[论文解读] Limiting Spectral Distributions of Sums of Products of Non-Hermitian Random Matrices

Holger Kösters, А. Н. Тихомиров|arXiv (Cornell University)|Jun 14, 2015

Random Matrices and Applications参考文献 41被引用 4

一句话总结

本文確立了非厄米 i.i.d. 隨機矩陣及其逆矩陣乘積之和的極限定量譜分布，顯示其在自由概率卷積下的普遍性與穩定性。本文證明，此類乘積的 m 個獨立複製之和，在適當縮放後，其特徵值分佈會收斂至與單一乘積相同的極限定量分佈，延伸了先前關於 Ginibre 矩陣的研究成果，並透過自由乘法卷積與 S-變換確立了穩定的極限定律。

ABSTRACT

For fixed $l,m \ge 1$, let $\mathbf{X}_n^{(0)},\mathbf{X}_n^{(1)},\dots,\mathbf{X}_n^{(l)}$ be independent random $n imes n$ matrices with independent entries, let $\mathbf{F}_n^{(0)} := \mathbf{X}_n^{(0)} (\mathbf{X}_n^{(1)})^{-1} \cdots (\mathbf{X}_n^{(l)})^{-1}$, and let $\mathbf{F}_n^{(1)},\dots,\mathbf{F}_n^{(m)}$ be independent random matrices of the same form as $\mathbf{F}_n^{(0)}$. We investigate the limiting spectral distributions of the matrices $\mathbf{F}_n^{(0)}$ and $\mathbf{F}_n^{(1)} + \dots + \mathbf{F}_n^{(m)}$ as $n o \infty$. Our main result shows that the sum $\mathbf{F}_n^{(1)} + \dots + \mathbf{F}_n^{(m)}$ has the same limiting eigenvalue distribution as $\mathbf{F}_n^{(0)}$ after appropriate rescaling. This extends recent findings by Tikhomirov and Timushev (2014). To obtain our results, we apply the general framework recently introduced in Götze, Kösters and Tikhomirov (2014) to sums of products of independent random matrices and their inverses. We establish the universality of the limiting singular value and eigenvalue distributions, and we provide a closer description of the limiting distributions in terms of free probability theory.

研究动机与目标

• 確定當矩陣大小 n → ∞ 時，獨立非厄米隨機矩陣及其逆矩陣乘積之和的極限定量譜分佈。
• 建立在滿足矩條件的不同係數分佈下，極限定量特徵值分佈的普遍性。
• 證明此類矩陣和的極限定量分佈在自由乘法卷積運算下具有穩定性。
• 利用自由概率工具，特別是 S-變換與 R-變換，明確描述極限定量分佈。
• 將先前關於 Ginibre 矩陣的研究成果擴展至包含逆矩陣與 i.i.d. 矩陣之和的更一般乘積形式。

提出的方法

• 應用 Götze、Kösters 與 Tikhomirov（2014）提出的通用框架，分析獨立隨機矩陣及其逆矩陣乘積之和。
• 使用自由乘法卷積 ⊠ 與加法卷積 ⊞ 來描述極限定量特徵值分佈。
• 運用 S-變換來表徵隨機矩陣乘積的極限定量分佈，特別是針對矩陣 Fₙ⁽⁰⁾ = Xₙ⁽⁰⁾(Xₙ⁽¹⁾)⁻¹⋯(Xₙ⁽ˡ⁾)⁻¹。
• 應用 Helffer–Sjöstrand 函數演算來控制譜測度，並推導出機率收斂性。
• 使用奇異值不等式（例如 Horn 不等式）來驗證必要的矩條件與穩定性條件（C0–C2）。
• 利用非厄米隨機矩陣小奇異值的界（例如來自 [22, 23] 的結果），確保在 n → ∞ 時，逆矩陣具有高概率的可逆性與穩定性。

实验结果

研究问题

• RQ1 在適當縮放後，m 個獨立複製的非厄米隨機矩陣乘積之和的極限定量譜分佈是否與單一乘積的極限定量譜分佈一致？
• RQ2 在僅滿足有限二階矩條件的情況下，此類矩陣乘積的極限定量特徵值分佈是否具有普遍性？
• RQ3 能否透過自由概率理論，特別是 S-變換與自由乘法卷積，明確描述極限定量分佈？
• RQ4 此類矩陣乘積的極限定量分佈是否在自由卷積下表現出類似經典穩定分佈的穩定性？
• RQ5 在大 n 時限下，Fₙ⁽⁰⁾ 的極限定量譜分佈與縮放後的和 Fₙ⁽¹⁾ + ⋯ + Fₙ⁽ᵐ⁾ 之間的精確關係為何？

主要发现

• 在適當縮放後，m⁻⁽ˡ⁺¹⁾ᐟ²(Fₙ⁽¹⁾ + ⋯ + Fₙ⁽ᵐ⁾) 的極限定量譜分佈與 Fₙ⁽⁰⁾ 的極限定量譜分佈一致，確立了自由卷積下的某種穩定性。
• Fₙ⁽⁰⁾ 的極限定量特徵值分佈由自由乘法卷積 H(Q⁻¹(γ₁⁻¹ ⊠ γ₁^⊞ˡ¹ ⊠ ⋯ ⊠ γ₁^⊞ˡᵏ)) 給出，其中 H 表示 Herglotz 變換，Q⁻¹ 表示 R-變換的反函數。
• 極限定量分佈具有普遍性：其僅取決於乘積中的矩陣數量與指數，而不依賴於矩陣係數的具體分佈，只要其滿足矩條件 (1.2)–(1.4)。
• Fₙ⁽⁰⁾ 極限定量分佈的 S-變換被證明為 σₛ(2/(l+1))，確認其在與 m 個複製進行自由乘法卷積下的穩定性。
• 當 n → ∞ 時，經驗特徵值分佈 μₙ 對非隨機極限定量分佈 μ 的弱收斂在機率意義下成立。
• 本研究結果將 Tikhomirov 與 Timushev（2014）的先前成果擴展至包含逆矩陣與獨立複製之和的矩陣乘積，並透過奇異值界與自由概率理論提供嚴謹的證明。