Skip to content

第十二讲：图和网络

图和网络

import networkx as nx
import matplotlib.pyplot as plt
%matplotlib inline

dg = nx.DiGraph()
dg.add_edges_from([(1,2), (2,3), (1,3), (1,4), (3,4)])
edge_labels = {(1, 2): 1, (1, 3): 3, (1, 4): 4, (2, 3): 2, (3, 4): 5}

pos = nx.spring_layout(dg)
nx.draw_networkx_edge_labels(dg,pos,edge_labels=edge_labels, font_size=16)
nx.draw_networkx_labels(dg, pos, font_size=20, font_color='w')
nx.draw(dg, pos, node_size=1500, node_color="gray")

png

该图由4个节点与5条边组成，

\[ \begin{array}{c | c c c c} & node_1 & node_2 & node_3 & node_4 \\ \hline edge_1 & -1 & 1 & 0 & 0 \\ edge_2 & 0 & -1 & 1 & 0 \\ edge_3 & -1 & 0 & 1 & 0 \\ edge_4 & -1 & 0 & 0 & 1 \\ edge_5 & 0 & 0 & -1 & 1 \\ \end{array} \]

我们可以建立\(5 \times 4\)矩阵 $ A= \begin{bmatrix} -1 & 1 & 0 & 0 \ 0 & -1 & 1 & 0 \ -1 & 0 & 1 & 0 \ -1 & 0 & 0 & 1 \ 0 & 0 & -1 & 1 \ \end{bmatrix} $

观察前三行，易看出这三个行向量线性相关，也就是这三个向量可以形成回路（loop）。

现在，解\(Ax=0\)： $ Ax= \begin{bmatrix} -1 & 1 & 0 & 0 \ 0 & -1 & 1 & 0 \ -1 & 0 & 1 & 0 \ -1 & 0 & 0 & 1 \ 0 & 0 & -1 & 1 \ \end{bmatrix} \begin{bmatrix} x_1\x_2\x_3\x_4\ \end{bmatrix} $。

展开得到： \(\begin{bmatrix}x_2-x_1 \\x_3-x_2 \\x_3-x_1 \\x_4-x_1 \\x_4-x_3 \\ \end{bmatrix}=\begin{bmatrix}0\\0\\0\\0\\0\\ \end{bmatrix}\)

引入矩阵的实际意义：将\(x=\begin{bmatrix}x_1 & x_2 & x_3 & x_4\end{bmatrix}\)设为各节点电势（Potential at the Nodes）。

则式子中的诸如\(x_2-x_1\)的元素，可以看做该边上的电势差（Potential Differences）。

容易看出其中一个解\(x=\begin{bmatrix}1\\1\\1\\1\end{bmatrix}\)，即等电势情况，此时电势差为\(0\)。

化简\(A\)易得\(rank(A)=3\)，所以其零空间维数应为\(n-r=4-3=1\)，即\(\begin{bmatrix}1\\1\\1\\1\end{bmatrix}\)就是其零空间的一组基。

其零空间的物理意义为，当电位相等时，不存在电势差，图中无电流。

当我们把图中节点\(4\)接地后，节点\(4\)上的电势为\(0\)，此时的 $ A= \begin{bmatrix} -1 & 1 & 0 \ 0 & -1 & 1 \ -1 & 0 & 1 \ -1 & 0 & 0 \ 0 & 0 & -1 \ \end{bmatrix} \(，各列线性无关，\)rank(A)=3$。

现在看看\(A^Ty=0\)（这是应用数学里最常用的式子）：

\(A^Ty=0=\begin{bmatrix}-1 & 0 & -1 & -1 & 0 \\1 & -1 & 0 & 0 & 0 \\0 & 1 & 1 & 0 & -1 \\0 & 0 & 0 & 1 & 1 \\ \end{bmatrix}\begin{bmatrix}y_1\\y_2\\y_3\\y_4\\y_5\end{bmatrix}=\begin{bmatrix}0\\0\\0\\0\end{bmatrix}\)，对于转置矩阵有\(dim N(A^T)=m-r=5-3=2\)。

接着说上文提到的的电势差，矩阵\(C\)将电势差与电流联系起来，电流与电势差的关系服从欧姆定律：边上的电流值是电势差的倍数，这个倍数就是边的电导（conductance）即电阻（resistance）的倒数。

$ 电势差 \xrightarrow[欧姆定律]{矩阵C} 各边上的电流y_1, y_2, y_3, y_4, y_5 \(，而\)A^Ty=0$的另一个名字叫做“基尔霍夫电流定律”（Kirchoff's Law, 简称KCL）。

