[论文解读] On the positive and negative inertia of weighted graphs

Shuchao Li, Feifei Song|arXiv (Cornell University)|Jul 19, 2013

Graph theory and applications参考文献 10被引用 5

一句话总结

本文提出显式方法，通过结构分解与合同变换，计算加权树、单环图及双环图的正负惯性指数。关键贡献在于一种递归约化技术，将复杂加权图的惯性表示为更简单子图（如路径与环）的惯性，对特定图族（如θ(p,l,q)图及其通过环长周期性模式推广的图）给出闭式公式。

ABSTRACT

The number of the positive, negative and zero eigenvalues in the spectrum of the (edge)-weighted graph $G$ are called positive inertia index, negative inertia index and nullity of the weighted graph $G$, and denoted by $i_+(G)$, $i_-(G)$, $i_0(G)$, respectively. In this paper, the positive and negative inertia index of weighted trees, weighted unicyclic graphs and weighted bicyclic graphs are discussed, the methods of calculating them are obtained.

研究动机与目标

• 开发系统化方法以计算加权图的正负惯性指数。
• 解决加权图中惯性研究缺乏全面结果的问题，特别是针对树、单环图与双环图结构。
• 通过将边权重纳入惯性计算，将已知的无权图结果推广至加权情形。
• 基于图结构与权重配置，提供惯性指数的显式公式与递归约化技术。

提出的方法

• 使用合同变换在加权图结构简化过程中保持惯性指数不变。
• 应用递归分解：对于加权单环图与双环图，将问题约化为更小的子图（如路径与环）。
• 运用初等合同矩阵运算简化邻接矩阵，同时保持特征值符号计数不变。
• 基于权重条件与环的奇偶性，推导θ(p,l,q)图惯性指数的闭式表达式。
• 引入图基（χ_B）与顶点诱导子图（B{v}），将双环图分类为I型与II型，以适用不同的惯性计算规则。
• 利用模算术对环长进行分析，建立广义θ(a,c,b)图惯性指数的周期性模式。

实验结果

研究问题

• RQ1 如何计算具有任意正边权的加权树与单环图的正负惯性指数？
• RQ2 边权的何种结构条件决定了θ(p,l,q)图的惯性指数？
• RQ3 加权双环图的惯性指数如何依赖于基图与附着树的结构？
• RQ4 能否通过较小子图递归计算大型加权双环图的惯性？
• RQ5 图类型（I型或II型）在决定惯性指数可加性方面起什么作用？

主要发现

• 对于θ(3,3,q)，正负惯性指数均为2加上路径P_{q-2}的对应指数，与权重无关。
• 对于θ(4,4,q)，惯性指数为1加上依赖于权重比的修正加权环G*的指数。
• 对于θ(5,5,q)，惯性指数取决于一个权重条件：若a₁b₂a₃b₄ = b₁a₂b₃a₄，则指数为1加上C_{q+3}的指数；否则为2加上P_{q+2}的指数。
• 对于小型θ图如θ(2,4,3)，惯性指数取决于a₁b₂与b₁b₃的比较，两种情况下结果不同。
• 对于θ(2,3,5)与θ(3,4,5)，正负惯性指数分别为3与4，与权重无关。
• 对于广义θ(a,c,b)图，其中a=4k+p，b=4s+q，c=4t+l（2≤p,q,l≤5），惯性指数为2(k+s+t)加上基图θ(p,l,q)的指数。