Lec 12 · 图、网络与关联矩阵

摘要

第12讲的主题是 图、网络与关联矩阵 (Graphs, Networks, Incidence Matrices)。这是非常美妙的一课，核心知识主要是三个模块：

• 关联矩阵：课上的核心，基于图定义，行对应边、列对应节点，用1和-1表示边的方向。它是抽象空间理论与具体物理应用间的桥梁。
• 核心洞察：环路 vs. 线性相关：图中的一个“环路”，会直接导致关联矩阵中对应的行向量线性相关。线性代数的“线性相关”在拓扑结构中找到了完美的对应。
• 欧拉公式 (Euler's Formula)：一个极优雅的公式被揭示：#loops = #edges - (#nodes - 1)。它连接了图的几何（环路数）与矩阵的秩（#nodes - 1），是理解图结构的关键。

把一张图变成矩阵

想象你手里拿着一张地铁线路图，上面有车站（节点）和连接车站的轨道（边），轨道上还画着指示列车运行方向的箭头。我们现在要做的事情，就是把这幅图，翻译成一个 Excel 表格（矩阵）。

这个矩阵，Strang 教授称之为关联矩阵 (Incidence Matrix)。

翻译规则 (The Rules)

对于一个有向图：

• 节点 (Nodes)：是我们的列，假设有 $n$ 个。
• 边 (Edges)：是我们的行，假设有 $m$ 条。
• 箭头 (Direction)：决定了这一行里的数字是 -1 还是 +1。

连通图与非连通图

连通性：对于一个图，如果从任意一个节点出发，你都能沿着边（不管边的方向）走到任意另一个节点，那么这个图就是连通图 (Connected Graph)。

图示非常容易理解：

非常具体的规则：

我们一行一行地看。对于第 $k$ 条边，如果它从节点 $i$ 出发，指向节点 $j$：

1. 在矩阵的第 $k$ 行，第 $i$ 列的位置写上 -1。
2. 在矩阵的第 $k$ 行，第 $j$ 列的位置写上 +1。
3. 这一行其他的位置，全部写 0。

也就是：流入记作 $+1$，流出记作 $-1$。

完成

每一行，都是由一个“-1”，一个“+1”和一堆“0”组成的。

图的结构如何决定矩阵的秩

我们的研究对象依然是上一节构建的那个 $m \times n$ 的关联矩阵 $A$。这一节的关键问题是：

• $A$ 的零空间是什么样子？维度是多少？
• $A$ 的秩是多少？
• $A$ 的列之间有什么关系？

零空间 $N(A)$：解 $Ax = 0$ 的图论意义

我们从 $Ax=0$ 这个方程入手。上一节我们展示了 $Ax$ 的结果是一个向量，它的每个分量都代表一条边上“终点值减起点值”。

那么，令 $Ax=0$ 意味着什么？

• 数学上：所有边上的 $x_j - x_i = 0$。
• 图论上：对于图中的任何一条边，其两端节点的 $x$ 值都必须相等。

现在，我们给图加上一个至关重要的条件：连通性。一个图是连通的，意味着从任意一个节点出发，都能沿着某些边走到任何其他节点。

• 推论：如果图是连通的，那么 $Ax=0$ 会强压所有节点的 $x$ 值都必须彼此相等。
• 结论：整个解集就是 $x_1 = x_2 = \dots = x_n = c$，其中 $c$ 是任意常数。

因此，对于连通图：

• 零空间 $N(A)$ 的基：只有一个向量，即全1向量 $\begin{pmatrix} 1 \\ 1 \\ \vdots \\ 1 \end{pmatrix}$。
• 零空间维数：$\dim N(A) = 1$。

