[论文解读] Berry-Esseen bounds and moderate deviations for the norm, entries and spectral radius of products of positive random matrices

Hui Xiao, Ion Grama+1 more|arXiv (Cornell University)|Oct 1, 2020

Random Matrices and Applications参考文献 24被引用 6

一句话总结

本文建立了独立同分布的正随机矩阵乘积的算子范数、矩阵元素和谱半径的Berry-Esseen界与Cramér型中等偏差展开。通过将范数上循环的结果推广至矩阵范数和谱量，本文在矩条件与正则性条件下，提供了非渐近收敛速率与精细尾部近似，填补了随机矩阵乘积理论中的关键空白。

ABSTRACT

Let $(g_{n})_{n\geq 1}$ be a sequence of independent and identically distributed positive random $d imes d$ matrices and consider the matrix product $G_n: = g_n \ldots g_1$. Under suitable conditions, we establish the Berry-Esseen bounds on the rate of convergence in the central limit theorem and moderate deviation expansions of Cramér type, for the matrix norm $\| G_n \|$ of $G_n$, for its $(i,j)$-th entry $G_n^{i,j}$, and the and for its spectral radius $ρ(G_n)$.

研究动机与目标

• 通过推导正独立同分布随机矩阵乘积的算子范数、元素和谱半径的非渐近正态近似界，填补文献中的空白。
• 将现有的范数上循环与马尔可夫链理论扩展至矩阵范数与谱量，确保收敛速率与尾部行为可量化。
• 在适当的矩条件与正则性条件下，建立 $ \|G_n\| $、$ G_n^{i,j} $ 与 $ \rho(G_n) $ 的 Berry-Esseen 界（速率 $ O(1/\sqrt{n}) $）与 Cramér 型中等偏差展开。
• 通过比较引理与 Collatz-Wielandt 公式，证明在相同矩条件下，矩阵范数、元素与谱半径的渐近方差与 Lyapunov 指数一致。

提出的方法

• 通过利用近期关于范数上循环 $ \log|G_n x| $ 的结果，并借助具有严格正分量的向量 $ x $ 将 $ \|G_n\| $ 与 $ |G_n x| $ 进行比较，推导出 $ \|G_n\| $ 的 Berry-Esseen 界。
• 通过分析比值 $ \mathbb{P}(\log\|G_n\| - n\lambda \geq y\sigma\sqrt{n}) / (1 - \Phi(y)) $ 并证明其收敛于 $ \exp(y^3 / \sqrt{n} \cdot \zeta(y/\sqrt{n})) $，误差为 $ O((y+1)/\sqrt{n}) $，建立中等偏差展开。
• 利用 Minkowski 不等式比较 $ \log\|G_n\| $、$ \log|G_n x| $ 与 $ \log G_n^{i,j} $ 的二阶矩，证明其方差差异以 $ O(1/n) $ 速率趋于零。
• 应用 Collatz-Wielandt 公式将 $ \rho(G_n) $ 与矩阵元素和范数关联，实现 $ \|G_n\| $、$ \rho(G_n) $ 与 $ \langle e_i, G_n e_j \rangle $ 之间的比较。
• 采用正则性条件，确保同一矩阵列中的元素可比，从而控制 $ \log G_n^{i,j} $ 相对于 $ \log|G_n e_j| $ 的行为。
• 利用集中不等式与指数矩界控制尾部概率，特别是在通过 $ b_n $-缩放与 $ k $-截断证明中等偏差上下界时。

实验结果

研究问题

• RQ1 能否为正随机矩阵乘积的算子范数 $ \|G_n\| $、元素 $ G_n^{i,j} $ 与谱半径 $ \rho(G_n) $ 建立速率 $ O(1/\sqrt{n}) $ 的 Berry-Esseen 界？
• RQ2 Cramér 型中等偏差展开是否适用于 $ \|G_n\| $、$ G_n^{i,j} $ 与 $ \rho(G_n) $？其指数校正项的精确形式为何？
• RQ3 在相同矩条件下，$ \log\|G_n\| $、$ \log G_n^{i,j} $ 与 $ \log\rho(G_n) $ 的渐近方差如何相互关联，又如何与 Lyapunov 指数 $ \lambda $ 关联？
• RQ4 在何种程度上可通过与正向量 $ x $ 的 $ |G_n x| $ 比较来控制 $ \|G_n\| $ 的行为？该方法如何推广至元素与谱半径？

主要发现

• 本文建立了如下形式的 Berry-Esseen 界：$ \sup_{y\in\mathbb{R}} \left| \mathbb{P}\left( \frac{\log\|G_n\| - n\lambda}{\sigma\sqrt{n}} \leq y \right) - \Phi(y) \right| \leq \frac{C}{\sqrt{n}} $，证明了矩阵范数的收敛速率为 $ O(1/\sqrt{n}) $。
• 推导出 Cramér 型中等偏差展开：$ \frac{\mathbb{P}\left( \frac{\log\|G_n\| - n\lambda}{\sigma\sqrt{n}} \geq y \right)}{1 - \Phi(y)} = \exp\left( \frac{y^3}{\sqrt{n}} \zeta\left( \frac{y}{\sqrt{n}} \right) \right) \left[1 + O\left( \frac{y+1}{\sqrt{n}} \right) \right] $，对所有 $ y \in [0, o(\sqrt{n})) $ 一致成立。
• $ \log\|G_n\| $、$ \log G_n^{i,j} $ 与 $ \log\rho(G_n) $ 的渐近方差均收敛于同一 $ \sigma^2 $，且满足 $ \frac{1}{n} \mathbb{E}[(\log\|G_n\| - n\lambda)^2 - (\log|G_n x| - n\lambda)^2] \to 0 $ 当 $ n \to \infty $。
• 对于元素 $ G_n^{i,j} $，其 $ \log G_n^{i,j} $ 的方差被证明渐近等价于 $ \log|G_n e_j| $ 的方差，误差通过 Minkowski 不等式与矩阵元素的正则性条件控制。
• 谱半径 $ \rho(G_n) $ 满足 $ \frac{1}{n} \mathbb{E}[(\log\rho(G_n) - n\lambda)^2 - (\log\|G_n\| - n\lambda)^2] \to 0 $，该结果基于 Collatz-Wielandt 公式与范数比较得出。
• 在更强的矩条件与正则性条件下，结果被推广至元素与谱半径，其收敛速率与展开形式与矩阵范数保持一致。