🔢 mathematics

A note on the spectral distribution of non-Hermitian block matrices with Toeplitz blocks

यह शोध पत्र मैट्रिसेस के ज्यामितीय माध्य (geometric mean) और जनरलाइज्ड लोकली टोप्लिट्ज़ (GLT) अनुक्रम सिद्धांत का उपयोग करते हुए टोप्लिट्ज़ ब्लॉक्स वाले नॉन-हर्मिटियन ब्लॉक मैट्रिसेस के स्पेक्ट्रल वितरण की जांच करता है, जिसे सैद्धांतिक निष्कर्षों को मान्य करने के लिए संख्यात्मक परीक्षणों और विज़ुअलाइज़ेशन द्वारा समर्थित किया गया है।

मूल लेखक: Andrea Adriani, Giacomo Tento

प्रकाशित 2026-04-07

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Andrea Adriani, Giacomo Tento

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक शहर योजनाकार (city planner) हैं जो एक विशाल, भविष्यवादी महानगर में यातायात प्रवाह (traffic flow) की भविष्यवाणी करने की कोशिश कर रहे हैं। यह शहर एक ग्रिड पर बना है, लेकिन यह एक साधारण ग्रिड नहीं है; यह एक बहु-स्तरीय राजमार्ग प्रणाली (multi-layered highway system) है जहाँ विभिन्न प्रकार के वाहन (कार, ट्रक, बस) जटिल तरीकों से एक-दूसरे के साथ अंतःक्रिया करते हैं।

यह शोध पत्र एक बहुत ही विशिष्ट, जटिल प्रकार के गणितीय शहर ग्रिड के "ट्रैफिक पैटर्न" (स्पेक्ट्रल डिस्ट्रीब्यूशन) को समझने के बारे में है।

यहाँ सरल उपमाओं (analogies) का उपयोग करके इस शोध पत्र का विवरण दिया गया है:

1. समस्या: एक अस्त-व्यस्त, गैर-सममित (Non-Symmetric) शहर

गणित में, हम अक्सर मैट्रिक्स (संख्याओं के ग्रिड) के अनुक्रमों का अध्ययन करते हैं जो बड़े और बड़े होते जाते हैं।

ग्रिड: एक विशाल मैट्रिक्स को शहर के मानचित्र के रूप में सोचें।
ब्लॉक्स: यह विशिष्ट शहर ब्लॉक्स में बना है। कल्पना करें कि शहर को $k$ अलग-अलग जिलों में विभाजित किया गया है। प्रत्येक जिले के भीतर, यातायात के नियम सुसंगत हैं और एक दोहराते हुए पैटर्न (जैसे कि एक टोप्लिट्ज़ (Toeplitz) संरचना, जहाँ नियम सड़क के नीचे चलते समय थोड़ा बदलते हैं, लेकिन पैटर्न दोहराता है) का पालन करते हैं।
ट्विस्ट: आमतौर पर, गणितज्ञ "हर्मिटियन (Hermitian)" शहरों को पसंद करते हैं। एक हर्मिटियन शहर में, जिला A से जिला B तक का यातायात प्रवाह बिल्कुल वैसा ही होता है जैसा B से A तक का (जैसे कि समान नियमों वाली एक दो-तरफा सड़क)। इससे गणित आसान हो जाता है।
वास्तविकता: लेखक गैर-हर्मिटियन (Non-Hermitian) शहरों का अध्ययन कर रहे हैं। यहाँ, A से B की सड़क एक सुपर-हाईवे हो सकती है, जबकि B से A की सड़क एक ऊबड़-खाबड़ कच्ची राह हो सकती है। नियम असममित (asymmetric) हैं। यह यातायात (आइगेनवैल्यू/eigenvalues) की भविष्यवाणी करना अविश्वसनीय रूप से कठिन बना देता है क्योंकि मानक मानचित्र अब काम नहीं करते।

2. समाधान: "ज्यामितीय माध्य" (Geometric Mean) कंपास

इसे हल करने के लिए, लेखक एक विशेष उपकरण पेश करते हैं जिसे मैट्रिक्स का ज्यामितीय माध्य (Geometric Mean of Matrices) कहा जाता है।

