【线性代数】图与网络

前面的关于线性代数的文章都是从数学的角度来解说的。本文将换个角度来解说问题。

导师时常告诉我,凡事都要想想它的物理或实际意义,须要透过现象看本质,这样就能更加深刻的理解,这样就能够看看线性代数有什么实际的用途。

如果有例如以下电路网络:

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvdGVuZ3dlaXR3/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" >

图中有1,2,3,4号节点,y1,y2,y3,y4,y5五条边,箭头的指向标明能够电流流向。

我们如果电流的出发点设为-1,到达点设为1。则我们能够通过矩阵来表示上述网络:

矩阵零空间的物理意义

我们首先考虑矩阵A的零空间。则有:

从上面的式子能够看出Ax的结果是各个节点之间的差值,如果Xi为第i点的电势,那我们就赋予了物理意义:Ax=0的意思是当节点电势取何值时,全部的节点之间的电势差为0。非常显然。当全部节点等电势时显然成立,即:

我们将图中各边的电流用b表示,则有等式Ax=b。当中A表示了电路节点之间的关系,x代表了各点的电势,b代表了各边的电流。

这样。我们就将一个物理问题数学化了

上面讨论中b=0,x中各个分量同样,即说明电势同样,网络中没有电流,这与我们的物理常识是一致的:电势差是产生电流的原因。

矩阵左零空间的物理意义

上面我们看了矩阵A的零空间,以下我们讨论矩阵A的左零空间,为了给我们的式子赋予实际意义。在下式中。我们如果y为每条边的电流,b为每一个节点的电流值,b=0说明电流为0。

watermark/2/text/aHR0cDovL2Jsb2cuY3Nkbi5uZXQvdGVuZ3dlaXR3/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70/gravity/Center" >

该式反应的是电流中的基尔霍夫电流定律:流入一个节点的电流与流出的是相等的,即合电流为0

举例说明,-Y1-Y3-Y4=0说明的是1号节点满足KCL的条件。

我们能够通过高斯消元法求得解,可是我们能够通过图来得到解:

在电路网络图中,我们能够看到,1,2,3号节点构成一个回路。1,3,4号也构成一个回路,为了满足基尔霍夫电流定律。我们能够仅仅让电流在回路中循环流动。即:我们能够得到两个特解:

那么左零空间能够表示为上述两个特解的线性组合。

对AT进行消元。我们能够发现其秩是3,即列中有三行是线性无关的。由上面的两个特解,我们知道第1。2。3列是相关的,第3。4,5列是相关的,除此之外的随意三列都是线性无关的。我们发现Y1,Y2,Y3恰好构成回路。Y3,Y4,Y5也恰好构成回路,这说明相关性是由回路产生的。

欧拉公式的证明

欧拉公式:回路数=边数-顶点数+1

前面文章说过。假设一个m*n的矩阵A的秩为r,则其左零空间的维数为m-r。

在这里,左零空间的维数代表的是不相关的回路数。m代表的是边数,因为矩阵A的零空间是1维的,则列空间的维数为r=n-1。

所以有下式成立(即欧拉公式):

不相关的回路数=边数-顶点数+1

原文:http://blog.csdn.net/tengweitw/article/details/41080571

作者:nineheadedbird

时间: 2024-12-29 17:41:49

【线性代数】图与网络的相关文章

POJ 1637 Sightseeing tour (混合图欧拉回路,网络最大流)

http://poj.org/problem?id=1637 Sightseeing tour Time Limit: 1000MS   Memory Limit: 10000K Total Submissions: 7498   Accepted: 3123 Description The city executive board in Lund wants to construct a sightseeing tour by bus in Lund, so that tourists can

建模算法(五)——图与网络

(一)图与网络的基本概念 一.无向图 含有的元素为顶点,弧和权重,但是没有方向 二.有向图 含有的元素为顶点,弧和权重,弧具有方向. 三.有限图.无限图 顶点和边有限就是有限图,否则就是无限图. 四.简单图 既没有环,也没有两条边连接同一对顶点的图 五.完全图.二分图 每一对不同的顶点都有一条边相连的简单图称为完全图. 六.子图 就是被包含的图 七.顶点的度 就是顶点连接了几条边. 性质:1.全部顶点的度相加为偶数 2. 任意一个图的奇顶点的个数为偶数. (二)图与网络的数据结构 一.邻接矩阵表

