[论文解读] Sparse random graphs: Eigenvalues and Eigenvectors

Linh V. Tran, Van Vu+1 more|arXiv (Cornell University)|Nov 30, 2010

Graph theory and applications参考文献 29被引用 4

一句话总结

该论文在度数 $d \to \infty$ 时建立了稀疏随机正则图 $G_{n,d}$ 的特征值的半圆律，补充了 McKay 对固定 $d$ 的结果。此外，该研究为 Erdős-Rényi 图 $G(n,p)$ 的特征向量的无穷范数提供了紧致上界，解决了 Dekel、Lee 和 Linial 提出的问题，其中 $p = \omega(\log n / n)$，当特征值远离 $\pm 2$ 时，上界为 $O\left(\sqrt{\log^{2.2}g(n) \log n / (np)}\right)$。这些结果依赖于谱范数控制以及通过矩阵切尔诺夫不等式和测度集中技术对矩阵预解式进行的随机分析。

ABSTRACT

In this paper we prove the semi-circular law for the eigenvalues of regular random graph $G_{n,d}$ in the case $d ightarrow \infty$, complementing a previous result of McKay for fixed $d$. We also obtain a upper bound on the infinity norm of eigenvectors of Erdős-Rényi random graph $G(n,p)$, answering a question raised by Dekel-Lee-Linial.

研究动机与目标

• 将半圆律从 Erdős-Rényi 随机图扩展到稀疏随机正则图 $G_{n,d}$，当 $d \to \infty$ 时，补充 McKay 对固定 $d$ 的结果。
• 解决 Dekel、Lee 和 Linial 关于 $G(n,p)$ 中特征向量分量集中性的疑问，其中 $p = \omega(\log n / n)$。
• 在谱隙条件下，建立 $G(n,p)$ 特征向量的 $\ell^\infty$-范数的紧致上界。
• 开发一个稳健的框架，用于使用预解式方法和集中不等式分析稀疏随机矩阵的谱性质。

提出的方法

• 使用归一化邻接矩阵 $M_n = \frac{1}{\sigma}(A_n - pJ_n)$ 来中心化特征值并归一化方差。
• 应用矩阵切尔诺夫不等式和测度集中技术来控制谱范数和特征值分布。
• 采用 Stieltjes 变换和预解式分析，通过预解式恒等式和交错性质研究极限谱分布。
• 利用 Cauchy 交错律和条件期望技术，将 $A_n$ 的 Stieltjes 变换与它的子矩阵的 Stieltjes 变换联系起来。
• 应用连续性论证和特征值间距的界，排除预解式方程中的虚假解。
• 对谱进行二元分解，并通过 $\ell^2$ 到 $\ell^\infty$ 的集中性（使用 $h(n) = \log^{0.001}g(n)$ 尺度的偏差）对特征向量分量的尾部概率进行估计。

实验结果

研究问题

• RQ1 当 $d \to \infty$ 时，随机正则图 $G_{n,d}$ 的特征值分布是否满足半圆律？
• RQ2 当 $p = \omega(\log n / n)$ 时，$G(n,p)$ 的特征向量的 $\ell^\infty$-范数是否可被控制？
• RQ3 稀疏 Erdős-Rényi 图中特征向量的 $\ell^\infty$-范数的最优衰减速率是什么？
• RQ4 当特征值远离谱边 $\pm 2$ 时，稀疏随机图的特征向量行为如何？
• RQ5 能否使用预解式方法证明 $G_{n,d}$ 的极限谱分布收敛到半圆律？

主要发现

• 当 $d \to \infty$ 时，$G_{n,d}$ 的经验谱分布收敛到半圆律，扩展了 McKay 对固定 $d$ 的结果。
• 当 $p = \omega(\log n / n)$ 时，$G(n,p)$ 的任意单位特征向量的 $\ell^\infty$-范数几乎必然为 $o(1)$，证实了 Dekel、Lee 和 Linial 的一个猜想。
• 当特征值远离 $\pm 2$ 时，特征向量的 $\ell^\infty$-范数被界为 $O\left(\sqrt{\log^{2.2}g(n) \log n / (np)}\right)$，在 $p = \omega(\log n / n) = g(n)\log n / n$ 条件下成立。
• 预解式方法通过条件期望和集中性成功控制了 $A_n$ 的 Stieltjes 变换，从而导致收敛到半圆律。
• 该证明表明，预解式方程的唯一有效解是半圆 Stieltjes 变换，通过连续性和虚部分量论证排除了虚假解。
• 分析表明，特征向量波动对预解式的影响在高概率下可忽略不计，从而实现了极限谱律的推导。