[論文レビュー] Spectra of edge-independent random graphs

Linyuan Lü, Xing Peng|arXiv (Cornell University)|Apr 27, 2012

Random Matrices and Applications参考文献 16被引用数 4

ひとこと要約

この論文は、エッジ独立なランダムグラフにおけるスペクトル濃度の境界を改善し、隣接行列と正規化ラプラシアン行列の両方の誤差項における対数因子を除去した。より強いモーメント条件（$Δ ≫j τ^4 n$）の下で、$∥A - \bar{A}∥ ≤ (2+o(1))\sqrt{\Delta}$ および $∥L - \bar{L}∥ ≤ \left(2 + \sqrt{\sum_{\lambda \in \Lambda}(1 - \lambda)^2} + o(1)\right)/\sqrt{\delta}$ を証明し、オリベイラおよびチュン＝ラドクリフの先行結果を著しく改善した。

ABSTRACT

Let $G$ be a random graph on the vertex set $\{1,2,..., n\}$ such that edges in $G$ are determined by independent random indicator variables, while the probability $p_{ij}$ for $\{i,j\}$ being an edge in $G$ is not assumed to be equal. Spectra of the adjacency matrix and the normalized Laplacian matrix of $G$ are recently studied by Oliveira and Chung-Radcliffe. Let $A$ be the adjacency matrix of $G$, $\bar A=\E(A)$, and $Δ$ be the maximum expected degree of $G$. Oliveira first proved that almost surely $\|A-\bar A\|=O(\sqrt{Δ\ln n})$ provided $Δ\geq C \ln n$ for some constant $C$. Chung-Radcliffe improved the hidden constant in the error term using a new Chernoff-type inequality for random matrices. Here we prove that almost surely $\|A-\bar A\|\leq (2+o(1))\sqrtΔ$ with a slightly stronger condition $Δ\gg \ln^4 n$. For the Laplacian $L$ of $G$, Oliveira and Chung-Radcliffe proved similar results $\|L-\bar L|=O(\sqrt{\ln n}/\sqrtδ)$ provided the minimum expected degree $δ\gg \ln n$; we also improve their results by removing the $\sqrt{\ln n}$ multiplicative factor from the error term under some mild conditions. Our results naturally apply to the classic Erdős-Rényi random graphs, random graphs with given expected degree sequences, and bond percolation of general graphs.

研究の動機と目的

• エッジ独立なランダムグラフにおける隣接行列およびラプラシアン行列のスペクトル濃度境界を改善すること。
• オリベイラおよびチュン＝ラドクリフの結果に含まれていた $√{\ln n}$ 要因を誤差項から除去すること。
• より強いモーメント条件の下で固有値のずれに関するよりタイトな高確率的境界を確立すること。
• エッジ独立なランダムグラフモデルに加え、エッジ独立なグラフモデル（Erdős-Rényi、期待度数列、ボンドパーコレーションなど）への一般化を図ること。

提案手法

• ランダム行列に対する精密化されたチェルノフ型不等式を用いて、$A - \bar{A}$ のスペクトルノルムを制御する。
• ワイエルの定理を適用し、固有値のずれを行列差のスペクトルノルムに関連付ける。
• 期待ラプラシアン $\bar{L}$ にランク-$k$ 近似条件を導入し、期待度数が非一様な場合に対応する。
• 行列分解およびノルム推定技術を用いる。特に、直交射影と分散バウンドを用いた $\|M_4\|$ の分析を含む。
• エントリごとのずれを制御するため、$\eta = \sqrt[3]{\delta}/\sqrt[3]{k}$ として注意深く選んだしきい値を用いた集中不等式を適用する。
• 期待度数行列 $T$ と実際の度数の対角行列 $D$ の構造を用いて、$\|L - \bar{L}\|$ をバウンドする。

実験結果

リサーチクエスチョン

• RQ1 より強い仮定の下で、ランダムグラフのスペクトルずれ境界における $√{\ln n}$ 要因を除去できるか。
• RQ2 $Δ \gg \ln^4 n$ の下で、エッジ独立なランダムグラフの隣接行列に対する最適なスペクトル濃度境界は何か。
• RQ3 期待度数列が非一様な場合、正規化ラプラシアン $L$ のスペクトルずれはどのように振る舞うか。
• RQ4 期待ラプラシアン $\bar{L}$ が低ランク行列でよく近似可能となる条件は何か。
• RQ5 Erdős-Rényi グラフや、与えられた期待度数列を持つ $G(\mathbf{w})$ のような一般化されたランダムグラフモデルへ、結果を拡張できるか。

主な発見

• ほとんど確実に、$Δ \gg \ln^4 n$ の下で $\|A - \bar{A}\| \leq (2+o(1))\sqrt{\Delta}$ が成り立ち、オリベイラの $O(\sqrt{\Delta \ln n})$ の境界を改善する。
• 正規化ラプラシアンに関しては、$δ \gg \max\{k, \ln^4 n\}$ の下で $\|L - \bar{L}\| \leq \left(2 + \sqrt{\sum_{\lambda \in \Lambda}(1 - \lambda)^2} + o(1)\right)/\sqrt{\delta}$ が成り立ち、$√{\ln n}$ 要因が除去される。
• 期待度数列の $\text{rank}(\bar{A}) = k$ の特別な場合、境界は $\|L - \bar{L}\| \leq (2 + \sqrt{k} + o(1))/\sqrt{\delta}$ に簡略化される。
• 結果は、Erdős-Rényi グラフ、与えられた期待度数列を持つランダムグラフ、一般のグラフ上のボンドパーコレーションといった古典的モデルに適用可能である。
• 証明技法は、精密化された行列集中不等式と、ラプラシアンずれを4つの行列成分に分解する新しい手法に依存する。
• 主な革新点は、度数行列におけるエントリごとのずれを制御するためのしきい値 $\eta = \sqrt[3]{\delta}/\sqrt[3]{k}$ の使用であり、これによりよりタイトなノルムバウンドが可能になった。