[论文解读] Closest Spacing of Eigenvalues

Jade P. Vinson|arXiv (Cornell University)|Nov 11, 2011

Mathematical functions and polynomials参考文献 10被引用 9

一句话总结

本文建立了随机 $ n \times n $ 酉矩阵特征值之间最近间距的极限分布，表明经过适当的缩放后，最小间距的分布收敛于形状参数为 3 的威布尔分布。通过矩方法，证明了距离小于 $ \gamma $ 的特征值对的数量渐近服从泊松分布，验证了启发式预测，并展示了 CUE、GUE 和通用酉系综在谱体内部的特征值排斥现象。

ABSTRACT

We study the distribution of the minimum spacing between eigenvalues of a random n by n unitary matrix. The minimum spacing scales as $n^{-4/3}$, not $n^{-2}$ as would be the case for n independent points on the unit circle, illustrating the well known phenomenon that the eigenvalues of random matrices 'repel each other'. We derive the distribution for the rescaled minimum spacing in the limit as $n o\infty$. To find the minimum spacing, we count the number of eigenvalue pairs closer than $xn^{-4/3}$. We use heuristics to guess that this integer-valued random variable is Poisson, calculate the actual moments of the limiting distribution, and find that the actual moments match those of the guess. The matching moments prove that the heuristic guess is correct, and lead directly to the main result. We prove analogous results for the Gaussian unitary ensemble (GUE) and, with restrictions, a universal class of unitary ensembles (UUE) studied by Deift, Kreicherbauer, McLaughlin, Venakides, and Zhou.

研究动机与目标

• 确定随机酉矩阵谱体内部特征值最小间距的正确缩放方式及其极限分布。
• 严格验证尽管实际存在依赖性，但将连续间距视为独立的启发式预测是否成立。
• 将结果推广至圆酉系综（CUE）、高斯酉系综（GUE）以及一个通用酉系综类（UUE）。
• 确立特征值排斥导致最小间距显著大于泊松过程假设下的情况。

提出的方法

• 应用矩方法分析距离小于 $ \gamma $ 的特征值对数量的 $ k $ 阶阶乘矩。
• 证明此类特征值对的数量在分布上收敛于均值与启发式独立性假设预测一致的泊松随机变量。
• 利用特征值相关函数的渐近分析，以及在不相交区间上近似分解弗雷德霍姆行列式的方法。
• 建立多重特征值版本的维尔准则，以确保不相交区间中大特征值与它们并集中的大特征值之间存在一一对应关系。
• 利用迹约束和 $ \prod (1 - \alpha) \approx 1 $（当 $ \alpha $ 较小时）的性质，控制小特征值的贡献。
• 利用已知的弗雷德霍姆行列式及 CUE 和 GUE 在谱体内部的特征值统计的渐近结果。

实验结果

研究问题

• RQ1 当 $ n \to \infty $ 时，随机 $ n \times n $ 酉矩阵谱体内部最近特征值间距的正确缩放方式是什么？
• RQ2 启发式假设认为连续间距相互独立，该假设是否能正确预测最小间距的极限分布？
• RQ3 最小间距的分布与具有相同强度的泊松过程的分布相比如何？
• RQ4 矩方法能否严格证明接近特征值对数量的泊松极限？
• RQ5 这些结果在多大程度上可推广至 CUE 之外的其他酉系综，如 GUE 和 UUE？

主要发现

• CUE 中归一化后最近间距 $ Z_n $ 的极限分布满足：当 $ n \to \infty $ 时，$ \Pr\left(Z_n \left(\frac{n^4}{72\pi}\right)^{1/3} > \beta\right) \to e^{-\beta^3} $。
• 最小间距的正确缩放为 $ n^{-1}(n|I_n|)^{-1/3} $，其中 $ n|I_n| $ 是区间内特征值的期望数量。
• 距离小于 $ \gamma $ 的特征值对的数量在分布上收敛于均值与启发式预测一致的泊松随机变量。
• 最小间距显著大于泊松过程中的情况，证实了特征值排斥：泊松过程的缩放应为 $ n^{-1}(n|I_n|)^{-1} $，比实际结果小了 $ (n|I_n|)^{2/3} $ 的因子。
• 结果可推广至高斯酉系综（GUE）和一个通用酉系综类（UUE），前提是区间位于谱体内部且特征值的期望数量足够大。
• 该分析依赖于矩方法的创新应用，以及处理不相交区间中特征值聚集与分离的多重特征值版本维尔准则。