图与关联矩阵：网络中的基尔霍夫定律

1. 声音
   观察依据

   开场区分节点与边构成的图和函数曲线，并以画面中的图引出关联矩阵。

2. 公式
   观察依据

   黑板标明 $n = 4$ 个节点。

n

图中的节点数量

正整数

1. 声音
   观察依据

   开场区分节点与边构成的图和函数曲线，并以画面中的图引出关联矩阵。

2. 公式
   观察依据

   黑板标明 $m = 5$ 条边。

m

图中的边数量

非负整数

1. 声音
   观察依据

   开场区分节点与边构成的图和函数曲线，并以画面中的图引出关联矩阵。

2. 公式
   观察依据

   黑板上显示一个标记为“A =”的大型空矩阵括号，行索引为 1 到 5，列索引为 1 到 4。

A

表示图结构的关联矩阵

大小为 $m \times n$ 的矩阵（此处为 $5 \times 4$）

1. 公式
   观察依据

   板书文字显示“$n=4$ 节点”。

n

示例图中的节点数量。

正整数；此处 $n=4$。

1. 公式
   观察依据

   板书文字显示“$m=5$ 边”。

m

示例图中的边数量。

正整数；此处 $m=5$。

1. 公式
   观察依据

   板书显示“A =”后跟一个大的方括号矩阵轮廓。

2. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

1. 在此片段中，矩阵元素未填写。

A

与所画图关联的关联矩阵。

行索引为边、列索引为节点的矩阵。

1. 公式
   观察依据

   矩阵下方的标签写着“节点 1 2 3 4”。

2. 图示
   观察依据

   图形绘制中包含圈出的节点标签 1, 2, 3, 4。

node 1, node 2, node 3, node 4

关联矩阵的列索引，对应四个图节点。

整数标签 1 到 4。

1. 公式
   观察依据

   矩阵旁边的右侧标签写着“1 2 3 4 5 边”。

2. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

edge 1, edge 2, edge 3, edge 4, edge 5

关联矩阵的行索引，对应五个图边。

整数标签 1 到 5。

1. 公式
   观察依据

   字母 A 写在黑板上，作为关联矩阵的标签。

A

有向图的关联矩阵

维度为 m x n 的矩阵（5 行 4 列）

1. 公式
   观察依据

   写为 '$n = 4$ 节点'。

n

图中的节点数量

正整数

1. 公式
   观察依据

   写为 '$m = 5$ 边'。

m

图中的边数量

正整数

1. 公式
   观察依据

   画面上的矩阵以边为横行、节点为竖列。第一横行在起点节点处为−1，在终点节点处为+1。

A

图的关联矩阵。

5x4 矩阵

1. 声音
   观察依据

   开场区分节点与边构成的图和函数曲线，并以画面中的图引出关联矩阵。

2. 图示
   观察依据

   左侧的粉笔图画出了标记为 1、2、3、4 的圆圈，由标记为 1、2、3、4、5 的线条连接。

在此语境中，“图”指的是由节点（顶点）和连接它们的边组成的离散数学结构，区别于 $\sin (x)$ 等连续函数图像。

1. 与微积分中的函数图像区分开来

1. 声音
   观察依据

   开场区分节点与边构成的图和函数曲线，并以画面中的图引出关联矩阵。

2. 公式
   观察依据

   黑板显示空矩阵 A，其维度由节点/边数量隐含确定。

1. 在此片段中，具体条目（+1, -1, 0）尚未填入；仅引入了概念和维度设置。

定向关联矩阵记录图中带标签的连接关系和所选边方向，不包含几何长度或边的物理常数。

1. 行由边索引（1 到 m）

2. 列由节点索引（1 到 n）

1. 线性代数语境下的图定义

1. 声音
   观察依据

   开场区分节点与边构成的图和函数曲线，并以画面中的图引出关联矩阵。

完全图包含节点对之间的每一条可能的边。一般图可能省略一些边，导致存在未连接的节点对。

1. 适用于此示例中无自环的简单无向图

1. 线性代数语境下的图定义

1. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

2. 字幕依据
   观察依据

   板书标题：“视频5.6图：主要应用模型1”。

讲座引入图作为一种广泛使用的数学应用模型。演讲者给出了用节点和边表示系统的例子：相互链接的网站、通过通话连接的电话以及大脑中连接的神经元。

1. 适用于可以用离散对象及其之间的成对连接来描述的系统。

1. 公式
   观察依据

   板书将矩阵标记为“关联矩阵A”。

2. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

3. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

1. 在片段结束前，A 的实际数值元素并未写出。

对于示例图，讲师构建了一个关联矩阵 A，其行对应边，列对应节点。由于 $m=5$ 条边和 $n=4$ 个节点，显示的矩阵排列成 5 乘 4 的数组。

1. 行由边索引。

2. 列由节点索引。

3. 片段说明了布局但未填入元素。

1. 图作为通用应用模型

1. 声音
   观察依据

   讲师逐行构造矩阵，在起点位置填负值、终点位置填正值。

2. 公式
   观察依据

   黑板上显示一个 5x4 矩阵正在被填入 -1、0 和 1。

对选定边方向的无自环图，每个横行代表一条边、每个竖列代表一个节点。横行在起点位置为−1、终点位置为+1，其余位置为零。

1. 对无自环图的每条边选定参考方向。

1. 字幕依据
   观察依据

   黑板上的标题写着 '图：主要应用模型1'。

图被呈现为各种应用的主要数学模型，利用节点和边来表示关系。

1. 公式
   观察依据

   黑板上在 5x4 矩阵旁显示了文字“关联矩阵A”（关联矩阵 A）。

2. 声音
   观察依据

   讲师说明完整矩阵可以作用于向量，并给图的节点指定电位。

关联矩阵 A 是用于表示图的矩阵。在此示例中，它是一个 5x4 矩阵，其中行对应于边（$m=5$），列对应于节点（$n=4$）。每一行恰好有一个 1 和一个 -1，表示该边连接的两个节点。

