怎么判断网络回路_线性代数之——图和网络

1. 图一个图由一系列节点以及连接它们的边组成,关联矩阵(incidence matrix)则告诉我们 个顶点是怎么被 条边连接的。关联矩阵中的每个元素都是 0,1 或者 -1,在消元过程中这也依然成立,所有的主元和乘数都是 。因此分解 也只包含 0,1 或者 -1,零空间矩阵亦是如此。四个基本子空间的基向量都只包含这些特别简单的元素。我们来看第一个关联矩阵。注意到每一行都有一个 -1 和 ...
摘要由CSDN通过智能技术生成

42dbe43efa3787916986dd412815ffd0.png

1. 图

一个图由一系列节点以及连接它们的边组成,关联矩阵(incidence matrix)则告诉我们

个顶点是怎么被
条边连接的。关联矩阵中的每个元素都是 0,1 或者 -1,在消元过程中这也依然成立,所有的主元和乘数都是
。因此分解
也只包含 0,1 或者 -1,零空间矩阵亦是如此。四个基本子空间的基向量都只包含这些特别简单的元素。

我们来看第一个关联矩阵。注意到每一行都有一个 -1 和 1,这个矩阵在求一个图中六条边上的电压差。

2ffa9402ae03ac1d4d6425b8ec313e3f.png

零空间是一条穿过

的直线,列空间的维度为 3,主行是行空间的一个基。每个零空间中的向量垂直于行空间中的任意向量。

0dbaa56c1059f529c5ff57d59e9c5d55.png

上面展示了一个有 6 条边 4 个顶点的图,所以矩阵是 6×4 大小的,元素 -1 和 1 告诉我们每个箭头的方向,从节点流出为负,流入节点为正,这是一个有向图。比如,第一行告诉我们有一条边从节点 1 指向节点 2。矩阵的行数为边的数目,列数为顶点的数目。看到一个图后,你就可以直接写出对应的关联矩阵。

73cf8b8c71e238cac2aab292832c3a40.png

第一个图是完全的—

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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
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