读懂algebraic distances on graphs

本文详细介绍了拉普拉斯矩阵的定义、性质及其在图论中的应用,包括对称半正定性、最小特征值为0等。同时,提到了归一化拉普拉斯矩阵的定义及其特性,并简要提及超图的概念和图的分割问题。
摘要由CSDN通过智能技术生成

参考: http://wenku.baidu.com/view/6b1b0527a5e9856a56126021.html

  • 拉普拉斯矩阵和Normalized 拉普拉斯矩阵
    1.1 Laplacian matrix的定义
    拉普拉斯矩阵(Laplacian matrix)),也称为基尔霍夫矩阵, 是表示图的一种矩阵。给定一个有n个顶点的图,其拉普拉斯矩阵被定义为:
    这里写图片描述
    其中D为图的度矩阵,W为图的邻接矩阵。
    举个例子。给定一个简单的图,如下:
    这里写图片描述
    把此“图”转换为邻接矩阵的形式,记为W:
    这里写图片描述
    把W的每一列元素加起来得到N个数,然后把它们放在对角线上(其它地方都是零),组成一个NXN的对角矩阵,记为度矩阵D,如下图所示:
    这里写图片描述
    根据拉普拉斯矩阵的定义L=D-W,可得拉普拉斯矩阵L 为:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值