[논문 리뷰] Marchenko-Pastur Theorem and Bercovici-Pata bijections for heavy-tailed or localized vectors

Florent Benaych-Georges, Thierry Cabanal-Duvillard|arXiv (Cornell University)|2012. 04. 23.

Random Matrices and Applications참고 문헌 17인용 수 8

한 줄 요약

이 논문은 고전적 비델로컬라이제이션 가정을 완화하면서, 무거운 尾 꼬리 및 국소화된 랜덤 벡터로 Marchenko-Pastur 정리를 일반화한다. 비가우시안이고 균일하게 분포하지 않는 벡터로 Bercovici-Pata 이분사법을 확장함으로써, 고전적 무한가능분포법과 무작위 행렬의 극한 스펙트럼 분포 사이의 새로운 대응관계를 수립한다. 이는 꼬리가 무거운 경우와 국소화된 초기 조건을 가진 구면 위의 브라운 운동을 포함한 경우를 포함한다.

ABSTRACT

The celebrated Marchenko-Pastur theorem gives the asymptotic spectral distribution of sums of random, independent, rank-one projections. Its main hypothesis is that these projections are more or less uniformly distributed on the first grassmannian, which implies for example that the corresponding vectors are delocalized, i.e. are essentially supported by the whole canonical basis. In this paper, we propose a way to drop this delocalization assumption and we generalize this theorem to a quite general framework, including random projections whose corresponding vectors are localized, i.e. with some components much larger than the other ones. The first of our two main examples is given by heavy tailed random vectors (as in a model introduced by Ben Arous and Guionnet or as in a model introduced by Zakharevich where the moments grow very fast as the dimension grows). Our second main example is given by vectors which are distributed as the Brownian motion on the unit sphere, with localized initial law. Our framework is in fact general enough to get new correspondences between classical infinitely divisible laws and some limit spectral distributions of random matrices, generalizing the so-called Bercovici-Pata bijection.

연구 동기 및 목표

• 벡터가 델로컬라이제이션되어 있음(즉, 구면 위에 균일하게 분포함)이라는 고전적 설정을 넘어서 Marchenko-Pastur 정리를 확장하는 것.
• 질량-1 프로젝션들이 국소화되거나 무거운 꼬리 성분을 가진 벡터로부터 생성될 경우, 랜덤 행렬 집합의 점근적 스펙트럼 분포를 분석하는 것.
• 고전적 무한가능분포법과 무작위 행렬의 극한 스펙트럼 분포 사이의 일반적 프레임워크를 수립하여, Bercovici-Pata 이분사법을 일반화하는 것.
• 벡터가 균일하게 분포하지 않는 경우, 예를 들어 국소화된 초기 법칙을 가진 구면 위의 브라운 운동에서 유도되는 경우 또는 급격히 증가하는 모멘트를 가진 무거운 꼬리 분포에서 유도되는 경우를 다루는 것.
• 비가우시안이고 비델로컬라이제이션된 벡터를 수용할 수 있는 Bercovici-Pata 이분사법의 통합된 매트릭스 모델적 해석을 제공하는 것.

제안 방법

• 가능한 국소화되거나 무거운 꼬리 성분을 가진 분포를 가진 i.i.d. 벡터 $ U_N^i $ 를 사용하는 일반화된 랜덤 행렬 모델 $ \frac{1}{N}\sum_{i=1}^{P(N\lambda)} X^i U_N^i (U_N^i)^* $ 을 제안한다.
• 고전적 무한가능분포법을 자유 무한가능분포법으로 매핑하는 Bercovici-Pata 이분사법 $ \Lambda $ 를 사용하고, 이 대응관계를 점근적으로 실현하는 행렬 집합을 구성한다.
• 스펙트럼 측도의 모멘트를 분석하기 위해 그래프 및 초그래프 이론의 조합적 도구(예: 순환수, 순환 없는 초그래프)를 적용한다.
• 모멘트 방법과 점근적 분석을 사용하여, 벡터 분포에 대한 일반 조건 하에서 경험적 스펙트럼 분포의 수렴을 보인다.
• Ben Arous와 Guionnet(2005) 및 Zakharevich(2006)의 결과를 확장하여, 비-i.i.d. 또는 비가우시안 성분 분포를 允許하는 경우를 허용한다.
• 극한 스펙트럼 분포가 벡터의 꼬리 행동과 국소화성에 의존하며, 그들에 대한 두 번째 모멘트 뿐만 아니라, 그것에 의존하는 프레임워크를 도입한다.

실험 결과

연구 질문

• RQ1 질량-1 프로젝션들이 델로컬라이제이션된 것 대신 국소화되거나 무거운 꼬리 성분을 가진 벡터로부터 생성될 경우, Marchenko-Pastur 극한 분포는 어떻게 변화하는가?
• RQ2 비가우시안이고 균일하게 분포하지 않는 벡터를 가진 랜덤 행렬 집합에 대해 Bercovici-Pata 이분사법을 확장할 수 있는가?
• RQ3 벡터의 성분이 급격히 증가하는 모멘트를 가진 무거운 꼬리 성분을 가질 경우, 경험 공분산 행렬의 점근적 스펙트럼 분포는 무엇인가?
• RQ4 벡터가 국소화된 초기 조건을 가진 구면 위의 브라운 운동을 통해 진화할 경우, 스펙트럼 분포는 어떻게 행동하는가?
• RQ5 국소화되거나 무거운 꼬리 성분을 가진 영역에서, 스펙트럼 측도의 모멘트 전개를 지배하는 조합적 구조(예: 초그래프의 순환)는 무엇인가?

주요 결과

• 벡터 $ U_N^i $ 가 국소화되어 있을 경우, 즉 $ \|U_N^i\|_\infty / \|U_N^i\|_2 $ 가 $ O(\sqrt{\log N / N}) $ 가 아니지만, 0에서의 상한선을 갖는 경우에도, Marchenko-Pastur 정리는 일반화된 형태로 유지된다.
• Ben Arous와 Guionnet의 모델에서처럼 차원에 따라 급격히 증가하는 모멘트를 가진 무거운 꼬리 성분을 가진 벡터의 경우, 극한 스펙트럼 분포는 여전히 잘 정의되어 있으며, 고전적 Marchenko-Pastur 법칙과 다름을 보인다.
• 국소화된 초기 법칙을 가진 단위 구면 위의 브라운 운동으로 분포하는 벡터의 경우, 극한 스펙트럼 분포는 고전적 Bercovici-Pata 이분사법을 일반화하는 자유 콜레션을 나타낸다.
• 행렬 집합 $ \frac{1}{N}\sum_{i=1}^{P(N\lambda)} X^i U_N^i (U_N^i)^* $ 의 극한 스펙트럼 분포는 $ \Lambda(\mu) $ 로 수렴하며, 여기서 $ \mu $ 는 $ \sum_{i=1}^{P(\lambda)} X^i $ 의 복합 포isson 법칙이다. 이는 $ U_N^i $ 가 균일하게 분포하지 않더라도 성립한다.
• 관련 초그래프의 순환수는 모멘트의 주요 기여를 지배하며, 순환의 부재는 극한에서 자유 누적량만 기여함을 보여준다.
• 이 프레임워크는 고전적 무한가능분포법과 무작위 행렬의 극한 스펙트럼 분포 사이의 새로운 대응관계를 지원하며, 가우시안 케이스를 초월하여 Bercovici-Pata 이분사법을 일반화한다.