[论文解读] Outlier eigenvalues for non-Hermitian polynomials in independent i.i.d. matrices and deterministic matrices

Serban T. Belinschi, Charles Bordenave+2 more|arXiv (Cornell University)|Jun 25, 2019

Random Matrices and Applications参考文献 34被引用 4

一句话总结

本文建立了非厄米随机矩阵多项式 $ P(Y, A) $ 的异常特征值收敛于 $ P(0, A) $ 特征值的条件，其中 $ Y $ 为独立同分布的随机矩阵，$ A $ 为确定性矩阵。该收敛性发生在 $ P(c, a) $ 的谱之外，$ c $ 为与 $ a $ 自由的圆型系统。关键结果表明，在 $ A_N $ 条件良好的假设下，异常特征值趋于稳定并匹配 $ P(0, A) $ 的特征值，从而将经典随机矩阵理论推广至非交换多项式情形。

ABSTRACT

We consider a square random matrix of size $N$ of the form $P(Y,A)$ where $P$ is a noncommutative polynomial, $A$ is a tuple of deterministic matrices converging in $\\ast$-distribution, when $N$ goes to infinity, towards a tuple $a$ in some $\\mathcal{C}^*$-probability space and $Y$ is a tuple of independent matrices with i.i.d. centered entries with variance $1/N$. We investigate the eigenvalues of $P(Y,A)$ outside the spectrum of $P(c,a)$ where $c$ is a circular system which is free from $a$. We provide a sufficient condition to guarantee that these eigenvalues coincide asymptotically with those of $P(0,A)$.

研究动机与目标

• 理解涉及独立同分布随机矩阵与确定性矩阵的非厄米随机矩阵多项式中异常特征值的渐近行为。
• 将经典关于异常特征值稳定性的结果（如 Ginibre、Tao）从加法扰动推广至随机与确定性矩阵的一般非交换多项式函数。
• 建立充分条件，使得 $ P(Y, A) $ 在 $ \mathrm{spec}(P(c, a)) $ 之外的特征值渐近等同于 $ P(0, A) $ 的特征值，利用自由概率与预解分析。
• 将‘条件良好’矩阵的概念推广至非多项式矩阵模型，并证明在异常值区域谱测度的收敛性。

提出的方法

• 利用自由概率理论建模 $ P(Y, A) $ 的极限谱分布，其中 $ c $ 为与 $ a $ 自由的圆型算子，$ a $ 是 $ A_N $ 的极限。
• 应用预解恒等式与谱间隙估计，控制预解算子 $ R_N(z) $ 与 $ R'_N(z) $ 的范数，确保在异常值区域的稳定性。
• 采用奇异值分解与矩估计控制涉及 $ Y_N $ 的矩阵积的增长，利用 Bai-Yin 定理处理独立同分布条目的情形。
• 引入对 $ A_N $ 的条件良好矩阵条件，确保对所有 $ z \notin \mathrm{spec}(c + a) $，有 $ s_N(A_N - zI_N) > \eta_z > 0 $，从而防止虚假特征值的出现。
• 使用 Rouché 定理比较 $ P(Y, A) $ 与 $ P(0, A) $ 的特征多项式零点个数，证明在 $ \mathbb{C} \setminus \mathrm{spec}(P(c, a)) $ 的紧子集上特征值收敛。
• 应用控制收敛定理与几乎必然收敛论证，证明 $ \|Q_N R_N(z) P_N - Q_N R'_N(z) P_N\| \to 0 $ 在紧集 $ \Gamma \subset \mathbb{C} \setminus \mathrm{spec}(P(c, a)) $ 上一致成立。

实验结果

研究问题

• RQ1 在何种条件下，具有独立同分布条目的 $ Y $ 与确定性矩阵 $ A $ 构成的 $ P(Y, A) $ 的异常特征值会收敛于 $ P(0, A) $ 的特征值？
• RQ2 对 $ A_N $ 的条件良好矩阵条件如何确保在 $ \mathbb{C} \setminus \mathrm{spec}(P(c, a)) $ 中无虚假异常特征值？
• RQ3 经典关于加法扰动的异常特征值稳定性结果能否推广至随机与确定性矩阵的一般非交换多项式函数？
• RQ4 自由概率在刻画 $ P(Y, A) $ 的极限谱分布（尤其在异常值区域）中起什么作用？
• RQ5 如何利用预解分析与奇异值控制，在非厄米、非加法设定下证明谱测度的收敛性？

主要发现

• 在紧集 $ \Gamma \subset \mathbb{C} \setminus \mathrm{spec}(P(c, a)) $ 上，若 $ A_N $ 条件良好，则 $ P(Y, A) $ 的异常特征值几乎必然收敛于 $ P(0, A) $ 的特征值。
• 在紧子集 $ \Gamma \subset \mathbb{C} \setminus \mathrm{spec}(P(c, a)) $ 上，$ \|Q_N R_N(z) P_N - Q_N R'_N(z) P_N\| \to 0 $ 一致成立，确保谱的稳定性。
• 对任意 $ z \in \Gamma $，预解算子范数 $ \|R_N(z)\| $ 与 $ \|R'_N(z)\| $ 一致有界，远离无穷，其界依赖于 $ \tilde{\gamma}_z $ 与 $ \tilde{\eta}_z $。
• 矩阵 $ \sum_k \beta_k \otimes (A_N^{(k)})^{\prime\prime} $ 的奇异值一致有界，从而实现对矩阵积范数的控制。
• 利用 Rouché 定理确认 $ P(Y, A) $ 在 $ \Gamma $ 内的特征值个数与 $ P(0, A) $ 相同，从而证明在异常值区域的特征值重合。
• 该结果在四阶矩条件 $ \mathbb{E}[|X_{11}|^4] < \infty $ 下成立，确保经验谱测度的收敛性与异常特征值的稳定性。