图的顺序存储方法 - 邻接矩阵（Adjacency Matrix）
使用数组存储图时，需要使用两个数组，一个数组存放图中顶点本身的数据（一维数组），另外一个数组用于存储各顶点之间的关系（二维数组）。
- 如果只是存储图中包含的顶点，使用一维数组就足够了；
- 然而，我们还需要存储顶点之间的关系，因此要记录每个顶点和其它所有顶点之间的关系，所以需要使用二维数组。
这个二维数组称为邻接矩阵（Adjacency Matrix）。
不同类型的图，存储的方式略有不同，根据图有无权，可以将图划分为两大类：图和网 。
图，包括无向图和有向图；网，是指带权的图，包括无向网和有向网。
存储方式的不同，指的是：在使用二维数组存储图中顶点之间的关系时，如果顶点之间存在边或弧，在相应位置用 1 表示，反之用 0 表示；如果使用二维数组存储网中顶点之间的关系，顶点之间如果有边或者弧的存在，在数组的相应位置存储其权值；反之用 0 表示。
无向图
我们来看一个无向图的实例，下图的左图就是一个无向图：
对于无向图来说，二维数组构成的邻接矩阵，实际上是对称矩阵。因此，在存储时就可以采用压缩存储的方式存储下三角或者上三角。
通过二阶矩阵，可以直观地计算出各个顶点的度，为该行（或该列）非 0 值的和。例如，第一行有两个 1，说明 V1 有两个边，所以度为 2。
有向图
我们再来看一个有向图的样例，如下图所示的左图：
例如，arcs[0][1] = 1 ，证明从 V1 到 V2 有弧存在。且通过邻接矩阵，可以很轻松得知各顶点的出度和入度，出度为该行非 0 值的和，入度为该列非 0 值的和。例如，V1 的出度为 2 （因为第二行中有两个 1 ），为 2 ； V1 的入度为 1 （第二列中只有一个 1 ）。
...
