Cấu Trúc Dữ Liệu Cây: Từ Gốc Đến Ngọn
Tại sao cây thay đổi tất cả
Hãy tưởng tượng bạn phải tổ chức hàng triệu file trên máy tính mà không có thư mục, hoặc tìm kiếm qua hàng tỷ trang web mà không có hệ thống lập chỉ mục của Google. Trước khi cấu trúc dữ liệu cây cách mạng hóa ngành công nghệ, những tác vụ này gần như bất khả thi. Ngày nay, mỗi khi bạn duyệt file, tìm kiếm trong database, hay thậm chí chơi game (Game tree, Octree/Quadtree), bạn đều đang hưởng lợi từ vẻ đẹp toán học của cây.
Cây xuất hiện khắp nơi trong khoa học máy tính vì chúng giải quyết một vấn đề cơ bản: làm thế nào để tổ chức dữ liệu phân cấp một cách hiệu quả. Không giống như cấu trúc tuyến tính buộc chúng ta phải tìm kiếm tuần tự, cây cung cấp thời gian truy cập logarit, biến hàng giờ thành mili giây. Chương này sẽ đưa bạn vào hành trình khám phá thế giới hấp dẫn của cấu trúc dữ liệu cây, từ nền tảng toán học đến cài đặt trong Java, với nhiều ví dụ thực tế và những phép so sánh dễ nhớ.
Phần 4.1: Cây Tổng Quát - Xây Dựng Nền Tảng
4.1.1 Định Nghĩa và Tính Chất Của Cây: Đại gia đình của cấu trúc dữ liệu
Cây về cơ bản là về các mối quan hệ. Hãy nghĩ đến gia phả của bạn: bạn có cha mẹ, con cái, anh chị em, tổ tiên và hậu duệ. Trong khoa học máy tính, chúng ta sử dụng cùng cấu trúc trực quan này để tổ chức dữ liệu theo thứ bậc.
Định Nghĩa Chính Thức: Cây T là một tập hợp các nút (nodes) lưu trữ các phần tử với quan hệ cha-con thỏa mãn các tính chất: có một nút gốc duy nhất không có cha, mọi nút khác có đúng một cha, có đúng một đường đi từ gốc đến bất kỳ nút nào, và không có chu trình.
Thuật Ngữ Quan Trọng với Mẹo Ghi Nhớ:
Gốc (Root) giống như Chủ tịch công ty—mọi người cuối cùng đều báo cáo với ông ấy. Lá (Leaves) như những thực tập sinh—không có ai báo cáo với họ. Nút trong (Internal nodes) là quản lý cấp trung—họ có cả cấp trên và cấp dưới. Chiều cao (Height) của cây đo lường có bao nhiêu cấp quản lý từ Chủ tịch đến thực tập sinh, trong khi độ sâu (Depth) cho biết có bao nhiêu cấp trên ở phía trên bạn.
Đây là mẹo ghi nhớ mà sinh viên Việt Nam rất thích: Hãy nghĩ về các cấp của cây như hệ thống hành chính Việt Nam: Chính phủ Trung ương (gốc) → Tỉnh/Thành phố → Quận/Huyện → Phường/Xã → Tổ dân phố (lá). Mỗi cấp đại diện cho độ sâu tăng dần, và tổng số cấp là chiều cao.
Tính Chất Toán Học Mà Mọi Cây Phải Tuân Theo:
- Một cây với N nút có đúng N-1 cạnh
- Có đúng một đường đi giữa hai nút bất kỳ
- Thêm bất kỳ cạnh nào tạo ra chu trình; xóa bất kỳ cạnh nào làm mất kết nối cây
Tại Sao Các Tính Chất Này Quan Trọng: Những ràng buộc này làm cho cây cực kỳ hiệu quả. Tính chất "đúng một đường đi" có nghĩa là chúng ta không bao giờ lãng phí thời gian kiểm tra nhiều tuyến đường. Tính chất N-1 cạnh đảm bảo kết nối tối thiểu trong khi vẫn duy trì tính liên thông—hoàn hảo cho thiết kế mạng và tổ chức dữ liệu.