1. 图有 n 个节点和 m 条边。

2. 矩阵的大小为 m x n。

1. 声音
   观察依据

   讲师说明完整矩阵可以作用于向量，并给图的节点指定电位。

2. 公式
   观察依据

   演讲者在矩阵 A 旁边写下向量 v，以设置乘法 Av。

矩阵通过乘法作用于向量。对于 m x n 矩阵，它乘以一个 n 维向量以产生一个 m 维向量。在此背景下，关联矩阵 $A (5x4)$ 乘以电压向量 $v (4x1)$ 以产生一个 5x1 向量。

1. 矩阵的列数必须等于向量的行数。

1. 关联矩阵

1. 公式
   观察依据

   黑板上显示了文字“关联矩阵 A”以及矩阵 A。

关联矩阵 A 表示图中节点与边之间的连接关系。每一行对应一条边，每一列对应一个节点。矩阵元素指示了边相对于节点的方向。

1. 图有 n 个节点和 m 条边。

2. 矩阵的大小为 m x n。

1. 声音
   观察依据

   讲师将关联矩阵乘以节点电位，把结果解释为端点电位差，再讨论电流。

2. 公式
   观察依据

   演讲者计算 Av 并将结果写在黑板上。

将关联矩阵 A 乘以电压向量 v，得到一个新向量，其中每个分量代表图中特定边上的电压差。

1. A 是关联矩阵。

2. v 是节点电压向量。

1. 关联矩阵

1. 公式
   观察依据

   黑板标题写有 “视频5.6图：主要应用模型1”。

2. 声音
   观察依据

   讲师区分节点电位与边流量，说明这里使用不涉及导数的离散矩阵与向量模型。

视频把 图 作为应用数学中的基本模型来引入，强调它用节点和边描述网络结构，并用矩阵和向量表达其中的电位与流量关系。

1. 适用于离散网络模型

2. 本片段以 4 个节点、5 条边的图为例

1. 声音
   观察依据

   讲师将关联矩阵乘以节点电位，把结果解释为端点电位差，再讨论电流。

对电阻有限且为正的被动电阻边，非零端点电位差会产生电流；在这个模型中，端点电位相等时电流为零。

1. 边是电阻有限且为正的被动电阻。

2. 电压与电流的参考方向一致。

对满足这些假定的各条边。

1. 声音
   观察依据

   讲师区分节点电位与边流量，说明这里使用不涉及导数的离散矩阵与向量模型。

在被动电阻模型中，端点电位差通过边的物性定律驱动电流。

1. 电阻有限且为正，且参考方向一致。

对视频所讨论的一般网络流动关系作陈述，未给出严格证明。

1. 声音
   观察依据

   讲师区分节点电位与边流量，说明这里使用不涉及导数的离散矩阵与向量模型。

2. 公式
   观察依据

   黑板上写出 Av = ($v_2-v_1$, $v_3-v_1$, $v_3-v_2$, $v_4-v_1$, $v_4-v_2$)^T。

对本例中的关联矩阵 A 和节点电位向量 v，乘积 Av 的分量正好是各条边两端的电位差。

1. A 为黑板上给出的 $5\times 4$ 关联矩阵

2. $v=(v_1,v_2,v_3,v_4)^T$

针对本例图与所写矩阵成立。

1. 声音
   观察依据

   讲师区分节点电位与边流量，说明这里使用不涉及导数的离散矩阵与向量模型。

该图网络问题中的未知量分为两组：节点上的 $v_1$ 到 $v_4$，以及边上的 $w_1$ 到 $w_5$。

1. 图为 4 节点、5 边

2. 同时考虑节点电位和边流量

对本片段所设问题成立。

1. 声音
   观察依据

   讲师将关联矩阵转置乘以边流量向量，并在平衡状态下把节点收支结果设为零。

为了使网络处于稳定平衡状态，进入任意给定节点的总流量必须精确等于流出该节点的总流量。

1. 网络承载稳态流量。

2. 系统处于平衡状态。

对于网络中的所有节点。

1. 声音
   观察依据

   讲师引入与材料相关的欧姆关系，短暂混用电导和电阻术语，后续给出电阻说明。

在稳态守恒假定下，节点流量收支依赖连接关系和一致的参考方向，不依赖具体电阻数值。

1. 稳态流量且节点没有积累。

2. 包括外接支路，或把它们的贡献放在方程右端。

对满足上述守恒假定的节点。

1. 声音
   观察依据

   讲师引入与材料相关的欧姆关系，短暂混用电导和电阻术语，后续给出电阻说明。

欧姆定律引入了一个取决于网络边材料的物理常数（电导/电阻）。

1. 边是像电阻器或管道这样的物理组件。

对于具有定义材料属性的边。

1. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

2. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

3. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

4. 公式
   观察依据

   板书显示行标签 1 到 5 标记为边，列标签 1 到 4 标记为节点。

1. 推导在任何 A 的元素写出之前就停止了。

1. 公式

   $$m=5,\ n=4$$
   解释

   示例图有五条边和四个节点。

   步骤依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

   视频直接表达
2. 公式

   $$A\in\mathbb R^{m\times n}$$
   解释

   每条边贡献关联矩阵的一行。

