[论文解读] Toeplitz band matrices with small random perturbations

Johannes Sjoestrand, Martin Vogel|arXiv (Cornell University)|Jan 25, 2019

Random Matrices and Applications参考文献 15被引用 4

一句话总结

本文研究了在小复高斯随机扰动下，大尺寸 $N\times N$ Toeplitz 块矩阵的谱行为。建立了概率 Weyl 法则，并证明了以高概率，大多数特征值位于符号曲线 $p(S^1)$ 的 $\mathcal{O}(N^{-1+\varepsilon})$ 范围内，展示了尽管矩阵非正规，特征值仍会集中在谱曲线附近。

ABSTRACT

We study the spectra of $N imes N$ Toeplitz band matrices perturbed by small complex Gaussian random matrices, in the regime $N\gg 1$. We prove a probabilistic Weyl law, which provides an precise asymptotic formula for the number of eigenvalues in certain domains, which may depend on $N$, with probability sub-exponentially (in $N$) close to $1$. We show that most eigenvalues of the perturbed Toeplitz matrix are at a distance of at most $\mathcal{O}(N^{-1+\varepsilon})$, for all $\varepsilon >0$, to the curve in the complex plane given by the symbol of the unperturbed Toeplitz matrix.

研究动机与目标

• 理解非自伴 Toeplitz 块矩阵在小随机扰动下的谱分布。
• 为依赖于 $N$ 的区域中特征值数量建立概率 Weyl 法则。
• 分析特征值相对于复平面上符号曲线 $p(S^1)$ 的渐近定位。
• 表明随机扰动可抑制虚假特征值，并恢复本质谱附近的谱集中性。

提出的方法

• 使用 Grushin 问题框架分析受扰 Toeplitz 算子的预解式与特征值计数。
• 通过大偏差估计与 Borel-Cantelli 论证应用概率 Weyl 法则，以控制特征值分布。
• 采用对数势 $U_{\mu}(z) = -\frac{1}{2\pi}\int \log|z-w|\,d\mu(w)$ 将特征值计数与极限测度的格林函数联系起来。
• 通过渐近展开与 Grushin 框架中次对角块 $E_{-+}^\delta(z)$ 的估计分析行列式 $\det(P_N^\delta - z)$。
• 利用希尔伯特-施密特范数与复高斯随机矩阵理论，对具有 i.i.d. 复高斯条目的小扰动 $\delta Q_\omega$ 进行建模。
• 通过 $\mathcal{D}'$ 中对数势的收敛性，建立经验谱测度 $\xi_N$ 对极限测度 $\xi = p_*\left(\frac{1}{2\pi}L_{S^1}\right)$ 的弱收敛。

实验结果

研究问题

• RQ1 在小随机扰动下，大尺寸非自伴 Toeplitz 块矩阵的谱行为如何？
• RQ2 当 $N \to \infty$ 且扰动 $\delta \ll 1$ 时，特征值在复平面上的渐近分布为何？
• RQ3 能否为依赖于 $N$ 的区域中特征值数量建立概率 Weyl 法则？
• RQ4 特征值在多大程度上集中在符号曲线 $p(S^1)$ 附近？
• RQ5 受扰矩阵的经验谱测度如何收敛于无限 Toeplitz 算子的谱测度？

主要发现

• 以亚指数接近 1 的概率（关于 $N$），任意区域 $\Omega_N$ 中的特征值数量渐近由概率 Weyl 法则给出。
• 几乎所有（可忽略的例外部分除外）$P_N^\delta$ 的特征值都位于 $\mathcal{O}(N^{-1+\varepsilon})$ 范围内，对任意 $\varepsilon > 0$。
• 当 $N \to \infty$ 时，经验谱测度 $\xi_N$ 几乎必然弱收敛于推出测度 $\xi = p_*\left(\frac{1}{2\pi}L_{S^1}\right)$。
• 对几乎每个 $z \in \mathbb{C}$，对数势 $U_{\xi_N}(z)$ 几乎必然收敛于 $U_\xi(z)$，意味着谱测度的收敛性。
• 对于大 $N$，$P_N^\delta$ 的算子范数以 $\|p\|_{L^\infty(S^1)} + 1$ 为上界，且概率很高。
• 特征值分布对扰动具有鲁棒性：随机矩阵 $\delta Q_\omega$ 抑制了虚假特征值，并促使特征值集中在 $p(S^1)$ 附近。