非线性控制1.4——图论及拉普拉斯矩阵

一、图论相关概念

图的概念:图用点代表各个事物,用边代表各个事物间的二元关系。所以,图是研究集合上的二元关系的工具,是建立数学模型的一个重要手段。

1.1 无向图概念

                                   

实例:

                                                               

给定无向图G=<V,E>,其中

                                                               V={v1,v2,v3,v4,v5},
                                    E={(v
1,v1),(v1,v2),(v2,v3),(v2,v3),(v2,v5),(v1,v5),(v4,v5)}.

1.2 有向图概念

                                     

实例:

                                      

给定有向图D=<V,E>,其中

                                                                       V={a,b,c,d},

                                                 E={<a,a>,<a,b>,<a,b>,<a,d>,<c,b>,<d,c>,<c,d>}。

1.3 关联与关联次数、环、孤立点

对于无向图而言:

                                     

对于无向图而言:

                                    

1.4 顶点的度数 

                           

实例:

        

                         无向图度数                                                                                有向图的入度和出度

 

二、拉普拉斯矩阵矩阵

要讲拉普拉斯矩阵,就要从拉普拉斯算子讲起,要讲拉普拉斯算子,就要从散度讲起。

2.1 通量与散度

首先我们来看一道初中物理题:

                       

显然,这道题的答案应该是 

                                                                 

          

 

         

                         

此时我们指定曲面每一点处的法向量为该点朝外的向量:

                                                                      

红色箭头为法向量,注意在上面的例子中风与帆的比喻并不完全恰当,在计算通量的时候一般我们认为向量场会穿过曲面,而非被挡住。于是我们有

                                                        

对于上图,根据向量乘法的基本原理,聪明的我们很容易知道,对于射入曲面的那一部分(左半边),其通量为,而对于射出曲面的那一部分(右半边),其通量为正。

更进一步的思考我们可以得出,相互抵消后,这一曲面上的总通量为0。

接下来我们看下一张图:

                                

 

根据上面的分析,我们不难看出,在红圈所在圆心处的散度为负,而绿圈圆心处的散度为正。

结合上述定义,我们知道,散度衡量了一个点处的向量场是被发射还是被吸收,或者说,对于散度为正的点,散度越大,意味着相应的向量场越强烈地在此发散,而对于散度为负的点,意味着相应的向量场在此汇聚。

 

2.2 拉普拉斯算子

                

                

 

2.3 图论下的函数

        

                             

       

                     

          

       

                                          

          

         

2.4 拉普拉斯算子与拉普拉斯矩阵

          

         

         

       

 

     

注释:此部分来源于知乎https://zhuanlan.zhihu.com/p/67336297

 

2.5 拉普拉斯矩阵的含义

                     

                      

 

 

                     

                        

 

 

 

 

 

 

 

 

 

 

 

  • 11
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

路漫求索_CUMT

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值