Remove center-table from docs.

Add header to the tables.

docs/chapter_graph/graph.md

@@ -73,13 +73,10 @@ $$
 ## 图常见应用
 
 实际应用中，许多系统都可以用图来建模，相应的待求解问题也可以约化为图计算问题。
-
-<div class="center-table" markdown>
+<p align="center"> 表：现实生活中常见的图 </p>
 
 |        | 顶点 | 边               | 图计算问题   |
 | ------ | ---- | --------------- | ------------ |
 | 社交网络 | 用户 | 好友关系           | 潜在好友推荐 |
 | 地铁线路 | 站点 | 站点间的连通性      | 最短路线推荐 |
 | 太阳系  | 星体 | 星体间的万有引力作用  | 行星轨道计算 |
-
-</div>

docs/chapter_graph/graph_operations.md

@@ -206,8 +206,7 @@
 ## 效率对比
 
 设图中共有 $n$ 个顶点和 $m$ 条边，下表为邻接矩阵和邻接表的时间和空间效率对比。
-
-<div class="center-table" markdown>
+<p align="center"> 表：邻接矩阵与邻接表对比 </p>
 
 |              | 邻接矩阵 | 邻接表（链表） | 邻接表（哈希表） |
 | ------------ | -------- | -------------- | ---------------- |
@@ -218,6 +217,4 @@
 | 删除顶点     | $O(n^2)$ | $O(n + m)$     | $O(n)$           |
 | 内存空间占用 | $O(n^2)$ | $O(n + m)$     | $O(n + m)$       |
 
-</div>
-
 观察上表，似乎邻接表（哈希表）的时间与空间效率最优。但实际上，在邻接矩阵中操作边的效率更高，只需要一次数组访问或赋值操作即可。综合来看，邻接矩阵体现了“以空间换时间”的原则，而邻接表体现了“以时间换空间”的原则。