图论的基础知识

有向图

加权有向图 G 可以用 $(V,E)$来表示，在这里 V = { 1 , 2 , ⋯ , n } V=\{1,2,⋯,n\} V={1,2,⋯,n} 代表图的非空点集， E = { ( i , j ) , i , j ∈ V , i ≠ j } E=\{(i,j),i,j∈V,i≠j\} E={(i,j),i,j∈V,i̸​=j} 代表图的边集。图 G 中的有向边$(i,j)\in E$ 意味着点 i 能接收到点 j 的数据，但是反过来不一定能满足。在有向图 G 中， 存在一系列有顺序的从点 i 到点 j 的边：$(i,i_1)，(i_1,i_2)，\cdots ，(i_c,j)$ ，也就是说从点 i 到点 j 是有向的。如果有向图中的每一对点之间都存在一个有向路径，那么这个有向图称作是强连接图。如果有向图中的存在一个根节点，从这个根节点出发到其他任意一点都存在一个有向路径，那么就称这个有向图存在一个有向生成树。

无向图

对于无向图 G，只有任意两节点间都有相连，才称作是连通图。

矩阵

1.邻接矩阵

图 G 的邻接矩阵 A 定义为：$A=(a_{ij})\in R^{n\times n}$。 如果 $(i,j)\in E$ 则 $a_{ij}>0$ ；如果 $(i,j)\notin E$ 或者 $i=j$ 则 $a_{ij}=0$。 The in-degree of node i is defined as d_i=∑_(i=1)^n▒a_ij , and degree matrix is D=diag{d_1,d_2,⋯,d_n }. The Laplacian matrix of the graph G associated with adjacency matrix A is designed as L=(l_ij ), where l_ii=∑_(j=1,j≠i)^n▒a_ij and l_ij=-a_ij,i≠j,i,j=1,2,⋯,n, that is L=D-A.

2.入度矩阵

图 G 的入度矩阵 D 定义为：$$D=diag(d_1,d_2,\cdots ,d_n)，$$其中$$d_i=\sum _{i=1}^n{a}_{ij}$$

3.拉普拉斯矩阵

图 G 的Laplacian矩阵的定义为：$$L=（l_{ij}）$$
其中$$l_{ii}=\sum _{j=1,j̸=i}^n{a}_{ij}$$
$$l_{ij}=-a_{ij},i̸=j,i,j=1,2,\cdots ,n,$$
从Laplacian矩阵的定义中可以得出一个重要的性质：$L\cdot 1=0$