Hier sind nur ein paar Beobachtungen, die ich nicht in einen Kommentar einfügen konnte:
0) Hinzugefügt, weil die erste Antwort gelöscht wurde: Es gibt eine Interpretation von Hn , nämlich Indizieren der Zeilen und Spalten durch {0,1}n , der Eintrag entsprechend (x,y) ist 1 wenn das Hadamard-Produkt x⊙y=(x1y1,…,xnyn) hat gerade Parität und −1 wenn es ungerade Parität hat.
1) Im Allgemeinen kann das Spektrum der Blockmatrizen sehr kompliziert sein und hängt nicht offensichtlich mit den Spektren der einzelnen Blöcke zusammen, da das charakteristische Polynom schrecklich aussehen wird . Aber für einen symmetrischen Blockmatrix M=(ABTBC) , die über eine rekursive Konstruktion wie die entstehen könnte , An und Hn oben, wobei jede Matrix quadratisch ist, eine der nur Vereinfachungen tritt auf, wenn BT und C pendeln, in diesem Fall hat man det(M)=det(AC−BBT) . Danndas charakteristische PolynomM wirddet((λI−A)(λI−C)−BBT)=det(λ2I−λ(A+C)+AC−BBT).
Damit dies zu schönen rekursiven Formeln für die Eigenwerte führt, braucht man grundsätzlichC=−A , um den linearenλ Termzu töten. Sind weiterhinA undB symmetrisch und pendeln, so erhalten wir
det(λI−M)=det(λ2I−(A2+B2)),
woraus man leicht die Eigenwerte mit Hilfe der Tatsache abliest, dass symmetrische Pendelmatrizen gelten eine gemeinsame eigenbasis. Dies mag offensichtlich sein, aber all dies bedeutet, dass es für das Erhalten guter rekursiver Formeln für die Eigenwerte im Grunde genommen wesentlich ist, dass der untere rechte Block vorhanden ist−A und hoffe, dass der untere linke und der obere rechte Block symmetrisch sind und mitA pendeln, was für dieMatrizenAn (mitB=I ) undHn (mitB=Hn−1=A )der Fall ist.
2) Zur Frage des Zufallszeichens: Die Signierung der in der Arbeit angegebenen Adjazenzmatrix ist optimal im Sinne einer Maximierung von λ2n−1 , die für die Untergrenze über Cauchy-Interlacing benötigt wird und sich aus elementaren Mitteln ergibt. Für ein beliebiges Vorzeichen Mn der Adjazenzmatrix des n dimensionalen Hyperwürfels erhält man sofort
Tr(Mn)=∑i=12nλi(Mn)=0,Tr(M2n)=∑i=12nλi(Mn)2=∥Mn∥2F=n2n,
wobeiλ1(Mn)≥λ2(Mn)≥…≥λ2n(Mn) . Wenn für einige UnterzeichnungMnman hat λ2n−1(Mn)>n−−√ , dann
∑i=12n−1λi(Mn)>n−−√2n−1,∑i=12n−1λi(Mn)2>n2n−1.
Man kann dann sehen, dass es nicht möglich ist, die obigen Gleichungen der Spuren zu erfüllen: Die negativen Eigenwerte müssen sich zu genau mehr als√summierenn−−√2n−1 (in absoluten Werten) und ihre Quadrate müssen sich zu genau weniger alsn2n−1 summieren. Das Minimieren der Quadratsumme bei konstanter Summe geschieht, wenn alle gleich sind. In diesem Fall wird die Quadratsumme jedoch ohnehin zu groß. Für jede Signatur kann man also mit elementaren Mitteln sehen, dassλ2n−1(Mn)≤n−−√ ohne die magische Signatur im Papier zu kennen, wobei Gleichheit gilt, wenn die Werten−−√,…,n−−√,−n−−√,…,−n−−√ . Dass es tatsächlich eine solche Unterzeichnung gibt, ist ziemlich erstaunlich. Die Eigenwerte der normalen Adjazenzmatrix sind−n,−n+2,…,n−2,n, wobei deriEigenwert die Multiplizität(ni) , also ist es (für mich) sehr interessant, wie die all-+1Signaturλ1maximiert, während diese Signaturλ2n−1maximiert.
As far as would a random signing work, it's harder to say because I think most non-asymptotic bounds on eigenvalues focus on spectral norm. One expects random signings to smooth out the extreme usual eigenvalues, and indeed, using the noncommutative Khintchine inequality and/or recent tighter bounds like in here, a uniformly random signing has E[∥Mn∥2]=Θ(n−−√). It's hard for me to imagine the middle eigenvalues would be on a similar polynomial order as the leading one in expectation (and asymptotic results like the semi-circular law for different matrix ensembles suggest similarly, I think), but maybe it's possible.