[論文レビュー] Random matrices: The distribution of the smallest singular values

Terence Tao, Van Vu|ArXiv.org|Mar 3, 2009

Random Matrices and Applications参考文献 32被引用数 5

ひとこと要約

本稿では、i.i.d. 成分を持つ非エルミートランダム行列の最小特異値の極限分布の普遍性を確立し、平均がゼロで分散が1である限り、$ n\sigma_n^2 $ がガウス分布の場合と同じ極限分布に確率的に収束することを示している。証明は、確率論、解析学、ランダム行列理論のツールを組み合わせた新規な「性質テスト」アプローチを用い、実および複素行列の両方の分布、特に最小 $ k $ 個の特異値の同時分布や長方形行列に対しても、濃縮性と普遍性を確立している。

ABSTRACT

Let $\a$ be a real-valued random variable of mean zero and variance 1. Let $M_n(\a)$ denote the $n imes n$ random matrix whose entries are iid copies of $\a$ and $σ_n(M_n(\a))$ denote the least singular value of $M_n(\a)$. ($σ_n(M_n(\a))^2$ is also usually interpreted as the least eigenvalue of the Wishart matrix $M_n M_n^{\ast}$.) We show that (under a finite moment assumption) the probability distribution $n σ_n(M_n(\a))^2$ is {\it universal} in the sense that it does not depend on the distribution of $\a$. In particular, it converges to the same limiting distribution as in the special case when $a$ is real gaussian. (The limiting distribution was computed explicitly in this case by Edelman.) We also proved a similar result for complex-valued random variables of mean zero, with real and imaginary parts having variance 1/2 and covariance zero. Similar results are also obtained for the joint distribution of the bottom $k$ singular values of $M_n(\a)$ for any fixed $k$ (or even for $k$ growing as a small power of $n$) and for rectangular matrices. Our approach is motivated by the general idea of "property testing" from combinatorics and theoretical computer science. This seems to be a new approach in the study of spectra of random matrices and combines tools from various areas of mathematics.

研究の動機と目的

• i.i.d. 成分を持つ $ n \times n $ ランダム行列に対する最小特異値 $ \sigma_n(M_n) $ の極限分布の普遍性を確立すること。
• 平均がゼロで分散が1であるすべての実および複素数値分布に対して、$ n\sigma_n^2 $ の分布が漸近的に普遍的であることを示すこと。
• 固定またはゆっくりと増加する $ k $ に対して、最小 $ k $ 個の特異値の同時分布への普遍性結果を拡張すること。また、長方形行列に対しても同様に適用すること。
• 非エルミートランダム行列のスペクトル特性を分析するための、新たな「性質テスト」に基づく解析的フレームワークを構築すること。
• 非i.i.d. 成分の仮定のもとで、固有値関数の凸性およびリプシッツ性を用いて、スペクトル関数の集中不等式を証明すること。

提案手法

• 行列 $ W_N = \begin{pmatrix} 0 & M_n \\ M_n^* & 0 \end{pmatrix} $ を用いて、$ M_n $ の特異値を $ N = 2n $ 次のエルミート行列 $ W_N $ の固有値に関連付ける。
• 区間 $ I $ のまわりのゼロ付近の指示関数を近似する凸的かつリプシッツ的関数 $ f $ を用いて、$ Z = \sum_{i=1}^N f(\lambda_i) $ と定義し、閾値以下の特異値の数を数える。
• 凸性とリプシッツ境界を用いた測度の集中を適用：Lemma F.3 により $ Z $ が凸であることが示され、Lemma F.4 により $ Z $ が行列成分に対して $ \sqrt{2} $-リプシッツであることが証明される。
• Theorem E.2 を用いてガウス型の集中不等式を導出：$ \mathbf{P}(|Z - \mathbf{E}(Z)| \geq T) \leq 4\exp(-cT^2 / K^2) $、ここで $ K $ は行列成分の上界を表す。
• 区間 $ I $ 上で対称的かつ凸的で、$ \frac{C}{|I|} $-リプシッツであるような関数 $ f_1, f_2 $ を構成し、$ \frac{1}{2}I $ 上で $ f_1 - f_2 \geq 1/2 $ となるようにする。これにより、$ I $ 内の固有値数の上限が得られる。
• 集中不等式と期待値の制御を組み合わせ、$ [0, n^{-c}] $ 内の特異値の数がその平均のまわりに集中することを示し、普遍性が導かれる。

実験結果

リサーチクエスチョン

• RQ1 i.i.d. ランダム行列における $ n\sigma_n^2 $ の分布は、平均がゼロで分散が1である限り、成分の具体的な分布に依存するか？
• RQ2 最小特異値の極限分布が、実および複素ランダム行列アンサンブル全体にわたって普遍的であることを示せるか？
• RQ3 固定またはゆっくりと増加する $ k $ に対して、最小 $ k $ 個の特異値の同時分布は普遍的か？また、長方形行列に対しても同様に成り立つか？
• RQ4 凸性と測度の集中を用いた「性質テスト」アプローチを、スペクトルのハードエッジにおける普遍性の証明に用いることができるか？
• RQ5 非i.i.d. 成分の仮定のもとで、凸関数およびリプシッツ関数を用いて、小さな特異値を数えるスペクトル関数をどのように制御できるか？

主な発見

• 平均がゼロで分散が1である限り、$ n\sigma_n(M_n)^2 $ の分布は、ガウス分布の場合と同じ極限分布に確率的に収束する。これは、i.i.d. 成分の具体的な分布に依存しない。
• 実数成分の i.i.d. 成分に対して、$ \mathbf{P}(n\sigma_n^2 \leq t) \to 1 - e^{-t/2 - \sqrt{t}} $ が成り立ち、エデルマンが実ガウス分布に対して導出した正確な公式と一致する。
• 複素数成分の i.i.d. 成分に対して、$ \mathbf{P}(n\sigma_n^2 \leq t) \to 1 - e^{-t} $ が成り立ち、正確に複素ガウス分布の結果と一致する。
• 普遍性の結果は、任意の固定 $ k $ に対して最小 $ k $ 個の特異値の同時分布へ拡張可能であり、$ k $ が $ n $ の小さなべき乗の速度で増加する場合にも適用可能である。
• 本手法により、$ [0, n^{-c}] $ 内の特異値の数がその平均のまわりに集中することが示され、尾部確率が $ \exp(-n^{\Omega(1)}) $ の速度で減少することが示され、高確率での制御が可能になる。
• 凸性およびリプシッツ性に基づく証明フレームワークは、複素成分の実部と虚部が独立である必要がない場合にも適用可能であり、従来の結果が独立性を仮定していたのを拡張している。