उपमा: कल्पना करें कि आपके पास एक ही इलाके के दो अलग-अलग मानचित्र हैं। एक मानचित्र पहाड़ियों की ऊंचाई (मैट्रिक्स A) दिखाता है, और दूसरा मानचित्र घाटियों की गहराई (मैट्रिक्स B) दिखाता है। यदि आप एक "परफेक्ट औसत" भूभाग खोजना चाहते हैं जो दोनों का सार पकड़ सके, तो आप उन्हें केवल जोड़कर दो से भाग नहीं देते (वह अंकगणितीय माध्य है)। इसके बजाय, आप एक ज्यामितीय माध्य का उपयोग करते हैं।
यह क्यों काम करता है: इस विशिष्ट प्रकार के शहर में, यातायात का "औसत" व्यवहार एक साधारण औसत नहीं है। यह एक संतुलित, ज्यामितीय मिश्रण है। लेखकों ने पाया कि यदि आप जिलों के बीच "फॉरवर्ड" यातायात नियमों और "बैकवर्ड" यातायात नियमों का ज्यामितीय माध्य लेते हैं, तो आपको एक नया, सरल मानचित्र प्राप्त होता है जो समग्र यातायात प्रवाह की सटीक भविष्यवाणी करता है।

3. मुख्य खोज: "जादुई सूत्र" (The Magic Formula)

यह शोध पत्र एक शक्तिशाली प्रमेय (Theorem 1.1) को सिद्ध करता है।

पुराना तरीका: यदि आप पूरे विशाल शहर के लिए यातायात की गणना करने की कोशिश करते, तो आपको अरबों नंबरों को प्रोसेस करना पड़ता।
नया तरीका: लेखक दिखाते हैं कि आपको इसकी आवश्यकता नहीं है। आप जनरेटिंग फंक्शन्स (generating functions) (वे सरल नियम जिन्होंने ब्लॉक्स बनाए थे) को देख सकते हैं और उन्हें इस ज्यामितीय माध्य के उपयोग से मिला सकते हैं।
परिणाम: वे एक नया, सरल "सिंबल" (एक मास्टर मैप) तैयार करते हैं। यदि आप इस मास्टर मैप को देखते हैं, तो यह आपको ठीक से बताता है कि जैसे-जैसे शहर अनंत रूप से बड़ा होता जाता है, पूरे विशाल शहर के ट्रैफिक पैटर्न कैसे होंगे।
- साधारण शब्दों में: पूरे शहर का सिमुलेशन करने के बजाय, आप केवल जिलों के ब्लूप्रिंट को देखते हैं, उन्हें इस विशेष "ज्यामितीय माध्य" रेसिपी के साथ मिलाते हैं, और आप तुरंत पूरे सिस्टम के व्यवहार को जान जाते हैं।

4. प्रमाण: वृत्तों (Circles) के साथ सन्निकटन (Approximating)

उन्होंने इसे कैसे सिद्ध किया?

ट्रिक: उन्होंने महसूस किया कि जटिल, दोहराते हुए पैटर्न (टोप्लिट्ज़ मैट्रिसेस) वृत्तों (Circulant matrices) के बहुत समान होते हैं।
रूपक: एक वर्गाकार टाइल वाले फर्श की कल्पना करें। कोनों पर पानी के प्रवाह का विश्लेषण करना कठिन है। लेकिन यदि आप उस वर्गाकार फर्श को गोलाकार (circular) फर्श से बदलने का प्रयास करते हैं, तो पानी पूर्ण, अनुमानित रिंगों में बहता है।
लेखकों ने सिद्ध किया कि यदि आप वर्गाकार ब्लॉक्स को इन "गोलाकार" सन्निकटनों से बदलते हैं, तो त्रुटि इतनी कम (जैसे धूल का कण) होती है कि उससे कोई फर्क नहीं पड़ता। क्योंकि वृत्त गणितीय रूप से आसान होते हैं, वे वृत्तों के लिए सूत्र सिद्ध कर सके, और फिर दिखा सके कि यह मूल वर्गों के लिए भी काम करना चाहिए।

5. प्रयोग: सिद्धांत का परीक्षण

लेखकों ने केवल गणित नहीं किया; उन्होंने डिजिटल सिमुलेशन (संख्यात्मक परीक्षण) भी बनाए।

उन्होंने 2 जिलों वाले शहर बनाए, फिर 3 जिलों वाले।
उन्होंने "आसान" मामले आजमाए जहाँ नियम सख्ती से सकारात्मक (शून्य-गति वाली सड़कें नहीं) थे।
उन्होंने "कठिन" मामले आजमाए जहाँ कुछ सड़कें शून्य या नकारात्मक थीं।
निष्कर्ष: कठिन मामलों में भी, जहाँ गणित के टूटने की संभावना थी, कंप्यूटर सिमुलेशन ने दिखाया कि उनका "जादुगरिक सूत्र" अभी भी काम कर रहा था! उनके द्वारा अनुमानित ट्रैफिक पैटर्न वास्तविक कंप्यूटर-जनरेटेड ट्रैफिक से लगभग पूरी तरह मेल खाते थे।

6. यह क्यों मायने रखता है?

