[论文解读] Graphs and Hermitian matrices: discrepancy and singular values

Béla Bollobás, Vladimir Nikiforov|ArXiv.org|Apr 30, 2004

Graph theory and applications参考文献 8被引用 5

一句话总结

本文建立了厄米特矩阵的第二奇异值与其差异性之间的紧密界限，证明了存在绝对常数 $C_1$，使得 $\sigma_2(A) \leq C_1 \cdot \text{disc}(A) \log n$，并证明该界限在常数因子范围内最优。本文构造了稠密正则图，其违反了 Chung 的猜想，表现出 $\sigma_2(G) \geq C_2 \cdot \text{disc}_2(G) \log |G|$，从而推翻了她关于正则图中第二奇异值与差异性关系的猜想。

ABSTRACT

We introduce a measure of discrepancy of Hermitian matrices and establish an inequality between the second singular value of a Hermitian matrix and its discrepancy. These results are applied to answer two questions of Fan Chung about graph eigenvalues.

研究动机与目标

• 研究厄米特矩阵 $A$ 的第二奇异值 $\sigma_2(A)$ 与其差异性 $\text{disc}(A)$ 之间的关系，将图的差异性概念推广至矩阵。
• 通过构造反例，解决 Fan Chung 提出的猜想，即对所有正则图 $G$，有 $\sigma_2(G) < C \cdot \text{disc}_2(G)$。
• 检验稀疏图中低差异性是否意味着第二奇异值较小，回应 Chung 与 Graham 关于稀疏情形下拟随机性质的疑问。
• 提供一种通用构造，表明即使差异性很小，也不能保证第二奇异值小。

提出的方法

• 将矩阵差异性函数 $\text{disc}(A)$ 定义为：对所有非空子集 $X,Y \subset [n]$，子矩阵和相对于整体均值 $\rho(A)$ 的最大归一化偏差。
• 利用谱分解与奇异值分析，通过组合与概率论证引入对数因子，将 $\sigma_2(A)$ 以 $\text{disc}(A)$ 为基准进行有界。
• 通过代数构造（如强正则图或凯莱图）显式构造一族稠密正则图 $G_p$，其特征值与边分布可控。
• 证明对于这些图，存在绝对常数 $C_2 > 0$，使得 $\sigma_2(G) \geq C_2 \cdot \text{disc}_2(G) \log |G|$，直接与 Chung 的猜想矛盾。
• 通过构造不相交并集 $G(n) \cup K_{\lfloor pn \rfloor}$，证明 DISC(1) 不蕴含 EIG，即使 $p = o(1)$，因为差异性被保留，但小第二特征值行为被破坏。

实验结果

研究问题

• RQ1 是否存在一个通用常数 $C$，使得对所有正则图 $G$，都有 $\sigma_2(G) < C \cdot \text{disc}_2(G)$？
• RQ2 能否以差异性为基准界定厄米特矩阵的第二奇异值，且该界限的紧度如何？
• RQ3 稀疏图中低差异性是否意味着第二奇异值较小，如同稠密情形一样？
• RQ4 是否存在一类图，其差异性很小但第二奇异值仍很大，从而与关于拟随机性的猜想相矛盾？

主要发现

• 第二奇异值满足 $\sigma_2(A) \leq C_1 \cdot \text{disc}(A) \log n$，其中 $C_1$ 为绝对常数，且该界限在乘法常数因子范围内最优。
• 存在无穷多个稠密正则图 $G$，使得 $\sigma_2(A(G)) \geq C_2 \cdot \text{disc}_2(A(G)) \log |G|$，其中 $C_2 > 0$ 为绝对常数，从而推翻了 Chung 的猜想。
• 所构造的图 $G_p$ 满足 $\left|e(X,Y) - \frac{1}{2}|X||Y|\right| \leq \frac{C}{k}\sqrt{|X||Y|(n-|X|)(n-|Y|)}$，其中 $C$ 为绝对常数，表明其差异性受控。
• 所构造图的第二特征值 $\mu_2(G)$ 满足 $\mu_2(G) \geq \frac{\log k}{2k} \cdot \mu_1(G)$，表明其相对于差异性的谱间隙显著。
• 不相交并集族 $\mathcal{G}_p^* = G(n) \cup K_{\lfloor pn \rfloor}$ 满足 DISC(1) 但不满足 EIG，表明稀疏图中低差异性并不蕴含小第二奇异值。