[论文解读] Density of Positive Eigenvalues of the Generalized Gaussian Unitary Ensemble

Mohamed Bouali|arXiv (Cornell University)|Aug 30, 2014

Random Matrices and Applications参考文献 5被引用 3

一句话总结

本文推导了带行列式加权测度的广义高斯酉系族（GGUE）中正特征值的精确渐近密度，表明所有特征值为正的概率衰减为 $\sim \exp[-\beta\theta(\alpha)n^2]$，其中 $\theta(\alpha)$ 被显式计算。特征值密度在支撑集边缘表现出反平方根奇点，将威格纳半圆律推广至特征值为正的条件系族。

ABSTRACT

We compute exact asymptotic of the statistical density of random matrices belonging to the Generalized Gaussian orthogonal, unitary and symplectic ensembles such that there no eigenvalues in the interval $[σ, +\infty[$. In particular, we show that the probability that all the eigenvalues of an $(n imes n)$ random matrix are positive (negative) decreases for large $n$ as $\sim exp[-βθ(α)n^2]$ where the Dyson index $β$ characterizes the ensemble, $α$ is some extra parameter and the exponent $θ(α)$ is a function of $α$ which will be given explicitly. For $α=0$, $θ(0)= (\log 3)/4 = 0.274653...$ is universal. We compute the probability that the eigenvalues lie in the interval $[σ,+\infty[$ with $(σ>0,\; { m if}\;α>0)$ and $(σ\in\mathbb R,\; { m if }\;α=0)$. This generalizing the celebrated Wigner semicircle law to these restricted ensembles. It is found that the density of eigenvalues generically exhibits an inverse square-root singularity at the location of the barriers. These results generalized the case of Gaussian random matrices ensemble studied in \cite{D}, \cite{S}.

研究动机与目标

• 计算在所有特征值为正的条件下，广义高斯酉系族（GGUE）中特征值的精确渐近统计密度。
• 确定 $n \times n$ 特征值全部为正的概率在大 $n$ 时的衰减速率，推广标准 GUE 中已知的 $\sim \exp(-\theta(0)n^2)$ 结果。
• 推导条件系族的极限特征值密度，表明其与威格纳半圆律不同，并在边缘表现出反平方根奇点。
• 将威格纳半圆律推广至具有行列式加权测度的系族，其中当 $\alpha > 0$ 时，特征值支撑集被限制在 $[a,b]$ 且 $a > 0$。

提出的方法

• 通过在正实轴上使用权重 $x^{2\mu_n} e^{-x^2}$（其中 $\mu_n \approx \alpha n$）的正交多项式，对特征值密度进行建模。
• 特征值密度表示为 $f_n(x) = \frac{1}{\sqrt{n}} \sum_{k=0}^{n-1} \varphi_k^{\mu_n}(\sqrt{n}x)^2$，其中 $\varphi_k^{\mu_n}$ 为归一化的截断埃尔米特多项式。
• 通过黎曼-希尔伯特方法和积分表示推导密度的渐近行为，得到 $\alpha \geq 0$ 时的极限密度 $f_{\alpha,a}(x)$。
• 通过求解涉及 $\alpha$、$a$ 和 $b$ 的非线性方程组确定支撑集 $[a,b]$，以确保正确的归一化和边缘行为。
• 该方法结合对数势理论和生成函数的使用，以在特征值为正的约束下计算平衡测度。
• 衰减速率指数 $\theta(\alpha)$ 通过在约束 $\mu_n \approx \alpha n$ 下最小化能量泛函的变分问题推导得出，从而得到 $\theta(\alpha)$ 的显式表达式。

实验结果

研究问题

• RQ1 当 $n \to \infty$ 时，广义高斯酉系族中 $n \times n$ 矩阵的所有特征值为正的概率的精确渐近衰减速率是什么？
• RQ2 当所有特征值为正时，GGUE 中的特征值密度如何变化，与威格纳半圆律有何不同？
• RQ3 当 $\alpha > 0$ 时，极限特征值密度 $f_{\alpha,a}(x)$ 的函数形式是什么，其参数 $a$ 和 $b$ 如何依赖于 $\alpha$？
• RQ4 特征值密度在支撑集边缘的行为如何，是否表现出普遍的反平方根奇点？
• RQ5 衰减速率指数 $\theta(\alpha)$ 如何随参数 $\alpha$ 变化，且在 $\alpha = 0$ 时的取值是多少？

主要发现

• 当 $n$ 较大时，所有特征值为正的概率衰减为 $\sim \exp[-\beta\theta(\alpha)n^2]$，其中 $\theta(\alpha)$ 作为 $\alpha$ 的函数被显式计算。
• 当 $\alpha = 0$ 时，衰减速率指数为 $\theta(0) = \frac{1}{4}\log 3 \approx 0.274653$，对所有迪森指数 $\beta$ 均为普适值。
• 当 $\alpha \leq 0.34$ 较小时，指数满足 $\theta(\alpha) = \frac{1}{4}\log 3 - C\alpha + o(\alpha)$，其中 $C \approx 0.3482$，表明对普适值存在线性修正。
• 当 $\alpha > 0$ 时，极限特征值密度为 $f_{\alpha,a}(x) = \frac{1}{2\pi}\sqrt{\frac{b-x}{x-a}}\left(2x + b - a - 2\alpha\sqrt{\frac{a}{b}} \frac{1}{x}\right)$，其中 $a > 0$，$b > a$ 由方程组确定。
• 当 $\alpha > 0$ 时，密度的支撑集 $[a,b]$ 严格为正，且在端点 $a$ 和 $b$ 处均表现出反平方根奇点，表明存在边缘效应。
• 当 $\alpha = 0$ 时，密度退化为 $f_{0,0}(x) = \frac{1}{2\pi}\sqrt{\frac{b-x}{x}}(2x + b)$，其中 $b = \frac{2}{3}\sqrt{6}$，支撑集为 $[0, \frac{2}{3}\sqrt{6}]$，将威格纳半圆律推广至正特征值条件。