这立刻就给出了矩阵的秩：

$$\text{rank}(A) = n - \dim N(A) = n - 1$$

核心结论：只要图是连通的，无论边有多少，关联矩阵的秩永远等于节点数减1。

列空间 $C(A)$：列向量的线性相关与基

关联矩阵 $A$ 的列，对应着图中的节点。我们来看看这些列之间有什么关系。

• 列之间的线性相关：把矩阵 $A$ 的所有列加起来，会发生什么？由于每一行都是“-1, +1, 0...”的形式，把这一行的所有列元素加起来，结果总是 $(-1) + (+1) = 0$。这就意味着：

  $$\text{列}_1 + \text{列}_2 + \dots + \text{列}_n = \mathbf{0}$$

  这是一组非零系数（全为1），使得列的线性组合为零向量。这完美地证明了 $A$ 的所有列是线性相关的。这个相关关系，正是由零空间的全1向量所描述的。

• 如何得到列空间的一组基？ 既然所有列加起来等于零，那么任意一列都可以被其他列线性表示。例如：

  $$\text{列}_1 = -(\text{列}_2 + \dots + \text{列}_n)$$

  如果我们扔掉任意一列，剩下的 $n-1$ 个列向量会是什么关系？ 答案是：它们是线性无关的。因为在连通图中，你无法再将这 $n-1$ 个节点对应的列组合出零向量了。 因此，列空间 $C(A)$ 的一组基就是这 $n-1$ 个列向量，它的维数是 $n-1$，与秩一致。

验证

拿回我们上一节的三角形图（3个节点，3条边，连通），它的关联矩阵是：

$$\begin{array}{c} A = \begin{pmatrix} -1 & 1 & 0 \\ -1 & 0 & 1 \\ 0 & 1 & -1 \end{pmatrix} \end{array}$$

• 秩：$n-1 = 3-1 = 2$。这个 $3\times3$ 矩阵的行列式是 0（每一行的元素和为 0，所以全 1 向量属于零空间），但存在非零的 $2\times2$ 子式，例如前两行和前两列组成的子阵，因此秩确为 2。
• 零空间：解 $Ax=0$，可得 $x_1=x_2=x_3$。基是 $(1,1,1)^T$，维数=1。
• 列空间：把三列加起来，结果是 $(0,0,0)^T$。任意扔掉一列，比如保留前两列 $\begin{pmatrix} -1 \\ -1 \\ 0 \end{pmatrix}, \begin{pmatrix} 1 \\ 0 \\ 1 \end{pmatrix}$，它们是线性无关的，构成列空间的一组基。

环的引入不改变秩

注意，我们三角形图有3条边，形成了一个环路。这个环路的出现，增加了矩阵的行，却没有改变矩阵的秩。秩依然是由节点数和连通性决定的（$n-1$）。 这告诉我们一个非常重要的洞见：

• 节点和连通性：决定了秩（和列空间/零空间）。
• 环路：增加了行向量之间的线性相关关系，但不增加秩。

完成

这一节的核心已经清楚：连通图的关联矩阵，其核心代数结构（零空间和秩）完全由节点数决定，秩 = n-1，零空间由全1向量张成。

树与环

上一节我们由图的结构（连通性）确定了关联矩阵 $A$ 的秩是 $n-1$。这意味着，无论图中有多少条边 $m$，这个 $m \times n$ 矩阵里最多只有 $n-1$ 行是线性无关的。这一节要回答的核心问题是：

哪些边对应的行向量是“骨干”，哪些边对应的行向量是“冗余”？ 答案藏在 树 (Tree) 这个概念里。

1. 什么是树？(The Tree)

在图论中，树 是一个非常核心的概念。它是图的一种，满足以下几个等价条件：

• 它是连通的，并且没有环路 (No Loops)。
• 它连接了所有 $n$ 个节点，并且恰好有 $n-1$ 条边。

例子：还是拿那个三角形图来说。它有3个节点，如果我们从中删除任意一条边，剩下的结构就是一棵树。这就是原图的一棵 生成树 (Spanning Tree)。

2. 树 = 独立行

在关联矩阵 $A$ 中，任何一棵生成树的边所对应的行向量，都是线性无关的。

为什么？

1. 一棵树有 $n-1$ 条边，这对应着矩阵中的 $n-1$ 行。
2. 我们已知矩阵的秩是 $n-1$。所以，矩阵中任何一组 $n-1$ 个线性无关的行，就是行空间的一组基。