再把图拿下来观察：

import networkx as nx
import matplotlib.pyplot as plt
%matplotlib inline

dg = nx.DiGraph()
dg.add_edges_from([(1,2), (2,3), (1,3), (1,4), (3,4)])
edge_labels = {(1, 2): 1, (1, 3): 3, (1, 4): 4, (2, 3): 2, (3, 4): 5}

pos = nx.spring_layout(dg)
nx.draw_networkx_edge_labels(dg,pos,edge_labels=edge_labels, font_size=16)
nx.draw_networkx_labels(dg, pos, font_size=20, font_color='w')
nx.draw(dg, pos, node_size=1500, node_color="gray")

png

将\(A^Ty=0\)中的方程列出来： $ \left{ \begin{aligned} y_1 + y_3 + y_4 &= 0 \ y_1 - y_2 &= 0 \ y_2 + y_3 - y_5 &= 0 \ y_4 - y_5 &= 0 \ \end{aligned} \right. $

对比看\(A^Ty=0\)的第一个方程，\(-y_1-y_3-y_4=0\)，可以看出这个方程是关于节点\(1\)上的电流的，方程指出节点\(1\)上的电流和为零，基尔霍夫定律是一个平衡方程、守恒定律，它说明了流入等于流出，电荷不会在节点上累积。

对于\(A^T\)，有上文得出其零空间的维数是\(2\)，则零空间的基应该有两个向量。

  • 现在假设\(y_1=1\)，也就是令\(1\)安培的电流在边\(1\)上流动；
  • 由图看出\(y_2\)也应该为\(1\)；
  • 再令\(y_3=-1\)，也就是让\(1\)安培的电流流回节点\(1\)；
  • 令\(y_4=y_5=0\)；

得到一个符合KCL的向量\(\begin{bmatrix}1\\1\\-1\\0\\0\end{bmatrix}\)，代回方程组发现此向量即为一个解，这个解发生在节点\(1,2,3\)组成的回路中，该解即为零空间的一个基。

根据上一个基的经验，可以利用\(1,3,4\)组成的节点求另一个基：

  • 令\(y_1=y_2=0\)；
  • 令\(y_3=1\)；
  • 由图得\(y_5=1\)；
  • 令\(y_4=-1\)；

得到令一个符合KCL的向量\(\begin{bmatrix}0\\0\\1\\-1\\1\end{bmatrix}\)，代回方程可知此为另一个解。

则\(N(A^T)\)的一组基为\(\begin{bmatrix}1\\1\\-1\\0\\0\end{bmatrix}\quad\begin{bmatrix}0\\0\\1\\-1\\1\end{bmatrix}\)。

看图，利用节点\(1,2,3,4\)组成的大回路（即边\(1,2,5,4\)）：

  • 令\(y_3=0\)；
  • 令\(y_1=1\)；
  • 则由图得\(y_2=1, y_5=1, y_4=-1\)；

得到符合KCL的向量\(\begin{bmatrix}1\\1\\0\\-1\\1\end{bmatrix}\)，易看出此向量为求得的两个基之和。

接下来观察\(A\)的行空间，即\(A^T\)的列空间，方便起见我们直接计算 $ A^T= \begin{bmatrix} -1 & 0 & -1 & -1 & 0 \ 1 & -1 & 0 & 0 & 0 \ 0 & 1 & 1 & 0 & -1 \ 0 & 0 & 0 & 1 & 1 \ \end{bmatrix} $ 的列空间。

易从基的第一个向量看出前三列\(A^T\)的线性相关，则\(A^T\)的主列为第\(1,2,4\)列，对应在图中就是边\(1,2,4\)，可以发现这三条边没有组成回路，则在这里可以说线性无关等价于没有回路。由\(4\)个节点与\(3\)条边组成的图没有回路，就表明\(A^T\)的对应列向量线性无关，也就是节点数减一（\(rank=nodes-1\)）条边线性无关。另外，没有回路的图也叫作树（Tree）。

再看左零空间的维数公式：\(dim N(A^T)=m-r\)，左零空间的维数就是相互无关的回路的数量，于是得到\(loops=edges-(nodes-1)\)，整理得：

\[ nodes-edges+loops=1 \]

此等式对任何图均有效，任何图都有此拓扑性质，这就是著名的欧拉公式（Euler's Formula）。\(零维（节点）-一维（边）+二维（回路）=1\)便于记忆。

总结：

  • 将电势记为\(e\)，则在引入电势的第一步中，有\(e=Ax\)；
  • 电势差导致电流产生，\(y=Ce\)；
  • 电流满足基尔霍夫定律方程，\(A^Ty=0\)；

这些是在无电源情况下的方程。

电源可以通过：在边上加电池（电压源），或在节点上加外部电流 两种方式接入。

如果在边上加电池，会体现在\(e=Ax\)中；如果在节点上加电流，会体现在\(A^Ty=f\)中，\(f\)向量就是外部电流。

将以上三个等式连起来得到\(A^TCAx=f\)。另外，最后一个方程是一个平衡方程，还需要注意的是，方程仅描述平衡状态，方程并不考虑时间。最后，\(A^TA\)是一个对称矩阵。

回到顶部