   步骤依据

   讲师指着矩阵轮廓时口头陈述。

   视频直接表达
3. 公式

   $$A\in\mathbb R^{m\times n}$$
   解释

   每个节点对应关联矩阵的一列。

   步骤依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

   视频直接表达
4. 公式

   $$A \in \mathbb{R}^{5 \times 4}$$
   解释

   因此，该图的显示关联矩阵是一个 5 乘 4 的矩阵。

   步骤依据

   使用前两步以及 $m=5$ 和 $n=4$ 推导得出。

   依据视频推导

所画图形的关联矩阵 A 被设置为 5 行 4 列的矩阵，行由边索引，列由节点索引；片段未达到填写元素的阶段。

1. 声音
   观察依据

   讲师逐行构造矩阵，在起点位置填负值、终点位置填正值。

2. 动画
   观察依据

   演讲者在矩阵网格中写入数字，对应于图上绘制的箭头。

1. 公式

   $$A_{1,:}=\begin{bmatrix}-1&1&0&0\end{bmatrix}$$
   解释

   边 1 连接节点 1 到节点 2。

   步骤依据

   起始节点得 -1，终止节点得 +1。

   视频直接表达
2. 公式

   $$A_{2,:}=\begin{bmatrix}-1&0&1&0\end{bmatrix}$$
   解释

   边 2 连接节点 1 到节点 3。

   步骤依据

   起始节点得 -1，终止节点得 +1。

   视频直接表达
3. 公式

   $$A_{3,:}=\begin{bmatrix}0&-1&1&0\end{bmatrix}$$
   解释

   边 3 连接节点 2 到节点 3。

   步骤依据

   起始节点得 -1，终止节点得 +1。

   视频直接表达
4. 公式

   $$A_{4,:}=\begin{bmatrix}-1&0&0&1\end{bmatrix}$$
   解释

   边 4 连接节点 1 到节点 4。

   步骤依据

   起始节点得 -1，终止节点得 +1。

   视频直接表达
5. 公式

   $$A_{5,:}=\begin{bmatrix}0&-1&0&1\end{bmatrix}$$
   解释

   边 5 连接节点 2 到节点 4。

   步骤依据

   起始节点得 -1，终止节点得 +1。

   视频直接表达

完成的关联矩阵记录画面中图的带标签连接关系和所选方向。

1. 声音
   观察依据

   讲师将关联矩阵乘以节点电位，把结果解释为端点电位差，再讨论电流。

2. 公式
   观察依据

   生成的向量写在黑板上。

1. 公式

   $$[-1, 1, 0, 0] \cdot [v_1, v_2, v_3, v_4]^T = v_2 - v_1$$
   解释

   A 的第一行与 v 的点积给出了边 1 上的电压差。

   步骤依据

   矩阵-向量乘法（点积）的定义。

   视频直接表达
2. 公式

   $$[-1, 0, 1, 0] \cdot [v_1, v_2, v_3, v_4]^T = v_3 - v_1$$
   解释

   A 的第二行与 v 的点积给出了边 2 上的电压差。

   步骤依据

   矩阵-向量乘法（点积）的定义。

   视频直接表达
3. 公式

   $$[0, -1, 1, 0] \cdot [v_1, v_2, v_3, v_4]^T = v_3 - v_2$$
   解释

   A 的第三行与 v 的点积给出了边 3 上的电压差。

   步骤依据

   矩阵-向量乘法（点积）的定义。

   视频直接表达
4. 公式

   $$[-1, 0, 0, 1] \cdot [v_1, v_2, v_3, v_4]^T = v_4 - v_1$$
   解释

   A 的第四行与 v 的点积给出了边 4 上的电压差。

   步骤依据

   矩阵-向量乘法（点积）的定义。

   视频直接表达
5. 公式

   $$[0, -1, 0, 1] \cdot [v_1, v_2, v_3, v_4]^T = v_4 - v_2$$
   解释

   A 的第五行与 v 的点积给出了边 5 上的电压差。

   步骤依据

   矩阵-向量乘法（点积）的定义。

   视频直接表达

乘积 Av 是一个包含所有五条边上电压差的向量。

1. 公式
   观察依据

   黑板上直接写出 Av 的展开结果。

2. 声音
   观察依据

   讲师区分节点电位与边流量，说明这里使用不涉及导数的离散矩阵与向量模型。

1. 视频没有逐行演示矩阵乘法过程，只给出结果式。

1. 公式

   $$A=\begin{bmatrix}-1&1&0&0\\-1&0&1&0\\0&-1&1&0\\-1&0&0&1\\0&-1&0&1\end{bmatrix}$$
   解释

   黑板给出关联矩阵 A 和节点电位向量 v。

   步骤依据

   直接来自板书。

   补充解释
2. 公式

   $$Av=\begin{bmatrix}v_2-v_1\\v_3-v_1\\v_3-v_2\\v_4-v_1\\v_4-v_2\end{bmatrix}$$
   解释

