นี่คือคำตอบบางส่วน (ยืนยัน) ในกรณีที่เรามีขอบเขตบนจำนวนศูนย์ในทุกแถวหรือในทุกคอลัมน์
สี่เหลี่ยมผืนผ้าเป็นเมทริกซ์บูลประกอบด้วยหนึ่งทั้งหมด 1 submatrix และมีศูนย์อื่น ๆ OR- อันดับr k ( A )ของเมทริกซ์บูลีนคือrจำนวนน้อยที่สุดของรูปสี่เหลี่ยมที่ว่าAสามารถเขียนเป็น a (componentwise) หรือของสี่เหลี่ยมเหล่านี้ นั่นคือทุกๆ 1 รายการของAเป็น 1 รายการในรูปสี่เหลี่ยมอย่างน้อยหนึ่งรายการและทุก 0 รายการของAคือรายการ 0 รายการในทุกรูปสี่เหลี่ยมผืนผ้า โปรดสังเกตว่าlog r k ( A )เป็นความซับซ้อนของการสื่อสารแบบ nondeterministic ของเมทริกซ์Ark(A)rAAAlogrk(A)A(ที่อลิซรับแถวและคอลัมน์บ๊อบ) ในฐานะที่เป็น OP เขียนทุกบูลเมตร× nเมทริกซ์= ( ฉัน, J )กำหนดแผนที่Y = xที่ Y ฉัน = ⋁ n J = 1ฉัน, J x Jสำหรับฉัน= 1 , ... ,ม. นั่นคือเรานำเมทริกซ์ - เวกเตอร์มาแทนบูลีน semiring
m×nA=(ai,j)y=Axyi=⋁nj=1ai,jxji=1,…,m
บทแทรกต่อไปนี้เป็นเพราะPudlákและRödl; ดูข้อเสนอ 10.1 ในเอกสารนี้
หรือบทแทรก 2.5 ในหนังสือเล่มนี้สำหรับการก่อสร้างโดยตรง
เลมม่า 1:สำหรับทุกบูลีนn × nเมทริกซ์Aการทำแผนที่y = A xสามารถคำนวณได้โดย fanin ที่ไม่มีขอบเขตหรือวงจรของความลึก -3 โดยใช้สายO ( r k ( A ) ⋅ n / log n )มากที่สุด
n×nAy=AxO(rk(A)⋅n/logn)
นอกจากนี้เรายังมีขอบเขตบนต่อไปนี้ในการจัดอันดับ OR ของเมทริกซ์หนาแน่น อาร์กิวเมนต์เป็นรูปแบบที่เรียบง่ายของ Alon ที่ใช้ในบทความนี้
เลมม่า 2:ถ้าทุกคอลัมน์หรือทุกแถวของเมทริกบูลีนAมีค่าศูนย์dที่สุดดังนั้นr k ( A ) = O ( d ln | A | )โดยที่| A | เป็นจำนวน1ในAdrk(A)=O(dln|A|)|A|1A
พิสูจน์:
สร้างสุ่ม all- 1 submatrix Rโดยการเลือกแต่ละแถวอิสระกับความน่าจะเป็นแบบเดียวกันP = 1 / ( D + 1 ) ให้ฉันเป็นเซตย่อยแบบสุ่มที่ได้รับของแถว แล้วปล่อยให้R = ฉัน× Jที่Jคือชุดของคอลัมน์ทั้งหมดของที่มีศูนย์ในแถวในไม่มีฉัน
1Rp=1/(d+1)IR=I×JJAI
1 -entry ( ฉัน, เจ)ของถูกปกคลุมด้วยRถ้าฉันได้รับเลือกใน
ฉันและไม่มีใคร (ที่มากที่สุดd ) แถวกับ0ในเจคอลัมน์ -th ได้รับเลือกในฉัน ดังนั้นรายการ( i , j )ถูกปกคลุมด้วยความน่าจะเป็นอย่างน้อยp ( 1 - p ) d ≥ p e - p d - p 2 d ≥1(i,j)ARiId0jI(i,j)P / E ถ้าเราใช้วิธีนี้ Rครั้งเพื่อให้ได้ Rสี่เหลี่ยมแล้วน่าจะเป็นที่ ( ผม, เจ)ได้รับการคุ้มครองโดยไม่มีใครสี่เหลี่ยมเหล่านี้ไม่เกิน ( 1 - P / E ) R ≤ อี- อาร์พี/อี จากความผูกพันของสหภาพความน่าจะเป็นที่ 1 ผู้ร่วมงานของ Aยังคงเปิดเผยอยู่มากที่สุด
| A | ⋅ e - r p / ep(1−p)d≥pe−pd−p2d≥p/err(i,j)(1−p/e)r≤e−rp/e1A|A|⋅e−rp/eซึ่งมีขนาดเล็กกว่า1สำหรับR = O ( d LN | | )
◻1r=O(dln|A|)□
ควันหลง:ถ้าทุกคอลัมน์หรือแถวของเมทริกซ์บูลทุกมีที่มากที่สุดdศูนย์แล้วการทำแผนที่Y = xสามารถคำนวณได้โดยมากมาย fanin หรือวงจรของความลึก-3 ใช้
O ( d n )สาย
Ady=AxO(dn)
ฉันเดาว่าขอบเขตบนที่คล้ายกันเช่นเดียวกับใน Lemma 2 ควรค้างไว้เมื่อdคือจำนวนเฉลี่ย1วินาทีในคอลัมน์ (หรือเป็นแถว) มันน่าสนใจที่จะแสดงสิ่งนี้d1
