[논문 리뷰] Random Matrices: The circular Law

Terence Tao, Van Vu|ArXiv.org|2007. 08. 21.

Random Matrices and Applications참고 문헌 18인용 수 9

한 줄 요약

이 논문은 평균이 0이고 분산이 유한한 i.i.d. 성분을 가진 i.i.d. 랜덤 행렬에 대해 강한 원형 법칙을 증명하며, 경험적 고유분포가 단위 원판 위의 균일 분포로 거의 확실히 균일 수렴함을 확립한다. 증명은 추가 체계학 도구를 활용한 최소 특이값에 대한 새로운 정량적 하한을 기반으로 하며, 이는 이전 결과를 더 약한 모멘트 조건으로 확장하고 희박한 행렬에도 적용 가능하다.

ABSTRACT

Let $\a$ be a complex random variable with mean zero and bounded variance $σ^{2}$. Let $N_{n}$ be a random matrix of order $n$ with entries being i.i.d. copies of $\a$. Let $λ_{1}, ..., λ_{n}$ be the eigenvalues of $\frac{1}{σ\sqrt n}N_{n}$. Define the empirical spectral distribution $μ_{n}$ of $N_{n}$ by the formula $$ μ_n(s,t) := \frac{1}{n} # \{k \leq n| \Re(λ_k) \leq s; \Im(λ_k) \leq t \}.$$ The Circular law conjecture asserts that $μ_{n}$ converges to the uniform distribution $μ_\infty$ over the unit disk as $n$ tends to infinity. We prove this conjecture under the slightly stronger assumption that the $(2+η)þ$-moment of $\a$ is bounded, for any $η>0$. Our method builds and improves upon earlier work of Girko, Bai, Götze-Tikhomirov, and Pan-Zhou, and also applies for sparse random matrices. The new key ingredient in the paper is a general result about the least singular value of random matrices, which was obtained using tools and ideas from additive combinatorics.

연구 동기 및 목표

• 평균이 0이고 유한한 비영분산을 가지는 i.i.d. 복소 랜덤 행렬에 대해 강한 원형 법칙을 확립하기 위해.
• 모든 η > 0에 대해 (2+η)차 모멘트가 유계임 조건 하에서 오랫동안 남아있던 원형 법칙 추측을 해결하기 위해.
• 이전에 이산 분포(예: 베르누이 분포)를 배제시켰던 실수부와 허수부의 공동 분포에 대한 유계 밀도 가정을 제거하기 위해.
• 최소 특이값 분석을 희박한 설정으로 변형함으로써 결과를 희박한 랜덤 행렬로 확장하기 위해.

제안 방법

• 경험적 고유분포의 스틸체스 변환을 사용하여 고유값 통계를 이동한 랜덤 행렬의 특이값과 연결한다.
• 코모고로프의 대수법칙의 정량적 형태를 적용하여 모멘트 수렴를 제어하고 스펙트럼 측도의 타이트함을 확보한다.
• 추가 체계학에서 새로운 역 리틀우드-오플러 정리(Inverse Littlewood-Offord theorem)를 개발하여 랜덤 행렬의 최소 특이값에 대한 강력한 하한을 확보한다.
• 모멘트 추정치를 수정하고, 각 간선을 정확히 두 번 지나는 경로가 여전히 트레이스 모멘트의 주요 기여를 차지함을 보여줌으로써, 희박한 행렬에 이 방법을 적응시킨다.
• 문제를 유계 성분으로 줄이기 위해 잘라내기 방법을 활용하며, 최소 특이값이 스펙트럼 분포를 스틸체스 변환을 통해 제어함을 고려한다.
• 코시-슈바르츠 부등식과 푸비니 정리를 사용하여 최소 특이값의 로그 적분이 비영일 확률 측도를 제어함으로써 거의 확실한 수렴을 보장한다.

실험 결과

연구 질문

• RQ1 유한한 두 번째 모멘트와 (2+η)차 모멘트 조건만을 만족할 때, i.i.d. 랜덤 행렬의 경험적 고유분포가 거의 확실히 그리고 균일하게 단위 원판 위의 균일 분포로 수렴하는가?
• RQ2 이전 결과에서 유계 밀도 가정을 제거하여 베르누이와 같은 이산 분포를 포함할 수 있는가?
• RQ3 약한 모멘트 조건 하에서 비에르미트 랜덤 행렬의 최소 특이값을 높은 확률로 제어할 수 있는가?
• RQ4 입자가 0이 되는 확률이 고정된 희박한 랜덤 행렬로 원형 법칙을 확장할 수 있는가?
• RQ5 경험적 고유분포의 원형 법칙 수렴 속도에 대해 어떤 정량적 경계를 확립할 수 있는가?

주요 결과

• 모든 η > 0에 대해 (2+η)차 모멘트가 유계이면, 평균이 0이고 비영분산을 가지는 복소 i.i.d. 랜덤 행렬에 대해 강한 원형 법칙이 성립한다.
• 경험적 고유분포가 단위 원판 위의 균일 분포로 거의 확실히 그리고 균일하게 수렴하며, 실패 확률의 합이 n에 대해 수렴한다.
• 추가 체계학에서 새롭게 개발한 역 리틀우드-오플러 정리는 최소 특이값에 대한 정량적 하한을 제공하며, 이는 핵심 기술적 혁신이다.
• 각 성분이 비영일 확률이 ρ인 희박한 랜덤 행렬로 결과가 확장되며, ρ가 n에 따라 증가하고 ρn → ∞를 만족할 경우 성립한다.
• 모든 n ≥ 1에 대해 P(sup_{s,t} |μ_n(s,t) − μ_∞(s,t)| ≤ n^{-η'}) ≥ 1 − O(n^{-1−η'}) 형태의 정량적 수렴 속도를 확립하였으며, 이는 다항 수렴 속도를 시사한다.
• 이전 연구에서 제거된 유계 밀도 가정 덕분에, 베르누이 랜덤 변수와 같은 이산 분포의 포함이 가능해졌다.