Grafos en la Informtica

Grafos es una herramienta informtica para la construccin, edicin y anlisis de grafos que pretender ser de
utilidad para la docencia aprendizaje y practica para la teora de grafos y otras disciplinas como la investigacin
operativa. diseo de redes ingeniera de organizacin industrial la logstica y el transporte, etc. Este modelo podr
ser analizado desde distintos puntos de vista gracias a los algoritmos y funciones. Existen diferentes formas de
almacenar grafos en una computadora. La estructura de datos usada depende de las caractersticas del grafo y el
algoritmo usado para manipularlo. Entre las estructuras ms sencillas y usadas se encuentran las listas y las
matrices, aunque frecuentemente se usa una combinacin de ambas. Las listas son preferidas en grafos dispersos
porque tienen un eficiente uso de la memoria. Por otro lado, las matrices proveen acceso rpido, pero pueden
consumir grandes cantidades de memoria. Por lo que grafos tiene un gran uso en la informtica.

Teora de Grafos en las Redes Sociales

Cuando hablamos de procesamiento de datos, automticamente a muchos de nosotros nos vienen muchos
nmeros a la cabeza, muchas tcnicas estadsticas, conclusiones cuantitativas, etc. Esto es as, pero es que hay
mundo ms all de los nmeros. Dos de las explotaciones de datos que ms popularidad estn ganando en los
ltimos tiempos, especialmente derivado de que se estima (ms arriba, ms abajo) que aproximadamente el 80%
de los datos son desestructurados, son el anlisis de textos y el anlisis de redes sociales. Sin duda, este campo de
estudio es muy amplio, por lo que tcnicas como la categorizacin de texto, el procesamiento de lenguaje natural,
la extraccin y recuperacin de la informacin o el aprendizaje automtica, entre otras, apoyan el text mining (o
minera de texto). El segundo campo en el que veremos gran recorrido es el anlisis de redes sociales o estructuras
de grafos.. No es solo anlisis de las redes sociales entendidas como anlisis de contenido de Social Media. Es un
estudio numrico, algebraico, de una representacin de conocimiento en formato de grafo. Un campo que mezcla
la sociologa y las matemticas (el lgebra de grafos) en el que hay actores o entidades que interactan, pudiendo
representar estas acciones a partir de un grafo.

Qu nos puede aportar un grafo, una red social, y su anlisis a nuestros intereses? Las redes sociales pueden
definirse como un conjunto bien delimitado de actores como pueden ser individuos, grupos, organizaciones,
comunidades, sociedades globales, entre otros. Estn vinculados unos a otros a travs de una relacin o un conjunto
de relaciones sociales. El anlisis de estos vnculos puede ser empleado para interpretar comportamientos sociales
de los implicados. Esto es lo que ha venido a denominarse el Anlisis de Redes Sociales o ARS (Social Network
Analysis, o SNA).

Nivel global de un grafo

Coeficiente de agrupamiento: nivel de agrupamiento de los nodos, para saber cmo de

cohesionados o integrados estn los agentes/actores.

Camino caracterstico: mide el grado de separacin de los nodos, para determinar lo contrario al
punto anterior: cmo de separados o alejados estn, y poder buscar as medidas para juntar ms
la relacin entre agentes/actores.

Densidad: un grafo puede ser denso (cuando tiene muchas aristas) o disperso (muy pocas aristas).
En este sentido, se puede interpretar como que hay mucha o poca conexin.

Dimetro: es el mximo de las distancias entre cualesquiera pares de nodos. De esta manera,
sabemos cmo de alejados o prximos estn en agregado a la hora de comparar varios grafos.

Grado medio: nmero de vecinos (conexiones a otros nodos) medio que tiene un grado. Indicar
cul es la media de conexiones que tiene un nodo, de manera que se puede saber su popularidad.

Centralidad: permite realizar un anlisis para indicar aquellos nodos que poseen una mayor
cantidad de relaciones y por ende, los influyentes dentro del grupo. De esta manera, sabemos su
popularidad, lo que nos puede dar mucha informacin para saber la importancia de un nodo
dentro del total.
 2. Nivel comunidad (grupos de nodos dentro de un grafo)

Comunidades: instrumento para conocerse a s mismo, para conocer a los otros, al grupo concreto
que vive su momento, y en general a los grupos que viven procesos similares. De esta manera,
podemos agrupar a los nodos por patrones de similitud.