4.1.2 Kiểu Dữ Liệu Trừu Tượng Cây (Tree ADT):
Tree ADT cung cấp một giao diện chuẩn hóa ẩn chi tiết cài đặt trong khi vẫn cung cấp các thao tác thiết yếu. Hãy nghĩ về nó như bảng điều khiển của ô tô—bạn không cần biết động cơ hoạt động thế nào để lái xe hiệu quả.
public interface Tree<E> extends Iterable<E> {
// Phương thức điều hướng - tìm đường trong gia phả
Position<E> root(); // Ai là tổ tiên sáng lập?
Position<E> parent(Position<E> p); // Ai là cha mẹ của bạn?
Iterable<Position<E>> children(Position<E> p); // Ai là con của bạn?
// Phương thức truy vấn - hỏi về các thành viên gia đình
boolean isInternal(Position<E> p); // Bạn có phải cha/mẹ không?
boolean isExternal(Position<E> p); // Bạn chưa có con đúng không ?
boolean isRoot(Position<E> p); // Bạn có phải cụ tổ không?
// Phương thức tiện ích
int size(); // Gia tộc có bao nhiêu người?
boolean isEmpty(); // Đây là câu hỏi năm 1442 Hoàng hậu Nguyễn Thị Anh hỏi gia đình Nguyễn Trãi
int numChildren(Position<E> p); // Bạn có bao nhiêu con?
}
Interface Position là một trừu tượng thông minh đại diện cho một nút mà không tiết lộ cấu trúc bên trong.
Hiểu Sâu Về Position Interface
Position giống như một "hộp đen" (black box) - bạn chỉ biết nó chứa dữ liệu, nhưng không biết cấu trúc bên trong như thế nào.
Ví dụ thực tế: Sổ hộ khẩu gia đình
// Sổ hộ khẩu chỉ cho phép xem tên, không cho xem thông tin riêng tư khác
public interface FamilyMemberCard {
String getName(); // Chỉ được xem tên
}
// Thực tế mỗi thành viên có nhiều thông tin
class FamilyMember implements FamilyMemberCard {
private String name;
private String idNumber; // Số CMND - ẩn
private String medicalHistory; // Lịch sử bệnh - ẩn
private FamilyMember parent; // Cha/mẹ - ẩn
private List<FamilyMember> children; // Con cái - ẩn
public String getName() {
return name;
}
}
Tương tự với Position trong Tree:
// Position chỉ cho phép lấy phần tử, ẩn mọi thứ khác
public interface Position<E> {
E element() throws IllegalStateException;
}
// Node thực tế có nhiều thông tin về quan hệ gia đình
class TreeNode<E> implements Position<E> {
private E data;
private TreeNode<E> parent; // Ẩn khỏi người dùng
private TreeNode<E> left; // Ẩn khỏi người dùng
private TreeNode<E> right; // Ẩn khỏi người dùng
public E element() {
return data;
}
}
Tại sao cần Position?
1. Bảo vệ cấu trúc:
// KHÔNG TỐT - Người ngoài có thể phá vỡ cấu trúc của cây
TreeNode<String> member = familyTree.getNode(1); // Lấy nút thành viên
member.parent = null; // Nguy hiểm! Phá hỏng cấu trúc của cây
// TỐT - Người ngoài chỉ xem được tên
Position<String> pos = familyTree.getPosition(1); // Lấy vị trí thành viên
String name = pos.element(); // An toàn
// pos.parent = null; // Không thể! Position không có parent/children
Position như một "cửa sổ nhỏ" chỉ cho phép nhìn thấy thông tin của node, không cho phép can thiệp vào cấu trúc của cây.
Ứng Dụng Thực Tế: Facebook sử dụng cấu trúc cây để biểu diễn các chuỗi bình luận. Khi bạn trả lời một bình luận, bạn đang tạo một nút con. Toàn bộ cuộc trò chuyện tạo thành một cây nơi bài đăng gốc là gốc, bình luận trực tiếp là con của nó, và các câu trả lời tạo thành cây con. Cấu trúc này cho phép Facebook hiển thị hiệu quả các cuộc trò chuyện theo luồng và tính toán các chỉ số tương tác.
Phần 4.2: Cây Nhị Phân - Sức Mạnh Của chia đôi, chia đôi, chia đôi ...