基于图卷积网络的图深度学习

基于图卷积网络的图深度学习 先简单回顾一下,深度学习到底干成功了哪些事情! 深度学习近些年在语音识别,图片识别,自然语音处理等领域可谓是屡建奇功.ImageNet:是一个计算机视觉系统识别项目, 是目前世界上图像识别最大的数据库,并且被业界熟知. 我们先回顾一下,没有大数据支撑的欧式深度学习技术.对于一个字母"Z"的识别,我们通常是建立一个2D网格(点阵),如果将其中的点连接起来,定义这样的连接方式所形成的就是"Z".然后是用其他字母来测试,这个模型的正确性. 传统

开源、易扩展、方便集成的在线绘图(微服务架构图、网络拓扑图、流程图)工具

一个基于typescript + canvas 实现的开源在线绘图的引擎Topology.采用引擎 + 图形库中间件的思路能够方便.快速的扩展.集成到前端项目.目前暂时实现了基本图形.流程图图形库,能够满足微服务架构图.网络拓扑图和流程图的绘制.后面计划陆续实现活动图/时序图/类图等UML图. 在线体验(因为操作方便问题,暂时没有适配移动端)       产品介绍 为什么重复造轮子 笔者工作中遇到比较多的微服务架构.云资源运维.部署与运维可视化方面的需求 开源.满足自己需求的不多 typescr

【GCN】图卷积网络初探——基于图(Graph)的傅里叶变换和卷积

[GCN]图卷积网络初探——基于图(Graph)的傅里叶变换和卷积 2018年11月29日 11:50:38 夏至夏至520 阅读数 5980更多 分类专栏: # MachineLearning 版权声明:本文为博主原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/qq_41727666/article/details/84622965 本文为从CNN到GCN的联系与区别——GCN从入门到精(fang)通(qi

iOS启动图-从网络获取的gif图,在本地一直是没有动画,还模糊的

背景介绍:APP启动页,常有静态图加链接,gif加链接,短视频等几种形式.我们APP前期只有静态图这一种,功能已经实现.之后,有了添加gif的需求,按理说,只要添加一个类型判断,按照数据类型,通过不同方法展示内容即可,但是一直不可以..出了这样的问题,下好的gif图,内容类型没错但是通过对应的gif方法显示的内容一直是一张静态图,并且还是模糊的.因为之前的下载图片,以及显示图片的逻辑完全没问题,所以定位问题在显示gif的方法上,所以走了弯路,但是这条弯路是必然要走的. 下面开始我们的星辰大海,我

大型网站高并发的架构演变图-摘自网络

我们知道一个网站都是随着业务的发展,逐渐演变成几万服务器,几亿用户数的大型网站,经历了若干年,甚至上十年的 发展成为大型网站,然而真正亲身经历这个发展过程的人已经不多了,这种人也是拿着公司股票,赶都赶不走的人,所以正因 为很多人没有亲身经历过,所以对架构的演变没有深刻的了解,包括我自己在内,不过没吃过猪肉,也看过猪跑... 一:第一代架构 这年头创业大多都是从穷屌丝开始的,奔着 “快好省”的原则建立网站,将“应用程序”,“文件”,“数据库”通通放在一台服务 器上,匆匆的就走上了网站架构之路. 我

图论算法 有图有代码 万字总结 向前辈致敬

图的定义 背景知识 看到这篇博客相信一开始映入读者眼帘的就是下面这幅图了,这就是传说中的七桥问题(哥尼斯堡桥问题).在哥尼斯堡,普雷格尔河环绕着奈佛夫岛(图中的A岛).这条河将陆地分成了下面4个区域,该处还有着7座连接这些陆地的桥梁. 问题是如何从某地出发,依次沿着各个桥,必须经过每座桥且每座桥只能经过1次,最终回到原地. 不知道这个问题且好奇的童鞋现在肯定在忙活着找出来这道题的结果了. 是伟大的数学家欧拉(Leonhard Euler)在1736年首次使用图的方法解决了该问题. 欧拉将上面的模

线性代数导论35——线性代数全总结(麻省理工公开课:线性代数)

课程介绍 "线性代数",同微积分一样,是高等数学中两大入门课程之一,不仅是一门非常好的数学课程,也是一门非常好的工具学科,在很多领域都有广泛的用途.本课程讲述了矩阵理论及线性代数的基本知识,侧重于那些与其他学科相关的内容,包括方程组.向量空间.行列式.特征值.相似矩阵及正定矩阵. [第1集] 方程组的几何解释    [第2集] 矩阵消元    [第3集] 乘法和逆矩阵    [第4集] A的LU分解    [第5集] 转置-置换-向量空间R    [第6集] 列空间和零空间    [第