この記事は英語版の対応するページを翻訳することにより充実させることができます。（2024年5月）翻訳前に重要な指示を読むには右にある[表示]をクリックしてください。

英語版記事を日本語へ機械翻訳したバージョン（Google翻訳）。

万が一翻訳の手がかりとして機械翻訳を用いた場合、翻訳者は必ず翻訳元原文を参照して機械翻訳の誤りを訂正し、正確な翻訳にしなければなりません。これが成されていない場合、記事は削除の方針G-3に基づき、削除される可能性があります。

信頼性が低いまたは低品質な文章を翻訳しないでください。もし可能ならば、文章を他言語版記事に示された文献で正しいかどうかを確認してください。

履歴継承を行うため、要約欄に翻訳元となった記事のページ名・版について記述する必要があります。記述方法については、Wikipedia:翻訳のガイドライン#要約欄への記入を参照ください。

翻訳後、{{翻訳告知|en|Hypergraph|…}}をノートに追加することもできます。

Wikipedia:翻訳のガイドラインに、より詳細な翻訳の手順・指針についての説明があります。

ハイパーグラフの例: X = { v 1 , v 2 , v 3 , v 4 , v 5 , v 6 , v 7 } {\displaystyle X=\{v_{1},v_{2},v_{3},v_{4},v_{5},v_{6},v_{7}\}} , E = { e 1 , e 2 , e 3 , e 4 } {\displaystyle E=\{e_{1},e_{2},e_{3},e_{4}\}} = { { v 1 , v 2 , v 3 } , { v 2 , v 3 } , {\displaystyle =\{\{v_{1},v_{2},v_{3}\},\{v_{2},v_{3}\},} { v 3 , v 5 , v 6 } , { v 4 } } {\displaystyle \{v_{3},v_{5},v_{6}\},\{v_{4}\}\}} .

ハイパーグラフ（英: Hypergraph）とは、数学におけるグラフを一般化（拡張）したもので、エッジ（枝）が任意個数のノード（頂点）を連結できる。形式的には ( X , E ) {\displaystyle (X,E)} という対で表され、 X {\displaystyle X} はノードあるいは頂点と呼ばれる要素の集合、 E {\displaystyle E} はハイパーエッジ（hyperedge）と呼ばれる X {\displaystyle X} の空集合でない部分集合の集合である。したがって、 E {\displaystyle E} は P ( X ) ∖ { ∅ } {\displaystyle {\mathcal {P}}(X)\setminus \{\emptyset \}} の部分集合である。ただし、 P ( X ) {\displaystyle {\mathcal {P}}(X)} は X {\displaystyle X} の冪集合を表す。通常のグラフのエッジは2つのノードの対で表されるが、ハイパーエッジは任意のノードの集合で表され、任意個のノードを含む。

グラフとは異なり、ハイパーグラフは紙上に図示するのが困難である。そのため、グラフ理論のような図解をされることは少なく、集合論の用語で表される傾向がある。
概要

グラフ理論の多くの定理はハイパーグラフでも成り立つ。典型例としてラムゼーの定理がある。グラフの対称性に関する研究もハイパーグラフに拡張して適用可能である。ハイパーグラフが準同型であるとは、あるハイパーグラフの頂点集合から別のそれへの写像があり、1つのエッジがもう一方のエッジに対応することを意味する。ハイパーグラフが同型であるとは、逆向きにも準同型である場合をいう。ハイパーグラフが自己同型であるとは、頂点集合がラベルを付け直した頂点集合と準同型であることをいう。ハイパーグラフの自己同型の集合 H (= (X, E)) は、合成について群となり、ハイパーグラフの自己同型群と呼ばれ Aut(H) で表される。ハイパーグラフの集まりは、射としてのハイパーグラフ準同型の集まりからなる圏である。

ハイパーグラフ H = (X, E) の「横断（transversal）」または「ヒッティングセット（hitting set）」 T ⊆ X {\displaystyle T\subseteq X} とは、どのエッジとも、積集合が空ではない集合のことである。すなわち、Tと各エッジの間に共通なノードが必ず存在する。横断 T は、その真部分集合として横断と呼べるものがない場合に「最小」であるという。H の「横断ハイパーグラフ」は (X, F) で表されるハイパーグラフであり、F は H の全最小横断からなる。横断ハイパーグラフの計算は、機械学習などの計算機科学分野で応用されており、ゲーム理論、データベースのインデックス付け、充足可能性問題、最適化などと関連する。

各エッジの濃度（元の個数）が k であるようなハイパーグラフを「k一様（k-uniform）」または「kハイパーグラフ（k-hypergraph）」と呼ぶ。グラフは2一様なハイパーグラフである。頂点 v の次数 d(v) とは、その頂点が属するエッジの個数である。全ての頂点の次数が k であるハイパーグラフを「k正則（k-regular）」であるという。