拉普拉斯矩阵_拉普拉斯矩阵和基尔霍夫定律

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