[论文解读] Central Limit Theorem for Linear Eigenvalue Statistics of non-Hermitian Random Matrices

Giorgio Cipolloni, László Erdős+1 more|arXiv (Cornell University)|Dec 9, 2019

Random Matrices and Applications参考文献 15被引用 13

一句话总结

本文建立了具有 i.i.d. 复数条目的非厄米随机矩阵的线性特征值统计量的中心极限定理（CLT），证明了对于具有 2+ϵ 阶导数的一般测试函数，其波动呈高斯分布。关键进展在于通过一种新颖的关于 resolvent 乘积的局部律以及弱耦合的 Dyson Brownian 运动的耦合，首次精确确定了极限方差对矩阵条目四阶累积量的依赖关系——此前该关系尚不明确。

ABSTRACT

We consider large non-Hermitian random matrices $X$ with complex, independent, identically distributed centred entries and show that the linear statistics of their eigenvalues are asymptotically Gaussian for test functions having $2+ε$ derivatives. Previously this result was known only for a few special cases; either the test functions were required to be analytic [Rider, Silverstein 2006], or the distribution of the matrix elements needed to be Gaussian [Rider, Virág 2007], or at least match the Gaussian up to the first four moments [Tao, Vu 2016; Kopel 2015]. We find the exact dependence of the limiting variance on the fourth cumulant that was not known before. The proof relies on two novel ingredients: (i) a local law for a product of two resolvents of the Hermitisation of $X$ with different spectral parameters and (ii) a coupling of several weakly dependent Dyson Brownian Motions. These methods are also the key inputs for our analogous results on the linear eigenvalue statistics of real matrices $X$ that are presented in the companion paper [Cipolloni, Erdős, Schröder 2019].

研究动机与目标

• 建立具有通用 i.i.d. 复数条目的非厄米随机矩阵的线性特征值统计量的中心极限定理。
• 解决长期悬而未决的难题：在非高斯情况下表征极限方差。
• 精确确定极限方差对矩阵条目四阶累积量的依赖关系。
• 克服先前方法的局限性，这些方法要求测试函数为解析函数或需匹配至四阶矩。
• 开发新工具——特别是针对具有不同谱参数的 resolvent 乘积的局部律，以及 Dyson Brownian 运动的耦合——以分析宏观与中观尺度下的特征值统计。

提出的方法

• 推导了具有不同谱参数的厄米化矩阵两个 resolvent 乘积的局部律。
• 使用耦合机制将多个弱耦合的 Dyson Brownian 运动联系起来。
• 应用一种新颖的累积量展开技术，以控制线性统计量的波动。
• 采用极化论证，将 CLT 从单个测试函数推广至多个测试函数的联合高斯极限。
• 依赖对厄米化矩阵及其 resolvent 的精细分析，以处理非解析测试函数。
• 推导出极限方差的精确公式，其中包含四阶累积量，从而推翻了 Chafaï [24] 的先前猜想。

实验结果

研究问题

• RQ1 对于一般非厄米系综，线性特征值统计量的极限方差是否依赖于矩阵条目的四阶累积量？
• RQ2 在不需匹配至四阶矩的情况下，能否为非解析测试函数建立中心极限定理？
• RQ3 在非高斯情况下，极限方差的精确函数形式如何依赖于矩阵条目分布？
• RQ4 如何利用 Dyson Brownman 运动和局部律的工具来捕捉特征值统计中的强相关性？
• RQ5 是否可能通过单一框架统一分析宏观与中观尺度下的特征值波动？

主要发现

• 线性特征值统计量的极限方差明确依赖于矩阵条目的四阶累积量，从而解决了长期悬而未决的开放问题。
• 推导出极限方差的精确公式，并证明其与高斯情况不同，从而推翻了 Chafaï [24] 的猜想。
• 中心极限定理对所有具有 2+ϵ 阶导数的测试函数均成立，显著推广了以往要求解析性或矩匹配的结果。
• 方差对四阶累积量表现出非平凡依赖关系，仅在解析测试函数下消失，解释了为何早期研究未能发现该现象。
• 证明中建立了一个关于具有不同谱参数的 resolvent 乘积的新局部律，这是关键技术突破。
• 弱耦合的 Dyson Brownian 运动的耦合使得多尺度波动得以控制，将动力学方法的适用范围扩展至非厄米情形。