일반화된 그래프 곱의 에지 분포와 스펙트럴 갭 활용

초록

이 논문은 그래프 $G$와 정수 $k$, 그리고 임계값 $t\in

상세 분석

논문은 먼저 기존의 텐서 곱($t=k$)과 OR‑곱($t=1$)을 포함하는 일반화된 그래프 곱 연산을 정의한다. 이 연산은 $f_{G}(x,y)=\mathbf{1}{#{i:(x_{i},y_{i})\in E}\ge t}$ 로 표현되며, $k$와 $t$에 따라 다양한 상호작용 강도를 조절한다. 핵심 질문은 이러한 곱 그래프 $G^{k}_{t}$에서 두 큰 정점 집합 $S,T\subseteq V^{k}$ 사이에 존재하는 에지 수 $e(S,T)$가 기대값 $p|S||T|$(여기서 $p$는 원 그래프 $G$의 에지 밀도)와 얼마나 차이가 나는가이다.

저자는 $G$가 정규화된 라플라시안 스펙트럼에서 두 번째 고유값 $\lambda$가 $1$보다 충분히 작을 때, 즉 $(n,d,\lambda)$‑expander 형태일 때, $G^{k}{t}$에서도 비슷한 혼합성(mixing) 특성이 유지된다고 보인다. 이를 위해 $G^{k}{t}$의 인접 행렬을 $k$개의 텐서곱 행렬들의 조합으로 표현하고, 각 텐서 성분이 갖는 스펙트럼을 정확히 추적한다. 특히, $t$개의 좌표가 에지에 해당하는 경우를 선택하는 조합 계수를 이용해 행렬의 고유값을 상한한다. 결과적으로, $G^{k}_{t}$의 비주대각선 고유값은 원 그래프의 $\lambda$에 다항식 형태로 의존하며, 이는 $k$와 $t$에 대한 다항식 상수 $C(k,t)$ 로 제어된다.

이러한 스펙트럴 상한을 Expander Mixing Lemma에 대입하면,
\