   乘积结果是一个 5 维向量，其每个分量都是某条边两端节点电位的差。

   步骤依据

   直接来自板书中的等式。

   视频直接表达
3. 公式

   $$$$
   解释

   讲师据此把 Av 解释为“电压差”。

   步骤依据

   来自音频中的口头总结。

   视频直接表达

在本例中，Av 的作用是把节点电位转换为各边上的电位差。

1. 声音
   观察依据

   讲师将关联矩阵转置乘以边流量向量，并在平衡状态下把节点收支结果设为零。

2. 公式
   观察依据

   演讲者写下 $A^T$，然后添加维度 4x5，接着写下 w 及其维度 5x1，最后将乘积设为 0。

1. 公式

   $$A^T$$
   解释

   识别出需要关联矩阵的转置将边流量映射回节点。

   步骤依据

   音频解释将 KCL 与 A 转置联系起来。

   视频直接表达
2. 公式

   $$A^T_{4 \times 5}$$
   解释

   根据原始的 5x4 关联矩阵指定转置矩阵的维度。

   步骤依据

   讲师将关联矩阵转置乘以边流量向量，并在平衡状态下把节点收支结果设为零。

   视频直接表达
3. 公式

   $$w_{5 \times 1}$$
   解释

   引入流量向量 w，它必须有 5 个分量以对应 5 条边。

   步骤依据

   讲师将关联矩阵转置乘以边流量向量，并在平衡状态下把节点收支结果设为零。

   视频直接表达
4. 公式

   $$A^T w = 0$$
   解释

   陈述转置关联矩阵与流量向量的乘积必须是零向量以满足平衡。

   步骤依据

   讲师将关联矩阵转置乘以边流量向量，并在平衡状态下把节点收支结果设为零。

   视频直接表达

矩阵方程 $A^T w = 0$ 在数学上编码了网络中每个节点处流量守恒（基尔霍夫电流定律）的物理要求。

1. 声音
   观察依据

   讲师引入与材料相关的欧姆关系，短暂混用电导和电阻术语，后续给出电阻说明。

2. 公式
   观察依据

   书写顺序：“欧姆定律”、“：电压降”、“两端之间”、“=”、“C”。

1. 本分析区间结束时尚未写出电流项；全片继续并给出电阻关系。

1. 解释

   识别驱动流量的物理量：电压降（电位差）。

   步骤依据

   讲师引入与材料相关的欧姆关系，短暂混用电导和电阻术语，后续给出电阻说明。

   视频直接表达
2. 解释

   陈述其与电流成正比。

   步骤依据

   讲师引入与材料相关的欧姆关系，短暂混用电导和电阻术语，后续给出电阻说明。

   视频直接表达
3. 解释

   引入与材料相关的比例系数；在电压降等于系数乘电流的形式中，该系数为电阻，不是电导。

   步骤依据

   讲师引入与材料相关的欧姆关系，短暂混用电导和电阻术语，后续给出电阻说明。

   补充解释

在欧姆电阻模型中，电压降与电流成正比，比例系数为电阻。

1. 声音
   观察依据

   讲师说明电阻乘以电流的关系，回顾节点收支与端点差值，并引出网络方程，没有进行数值电路求解。

2. 公式
   观察依据

   黑板显示 Av=电压差，$A^T w=0$，以及将它们联系起来的欧姆定律。

1. 公式

   $$d=Av$$
   解释

   以$d$表示$Av$给出的终点减起点电位差；这是对画面关系使用的补充记号。

   步骤依据

   关联矩阵对电位作用的定义。

   补充解释
2. 公式

   $$A^T w = 0$$
   解释

   应用基尔霍夫电流定律以确保每个节点的电荷守恒。

   步骤依据

   电流平衡的物理定律。

   视频直接表达
3. 公式

   $$R_k w_k=-(Av)_k,\quad k:i\to j$$
   解释

   编辑规定符号：若$w_k$以起点到终点为正向，被动电压降为起点电位减终点电位，与$(Av)_k$相反。

   步骤依据

   电阻器的物理属性。

   补充解释
4. 公式

   $$L=A^T A$$
   解释

   接下来引入的是无权图拉普拉斯算子。仅凭它不能指定唯一电路解；还需另外给出源项、边界数据和电位参考。

   步骤依据

   全片随后提到关联矩阵的转置与关联矩阵的乘积，没有进行数值网络求解。

   补充解释

连接关系、边的物性定律和守恒关系共同引出网络方程，而不是原片已经给出的完整唯一解。

1. 声音
   观察依据

   讲师把关联矩阵转置与关联矩阵的乘积称为图拉普拉斯算子，并结束讲解，没有给出数值网络解。

2. 公式
   观察依据

   黑板显示“A v = 电压差”，“$A^T w = 0$”和“欧姆定律”。演讲者将“$A^T A$”写为结果。

1. 演讲者跳过了明确的代数替换步骤，依靠板上方程的视觉布局来暗示推导过程。

1. 公式

   $$d=Av$$
   解释

   编辑记号$d$表示关联矩阵给出的终点减起点电位差。

   步骤依据

   关联矩阵应用于节点电位的定义。

   补充解释
2. 公式

   $$A^T w = 0$$
   解释

   关联矩阵的转置乘以边电流向量 w 等于零，代表每个节点的电流平衡（基尔霍夫电流定律）。

   步骤依据

   讲师把关联矩阵转置与关联矩阵的乘积称为图拉普拉斯算子，并结束讲解，没有给出数值网络解。

   视频直接表达
3. 公式

   $$Rw=-Av$$
   解释

   补充被动规定：$w$以起点到终点为正向，因此电压降是$Av$的负值。这里$R$是有限正边电阻构成的对角矩阵。

   步骤依据

   讲师把关联矩阵转置与关联矩阵的乘积称为图拉普拉斯算子，并结束讲解，没有给出数值网络解。

   补充解释
4. 公式

   $$A^T R^{-1} A v=0,\quad R=I\implies A^T A v=0$$
   解释