4.2.1 Kiểu Dữ Liệu Trừu Tượng Cây Nhị Phân: Đơn giản nhưng mạnh mẽ
Cây nhị phân giới hạn mỗi nút có tối đa hai con, tạo ra một cấu trúc mạnh mẽ đến mức xuất hiện khắp nơi trong khoa học máy tính. Từ đó là cơ sở mở ra các thuật toán trong các ứng dụng hiện đại.
graph TD;
A[Root] --> B[Left Child]
A --> C[Right Child]
B --> D[Left Grandchild]
B --> E[Right Grandchild]
C --> F[Left Grandchild]
C --> G[Right Grandchild]
style A fill:#f9f,stroke:#333,stroke-width:4px
style B fill:#bbf,stroke:#333,stroke-width:2px
style C fill:#bbf,stroke:#333,stroke-width:2px
style D fill:#ddf,stroke:#333,stroke-width:1px
style E fill:#ddf,stroke:#333,stroke-width:1px
style F fill:#ddf,stroke:#333,stroke-width:1px
style G fill:#ddf,stroke:#333,stroke-width:1px
BinaryTree ADT mở rộng Tree ADT với các phương thức cụ thể cho cây nhị phân:
public interface BinaryTree<E> extends Tree<E> {
Position<E> left(Position<E> p); // Con đầu lòng của bạn
Position<E> right(Position<E> p); // Con thứ hai của bạn
Position<E> sibling(Position<E> p); // Anh chị em duy nhất có thể có
}
4.2.2 Tính Chất Của Cây Nhị Phân: Toán học của hiệu quả
Cây nhị phân sở hữu những tính chất toán học đáng kinh ngạc làm cho chúng mạnh mẽ về mặt tính toán. Hiểu các tính chất này giúp bạn chọn đúng loại cây cho ứng dụng của mình.
Sức Mạnh Của Số Hai:
- Số nút tối đa ở cấp i: $2^i$ (cấp 0 có 1, cấp 1 có 2, cấp 2 có 4...)
- Số nút tối đa trong cây cao h: $2^{(h+1)} - 1$
- Chiều cao tối thiểu cho N nút: $\lfloor log₂(N) \rfloor$
Các Loại Cây Nhị Phân Đặc Biệt:
- Cây Nhị Phân Đầy Đủ (Full): Mỗi nút cha có đúng 0 hoặc 2 con (không có con đơn - có đủ hoặc không có gì!)
- Cây Nhị Phân Hoàn Chỉnh (Complete): Một cây nhị phân được gọi là "hoàn chỉnh" khi
- Tất cả các tầng đều đầy node (mỗi node có đủ 2 con), TRỪ tầng cuối cùng
- Tầng cuối cùng được điền node từ trái sang phải (không có khoảng trống ở giữa)
- Cây Nhị Phân Hoàn Hảo (Perfect): Tất cả nút trong có hai con và tất cả lá ở cùng cấp (cây đối xứng lý tưởng)
Định Lý Cây Nhị Phân Đầy Đủ: Trong bất kỳ cây nhị phân đầy đủ nào với I nút trong, có đúng I+1 lá. Mối quan hệ đẹp này giúp phân tích thuật toán và xây dựng cây.
Tác Động Thực Tiễn: Các tính chất này giải thích tại sao tìm kiếm nhị phân lại nhanh như vậy. Trong một cây tìm kiếm nhị phân cân bằng với một triệu nút, bạn cần tối đa 20 phép so sánh để tìm bất kỳ phần tử nào (log₂(1.000.000) ≈ 20). So sánh với 500.000 phép so sánh trung bình cho tìm kiếm tuyến tính!
Phần 4.3: Cài Đặt Cây Trong Java
Cài Đặt Cấu Trúc Liên Kết: Cách tiếp cận cổ điển
Cài đặt cấu trúc liên kết sử dụng các nút với tham chiếu đến con và tùy chọn cha. Nó linh hoạt, trực quan và hoàn hảo để hiểu các khái niệm cây.
