[论文解读] Limiting Empirical Singular Value Distribution of Restrictions of Unitary Matrices

Brendan Farrell|arXiv (Cornell University)|Mar 4, 2010

Random Matrices and Applications参考文献 14被引用 5

一句话总结

本文推导了从哈尓分布的酉矩阵和离散傅里叶变换（DFT）矩阵中随机删除行和列后形成的随机子矩阵的几乎必然极限经验奇异值分布。利用斯蒂尔杰斯变换和随机矩阵理论，证明了极限分布仅依赖于行和列的删除概率 $p$ 和 $q$，其连续部分支撑在 $[r_-^{1/2}, r_+^{1/2}]$ 上，并可能在 $x=1$ 处存在一个点质量，其中 $r_- = (\sqrt{p(1-q)} - \sqrt{q(1-p)})^2$ 且 $r_+ = (\sqrt{p(1-q)} + \sqrt{q(1-p)})^2$。该结果将 Marcêne-Pastur 定律推广至具有随机子选择的结构化随机矩阵。

ABSTRACT

We determine the limiting empirical singular value distribution for random unitary matrices with Haar distribution and discrete Fourier transform (DFT) matrices when a random set of columns and rows is removed.

研究动机与目标

• 确定从哈尓分布的酉矩阵或 DFT 矩阵中独立随机删除行和列后形成的随机子矩阵的极限经验奇异值分布。
• 将 Marcêne-Pastur 定律推广至具有随机子选择的结构化随机矩阵。
• 在几何泛函分析和不确定性原理的背景下，分析此类子矩阵的谱行为，特别是极端奇异值的行为。
• 建立经验分布几乎必然收敛到仅含参数 $p$ 和 $q$ 的闭式密度函数。

提出的方法

• 使用斯蒂尔杰斯变换和 $\eta$-变换分析矩阵 $P_n F_n Q_n F_n^* P_n$ 的特征值分布，其中 $P_n$ 和 $Q_n$ 是独立的伯努利对角投影矩阵。
• 应用随机矩阵理论技术，特别是矩法和渐近分析，推导极限谱测度。
• 通过斯蒂尔杰斯变换定义极限分布，并通过反演得到密度函数 $f_{p,q}(x)$。
• 通过变量替换 $x \to x^2$，将 $P_n F_n Q_n F_n^* P_n$ 的特征值分布转换为 $P_n F_n Q_n$ 的奇异值分布，得到 $f^s_{p,q}(x)$。
• 运用复分析和积分估计，确保对所有 $p, q \in (0,1)$，相关求和与积分的收敛性。
• 通过验证归一化条件及边界点（特别是斯蒂尔杰斯变换中 $z \to -1$ 时的行为）来验证结果。

实验结果

研究问题

• RQ1 从哈尓分布的酉矩阵或 DFT 矩阵中独立随机删除行和列后形成的随机子矩阵的奇异值的极限经验分布是什么？
• RQ2 极限奇异值分布如何依赖于行和列的删除概率 $p$ 和 $q$？
• RQ3 Marcêne-Pastur 定律能否推广至在随机子选择下具有结构的随机矩阵（如 DFT 矩阵和哈尓酉矩阵）？
• RQ4 在极限奇异值分布中，$x=1$ 处的点质量起什么作用，它在何种条件下出现？
• RQ5 极端奇异值的渐近行为如何，其与不确定性原理和随机投影之间有何关联？

主要发现

• 随机子矩阵 $F_{\Omega_n T_n}$ 和 $\mathcal{U}_{\Omega_n T_n}$ 的极限经验奇异值分布几乎必然收敛于仅依赖于删除概率 $p$ 和 $q$ 的密度 $f^s_{p,q}(x)$。
• 分布的连续部分支撑在 $[r_-^{1/2}, r_+^{1/2}]$ 上，其中 $r_- = (\sqrt{p(1-q)} - \sqrt{q(1-p)})^2$ 且 $r_+ = (\sqrt{p(1-q)} + \sqrt{q(1-p)})^2$。
• 密度表达式为 $f^s_{p,q}(x) = \frac{\sqrt{x^2(1 - \frac{r_-}{x^2})(\frac{r_+}{x^2} - 1)}}{2\pi(1 - x^2)(1 - \max(p,q))} \cdot \mathbf{1}_{(r_-^{1/2}, r_+^{1/2})}(x)$，对所有 $x \in (r_-^{1/2}, r_+^{1/2})$ 成立。
• 在 $x = 1$ 处存在一个大小为 $\frac{\max(0, 1 - (p + q))}{1 - \max(p, q)}$ 的点质量，当且仅当 $p + q < 1$ 时出现。
• 归一化条件成立：连续部分在其支撑上的积分为 $1 - \max(p, q)$，并通过除以 $1 - \max(p, q)$ 实现总测度的归一化。
• 该结果对 DFT 矩阵和哈尓分布的酉矩阵在相同的随机子选择机制下均成立，表明极限分布具有普遍性。