   编辑补充：在稳态且没有外部注入的模型中代入可得到带电导权重的算子。所有电阻等于单位值时，得到无权形式；不同权重不能直接吸收到同一个无权关联矩阵中。

   步骤依据

   这段补充代数明确电阻和源项假定；讲师仅给出最后无权图算子的名称。

   补充解释

原片为$A^T A$提供动机并给出名称；带权物理模型及唯一解还需要另外的物性、源项和边界假定。

1. 图示
   观察依据

   视觉图表显示 4 个节点大致排列成三角形，内部有一个节点，由 5 条编号边连接。

2. 声音
   观察依据

   开场区分节点与边构成的图和函数曲线，并以画面中的图引出关联矩阵。

定义一个具体的图实例以说明关联矩阵的构造。

1. 节点：{1, 2, 3, 4}

2. 边：{1, 2, 3, 4, 5}

确定矩阵 A 的参数 n 和 m。

1. 解释

   从图中识别节点。

   步骤依据

   直接观察圈出的数字 1-4。

   视频直接表达
2. 解释

   从图中识别边。

   步骤依据

   直接观察标记为 1-5 的线段。

   视频直接表达

$n = 4$, $m = 5$

计数与黑板文本“$n=4$ 节点”、“$m=5$ 边”相符。

1. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

2. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

使用图术语表示网络的结构。

1. 网站可作为对象获得。

2. 网站之间的链接可作为关系获得。

确定在网站图模型中什么扮演节点和边的角色。

1. 公式

   $$$$
   解释

   每个网站被视为一个节点。

   步骤依据

   在讲座音频中直接陈述。

   视频直接表达
2. 公式

   $$$$
   解释

   当对应的网站链接时，在两个节点之间放置一条边。

   步骤依据

   在讲座音频中直接陈述。

   视频直接表达

万维网被建模为一个巨大的图，其节点是网站，边是网站之间的链接。

这与示例中节点和边的口头定义相符。

1. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

2. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

将电话连接建模为图。

1. 电话是系统中的对象。

2. 通话连接成对的电话。

确定电话公司图中的节点和边。

1. 公式

   $$$$
   解释

   每部电话由一个节点表示。

   步骤依据

   在讲座音频中直接陈述。

   视频直接表达
2. 公式

   $$$$
   解释

   一条边代表从一个电话拨打到另一个电话的通话。

   步骤依据

   在讲座音频中直接陈述。

   视频直接表达

电话系统被建模为一个图，其节点是电话，边是成对电话之间的通话。

这完全遵循了电话示例的口头描述。

1. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

1. 讲师在此片段中未定义从神经元和突触到节点和边的精确映射。

用图论术语描述大脑。

1. 大脑包含神经元。

2. 神经元相互连接。

识别大脑作为图状结构的一个例子。

1. 公式

   $$$$
   解释

   讲师将神经元连接的网络视为图。

   步骤依据

   在讲座音频中陈述。

   视频直接表达

大脑被呈现为由神经元连接形成的图，理解该图被描述为一个主要的科学问题。

该主张在音频中明确陈述，尽管没有详细的正式映射。

1. 图示
   观察依据

   板书左侧画有一个小图，包含四个圈出的节点，标签为 1, 2, 3, 4，以及五条编号的边。

2. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

3. 公式
   观察依据

   矩阵标签显示行为边 1 到 5，列为节点 1 到 4。

1. 讲师开始讨论边 1，但在片段结束前未写出相应的行元素。

2. 在此片段中未完成所有五条边的完整邻接列表。

使用绘制的 4 节点、5 边图开始构建关联矩阵 A。

1. 图有 $n=4$ 个节点。

2. 图有 $m=5$ 条边。

3. 边 1 连接节点 1 到节点 2。

确定图如何编码到矩阵布局中。

1. 公式

   $$k\in\{1,2,3,4,5\}$$
   解释

   矩阵行由边编号标记。

   步骤依据

   从板书标签可见并在音频中陈述。

   视频直接表达
2. 公式

   $$j\in\{1,2,3,4\}$$
   解释

   矩阵列由节点编号标记。

   步骤依据

   从板书标签可见并在音频中陈述。

   视频直接表达
3. 公式

   $$k=1:\ 1\to2$$
   解释

   讲师确定第一条边连接节点 1 到节点 2。

   步骤依据

   指着图时直接说出。

   视频直接表达

黑板示例先建立 5 行 4 列的关联矩阵，并以边 1 连接节点 1 到节点 2 来说明第一横行的意义；本段尚未写出具体矩阵元素，后续视频继续构造。

这与可见的矩阵标签和讲师的口头设置一致。

1. 图示
   观察依据

   左侧绘制了一个具有 4 个节点和 5 条边的特定图。

2. 公式
   观察依据

   右侧完全写出了生成的矩阵。

给定有向图，具有 4 个节点和 5 条边，连接依次为 (1->2, 1->3, 2->3, 1->4, 2->4)，构造其关联矩阵。

1. 节点：1, 2, 3, 4

2. 边：1, 2, 3, 4, 5

3. 边 1：1 -> 2

4. 边 2：1 -> 3

5. 边 3：2 -> 3

6. 边 4：1 -> 4

