Un grafo es una estructura matemática compuesta por nodos y aristas que representan relaciones entre objetos.

La teoría de grafos se enfoca en estudiar esta estructura para analizar problemas de conectividad, búsqueda de rutas y optimización de redes.

-Usa lista de adyacencia para grafos dispersos y cuando se harán muchos recorridos.

-Usa matriz de incidencia para aplicaciones específicas como redes de flujo.

Déjanos saber tu opinión en los comentarios.

Caminos

Un camino es una secuencia de vértices conectados entre sí por aristas . Es decir, es como ir recorriendo un grafo desde un vértice hasta otro, pasando por varios puntos intermedios si es necesario. Un camino puede pasar más de una vez por un mismo vértice o por la misma arista, dependiendo del tipo de grafo y del contexto.

Caminos simples

Un camino simple es un tipo especial de camino en el que no se repite ningún vértice (excepto, en el caso de ciclos, el vértice de inicio y fin). Esto significa que no se vuelve a pasar por el mismo punto dos veces. Son importantes porque permiten estudiar la estructura de un grafo sin caer en bucles o repeticiones.

Ciclos

Un ciclo es un camino que comienza y termina en el mismo vértice, y que pasa al menos por una arista. En un ciclo simple, además de empezar y terminar en el mismo vértice, no se repite ningún otro vértice en el camino. Los ciclos ayudan a identificar si un grafo tiene recorridos cerrados, lo cual es útil en muchos contextos, como en circuitos eléctricos o rutas de transporte.

En redes (como Internet o transporte), la conectividad garantiza que se pueda llegar de un punto a otro.

Una componente conexa es un conjunto de nodos dentro de un grafo tal que cada nodo del conjunto está conectado con los demás, pero no está conectado con nodos fuera del conjunto.

¿Por qué es importante?

-Te ayuda a identificar regiones aisladas dentro de una red.

-Se usa en algoritmos de búsqueda (BFS, DFS) para recorrer cada grupo.

-Muy útil en análisis de redes sociales, mapas, circuitos, etc.

Es una técnica de exploración de grafos que consiste en avanzar por los nodos de un grafo o árbol lo más profundo posible antes de retroceder. Comienza en un nodo raíz y explora cada rama hasta llegar al final antes de retroceder. Esta estrategia se implementa comúnmente utilizando una pila (stack), ya sea de forma explícita con una estructura de datos o implícita mediante recursión.

DFS es útil en situaciones donde se necesita explorar todos los caminos posibles, como en problemas de laberintos o generación de árboles de decisión.

Pasos del algoritmo de Fleury:

Verificar si el grafo tiene un circuito o camino Euleriano:

Si todos los vértices tienen grado par tiene circuito Euleriano.

Si hay exactamente dos vértices de grado impar tiene camino Euleriano.

Elegir un vértice de inicio:

Para un circuito: cualquier vértice.

Para un camino: uno de los dos vértices de grado impar.

Recorrer el grafo usando las siguientes reglas:

En cada paso, elige una arista que no sea un puente del grafo restante (a menos que no haya otra opción).

Elimina la arista seleccionada del grafo (la has recorrido).

Continúa hasta que no queden aristas.

Registrar el recorrido.

Nodo Hoja. Son todos aquellos nodos que no tienen hijos, los cuales siempre se encuentran en los extremos de la estructura.

Nodo Interior o Rama. Estos son todos aquellos nodos que no son la raíz y que además tiene al menos un hijo.

Inorden: Se visita primero el subárbol izquierdo, luego la raíz y finalmente el subárbol derecho. Este recorrido es fundamental en árboles binarios de búsqueda para obtener los elementos en orden ascendente.

Postorden: Se recorren primero ambos subárboles (izquierdo y derecho) y se visita la raíz al final.

Los valores del subárbol izquierdo son menores al valor del nodo.

Los del subárbol derecho son mayores.

Al insertar o eliminar un nodo, el árbol se reequilibra mediante rotaciones simples o dobles.

Los árboles B y B+ son estructuras más avanzadas diseñadas para manejar grandes cantidades de datos, especialmente en sistemas de archivos y bases de datos.

Árbol B:

Cada nodo puede tener múltiples claves e hijos (no solo dos).

Se mantiene equilibrado mediante divisiones y fusiones de nodos.

Minimiza el acceso al disco, lo que lo hace ideal para almacenamiento secundario.

Árbol B+:

Es una versión mejorada del árbol B.

Los datos reales solo se almacenan en las hojas, mientras que los nodos internos solo contienen claves de índice.

Las hojas están conectadas entre sí como una lista enlazada, facilitando recorridos secuenciales.

Bases de datos como MySQL, PostgreSQL y Oracle.

Sistemas de archivos (NTFS, HFS+).

Sistemas operativos y motores de almacenamiento.

Ángel Cedeño / V- 30.302.207

Nelvin Márquez/ V- 31.320.495

Yerardi Montilla/V- 31.589.472

Yael Boscan/ V- 30.559.326

Las redes sociales se representan como grafos, donde los nodos son personas y las aristas, sus conexiones. Se aplican técnicas como el análisis de comunidades para identificar grupos con intereses comunes, y algoritmos de recomendación (como vecinos comunes o caminos más cortos) para sugerir nuevos amigos. También se detectan influencers mediante medidas de centralidad como PageRank. Por ejemplo, Facebook recomienda contactos basándose en la cantidad de amigos en común.

Algoritmos como Dijkstra, A* o Bellman-Ford encuentran rutas óptimas.

Ejemplo práctico:

Google Maps usa grafos y A* para calcular la ruta más rápida en función del tráfico en tiempo real.

Spotify recomienda canciones basándose en lo que escuchan usuarios similares a ti, gracias a estructuras de grafos.

Detección de Fraudes y Análisis de Patrones

En ciberseguridad, se representan usuarios, dispositivos y transacciones como nodos.

Las conexiones sospechosas o inusuales entre ellos pueden indicar fraude o ataque.

Se utilizan algoritmos de detección de anomalías en grafos.

Ejemplo práctico:

Los bancos usan grafos para detectar redes de transacciones fraudulentas en tarjetas de crédito.