Springe zum Hauptinhalt
Professur Algorithmische und Diskrete Mathematik
Algorithmische und Diskrete Mathematik

Spektrale Graphentheorie

Sommersemester 2017
 
Vorlesung:

Uwe Schwerdtfeger

Montag, 3. LE, 11:30 - 13:00 in Raum 2/B202

Logo der Arbeitsgruppe

Kurzbeschreibung

Inhalt: Einem Graphen lassen sich zahlreiche Matrizen zuordnen wie z.B. die
Adjazenzmatrix. Isomorphe Graphen haben ähnliche Matrizen,
daher ist das charakteristische Polynom bzw. Spektrum (Eigenwerte mit
Vielfachheiten) eine Isomorphieinvariante des Graphen.
Umgekehrt gibt es aber nicht-isomorphe Graphen mit
demselben Spektrum. Welche weiteren (spektralen) Informationen helfen diese
Graphen zu unterscheiden? Welche strukturellen Informationen lassen sich
aus dem Spektrum ablesen? Zum Beispiel lässt sich der Durchmesser eines
Graphen durch die Anzahl der verschiedenen Eigenwerte der Adjazenzmatrix
und die chromatische Zahl durch ihren maximalen Eigenwert abschätzen. Aus
der Laplace-Matrix erhält man die Anzahl der Spannbäume
(Matrix-Baum-Satz) und Zusammenhangsinformationen.

Zielgruppe:

Vorwissen:

Mathematiker (wob: M_Ma*), Informatiker

Lineare Algebra, besonders wichtig: Determinanten, charakteristisches und Minimalpolynom, Spektralsatz

Grundbegriffe der Graphentheorie (Knoten, Kanten, Adjazenzmatrix, Baum, bipartit, Weg, Kreis, Isomorphie...) wie etwa in der Vorlesung "Einführung in die Diskrete Mathematik" oder jedem Buch über Graphentheorie (s.u.) angegeben

Literatur

Die Vorlesung orientiert sich vorwiegend an folgenden Büchern.

  • D. Cvetkovic, M. Doob, H. Sachs, Spectra of Graphs, 3. Auflage, Johann Ambrosius Barth, 1995

  • D. Cvetkovic, P. Rowlinson, S. Simic, Eigenspaces of Graphs, Cambridge University Press, 1997

  • D. Cvetkovic, P. Rowlinson, S. Simic, An Introduction to the Theory of Graph Spectra, Cambridge University Press, 2010

Graphentheoretische Grundbegriffe kann man auf den ersten Seiten fast jeden Buches zum Thema finden, etwa (Google mich!)

  • R. Diestel, Graphentheorie, Springer, 1996
Valid HTML 4.0 Transitional