结论：生成树的边 $\iff$ 行空间的一组基。

3. 环（Loop）= 线性相关

有了树作为标尺，环路的代数意义就无比清晰了。

在一个连通图中，任意一条不在生成树上的边，都会被“激活”一个环路。

比如，我们先选好一棵树。然后，把一条不在树里的边（称为“弦”, chord）加回去，就会形成一个唯一的环路（这个环路只包含这条弦和树中的一部分边）。

这个环路，在矩阵里就对应着这几个行向量的一个线性相关关系。

举个例子，回到三角形图 $A = \begin{pmatrix} -1 & 1 & 0 \\ 0 & -1 & 1 \\ 1 & 0 & -1 \end{pmatrix}$。

它的三行是：边1，边2，边3。 我们选边1和边2作为树（它们连通1-2和2-3，没有环）。 观察这三行，你能立刻发现：

$$\text{行}_3 = - (\text{行}_1 + \text{行}_2)$$

即：

$$(+1, 0, -1) = - [(-1, 1, 0) + (0, -1, 1)]$$

行3（构成环路的最后一条边）毫无悬念地被行1和行2（树边）线性表出了。

完成

这就是“冗余”的来源：一个环，就是一个线性相关关系。 添加一条边形成环，等价于在矩阵中添加一个可以被已有行线性表出的冗余行。

欧拉公式

在前面两节，我们已经分别从“图”和“矩阵”两个角度理解了同一个结构：

• 第2节（图 → 代数）：对于连通图，关联矩阵 $A$ 的秩 $r = n-1$。
• 第3节（代数 → 图）：“树”是独立行的来源（行空间基），“环”是冗余行的来源（行向量间的相关关系）。

三个关键量

对于一个连通图：

• $n$：节点数
• $m$：边数
• $r$：关联矩阵 $A$ 的秩

我们已经知道：

• $A$ 是一个 $m \times n$ 的矩阵，每一行对应一条边。
• 由第2节：$r = n-1$。

环的代数定义

思考一个问题：图中有多少个独立的环路？

从矩阵的视角，这完全等价于问：行向量组里，有多少个线性相关的关系？

说明

我们知道：

• 矩阵总共有 $m$ 行。
• 其中，最大线性无关组的行数是 $r$。（这就是树边的个数）
• 剩下的 $m - r$ 行，就是“冗余”的行。（这就是加回树后形成环的边）

相对于一棵选定的生成树，每加回一条弦，就增加一个独立的线性相关关系。我们在 第 3 节 看到，每个这样的独立关系，恰好对应一个基本环路。

因此，独立环路的个数 $L$ 就等于冗余行的个数：

$$L = m - r$$

代入 $r = n-1$，欧拉公式诞生

把第2节的核心结论 $r = n-1$ 代入上式：

$$L = m - (n - 1)$$

这就是图论中经典的欧拉公式（对于平面图，它连接了顶点、边和面的数量；对于一般连通图，它定义了环路空间的维数）。

用我们的三角形连通图例子验证

三角形图：$n=3$，$m=3$。

• 秩 $r = n-1 = 2$。
• 环路数 $L = m - r = 3 - 2 = 1$。
• 确实，三角形有且只有1个独立的环路（整个大环）。

如果把图变复杂一点，比如一个四边形加一条对角线：$n=4$，$m=5$。

• 秩 $r = 4 - 1 = 3$。
• 环路数 $L = 5 - 3 = 2$。
• 你可以直观验证，图里确实有两个独立的小环（两个三角形）。

它把三个看似独立的概念，拧在了一根绳上：

• 欧拉公式：$L = m - n + 1$
• 线性代数维度公式：$\dim N(A^T) = m - r$（我们下一节会讲）
• 图的拓扑性质：连通图的“环空间”维数 = 边数 - 秩

