[论文解读] On the skew-spectral distribution of randomly oriented graphs

Yilun Shang|arXiv (Cornell University)|Feb 8, 2017

Random Matrices and Applications被引用 4

一句话总结

该论文证明，在$ p $和$ q $满足温和条件时，随机定向的Erdős-Rényi图$ G_{n,p}^{\tau} $的归一化斜对称邻接矩阵的谱分布几乎必然收敛于标准半圆律，当$ n \to \infty $时。与经典Wigner型结果不同，该结论无需矩阵元素具有有限矩，从而将半圆律推广至更广泛的重尾随机斜对称矩阵类。

ABSTRACT

The randomly oriented graph $G_{n,p}^σ$ is an Erdős-Rényi random graph $G_{n,p}$ with a random orientation $σ$, which assigns to each edge a direction so that $G_{n,p}^σ$ becomes a directed graph. Denote by $S_n$ the skew-adjacency matrix of $G_{n,p}^σ$. Under some mild assumptions, it is proved in this paper that, the spectral distribution of $S_n$ (under some normalization) converges to the standard semicircular law almost surely as $n ightarrow\infty$. It is worth mentioning that our result does not require finite moments of the entries of the underlying random matrix.

研究动机与目标

• 研究随机定向Erdős-Rényi图中斜对称邻接矩阵的谱分布。
• 在最小矩假设下，确定极限谱分布是否遵循半圆律。
• 将经典随机矩阵理论结果扩展至具有潜在重尾条目的斜对称随机矩阵。
• 分析归一化矩阵$ n^{-1/2}X_n $的经验谱分布收敛于标准半圆分布的过程。

提出的方法

• 定义归一化厄米特矩阵$ X_n = \frac{-\mathbf{i}S_n - \mathbf{i}p(1-2q)Y_n}{r} $，其中$ S_n $为斜对称邻接矩阵，$ Y_n $为完整斜对称矩阵。
• 引入归一化因子$ r = \sqrt{(1+p(1-2q))^2 pq + (1-p(1-2q))^2 p(1-q)} $，以确保$ X_n $上三角条目的方差为1。
• 应用矩方法，证明$ n^{-1/2}X_n $的经验谱分布的第$ k $阶矩收敛于标准半圆律的第$ k $阶矩。
• 分析完全图$ K_n $上长度为$ k $的闭游走，根据边遍历奇偶性与顶点数的不同情况对矩进行有界估计。
• 利用特定结构（如具有双向弧的树）的闭游走数量的组合估计，推导出极限矩行为。
• 通过证明所有矩的收敛性及分布序列的紧性，证明谱分布的几乎必然收敛。

实验结果

研究问题

• RQ1 当$ n \to \infty $时，随机定向Erdős-Rényi图的斜对称邻接矩阵的谱分布是否收敛于半圆律？
• RQ2 当$ p \to 0 $时，是否可在不假设矩阵条目具有有限矩的条件下建立该收敛性？
• RQ3 定向概率$ q $如何影响极限谱分布，特别是当$ q \neq 1/2 $时？
• RQ4 归一化因子$ r $在实现单位方差及确保收敛于半圆律中起什么作用？
• RQ5 矩方法能否成功应用于具有重尾条目的斜对称随机矩阵？

主要发现

• 在$ nr^2 \to \infty $且$ p(1-2q) \to 0 $的条件下，$ n^{-1/2}X_n $的经验谱分布几乎必然弱收敛于标准半圆律。
• 极限分布的概率密度为$ f(x) = \frac{1}{2\pi}\sqrt{4 - x^2} \mathbf{1}_{|x| \leq 2} $，对应于标准半圆律。
• 即使底层随机矩阵的条目具有无限矩，该结果依然成立，这使得经典Wigner半圆律的假设失效。
• 对于奇数$ k $，谱分布的第$ k $阶矩在$ n \to \infty $时收敛于零，与半圆律一致。
• 对于偶数$ k = 2t $，第$ k $阶矩收敛于$ \frac{1}{t+1}\binom{2t}{t} $，与标准半圆分布的第$ k $阶矩一致。
• 对于$ n=1000 $，$ p=0.1 $，$ q=0.5 $的数值模拟结果表明，经验特征值分布与理论半圆密度高度吻合。