Puentes entre comunidades: cmo se conectan estas comunidades? cmo de comunicables son
esas comunidades? Para trazar planes de actuacin o de marketing.

Centros locales vs. periferia: para saber, dentro de las comunidades, los nodos que son ms
centrales o crticos, frente a los que no lo son.

3. Nivel nodo (propiedades de un influenciador dado)

Centralidad: es una mtrica de poder. El valor 0.522 para la centralidad de un nodo indica que si
para cada par de influenciadores buscamos el camino ms corto en el grafo, el 52.2% de estos
caminos pasa por ese influenciador. Mide su popularidad, y el algoritmo de Google, por ejemplo,
funcion durante mucho tiempo as, siendo cada nodo, una pgina web o recurso en Internet.

Mtricas de un nodo en una red (Fuente: http://historiapolitica.com/redhistoria/imagenes/ndos/larrosa4.jpg)

Modularidad: el modularidad es una medida de la estructura de las redes o grafos. Fue diseado
para medir la fuerza de la divisin de una red en mdulos (tambin llamados grupos,
agrupamientos o comunidades). Las redes con alta modularidad tienen conexiones slidas entre
los nodos dentro de los mdulos, pero escasas conexiones entre nodos en diferentes mdulos.

Intermediacin: se puede enfocar como la capacidad que inviste el nodo en ocupar una posicin
intermediaria en las comunicaciones entre el resto de los influenciadores. Aquellos, con mayor
intermediacin tienen un gran liderazgo, debido a que controlan los flujos de comunicacin. Y esto,
de nuevo, da mucha inteligencia a un negocio.

Pagerank: algoritmo que permite dar un valor numrico (ranking) a cada nodo de un grafo que
mide de alguna forma su conectividad. Es el famoso pagerank que utiliz Google (de hecho, el
algoritmo fue diseado por los creadores de Google, que es de donde viene su pasado matemtico).

Closeness: cun fcil es llegar a los otros vrtices. Indicar, por lo tanto, cmo de cerca queda ese
influenciador para llegar a contactar con otros. Esto, permite saber cun importante es ese nodo
dentro de la red de influencia para eventuales comunicaciones o relaciones con otros nodos.

Todo esto ya se est empleando en campos tan diversos como el marketing digital (para la deteccin de
influenciadores entre los seguidores, de especial importancia en la economa colaborativa, donde la reputacin
online es clave de consumo)

Grafos de control de Flujo

En ingeniera de software, un grafo de control de flujo (CFG) es una representacin, en forma de grafo dirigido, de
todos los caminos que pueden ser atravesados a travs de un programa durante su ejecucin Cada nodo del grafo
representa una regin contigua de cdigo sin ramas, conocidos como bloque bsico, y las aristas entre los nodos
indican saltos en el flujo del programa. Existen dos bloques especiales, el de entrada, que ninguna arista llega a l
y es la nica forma de empezar a recorrer el grafo, y el de salida, del que ninguna arista sale y es la nica forma de
terminar de recorrer el grafo

El grafo de control de flujo tiene gran utilidad a la hora de realizar optimizaciones en el compilador y anlisis esttico
de software

Grafo de ejecucin (Callgraph):

Grafo dirigido que representa las relaciones entre diferentes funciones en un software

Avances en Algoritmos de Flujo Mximo

Importante mejora de uno de los algoritmos bsicos de la informtica. Optimiza el modo de resolver el problema
del flujo mximo, fundamental en el anlisis de redes y programacin Un equipo de investigacin estadounidense
ha incorporado una mejora sustanciosa en la resolucin del algoritmo de flujo mximo, una de las operaciones ms
comunes de la informtica que se usa, por ejemplo, para disear redes de comunicaciones, analizar circuitos o
procesar imgenes digitales. La aplicacin de esta mejora a una red como Internet podra resolver un problema
cientos de veces ms deprisa que todos los algoritmos utilizados hasta el momento.

