拉普拉斯------图拉普拉斯

扩展

拉普拉斯算子处理的对象一般是在欧氏空间中的，而图上的拉普拉斯则是将其拓展到了非欧氏空间上，并且其处理的数据不在是规则区域，而是具有一定拓扑结构的图。

先从离散的拉普拉斯说起：$\left[\begin{array}{ccc}-1& -1& -1\\ -1& 8& -1\\ -1& -1& -1\end{array}\right]$或者$\left[\begin{array}{ccc}1& 1& 1\\ 1& -8& 1\\ 1& 1& 1\end{array}\right]$

这里算子的操作主要是对中心点的周围点进行运算，如果类比到图上的话就是对应顶点的邻接点。同样我们也需要定义一个关于顶点的函数来与之前的多元函数对应，并且还要相应的定义偏导与散度。

形式

邻接矩阵$W$：对应描述了各顶点之间与边的关系，对应的$W_{ij}$表示$i,j$之间存在边(有向或无向)，对应值为1(无权)或相应权值(有权)，其余的元素为0。
度矩阵$D$：该矩阵是一个对角矩阵，如果是无向图就对应为每个点的度，分布到对角的相应区域，如果是有向图就是取顶点的出度或者入度作为元素。
拉普拉斯矩阵：$D-W$，度矩阵减去邻接矩阵。

拉普拉斯矩阵为一个实对称矩阵，并且由于其各行各列的元素和为0，所以其不是一个正定矩阵，而是一个半正定矩阵。于是其特征值有$0={\lambda }_1⩽{\lambda }_2⩽{\lambda }_3⩽{\lambda }_4⩽{\lambda }_5....⩽{\lambda }_n$特征值均为非负的。

拉普拉斯矩阵还有其他的形式，比如将其标准化，也就是对角上的数值为1：
$D^{-\frac{1}{2}}L{D}^{-\frac{1}{2}}=I-D^{-\frac{1}{2}}W{D}^{-\frac{1}{2}}$
其中的$I$为单位矩阵。

关联

以一个图为例子：

其关联矩阵为$C=\left[\begin{array}{cccccccc}1& 1& 0& 0& 0& 0& 0& 0\\ 0& -1& 1& 0& 0& -1& 0& 1\\ -1& 0& 0& -1& 1& 0& 0& 0\\ 0& 0& -1& 1& 0& 0& 1& 0\\ 0& 0& 0& 0& -1& 1& -1& 0\\ 0& 0& 0& 0& 0& 0& 0& -1\end{array}\right]$
其对应的行为顶点$V_1-V_6$，其对应的列为边$e_1-e_8$

进行一个转置相乘$C{C}^T=[\begin{array}{cccc}& & & \\ 1& 1& 0& \\ 0& -1& 1& \\ -1& 0& 0& \\ 0& 0& -1& \\ 0& 0& 0& \\ 0& 0& 0& \end{array}$