【数据结构】二叉树入门全解:从定义、性质到经典真题

news2026/4/8 1:03:54
一、先搞懂什么是二叉树二叉树Binary Tree是一种特殊的树形结构定义非常清晰它是由nn≥0个结点构成的有限集合满足空树当n0时二叉树为空非空树有且仅有一个根结点除根结点外其余结点分为两个互不相交的子集T₁和T₂分别称为根的左子树和右子树且T₁、T₂本身也是二叉树。核心特点每个结点最多只有 2 棵子树即度最大为 2子树有严格的左右之分顺序不能颠倒左子树和右子树是完全不同的两棵树。二叉树的 5 种基本形态二叉树的结构非常灵活基础形态只有 5 种空二叉树仅有根结点右子树为空只有左子树左子树为空只有右子树左右子树均非空二、二叉树的核心性质解题的 “万能公式”掌握这些性质是解决所有二叉树问题的基础也是考试的核心考点性质 1第 i 层的最大结点数二叉树的第i层根为第 1 层最多有2^(i-1)个结点。验证第 1 层根2^01第 2 层最多 2 个第 3 层最多 4 个完全符合满二叉树的结构。性质 2深度为 k 的二叉树最大结点数深度为k的二叉树最多有2^k - 1个结点。本质等比数列求和124...2^(k-1) 2^k - 1对应满二叉树的结点总数。性质 3叶子结点与度为 2 的结点的关系对于任意非空二叉树若叶子结点数为n₀度为 2 的结点数为n₂则恒有n₀ n₂ 1推导设总结点数为n度为 1 的结点数为n₁则n n₀ n₁ n₂又因为二叉树的边数 总结点数 - 1 n-1同时边数也等于n₁ 2n₂度为 1 的结点贡献 1 条边度为 2 的贡献 2 条联立得n₀ n₁ n₂ - 1 n₁ 2n₂化简后n₀ n₂ 1完美成立。三、特殊二叉树满二叉树 完全二叉树这两种是考试中最常考的二叉树类型必须彻底分清1. 满二叉树定义深度为k且结点总数为2^k - 1的二叉树。特点所有叶子结点都在最后一层除叶子结点外每个结点都有 2 个子结点同深度下满二叉树的结点数、叶子数都是最多的按层序编号根为 1从上到下、从左到右编号为i的结点左孩子为2i右孩子为2i1父结点为⌊i/2⌋。2. 完全二叉树定义深度为k、有n个结点的二叉树当且仅当它的每个结点都与深度为k的满二叉树中编号从1到n的结点一一对应时称为完全二叉树。核心特点判断依据叶子结点只可能出现在最后两层若某结点没有左子树则一定没有右子树上一层没有铺满绝对不能有下一层结点对任意结点若其右分支子孙的最大层次为l则左分支子孙的最大层次必为l或l1。完全二叉树的专属性质解题神器性质 4完全二叉树的深度有n个结点的完全二叉树深度为⌊log₂n⌋ 1向下取整后 1。性质 5层序编号的父子关系对n个结点的完全二叉树按层序编号根为 1每层从左到右对任意结点i1≤i≤n若i1结点i是根无父结点若i1父结点编号为⌊i/2⌋若2i n结点i无左孩子是叶子结点否则左孩子为2i若2i1 n结点i无右孩子否则右孩子为2i1。四、经典真题实战把性质用起来我们结合 3 道历年考研真题手把手教你用性质解题彻底吃透考点。真题 12009完全二叉树结点数最大值题目已知一棵完全二叉树的第 6 层根为第 1 层有 8 个叶结点则该完全二叉树的结点个数最多是 A. 39 B. 52 C. 111 D. 119解题步骤分析结构完全二叉树的叶子结点只能在最后两层因此第 6 层有 8 个叶子说明树的深度有两种可能深度为 6或深度为 7要结点数最多必然取深度 7。计算前 5 层满二叉树的结点数深度为 5 的满二叉树结点总数为2^5 - 1 31个。计算第 6 层的结点数第 6 层最多有2^(6-1) 32个结点。其中 8 个是叶子结点说明剩下32 - 8 24个结点是非叶子结点有子结点。计算第 7 层的最大结点数第 6 层的 24 个非叶子结点每个最多有 2 个子结点因此第 7 层最多有24 × 2 48个结点。总结点数前 5 层 31 第 6 层 32 第 7 层 48 111对应选项 C。真题 22011完全二叉树的叶子结点数题目若一棵完全二叉树有 768 个结点则该二叉树中叶结点的个数是 A. 257 B. 258 C. 384 D. 385解题步骤方法 1利用性质 3 完全二叉树的特点完全二叉树中度为 1 的结点数n₁只能是 0 或 1这是完全二叉树的核心特点。设叶子结点数为n₀度为 2 的结点数为n₂则总结点数n n₀ n₁ n₂ 768由性质 3n₀ n₂ 1→n₂ n₀ - 1代入得n₀ n₁ (n₀ - 1) 768→2n₀ n₁ 769因为2n₀是偶数769 是奇数所以n₁必须为 1奇数才能让等式成立。因此2n₀ 1 769→n₀ 384对应选项 C。方法 2利用完全二叉树层序编号性质完全二叉树的叶子结点是编号大于⌊n/2⌋的所有结点。n768⌊768/2⌋ 384因此叶子结点是编号 385~768共768 - 384 384个直接得出答案。真题 32018满二叉树的结点总数题目设一棵非空完全二叉树 T 的所有叶结点均位于同一层且每个非叶结点都有 2 个子结点。若 T 有 k 个叶结点则 T 的结点总数是 A. 2k-1 B. 2k C. k² D. 2^k-1解题步骤分析树的类型所有叶结点在同一层且每个非叶结点都有 2 个子结点 → 这是一棵满二叉树。满二叉树中叶子结点数n₀ k由性质 3n₀ n₂ 1得度为 2 的结点数n₂ k - 1。满二叉树中没有度为 1 的结点n₁0因此总结点数n n₀ n₁ n₂ k 0 (k-1) 2k - 1对应选项 A。补充验证深度为 h 的满二叉树叶子数k2^(h-1)总结点数2^h - 1 2×2^(h-1) - 1 2k - 1完全一致。五、总结二叉树核心考点速记表格知识点核心公式 / 结论二叉树性质 3n₀ n₂ 1所有二叉树通用满二叉树深度 k结点数2^k - 1叶子数2^(k-1)总结点数2×叶子数 - 1完全二叉树度为 1 的结点数只能是 0 或 1叶子结点为编号 ⌊n/2⌋的结点深度⌊log₂n⌋1完全二叉树父子关系父结点⌊i/2⌋左孩子2i右孩子2i1二

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2477336.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…