[论文解读] Pfaffian point process for the Gaussian real generalised eigenvalue problem

Peter J. Forrester, Anthony Mays|arXiv (Cornell University)|Oct 14, 2009

Random Matrices and Applications参考文献 27被引用 5

一句话总结

本论文为实高斯矩阵 $X_1$ 与 $X_2$ 的高斯实一般特征值问题中的特征值建立了Pfaffian点过程。推导了联合特征值密度，计算了恰好存在 $k$ 个实特征值的概率，并给出了高阶关联函数的显式Pfaffian公式。结果表明，在体 scaling 极限下，这些关联函数与实高斯矩阵的关联函数一致，并满足两组分库仑气体的求和规则。

ABSTRACT

The generalised eigenvalues for a pair of $N imes N$ matrices $(X_1,X_2)$ are defined as the solutions of the equation $\det (X_1-λX_2)=0$, or equivalently, for $X_2$ invertible, as the eigenvalues of $X_2^{-1}X_1$. We consider Gaussian real matrices $X_1,X_2$, for which the generalised eigenvalues have the rotational invariance of the half-sphere, or after a fractional linear transformation, the rotational invariance of the unit disk. In these latter variables we calculate the joint eigenvalue probability density function, the probability $p_{N,k}$ of finding $k$ real eigenvalues, the densities of real and complex eigenvalues (the latter being related to an average over characteristic polynomials), and give an explicit Pfaffian formula for the higher correlation functions $ρ_{(k_1,k_2)}$. A limit theorem for $p_{N,k}$ is proved, and the scaled form of $ρ_{(k_1,k_2)}$ is shown to be identical to the analogous limit for the correlations of the eigenvalues of real Gaussian matrices. We show that these correlations satisfy sum rules characteristic of the underlying two-component Coulomb gas.

研究动机与目标

• 刻画实高斯矩阵 $X_1$ 与 $X_2$ 的高斯实一般特征值问题中特征值的统计性质。
• 推导满足 $\det(X_1 - \lambda X_2) = 0$ 的一般特征值 $\lambda$ 的联合特征值概率密度函数。
• 计算在系综中恰好找到 $k$ 个实特征值的概率 $p_{N,k}$。
• 为实特征值与复特征值的高阶关联函数 $\rho_{(k_1,k_2)}$ 建立显式Pfaffian公式。
• 证明 $p_{N,k}$ 的极限定理，并表明缩放后的关联函数收敛于实Ginibre系综的关联函数。

提出的方法

• 推导了矩阵 $Y = X_2^{-1}X_1$ 的联合矩阵分布，其为矩阵柯西分布，密度与 $\det(\mathbf{1}_N + YY^T)^{-N}$ 成正比。
• 通过变换 $\lambda = \tan\theta$ 将实直线映射到单位圆，实现旋转对称性，并通过球极投影映射到球面。
• 利用对应于实特征值对与共轭复特征值对的矩阵 $R_N$ 的分块分解，计算了联合特征值密度。
• 通过递归应用涉及 $\det(\mathbf{1}_k + R_k R_k^T)$ 的矩阵恒等式，对实特征值列进行积分，将其简化为一维积分。
• 通过变量替换与Selberg积分公式，对复特征值列的积分进行求值，得到伽马函数的比值。
• 最终通过由联合密度与正交多项式结构导出的斜对称核，将关联函数表达为Pfaffian行列式。

实验结果

研究问题

• RQ1 对于两个独立同分布的实高斯矩阵，其一般特征值的精确联合概率密度函数是什么？
• RQ2 在一般特征值问题中，观察到恰好 $k$ 个实特征值的概率 $p_{N,k}$ 是多少？
• RQ3 实特征值与复特征值的高阶关联函数 $\rho_{(k_1,k_2)}$ 是否能以封闭形式表达？若是，其形式为何？
• RQ4 当 $N \to \infty$ 时，$p_{N,k}$ 的渐近行为如何？其是否收敛于一个普适性scaling极限？
• RQ5 一般特征值的缩放关联函数是否收敛于实Ginibre系综的关联函数？它们是否满足两组分库仑气体的求和规则？

主要发现

• 在变换 $\lambda = \tan\theta$ 后，一般特征值问题的联合特征值密度在单位圆盘上具有旋转对称性，实特征值的密度为 $\rho_{(1)}(\lambda) = \frac{1}{\pi} \frac{E_N}{1 + \lambda^2}$，其中 $E_N \sim \sqrt{\pi N / 2}$。
• 精确计算了 $k$ 个实特征值的概率 $p_{N,k}$，并证明了极限定理，表明当 $N \to \infty$ 时，$p_{N,k}$ 收敛于一个普适性scaling形式，且实特征值的期望数量渐近为 $\sqrt{2N/\pi}$。
• 为高阶关联函数 $\rho_{(k_1,k_2)}$ 推导了显式Pfaffian公式，其以涉及伽马函数与矩阵行列式的斜对称核表示。
• 在体scaling极限下，一般特征值的关联函数收敛于实Ginibre系综的关联函数，证实了体区域的普适性。
• 关联函数满足两组分库仑气体的特征求和规则，表明其与具有实特征值与复特征值之间竞争相互作用的库仑系统存在深层联系。
• 通过Selberg型积分与矩阵恒等式对矩阵空间上的积分进行求值，得到了包含伽马函数比值与 $\pi$ 幂的闭式表达式。