[论文解读] Central Limit Theorem for linear eigenvalue statistics of the Wigner and sample covariance random matrices

Mariya Shcherbina|arXiv (Cornell University)|Jan 17, 2011

Random Matrices and Applications参考文献 14被引用 114

一句话总结

本文在最小矩条件和光滑性条件下，为Wigner矩阵与样本协方差随机矩阵的线性特征值统计量建立了中心极限定理（CLT）。它提出了一种通用的方差控制方法，将CLT的证明简化为对Resolvent迹方差的控制，从而使其适用范围超越经典系综，具有更广的普适性。

ABSTRACT

We consider two classical ensembles of the random matrix theory: the Wigner matrices and sample covariance matrices, and prove Central Limit Theorem for linear eigenvalue statistics under rather weak (comparing with results known before) conditions on the number of derivatives of the test functions and also on the number of the entries moments. Moreover, we develop a universal method which allows one to obtain automatically the bounds for the variance of differentiable test functions, if there is a bound for the variance of the trace of the resolvent of random matrix. The method is applicable not only to the Wigner and sample covariance matrices, but to any ensemble of random matrices.

研究动机与目标

• 在比以往已知更弱的矩条件和光滑性假设下，为Wigner矩阵与样本协方差随机矩阵的线性特征值统计量建立中心极限定理（CLT）。
• 开发一种基于Resolvent迹方差的通用方法，用于控制线性特征值统计量的方差，适用于任意随机矩阵系综。
• 将现有CLT结果扩展至仅具有3/2 + ε阶导数的测试函数，且对矩条件要求更宽松，特别是放宽了对实解析测试函数或四阶累积量假设的需求。
• 通过基于Resolvent迹波动的统一框架，统一分析Wigner矩阵与样本协方差矩阵系综。

提出的方法

• 通过首先控制复数z下Resolvent矩阵(M - z)^{-1}的迹方差，推导出一种通用方法，用于控制线性特征值统计量的方差。
• 将该方法应用于Wigner矩阵，利用矩阵分块结构和条件数学期望对Resolvent迹进行递归分解。
• 利用Jensen不等式和矩阵元素的矩界控制Resolvent迹的波动，借助第四矩的Lindeberg型条件（1.11）。
• 采用特征函数方法与紧致性论证，证明其分布收敛于高斯分布，依赖于方差泛函的连续性。
• 将该方法扩展至样本协方差矩阵，通过适配Resolvent分解与矩估计以匹配XX*矩阵的结构。
• 通过证明特征函数的收敛性，利用测试函数稠密子空间上方差泛函的一致连续性，建立CLT。

实验结果

研究问题

• RQ1 是否可以在比以往要求更低的矩阵元素矩条件下，证明线性特征值统计量的中心极限定理？
• RQ2 是否可以仅通过Resolvent迹的方差，对任意矩阵系综的线性特征值统计量方差实现通用控制？
• RQ3 当测试函数仅具有3/2 + ε阶导数时，CLT是否仍成立，而非必须要求实解析性或更高阶可微性？
• RQ4 对于非高斯Wigner矩阵与样本协方差矩阵，若其四阶矩不精确相等（即非高斯峰度），是否可在不假设四阶累积量为零的条件下，仍成立CLT？
• RQ5 线性特征值统计量的极限方差表达式是否在不同系综间具有普适性？是否可系统地从Resolvent统计量推导出该表达式？

主要发现

• 本文在第四矩有限且满足Lindeberg型条件（1.11）的最弱矩条件下，证明了Wigner矩阵线性特征值统计量的CLT。
• 归一化线性特征值统计量的极限分布收敛于均值为零的高斯分布，其方差由公式（1.10）明确给出，该公式包含半圆律、四阶累积量和对角线方差的贡献。
• 公式（1.10）适用于Sobolev空间H_s中满足s > 3/2 + ε的测试函数φ，显著放宽了以往工作所需的实解析性或五阶导数要求。
• 该方法可自动推导出任意可微测试函数的方差界，只要Resolvent迹的方差被控制，从而为任意随机矩阵系综提供通用框架。
• 该方法被扩展至样本协方差矩阵，证明了在类似矩条件与光滑性条件下的CLT，且方差公式已适配至Marchenko-Pastur律。
• 该证明技术不仅适用于测试函数的稠密类，还可连续延拓至整个H_s函数空间，确保了广泛适用性。