[论文解读] Uniform regular weighted graphs with large degree: Wigner's law, asymptotic freeness and graphons limit

Camille Male, Sandrine Péché|arXiv (Cornell University)|Oct 29, 2014

Random Matrices and Applications参考文献 4被引用 5

一句话总结

该论文证明了当度数 $ d_N $ 和 $ N - d_N $ 均趋于无穷时，具有发散度数的均匀随机正则加权图满足 Wigner 的半圆律和自由概率中的渐近自由性。关键结果是一个相关性估计 $ \mathfrak{C}_N(T) = \left(\frac{d_N}{N}\right)^{|T|} \cdot O(d_N^{-|T|/2}) $，该估计表明标准化的经验特征值分布收敛于半圆律，并支持大随机正则图的渐近自由性。

ABSTRACT

For each $N\geq 1$, let $G_N$ be a simple random graph on the set of vertices $[N]=\{1,2, ..., N\}$, which is invariant by relabeling of the vertices. The asymptotic behavior as $N$ goes to infinity of correlation functions: $$ \mathfrak C_N(T)= \mathbb E\bigg[ \prod_{(i,j) \in T} \Big(\mathbf 1_{\big(\{i,j\} \in G_N \big)} - \mathbb P(\{i,j\} \in G_N) \Big)\bigg], \ T \subset [N]^2 extrm{finite}$$ furnishes informations on the asymptotic spectral properties of the adjacency matrix $A_N$ of $G_N$. Denote by $d_N = N imes \mathbb P(\{i,j\} \in G_N) $ and assume $d_N, N-d_N\underset{N ightarrow \infty}{\longrightarrow} \infty$. If $\mathfrak C_N(T) =\big(\frac{d_N}N\big)^{|T|} imes O\big(d_N^{-\frac {|T|}2}\big)$ for any $T$, the standardized empirical eigenvalue distribution of $A_N$ converges in expectation to the semicircular law and the matrix satisfies asymptotic freeness properties in the sense of free probability theory. We provide such estimates for uniform $d_N$-regular graphs $G_{N,d_N}$, under the additional assumption that $|\frac N 2 - d_N- η\sqrt{d_N}| \underset{N ightarrow \infty}{\longrightarrow} \infty$ for some $η>0$. Our method applies also for simple graphs whose edges are labelled by i.i.d. random variables.

研究动机与目标

• 建立具有大度数的均匀随机正则加权图的渐近谱行为。
• 推导随机图中边指示变量的相关性估计，该估计可推出收敛于半圆律。
• 在更强的度数发散条件下，将 Erdős–Rényi 图的结果推广至正则图。
• 在自由概率理论背景下，研究邻接矩阵的渐近自由性。
• 为具有发散度数的大规模随机正则图提供图子极限框架。

提出的方法

• 使用相关函数 $ \mathfrak{C}_N(T) = \mathbb{E}\left[\prod_{(i,j)\in T}\left(\mathbbm{1}_{\{i,j\}\in G_N} - \mathbb{P}(\{i,j\}\in G_N)\right)\right] $ 分析谱性质。
• 施加条件 $ |\frac{N}{2} - d_N - \eta\sqrt{d_N}| \to \infty $ 以控制图结构并避免瓶颈。
• 通过 $ \sharp\mathcal{B}_N(\cdot, \ell) $ 对图中带标签路径和环的数量进行组合估计，限制共享顶点的构型数量。
• 使用 $ \sharp\mathcal{B}_N(\cdot, \ell) $ 的递归界，证明在技术条件 $ N - 2d_N - \eta\sqrt{d_N} \to \infty $ 下存在指数衰减 $ \rho^{\ell - m_N} $（其中 $ \rho < 1 $）。
• 将该方法应用于均匀随机正则图和具有 i.i.d. 权重的边加权图，将结果推广至 i.i.d. 邻接矩阵之外。
• 通过证明标准化邻接矩阵 $ M_N $ 在大 $ N $ 极限下满足自由独立性的条件，建立渐近自由性。

实验结果

研究问题

• RQ1 在何种条件下，均匀随机 $ d_N $-正则加权图的经验特征值分布收敛于半圆律？
• RQ2 是否可以对正则图中边指示变量的相关性估计进行有界控制，从而推出 Wigner 定律和渐近自由性？
• RQ3 图结构——特别是 $ d_N $ 与 $ N - d_N $ 之间的平衡——如何影响邻接矩阵的谱极限？
• RQ4 具有大度数的均匀随机正则图在多大程度上表现出与经典 Wigner 矩阵相同的谱和自由概率性质？
• RQ5 图子极限在表征大尺度正则加权图渐近行为方面起什么作用？

主要发现

• 在条件 $ |\frac{N}{2} - d_N - \eta\sqrt{d_N}| \to \infty $ 下，对所有有限 $ T \subset [N]^2 $，相关函数满足 $ \mathfrak{C}_N(T) = \left(\frac{d_N}{N}\right)^{|T|} \cdot O\left(d_N^{-|T|/2}\right) $。
• 当 $ d_N, N - d_N \to \infty $ 时，邻接矩阵的标准化经验特征值分布的期望收敛于半圆律。
• 邻接矩阵在自由概率意义下满足渐近自由性，将 i.i.d. Wigner 矩阵的结果推广至正则图模型。
• 该方法适用于均匀随机正则图和具有 i.i.d. 权重的边加权图，推广了传统伯努利边模型的结论。
• 通过递归界建立了构型数 $ \sharp\mathcal{B}_N(\cdot, \ell) $ 的指数衰减，从而导出关键的相关性估计。
• 技术条件 $ N - 2d_N - \eta\sqrt{d_N} \to \infty $ 确保图具有充分的扩展性，从而支持衰减估计和谱收敛。