आप पूछ सकते हैं, "गणितीय शहर के ट्रैफिक की किसे परवाह है?"

वास्तविक दुनिया का प्रभाव: ये मैट्रिक्स इंजीनियरिंग और भौतिकी में हर जगह दिखाई देते हैं। वे मॉडल करते हैं कि गर्मी कैसे फैलती है, बिजली कैसे बहती है, या सामग्रियों के माध्यम से तरंगें कैसे चलती हैं।
गति: यदि आप एक नए हवाई जहाज के पंख या मेडिकल इमेजिंग डिवाइस को डिजाइन कर रहे हैं, तो आपको इन विशाल समीकरणों को तेजी से हल करने की आवश्यकता होती है। "स्पेक्ट्रल डिस्ट्रीब्यूशन" (ट्रैफिक पैटर्न) को जानना इंजीनियरों को बेहतर प्रीकंडीशनर्स (preconditioners) डिजाइन करने में मदद करता है।
उपमा: प्रीकंडीशनर को एक ट्रैफिक कंट्रोलर के रूप में सोचें जो डायवर्जन (detours) सेट करता है ताकि कारें जाम में न फंसें। यदि आप पहले से ही ट्रैफिक पैटर्न (इस पेपर के फॉर्मूले का उपयोग करके) जानते हैं, तो आप डायवर्जन को पूरी तरह से सेट कर सकते हैं, जिससे कंप्यूटर समस्या को बहुत तेज़ी से हल कर पाता है।

सारांश

यह शोध पत्र एक अव्यवस्थित, असममित, बहु-स्तरीय गणितीय समस्या को लेता है जो पहले बहुत कठिन थी। लेखकों ने एक "गुप्त सॉस" (ज्यामितीय माध्य) की खोज की जो समस्या को सरल बनाती है। उन्होंने सिद्ध किया कि व्यक्तिगत ब्लॉक्स के सरल नियमों को देखकर और उन्हें सही ढंग से मिलाकर, आप पूरे विशाल सिस्टम के व्यवहार की भविष्यवाणी कर सकते हैं। उन्होंने कंप्यूटर पर इसका परीक्षण किया, और यह काम करता है, जो विज्ञान और इंजीनियरिंग में तेज़ और अधिक कुशल गणनाओं के लिए द्वार खोलता है।

यहाँ एंड्रिया एड्रियानी और जियाकोमो टेंटो के शोध पत्र "A note on the spectral distribution of non-Hermitian block matrices with Toeplitz blocks" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र उन बड़े ब्लॉक मैट्रिसेस (block matrices) $\{A_n\}_n$ के अनुक्रमों के स्पेक्ट्रल वितरण (spectral distribution) को संबोधित करता है जिनमें एक विशिष्ट नॉन-हर्मिटियन ब्लॉक संरचना (non-Hermitian block structure) होती है, जहाँ प्रत्येक ब्लॉक एक टोप्लिट्ज़ मैट्रिक्स (Toeplitz matrix) होता है।

विशेष रूप से, लेखक $kn \times kn$ आकार के मैट्रिसेस के अनुक्रमों $A_n$ पर विचार करते हैं (जहाँ $k \ge 2$ स्थिर है और $n \to \infty$ ), जिनकी संरचना इस प्रकार है:
$A_n = \begin{bmatrix} T_n(f_{1,1}) & T_n(f_{1,2}) & \cdots & T_n(f_{1,k}) \\ T_n(f_{2,1}) & T_n(f_{2,2}) & \cdots & T_n(f_{2,k}) \\ \vdots & \vdots & \ddots & \vdots \\ T_n(f_{k,1}) & T_n(f_{k,2}) & \cdots & T_n(f_{k,k}) \end{bmatrix}$
जहाँ $T_n(f)$ एक $n \times n$ टोप्लिट्ज़ मैट्रिक्स है जो $f \in L^\infty([-\pi, \pi])$ फलन द्वारा जनरेट किया गया है।

