[论文解读] Infinite Random Matrices and Ergodic decomposition of Finite or Infinite Hua-Pickrell measures

Yanqi Qiu|arXiv (Cornell University)|Oct 5, 2014

Point processes and geometric inequalities参考文献 6被引用 6

一句话总结

该论文通过证明其遍历分量不包含高斯因子，并将 γ₁ 参数识别为渐近特征值的主值，完成了对无限厄米矩阵上 Hua-Pickrell 测度的遍历分解程序。此外，该理论进一步扩展至无限 Hua-Pickrell 测度，表明其可分解为 ℝ∗ 上显式的 σ-有限无限行列式测度，利用无限行列式过程与正交多项式领域的先进工具，解决了 Borodin 和 Olshanski 长期以来提出的问题。

ABSTRACT

The ergodic decomposition of a family of Hua-Pickrell measures on the space of infinite Hermitian matrices is studied. Firstly, we show that the ergodic components of Hua-Pickrell probability measures have no Gaussian factors, this extends a result of Alexei Borodin and Grigori Olshanski. Secondly, we show that the sequence of asymptotic eigenvalues of Hua-Pickrell random matrices is balanced in certain sense and has a "principal value" coincides with the $γ_1$ parameter of ergodic components. This allow us to complete the program of Borodin and Olshanski on the description of the ergodic decomposition of Hua-Pickrell probability measures. Finally, we extend the aforesaid results to the case of infinite Hua-Pickrell measues. By using the theory of $σ$-finite infinite determinantal measures recently introduced by A. I. Bufetov, we are able to identify the ergodic decomposition of Hua-Pickrell infinite measures to some explicit $σ$-finite determinantal measures on the space of point configurations in $\mathbb{R}^*$. The paper resolves a problem of Borodin and Olshanski.

研究动机与目标

• 完成 Borodin 和 Olshanski 启动的有限 Hua-Pickrell 概率测度的遍历分解程序。
• 证明 Hua-Pickrell 概率测度的遍历分量不包含高斯因子，证实 Borodin 和 Olshanski 的猜想。
• 将遍历分解理论扩展至无限 Hua-Pickrell 测度的情形，该问题此前尚未解决。
• 将无限 Hua-Pickrell 测度的遍历分解识别为 ℝ∗ 上显式的 σ-有限无限行列式测度，解决 Borodin 和 Olshanski 提出的问题。

提出的方法

• 利用无限厄米矩阵的投影极限构造及酉群作用，定义 ℜs > −1/2（概率测度）和 ℜs ≤ −1/2（无限测度）情形下的 Hua-Pickrell 测度。
• 应用 Bufetov 最近发展的 σ-有限无限行列式测度理论，分析无限测度情形。
• 采用正交多项式技巧与核 L(s,Nk,σ) 的谱分析，控制特征值与 γ₁ 参数的行为。
• 引入一列配置 ωk 依分布收敛于 ω∞，并利用一致可积性与 Borel-Cantelli 论证，证明 γ₁ 参数等于特征值上的主值和。
• 使用柯西-施瓦茨不等式与泛函演算恒等式，界定 Fn(ωk) 方差，证明一致可积性与 L¹ 收敛。
• 依赖投影算子在 Hilbert-Schmidt 与范数拓扑下的收敛性，控制 Nk → ∞ 时核的行为。

实验结果

研究问题

• RQ1 Hua-Pickrell 概率测度的遍历分量是否如 Borodin 和 Olshanski 所猜想的那样包含任何高斯因子？
• RQ2 遍历分量的 γ₁ 参数能否被解释为无限随机矩阵 Hua-Pickrell 分布的渐近特征值的主值？
• RQ3 如何将遍历分解理论从有限情形推广至无限 Hua-Pickrell 测度？
• RQ4 无限 Hua-Pickrell 测度的遍历分解的精确形式是什么？
• RQ5 无限 Hua-Pickrell 测度能否被识别为 ℝ∗ 上显式的 σ-有限行列式测度？

主要发现

• Hua-Pickrell 概率测度的遍历分量不包含高斯因子，证实了 Borodin 和 Olshanski 的猜想。
• Hua-Pickrell 概率测度遍历分量的 γ₁ 参数与具有 Hua-Pickrell 分布的无限随机矩阵渐近特征值的主值一致。
• 配置序列 ωk 几乎必然收敛于 ω∞，且极限满足 γ₁(ω∞) = limₙ→∞ ∑_{ℓ∈ℤ∗} xℓ(ω∞)φₙ(xℓ(ω∞)) P-几乎必然成立。
• γ₁ 与其通过 φₙ 近似值之差的方差有界于 O(1/n²)，确保了一致可积性与 L¹ 收敛。
• 对于无限 Hua-Pickrell 测度，其遍历分解被识别为 ℝ∗ 上点配置空间的 σ-有限无限行列式测度。
• 所得行列式测度的核通过算子 L(s′, (Nk)′s) 的极限显式刻画，且在 Hilbert-Schmidt 与范数拓扑下收敛。