完成

Strang 教授：线性代数的结构（秩）与图论的结构（树、环、连通性）是同一种东西的不同语言。

左零空间 $N(A^T)$

我们先回顾一下四个基本子空间的“全家福”。对于一个 $m \times n$ 的关联矩阵 $A$：

• 行空间 $C(A^T)$ 和 零空间 $N(A)$ 在 $\mathbb{R}^n$（节点空间）中。

• 列空间 $C(A)$ 和 左零空间 $N(A^T)$ 在 $\mathbb{R}^m$（边空间）中。

这一节，我们把目光聚焦在边空间里的 左零空间。它的定义是：所有满足 $A^T y = 0$ 的向量 $y$ 的集合。这里的 $y$ 是一个 $m$ 维列向量，每条边对应一个分量。

方程 $A^T y = 0$ 的物理翻译

我们把 $A^T y = 0$ 这个抽象的方程展开，看看它对每一个节点说了什么。

回忆一下关联矩阵 $A$ 的结构：它的每一行对应一条边，每一列对应一个节点。所以，转置 $A^T$ 的行对应节点，列对应边。

方程 $A^T y = 0$ 是一个有 $n$ 个方程（每节点一个）的方程组。对于任意一个节点 $i$，对应的方程是：

$$\sum_{\text{所有边 } k} (A^T)_{i,k} \ y_k = 0$$

根据关联矩阵的构造规则，$(A^T)_{i,k}$ 就是边 $k$ 在节点 $i$ 上的值：

• 如果边 $k$ 指向节点 $i$，则值为 $+1$。
• 如果边 $k$ 从节点 $i$ 出发，则值为 $-1$。
• 如果边 $k$ 不连接节点 $i$，则值为 $0$。

所以，对于节点 $i$，这个方程就是：

$$(\text{所有指向 } i \text{ 的边上的 } y_k \text{ 之和}) - (\text{所有从 } i \text{ 出发的边上的 } y_k \text{ 之和}) = 0$$

换句话说，流入节点 $i$ 的总量 等于 流出节点 $i$ 的总量。

如果把 $y$ 向量理解为在“边”上流动的某种“流”（比如电流、水流、车流），那么这个方程就是物理学中最基本的守恒律：基尔霍夫电流定律 (KCL)——在任何节点，净流量为零，物质或电荷不会凭空产生或消失。

左零空间的基

既然 $A^T y = 0$ 描述了守恒律，那么它的解集（左零空间）就描述了所有能够满足 KCL 的“流”的分布模式。

这个空间的维数是多少？由线性代数基本定理：

$$\dim N(A^T) = m - r$$

其中 $r = \text{rank}(A)$。对于连通图，$r = n-1$。 所以：

$$\dim N(A^T) = m - (n-1) = L$$

左零空间的维数，恰好等于图中独立环路的个数 $L$。 这和欧拉公式完美呼应。

那么，左零空间的基是什么样子的？基向量要满足两个条件：

1. 它们必须满足 $A^T y = 0$（即 KCL）。
2. 它们必须线性无关，且能张成整个左零空间。

构造方法（环流法）： 图上的每一个独立环路，正好提供这样一个基向量。构造规则是：

• 为图选定一棵生成树，然后每加回一条“弦”（不在树上的边），就形成一个唯一的独立环路。
• 对于这个环路，我们可以想象有一股大小为1的“流”绕着它循环流动。
• 顺着环路设定一个方向。如果某条边与这个方向一致，则 $y_k = +1$；若相反，则 $y_k = -1$；不在环路上的边，$y_k = 0$。
• 这样构造出的向量，自动满足 KCL（因为环流在任何一个节点都是一进一出，互相抵消），因此属于左零空间。并且，所有独立环路对应的这些向量构成了左零空间的一组基。

完成

这一节的核心结论是：

• 方程：$A^T y = 0$
• 物理意义：基尔霍夫电流定律 (KCL)，即流量守恒。
• 维数：独立环路的个数 $L = m-(n-1)$。
• 基向量：每个独立环路对应的“环流”。