El algoritmo de flujo mxima o flujo mximo es uno de los problemas ms

bsicos de la informtica. Se utiliza normalmente para planificar rutas
areas, solucionar problemas de logstica o crear redes de comunicaciones,
adems de ser un captulo fundamental en todos los cursos de introduccin
a los algoritmos. Durante dcadas constituy un tema de investigacin
recurrente que ofreca resultados importantes una o dos veces al ao. Sin
embargo, a medida que el problema empez a ser ampliamente
comprendido, el ritmo de las innovaciones comenz a ralentizarse. Ahora,
una nueva investigacin del Instituto Tecnolgico de Massachusetts (MIT), en colaboracin con la Universidad de
Yale y la Universidad del Sur de California, ha concluido con la primera gran mejora del algoritmo de flujo mximo
en los diez ltimos aos, segn un comunicado del MIT.

De manera ms tcnica, el problema tiene que ver con lo que los matemticos llaman grafos. Un grafo es un
conjunto de puntos o vrtices en el espacio, que estn conectados por un conjunto de lneas o aristas. El esquema
estndar de una red de comunicaciones es un grafo. En el problema de flujo mximo, uno de los vrtices en el grafo
es conocido como fuente (un nodo que no tiene arista entrante) y otro es designado sumidero (un nodo que
no tiene aristas salientes) Cada una de las aristas tiene una capacidad asociada, es decir, una cantidad de
elementos que pueden pasar por ellas.

La pregunta que trata de contestar el algoritmo es cul es la tasa mayor a la cual el material puede ser
transportado de la fuente al sumidero sin violar ninguna restriccin de capacidad?. Es decir, el problema consiste
en determinar la mxima capacidad de flujo que puede ingresar a travs de la fuente y salir por el nodo de destino.

Para demostrarlo, los investigadores plantean en el comunicado los resultados obtenidos con la siguiente frmula:
Si N es el nmero de nodos en un grfico y L es el nmero de enlaces entre ellos, la ejecucin de los algoritmos de
flujo ms rpidos hasta ahora era proporcional a (N + L)^(2/3). Sin embargo, la ejecucin del nuevo algoritmo es
proporcional a (N + L)^(4/3). Para una red como Internet, que tiene cientos de miles de millones de nodos, el nuevo
algoritmo podra resolver el problema de flujo mximo cientos de veces ms rpido que su predecesor.

Aplicaciones de Grafos Bipartitos

Podemos encontrar aplicaciones informticas con grafos bipartitos en la comparacin de archivos de computador,
utilizando el problema de la Longest Common Subsequence (LCS), en espaol Subsecuencia Comn Ms Larga , en
el cual dadas dos palabras X e Y sobre un alfabeto finito cualquiera, lo que pretende es encontrar cul es el largo
mximo que puede tener una palabra que sea subsecuencia de X e Y simultneamente.

Por ejemplo, si consideramos X=matemticas e Y=astronoma, una LCS (y en este caso la nica) es atmia. El largo
de una LCS se usa comnmente como criterio de comparacin de palabras, pues est relacionada con la cantidad
de "pasos" necesarios para ir de una palabra a la otra mediante operaciones de insercin, eliminacin y reemplazo
de caracteres. Vamos a visualizar un poco ms el ejemplo. Todo par de palabras puede representarse
convenientemente como un grafo bipartito donde los arcos unen a los caracteres coincidentes de ambas palabras.
X=matemticas e Y=astronoma, el grafo que los representa sera:

FIGURA 19. Representacin de grafo bipartito.

Un matching en un grafo arbitrario (no necesariamente bipartito) es cualquier conjunto de arcos que no comparten
extremos; un PM es un matching en donde los arcos no se cruzan ni comparten extremos. As, calcular la LCS entre
dos palabras no es ms que calcular el matching planar de costo mximo del grafo bipartito asociado a dichas
palabras, donde todos los arcos tienen costo igual a 1. Ms an, aprovechando la generalidad que otorga ver el
problema LCS como uno de matching, se nos ocurren ideas nuevas que dan mayor alcance al concepto de
comparacin de palabras: podemos, por ejemplo, agregar ms arcos al grafo asociado a dos palabras cuando los
caracteres tengan cierta similitud o cuando compartan algn atributo, y asociarle un costo menor al que tienen los
arcos que unen caracteres iguales.

APLICACIONES INFORMATICAS PARA LA CONEXIN ENTRE GRAFOS

El manejo de caminos entre grafos puede ser fundamental para muchas aplicaciones informticas, una de ellas
puede ser la seguridad para las bases de datos de una empresa, por ejemplo, si una empresa quiere darle funciones
a diferentes departamentos para el manejo de insercin, eliminacin y actualizacin de los diferentes empleados
que trabajan para cada departamento, una forma de hacerlo es haciendo un diseo utilizando grafos, a
continuacin se ilustrara un grafo que funcione para lo que se pide.

