[论文解读] Invertibility of adjacency matrices for random d-regular directed graphs

Jiaoyang Huang|arXiv (Cornell University)|Jun 4, 2018

Finite Group Theory Research参考文献 27被引用 6

一句话总结

本文通过分析有限域 $\mathbb{F}_p$ 上的奇异性，证明了随机 $d$-正则有向图的邻接矩阵在实数域上几乎必然非奇异。利用局部中心极限定理和零向量的大偏差估计，证明了在 $\mathbb{F}_p$ 上的奇异概率至多为 $\frac{1 + o(1)}{p-1}$，从而表明实数域上的奇异概率为 $o(1)$（当 $n \to \infty$ 时），解决了随机矩阵理论中关于 $d$-正则有向图的开放问题。

ABSTRACT

Let $d\geq 3$ be a fixed integer, and a prime number $p$ such that $\gcd(p,d)=1$. Let $A$ be the adjacency matrix of a random $d$-regular directed graph on $n$ vertices. We show that as a random matrix in ${\mathbb F}_p$, \begin{equation} {\mathbb P}( ext{$A$ is singular in ${\mathbb F}_p$})\leq \frac{1+{\mathrm{o}}(1)}{p-1}, \end{equation} as $n$ goes to infinity. As a consequence, as a random matrix in $\mathbb R$, \begin{equation} {\mathbb P}( ext{$A$ is singular in $\mathbb R$})={\mathrm{o}}(1) \end{equation} as $n$ goes to infinity. This answers an open problem by Frieze [12] and Vu [29,30], for random $d$-regular bipartite graphs. The proof combines a local central limit theorem and a large deviation estimate.

研究动机与目标

• 为解决随机 $d$-正则有向图邻接矩阵奇异性的开放问题，特别是当 $d \geq 3$ 为常数时。
• 证明此类矩阵的奇异概率在 $n \to \infty$ 时趋于零，回应了 Vu 和 Frieze 的一个猜想。
• 提出一种新方法：不直接在 $\mathbb{R}$ 上分析奇异性，而是在有限域 $\mathbb{F}_p$ 上进行，利用零向量的算术结构。
• 通过将零向量分解为均匀分布与非均匀分布两类，提供奇异概率的精确数量界。

提出的方法

• 在有限域 $\mathbb{F}_p$ 上分析随机 $d$-正则有向图的邻接矩阵，其中 $p$ 为素数且 $\gcd(p,d) = 1$。
• 基于向量分布性质，将 $\mathbb{F}_p^n$ 中的零向量空间划分为均匀分布类与非均匀分布类。
• 利用局部中心极限定理估计在均匀分布类中存在零向量的邻接矩阵数量。
• 应用大偏差估计控制在非均匀分布类中存在零向量的矩阵数量。
• 使用泰勒展开和 Jensen 不等式，控制渐近分析中熵类项的大小。
• 将四类向量分布的估计结果综合，统一界定向量总奇异概率。

实验结果

研究问题

• RQ1 随机 $d$-正则有向图的邻接矩阵在 $\mathbb{F}_p$ 上的奇异概率的渐近值是多少？
• RQ2 能否将 $\mathbb{F}_p$ 上的奇异概率紧致地界定向量，从而推出在 $\mathbb{R}$ 上的非奇异？
• RQ3 $\mathbb{F}_p^n$ 中零向量的算术结构如何影响随机 $d$-正则有向图的奇异概率？
• RQ4 在矩阵元素存在依赖关系的情况下，有限域方法是否能提供比直接在 $\mathbb{R}$ 上分析更紧的界？

主要发现

• 当 $n \to \infty$ 时，邻接矩阵在 $\mathbb{F}_p$ 上的奇异概率被界为 $\frac{1 + o(1)}{p-1}$。
• 该界表明实数域上的奇异概率为 $o(1)$，即矩阵几乎必然非奇异。
• 该结果解决了 Frieze 和 Vu 提出的关于常数 $d \geq 3$ 时 $d$-正则有向图非奇异性的开放问题。
• 该方法通过利用有限域算术和向量类分解，成功处理了 $d$-正则图中的依赖结构。
• 分析表明，尽管矩阵元素之间缺乏独立性，奇异概率仍以快于任意多项式速度衰减。
• 该方法具有鲁棒性，后续工作已将其扩展至无向图，表明其具有更广泛的应用潜力。