public class LinkedBinaryTree<E> extends AbstractBinaryTree<E> {
// Lớp Node lồng nhau - khối xây dựng của cây
protected static class Node<E> implements Position<E> {
private E element; // Dữ liệu chúng ta lưu trữ
private Node<E> parent; // Tham chiếu đến cha (null cho gốc)
private Node<E> left; // Tham chiếu đến con trái
private Node<E> right; // Tham chiếu đến con phải
public Node(E e, Node<E> above, Node<E> leftChild, Node<E> rightChild) {
element = e;
parent = above;
left = leftChild;
right = rightChild;
}
public E element() { return element; }
// ... getters và setters
}
private Node<E> root = null;
private int size = 0;
// Factory method pattern cho tính linh hoạt
protected Node<E> createNode(E e, Node<E> parent,
Node<E> left, Node<E> right) {
return new Node<>(e, parent, left, right);
}
// Thêm gốc vào cây rỗng
public Position<E> addRoot(E e) throws IllegalStateException {
if (!isEmpty())
throw new IllegalStateException("Cây không rỗng");
root = createNode(e, null, null, null);
size = 1;
return root;
}
// Thêm con - xây dựng gia phả
public Position<E> addLeft(Position<E> p, E e) {
Node<E> parent = validate(p); // Đảm bảo p hợp lệ
if (parent.left != null)
throw new IllegalArgumentException("Con trái đã tồn tại");
Node<E> child = createNode(e, parent, null, null);
parent.left = child;
size++;
return child;
}
}
Giải Thích Quyết Định Thiết Kế: Chúng ta sử dụng factory method createNode() để cho phép kế thừa dễ dàng. Nếu bạn muốn tạo cây với thuộc tính nút bổ sung, bạn có thể chỉ ghi đè phương thức này mà không thay đổi toàn bộ cài đặt.
Cài Đặt Dựa Trên Mảng: Khi cây hoàn chỉnh tỏa sáng
Đối với cây nhị phân hoàn chỉnh, biểu diễn mảng cung cấp hiệu suất cache vượt trội và chi phí bộ nhớ tối thiểu. Đây là lý do tại sao heap sử dụng cài đặt mảng.
public class ArrayBinaryTree<E> {
private static final int DEFAULT_CAPACITY = 16;
private E[] data;
private int size = 0;
// Quan hệ toán học - công thức ma thuật!
private int parent(int index) { return (index - 1) / 2; }
private int left(int index) { return 2 * index + 1; }
private int right(int index) { return 2 * index + 2; }
public void add(E element) {
if (size >= data.length) resize();
data[size++] = element;
// Với heap, chúng ta sẽ bubble up ở đây
}
}
Bí Mật Hiệu Năng: Cây dựa trên mảng có tính cục bộ cache tuyệt vời. Khi bạn truy cập một nút, con của nó có thể đã có trong CPU cache, làm cho việc duyệt cây nhanh như chớp. Đây là lý do tại sao các hệ thống production thường ưa thích heap dựa trên mảng hơn cài đặt liên kết.
Đánh Đổi Trong Cài Đặt: Chọn lựa thông minh
| Cài Đặt | Không gian | Chèn | Xóa | Tốt nhất cho |
|---|---|---|---|---|
| Liên kết | O(n) con trỏ | O(1) | O(1) | Cây động, cây thưa |
| Mảng | O(n) gọn nhẹ | O(1) | O(n) | Cây hoàn chỉnh, heap |
| Threaded | O(n) + threads | O(log n) | O(log n) | Duyệt thường xuyên |
Phần 4.4: Thuật Toán Duyệt Cây - Điều Hướng Trong Hệ Thống Phân Cấp
Nghệ Thuật Duyệt Cây
Duyệt cây giống như khám phá một thành phố—bạn cần một cách tiếp cận có hệ thống để thăm mọi địa điểm đúng một lần. Thứ tự rất quan trọng tùy thuộc vào mục tiêu của bạn.
Duyệt Tiền Thứ Tự (Preorder): Mẫu sao chép
Thứ tự: Gốc → Trái → Phải (Xử lý cha trước con)
public void preorder(Node<E> root) {
if (root == null) return;
process(root); // Thăm thành phố hiện tại trước
preorder(root.left); // Khám phá quận bên trái
preorder(root.right); // Khám phá quận bên phải
}
Mẹo Ghi Nhớ: "TIỀN thứ tự" = Cha đến TRƯỚC con (như tiền tố)
Ứng Dụng Thực Tế: Khi bạn sao chép file từ thư mục này sang thư mục khác, hệ điều hành sử dụng duyệt tiền thứ tự—tạo thư mục trước, sau đó sao chép nội dung.
