Supposons que le nombre de neurones dans le cerveau soit de l’ordre de cent milliards et que le nombre moyen de synapses par neurone, soit de l’ordre de cinq mille, nous pouvons constater que du point de vue de la théorie des graphes il est préférable d’utiliser une table de connectivité plutôt que la matrice d’adjacence car avec ces données, celle-ci est extrêmement creuse. Par contre, il est évident que la distribution des degrés des sommets, modifie grandement la nature du graphe. Comme le cerveau a une géométrie, la notion de distance a un sens vis-à-vis des neurones voisins. Evidemment cela n’est pas directement visible mais elle a des répercussions dans la topologie. Cette différence sera aussi perceptible sur le polynôme caractéristique. Car elle influence le rang de la matrice d’adjacence. De plus, en raison des fonctions neuronales, il est préférable d’examiner la matrice d’incidence plutôt que celle d’adjacence. Car le problème de l’incidence est fondamental pour les synapses. Ceci va aussi dans l’exploitation de la table de connectivité. Et celle permet d’appliquer des algorithmes de recherche de cliques afin de mettre en évidence, par exemple la nature des petits mondes.