Mi situación es la siguiente: Tengo una matriz semidefinida positiva simétrica L (la matriz laplaciana de un grafo) y una matriz diagonal S con entradas positivas si .
Hay mucha literatura sobre el espectro de L y estoy más interesado en los límites del segundo valor propio más bajo, \lambda_2 .
Ahora la cosa es que no estoy usando el Laplaciano L sino el Laplaciano "generalizado L S^{-1} . Todavía necesito resultados sobre su segundo valor propio más bajo \lambda_2 (nótese que el menor valor propio del laplaciano, tanto el normal como el generalizado, es 0).
Mi pregunta es: ¿Existen algunos teoremas/lemas fácilmente disponibles que me permitan relacionar los espectros de L y L S^{-1} ?
EDIT: Por supuesto, LS^{-1} ya no es una matriz simétrica, por lo que me refiero a sus vectores propios derechos. Los valores propios de LS^{-1} son los mismos que los de S^{-1/2} L S^{-1/2} que de nuevo es una matriz semidefinida positiva simétrica, por lo que sé que existe una base propia.
0 votos
¿Cuál es el significado de LS^{-1} ? ¿Tiene alguna interpretación teórica de los gráficos?
0 votos
Le site 1/s_i son los pesos de los nodos. Una propiedad bien conocida de L es que x^T L x = \sum_{(i,j)\in E} (x_i - x_j)^2 . Se puede definir un producto escalar generalizado \langle x, y \rangle = \sum_i x_i y_i/s_i y luego tienes \langle x, LS^{-1} x \rangle = \sum_{(i,j)\in E} (x_i/s_i - x_j/x_j)^2