En este artículo explico cómo construir un árbol no dirigido a partir de un array de aristas en JavaScript, mostrando varias formas de almacenar las relaciones entre nodos y cómo convertir esa representación en un árbol enraizado para recorrerlo con DFS o BFS.

Concepto básico: recibes una lista de aristas como por ejemplo [[1,2],[1,3],[3,4]] y tu objetivo es representar el grafo de forma que cada nodo conozca sus vecinos. Para un árbol no dirigido lo más frecuente es usar una lista de adyacencia porque es sencilla y eficiente.

Ejemplo sencillo de lista de adyacencia usando objetos en JavaScript: function buildAdjList(edges){const adj={};edges.forEach(e=>{const u=e[0],v=e[1];if(!adj[u])adj[u]=[];adj[u].push(v);if(!adj[v])adj[v]=[];adj[v].push(u);});return adj;}

Alternativa con Map para claves no numéricas o para un control más estricto: function buildAdjMap(edges){const adj=new Map();edges.forEach(e=>{const [u,v]=e;if(!adj.has(u))adj.set(u,[]);adj.get(u).push(v);if(!adj.has(v))adj.set(v,[]);adj.get(v).push(u);});return adj;}

Una vez tienes la lista de adyacencia puedes convertir el grafo no dirigido en un árbol enraizado seleccionando un nodo raíz y haciendo un recorrido DFS o BFS que evite volver al padre. Ejemplo de conversión a árbol dirigido con DFS: function rootTree(adj,root){const tree={};const visited=new Set();function dfs(u,parent){visited.add(u);tree[u]=[];const neighbors=Array.isArray(adj.get?adj.get(u):adj[u])? (adj.get?adj.get(u):adj[u]) : [];neighbors.forEach(v=>{if(v===parent) return;dfs(v,u);tree[u].push(v);});}dfs(root,null);return tree;}

Consideraciones prácticas: valida que el número de aristas sea n-1 para n nodos si esperas un árbol; detecta ciclos y componentes desconectados; usa Sets para evitar duplicados si tu entrada puede contener aristas repetidas; y prefiere Map si las claves no son enteros o si necesitas mejor rendimiento en búsquedas y borrados.

Complejidad: construir la lista de adyacencia toma O(n) en tiempo y espacio para n nodos y n-1 aristas. Los recorridos DFS/BFS son O(n) en tiempo. Estas implementaciones son adecuadas para la mayoría de aplicaciones web y backends que procesan grafos de tamaño moderado.

Buenas prácticas: documenta la forma de entrada de las aristas, normaliza identificadores de nodos, añade tests que cubran aristas duplicadas y casos desconectados, y evita mutaciones innecesarias de estructuras compartidas cuando trabajes en entornos concurrentes.

Si prefieres, en proyectos a medida Q2BSTUDIO puede diseñar e implementar soluciones robustas que incluyan algoritmos de grafos optimizados, integraciones cloud y sistemas escalables. Somos una empresa de desarrollo de software y aplicaciones a medida con experiencia en inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio y power bi. Para proyectos de software a medida contamos con servicios especializados en desarrollo de aplicaciones y software a medida y también ofrecemos servicios de inteligencia artificial para empresas, agentes IA y soluciones de ia para empresas que mejoran procesos y análisis de datos.

En resumen: usa listas de adyacencia con Object o Map para representar el grafo, convierte a árbol enraizado con DFS/BFS evitando el padre, maneja validación y duplicados, y escala la solución integrándola con arquitecturas cloud o análisis con Power BI si necesitas visualización y reporting avanzado.