[논문 리뷰] Central limit theorem for products of toral automorphisms

Jean-Pierre Conze, Stéphane Le Borgne외 1명|arXiv (Cornell University)|2010. 06. 21.

Mathematical Dynamics and Fractals참고 문헌 14인용 수 3

한 줄 요약

이 논문은 $SL(d,\mathbb{Z})$에 속하는 행렬로 정의된 토럴 자동사상의 랜덤 곱에 沿해 평가된 호이더 연속 함수들의 합에 대해, 고정된(queched) 중심극한정리(CLT)를 수립한다. 매트릭스 집합 $\mathcal{A}$에 대해 비례성(proximality)과 완전 불가약성(total irreducibility) 조건이 만족될 경우, 거의 모든 행렬 수열 $\mathbb{P}$에 대해 정규화된 합이 양의 분산을 가진 정규분포로 수렴함을 증명하며, 곱셈 시스템과 스펙트럼 갭 기법을 통해 수렴 속도를 제공한다.

ABSTRACT

Let $(τ_n)$ be a sequence of toral automorphisms $τ_n : x ightarrow A_n x \hbox{mod}\ZZ^d$ with $A_n \in {\cal A}$, where ${\cal A}$ is a finite set of matrices in $SL(d, \mathbb{Z})$. Under some conditions the method of "multiplicative systems" of Komlòs can be used to prove a Central Limit Theorem for the sums $\sum_{k=1}^n f(τ_k \circ τ_{k-1} \cdots \circ τ_1 x)$ if $f$ is a Hölder function on $\mathbb{T}^d$. These conditions hold for $2 imes 2$ matrices with positive coefficients. In dimension $d$ they can be applied when $A_n= A_n(ω)$, with independent choices of $A_n(ω)$ in a finite set of matrices $\in SL(d, \mathbb{Z})$, in order to prove a "quenched" CLT.

연구 동기 및 목표

• 랜덤 조합의 토럴 자동사상에 의해 구동되는 동역학계에 대해 고정 중심극한정리를 수립하는 것.
• 정규화된 합이 매트릭스 수열에 거의 확실히 정규분포로 수렴하는 조건을 규명하는 것.
• 이러한 합의 정규분포로의 수렴 속도를 정량화하는 것.
• SL(d,$\mathbb{Z}$) 위의 랜덤 워크 결과를 토르우스 위의 비-i.i.d. 동역학계로 확장하는 것.
• 정규화된 합의 분산을 분석하고, 영이 아닌 함수에 대해 거의 확실히 양의 값을 가짐을 증명하는 것.

제안 방법

• 컴플로스의 원래 방법을 응용하여 정규화된 합의 특성함수를 제어하기 위해 곱셈 시스템 방법을 사용한다.
• 구이바르시와 로아기의 결과를 활용하여 SL(d,$\mathbb{Z}$) 위의 랜덤 워크에 대한 스펙트럼 갭 추정치를 적용하여 상관관계의 감쇠를 제어한다.
• 토르우스 위의 푸리에 분석을 활용하여 매트릭스 곱의 작용 하에서 푸리에 계수의 진화를 추적한다.
• 다양한 주파수 성분에 대응하는 항들의 곱으로 특성함수를 분해하여 스케일 분리 기법을 가능하게 한다.
• 지수적 모멘트 추정치와 특성함수 $\mathbb{E}[e^{ix S_n / \|S_n\|_2}]$에 대한 추정치를 사용하여, 이 함수를 가우시안 특성함수 $e^{-x^2/2}$와 비교한다.
• 특히 조건 $|x|\delta \leq 1$ 하에서 오차를 제어하기 위해 농도 불등식과 절단 기법을 적용한다.

실험 결과

연구 질문

• RQ1 매트릭스 수열에 대해 $\mathbb{P}$-거의 모든 경우에 대해, 정규화된 합 $\frac{1}{\sqrt{n}}\sum_{k=1}^n f(\tau_k \circ \cdots \circ \tau_1 x)$가 정규분포로 수렴하는 조건은 무엇인가?
• RQ2 이 정규화된 합의 정규분포로의 수렴 속도는 무엇인가?
• RQ3 영이 아닌 호이더 함수 $f$에 대해 분산 $\sigma(f)^2 = \lim_{n \to \infty} \frac{1}{n} \|S_n(f)\|_2^2$ 는 어떻게 행동하는가?
• RQ4 매트릭스 수열이 랜덤이지만 초기점 $x$가 고정된 경우 고정 CLT를 수립할 수 있는가?
• RQ5 SL(d,$\mathbb{Z}$) 위의 랜덤 워크의 스펙트럼 성질이 CLT 보장에 어떤 역할을 하는가?

주요 결과

• $\mathbb{P}$-거의 모든 수열 $\omega$에 대해, 영이 아닌 호이더 함수 $f$가 평균이 0일 경우, 극한 $\sigma(f) = \lim_{n \to \infty} \frac{1}{\sqrt{n}} \|S_n(f)\|_2$ 가 존재하며, 이 값은 양수이다.
• 정규화된 합 $\frac{1}{\sigma(f)\sqrt{n}} \sum_{k=1}^n f(\tau_k(\omega) \circ \cdots \circ \tau_1(\omega) \cdot)$ 는 분포 수렴으로 $\mathcal{N}(0,1)$ 으로 수렴한다.
• 정규분포로의 수렴은 특성함수 차이 $|\mathbb{E}[e^{ix S_n / \|S_n\|_2}] - e^{-x^2/2}|$ 에 대한 추정치를 통해 정량화된 수렴 속도를 가진다.
• 이 증명은 SL(d,$\mathbb{Z}$) 위의 랜덤 워크에 대한 $L^2_0$ 공간에서의 스펙트럼 갭에 의존하며, 이는 상관관계의 지수 감쇠를 보장한다.
• 이 결과는 호이더 함수뿐 아니라 토르우스 위의 정규 집합의 특성함수에 대해서도 동일한 조건 하에서 성립한다.
• 핵심 기술적 혁신은 특히 $|x|\delta \leq 1$ 영역에서 특성함수 제어를 가능하게 하는 곱셈 시스템과 주파수 분리 기법의 사용에 있다.