It is known from the algebraic graph theory that if $L$ is the Laplacian matrix of some tree $G$ with a vertex degree sequence $\mathbf{d}=(d_1, ..., d_n)^\top$ and $D$ is its distance matrix, then $LD+2I=(2\cdot\mathbf{1}-\mathbf{d})\mathbf{1}^\top$, where $\mathbf{1}$ is an all-ones column vector. We prove that if this matrix identity holds for the Laplacian matrix of some graph $G$ with a degree sequence $\mathbf{d}$ and for some matrix $D$, then $G$ is essentially a tree, and $D$ is its distance matrix. This result immediately generalizes to weighted graphs. If the matrix $D$ is symmetric, the lower triangular part of this matrix identity is redundant and can be omitted. Therefore, the above bilinear matrix equation in $L$, $D$, and $\mathbf{d}$ characterizes trees in terms of their Laplacian and distance matrices. Applications to the extremal graph theory (especially, to topological index optimization and to optimal tree problems) and to road topology design are discussed.


翻译:从位数图形理论中可以知道,如果$L$是某些树的拉普拉西亚基质, $G$是某种树的拉普拉卡基质 $G$, 顶部$[d_1,......, d_n) $@top$和$D$是它的距离基质, 那么$LD+2I=( 2\cdot\mathbf{1}-\mathbf{{d})\ mathbf{1} 顶部$, 美元是所有单位的矢量。 我们证明, 如果这个基质身份包含一些具有顶级序列$G$G$(d_1,..., d_n) 和 美元是它的远端矩阵, 那么$G$基本上是一个树, 美元是它的距离基质图。 如果矩阵 $D$是正数, 这个基质指数的较低三角部分是多余的, 可以省略。 因此, 上面的双线基质矩阵基质方方方方方方方方方( $D$, 和 mextial deal descrial degrational deal deal destrate) rial deal descrial deal deal deal 和 rigromato rigromax 和 rigromas met rimas mours metsmetsm 和 和 rial demax rial destruttal demax 和 rial demax 和 rigrigrigromax rigromax rigromax 和 rimax rigromax rigromax rigromax 。

0
下载
关闭预览

相关内容

Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
106+阅读 · 2020年5月15日
Python分布式计算,171页pdf,Distributed Computing with Python
专知会员服务
105+阅读 · 2020年5月3日
【图神经网络(GNN)结构化数据分析】
专知会员服务
114+阅读 · 2020年3月22日
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
腊月廿八 | 强化学习-TRPO和PPO背后的数学
AI研习社
17+阅读 · 2019年2月2日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
8+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年3月19日
Arxiv
0+阅读 · 2021年3月17日
Arxiv
0+阅读 · 2021年3月17日
Arxiv
3+阅读 · 2018年10月18日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
腊月廿八 | 强化学习-TRPO和PPO背后的数学
AI研习社
17+阅读 · 2019年2月2日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
8+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员