7. 边 5：2 -> 4

填充 5x4 矩阵 A。

1. 公式

   $$$$
   解释

   查看图示意图中的箭头方向。

   步骤依据

   有向图边的定义。

   视频直接表达
2. 公式

   $$$$
   解释

   遵循演讲者建立的规则。

   步骤依据

   关联矩阵构造的定义。

   视频直接表达
3. 公式Fill remaining cells with 0.
   解释

   未被特定边连接的节点得 0。

   步骤依据

   关联矩阵构造的定义。

   视频直接表达

$A = [[-1, 1, 0, 0], [-1, 0, 1, 0], [0, -1, 1, 0], [-1, 0, 0, 1], [0, -1, 0, 1]]$

检查每一行的总和是否为零，并且恰好有一个 -1 和一个 +1。

1. 图示
   观察依据

   黑板左侧画有一个包含 4 个节点和 5 条边的图。

2. 公式
   观察依据

   基于此图定义了关联矩阵 A 和电压向量 v。

给定一个具有 4 个节点和 5 条边的图，以及节点电压向量 v，求每条边上的电压差。

1. 图结构：4 个节点，5 条边。

2. 关联矩阵 A。

3. 电压向量 $v = [v_1, v_2, v_3, v_4]^T$。

计算向量 Av。

1. 公式

   $$Av = \begin{bmatrix} -1 & 1 & 0 & 0 \\ -1 & 0 & 1 & 0 \\ 0 & -1 & 1 & 0 \\ -1 & 0 & 0 & 1 \\ 0 & -1 & 0 & 1 \end{bmatrix} \begin{bmatrix} v_1 \\ v_2 \\ v_3 \\ v_4 \end{bmatrix}$$
   解释

   设置矩阵-向量乘法。

   步骤依据

   问题的定义。

   视频直接表达
2. 公式

   $$= \begin{bmatrix} v_2 - v_1 \\ v_3 - v_1 \\ v_3 - v_2 \\ v_4 - v_1 \\ v_4 - v_2 \end{bmatrix}$$
   解释

   逐行执行点积运算。

   步骤依据

   矩阵乘法规则。

   视频直接表达

生成的向量是 [$v_2 - v_1$, $v_3 - v_1$, $v_3 - v_2$, $v_4 - v_1$, $v_4 - v_2$]^T。

每个分量对应于由相应边连接的两个节点之间的电压差。

1. 图示
   观察依据

   黑板左侧画出 4 个节点和 5 条边的图。

2. 公式
   观察依据

   旁边写有 “$n=4$ 节点, $m=5$ 边, 关联矩阵A, $5\times 4$”。

3. 图示
   观察依据

   讲师随后在边上标注 $w_2$, $w_1$, $w_5$, $w_3$, $w_4$。

1. 图中各条边的编号与矩阵各行之间的对应关系没有逐条口头说明，只能从板书整体布局推断。

用一个具体图说明节点电位、边流量和关联矩阵之间的关系。

1. $n=4$ 个节点

2. $m=5$ 条边

3. 节点电位记为 $v_1$,$v_2$,$v_3$,$v_4$

4. 边流量记为 $w_1$,$w_2$,$w_3$,$w_4$,$w_5$

5. 关联矩阵 A 已写在黑板上

识别图中的两类未知量，并理解 Av 表示边上的电位差。

1. 公式

   $$$$
   解释

   先在黑板左侧画出 4 个节点和 5 条边的网络图。

   步骤依据

   来自画面中的图示。

   视频直接表达
2. 公式

   $$v=\begin{bmatrix}v_1\\v_2\\v_3\\v_4\end{bmatrix}$$
   解释

   把节点上的电压/电位收集为一个向量。

   步骤依据

   来自板书与讲解。

   视频直接表达
3. 公式

   $$w=\begin{bmatrix}w_1\\w_2\\w_3\\w_4\\w_5\end{bmatrix}$$
   解释

   把边上的流量/电流收集为另一个向量。

   步骤依据

   来自讲解与图中新增标注。

   视频直接表达
4. 公式

   $$Av=\begin{bmatrix}v_2-v_1\\v_3-v_1\\v_3-v_2\\v_4-v_1\\v_4-v_2\end{bmatrix}$$
   解释

   用关联矩阵把节点电位映射为各边电位差。

   步骤依据

   来自板书中的矩阵等式。

   视频直接表达

该例子展示了：节点量是 v，边量是 w，而 A 把 v 变成边上的差分量 Av。

可通过比较矩阵每一行与非零元位置对应的两个节点差来核对板书中的 Av 结果。

1. 图示
   观察依据

   左侧：图绘制。中间：文本定义（n, m, 关联矩阵）。右侧：带有轴标签的空矩阵模板 A。

1. 图示意图

2. 参数列表

3. 矩阵模板

1. 在此片段内无变化；静态黑板状态。

1. 几何对象（图）、标量参数（n,m）和代数对象（矩阵 A）的空间分离。

该布局直观地映射了从组合结构（图）到线性代数表示（矩阵）的转变。

1. 图示
   观察依据

   板书左侧显示一个小图，包含四个圈出的节点，标签为 1, 2, 3, 4，以及五条编号的边。

2. 公式
   观察依据

   中间文字写着“$n=4$ 节点”, “$m=5$ 边”, 和 “关联矩阵A”。

3. 公式
   观察依据

   右侧显示一个大的空矩阵括号，行标签 1 到 5 标记为边，列标签 1 到 4 标记为节点。

1. 除边 1 外，其他一些边到节点的关联在此片段中未口头确认。

1. 标题文字 “视频5.6图：主要应用模型1”

2. 四节点图绘制

3. 文字 “$n=4$ 节点”

4. 文字 “$m=5$ 边”

5. 文字 “关联矩阵A”

