[논문 리뷰] Extreme eigenvalues and eigenvectors for finite rank additive deformations of non-hermitian sparse random matrices

Walid Hachem, Michail Louvaris외 1명|arXiv (Cornell University)|2026. 02. 24.

Random Matrices and Applications인용 수 0

한 줄 요약

논문은 이상치 고유값(outlier eigenvalues)과, 랭크-원(rank-one) 변형의 경우에 희소한 비에르미안(non-Hermitian) 무정밀한 랜덤 행렬에 더해진 유한 랭크 결정적 교란을 더한 경우의 고유벡터를 분석하며, 이상치가 교란을 추적하고, 완화된 희소성/서브가우시안 가정하에 고유벡터 투영을 자세히 설명한다.

ABSTRACT

Consider a $n imes n$ sparse non-Hermitian random matrix $X_n$ defined as the Hadamard product between a random matrix with centered independent and identically distributed entries and a sparse Bernoulli matrix with success probability $K_n/n$ where $K_n\le n$ (and possibly $K_n\ll n$) and $K_n o \infty$ as $n o \infty$. Let $E_n$ be a deterministic $n imes n$ finite-rank matrix. We prove that the outlier eigenvalues of $Y_n= X_n +E_n$ asymptotically match those of $E_n$. In the special case of a rank-one deformation, assuming further that the sparsity parameter satisfies $K_n \gg \log^9(n)$ and that the entries of the random matrix are sub-Gaussian, we describe the limiting behavior of the projection of the right eigenvector associated with the leading eigenvalue onto the right eigenvector of the rank-one deformation. In particular, we prove that the projection behaves as in the Hermitian case. To that end, we rely on the recent universality results of Brailovskaya and van Handel (2024) relating the singular value spectra of deformations of $X_n$ to Gaussian analogues of these matrices. Our analysis builds upon a recent framework introduced by Bordenave et.al. (2022), and amounts to showing the asymptotic equivalence between the reverse characteristic polynomial of the random matrix and a random analytic function on the unit disc with explicit dependence on the finite-rank deformation.

연구 동기 및 목표

• 유한 랭크 추가 변형을 갖는 희소 비에르미안 행렬에서 이상치 고유값 연구의 필요성을 제시한다.
• Y^n = X^n + E^n의 이상치가 큰 n 극한에서 E^n의 고유값과 일치하는 조건을 규명한다.
• 희소성과 모멘트 가정하에서 순위-1 변형의 선도 고유벡터 투영의 극한 거동을 설명한다.
• 역 특성다항식을 무작위 해석적 함수와 연결하는 점근적 분석 프레임워크를 구축한다.

제안 방법

• X^n를 중심화된 i.i.d. 행렬 A^n과 매개변수 K_n/n를 갖는 희소 Bernoulli 행렬의 Hadamard 곱으로 모델링한다.
• X^n + E^n를 Y^n로 정의하고, E^n은 유한 랭크이며 q_n(z) = det(I_n - z Y^n)를 H-값 확률 변수로 연구한다.
• 역 특성다항식 접근을 사용하고 q_n ≈ G_n ≈ b_n det(I - z X^n)로 증명하며, b_n = det(I - z E^n)이고 F(z)가 가우시안 해석적 함수임을 보인다.
• 랭크-원 사례에 대해 특이값 스펙트럼을 가우시안 유사체와 연결하는 보편성 결과(BraIlovskaya and van Handel)를 적용한다.
• H-토폴로지에서 tightness 주장, 꼬리 잘림(truncation)을 통해 극심한 꼬리들을 제어하고, 점근 동등성 기준을 적용하여 q_n이 무작위 해석적 함수로 수렴함을 도출한다.

실험 결과

연구 질문

• RQ1 Y^n = X^n + E^n의 이상치 고유값이 점근적으로 E^n의 고유값과 일치하는가?
• RQ2 가장 큰 고유값이 벌크로부터 분리되는 희소성 체계와 모멘트 가정은 무엇인가?
• RQ3 랭크-원인 변형에서 선도 고유값에 대응하는 오른쪽 고유벡터가 변형 벡터에 어떻게 투영되는지, 그리고 이것이 Hermitian 경우와 어떻게 비교되는지?
• RQ4 희소 비에르미안 행렬에 대한 universality 결과를 이용해 스펙트럼 거동을 가우시안 유사체로 분석할 수 있는가?
• RQ5 이 희소한 유한-랭크 변형 맥락에서 역 특성다항식의 극한 거동은 무엇인가?

주요 결과

• Y^n의 이상치 고유값은 완만한 가정(K_n → ∞, E^n의 연산 노름이 유한) 하에서 점근적으로 E^n의 고유값과 일치한다.
• Y^n의 스펙트럼 이상치는 유한 랭크 변형에 의해 결정되는 위치에 집중하며, 이상치의 수는 비영(+) 간격 조건 하에 σ^+(E^n)의 양수 부분 m_n에 일치한다.
• 랭크-원인 경우, K_n ≫ log^9 n 및 sub-Gaussian A^n일 때, 변형 방향으로의 선도 고유벡터 투영은 확률수렴하여 Hermitian-유형의 극한으로 수렴하며, ⟨v^n, u^n⟩와 관련된 특정 수식으로 정량화된다.
• 역 특성다항식과 Brailovskaya-van Handel 결과를 통해 비가우시안 행렬과 가우시안 앙상블 사이에 보편적 연결이 확립된다.
• X^n의 스펙트럴 반경은 확률적으로 1로 수렴하며, 희소 원형 법칙 확장과 일치한다; 이상치는 높은 확률로 단위 원 밖에 위치한다.
• 해당 분석은 q_n이 법칙적으로 q_∞(z) = b_∞(z) κ(z) exp(-F(z))와 수렴한다는 것을 보이는 것에 의존하며, κ(z) ≠ 0은 단위 원판에서 성립한다.