[论文解读] Cheeger estimates of Dirichlet-to-Neumann operators on infinite subgraphs of graphs

Bobo Hua, Yan Huang+1 more|arXiv (Cornell University)|Oct 25, 2018

Spectral Theory in Mathematical Physics参考文献 26被引用 4

一句话总结

本文建立了图的无限子图上Dirichlet-to-Neumann（DtN）算子的Cheeger型估计，证明了k阶特征值的下界和上界以高阶Cheeger-Steklov常数表示。通过穷举法和谱收敛性，将有限图的结果推广至无限情形，表明底谱和更高阶特征值受几何等周量控制，且下界中存在显式的通用常数。

ABSTRACT

In this paper, we study the Dirichlet-to-Neumann operators on infinite subgraphs of graphs. For an infinite graph, we prove Cheeger-type estimates for the bottom spectrum of the Dirichlet-to-Neumann operator, and the higher order Cheeger estimates for higher order eigenvalues of the Dirichlet-to-Neumann operator.

研究动机与目标

• 将Dirichlet-to-Neumann算子的Cheeger型特征值估计从有限图推广至图的无限子图。
• 利用穷举技术，为无限图上DtN算子的k阶特征值建立高阶Cheeger估计。
• 证明DtN算子的底谱和更高阶特征值受几何等周常数的上下界控制，推广有限图结果。
• 展示有限穷举集上特征值的谱收敛性可导出无限图极限下特征值的全局估计稳定性。

提出的方法

• 通过有限顶点集对图进行穷举，构造无限子图上的Dirichlet-to-Neumann算子。
• 利用调和延拓和边界Dirichlet-to-Neumann映射，在有限子图上定义特征值问题。
• 应用穷举集上拉普拉斯特征值的谱收敛性，证明DtN特征值收敛至无限图极限。
• 应用Lee、Oveis Gharan与Trevisan（2014）的高阶Cheeger不等式，以k路划分常数界定k阶特征值。
• 定义高阶Cheeger-Steklov常数 $ h_k^k(W) $ 和 $ h_k(\theta) $，以量化子图的等周性质。
• 证明穷举集上特征值的极限等于无限图上的特征值，从而实现全局估计的推导。

实验结果

研究问题

• RQ1 能否将Dirichlet-to-Neumann算子的Cheeger型估计从有限图推广至图的无限子图？
• RQ2 无限图上DtN算子的高阶特征值如何与几何等周常数关联？
• RQ3 穷举序列在逼近无限图上DtN算子谱的过程中起什么作用？
• RQ4 能否利用有限穷举集的谱收敛性，推导出无限图上特征值的全局上下界？
• RQ5 在无限图情形下，k阶特征值对k阶Cheeger-Steklov常数的依赖关系如何？

主要发现

• 无限子图上DtN算子的第一非平凡特征值满足 $ \sigma_2(W) \geq \frac{1}{4} h_N(W) h_J(W) $，将Jammes的估计推广至无限图。
• 对于k阶特征值，本文证明了 $ \sigma_k(W) \geq \frac{c}{k^6} h_k(W) $，其中 $ h_k(W) $ 为k阶Cheeger-Steklov常数，$ c $ 为通用常数。
• 上界满足 $ \sigma_k(W) \leq h_k^k(W) $，表明估计在高阶等周常数意义下是紧致的。
• 建立了谱收敛性：$ \lim_{r \to \infty} \lambda^{(r)}_{k,D}(W) = \sigma_k(W) $，确保了在穷举下特征值估计的稳定性。
• 无限图 $ \Omega $ 上DtN算子的底谱满足 $ \sigma_k(\Omega) \geq \frac{c}{k^6} h_k(\Omega) $ 且 $ \sigma_k(\Omega) \leq h_k^k(\Omega) $，极限取自穷举序列。
• 结果将[HHW17]和[HM17]中的有限图估计推广至无限情形，建立了谱性质与几何性质之间稳健的联系。