[论文解读] Asymptotic behavior of random determinants in the Laguerre, Gram and Jacobi ensembles

Alain Rouault|ArXiv.org|Jul 29, 2006

Random Matrices and Applications参考文献 60被引用 33

一句话总结

本文研究当矩阵大小 $ n $ 与变量数 $ r $ 同时趋于无穷，且满足 $ r/n \to t \leq 1 $ 时，Laguerre、Gram 与 Jacobi 随机矩阵系综中随机行列式的渐近行为。通过基于递归 Gram-Schmidt 正交化的分解方法，建立了归一化行列式对数 $ n^{-1}\log\det X_{n,\lfloor nt\rfloor} $ 作为 $ t \in [0,T] $ 上过程的极限定理——依概率收敛、不变原理与大偏差，且通过对数气体类比将结果推广至一般 $ \beta $-模型。

ABSTRACT

We consider properties of determinants of some random symmetric matrices issued from multivariate statistics: Wishart/Laguerre ensemble (sample covariance matrices), Uniform Gram ensemble (sample correlation matrices) and Jacobi ensemble (MANOVA). If $n$ is the size of the sample, $r\leq n$ the number of variates and $X_{n,r}$ such a matrix, a generalization of the Bartlett-type theorems gives a decomposition of $\det X_{n,r}$ into a product of $r$ independent gamma or beta random variables. For $n$ fixed, we study the evolution as $r$ grows, and then take the limit of large $r$ and $n$ with $r/n = t \leq 1$. We derive limit theorems for the sequence of {\it processes with independent increments} $\{n^{-1} \log \det X_{n, \lfloor nt floor}, t \in [0, T]\}_n$ for $T \leq 1$.. Since the logarithm of the determinant is a linear statistic of the empirical spectral distribution, we connect the results for marginals (fixed $t$) with those obtained by the spectral method. Actually, all the results hold true for $β$ models, if we define the determinant as the product of charges.

研究动机与目标

• 分析当 $ n, r \to \infty $ 且 $ r/n \to t \leq 1 $ 时，经典随机矩阵系综（Wishart/Laguerre、均匀 Gram、Jacobi）中随机行列式的渐近行为。
• 为过程 $ \{n^{-1}\log\det X_{n,\lfloor nt\rfloor}, t \in [0,T]\} $ 建立极限定理——依概率收敛、不变原理与大偏差。
• 通过将特征值替换为电荷的对数气体类比，将经典矩阵模型（实、复、四元数，$ \beta = 1,2,4 $）的结果推广至一般 $ \beta $-模型。
• 比较基于独立增量（Gram-Schmidt）的分解方法与基于经验谱分布极限的谱方法。

提出的方法

• 通过基于 Bartlett 型定理的递归 Gram-Schmidt 正交化，将 $ \log\det X_{n,r} $ 分解为独立的对数伽马或对数贝塔变量之和。
• 将随机过程 $ \{n^{-1}\log\det X_{n,\lfloor nt\rfloor}, t \in [0,T]\} $ 定义为固定 $ n $ 时具有独立增量的过程，将 $ t = r/n $ 视为时间参数。
• 应用泛函极限定理：当 $ n \to \infty $ 时，该过程在依概率收敛、不变原理（Donsker 型）与大偏差方面成立。
• 通过将行列式解释为电荷的乘积，将结果推广至 $ \beta $-模型，将经典矩阵模型推广至任意 $ \beta > 0 $。
• 使用自由概率工具，包括自由卷积 $ \boxplus $ 与 $ \boxtimes $，刻画极限谱测度，并与自由 Meixner 分布建立联系。
• 依赖于三对角矩阵系综（Dumitriu & Edelman，Killip & Nenciu）的已知结果，以建模 $ \beta $-系综。

实验结果

研究问题

• RQ1 当 $ n \to \infty $ 且 $ r/n \to t $ 时，归一化对数行列式 $ n^{-1}\log\det X_{n,\lfloor nt\rfloor} $ 作为 $ t \in [0,T] $ 上的随机过程如何表现？
• RQ2 Laguerre、Gram 与 Jacobi 系综中归一化对数行列式过程的极限定理（大数定律、不变原理、大偏差）是什么？
• RQ3 基于分解方法（独立增量）的结果与基于谱方法（经验谱分布极限）的结果相比如何？
• RQ4 经典 Wishart、Gram 与 Jacobi 系综能否推广至任意 $ \beta > 0 $？在 $ \beta $-模型框架下，相同的极限定理是否依然成立？
• RQ5 $ \beta $-模型的极限谱测度与自由概率之间有何联系，特别是与自由 Meixner 分布及自由卷积的关系？

主要发现

• 当 $ n \to \infty $ 时，过程 $ \{n^{-1}\log\det X_{n,\lfloor nt\rfloor}, t \in [0,T]\} $ 依概率收敛至一个确定性极限，该极限依赖于系综类型与 $ t $。
• 不变原理成立：在适当缩放下，归一化对数行列式过程的有限维分布弱收敛至标准布朗运动。
• 已建立该过程的大偏差原理，速率函数由独立增量的矩生成函数导出。
• $ \beta $-模型的极限谱测度对应于一个自由 Meixner 分布，其参数与 $ \beta $-Dyson 参数及比值 $ t = r/n $ 相关。
• 极限测度 $ CC_{u',v'} $ 在四种情形下被刻画：无狄拉克质量（I）、在 0 处有一个（II）、在 1 处有一个（III），或在 0 与 1 处各有一个（IV），并使用自由卷积与伸缩给出了显式公式。
• 当 $ \beta = 1,2,4 $ 时，结果退化为经典 Wishart、复 Wishart 与四元数 Wishart 系综，且对数行列式可分解为独立的伽马或贝塔变量。