要将图的"顶点连接关系"转化为计算机可存储的形式，邻接矩阵是一种直观且高效的方法------它通过二维数组直接刻画顶点间的"是否相邻"或"权值大小"。下面从定义、不同图的邻接矩阵形态，以及操作特点展开讲解。
邻接矩阵
图由"顶点"和"边/弧"构成，邻接矩阵的核心是用二维数组存储顶点间的连接关系，让"顶点是否相邻""边的权值"等信息能被快速查询与修改。
1. 邻接矩阵的定义
对于含( n )个顶点的图( G = (V, E) )，邻接矩阵是一个( n \times n )的二维数组( A )，数组元素( Aij )的取值规则由图的"无权/带权""有向/无向"决定：
- 无权图：若顶点( v_i )与( v_j )间有边（无向图）或弧（有向图，( v_i )指向( v_j )），则( Aij = 1 )；否则( Aij = 0 )（或用特殊值标记"无连接"）。
- 带权图（网）：若顶点( v_i )与( v_j )间有边/弧，且权值为( w_{ij} )，则( Aij = w_{ij} )；否则( Aij )用"无穷大（( \infty )）"或特殊标记表示"无连接且无权值"。
2. 不同类型图的邻接矩阵（结合图示分析）
图示左侧为有向图 ，右侧为带权无向图，可通过它们理解邻接矩阵的具体形态：
（1）有向图的邻接矩阵
左侧有向图的顶点为( 0,1,2,3,4,5 )，弧的方向（如( 0 )指向( 1 )、( 3 )指向( 0 )等）决定了邻接矩阵的"非对称性"：
- 若存在弧( <v_i, v_j> )，则( Aij = 1 )；若不存在（如无( 1 )指向( 0 )的弧），则( A10 = 0 )。
- 例如，顶点( 0 )的出弧指向( 1 )、( 3 )、( 4 )，因此邻接矩阵第( 0 )行的( A01 )、( A03 )、( A04 )为( 1 )，其余列为( 0 )；顶点( 3 )的出弧指向( 0 )、( 2 )、( 4 )，因此第( 3 )行的( A30 )、( A32 )、( A34 )为( 1 )。
有向图的邻接矩阵不具备对称性（因为弧是单向的，( <v_i, v_j> )和( <v_j, v_i> )是不同弧）。
（2）带权无向图的邻接矩阵
右侧带权无向图的顶点为( 0,1,2,3,4,5 )，边的无向性与权值决定了邻接矩阵的"对称性"：
- 若存在边( (v_i, v_j) )，则( Aij = Aji = )边的权值（如( 0 )与( 1 )的边权为( 1.1 )，故( A01 = A10 = 1.1 )；( 4 )与( 5 )的边权为( 6.0 )，故( A45 = A54 = 6.0 )）。
- 若两顶点无直接边（如( 1 )与( 2 )），则( A12 = A21 = \infty )（表示无连接）。
无向图的邻接矩阵必然对称（因为边( (v_i, v_j) )与( (v_j, v_i) )是同一条边）。
3. 邻接矩阵的操作与特点
邻接矩阵的存储方式，让"顶点相邻判断""边权修改"等操作高效，但空间特性需根据图的"稀疏/稠密"灵活选择：
（1）操作的时间复杂度
- 判断顶点( v_i )与( v_j )是否相邻：直接访问( Aij )，时间复杂度( O(1) )；
- 遍历顶点( v_i )的所有邻接顶点：需遍历二维数组的第( i )行（或列），时间复杂度( O(n) )（( n )为顶点数）；
- 修改边的权值（或增删边）：直接赋值( Aij )，时间复杂度( O(1) )。
（2）空间复杂度
无论边数多少，邻接矩阵都需( n \times n )的存储空间，空间复杂度为( O(n^2) )。这意味着：
- 对稠密图（边数接近( n^2 )），邻接矩阵能高效利用空间，且操作便捷；
- 对稀疏图（边数远小于( n^2 )），邻接矩阵会浪费大量空间（多数元素为( 0 )或( \infty )），此时更适合后续的"邻接表"存储。
综上，邻接矩阵是一种"直观且查询高效"的图存储方式，能直接体现顶点间的连接关系，适合稠密图或对"顶点相邻判断"要求高的场景；但面对稀疏图时，空间利用率不足的问题会较为突出。