[论文解读] Elliptic law for real random matrices

Alexey Naumov|arXiv (Cornell University)|Jan 8, 2012

Random Matrices and Applications参考文献 13被引用 17

一句话总结

本文在有限四阶矩条件下，建立了实随机矩阵具有独立同分布非对角线元素 $(X_{ij}, X_{ji})$ 的椭圆律。证明了 $n^{-1/2} \mathbf{X}_n$ 的经验谱分布以概率弱收敛于复平面上椭圆内的均匀分布，其轴由相关性 $\rho = \mathbb{E}[X_{12}X_{21}]$ 决定，展示了不依赖于底层元素分布的普遍性。

ABSTRACT

In this paper we consider ensemble of random matrices $\X_n$ with independent identically distributed vectors $(X_{ij}, X_{ji})_{i eq j}$ of entries. Under assumption of finite fourth moment of matrix entries it is proved that empirical spectral distribution of eigenvalues converges in probability to a uniform distribution on the ellipse. The axis of the ellipse are determined by correlation between $X_{12}$ and $X_{21}$. This result is called Elliptic Law. Limit distribution doesn't depend on distribution of matrix elements and the result in this sence is universal.

研究动机与目标

• 建立具有依赖非对角线元素的实非厄米特随机矩阵的极限谱分布的普遍性。
• 证明经验谱测度以概率弱收敛于椭圆上的均匀分布。
• 将吉潜科的椭圆律从高斯假设推广至具有有限四阶矩的一般独立同分布矩阵元素。
• 证明极限分布仅依赖于相关性 $\rho = \mathbb{E}[X_{12}X_{21}]$，而不依赖于元素的具体分布。
• 使用对数势论、小球概率和奇异值分析，提供严谨的证明。

提出的方法

• 使用对数势方法，将谱测度与 $n^{-1/2}\mathbf{X}_n - z\mathbf{I}$ 的奇异值联系起来。
• 应用 $V$-变换，将非厄米特问题转化为涉及奇异值的厄米特问题。
• 通过中心极限定理使用小球概率估计，以控制最小奇异值。
• 通过分解球面来分析可逆性，并控制预解式的谱范数。
• 建立奇异值对数的统一可积性，以证明谱测度收敛的合理性。
• 通过泰勒公式对预解式进行二阶展开，以处理 $X_{ij}$ 与 $X_{ji}$ 之间的依赖性。

实验结果

研究问题

• RQ1 在有限四阶矩条件下，实随机矩阵具有独立同分布非对角线对 $(X_{ij}, X_{ji})$ 的经验谱分布是否收敛于一个普遍极限？
• RQ2 相关性 $\rho = \mathbb{E}[X_{12}X_{21}]$ 如何影响极限谱椭圆的形状？
• RQ3 只要四阶矩有限，极限分布是否独立于矩阵元素的具体分布？
• RQ4 能否在不假设矩阵元素具有密度的前提下证明椭圆律，从而推广吉潜科的原始结果？
• RQ5 最小奇异值在谱测度收敛过程中起什么作用？

主要发现

• $n^{-1/2}\mathbf{X}_n$ 的经验谱分布 $\mu_n$ 以概率弱收敛于椭圆内的均匀分布。
• 极限测度 $\mu$ 在椭圆 $\mathcal{E} = \left\{ x,y \in \mathbb{R} : \frac{x^2}{(1+\rho)^2} + \frac{y^2}{(1-\rho)^2} \leq 1 \right\}$ 内具有常数密度 $g(x,y) = \frac{1}{\pi(1 - \rho^2)}$。
• 椭圆的形状完全由相关性 $\rho = \mathbb{E}[X_{12}X_{21}]$ 决定，其半长轴分别为沿实轴和虚轴的 $1+\rho$ 和 $1-\rho$。
• 极限分布具有普遍性：仅依赖于 $\rho$ 和有限四阶矩条件，而不依赖于矩阵元素的具体分布。
• 该证明在最小矩假设下成立：$\mathbb{E}[X_{12}] = \mathbb{E}[X_{21}] = 0$，$\operatorname{Var}(X_{12}) = \operatorname{Var}(X_{21}) = 1$，且 $\mathbb{E}[|X_{12}|^4], \mathbb{E}[|X_{21}|^4] \leq M_4$。
• 该结果被推广至复非对称矩阵，此时极限椭圆的半长轴为 $1+|\rho|$ 和 $1-|\rho|$，方向由 $\rho$ 的相位决定。