随着科技时代的发展,我们在日常生活和工作实践中使用了很多‘图’。‘图’形象直观,可以包含很多信息,节省了语言的阐述。图和数的结合成为解决很多实际问题的利器,而矩阵是联系图和计算机的有力工具,本文阐述在这方面至关重要的拉普拉斯矩阵,它的构造,性质和简单应用。
(一)图(G),邻接矩阵(W),度矩阵(D),拉普拉斯矩阵(L) 我们先看一张图:
n个节点A,B,C......由边连接起来,边表示节点与节点之间的联系,每一条边对应一个常数,如
![]()
表示点A与点B联系的紧密程度,称为权重。权重用W表示,权重越大表示两个节点越亲密,没有联系的节点如A和D之间的权重为0。 这张n个节点的图,对应于一个n*n的矩阵,表示出图中所有的权重,这个矩阵就是邻接矩阵(W)。邻接矩阵的构造法则是:n个节点从上至下顺序排列,称为矩阵的A行,B行..... n个节点从左至右顺序排列,称为矩阵的A列,B列......, 行和列的每一个交点处填写相关的权重,如
![]()
,
![]()
......
与邻接矩阵并列的是度矩阵(D)。’度‘是与节点相关的一个常数,它等于与一个节点相连的所有边的权重之和。度用d表示,在图1 中
![]()
=
![]()
+
![]()
,
![]()
=
![]()
+
![]()
+
![]()
......。 度矩阵是一个n*n 的对角阵,各对角元素表示对应的节点的度。 拉普拉斯矩阵(L) 定义为度矩阵与邻接矩阵之差,即 L=D-W。它的每一行(列)对应于一个节点,表示出这个节点与其余节点之间的权重,并写出这个节点的度。 拉普拉斯矩阵(L)是一个非常好的矩阵,它具有一些优良的性质。 (1)L矩阵的每一行(列)的所含元素之和为0,由此推断它的行列式为0,L矩阵不可逆。 (2)L矩阵是实对称矩阵,所以它有n个实数特征值,其中有一个特征值为0,其对应的特征向量为 [1,1,1......1
![]()
。这一点是容易验证的。 关于L矩阵,还有一些性质我们将在下一节中继续讨论。这一节最后还有一个问题要说明,在研究‘图’时,往往定义一个节点函数
![]()
,如图1中的
![]()
,
![]()
...... 这样可以给各个节点赋值。节点函数视情况可以有不同的含义,例如在电路图中把它定义为节点电势,可以用一个向量 [
![]()
,
![]()
......
![]()
来表示节点函数。
(二)电路图和基尔霍夫定律 上节提到的‘图’在很多领域都有应用,图内的权重,节点函数等概念在不同的场合会有不同的含义。例如在电路图中,我们可以把‘边’看作一条条‘支路’,权重则是每一条支路的‘电导’,即这条支路电阻的倒数,单位是(欧姆