[论文解读] On the Asymptotic Spectrum of Products of Independent Random Matrices

Friedrich Götze, Alexander A. Tikhomirov|arXiv (Cornell University)|Dec 13, 2010

Random Matrices and Applications被引用 11

一句话总结

本文建立了具有 i.i.d. 入的独立非厄米随机矩阵乘积的渐近谱分布。通过对数势方法和移位矩阵的奇异值分析，证明了期望的经验谱分布弱收敛于复平面上单位圆盘上均匀分布的 m 次幂，将圆周律推广至矩阵乘积。

ABSTRACT

We consider products of independent random matrices with independent entries. The limit distribution of the expected empirical distribution of eigenvalues of such products is computed. Let $X^{( u)}_{jk},{}1\le j,r\le n$, $ u=1,...,m$ be mutually independent complex random variables with $\E X^{( u)}_{jk}=0$ and $\E {|X^{( u)}_{jk}|}^2=1$. Let $\mathbf X^{( u)}$ denote an $n imes n$ matrix with entries $[\mathbf X^{( u)}]_{jk}=\frac1{\sqrt{n}}X^{( u)}_{jk}$, for $1\le j,k\le n$. Denote by $\lambda_1,...,\lambda_n$ the eigenvalues of the random matrix $\mathbf W:= \prod_{ u=1}^m\mathbf X^{( u)}$ and define its empirical spectral distribution by $$ \mathcal F_n(x,y)=\frac1n\sum_{k=1}^n\mathbb I\{ e{\lambda_k}\le x,\im{\lambda_k\le y}\}, $$ where $\mathbb I\{B\}$ denotes the indicator of an event $B$. We prove that the expected spectral distribution $F_n^{(m)}(x,y)=\E \mathcal F_n^{(m)}(x,y)$ converges to the distribution function $G(x,y)$ corresponding to the $m$-th power of the uniform distribution on the unit disc in the plane $\mathbb R^2$.

研究动机与目标

• 刻画 m 个独立同分布随机矩阵乘积的极限谱分布。
• 将适用于单个 i.i.d. 随机矩阵的圆周律推广至 m 个此类矩阵的乘积。
• 建立期望经验谱分布与确定性极限之间在 Kolmogorov 距离下的收敛性。
• 在第二矩的统一可积性条件下，将结果推广至非 i.i.d. 情况。
• 为大型随机矩阵乘积中的特征值行为提供严格的理论基础，相关于无线通信与自由概率论。

提出的方法

• 采用源自早期圆周律证明的对数势方法，分析极限谱测度。
• 通过分析移位矩阵 W(z) = W − zI（z ∈ ℂ）的奇异值分布，研究特征值波动。
• 利用关于矩阵元素生成的 σ 代数的鞅展开，控制迹项中的波动。
• 应用带随机缩放的泰勒展开，近似预解矩阵的导数并控制误差项。
• 利用预解矩阵范数和矩阵扰动技术对奇异值进行有界控制，尤其针对小和中等奇异值。
• 依赖于矩条件和统一可积性，将结果扩展至非 i.i.d. 情况，确保在较弱假设下仍能收敛。

实验结果

研究问题

• RQ1 m 个独立同分布随机矩阵乘积的极限谱分布是什么？
• RQ2 当矩阵规模 n → ∞ 时，此类乘积的经验谱分布如何收敛？
• RQ3 在较弱的矩条件下，能否将圆周律推广至 m 个此类矩阵的乘积？
• RQ4 对数势方法在证明非厄米矩阵乘积谱测度收敛性中起什么作用？
• RQ5 移位矩阵 W(z) = W − zI 的奇异值如何贡献于极限特征值分布？

主要发现

• 乘积矩阵 W = ∏_{ν=1}^m X(ν) 的期望经验谱分布，在 Kolmogorov 距离下收敛于复平面单位圆盘上均匀分布的 m 次幂。
• 极限分布具有 Lebesgue 密度 g(x, y) = (1/π) ⋅ (x² + y²)^{m−1}，其中 x² + y² ≤ 1。
• 当 m = 1 时，结果退化为经典圆周律，与已知结果一致。
• 该收敛性在更弱的统一可积第二矩条件下成立，无需有限高阶矩。
• 只要第二矩满足统一可积性条件，该证明方法可推广至非 i.i.d. 入。
• 该方法通过泰勒展开和鞅技术成功控制误差项，即使在非高斯入下也能确保收敛。