incidence matrix(关联矩阵)
考虑如下的图:
共四个节点(notes),五条边(edges),不妨赋予其一定的物理意义,如结点上的数值表示结点电势(potential),边即表示结点间的电势差(difference of potential)。
则可将该图转换为矩阵(关联矩阵)形式,矩阵的每一行表示一条边,每一列表示每一个结点,则矩阵的shape为 5×4 :
我们看到结点1,2,3(1⇒ 2⇒ 3,与1⇒ 3)以及结点1,3,4(1⇒ 3⇒ 4,与1⇒ 4)均形成闭合回路(loop),loop对应于矩阵
A
的含义即是,三条边线性相关(同理,线性无关表示没有回路),也即
继续考察
A
的零空间,也即
我们将 y1,y2,y3,y4,y5 分别定义为各自边上的电势差, ATy=0 正是大名鼎鼎的 基尔霍夫定理(Kirchhoff’s circuit laws ,KCL)(某种意义上的守恒定理),写成方程组的形式为:
我们可以清晰地看出,所谓的KCL(守恒定理)表示的是每一个结点的流入电流等于流出电流(电流在电路中流动,对每一个结点又不累积电荷)。
此时我们考虑
N(AT)
的一组基,其维数为2,则该组基中包含两个基向量,分别考虑两个环路(1⇒ 2⇒ 3⇐ 1,与1⇒ 3⇒ 4⇐ 1),也即:
如果考虑整个大的回路则得:
在图理论中,没有环路的图称为树。
也即
rank(A)=3
,消除环路之后的图(此时为树)为:
再来考察我们的维度公式:
放在这里的含义即为, # nodes - # edges+ # loops=1 (这也就是著名的欧拉公式,也即我们用线性代数证明了欧拉公式,欧拉公式是任何图中都具有的拓扑性质)