[论文解读] Outlier eigenvalue fluctuations of perturbed iid matrices

Anand Bharathwaj Rajagopalan|arXiv (Cornell University)|Jul 6, 2015

Random Matrices and Applications参考文献 23被引用 9

一句话总结

本文建立了 i.i.d. 随机矩阵的有限秩、有界范数扰动下异常特征值的联合渐近波动，将先前结果推广至一般的若尔当代数型扰动。通过基于 resolvent 分析与特征向量正则性的统一方法，证明归一化波动联合收敛至非退化高斯分布，其方差取决于广义特征向量的结构及扰动的若尔当标准型。

ABSTRACT

It is known that in various random matrix models, large perturbations create outlier eigenvalues which lie, asymptotically, in the complement of the support of the limiting spectral density. This paper is concerned with fluctuations of these outlier eigenvalues of iid matrices $X_n$ under bounded rank and bounded operator norm perturbations $A_n$, namely with $λ(\frac{X_n}{\sqrt{n}}+A_n)-λ(A_n)$. The perturbations we consider are allowed to be of arbitrary Jordan type and have (left and right) eigenvectors satisfying a mild condition. We obtain the joint convergence of the (normalized) asymptotic fluctuations of the outlier eigenvalues in this setting with a unified approach.

研究动机与目标

• 将对异常特征值波动的理解从可对角化扰动推广至 i.i.d. 随机矩阵系综中的一般若尔当代数型扰动。
• 统一分析不同若尔当块结构（包括不可对角化情形）下的波动行为。
• 在左、右特征向量满足较弱正则性条件的前提下，建立归一化异常特征值波动的联合收敛性。
• 将先前关于厄米特刺突模型的结果推广至具有任意扰动结构的非厄米特 i.i.d. 矩阵。
• 为分析具有有限秩扰动的非正则随机矩阵模型中的谱波动，提供一个稳健的框架。

提出的方法

• 引入基于 resolvent 展开与谱投影技术的统一框架，分析非厄米特随机矩阵中的特征值波动。
• 应用截断论证，通过将重尾分布简化为具有可控均值偏移的有界随机变量来处理。
• 使用 Schur 不等式控制均值偏移截断矩阵的算子范数，确保其以 $ O(n^{-1/2}) $ 的速率衰减。
• 利用矩不等式与指数尾部估计控制归一化随机矩阵幂的高阶项。
• 依赖一个关键引理，表明当 $ k \leq \log^2 n $ 时，截断矩阵与中心化矩阵幂之间的差在范数上可忽略。
• 通过原始模型与截断-中心化矩阵模型之间的耦合论证，建立归一化波动的收敛性。

实验结果

研究问题

• RQ1 在一般若尔当代数型扰动（而非仅可对角化情形）下，i.i.d. 随机矩阵中异常特征值波动的行为如何？
• RQ2 由单个若尔当块产生的多个异常特征值的归一化波动的联合极限分布为何？
• RQ3 广义特征向量（左、右）的结构如何影响异常特征值波动的渐近方差？
• RQ4 是否可以对不同若尔当块大小与重数下的波动行为进行统一表征？
• RQ5 重尾分布在多大程度上影响波动缩放？截断方法如何保持极限行为？

主要发现

• 归一化异常特征值波动的联合分布弱收敛至非退化的复高斯分布。
• 来自大小大于一的若尔当块的波动方差大于来自对角块的波动，原因在于广义特征向量结构。
• 每个异常特征值波动的极限方差显式依赖于扰动矩阵的左、右特征向量。
• 对于有界秩与算子范数的扰动，异常值数量等于扰动矩阵中模大于一的特征值个数。
• 在矩条件 $ \mathbb{E}|x|^m < \infty $ 对 $ m > 4 $ 成立时，收敛性成立，这表明截断论证有效。
• 归一化波动 $ \sqrt{n}(\lambda - \theta) $ 联合依分布收敛，极限分布依赖于若尔当结构与特征向量正则性。