[论文解读] Eigenvector Distribution of Wigner Matrices

Antti Knowles, Jun Yin|arXiv (Cornell University)|Feb 1, 2011

Random Matrices and Applications参考文献 28被引用 19

一句话总结

本文在矩匹配条件下建立了广义Wigner矩阵的边和体 eigenvector universality。它证明了当矩阵元素的前两个矩匹配时，谱边附近的联合特征向量-特征值分布与高斯系综一致；当四个矩匹配时，体区域的分布也一致，使用了带有高概率估计和局部定律的格林函数比较方法。

ABSTRACT

We consider $N imes N$ Hermitian or symmetric random matrices with independent entries. The distribution of the $(i,j)$-th matrix element is given by a probability measure $ν_{ij}$ whose first two moments coincide with those of the corresponding Gaussian ensemble. We prove that the joint probability distribution of the components of eigenvectors associated with eigenvalues close to the spectral edge agrees with that of the corresponding Gaussian ensemble. For eigenvectors associated with bulk eigenvalues, the same conclusion holds provided the first four moments of the distribution $ν_{ij}$ coincide with those of the corresponding Gaussian ensemble. More generally, we prove that the joint eigenvector-eigenvalue distributions near the spectral edge of two generalized Wigner ensembles agree, provided that the first two moments of the entries match and that one of the ensembles satisfies a level repulsion estimate. If in addition the first four moments match then this result holds also in the bulk.

研究动机与目标

• 在谱边附近和体区域建立广义Wigner矩阵特征向量分布 universality。
• 确定特征向量分布 universality 所需的最小矩匹配条件。
• 将特征值的边 universality 扩展至包含特征向量，推广先前关于特征值统计的研究。
• 证明若两个Wigner系综的前两个矩匹配且其中一个满足能级排斥，则其在边附近的联合特征向量-特征值分布一致。
• 在更强的四矩匹配条件下将结果推广至体区域，推广Tao和Vu的方法。

提出的方法

• 使用格林函数比较方法，将广义Wigner矩阵的预解函数与高斯系综的预解函数进行比较。
• 采用局部半圆律和预解函数项的高概率估计，通过 $ N $ 的对数因子控制误差项。
• 应用密度论证和Dyson布朗运动的直觉，将非高斯系综与高斯系综在局部尺度上联系起来。
• 引入光滑截断函数，并在能量和谱参数上分部积分，以控制预解函数展开中的误差项。
• 使用对各项 $ riangle m^{(p)} $, $ riangle y^{(p)} $, 和 $ riangle x^{(p)} $ 的幂次计数界，每项均为 $ N^{-p/2 + C heta} $ 的阶，以控制比较中的误差。
• 通过 $ f_E $（一个具有锐利边缘的光滑函数）实现软边正则化，以控制体区域中指示函数近似带来的误差。

实验结果

研究问题

• RQ1 在谱边附近，若广义Wigner矩阵的前两个矩匹配，其联合特征向量-特征值分布是否与高斯系综一致？
• RQ2 在非不变Wigner系综中，实现体区域特征向量 universality 所需的最小矩条件是什么？
• RQ3 格林函数比较方法能否扩展至包含特征向量统计，而不仅限于特征值统计？
• RQ4 当两个系综的矩匹配时，一个系综中的能级排斥如何影响特征向量分布的 universality？
• RQ5 在更强的矩匹配条件下，特征向量分布 universality 能否从边区域进一步推广至体区域？

主要发现

• 在谱边附近，若广义Wigner矩阵的矩阵元素前两个矩匹配，则其联合特征向量-特征值分布与对应高斯系综一致。
• 在体区域，当两个系综的矩阵元素前四个矩匹配时，特征向量 universality 成立。
• 格林函数比较中的误差被控制在 $ O(N^{-5/2 + C heta}) $ 内，各项 $ riangle m^{(p)} $, $ riangle y^{(p)} $, 和 $ riangle x^{(p)} $ 均为 $ N^{-p/2 + C heta} $ 阶，确保收敛至高斯极限。
• 通过分部积分控制将尖锐指示函数替换为光滑函数带来的误差，其结果误差在体区域被控制为 $ O(N^{-p/2 + C heta}) $。
• 该方法将特征值统计的 universality 推广至包含特征向量，表明在矩匹配条件下特征向量统计是 universality 的。
• 该分析证实，在两矩匹配和能级排斥条件下，边区域的联合特征向量-特征值分布是 universality 的，将EYYrigi方法推广至特征向量。