[论文解读] Spectral results for the dominating induced matching problem

Domingos M. Cardoso, Enide Andrade+2 more|arXiv (Cornell University)|Nov 12, 2013

Advanced Graph Theory Research参考文献 9被引用 3

一句话总结

本文表征了具有完全支配诱导匹配（CDIM）的图的邻接矩阵、拉普拉斯矩阵和无符号拉普拉斯矩阵的谱，通过其主特征向量建立了此类图的多项式时间识别方法，并利用特征值推导出支配诱导匹配大小的紧致上下界。主要贡献在于将谱图论与CDIM图的算法识别及结构分析相联系。

ABSTRACT

A matching M is a dominating induced matching of a graph, if every edge of the graph is either in $M$ or has a common end-vertex with exactly one edge in $M$. The concept of complete dominating induced matching is introduced as graphs where the vertex set can be partitioned into two subsets, one of them inducing an $1$-regular graph and the other defining an independent set and such that all the remaining edges connect each vertex of one set to each vertex of the other. The principal eigenvectors of the adjacency, Laplacian and signless Laplacian matrices of graphs with complete dominating induced matchings are characterized and, therefore, the polynomial time recognition of graphs with complete dominating induced matchings is stated. The adjacency, Laplacian and signless Laplacian spectrum of graphs with complete dominating induced matchings are characterized. Finally, several upper and lower bounds on the cardinality of a dominating induced matching obtained from the eigenvalues of the adjacency, Laplacian and signless Laplacian matrices are deduced and examples for which some of these bounds are tight are presented.

研究动机与目标

• 表征具有完全支配诱导匹配（CDIM）的图的邻接矩阵、拉普拉斯矩阵和无符号拉普拉斯矩阵的谱。
• 基于其主特征向量的谱性质，建立识别具有CDIM的图的多项式时间算法。
• 基于图矩阵的特征值，推导支配诱导匹配大小的紧致上下界。
• 通过诱导匹配与独立集的并集运算，探讨CDIM在图中的结构与谱学意义。

提出的方法

• 将CDIM图建模为mK₂（2m个顶点）与一个空图（s个顶点）的并集，记为H = H_r ∨ H_s。
• 使用分块矩阵分解分析此类并集图的邻接矩阵、拉普拉斯矩阵和无符号拉普拉斯矩阵。
• 利用瑞利商和迹恒等式，从A(G)、L(G)和Q(G)的最大特征值推导出支配诱导匹配大小m的下界。
• 应用盖尔圆定理确保L(G)和Q(G)的特征值非负，并利用矩阵的对称性与实数性。
• 通过L(G)和Q(G)的迹推导界，并引入最小度δ(G)以优化不等式。
• 通过显式例子验证界，包括一个图满足σ_Q(G) = {1.0000^{[4]}, 1.5858, 2.2679, 4.0000, 4.4142, 5.7321}，得出m ≥ 2。

实验结果

研究问题

• RQ1 能否完全表征具有完全支配诱导匹配的图的邻接矩阵、拉普拉斯矩阵和无符号拉普拉斯矩阵的谱？
• RQ2 是否存在一种基于谱性质的多项式时间算法，用于识别具有完全支配诱导匹配的图？
• RQ3 能否基于A(G)、L(G)和Q(G)的特征值，为支配诱导匹配的大小推导出紧致界？
• RQ4 A(G)、L(G)和Q(G)的主特征向量如何反映具有完全支配诱导匹配的图的结构？
• RQ5 是否存在特定图族，使得所推导的|M|的特征值界是紧致的？

主要发现

• 具有完全支配诱导匹配的图的邻接矩阵、拉普拉斯矩阵和无符号拉普拉斯矩阵的谱，可通过mK₂与空图并集的分块矩阵结构完全表征。
• 可通过A(G)、L(G)和Q(G)的主特征向量结构，在多项式时间内识别具有完全支配诱导匹配的图。
• 从拉普拉斯谱导出|M|的下界：m ≥ (tr(L(G)) − n(μ₁ − 2δ(G))) / (2(2δ(G) + 1))。
• 从无符号拉普拉斯谱导出的下界为：m ≥ (tr(Q(G)) − n(q₁ − 2δ(G))) / (2(2δ(G) − 1))，并给出一个紧致例子，得出m ≥ 2。
• 对于例16中的图，无符号拉普拉斯界给出m ≥ 1.0685，因此m ≥ 2，验证了界的有效性。
• 本文证明，在|Λ⁻| = 4且|Λ⁺| = 4的图中，支配诱导匹配的最大大小满足|M| ≤ 4，与由特征值交错性推导出的上界一致。