चुनौती:
जब यह मैट्रिक्स अनुक्रम हर्मिटियन (Hermitian) होता है, तो इसका स्पेक्ट्रल वितरण (आइगेनवैल्यू वितरण) मौजूदा जनरलाइज्ड लोकेली टोप्लिट्ज़ (GLT) सिद्धांत का उपयोग करके अच्छी तरह से समझा जा सकता है। हालाँकि, नॉन-हर्मिटियन (non-Hermitian) मामले में एक महत्वपूर्ण कठिनाई आती है। नॉन-हर्मिटियन सेटिंग में, मानक GLT सिद्धांत स्पष्ट रूप से आइगेनवैल्यू वितरण सिंबल (eigenvalue distribution symbol) प्रदान नहीं करता है। लेखक इस विशिष्ट वर्ग के नॉन-हर्मिटियन ब्लॉक मैट्रिसेस के लिए आसत (asymptotic) आइगेनवैल्यू वितरण सिंबल $F(\theta)$ प्राप्त करने का लक्ष्य रखते हैं।

2. कार्यप्रणाली (Methodology)

लेखक जनरलाइज्ड लोकेली टोप्लिट्ज़ (GLT) सिद्धांत और मैट्रिसेस के ज्यामितीय माध्य (geometric means of matrices) की अवधारणा के संयोजन का उपयोग करते हैं। मुख्य कार्यप्रणाली में निम्नलिखित चरण शामिल हैं:

सर्कुलेंट मैट्रिसेस द्वारा सन्निकटन (Approximation by Circulant Matrices):
लेखक प्रत्येक टोप्लिट्ज़ ब्लॉक $T_n(f)$ को एक सर्कुलेंट मैट्रिक्स $C_n(f)$ द्वारा सन्निकटित करते हैं। यह एक ज्ञात परिणाम है कि एक टोप्लिट्ज़ मैट्रिक्स और उसके सर्कुलेंट सन्निकटन के बीच का अंतर फ्रोबिनियस नॉर्म (Frobenius norm) में छोटा ( $o(\sqrt{n})$ ) होता है।
मैट्रिसेस का ज्यामितीय माध्य (Geometric Mean of Matrices):
नॉन-हर्मिटियन ऑफ-डायगोनल ब्लॉक्स को संभालने के लिए, लेखक दो हर्मिटियन पॉजिटिव डेफिनिट (HPD) मैट्रिसेस $A$ और $B$ के ज्यामितीय माध्य का उपयोग करते हैं, जिसे इस प्रकार परिभाषित किया गया है:
$G(A, B) = A^{1/2} (A^{-1/2} B A^{-1/2})^{1/2} A^{1/2}$
वे GLT सिद्धांत के एक प्रमुख गुण (थ्योरम 2.6) का लाभ उठाते हैं: यदि $\{A_n\} \sim_{GLT} \kappa$ और $\{B_n\} \sim_{GLT} \xi$ HPD अनुक्रम हैं, तो उनके ज्यामितीय माध्यों का अनुक्रम $\{G(A_n, B_n)\}$ $(\kappa \xi)^{1/2}$ के रूप में वितरित होता है।
सिमिलरिटी ट्रांसफॉर्मेशन (Similarity Transformation):
मुख्य तकनीकी नवाचार एक ब्लॉक-डायगोनल मैट्रिक्स $E_n$ का निर्माण करना है जो ऑफ-डायगोनल ब्लॉक्स के ज्यामितीय माध्यों के उत्पादों से बना है। विशेष रूप से, $E_n$ को इस प्रकार बनाया गया है कि सिमिलरिटी ट्रांसफॉर्मेशन $E_n A_n E_n^{-1}$ मूल नॉन-हर्मिटियन मैट्रिक्स को एक ऐसे मैट्रिक्स $\hat{A}_n$ में बदल देता है जो हर्मिटियन (या सीमा में हर्मिटियन के करीब) है।
फ्रोबिनियस नॉर्म अनुमान (Frobenius Norm Estimates):
लेखक यह स्थापित करने के लिए श्रृंखला (series) लेम्मा (लेम्मा 3.1–3.6) सिद्ध करते हैं कि:

