[论文解读] On the asymptotic distribution of singular values of products of large rectangular random matrices

Nikita Alexeev, А. Н. Тихомиров+1 more|arXiv (Cornell University)|Dec 12, 2010

Random Matrices and Applications参考文献 14被引用 11

一句话总结

本文在一般条件下建立了大型长方形随机矩阵乘积的奇异值的渐近分布。通过斯蒂尔杰斯变换分析与林德贝格条件，证明了平方奇异值的经验分布的期望弱收敛于由代数方程刻画的极限分布，当矩阵为方阵时退化为福斯-卡塔兰矩。

ABSTRACT

We consider products of independent large random rectangular matrices with independent entries. The limit distribution of the expected empirical distribution of singular values of such products is computed. The distribution function is described by its Stieltjes transform, which satisfies some algebraic equation. In the particular case of square matrices we get a well-known distribution which moments are Fuss-Catalan numbers.

研究动机与目标

• 推导独立大型长方形随机矩阵乘积的奇异值的极限谱分布。
• 将 Marchenko-Pastur 定律推广至非 i.i.d. 情况下的长方形矩阵乘积。
• 建立期望经验分布函数弱收敛于由斯蒂尔杰斯变换方程刻画的极限分布。
• 将自由概率与矩方法的结果扩展至非方阵、非高斯矩阵乘积。
• 为多层随机矩阵模型中奇异值的渐近行为提供严格的理论基础。

提出的方法

• 定义乘积矩阵 $\mathbf{W} = \prod_{\nu=1}^m \mathbf{X}^{(\nu)} $，其中每个 $\mathbf{X}^{(\nu)}$ 为具有 i.i.d. 入的长方形随机矩阵，按 $1/\sqrt{p_\nu}$ 缩放。
• 分析平方奇异值的经验分布 $F_n(x)$ 的期望的斯蒂尔杰斯变换 $s_n(z)$。
• 证明 $s_n(z)$ 满足一个近似方程，其中涉及依赖于各矩阵纵横比 $y_l = \lim n/p_l$ 的乘积项。
• 证明 $s_n(z)$ 收敛于极限分布 $G_{\mathbf{y}}(x)$ 的斯蒂尔杰斯变换 $s_{\mathbf{y}}(z)$，后者满足代数方程 $1 + z s_{\mathbf{y}}(z) - s_{\mathbf{y}}(z) \prod_{l=1}^m (1 - y_l - z y_l s_{\mathbf{y}}(z)) = 0$。
• 通过对称化、截断与矩界控制，控制预解式展开中的误差项。
• 应用林德贝格条件，确保高阶矩收敛及误差项 $\delta_n(z) \to 0$ 在 $n \to \infty$ 时的一致性。

实验结果

研究问题

• RQ1 $m$ 个独立大型长方形随机矩阵（i.i.d. 入）乘积的奇异值的极限分布是什么？
• RQ2 渐近分布如何依赖于各矩阵的纵横比 $y_l = \lim n/p_l$？
• RQ3 在一般矩条件（如林德贝格条件）下，能否建立期望经验谱分布的收敛性？
• RQ4 在方阵情况下，极限分布与福斯-卡塔兰数之间有何联系？
• RQ5 是否存在一个确定性方程，刻画一般长方形矩阵乘积的极限谱分布的斯蒂尔杰斯变换？

主要发现

• 当 $n \to \infty$ 时，平方奇异值的经验分布 $F_n(x)$ 的期望弱收敛于极限分布 $G_{\mathbf{y}}(x)$。
• 极限分布 $G_{\mathbf{y}}(x)$ 的斯蒂尔杰斯变换 $s_{\mathbf{y}}(z)$ 满足代数方程 $1 + z s_{\mathbf{y}}(z) - s_{\mathbf{y}}(z) \prod_{l=1}^m (1 - y_l - z y_l s_{\mathbf{y}}(z)) = 0$。
• 在特殊情形 $y_1 = \cdots = y_m = 1$ 下，$G_{\mathbf{y}}(x)$ 的矩为福斯-卡塔兰数 $M_k = \frac{1}{mk+1} \binom{mk+k}{k}$。
• 福斯-卡塔兰矩满足递推关系 $M_k = \sum_{k_0 + \cdots + k_m = k-1} \prod_{\nu=0}^m M_{k_\nu}$。
• 在方阵情形下，斯蒂尔杰斯变换满足 $1 + z s(z) + (-1)^{m+1} z^m s(z)^{m+1} = 0$。
• 在林德贝格条件下，$F_n(x)$ 对 $G_{\mathbf{y}}(x)$ 的收敛是一致的，且满足 $\sup_x |F_n(x) - G_{\mathbf{y}}(x)| \to 0$ 当 $n \to \infty$。