Duyệt Trung Thứ Tự (Inorder): Mẫu sắp xếp
Thứ tự: Trái → Gốc → Phải (Xử lý cha giữa các con)
public void inorder(Node<E> root) {
if (root == null) return;
inorder(root.left); // Thăm quận bên trái trước
process(root); // Thăm trung tâm thành phố
inorder(root.right); // Thăm quận bên phải cuối cùng
}
Mẹo Ghi Nhớ: "TRUNG thứ tự" = Cha ở GIỮA các con
Tính Chất Ma Thuật: Đối với cây tìm kiếm nhị phân, duyệt trung thứ tự cho kết quả đã sắp xếp! Đây là cách TreeMap trong Java lặp qua các khóa theo thứ tự đã sắp xếp.
Duyệt Hậu Thứ Tự (Postorder): Mẫu dọn dẹp
Thứ tự: Trái → Phải → Gốc (Xử lý con trước cha)
public void postorder(Node<E> root) {
if (root == null) return;
postorder(root.left); // Dọn quận bên trái
postorder(root.right); // Dọn quận bên phải
process(root); // Cuối cùng dọn trung tâm thành phố
}
Mẹo Ghi Nhớ: "HẬU thứ tự" = Cha đến SAU con (như hậu tố)
Ứng Dụng Quan Trọng: Khi xóa một cây, bạn phải sử dụng hậu thứ tự—xóa con trước cha để tránh rò rỉ bộ nhớ.
Duyệt Theo Cấp (Level-Order): Mẫu phát sóng
Thứ tự: Xử lý các nút theo từng cấp, từ trái sang phải
public void levelOrder(Node<E> root) {
if (root == null) return;
Queue<Node<E>> queue = new LinkedList<>();
queue.offer(root);
while (!queue.isEmpty()) {
Node<E> current = queue.poll();
process(current);
if (current.left != null) queue.offer(current.left);
if (current.right != null) queue.offer(current.right);
}
}
Ứng Dụng Thực Tế: Mạng xã hội sử dụng duyệt theo cấp để triển khai tính năng "bậc tách biệt"—tìm tất cả bạn bè ở khoảng cách 1, sau đó khoảng cách 2, v.v.
Duyệt Nâng Cao: Thuật Toán Morris
Thuật toán Morris đạt được điều không thể—duyệt cây với độ phức tạp không gian O(1) bằng cách tạm thời sửa đổi cấu trúc cây:
public void morrisInorder(Node<E> root) {
Node<E> current = root;
while (current != null) {
if (current.left == null) {
process(current);
current = current.right;
} else {
// Tìm predecessor trung thứ tự
Node<E> predecessor = current.left;
while (predecessor.right != null &&
predecessor.right != current) {
predecessor = predecessor.right;
}
if (predecessor.right == null) {
// Tạo thread
predecessor.right = current;
current = current.left;
} else {
// Xóa thread và xử lý
predecessor.right = null;
process(current);
current = current.right;
}
}
}
}
Thuật toán này mang tính cách mạng vì nó chứng minh chúng ta có thể duyệt cây mà không cần đệ quy hoặc stack—hoàn hảo cho hệ thống nhúng với bộ nhớ hạn chế.
Tác Động Thực Tế: Cây Hoạt Động Khắp Nơi
Cuộc Cách Mạng Cơ Sở Dữ Liệu
Mỗi khi bạn tìm kiếm trên Google, mua sắm trên Shopee, hoặc kiểm tra số dư ngân hàng, bạn đang sử dụng B-tree. Những cây này, được phát minh tại Boeing năm 1970, đã cách mạng hóa việc lập chỉ mục cơ sở dữ liệu. Rudolf Bayer và Edward McCreight cần quản lý lượng dữ liệu khổng lồ không thể chứa trong bộ nhớ. Giải pháp của họ? Một cây được tối ưu hóa cho truy cập đĩa nơi mỗi nút có thể chứa nhiều khóa.
Sự Thật Thú Vị: Không ai biết chữ "B" trong B-tree là viết tắt của gì! Khi được hỏi, McCreight nói: "Đó chỉ là cái tên chúng tôi nghĩ ra lúc ăn trưa".
