MIT_Linear_Algebra_lec12: 网络图像 关联矩阵 基尔霍夫定律
MIT 公开课:Gilbert Strang《线性代数》课程笔记(汇总)
这是一个网络图结构,节点+流向,可以表示复杂的关系,如电路结构,人物关系,网络结构。
关联矩阵
这种结构可以用矩阵加以表示。课中讲到的表示方法是,行代表边,列表示节点。图中有5条边,所以行数是5;有4个节点,所以列数是4.
A
=
[
−
1
1
0
0
0
−
1
1
0
−
1
0
1
0
−
1
0
0
1
0
0
−
1
1
]
A = \left[ \begin{matrix} -1 & 1 & 0 & 0\\ 0 & -1 & 1 & 0\\ -1 & 0 & 1 &0\\ -1 & 0 & 0 & 1\\ 0 & 0 & -1 & 1 \\ \end{matrix} \right]
A=⎣⎢⎢⎢⎢⎡−10−1−101−10000110−100011⎦⎥⎥⎥⎥⎤
可以看出是一个稀疏矩阵。
A的零空间
即Ax = 0中x的集合。
A
[
x
1
x
2
x
3
x
4
]
A \left[ \begin{matrix} x_1 & x_2 & x_3 & x_4\\ \end{matrix} \right]
A[x1x2x3x4]
即
[
x
2
−
x
1
x
3
−
x
1
x
4
−
x
1
x
4
−
x
3
]
=
0
\left[ \begin{matrix} x_2 - x_1 & x_3 - x_1 & x_4 - x_1 & x_4 - x_3\\ \end{matrix} \right] = 0
[x2−x1x3−x1x4−x1x4−x3]=0
x
i
{x_i}
xi 可以看成i节点的势,两个节点之间的势之差就是电压降。
A T {A^T} AT的零空间
A
T
{A^T}
AT表示的就是节点的情况。
[ − 1 0 − 1 − 1 0 1 − 1 0 0 0 0 1 1 0 − 1 0 0 0 1 1 ] [ y 1 y 2 y 3 y 4 y 5 ] \left[ \begin{matrix} -1 & 0 & -1 & -1 & 0\\ 1 & -1 & 0 & 0 & 0\\ 0 & 1 & 1 & 0 & -1\\ 0 & 0 & 0 & 1 & 1\\ \end{matrix} \right] \left[ \begin{matrix} y_1 \\ y_2\\ y_3 \\ y_4 \\ y_5 \\ \end{matrix} \right] ⎣⎢⎢⎡−11000−110−1010−100100−11⎦⎥⎥⎤⎣⎢⎢⎢⎢⎡y1y2y3y4y5⎦⎥⎥⎥⎥⎤
节点电流的流入流出情况满足基尔霍夫定律,可以理解成一种能量守恒。
欧拉公式
- ( A T {A}^T AT的零空间的维度) = A的列数 - rank( A T {A}^T AT) = 5 - 3 = 2
-
A
T
{A}^T
AT的零空间的基
[ 1 1 − 1 0 0 ] [ 0 0 1 − 1 1 ] \left[ \begin{matrix} 1 & 1 & -1 & 0 & 0 \end{matrix} \right] \left[ \begin{matrix} 0 & 0 & 1 & -1 & 1 \end{matrix} \right] [11−100][001−11] - 回路个数 = 边数 - (节点数 - 1)
- 个人理解:
- 可以看到图中有两个最小环路,这代表了边的线性相关性。
1,2,3可以得到一个环路,3,4,5可以得到一个环路。
这里有两个解 = 回路个数,所以 A T {A}^T AT零空间的维度就是2 = 回路个数。 - 反过来说,边独立的最多三条,比如1,2,4或5。 连接4个节点不成环的最少边数 =
rank( A T {A}^T AT)=3 = (节点数 - 1)
- 可以看到图中有两个最小环路,这代表了边的线性相关性。