E= Empresa

DS= Departamento de sistemas

DC= Departamento de contadura DG= Departamento para la gerencia

ES= Empleados para el departamento de sistemas

EC= Empleados para el departamento de contabilidad

EG= Empleados que hacen parte con la gerencia de la empresa

DS

ES

E DC EC

FIGURA . Representacin de las funciones y departamentos de una empresa en un grafo.

En el anterior grafo lo que se quiere ilustrar, es que es fundamental manejar bien los caminos entre grafos, porque
como podemos ver existe una empresa que puede actualizar, insertar, eliminar sus departamentos, dichos
departamentos solo pueden insertar, actualizar, eliminar aquellos empleados que trabajen para este, por eso es
que en el diseo de este grafo se especifican los caminos que pueden existir, existen caminos dirigidos entre E-DS,
E-DC, y E-DG, con esto estamos especificando que la empresa puede hacer con sus departamentos ya sea eliminar,
actualizar o insertar

otro departamento. Para cada departamento que tiene dicha empresa existen caminos entre DS-DE, DC-EC, y DG-
EG, con esto cada departamento puede eliminar, insertar o actualizar aquellos empleados que trabajen para dicho
departamento, esto es importante ya que cada departamento tiene un poder solo sobre los empleados que le
corresponden.

REDES DE COMUNICACIONES MOVILES

Podemos encontrar muchos tipos de aplicaciones de la teora de grafos en el mbito de las redes de comunicaciones
mviles, como por ejemplo bases de datos electrnicas, desde las vas telefnicas hasta registros de e-mails. Un
ejemplo especfico son los patrones de comunicacin de millones de usuarios de telfonos mviles, los grafos
permiten estudiar simultneamente la estructura local y la global de una sociedad en toda la red de comunicacin,
en las cuales se observan acoplamientos entre la interaccin fuertes y una red de la estructura local. La FIGURA 24
intenta ilustrar la estructura de las redes de comunicaciones mviles en torno a un individuo elegido al azar. Cada
enlace representa la comunicacin mutua entre los usuarios de la red de comunicacin, y todos los nodos que se
muestran son la distancia inferior a seis desde usuario seleccionado, marcado por un crculo en el centro.

FIGURA. Representacin de la estructura de las redes de comunicaciones mviles en torno a un individuo elegido
al azar

ALGORITMO DE DIJKSTRA

El algoritmo de dijkstra tambin conocido como ruta ms corta; a partir de un vrtice determinado se obtienen
todas las rutas ms cortas hacia todos los dems vrtices.

Los pasos a seguir para el algoritmo son:

1) Conocer el vrtice de origen y el vrtice de destino.

2) Marcar el vrtice de origen y conocer a sus vecinos

3) Mirar los costos de las rutas hacia sus vecinos

4) Marcar el vecino de la ruta ms corta

5) El vecino marcado se convierte en el nuevo vrtice de origen

6) Hace paso 2 y 3

7) Comparar todas las rutas que hay de sus vecinos y no vecinos no marcados que ya tengan costo asociado.

8) Obtener el vrtice de costo mnimo asociado y marcarlo

9) Volver a el paso 2

EJEMPLO

Los resultados son obtenidos a partir del software ALGORITMOS VORACES.

FIGURA. Ejemplo de solucin del Algoritmo de Dijkstra

Vrtice 1 2 3 4 5 6 7
Ruta - 1,2 1,3 1,4 1,3,5 1,3,6 1,3,5,7
Costo 0 9 7 8 10 12 18

TABLA 3. Tabla solucin con rutas de Dijkstra, ejemplo de figura anterior

Arboles

Intuitivamente, podemos visualizar rboles como una forma de organizar informacin de forma jerrquica, con un
nico punto de entrada y una serie de caminos que van abrindose en cada punto hacia sus sucesores.

Desde un punto de vista formal (teora de conjuntos), un rbol con raz se puede considerar como una estructura
constituida por un conjunto, N, cuyos elementos se denominan vrtices, y una relacin de orden parcial transitiva,
, definida sobre N, y caracterizada por la existencia de un elemento mnimo (anterior a todos los dems) nico,
la raz y tambin un predecesor nico para cada vrtice p distinto de la raz, es decir, un vrtice, q. Tambin existen
los arboles sin raz, en cuales la raz no est definida, en ste caso la raz puede ser cualquiera de los nodos.