टोप्लिट्ज़ मैट्रिसेस के ज्यामितीय माध्य को उनके संगत सर्कुलेंट समकक्षों के ज्यामितीय माध्य द्वारा $o(\sqrt{n})$ के फ्रोबिनियस नॉर्म एरर के साथ सन्निकटित किया जा सकता है।
सिमिलरिटी ट्रांसफॉर्मेशन $E_n A_n E_n^{-1}$ एक ऐसा मैट्रिक्स $\hat{A}_n$ देता है जहाँ ऑफ-डायगोनल ब्लॉक्स को जनरेटिंग फंक्शन्स के ज्यामितीय माध्यों (विशेष रूप से $\sqrt{f_{i,j} f_{j,i}}$ ) द्वारा प्रतिस्थापित किया जाता है।
ट्रांसफ़ॉर्म किए गए मैट्रिक्स और लक्षित हर्मिटियन मैट्रिक्स के बीच का अंतर स्पेक्ट्रल वितरण के अर्थ में नगण्य है।

3. मुख्य योगदान (Key Contributions)

प्राथमिक योगदान थ्योरम 1.1 (और थ्योरम 3.8 में इसका विस्तृत प्रमाण) है, जो नॉन-हर्मिटियन ब्लॉक टोप्लिट्ज़ अनुक्रम के स्पेक्ट्रल वितरण को स्थापित करता है।

मुख्य परिणाम:
निम्नलिखित धारणाओं के तहत:

$f_{i,j} \in L^\infty([-\pi, \pi])$ लगभग हर जगह वास्तविक मान वाले हैं।
ऑफ-डायगोनल जनरेटिंग फंक्शन्स $\text{ess inf } f_{i, i+1} > 0$ और $\text{ess inf } f_{i+1, i} > 0$ (पूर्णतः धनात्मक) को संतुष्ट करते हैं।

अनुक्रम $\{A_n\}_n$ मैट्रिक्स-वैल्यूड फंक्शन $\tilde{F}(\theta)$ के रूप में आइगेनवैल्यू के अर्थ में वितरित है:
$\{A_n\}_n \sim_\lambda \tilde{F}(\theta) = \begin{bmatrix} f_{1,1} & \sqrt{f_{1,2}f_{2,1}} & \cdots & \sqrt{f_{1,k}f_{k,1}} \\ \sqrt{f_{2,1}f_{1,2}} & f_{2,2} & \cdots & \sqrt{f_{2,k}f_{k,2}} \\ \vdots & \vdots & \ddots & \vdots \\ \sqrt{f_{k,1}f_{1,k}} & \sqrt{f_{k,2}f_{k,2}} & \cdots & f_{k,k} \end{bmatrix}$
(नोट: पेपर थ्योरम स्टेटमेंट में ट्रिडायगोनल-जैसे (tridiagonal-like) स्ट्रक्चर के लिए परिणाम प्रस्तुत करता है, लेकिन तर्क ऑफ-डायगोनल जोड़ियों के ज्यामितीय माध्य के माध्यम से सामान्य ब्लॉक संरचना तक विस्तारित होता है)।

अनिवार्य रूप से, नॉन-हर्मिटियन ब्लॉक मैट्रिक्स का आइगेनवैल्यू वितरण एक सिमेट्राइज्ड सिंबल (symmetrized symbol) द्वारा निर्धारित होता है जहाँ ऑफ-डायगोनल एंट्रीज $f_{i,j}$ और $f_{j,i}$ को उनके ज्यामितीय माध्य $\sqrt{f_{i,j}f_{j,i}}$ द्वारा प्रतिस्थापित किया जाता है।

4. परिणाम और संख्यात्मक सत्यापन (Results and Numerical Validation)

लेखक व्यापक संख्यात्मक परीक्षणों के माध्यम से अपने सैद्धांतिक निष्कर्षों को मान्य करते हैं:

