图的一些基本知识：关联矩阵、拉普拉斯矩阵

2024-05-19 00:39:12

目录

前言
关联矩阵（Incidence Matrix）
- 有向图举例
- 无向图举例
拉普拉斯矩阵（Laplacian）
- 举例说明
参考文献

前言

本文介绍了一些图论的基础知识，包括图的关联矩阵、拉普拉斯矩阵，其中只考虑无自环的情况，本文中某些图片或者知识的参考/来源已列于本文最后。图、邻居、度矩阵、邻接矩阵参考另一篇博客https://blog.csdn.net/luzaijiaoxia0618/article/details/104718146

关联矩阵（Incidence Matrix）

关联矩阵是n×m的矩阵，n为顶点数量，m为边数量。
对于有向图，关联矩阵如下，其中若顶点在边的起点，则 dij=1；若顶点在边的终点，则 dij=-1；其他 dij=0。

对于无向图，关联矩阵中，顶点只要在边上，则dij=1；其他 dij=0。

有向图举例

有向图关联矩阵特点：

每一列只有两个非零元素，一个是+1，一个是-1，关联矩阵每一列元素之和为零。
矩阵中任一行可以从其他 n-1 行中导出，即只有 n-1 行是独立的。

无向图举例

无向图关联矩阵特点:

因为每条边关联于两个顶点，所以关联矩阵每一列有且只有两个1
关联矩阵的每一行种的所有元素之和对应于此行顶点的度
若某一行所有的元素都为0，则此行对应的顶点为孤立点
重边所对应的列元素完全相同

拉普拉斯矩阵（Laplacian）

拉普拉斯矩阵 = 度矩阵 - 邻接矩阵，其中有向图度矩阵根据应用情况使用出度矩阵或者入度矩阵。

举例说明

该无向图的度矩阵&邻接矩阵：

该无向图的拉普拉斯矩阵：

拉普拉斯矩阵性质：

拉普拉斯矩阵是半正定矩阵；
特征值中0出现的次数就是图连通区域的个数；
最小特征值是0，对应的特征向量为全1列向量，因为拉普拉斯矩阵每一行的和均为0；
每一行的行和为0；

参考文献

[1] Mesbahi M, Egerstedt M. Graph theoretic methods in multiagent networks[M]. Princeton University Press, 2010.
[2] https://wenku.baidu.com/view/88172a8f09a1284ac850ad02de80d4d8d05a0158.html
[3] https://wenku.baidu.com/view/9476691f2e60ddccda38376baf1ffc4ffe47e232.html

图的一些基本知识：关联矩阵、拉普拉斯矩阵相关推荐

理解GCN(二）从拉普拉斯矩阵到Ncut问题
0 文章小节分类相关线代启示录对Laplancian Matrix的基础理解对经典文章<Normalized Cuts and Image Segmentation>中的normal ...
拉普拉斯矩阵（Laplacian matrix）的求解
文章最前: 我是Octopus,这个名字来源于我的中文名--章鱼:我热爱编程.热爱算法.热爱开源.所有源码在我的个人github :这博客是记录我学习的点点滴滴,如果您对 Python.Java.AI ...
邻接矩阵与拉普拉斯矩阵
图与邻接矩阵一般的,图可以有顶点的坐标 + 点与点之间的距离表示,即记为G=(V,E),V是图中所有顶点的坐标,E是点与点之间的距离,即边长. 为了更高效的表示一张图,常常用邻接矩阵来表示,邻接矩阵 ...
【Pytorch神经网络理论篇】 25 基于谱域图神经网络GNN：基础知识+GNN功能+矩阵基础+图卷积神经网络+拉普拉斯矩阵
图神经网络(Graph Neural Network,GNN)是一类能够从图结构数据中学习特征规律的神经网络,是解决图结构数据(非欧氏空间数据)机器学习问题的最重要的技术. 1 图神经网络的基础知识 ...
图的一些基本知识：图，邻居，度矩阵，邻接矩阵
目录前言图(Graph) 邻居(Neighborhood) 度矩阵(Degree) 邻接矩阵(Adjacency) 参考文献前言本文介绍了一些图论的基础知识,包括图的表示.邻接矩阵.度矩阵等( ...
图拉普拉斯矩阵的定义、推导、性质、应用
导语:在学习图神经网络时,不可避免地要遇到拉普拉斯算子,拉普拉斯矩阵,图傅里叶变换,拉普拉斯特征分解向量等等一堆概念,了解其中的来源,定义,推导,对于后续图卷积神经网络的演进过程会有更深刻的理解文章 ...
有负权重边的图可以有拉普拉斯矩阵吗？
在看论文Temporal Regularized Matrix Factorization for High-dimensional Time Series Prediction的时候,看到了这样 ...
图神经网络（一）图信号处理与图卷积神经网络（2）图信号与图的拉普拉斯矩阵
图神经网络(一)图信号处理与图卷积神经网络(2)图信号与图的拉普拉斯矩阵给定图G=(V,E)G=(V,E)G=(V,E),V表示图中的节点集合,假设其长度为NNN,图信号是一种描述V→RV→RV→ ...
图卷积网络原理（二）【图信号与图的拉普拉斯矩阵】
矩阵乘法的三种视角后续图卷积网络的原理讲解主要以矩阵乘法的显示展开,这里介绍矩阵乘法的几种不同的视角,这些视角有助于我们理解图卷积网络的逻辑过程. 对于矩阵 A∈Rm×nA\in R^{m\time ...

最新文章

热门文章