6. 空的 5 乘 4 矩阵轮廓

7. 标记为边的行标签 1 到 5

8. 标记为节点的列标签 1 到 4

1. 讲师在讨论应用时指向图。

2. 接近结束时，他转向矩阵区域并指向第一条边和矩阵结构。

1. 在整个片段中，图保持绘制为四个节点和五条边。

2. 在整个片段中，矩阵保持未填充。

视觉安排在计算任何元素之前建立了具体图与其矩阵表示之间的对应关系。

1. 动画
   观察依据

   教授在指向图的同时，依次将数字写入矩阵括号内。

1. 粉笔

2. 黑板

3. 矩阵网格

1. 空矩阵被填入整数 -1, 0, 1。

1. 维度保持为 5x4。

2. 图结构保持不变。

直观演示如何将几何图属性映射到代数矩阵元素。

1. 图示
   观察依据

   黑板上显示一个具有 4 个节点（标记为 1, 2, 3, 4 的圆圈）和 5 条边（标记为 1, 2, 3, 4, 5 的线条）的图。旁边是关联矩阵 A，行标记为 1 到 5（边），列标记为 1 到 4（节点）。

1. 图示意图

2. 关联矩阵 A

3. 节点标签

4. 边标签

1. 演讲者擦除矩阵右侧的边编号，以便为向量 v 腾出空间。

1. 图的结构和关联矩阵中的值保持不变。

视觉设置直接将抽象矩阵 A 与具体图结构联系起来，展示了节点和边如何在矩阵维度中表示。

1. 动画
   观察依据

   演讲者在矩阵 A 的右侧写下一个包含条目 $v_1$, $v_2$, $v_3$, $v_4$ 的列向量。

2. 声音
   观察依据

   讲师说明完整矩阵可以作用于向量，并给图的节点指定电位。

1. 矩阵 A

2. 列向量 v

1. 向量 v 被添加到黑板上。

1. 矩阵 A 保持不变。

此动作设置了矩阵-向量乘法 Av，引入了与图节点相关的物理量（电压）。

1. 动画
   观察依据

   演讲者在黑板上逐个写下结果向量 Av 的分量。

1. 黑板

2. 粉笔

3. 演讲者的手

1. 向量 Av 逐渐填入诸如 $v_2 - v_1$, $v_3 - v_1$ 等表达式。

1. 矩阵 A 和向量 v 在黑板上保持不变。

可视化矩阵-向量乘积的分步计算过程。

1. 图示
   观察依据

   黑板左侧是图，中部是 关联矩阵A，右侧是 Av 的展开式。

1. 4 个节点的图

2. 5 条边

3. 矩阵 A

4. 向量 v

5. 向量 Av

1. 开头已存在图、矩阵和 Av 展开式

2. 随后讲师在边上补写 w 标记

1. 节点数保持为 4

2. 边数保持为 5

3. 矩阵 A 的形式保持不变

画面把“图结构—矩阵表示—向量结果”并列展示，便于把抽象矩阵乘法对应到具体网络。

1. 动画
   观察依据

   讲师依次在五条边上写下 $w_2$, $w_1$, $w_5$, $w_3$, $w_4$。

2. 声音
   观察依据

   讲师区分节点电位与边流量，说明这里使用不涉及导数的离散矩阵与向量模型。

1. 五条边

2. 符号 $w_1$,$w_2$,$w_3$,$w_4$,$w_5$

1. 原本只有图结构

2. 之后每条边都获得一个流量符号

1. 图的拓扑不变

2. 节点电位 v 的设定不变

这一动作把“边上的未知量”可视化，明确 w 是定义在边而非节点上的量。

1. 动画
   观察依据

   讲师用手指向黑板右侧的 Av 展开式。

2. 声音
   观察依据

   讲师区分节点电位与边流量，说明这里使用不涉及导数的离散矩阵与向量模型。

1. 矩阵 A

2. 向量 v

3. 向量 Av

1. 注意力从左侧图转到右侧矩阵等式

1. 板书内容本身不变

视觉上把矩阵乘法结果与“电压差”直接联系起来。

1. 动画
   观察依据

   讲师在下方黑板面板上写下方程 'A v = 电压差'。

1. 讲师

2. 黑板

3. 粉笔

1. 板上出现文本 'A v = 电压差'。

1. 上方黑板面板保持不变，仍有之前的笔记。

此视觉事件建立了关联矩阵、节点电压和边电压差之间的数学关系。

1. 动画
   观察依据

   讲师写下 '基尔霍夫电流定律' 并加下划线，然后写下 'KCL'。

1. 讲师

2. 黑板

3. 粉笔

1. 板上出现文本 '基尔霍夫电流定律' 和 'KCL'。

1. 之前写下的方程 'A v = 电压差' 仍然可见。

此视觉事件引入了支配网络的第二个基本定律，侧重于节点的电流守恒。

1. 动画
   观察依据

   讲师在黑板上依次写下“$A^T$”、“4x5”、“w”、“5x1”、“=”和“0”以构建方程。

1. 黑板

2. 粉笔

3. 讲师的手

1. 写出项 $A^T$。

2. 在 $A^T$ 下方添加维度 4x5。

3. 写出变量 w。

4. 在 w 下方添加维度 5x1。

5. 写出等号和零以完成方程。

1. 预先存在的方程 Av = 电压差 保持在上方可见。

2. 文字“基尔霍夫电流定律”（基尔霍夫电流定律）保持在右侧可见。

视觉进程展示了如何将电流守恒的抽象概念利用关联矩阵的性质逐步转化为具体的线性代数方程。

1. 声音
   观察依据

   开场区分节点与边构成的图和函数曲线，并以画面中的图引出关联矩阵。

学生可能假设“图”指的是微积分中看到的 $y=\sin (x)$ 等函数绘图。

在这里，“图”意味着由离散点（节点）和连接（边）组成的网络。

1. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

2. 公式
   观察依据

   板书将行标记为边，列标记为节点。

人们可能认为矩阵的行对应节点，列对应边。

在本讲的关联矩阵 A 中，行对应边，列对应节点。