Ngày nay, B-tree cung cấp sức mạnh cho:
- Cấu trúc chỉ mục MySQL và PostgreSQL
- Hệ thống file (NTFS, HFS+, ext4)
- Cơ sở dữ liệu NoSQL như MongoDB
Game và Đồ Họa
Ngành công nghiệp game phụ thuộc nhiều vào cây:
- BSP tree (Binary Space Partitioning) làm cho game 3D như Doom trở nên khả thi bằng cách xác định hiệu quả những gì có thể nhìn thấy đối với người chơi
- Scene graph tổ chức các đối tượng game theo thứ bậc—khi bạn di chuyển một chiếc xe trong game đua xe, bánh xe di chuyển tự động vì chúng là nút con
- Quad-tree và Oct-tree cho phép các game thế giới mở khổng lồ bằng cách quản lý dữ liệu không gian hiệu quả
Nền Tảng Của Machine Learning
Decision tree tạo thành xương sống của AI hiện đại:
- Random Forest (tập hợp các decision tree) cung cấp sức mạnh cho hệ thống gợi ý tại Netflix và Amazon
- Gradient Boosted Trees (XGBoost) chiến thắng hầu hết các cuộc thi Kaggle
- Hệ thống chẩn đoán y tế sử dụng decision tree để phân tích triệu chứng và đề xuất điều trị
Các công ty Việt Nam như VNG sử dụng decision tree trong ứng dụng Zalo để cá nhân hóa nguồn cấp dữ liệu nội dung và phát hiện tin nhắn rác.
Góc Nhìn Lịch Sử: Đứng Trên Vai Những Người Khổng Lồ
Câu chuyện về cây trong khoa học máy tính đọc như một cuốn tiểu thuyết ly kỳ. Arthur Cayley giới thiệu cây toán học năm 1857 khi nghiên cứu các hợp chất hóa học. Hơn một thế kỷ sau, các nhà khoa học máy tính nhận ra những cấu trúc này hoàn hảo để tổ chức thông tin kỹ thuật số.
Những năm 1960-1970 là thời kỳ hoàng kim của phát triển thuật toán cây:
- 1962: Các nhà toán học Liên Xô phát minh cây AVL trong quá trình nghiên cứu lập trình cờ vua
- 1970: B-tree xuất hiện từ phòng thí nghiệm nghiên cứu của Boeing
- 1978: Red-black tree có được màu sắc của chúng tại Xerox PARC (họ có máy in màu mới và màu đỏ trông đẹp nhất!)
- 1985: Splay tree giới thiệu hành vi tự điều chỉnh tại Bell Labs
Mỗi đột phá giải quyết các vấn đề thực tế: cây AVL đảm bảo hiệu suất cân bằng, B-tree tối ưu hóa truy cập đĩa, red-black tree đơn giản hóa logic cân bằng, và splay tree thích ứng với mẫu truy cập.
Phân Tích Độ Phức Tạp: Những Con Số Quan Trọng
Hiểu độ phức tạp của cây giúp bạn chọn cấu trúc phù hợp:
Thao Tác Trên Cây Tìm Kiếm Nhị Phân:
- Trường hợp tốt nhất (cân bằng): O(log n) cho tìm kiếm, chèn, xóa
- Trường hợp xấu nhất (suy biến): O(n) khi cây trở thành danh sách liên kết
- Trường hợp trung bình: O(log n) cho cây được xây dựng ngẫu nhiên
Độ Phức Tạp Không Gian:
- Cài đặt liên kết: O(n) cho các nút
- Stack đệ quy: O(h) với h là chiều cao
- Cài đặt mảng: O(2^h) tiềm năng lãng phí cho cây không hoàn chỉnh
Tại Sao Cân Bằng Quan Trọng: Sự khác biệt giữa O(log n) và O(n) là rất lớn. Tìm kiếm một tỷ nút mất 30 thao tác trong cây cân bằng so với 1 tỷ trong cây suy biến—sự khác biệt giữa micro giây và giây!
Hãy nhớ: cây không chỉ là cấu trúc dữ liệu; chúng là cách tư duy về các mối quan hệ phân cấp xuất hiện khắp nơi trong điện toán và cuộc sống. Làm chủ cây, và bạn sẽ làm chủ một trong những công cụ mạnh mẽ nhất của khoa học máy tính.
Hành trình từ cây toán học của Arthur Cayley đến cơ sở dữ liệu phân tán ngày nay cho thấy các khái niệm lý thuyết trở thành giải pháp thực tế như thế nào. Khi bạn cài đặt cây tìm kiếm nhị phân đầu tiên hoặc theo dõi qua một lần duyệt cây, bạn đang theo bước chân của những người tiên phong đã biến toán học trừu tượng thành thế giới kỹ thuật số mà chúng ta đang sống.
