[论文解读] Beta Laguerre ensembles in global regime

Hoang Dung Trinh, Khanh Duy Trinh|Osaka City University (Osaka City University)|Jul 29, 2019

Random Matrices and Applications参考文献 15被引用 4

一句话总结

本文研究当逆温度参数 β 随矩阵大小 N 变化时，β 拉盖尔系综的全局极限行为。若 βN → ∞，则经验特征值分布弱收敛于 Marchenko–Pastur 布律；若 βN → 2c ∈ (0, ∞)，则收敛于与关联拉盖尔正交多项式相关的新型极限测度。此外，还推导了极限周围的高斯波动，将经典结果推广至变 β 的情形。

ABSTRACT

Beta Laguerre ensembles which are generalizations of Wishart ensembles and Laguerre ensembles can be realized as eigenvalues of certain random tridiagonal matrices. Analogous to the Wishart ($β=1$) case and the Laguerre ($β= 2$) case, for fixed $β$, it is known that the empirical distribution of the eigenvalues of these ensembles converges weakly to Marchenko--Pastur distributions, almost surely. The paper restudies the limiting behavior of the empirical distribution but in regimes where the parameter $β$ is allowed to vary as a function of the matrix size $N$. We show that the above Marchenko--Pastur law holds as long as $βN o \infty$. When $βN o 2c \in (0, \infty)$, the limit is related to associated Laguerre orthogonal polynomials. Gaussian fluctuations around the limit are also studied.

研究动机与目标

• 将 β 拉盖尔系综的全局极限律从固定 β 推广至 β 随矩阵大小 N 变化的区域。
• 确定当 βN → 2c ∈ (0, ∞) 时的极限谱测度，该测度推广了 Marchenko–Pastur 布律。
• 在变 β 条件下，为特征值的线性统计量建立中心极限定理。
• 作为关键技术工具，推导 β-Laguerre 系综的 Poincaré 型不等式。

提出的方法

• 使用 β-Laguerre 系综的随机三对角矩阵模型来分析特征值分布。
• 应用矩收敛技术证明经验测度的弱收敛。
• 采用 β-Laguerre 系综的 Poincaré 不等式来控制方差，并将 CLT 推广至 C¹ 测试函数。
• 依赖 M. Riesz 关于矩确定性的定理，以证明用多项式逼近的合理性。
• 使用涉及逼近函数及其原函数的双重极限论证，将 CLT 从多项式推广至具有多项式增长的一般 C¹ 函数。
• 通过涉及测试函数差商的积分公式，推导波动的极限方差。

实验结果

研究问题

• RQ1 当 βN → ∞ 时，β-Laguerre 系综的极限谱测度是什么？其是否收敛于 Marchenko–Pastur 布律？
• RQ2 当 βN → 2c ∈ (0, ∞) 时，极限测度如何变化？其与关联拉盖尔正交多项式有何关联？
• RQ3 当 β 随 N 变化时，线性特征值统计量的渐近分布为何？其如何依赖于测试函数 f？
• RQ4 在变 β 条件下，能否将线性统计量的中心极限定理推广至具有多项式增长的 C¹ 测试函数？
• RQ5 β-Laguerre 系综中，线性特征值统计量的方差受何种 Poincaré 型不等式控制？

主要发现

• 当 βN → ∞ 时，经验特征值分布 L_N 几乎必然弱收敛于参数为 γ 的 Marchenko–Pastur 分布。
• 当 βN → 2c ∈ (0, ∞) 时，极限测度 ν_{γ,c} 通过关联拉盖尔正交多项式表征，且与 Marchenko–Pastur 布律不同。
• 对于具有多项式增长的 C¹ 测试函数 f，归一化的线性统计量 √β(∑f(λ_i) − E[∑f(λ_i)]) 依分布收敛于方差为 σ_f² 的正态分布，其中 σ_f² 由显式积分公式给出。
• 极限方差 σ_f² 表示为涉及 f 的差商与与半圆律相关的权函数的双重积分。
• 建立了 Poincaré 不等式：Var[⟨L_N, f⟩] ≤ (4/(βMN)) E[⟨L_N, x f'(x)²⟩]，该不等式使 CLT 能够推广至非多项式测试函数。
• 利用矩收敛性以及多项式在 L²((1+x²)dν_{γ,c}(x)) 中的稠密性，证明了在 CLT 证明中用多项式逼近一般 C¹ 函数的合理性。