[论文解读] Signless laplacian characteristic polynomials of regular graph transformations

Jianping Li, Bo Zhou|arXiv (Cornell University)|Mar 22, 2013

Graph theory and applications参考文献 3被引用 3

一句话总结

本文推导出所有 16 种 $xyz$-变换的 $r$-正则图 $G$（具有 $n$ 个顶点和 $m$ 条边）的符号无符号拉普拉斯特征多项式，以 $n$、$m$、$r$ 和 $G$ 的符号无符号拉普拉斯谱表示。关键贡献是通过矩阵分块分解和特征值分析，系统地表征了这些变换的谱性质，从而能够计算所有此类导出图的完整符号无符号拉普拉斯谱。

ABSTRACT

Let $G$ be a simple $r$-regular graph with $n$ vertices and $m$ vertices. We give the signless Laplacian characteristic polynomials of $xyz$-transformations $G^{xyz}$ of $G$ in terms of $n$, $m$, $r$ and the signless Laplacian spectrum of $G$.

研究动机与目标

• 系统表征所有 $r$-正则图的 $xyz$-变换的符号无符号拉普拉斯谱。
• 将先前关于邻接矩阵和拉普拉斯谱的研究扩展到符号无符号拉普拉斯矩阵。
• 以 $n$、$m$、$r$ 和 $G$ 的特征值为参数，为 $G^{xyz}$ 的符号无符号拉普拉斯特征多项式提供闭式表达式。
• 在符号无符号拉普拉斯框架下，统一并推广现有图变换结果。

提出的方法

• 利用顶点-边关联矩阵 $R(G)$，建立 $Q(G) = R(G)R(G)^T$ 和 $R(G)^TR(G) = A(G^l) + 2I_m$ 之间的关系。
• 应用分块矩阵行列式恒等式（引理 2.2）以计算变换图的特征多项式。
• 采用矩阵 $P(M, J)$ 形式的特征值分解技术，其中 $M$ 为图矩阵，$J$ 为全 1 矩阵。
• 利用谱对称性和补图性质（引理 2.3），从 $G^{+++}$ 推导 $G^{---}$ 的谱。
• 应用引理 2.1 计算涉及 $Q(G)$、$R^TR$ 和 $J$-矩阵的复合矩阵的特征值。
• 对表示 $G^{xyz}$ 的大分块矩阵执行分块矩阵行变换，以简化其行列式。

实验结果

研究问题

• RQ1 如何以原图的谱和参数 $n$、$m$、$r$ 表示任意 $xyz$-变换的符号无符号拉普拉斯特征多项式？
• RQ2 在符号无符号拉普拉斯矩阵下，$G^{xyz}$ 与原图 $G$ 之间的谱关系是什么？
• RQ3 涉及补图（$z = -$）或完全图（$z = 1$）的变换如何影响符号无符号拉普拉斯谱？
• RQ4 能否通过谱恒等式和矩阵分解，统一推导出 $G^{1--}$、$G^{+--}$ 和 $G^{---}$ 的谱？
• RQ5 全 1 矩阵和矩阵分块结构在简化复杂图变换的特征多项式中起到什么作用？

主要发现

• $G^{1--}$ 的符号无符号拉普拉斯特征多项式为 $f(\lambda, G^{1--}) = (2-n)^{-n} (\lambda - n - m + 2r)^{m-n} |B|$，其中 $B$ 是一个其特征值可显式计算的矩阵。
• 对于 $G^{+--}$，特征多项式为 $f(\lambda, G^{+--}) = [(λ - m - r)(λ - n - 2m + 4r) + (4-n)m - 2r] (\lambda - n - m + 2r)^{m-n} \prod_{i=1}^{n-1} [(λ - n - m + 2r + q_i)(λ + r - m - q_i) - q_i]$，其中 $q_i$ 为 $G$ 的符号无符号拉普拉斯特征值。
• $G^{---}$ 的谱通过补图性质推导得出：$f(\lambda, G^{---}) = (\lambda - 2n - 2m + 4r + 2)(\lambda + 3r - n - m)(\lambda + 2r - n - m)^{m-n} \prod_{i=1}^{n-1} [(λ - n - m + r + q_i + 2)(λ + 2r - n - m + q_i) - q_i]$，显示出对称的谱偏移。
• 该方法成功推广至所有 16 种 $xyz$-变换（$x,y,z \in \{0,1,+, -\}$），为正则图提供了完整的谱表征。
• 所推导的公式适用于所有 $r$-正则图，且仅依赖于 $n$、$m$、$r$ 和 $G$ 的特征值 $q_1, \dots, q_n$，从而可实现高效的谱计算。
• 利用分块矩阵恒等式和特征值扰动技术，可在无需完整矩阵计算的情况下，精确推导出特征多项式。