Un rbol impone una estructura jerrquica sobre una coleccin de objetos. Es claro decir que la utilizacin de
rboles se presentan tanto dentro como fuera del rea de computacin (ndices de libros, rboles genealgicos,
etc.); en Informtica constituyen una de las estructuras ms utilizadas, con aplicaciones que van desde los rboles
sintcticos utilizados para la representacin y/o interpretacin de trminos de un lenguaje o expresiones
aritmticas, pasando por los rboles de activacin de procedimientos recursivos, hasta la representacin de datos
que se desea mantener ordenados con un tiempo de acceso relativamente bajo. En general, se usarn rboles
siempre que se quiera representar informacin jerarquizada, cuando esta converja en un solo punto.

ARBOL BINARIO

Un rbol binario es el que cumple que el subrbol izquierdo de cualquier nodo (si no est vaco) contiene valores
menores que el que contiene dicho nodo, y el subrbol derecho (si no est vaco) contiene valores mayores.

Usos comunes de los rboles binarios son los rboles binarios de bsqueda, los montculos binarios y codificacin
de huffman.

Tambin sera importante definir que los rboles Binarios segn la teora de grafos vienen siendo grafos conexos,
a cclicos y no dirigidos tal que el grado de cada vrtice no es mayor a 3. De esta forma solo existe un camino entre
un par de vrtices.
Representacion de un arbol binario

Es bueno tener las siguientes condiciones para tener bien definido un rbol binario en la teora de grafos. Estas
seran:

-Un rbol binario es un rbol con raz en el que cada vrtice tiene como mximo dos hojas.

-Un rbol binario lleno es un rbol en el que cada vrtice tiene cero como mnimo o dos hijos como mximo.

-Un rbol binario perfecto es un rbol binario lleno en el que todas las hojas estn a la misma profundidad.

-Un rbol binario perfecto es denominado rbol binario completo.

En conclusin lo que podemos decir acerca de los rboles Binarios es que son rboles en los que ninguno de sus
vrtices puede tener ms de dos sub-rboles. En un rbol binario cada vrtice puede tener cero, uno o dos hijos.
Se conoce el vrtice izquierdo como hijo izquierdo y el vrtice derecho como hijo derecho

APLICACIONES DE RBOLES BINARIOS C

ODIFICACION DE HUFFMAN

Los rboles binarios han sido usados para muchas aplicaciones informticas, como uno de estos casos es el
algoritmo de Huffman.

Este algoritmo fue usado para compresin de datos. El termino se refiere al uso de una tabla de cdigos de longitud
variable para codificar un determinado smbolo (como puede ser un caracter en un archivo), donde la tabla ha sido
rellenada de una manera especfica basndose en la probabilidad estimada de aparicin de cada posible valor de
dicho smbolo. Dicho algoritmo fue desarrollado por David A. Huffman mientras era estudiante de doctorado en el
MIT.

La codificacin Huffman usa un mtodo especfico para elegir la representacin de cada smbolo, que da lugar a un
cdigo prefijo (es decir, la cadena de bits que representa a un smbolo en particular nunca es prefijo de la cadena
de bits de un smbolo distinto) que representa los caracteres ms comunes usando las cadenas de bits ms cortas,
y viceversa. Huffman fue capaz de disear el mtodo de compresin ms eficiente de este tipo: ninguna
representacin alternativa de un conjunto de smbolos de entrada produce una salida media ms pequea cuando
las frecuencias de los smbolos coinciden con las usadas para crear el cdigo. Posteriormente se encontr un
mtodo para llevar esto a cabo en un tiempo lineal si las probabilidades de los smbolos de entrada (tambin
conocidas como "pesos") estn ordenadas. A continuacin se har un ejemplo para tener un mejor entendimiento
en que se basa la codificacin de Huffman.
ARBOLES B+

Los arboles B+ son una alternativa a los archivos secuenciales indexados, este mecanismo de indexacin ayuda a
acelerar el acceso a los datos deseados, un ejemplo concreto para esto puede ser cuando queremos encontrar un
capitulo especifico en un ndice alfabtico en un libro estos mecanismos son importantes para que el usuario tenga
una respuesta rpida de lo que quiere encontrar.

