[논문 리뷰] On the asymptotic distribution of singular values of products of large rectangular random matrices

Nikita Alexeev, А. Н. Тихомиров외 1명|arXiv (Cornell University)|2010. 12. 12.

Random Matrices and Applications참고 문헌 14인용 수 11

한 줄 요약

이 논문은 일반 조건 하에서 큰 직사각형 랜덤 행렬의 곱에 대한 특이값의 渐近 분포를 수립한다. 스틸체스 변환 분석과 린데버그 조건을 사용하여, 제곱 특이값의 기대 경험 분포가 대수적 방정식으로 특징지어진 한계 법칙으로 약한 수렴을 보임을 증명하며, 정사각형 행렬의 경우에선 푸스-카탈란 모멘트로 환원된다.

ABSTRACT

We consider products of independent large random rectangular matrices with independent entries. The limit distribution of the expected empirical distribution of singular values of such products is computed. The distribution function is described by its Stieltjes transform, which satisfies some algebraic equation. In the particular case of square matrices we get a well-known distribution which moments are Fuss-Catalan numbers.

연구 동기 및 목표

• 독립적인 큰 직사각형 랜덤 행렬의 곱에 대한 특이값의 한계 스펙트럼 분포를 유도하기 위해.
• i.i.d. 경우를 초월하여 직사각형 행렬의 곱으로 확장된 마르첸코-파스트르 법칙을 일반화하기 위해.
• 기대 경험 스펙트럼 분포 함수의 약한 수렴을 스틸체스 변환 방정식으로 특징지은 한계 분포로 보장하기 위해.
• 자유 확률론과 모멘트 방법의 결과를 비정사각형, 비정규 분포 행렬 곱으로 확장하기 위해.
• 다층 랜덤 행렬 모델에서 특이값의 渐近 행동에 대한 엄밀한 기초를 제공하기 위해.

제안 방법

• 각 $\mathbf{X}^{(\nu)}$ 가 i.i.d. 성분을 가지며 $1/\sqrt{p_\nu}$ 로 스케일링된 직사각형 랜덤 행렬인 $\mathbf{W} = \prod_{\nu=1}^m \mathbf{X}^{(\nu)} $ 를 정의한다.
• 제곱 특이값의 기대 경험 분포 $F_n(x)$ 의 스틸체스 변환 $s_n(z)$ 를 분석한다.
• 스케일링 비율 $y_l = \lim n/p_l$ 에 따라 달라지는 항들의 곱을 포함한 $s_n(z)$ 의 근사 방정식을 확립한다.
• 스틸체스 변환 $s_{\mathbf{y}}(z)$ 가 대수적 방정식 $1 + z s_{\mathbf{y}}(z) - s_{\mathbf{y}}(z) \prod_{l=1}^m (1 - y_l - z y_l s_{\mathbf{y}}(z)) = 0$ 을 만족함을 증명한다.
• 대칭화, 절단, 모멘트 유계를 사용하여 리졸베ント 전개에서 오차 항을 제어한다.
• 린데버그 조건을 적용하여 고차 모멘트의 수렴과 오차 항 $\delta_n(z) \to 0$ 의 균일성을 확보한다.

실험 결과

연구 질문

• RQ1 i.i.d. 성분을 가진 독립적인 큰 직사각형 랜덤 행렬의 곱에 대한 특이값의 한계 분포는 무엇인가?
• RQ2 각 행렬의 스케일링 비율 $y_l = \lim n/p_l$ 이 한계 분포에 어떻게 영향을 미치는가?
• RQ3 린데버그 조건과 같은 일반적인 모멘트 조건 하에서 기대 경험 스펙트럼 분포의 수렴을 확립할 수 있는가?
• RQ4 정사각형 행렬의 경우에 한계 분포와 푸스-카탈란 수 사이의 관계는 무엇인가?
• RQ5 일반적인 직사각형 곱에 대해 한계 스펙트럼 분포의 스틸체스 변환을 특징짓는 결정론적 방정식이 존재하는가?

주요 결과

• 기대 경험 분포 $F_n(x)$ 는 $n \to \infty$ 일 때 한계 분포 $G_{\mathbf{y}}(x)$ 로 약한 수렴한다.
• $G_{\mathbf{y}}(x)$ 의 스틸체스 변환 $s_{\mathbf{y}}(z)$ 는 대수적 방정식 $1 + z s_{\mathbf{y}}(z) - s_{\mathbf{y}}(z) \prod_{l=1}^m (1 - y_l - z y_l s_{\mathbf{y}}(z)) = 0$ 을 만족한다.
• 특수한 경우 $y_1 = \cdots = y_m = 1$ 에서 $G_{\mathbf{y}}(x)$ 의 모멘트는 푸스-카탈란 수 $M_k = \frac{1}{mk+1} \binom{mk+k}{k}$ 이다.
• 푸스-카탈란 모멘트는 재귀식 $M_k = \sum_{k_0 + \cdots + k_m = k-1} \prod_{\nu=0}^m M_{k_\nu}$ 를 만족한다.
• 정사각형 경우의 스틸체스 변환은 $1 + z s(z) + (-1)^{m+1} z^m s(z)^{m+1} = 0$ 을 만족한다.
• 린데버그 조건 하에서 $F_n(x)$ 와 $G_{\mathbf{y}}(x)$ 의 수렴은 $x$ 에 대해 균일하며, $\sup_x |F_n(x) - G_{\mathbf{y}}(x)| \to 0$ 이다.