केस $k=2$ (मानक): उन फंक्शन्स के लिए सिद्धांत की पुष्टि करता है जिनका स्ट्रिक्टली पॉजिटिव एसेंशियल इन्फिमम (essential infimum) है। $A_n$ के आइगेनवैल्यूज के रियल पार्ट्स $\tilde{F}(\theta)$ की सैंपलिंग के साथ पूरी तरह से संरेखित होते हैं।
केस $k=2$ (लिमिट केस): उन फंक्शन्स का परीक्षण करता है जहाँ $\text{ess inf } f_{i,j} = 0$ है। सख्त सकारात्मकता की धारणा का उल्लंघन करने के बावजूद, संख्यात्मक परिणाम बताते हैं कि सिद्धांत अभी भी काम करता है, और आइगेनवैल्यूज वास्तविक (मशीन प्रिसिजन $\approx 10^{-14}$ तक) बने रहते हैं।
केस $k=3$ (कॉम्प्लेक्स आइगेनवैल्यूज): एक ऐसी स्थिति का परीक्षण करता है जहाँ जनरेटिंग फंक्शन्स स्ट्रिक्टली पॉजिटिव नहीं हैं। यहाँ, आइगेनवैल्यूज में एक गैर-नगण्य इमेजिनरी पार्ट (imaginary part) आता है। हालाँकि, रियल पार्ट अभी भी $\tilde{F}(\theta)$ के साथ संरेखित होता है। लेखक देखते हैं कि जैसे-जैसे $n$ बढ़ता है, इमेजिनरी पार्ट का परिमाण $O(1/n)$ के दर से घटता है।

5. महत्व और भविष्य की दिशाएँ (Significance and Future Directions)

महत्व:

GLT सिद्धांत का विस्तार: यह कार्य एक ठोस विधि प्रदान करके GLT सिद्धांत के अंतराल को भरता है, जो नॉन-हर्मिटियन ब्लॉक मैट्रिसेस के एक वर्ग के लिए आइगेनवैल्यू वितरण निर्धारित करने में सक्षम है, जिसके लिए पहले कोई सीधा सैद्धांतिक ढांचा नहीं था।
व्यावहारिक अनुप्रयोग: स्पेक्ट्रल वितरण को समझना डिफरेंशियल इक्वेशंस (जैसे इलेक्ट्रो-डिफ्यूजन इक्वेशंस) के संख्यात्मक विवेकीकरण (numerical discretizations) में उपयोग किए जाने वाले इटरेटिव सॉल्वर (जैसे क्रायलोव सबस्पेस मेथड्स) के अभिसरण विश्लेषण (convergence analysis) के लिए महत्वपूर्ण है।
सिमेट्राइजेशन अंतर्दृष्टि: परिणाम बताता है कि कुछ शर्तों के तहत, एक नॉन-हर्मिटियन ब्लॉक टोप्लिट्ज़ अनुक्रम अपने ब्लॉक्स के ज्यामितीय माध्य द्वारा जनरेट किए गए हर्मिटियन अनुक्रम की तरह स्पेक्ट्रली व्यवहार करता है।

भविष्य की दिशाएँ (अनुमान और खुले प्रश्न):

पॉजिटिविटी को शिथिल करना (Relaxing Positivity): लेखक अनुमान लगाते हैं कि सख्त सकारात्मकता की धारणा ( $\text{ess inf } f > 0$ ) आवश्यक नहीं है और परिणाम तब भी मान्य रहता है जब ब्लॉक्स पॉजिटिव डेफिनिट हों (अनुमान 5.1)।
सामान्यीकरण (Generalization): मल्टी-वेरिएट सिंबल्स और मैट्रिक्स-वैल्यूड जनरेटिंग फंक्शन्स तक सिद्धांत का विस्तार करना।
परिवर्तनीय ब्लॉक आकार (Variable Block Sizes): उन मामलों की जांच करना जहाँ ब्लॉक आयाम समान नहीं हैं (अर्थात सभी $n \times n$ नहीं हैं)।
$L^1$ सिंबल्स: $L^\infty$ फंक्शन्स की धारणा को $L^1$ फंक्शन्स को शामिल करने के लिए शिथिल करना।
अनुप्रयोग (Applications): इन नॉन-हर्मिटियन संरचनाओं से उत्पन्न होने वाले लीनियर सिस्टम के लिए विशिष्ट प्रीकंडीशनिंग तकनीकों को विकसित करना।

संक्षेप में, यह पेपर एक कठोर सैद्धांतिक ढांचा और संख्यात्मक साक्ष्य प्रदान करता है कि नॉन-हर्मिटियन ब्लॉक टोप्लिट्ज़ मैट्रिसेस का स्पेक्ट्रल वितरण उनके ऑफ-डायगोनल जनरेटिंग फंक्शन्स के ज्यामितीय माध्य वाले सिमेट्राइज्ड सिंबल द्वारा नियंत्रित होता है।