图,网络,关联矩阵

最近看了一下MIT的Strang教授的线性代数课，尤其是当看到图和网络这一节课的时候，感到挺有意思，所以打算记录一下。

下面就是一个简单的图（在离散数学中称之为“图”），图有两个元素：结点(nodes)，边(edges)。

在实际应用中，可以给边加上箭头来表示电流的流向，这就是一个有向图：

然后我们可以定义一个关联矩阵(Incidence Matrices)，这个矩阵的描述如下：列代表结点，行代表边。如果从结点a到结点b有一条边（箭尾是a，箭头是b），那么就把a置为-1，把b置为1,。根据这个准则，上图所生成的关联矩阵如下：

在图2中我们可以看到结点1， 2，3和边1,2,3形成了一个封闭的回路(loop)。该loop的关联矩阵如下:

这个矩阵很有趣，因为它的第三行是第一行与第二行的和，这说明该矩阵的行是线性相关的，从图中我们也可以看到边1和边2的和为3（有点像向量的加法）。

矩阵A的零空间（nullspace）可以通过Ax = 0求得，过程如下：

当x1 = x2 = x3 = x4时，Ax = 0，所以矩阵dim( N(A) ) = 1。所以rank(A) = n - dim( N(A) ) = 4 - 1 = 3。现在我们考虑A的左零空间N(AT)，AT y=0。AT = 

 

AT y = 

 

我们如何求解N(AT)呢，Strang教授给了我们一个很直观的方法，首先，我们把上边等式的左边的两个矩阵相乘的结果写出来，得到：

（-y1） + （-y3） + （-y4） = 0

y1 - y2 = 0;

y2 + y3 - y5 = 0;

y4 + y5 = 0.

我们还是回到上面那个有向图，来仔细观察下，发现y1， y3 ， y4正是流入（流入为0）和流出结点1的电流之和，这就是我们熟悉的基尔霍夫电流定律，另外的三个等式可以相同得出。所以，我们就可以根据loop数来确定A的左零空间的基（没有loop的图称为树(tree)），我们有两个相互独立的loop(结点：1-2-3和1-3-4)，当然还有一个大的loop(1-2-3-4)，但是我们可以通过两个子loop相加得到，所有，基这样找：

y1 = 1, y2 = 1, y3 = -1 => y4 = 0, y5 = 0，另外一个基：

y3 = 1, y4 = -1, y5= -1 => y1 = 0, y2 = 0。

我们在选取y1~y5的时候，应当使结果只含有1， -1， 0这三个值。所以dim( N(AT) ) = 2，rank(A) = 5 - dim( N(AT) ) = 3。与上面的结论一致。

这里有个小结论：dim( N(AT) )是回路的数，5是A的列数，AT的行数，也是边数，r是A的秩，也等于结点数-1（这个不是偶然，可以再举其他的图试一下）。所以我们又以下结论：

#loops = #edges - (#nodes - 1)，也可以写成：

#loops - #edges + nodes = 1，这就是我们熟悉的欧拉公式

似乎是说到结尾了，但是还有一点Strang教授提醒我们观察：如果我们把结点之间的差看作是电势差e，那么Ax = e，并且利用欧姆定律有y = Ce，且我们还有基尔霍夫定律AT y = 0，并且我们给上面的图外加一个电流源（电压源），有AT y = f，把这些式子整合到一起，得到AT C Ax = f，B = AT C A，那么矩阵B就是一个对称阵(Symmetric Matrix)。这有什么用呢，当我们求解trace(AT A)时就会发现一个更加有趣的现象，我只大致说一下，具体过程笔算就可以了：

trace(AT A)就是AT A的对角线的元素之和，然而A, AT的各个元素的绝对值不是1就是0，那么AT A的对角线元素之和就是A的各列的元素之和（可以设一个任意矩阵算一下就知道了）。所以trace(AT A) = 3 + 2 + 3 + 2 = 10，这个10是什么呢，我们再回到那个有向图，3是结点1的度（入度和出度之和），2是结点2的度。。。所以10就是所有结点的度之和。

结束！