RBOLES DE JUEGOS

Los rboles de juegos son tambin una aplicacin de los rboles de decisin. Tomemos por ejemplo el conocido
juego de Triqui y consideremos una funcin que evala una posicin del tablero y nos devuelve un valor numrico
(entre mas grande es este valor, mas buena es esta posicin).Un ejemplo de la implantacin de esta funcin es
considerando el numero de renglones, columnas y diagonales restantes abiertas para un jugador menos el numero
de las mismas para su oponente, por ejemplo la siguiente posicin en un juego y sus posibles continuaciones

: Representacin de un rbol de Decisin en una posicin del juego Triqui.

Dada un posicin del tablero, el mejor movimiento siguiente esta determinado por la consideracin de todos los
movimientos posibles y las posiciones resultantes.Tal anlisis no conduce sin embargo al mejor movimiento, como
se ve en el ejemplo anterior cuando las cuatro primeras posibilidades dan todos los mismos valores de evaluacin,
sin embargo la cuarta posicin es sin duda mejor, por lo que se debe mejorar esta funcin.

Ahora se introduce la posibilidad de prever varios movimientos. Entonces la funcin se mejorar en gran medida;
se inicia con cualquier posicin y se determinan todos los posibles movimientos en un rbol hasta un determinado
nivel de previsin. Este rbol se conoce como rbol de juego cuya profundidad es igual a la profundidad de dicho
rbol.As es como funciona un rbol de juego que es una aplicacin de un rbol de decisin, ya que se genera el
rbol de acuerdo al nivel de previsin y cada jugador va decidiendo que jugada le conviene ms de acuerdo a la
evaluacin de una determinada posicin.

ALGORITMO DE KRUSKAL

El algoritmo de Kruskal es un algoritmo de la teora de grafos para encontrar un rbol

recubridor mnimo en un grafo conexo y ponderado. Es decir, busca un subconjunto
de aristas que, formando un rbol, incluyen todos los vrtices y donde el valor total
de todas las aristas del rbol es el mnimo MST (Mnimum Spanning Tree) que sirve
para solucionar problemas relacionados con distribucin de redes de energa, redes
de comunicaciones y dems problemas donde se pueda llevar este a un modelo de
grafos y aqu aplicar el algoritmo de Kruskal para hallar la solucin al problema.

Fig. Josep Kruskal

Las aplicaciones de los rboles abarcadores mnimos son mltiples: obtencin de

redes elctricas o de comunicaciones eficientes, creacin de laberintos aleatorios.

Entre los problemas sobre grafos, uno de los de mayor inters por su enorme abanico de aplicaciones es la
obtencin del rbol de recubrimiento de peso mnimo. En lo que sigue nos referiremos a ste rbol por las siglas
de su nombre en ingls, MST. La determinacin del MST tiene innumerables aplicaciones en diversas ramas de la
ciencia y la tecnologa. Por ejemplo, este tipo de rboles pueden usarse directamente como base para optimizar
el diseo de redes de transmisin de energa o de informacin cuando la topologa de las conexiones debe ser (o
conviene que sea) arborescente. En otras reas, el MST puede usarse para determinar agrupamientos naturales de
datos. Si tenemos una coleccin de datos y alguna manera de medir la disimilitud o distancia entre ellos, podemos
ver esta coleccin como el conjunto de vrtices de un grafo y las disimilitudes entre objetos como aristas de un
grafo completamente interconectado.

ALGORITMO DE PRIM

Este algoritmo fue diseado en 1930 por el matemtico Vojtech Jarnik y luego de manera independiente por el
cientfico computacional Robert C. Prim en 1957 y redescubierto por Dijkstra en 1959. Por esta razn, el algoritmo
es tambin conocido como algoritmo DJP o algoritmo de Jarnik.

Fig. Rober C. Prim

El algoritmo de Prim es un algoritmo de la teora de grafos para encontrar un rbol recubridor mnimo (MST) en un
grafo conexo (igual que el algoritmo de kruskal), no dirigido y cuyas aristas estn etiquetados. Por as decirlo, dicho
algoritmo encuentra un subconjunto de aristas que forman un rbol con todos los vrtices, donde el peso total de
todas las aristas en el rbol es el mnimo posible. Si el grafo no es conexo, entonces el algoritmo encontrara el rbol
recubridor mnimo para uno de los componentes conexos que forman dicho grafo no conexo.