หมายเหตุ: (เพิ่ม 04.01.2018) อะนาล็อกr k ( A ) = O ( d 2บันทึกn )ของเล็มม่า 2 ยังถือครองเมื่อdคือจำนวนเฉลี่ยสูงสุดของเลขศูนย์ในรูปแบบย่อยของAโดยที่เลขศูนย์เฉลี่ยในR × sเมทริกซ์คือจำนวนของศูนย์หารด้วยs + R นี้ต่อไปนี้จากทฤษฏี 2 ในเอ็นอีตันและวี RODL ;, กราฟของมิติขนาดเล็กCombinatorica 16 (1) (1996) 59-85 ขอบบนที่แย่ลงเล็กน้อยrk(A)=O(d2logn)dAr×ss+rr k ( A ) = O ( d 2 ln 2 n )สามารถรับได้โดยตรงจาก Lemma 2 ดังต่อไปนี้rk(A)=O(d2ln2n)
แทรก 3: Let d ≥ 1 ถ้าทุกกราฟย่อยของกราฟสองส่วนที่ทอดข้ามGมีระดับเฉลี่ย≤ dดังนั้นGสามารถเขียนเป็นสหภาพG = G 1 ∪ G 2ซึ่งระดับซ้ายสุดของG 1และระดับขวาสุดของG 2คือ≤ d .
d≥1G≤dGG=G1∪G2G1G2≤d
พิสูจน์:การเหนี่ยวนำจำนวนnของจุดยอด กรณีฐานn = 1และn = 2ชัดเจน สำหรับขั้นตอนการเหนี่ยวนำเราจะสีขอบสีฟ้าและสีแดงเพื่อให้ระดับสูงสุดทั้งใน subgraphs สีฟ้าและสีแดงเป็น≤ d ใช้จุดสุดยอดยูปริญญา≤ d ; เช่นต้องจุดสุดยอดอยู่เพราะยังมีการศึกษาระดับปริญญาเฉลี่ยของกราฟทั้งต้อง≤ d ถ้าคุณอยู่ในส่วนด้านซ้ายแล้วให้ทุกสีตกกระทบขอบกับu เป็นสีน้ำเงินส่วนสีอื่น ๆ ทั้งหมดจะเป็นสีแดง ถ้าเราลบจุดสุดยอดคุณnn=1n=2≤du≤d≤duuu then the average degree of the resulting graph GG is also at most dd, and we can color the edges of this graph by the induction hypothesis. ◻□
Lemma 4: Let d≥1d≥1. If the maximum average number of zeros in a boolean n×n matrix A=(ai,j) is at most d, then rk(A)=O(d2ln2n).
Proof: Consider the bipartite n×n graph G with (i,j) being an edge iff ai,j=0. Then the maximum average degree of G is at most d. By Lemma 3, we can write G=G1∪G2, where
the maximum degree of the vertices on the left part of G1, and the maximum degree of the vertices on the right part of G2 is ≤d.
Let A1 and A2 be the complements of the adjacency matrices of G1 and G2.
Hence, A=A1∧A2 is a componentwise AND of these matrices.
The maximum number of zeros in every row of A1 and in every column of A2 is at most d. Since rk(A)≤rk(A1)⋅rk(A2), Lemma 2 yields rk(A)=O(d2ln2n). ◻
N.B. The following simple example (pointed by Igor Sergeev) shows that my "guess" at the end of the answer was totally wrong: if we take d=d(A) to be the average number of zeros in the entire matrix A (not the maximum of averages over all submatrices), then Lemma 2 can badly fail. Let m=√n, and put an identity m×m matrix in, say left upper corner of A, and fill the remaining entries by ones. Then d(A)≤m2/2n<1 but rk(A)≥m, which is exponentially larger than ln|A|. Note, however, that the OR complexity of this matrix is very small, is O(n). So, direct arguments (not via rank) can yield much better upper bounds on the OR complexity of dense matrices.