[论文解读] Non-stationary version of Furstenberg Theorem on random matrix products

Anton Gorodetski, Victor Kleptsyn|arXiv (Cornell University)|Oct 7, 2022

advanced mathematical theories被引用 1

一句话总结

本文建立了Furstenberg随机矩阵乘积定理的非平稳版本，证明在一般性条件下，独立但非同分布的SL(d, R)矩阵乘积的范数以指数速度几乎必然增长，且收敛于描述渐近增长的非随机序列。关键贡献是通过一种新颖的“原子消解定理”将李雅普诺夫指数概念推广至非平稳设定，从而摆脱对平稳测度的依赖。

ABSTRACT

We prove a non-stationary analog of the Furstenberg Theorem on random matrix products (that can be considered as a matrix version of the law of large numbers). Namely, under a suitable genericity conditions the sequence of norms of random products of independent but not necessarily identically distributed $\SL(d, \mathbb{R})$ matrices grow exponentially fast, and there exists a non-random sequence that almost surely describes asymptotical behaviour of that sequence.

研究动机与目标

• 将Furstenberg关于随机矩阵乘积的经典定理推广至矩阵独立但非同分布的非平稳设定。
• 通过将矩阵乘积的大数定律推广至非i.i.d.情形，填补随机矩阵理论中的基础性空白。
• 为数学物理中非平稳Anderson模型的谱局域化与动力局域化提供理论基础。
• 开发一种新技术工具——“原子消解定理”——以在非平稳背景下替代平稳测度的作用。

提出的方法

• 引入SL(d, R)上概率测度的紧集K，以容纳非同分布的情形。
• 通过极限1/n log ||T_n||定义非平稳李雅普诺夫指数，并证明其几乎必然收敛于确定性序列{L_n}。
• 利用“原子消解定理”（定理1.14）控制矩阵乘积的增长，而无需依赖平稳测度。
• 分析在RP^{d-1}上的射影作用，并利用一般性条件确保指数增长。
• 构造反例表明，仅靠矩条件不足以保证结果，除非加入空间条件，从而证明假设的必要性。
• 将该框架应用于非平稳Anderson模型，展示其在谱局域化中的适用性。

实验结果

研究问题

• RQ1 Furstenberg关于随机矩阵乘积指数增长的定理能否推广至非i.i.d.设定？
• RQ2 在何种条件下，独立但非同分布的SL(d, R)矩阵乘积的范数会以非随机速率指数增长？
• RQ3 是否可能在非平稳设定中，用新方法替代平稳测度在随机矩阵理论中的作用？
• RQ4 保证1/n log ||T_n|| 几乎必然收敛于确定性序列的最小假设集是什么？
• RQ5 该框架能否用于证明非平稳随机施罗丁格算子中的局域化？

主要发现

• 在一般性条件下，序列1/n log ||T_n|| 几乎必然收敛于非随机序列{L_n}，推广了i.i.d.情形。
• 在与经典Furstenberg定理相同的非退化性和非紧性条件下，李雅普诺夫指数仍为正。
• “原子消解定理”提供了一种控制非平稳乘积渐近行为的新机制，取代了对平稳测度的依赖。
• 构造了一个反例，其中矩条件成立，但不存在任何确定性序列{L_n}使得1/n(log||T_n|| - L_n) → 0，从而证明空间条件假设的必要性。
• 该框架可应用于非平稳Anderson模型，为未来证明谱局域化与动力局域化奠定基础。
• 即使矩阵分布随时间变化，只要满足一般性条件，渐近增长速率仍为确定性且几乎必然成立。