[논문 리뷰] Distribution Functions for Edge Eigenvalues in Orthogonal and Symplectic Ensembles: Painlevé Representations

Momar Dieng|ArXiv.org|2004. 11. 18.

Random Matrices and Applications인용 수 4

한 줄 요약

이 논문은 경계 스케일링 근처에서 고유값의 $m^{\text{th}}$ 번째로 큰 값의 분포에 대해 고유한 페인레베형 표현식을 도출한다. 일반화된 고유값 분포의 경우, 페인레베 II 방정식의 해와 행렬값 커널을 가진 새로운 프레드홀름 행렬식 표현식을 사용하여 트레이시-위드롬 법칙을 일반화하는 재귀 관계를 수립한다. 이는 오랫동안 제기된 GOE와 GSE 사이의 고유값 상호배치에 대한 추측을 해결하며, $D_1(s,\lambda)$와 $D_4(s,\lambda)$ 함수가 단순한 매개변수 대입에 의해 관련되지 않음을 보여준다.

ABSTRACT

We derive Painlevé--type expressions for the distribution of the $m^{th}$ largest eigenvalue in the Gaussian Orthogonal and Symplectic Ensembles in the edge scaling limit. The work of Johnstone and Soshnikov (see [7], [10]) implies the immediate relevance of our formulas for the $m^{th}$ largest eigenvalue of the appropriate Wishart distribution.

연구 동기 및 목표

• 경계 스케일링 하에서 일반화된 직교(고유값 분포의 $m^{\text{th}}$ 번째로 큰 값에 대한 정확한 페인레베 유형 표현식을 유도한다.
• GSE에서 가장 큰 고유값의 분포가 GOE에서 두 번째로 큰 고유값의 분포와 대응된다는 오랫동안 제기된 추측을 $D_\beta(s,\lambda)$ 프레드홀름 행렬식의 구조 분석을 통해 해결한다.
• 존스톤과 소쉬니코프의 결과를 확장하여, RMT의 보편성 원리를 통해 위샤르트 분포에서 $m^{\text{th}}$ 번째로 큰 고유값의 渐近적 행동에 대한 엄밀한 프레임워크를 제공한다.
• ODE 시스템과 경계값 해법기를 사용하여 수치적으로 안정적인 방법을 개발함으로써, 경험적 위샤르트 데이터와의 정확한 백분위수 비교를 가능하게 한다.

제안 방법

• 프레드홀름 행렬식인 $D_\beta(s,\lambda)$를 사용하여 GOE 및 GSE에서 $m^{\text{th}}$ 고유값 분포에 대한 재귀 관계를 유도한다. 식은 $F_\beta(s,m+1) - F_\beta(s,m) = \frac{(-1)^m}{m!} \frac{d^m}{d\lambda^m} D_\beta^{1/2}(s,\lambda)\big|_{\lambda=1}$ 로 표현된다.
• $D_1(s,\lambda)$와 $D_4(s,\lambda)$가 트레이시-위드롬 공식에 $q(x,\lambda)$를 단순히 대입하여 얻어지지 않음을 입증하여 이전의 추측을 수정한다.
• 페인레베 II 해 $q(x)$와 그 변형을 포함한 적분을 계산하기 위해 $q_0, q_0', I_0, I_0', J_0$ 및 $q_1, q_1', I_1, I_1', J_1$에 대한 ODE 시스템을 도입한다.
• 초기 근사치로 MATLAB의 ODE 솔버 `ode45`를 사용하고, 왼쪽으로의 정확한 연장은 경계값 해법기 `bvp4c`를 통해 수행한다. $x = -8$를 초과하는 영역에서는 점점 더 안정적인 점근적 전개를 사용하여 연결한다.
• 큰 $x$에 대해 $q(x)$의 점근적 전개를 사용하여 페인레베 II 해의 연결 문제 근처의 불안정한 전이 영역을 다룬다.
• 100 × 100 및 100 × 400 행렬에 대해 계산된 $F_1(s,m)$ 백분위수를 경험적 위샤르트 분포와 비교하여 결과를 검증하였으며, 표준 신뢰수준에서 강한 일치를 보였다.

실험 결과

연구 질문

• RQ1 GOE 및 GSE에서 $m^{\text{th}}$ 번째로 큰 고유값의 분포는 페인레베 II 초월함수를 명시적인 함수 형태로 표현할 수 있는가?
• RQ2 GSE에서 가장 큰 고유값이 GOE에서 두 번째로 큰 고유값과 대응된다는 추측이 프레드홀름 행렬식 $D_\beta(s,\lambda)$ 수준에서 성립하는가?
• RQ3 매개변수 대입에 의한 잘못된 도함수 관계를 피하기 위해 $\beta = 1,4$에 대한 $D\_\beta(s,\lambda)$ 함수를 어떻게 정확히 구성할 수 있는가?
• RQ4 페인레베 II 해와 그 변형을 포함한 적분을 안정적이고 정확하게 계산할 수 있는 수치적 방법은 무엇인가?
• RQ5 유도된 $F_1(s,m)$ 분포가 유한 크기 설정에서 경험적 위샤르트 고유값 백분위수와 어느 정도 일치하는가?

주요 결과

• 논문은 $D_1(s,\lambda) = D_2(s,\tilde{\lambda}) \cdot \frac{1}{2} \left(1 + \frac{1}{2} \int_s^\infty q_0(x) \, dx \right)$ 를 증명하며, $D_1(s,\lambda)$ 함수가 단순한 매개변수 대입에 의해 $D_2(s,\lambda)$와 관련되지 않음을 보여주며 오랫동안 제기된 추측을 기각한다.
• $D_4(s,\lambda)$에 대해 $D_4(s,\lambda) = D_2(s,\lambda) \cdot \cosh^2\left(-\frac{1}{2} \int_s^\infty q_0(x) \, dx \right)$ 공식이 성립하며, 이는 GSE의 경우 추측을 확인하지만 GOE의 경우는 그렇지 않음을 시사한다.
• 재귀 관계 $F_\beta(s,m+1) - F_\beta(s,m) = \frac{(-1)^m}{m!} \frac{d^m}{d\lambda^m} D_\beta^{1/2}(s,\lambda)\big|_{\lambda=1}$ 는 $\beta = 1,4$ 에서 유효하며, 트레이시-위드롬 프레임워크를 고유값의 고차 경계 분포로 확장한다.
• `bvp4c`와 점근적 전개를 통한 검증을 통해 계산된 $F_1(s,m)$ 분포는 100 × 100 및 100 × 400 행렬에 대해 90번째 및 95번째 백분위수에서 편차가 0.01 이하로 매우 정밀하게 경험적 위샤르트 백분위수와 일치함을 보였다.
• ODE 시스템 $\frac{d}{ds} \begin{pmatrix} q_0 \\ q_0' \\ I_0 \\ I_0' \\ J_0 \end{pmatrix} = \begin{pmatrix} q_0' \\ s q_0 + 2 q_0^3 \\ I_0' \\ q_0^2 \\ -q_0 \end{pmatrix}$ 는 닫혀 있으며, $F_1(s,m)$ 계산에 필요한 $I_0$ 및 $J_0$ 적분을 안정적으로 계산할 수 있게 한다.
• 초기 근사치로 `ode45`를 사용하고 경계값 보정을 위해 `bvp4c`를 적용함으로써 높은 정확도를 달성하였으며, $x = -8$ 근처의 수치적으로 불안정한 영역을 초월하여 점근적 전개를 사용하여 해를 연장하였다.