[论文解读] Random Matrices: The circular Law

Terence Tao, Van Vu|ArXiv.org|Aug 21, 2007

Random Matrices and Applications参考文献 18被引用 9

一句话总结

本文证明了在 i.i.d. 入口具有零均值和有限方差的条件下，i.i.d. 随机矩阵的强圆律，建立了经验谱分布几乎必然一致收敛到单位圆盘上的均匀分布。该证明的关键在于利用加法组合学工具，提出了一种关于最小奇异值的新型定量下界，扩展了此前在更弱矩假设下的结果，并同样适用于稀疏矩阵。

ABSTRACT

Let $\a$ be a complex random variable with mean zero and bounded variance $σ^{2}$. Let $N_{n}$ be a random matrix of order $n$ with entries being i.i.d. copies of $\a$. Let $λ_{1}, ..., λ_{n}$ be the eigenvalues of $\frac{1}{σ\sqrt n}N_{n}$. Define the empirical spectral distribution $μ_{n}$ of $N_{n}$ by the formula $$ μ_n(s,t) := \frac{1}{n} # \{k \leq n| \Re(λ_k) \leq s; \Im(λ_k) \leq t \}.$$ The Circular law conjecture asserts that $μ_{n}$ converges to the uniform distribution $μ_\infty$ over the unit disk as $n$ tends to infinity. We prove this conjecture under the slightly stronger assumption that the $(2+η)þ$-moment of $\a$ is bounded, for any $η>0$. Our method builds and improves upon earlier work of Girko, Bai, Götze-Tikhomirov, and Pan-Zhou, and also applies for sparse random matrices. The new key ingredient in the paper is a general result about the least singular value of random matrices, which was obtained using tools and ideas from additive combinatorics.

研究动机与目标

• 建立复随机矩阵的强圆律，其 i.i.d. 入口具有零均值和有限非零方差。
• 在 (2+η) 阶矩对任意 η>0 有界的条件下，解决长期存在的圆律猜想。
• 消除对实部与虚部联合分布的有界密度假设，此前该假设排除了伯努利等离散分布。
• 通过将最小奇异值分析方法适配到稀疏情形，将结果推广至稀疏随机矩阵。

提出的方法

• 使用经验谱分布的 Stieltjes 变换，将特征值统计与平移后随机矩阵的奇异值联系起来。
• 应用柯尔莫哥洛夫大数定律的定量版本，控制矩的收敛性，并确保谱测度的紧致性。
• 在加法组合学中发展一个新的逆 Littlewood-Offord 定理，以获得随机矩阵最小奇异值的强下界。
• 通过修改矩估计并证明迹矩的主要贡献仍来自每条边恰好遍历两次的路径，将该方法适配到稀疏矩阵。
• 采用截断论证将问题简化为有界入口，利用最小奇异值通过 Stieltjes 变换控制谱分布的性质。
• 使用柯西-施瓦茨不等式和富比尼定理，控制最小奇异值对数积分非零的集合的测度，确保几乎必然收敛。

实验结果

研究问题

• RQ1 在仅有有限二阶矩和 (2+η) 阶矩条件下，i.i.d. 随机矩阵的经验谱分布是否几乎必然且一致收敛到单位圆盘上的均匀分布？
• RQ2 先前结果中的有界密度假设能否被移除，以包含伯努利等离散分布？
• RQ3 在弱矩假设下，如何以高概率控制非厄米特随机矩阵的最小奇异值？
• RQ4 圆律能否推广到稀疏随机矩阵，其中入口以固定概率为零？
• RQ5 经验谱分布向圆律收敛的收敛速率可建立何种定量界？

主要发现

• 对于任意复 i.i.d. 随机矩阵，若其 (2+η) 阶矩对任意 η>0 有界，则强圆律成立。
• 经验谱分布向单位圆盘上均匀律的收敛是几乎必然且一致的，失败概率在 n 上可 summable。
• 加法组合学中新的逆 Littlewood-Offord 定理提供了最小奇异值的定量下界，这是关键的技术创新。
• 该结果可推广至稀疏随机矩阵，其中每个入口以概率 ρ 非零，只要 ρ 随 n 增长且满足 ρn → ∞。
• 论文建立了形如 P(sup_{s,t} |μ_n(s,t) − μ_∞(s,t)| ≤ n^{-η'}) ≥ 1 − O(n^{-1−η'}) 的定量收敛速率，对所有 n ≥ 1 成立，表明收敛速度为多项式。
• 先前工作中对有界密度的假设被移除，使得伯努利随机变量等离散分布得以包含。