把任何「东西之间有关系」的系统抽掉一切多余细节，只留下两样：谁（节点）和谁连着谁（边）。地铁图是经典——它谎报了距离、方向、真实地理，却精确保留了「哪一站能到哪一站」。这种「故意忘掉几何、只记住连接」就是图论的核心动作。
所以一张图不是一幅画，而是一组关系。同一组关系画成什么形状都算同一张图：图论只关心拓扑（怎么连），不关心摆位（画在哪）。下图左右两块，正是同一张图的两种画法。
$V$ 是节点集合，$E$ 是边集合（节点的配对）。$\deg(v)$ 叫节点 $v$ 的度——它身上插了几条边。边可带方向（有向图）、可带数字（带权图）。整套图论就建在这一对集合上。
图是「关系」这个抽象概念的最小数学骨架。惊人之处在普适：社交网络、分子结构、互联网、神经元、论文引用、棋局状态，剥掉表象后都是同一种对象。一旦翻译成图，关于「连通」「最短」「环」的定理立刻通用——这正是数学的核心魔法：找到正确的抽象层，一个证明照亮一千个领域。最朴素的例子是握手引理 $\sum_v \deg(v)=2|E|$：每条边给两端各贡献 1 个度，于是奇度节点必成对出现。一句几乎显然的话，却是下一个概念的钥匙。
编译器把程序建成依赖图做拓扑排序定编译顺序；Google 的 PageRank 把网页链接看成图上的随机游走来排序；图神经网络（GNN）直接在图结构上做深度学习，用于药物分子性质预测与推荐系统；分布式系统的死锁检测、区块链的一致性，本质都是图上的环检测与连通性问题。
1736 年，哥尼斯堡有七座桥连着两岸与两座小岛。市民的消遣：能否走一圈，每座桥恰好过一次？欧拉没有去穷举所有路线，而是问了个更深的问题——什么样的结构才可能？
他的洞察简单得惊人：走路时，每当你「进入」一块陆地，就必须有另一座桥让你「走出去」。桥总是成对地被用掉。所以除了起点和终点，每块陆地碰到的桥数（度）必须是偶数，否则你迟早被困在那里出不来。而哥尼斯堡四块陆地的桥数全是奇数——于是根本不可能。不必试，结构本身就否决了它。
欧拉路径 = 每条边恰好走一次的路。若奇度节点为 0，可以回到起点（欧拉回路）；为 2 时，这两个奇度点只能当起点和终点。多于 2 个奇度点，无解。哥尼斯堡有 4 个奇度点，故注定失败。
这是拓扑学的诞生时刻。欧拉证明了答案与桥的长度、岛的形状、地理位置全无关，只取决于连接的奇偶性。一个看似几何的问题，谜底竟是纯粹的组合奇偶——这就是莱布尼茨设想的「位置几何」（analysis situs），后世的拓扑学。它示范了数学最优雅的一招：把「搜索」变成「判据」，把指数级的试错坍缩成一句能在 $O(V+E)$ 时间内验证的话。
欧拉回路是「一笔画」的数学，直接用于电路板布线、邮递员路线、3D 打印喷头路径优化。最深刻的应用在生物：DNA 测序把海量短片段建成 de Bruijn 图，重建完整基因组的问题正是「找一条欧拉路径」——现代基因组拼接算法的核心。中国邮递员问题则是它的带权推广。
想象从起点放一滴水，沿所有边按「距离」匀速向外渗透——近的先湿，远的后湿。Dijkstra 算法就是这道水波：每一步，取出当前已知最近、且尚未确定的那个节点，宣布它的最短距离已成定局，再用它去「松弛」（更新）邻居。
为什么这种贪心不会出错？关键直觉：既然所有边权非负，当前最近的待定节点，不可能再被任何更远的路径绕近——绕路只会更长。所以可以放心地锁定它，永不反悔。非负这个温和条件，恰好为贪心提供了让它成立的地基。
$d[v]$ 是起点到 $v$ 的当前最短估计。反复取未定节点中 $d$ 最小者 $u$ 锁定，再对它每条出边 $(u,v)$ 做上面的松弛：若经 $u$ 中转更短就更新。$w$ 是边权。用优先队列实现，复杂度 $O\big((V+E)\log V\big)$。
它把「全局最优」拆成一串「局部不后悔」的决策——贪心竟能给出全局最优解，这在算法世界里是罕见的恩赐。多数问题的贪心都会犯错，而「非负边权」这个条件恰好提供了让贪心成立的单调结构：锁定的距离再不会被推翻。更美的是它统一的视角：把优先队列的排序键一换，同一副「优先队列 + 松弛」的骨架就长出了 A\* 搜索和 Prim 最小生成树——三个经典算法，同一个灵魂。
地图导航的路径规划内核（高德 / Google Maps，实际用 A\* 加速）；网络路由的 OSPF 协议用 Dijkstra 算最短转发路径；游戏 AI 的寻路；机器人运动规划。当边权可为负（如套利检测中的汇率对数），就得换成 Bellman-Ford——这恰恰反证了非负条件的分量。
一部电话毫无价值，两部能通话，一百万部就是一张网。价值不在节点本身，而在它们之间可能的连接。$n$ 个节点的潜在连接数是 $\binom{n}{2}\approx n^2/2$——所以网络价值大致随节点数的平方增长（Metcalfe 定律）。这正是「赢家通吃」的引擎：用户越多 → 连接越多 → 价值越大 → 吸引更多用户。
但真实网络绝不均匀。少数枢纽节点连着极多边，绝大多数节点只连着寥寥几条——度分布是幂律（无标度网络），像机场系统（几个超级枢纽 + 大量小机场）而非公路网（每个路口都差不多）。
左：Metcalfe 定律，价值随节点数平方增长。右：无标度网络的度分布——度为 $k$ 的节点比例随 $k$ 按幂律衰减（$\gamma$ 常在 2 到 3 之间）。幂律没有「典型」度数：从小机场到巨型枢纽，跨越好几个数量级却服从同一条曲线——故称无标度（没有特征尺度）。
同一条幂律 $P(k)\sim k^{-\gamma}$ 同时出现在互联网拓扑、论文引用、蛋白质相互作用、社交关注里——它揭示了一条跨领域的生成机制：优先连接（preferential attachment），即「富者愈富」，新节点更倾向连向已经热门的节点。复杂性科学最深的母题之一就藏在这里：简单的局部规则（随机 + 偏好），自发涌现出全局的、可重复的统计结构。Metcalfe 的 $n^2$ 讲规模，幂律的长尾讲不均，合起来道破了网络为何不像普通市场。
平台经济（社交、支付、市场）估值的理论根基；流行病传播——无标度网络没有传播阈值，枢纽就是超级传播者，这解释了为何「优先给高连接者免疫」效率奇高；同一结构让互联网对随机故障极其鲁棒（坏的多半是低度节点），却对针对枢纽的攻击异常脆弱。理解了度分布，就理解了垄断、瘟疫与系统韧性的共同语法。