拉普拉斯矩阵(Laplacian Matrix) 及半正定性证明

摘自 https://blog.csdn.net/beiyangdashu/article/details/49300479

和 https://en.wikipedia.org/wiki/Laplacian_matrix

定义

给定一个由n个顶点的简单图G,它的拉普拉斯矩阵定义为:

L = D - A,其中,D是该图G度的矩阵,A为图G的邻接矩阵。

因为G是一个简单图,A只包含0,1,并且它的对角元素均为0.

L中的元素给定为:

其中deg(vi) 表示顶点 i 的度。

对称归一化的拉普拉斯 (Symmetric normalized Laplacian)

对称归一化的拉普拉斯矩阵定义为:

,

 的元素给定为:

随机游走归一化的拉普拉斯 (Random walk normalized Laplacian)

随机游走归一化的拉普拉斯矩阵定义为:

 的元素给定为

泛化的拉普拉斯 (Generalized Laplacian)

泛化的拉普拉斯Q定义为:

注意:普通的拉普拉斯矩阵为泛化的拉普拉斯矩阵。

例子

Labeled graph Degree matrix Adjacency matrix Laplacian matrix

拉普拉斯矩阵半正定性证明

原文地址:https://www.cnblogs.com/shiyublog/p/9785342.html

时间: 2024-10-08 20:44:33

拉普拉斯矩阵(Laplacian Matrix) 及半正定性证明的相关文章

拉普拉斯矩阵(Laplace Matrix)与瑞利熵(Rayleigh quotient)

作者:桂. 时间:2017-04-13  07:43:03 链接:http://www.cnblogs.com/xingshansi/p/6702188.html 声明:欢迎被转载,不过记得注明出处哦~ 前言 前面分析了非负矩阵分解(NMF)的应用,总觉得NMF与谱聚类(Spectral clustering)的思想很相似,打算分析对比一下.谱聚类更像是基于图(Graph)的思想,其中涉及到一个重要概念就是拉普拉斯矩阵(Laplace matrix),想着先梳理一下这个矩阵: 1)拉普拉斯矩阵基

Cauchy矩阵的正定性推广

问题    证明如下Cauchy矩阵正定$$A=\left(\frac{1}{a_{i}+a_{j}}\right)_{n\times n},a_{i}\neq a_{j}>0$$ 证明不难,由于他的各阶顺序主子式是可求的,容易验证均为正,从而$A$正定:另一方法是利用欧式空间一组基的度量矩阵必为正定的,这里我们取\begin{align*}V={\rm span}\{x^{a_{1}-1/2},\cdots,x^{a_{n}-1/2}\},x\in[0,1]\tag{1}\end{align*

从拉普拉斯矩阵说到谱聚类

转载:http://blog.csdn.net/v_july_v/article/details/40738211   0 引言     11月1日上午,机器学习班第7次课,邹博讲聚类(PPT),其中的谱聚类引起了自己的兴趣,他从最基本的概念:单位向量.两个向量的正交.方阵的特征值和特征向量,讲到相似度图.拉普拉斯矩阵,最后讲谱聚类的目标函数和其算法流程.     课后自己又琢磨了番谱聚类跟拉普拉斯矩阵,打算写篇博客记录学习心得, 若有不足或建议,欢迎随时不吝指出,thanks. 1 矩阵基础

矩阵(matrix)

我们定义一个矩阵的权值为这个矩阵四个角上的数值的最小值.现在小M有一个矩阵,他想在这个矩阵中寻找到一个权值最大的子矩阵,请你告诉他这个最大权值.(距形规模最大为2000*2000) 比赛 看到第二题那么大的数据 就他妈不想写了..直接写了个爆搜看第三题,也就是这题..总感觉可以做的感觉,但就是想不出好的办法,爆搜估计也就10分,感觉不大合算,自己写了几组数据,感觉答案一般都会在2*2的矩形里,就直接枚举了2*2的矩形,还怀揣着骗个30~40的分,结果逗比了,0分..标准算法应该是二分答案,将不比

OpenGL投影矩阵(Projection Matrix)构造方法

(翻译,图片也来自原文) 一.概述 绝大部分计算机的显示器是二维的(a 2D surface).在OpenGL中一个3D场景需要被投影到屏幕上成为一个2D图像(image).这称为投影变换(参见这或这),需要用到投影矩阵(projection matrix). 首先,投影矩阵会把所有顶点坐标从eye coordinates(观察空间,eye space或view space)变换到裁剪坐标(clip coordinated,属于裁剪空间,clip space).然后,这些裁剪坐标被变换到标准化设

Laplacian matrix(转)

转自:https://en.wikipedia.org/wiki/Laplacian_matrix#Deformed_Laplacian Laplacian matrix From Wikipedia, the free encyclopedia In the mathematical field of graph theory, the Laplacian matrix, sometimes called admittance matrix, Kirchhoff matrix or discr

【Math for ML】矩阵分解(Matrix Decompositions) (上)

I. 行列式(Determinants)和迹(Trace) 1. 行列式(Determinants) 为避免和绝对值符号混淆,本文一般使用\(det(A)\)来表示矩阵\(A\)的行列式.另外这里的\(A∈R^{n×n}\)默认是方阵,因为只有方阵才能计算行列式. 行列式如何计算的就不在这里赘述了,下面简要给出行列式的各种性质和定理. 定理1:当且仅当一个方阵的行列式不为0,则该方阵可逆. 定理2:方阵\(A\)的行列式可沿着某一行或某一列的元素展开,形式如下: 沿着第\(i\)行展开:\[de

2020/02/15 理解图论中的拉普拉斯算子与拉普拉斯矩阵

学习资料 知乎-[其实贼简单]拉普拉斯算子和拉普拉斯矩阵 CSDN-我见过最清晰的–理解梯度,散度,旋度 原文地址:https://www.cnblogs.com/Research-XiaoEMo/p/12311268.html

实对称矩阵的正定性、负定性、半定性和不定性

????设实对称矩阵 ???? 方阵 的行列式用 表示,其各阶顺序主子式为 ,则 ????一阶顺序主子式: ???? 二阶顺序主子式: ???? 三阶顺序主子式: ???? 其余各阶顺序主子式依次类推.下表给出各矩阵的定义以及充分必要条件 名称 定义 充要条件 正定矩阵 特征值都大于零的实对称矩阵 所有各阶顺序主子式都大于零,即 半正定矩阵 特征值都不小于零的实对称矩阵 且 负定矩阵 特征值都小于零的实对称矩阵 ???? 半负定矩阵 特征值都不大于零的实对称矩阵 且 不定矩阵 特征值既有大于零又