有向图
加权有向图 G 可以用 ( V , E ) (V,E) (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 ) ∈ E (i,j)∈E (i,j)∈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 ) , ⋯ , ( i c , j ) (i,i_1 ),(i_1,i_2 ),⋯,(i_c,j) (i,i1),(i1,i2),⋯,(ic,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 i j ) ∈ R n × n A =(a_{ij} )∈R^{n×n} A=(aij)∈Rn×n。 如果 ( i , j ) ∈ E (i,j)∈E (i,j)∈E 则 a i j > 0 a_{ij}>0 aij>0 ;如果 ( i , j ) ∉ E (i,j)∉E (i,j)∈/E 或者 i = j i=j i=j 则 a i j = 0 a_{ij}=0 aij=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 = d i a g ( d 1 , d 2 , ⋯ , d n ) , D=diag(d_1,d_2,⋯,d_n ), D=diag(d1,d2,⋯,dn),其中 d i = ∑ i = 1 n a i j d_i=\sum_{i=1}^n a_{ij} di=i=1∑naij
3.拉普拉斯矩阵
图 G 的Laplacian矩阵的定义为:
L
=
(
l
i
j
)
L=(l_{ij})
L=(lij)
其中
l
i
i
=
∑
j
=
1
,
j
≠
i
n
a
i
j
l_{ii}=∑_{j=1,j≠i}^n a_{ij}
lii=j=1,j̸=i∑naij
l
i
j
=
−
a
i
j
,
i
≠
j
,
i
,
j
=
1
,
2
,
⋯
,
n
,
l_{ij}=-a_{ij},i≠j,i,j=1,2,⋯,n,
lij=−aij,i̸=j,i,j=1,2,⋯,n,
从Laplacian矩阵的定义中可以得出一个重要的性质:
L
⋅
1
=
0
L⋅1=0
L⋅1=0