas, determinando una función del gen de la proteína, o diseñar estrategias eficaces para el tratamiento de diversas enfermedades o proporcionar el diagnóstico precoz de trastornos. “ (Pavlopoulos et al., 2011)
La teoría de gráficas, es adecuada para que los informáticos modelen problemas, pero también es adecuado para los matemáticos que tienen interés en la complejidad computacional. La mayoría de los conceptos clásicos de la teoría de grafos teórica y aplicada (árboles de expansión, conectividad, género, colorabilidad, fluye en las redes, los apareamientos y recorridos). Se usa en la solución de problemas.(Czumaj, Jansen, Meyer auf der Heide, & Schiermeyer, 2006)

Algoritmos importantes

Investigadores relevantes en teoría de grafos

Véase también

• Grafo


• Anexo:Galería de grafos


• Teorema de König (teoría de grafos)


• Álgebra de grafos


• 
  Fundamentos de identificación y sistematización de los grafos (pdf)

Referencias

Czumaj, A., Jansen, K., Meyer auf der Heide, F., & Schiermeyer, I. (2006). Algorithmic Graph Theory. Oberwolfach Reports, 379–460.

Hinz, A. M. (2012). Graph theory of tower tasks. In Behavioural Neurology (Vol. 25, pp. 13–22).

Lohmann, G., Margulies, D. S., Horstmann, A., Pleger, B., Lepsien, J., Goldhahn, D., … Turner, R. (2010). Eigenvector centrality mapping for analyzing connectivity patterns in fMRI data of the human brain. PLoS ONE, 5(4). http://doi.org/10.1371/journal.pone.0010232.

Pavlopoulos, G. a, Secrier, M., Moschopoulos, C. N., Soldatos, T. G., Kossida, S., Aerts, J., … Bagos, P. G. (2011). Using graph theory to analyze biological networks. BioData Mining, 4(1), 10. Retrieved from http://www.biodatamining.org/content/4/1/10.

Rocca, M. A., Valsasina, P., Meani, A., Falini, A., Comi, G., & Filippi, M. (2014). Impaired functional integration in multiple sclerosis: a graph theory study. Brain Structure and Function, 115–131. http://doi.org/10.1007/s00429-014-0896-4.

Enlaces externos

• 
  Wikimedia Commons alberga una categoría multimedia sobre Teoría de grafos.


• 
  Sobre los grafos VPT y los grafos EPT. Mazzoleni, María Pía. 30 de mayo de 2014.


• El contenido de este artículo incorpora material de una entrada de la Enciclopedia Libre Universal, publicada en español bajo la licencia Creative Commons Compartir-Igual 3.0.