1. 声音
   观察依据

   讲师区分节点电位与边流量，说明这里使用不涉及导数的离散矩阵与向量模型。

1. 模型在该短句中插入了否定词；完整官方英文字幕和讲解语境均支持这里是不用导数的离散模型。

看到 流量或电流 就默认需要导数或连续介质方程。

视频强调这是 离散应用数学，基本对象是 图，表达工具是 矩阵和向量，而不是 导数。

1. 声音
   观察依据

   讲师区分节点电位与边流量，说明这里使用不涉及导数的离散矩阵与向量模型。

把 v 和 w 都看成同一种位置上的未知量。

v 定义在节点上，w 定义在边上；二者是成对出现的不同未知量。

1. 声音
   观察依据

   讲师引入与材料相关的欧姆关系，短暂混用电导和电阻术语，后续给出电阻说明。

1. 不清楚这是口误还是有意做出的区分。

混淆电压降等于电流关系中的比例常数。

电阻与电导是不同的倒数量。讲师书写电压降关系时短暂使用电导一词，后续电阻说明明确了所用定律。编辑补充：应使用$E=RI$或$I=GE$，其中$G=1/R$，并保持符号方向一致。

1. 声音
   观察依据

   开场区分节点与边构成的图和函数曲线，并以画面中的图引出关联矩阵。

关联矩阵是用于表示先前定义的图的属性的代数工具。

1. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

2. 公式
   观察依据

   板书在图数据旁边将矩阵标记为“关联矩阵A”。

将系统建模为图的总体思想应用于具体的 4 节点、5 边示例，然后将其编码为关联矩阵。

1. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

图建模许多应用的广泛主张通过几个具体例子说明，包括万维网、电话网络和大脑。

1. 声音
   观察依据

   讲师逐行构造矩阵，在起点位置填负值、终点位置填正值。

关联矩阵是用于建模图结构的代数表示。

1. 图示
   观察依据

   黑板在视觉上连接了图示意图和关联矩阵 A。

2. 声音
   观察依据

   讲师说明完整矩阵可以作用于向量，并给图的节点指定电位。

对图进行建模的关联矩阵通过矩阵-向量乘法应用于节点电压向量，以分析网络。

1. 声音
   观察依据

   讲师将关联矩阵乘以节点电位，把结果解释为端点电位差，再讨论电流。

将关联矩阵乘以电压向量的数学运算产生了电压差，这在物理上驱动了电流流动。

1. 公式
   观察依据

   先给出图，再在旁边写出 关联矩阵A。

图结构被用来构造关联矩阵 A。

1. 公式
   观察依据

   板书把 A 与 v 相乘并写出 Av 的结果。

关于 Av 给出电位差的结论依赖于关联矩阵 A 的具体形式和节点向量 v 的定义。

1. 声音
   观察依据

   讲师区分节点电位与边流量，说明这里使用不涉及导数的离散矩阵与向量模型。

节点电位与边流量构成一组对照：一个定义在节点上，一个定义在边上。

1. 声音
   观察依据

   讲师区分节点电位与边流量，说明这里使用不涉及导数的离散矩阵与向量模型。

图网络建模被纳入离散应用数学这一更大的表述框架中。

1. 声音
   观察依据

   讲师保留电位差方程，并通过基尔霍夫电流定律引入节点流量收支。

基尔霍夫电流定律提供了支配记为 w 的电流向量的物理约束。

1. 声音
   观察依据

   讲师将关联矩阵转置乘以边流量向量，并在平衡状态下把节点收支结果设为零。

基尔霍夫电流定律使用关联矩阵的转置来表述，应用图的结构信息来强制执行物理守恒定律。

1. 声音
   观察依据

   开场区分节点与边构成的图和函数曲线，并以画面中的图引出关联矩阵。

1. 关联矩阵概念

1. 声音
   观察依据

   开场区分节点与边构成的图和函数曲线，并以画面中的图引出关联矩阵。

1. 线性代数语境下的图定义
2. $n=4$, $m=5$ 的示例图

1. 公式
   观察依据

   板书文字将矩阵命名为“关联矩阵A”。

2. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

1. 图的关联矩阵布局
2. 从图设置关联矩阵

1. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

1. 图作为通用应用模型
2. 万维网作为图
3. 电话网络作为图
4. 大脑作为图

1. 声音
   观察依据

   讲师用网页、电话和神经元连接说明图模型，再将示例矩阵的横行对应边、竖列对应节点。

1. 相应的矩阵行在此片段中未写出。

1. 板书上的示例图及其关联矩阵的开始

1. 声音
   观察依据

   讲师逐行构造矩阵，在起点位置填负值、终点位置填正值。

1. 关联矩阵的定义

1. 公式
   观察依据

   在特定列中使用 -1 和 1。

1. 关联矩阵的定义

1. 公式
   观察依据

   黑板明确将矩阵标记为“关联矩阵A”（关联矩阵 A）。

1. 关联矩阵

1. 声音
   观察依据

   讲师说明完整矩阵可以作用于向量，并给图的节点指定电位。

1. 矩阵-向量乘法

1. 声音
   观察依据

   讲师将关联矩阵乘以节点电位，把结果解释为端点电位差，再讨论电流。

1. 用于计算电压差的矩阵-向量乘法
2. 由电压差驱动的电流流动

1. 公式
   观察依据

   黑板上写有 关联矩阵A。

1. 关联矩阵 A

1. 声音
   观察依据

   讲师区分节点电位与边流量，说明这里使用不涉及导数的离散矩阵与向量模型。

1. 关联矩阵 A
2. Av 给出各边电位差
3. 由 Av 得到边电位差