[논문 리뷰] Random matrices: The distribution of the smallest singular values

Terence Tao, Van Vu|ArXiv.org|2009. 03. 03.

Random Matrices and Applications참고 문헌 32인용 수 5

한 줄 요약

이 논문은 i.i.d. 성분을 가진 비헤르미트 랜덤 행렬의 최소 특이값의 극한 분포의 보편성을 확립하며, 평균이 0이고 분산이 1인 분포를 가진 입자들에 대해 $ n\sigma_n^2 $ 이 가우시안 케이스와 동일한 극한 분포로 수렴함을 보여준다. 이는 입자 분포에 관계없이 성립한다. 증명은 확률론, 해석학, 랜덤 행렬 이론의 도구를 융합한 새로운 '성질 테스팅' 접근법을 사용하여 실수 및 복소수 행렬 모두에 대해 농도와 보편성을 확립한다. 이는 최소 $ k $ 개의 특이값의 공동 분포와 직사각형 행렬까지 확장된다.

ABSTRACT

Let $\a$ be a real-valued random variable of mean zero and variance 1. Let $M_n(\a)$ denote the $n imes n$ random matrix whose entries are iid copies of $\a$ and $σ_n(M_n(\a))$ denote the least singular value of $M_n(\a)$. ($σ_n(M_n(\a))^2$ is also usually interpreted as the least eigenvalue of the Wishart matrix $M_n M_n^{\ast}$.) We show that (under a finite moment assumption) the probability distribution $n σ_n(M_n(\a))^2$ is {\it universal} in the sense that it does not depend on the distribution of $\a$. In particular, it converges to the same limiting distribution as in the special case when $a$ is real gaussian. (The limiting distribution was computed explicitly in this case by Edelman.) We also proved a similar result for complex-valued random variables of mean zero, with real and imaginary parts having variance 1/2 and covariance zero. Similar results are also obtained for the joint distribution of the bottom $k$ singular values of $M_n(\a)$ for any fixed $k$ (or even for $k$ growing as a small power of $n$) and for rectangular matrices. Our approach is motivated by the general idea of "property testing" from combinatorics and theoretical computer science. This seems to be a new approach in the study of spectra of random matrices and combines tools from various areas of mathematics.

연구 동기 및 목표

• i.i.d. 성분을 가진 $ n \times n $ 랜덤 행렬에 대해 최소 특이값 $ \sigma_n(M_n) $ 의 극한 분포의 보편성을 확립하는 것.
• 평균이 0이고 분산이 1인 모든 실수 및 복소수 분포에 대해 $ n\sigma_n^2 $ 의 분포가 점점 보편적임을 보이는 것.
• 고정되거나 천천히 증가하는 $ k $ 에 대해 최소 $ k $ 개의 특이값의 공동 분포로 보편성 결과를 확장하는 것.
• 비헤르미트 랜덤 행렬의 스펙트럼 성질을 분석하기 위한 새로운 분석 프레임워크를 '성질 테스팅' 기반으로 개발하는 것.
• 비-i.i.d. 성분 가정 하에 스펙트럼 기능량의 농도 부등식을 볼록성과 고유값 기능량의 리프시츠 성질을 이용해 증명하는 것.

제안 방법

• 행렬 $ M_n $ 의 특이값을 허미트 행렬 $ W_N $ 의 고유값과 연결하기 위해 변환 $ W_N = \begin{pmatrix} 0 & M_n \\ M_n^* & 0 \end{pmatrix} $ 를 사용하며, $ N = 2n $ 이다.
• 구간 $ I $ 근처의 0에 대한 지시 함수를 근사하는 볼록이고 리프시츠인 함수 $ f $ 를 사용하여 스펙트럼 기능량 $ Z = \sum_{i=1}^N f(\lambda_i) $ 을 정의함으로써 임계값 이하의 특이값 수를 세는 것.
• 볼록성과 리프시츠 경계를 통한 측도 집중 적용: Lemma F.3 은 $ Z $ 가 볼록임을 보이고, Lemma F.4 는 $ Z $ 가 행렬 성분에 대해 $ \sqrt{2} $-리프시츠임을 증명함.
• Theorem E.2 를 적용하여 가우시안 유형의 농도 부등식을 도출: $ \mathbf{P}(|Z - \mathbf{E}(Z)| \geq T) \leq 4\exp(-cT^2 / K^2) $, 여기서 $ K $ 는 행렬 성분의 상한이다.
• 구간 $ I $ 에서 대칭적이며 볼록하고 $ \frac{C}{|I|} $-리프시츠인 두 함수 $ f_1, f_2 $ 를 구성하여 $ \frac{1}{2}I $ 에서 $ f_1 - f_2 \geq 1/2 $ 가 되도록 하여 $ I $ 내의 고유값 수를 제한함.
• 농도 경계와 기대값 제어를 조합하여 $ [0, n^{-c}] $ 에서 특이값 수가 평균 주변에 집중됨을 보이며, 이는 보편성을 의미함.

실험 결과

연구 질문

• RQ1 i.i.d. 랜덤 행렬에서 $ n\sigma_n^2 $ 의 분포는 평균이 0이고 분산이 1인 조건 외에 성분의 특정 분포에 따라 달라지는가?
• RQ2 최소 특이값의 극한 분포가 실수 및 복소수 랜덤 행렬 계열 전반에 걸쳐 보편적인가?
• RQ3 고정되거나 천천히 증가하는 $ k $ 에 대해 최소 $ k $ 개의 특이값의 공동 분포는 보편적인가? 직사각형 행렬에 대해서도 마찬가지인가?
• RQ4 볼록성과 측도 집중 기반의 '성질 테스팅' 접근법을 사용하여 스펙트럼의 하드 엣지에서 보편성을 증명할 수 있는가?
• RQ5 비-i.i.d. 성분 가정 하에 작은 특이값을 세는 스펙트럼 기능량을 볼록성과 리프시츠 함수를 통해 어떻게 제어할 수 있는가?

주요 결과

• i.i.d. 성분의 분포에 관계없이 평균이 0이고 분산이 1이면, $ n\sigma_n(M_n)^2 $ 의 분포는 가우시안 케이스와 동일한 극한 분포로 수렴한다.
• 실수 i.i.d. 성분의 경우 $ \mathbf{P}(n\sigma_n^2 \leq t) \to 1 - e^{-t/2 - \sqrt{t}} $ 로 수렴하며, 이는 에델먼이 실수 가우시안 케이스에서 유도한 정확한 공식과 일치한다.
• 복소수 i.i.d. 성분의 경우 $ \mathbf{P}(n\sigma_n^2 \leq t) \to 1 - e^{-t} $ 로 수렴하며, 이는 복소수 가우시안 케이스와 정확히 일치한다.
• 보편성 결과는 임의의 고정된 $ k $ 에 대해 최소 $ k $ 개의 특이값의 공동 분포로 확장되며, $ n $ 의 작은 거듭제곱만큼 증가하는 $ k $ 에 대해서도 성립한다.
• 이 방법은 $ [0, n^{-c}] $ 에서 특이값 수가 평균 주변에 집중됨을 보이며, 尾확률 경계가 $ \exp(-n^{\Omega(1)}) $ 의 속도로 감소하여 고확률 제어를 가능하게 한다.
• 볼록성과 리프시츠 성질을 기반으로 한 증명 프레임워크는 복소수 성분의 실수부와 허수부가 독립이 아닐 경우에도 적용 가능하여, 이전 결과에서 요구하던 독립성 조건을 초월한다.