[论文解读] Interpretations of some parameter dependent generalizations of classical matrix ensembles

Peter J. Forrester, Eric M. Rains|ArXiv.org|Nov 19, 2002

Random Matrices and Applications参考文献 29被引用 4

一句话总结

本文通过连续 Robinson-Schensted-Knuth (RSK) 对应关系与非相交格路，为参数依赖的古典矩阵系综（具体而言，插值于正交、酉与典型对称性之间的系综）提供了概率解释。它建立了与 Anderson 的 Selberg 积分工作的联系，并构建了随机矩阵模型，其特征值概率密度函数（PDF）实现了原始的参数依赖分布，从而可通过随机三步递推多项式的零点实现精确采样。

ABSTRACT

Two types of parameter dependent generalizations of classical matrix ensembles are defined by their probability density functions (PDFs). As the parameter is varied, one interpolates between the eigenvalue PDF for the superposition of two classical ensembles with orthogonal symmetry and the eigenvalue PDF for a single classical ensemble with unitary symmetry, while the other interpolates between a classical ensemble with orthogonal symmetry and a classical ensemble with symplectic symmetry. We give interpretations of these PDFs in terms of probabilities associated to the continuous Robinson-Schensted-Knuth correspondence between matrices, with entries chosen from certain exponential distributions, and non-intersecting lattice paths, and in the course of this probability measures on partitions and pairs of partitions are identified. The latter are generalized by using Macdonald polynomial theory, and a particular continuum limit -- the Jacobi limit -- of the resulting measures is shown to give PDFs related to those appearing in the work of Anderson on the Selberg integral. By interpreting Anderson's work as giving the PDF for the zeros of a certain rational function, it is then possible to identify random matrices whose eigenvalue PDFs realize the original parameter dependent PDFs. This line of theory allows sampling of the original parameter dependent PDFs, their Anderson-type generalizations and associated marginal distributions, from the zeros of certain polynomials defined in terms of random three term recurrences.

研究动机与目标

• 解释两类插值于具有正交、酉与典型对称性的经典系综之间的参数依赖矩阵系综概率密度函数（PDF）。
• 将这些 PDF 与涉及具有指数分布条目的矩阵及非相交格路的概率模型联系起来。
• 利用 Macdonald 多项式理论推广分拆与分拆对的测度。
• 识别这些测度的 Jacobi 极限，从而恢复与 Anderson 的 Selberg 积分工作相关的 PDF。
• 构建随机矩阵模型，使其特征值分布与原始的参数依赖 PDF 匹配，从而可通过多项式零点实现精确采样。

提出的方法

• 使用连续 Robinson-Schensted-Knuth (RSK) 对应关系，将具有独立同分布指数条目的随机矩阵映射为非相交格路。
• 应用 Macdonald 多项式理论，推广由 RSK 对应关系导出的分拆与分拆对上的测度。
• 推导这些推广测度的 Jacobi 极限，证明其收敛于与 Anderson 的 Selberg 积分结果相关的 PDF。
• 通过固定对角矩阵、Wishart 类型矩阵与 GUE 矩阵之和，构建随机矩阵模型，其特征值 PDF 通过拉普拉斯变换与 Harish-Chandra/Itzykson-Zuber 公式推导得出。
• 利用生成函数的逆拉普拉斯变换，表达所构建随机矩阵的特征值 PDF。
• 证明可通过计算由矩阵模型导出的随机三步递推多项式的零点，实现特征值的采样。

实验结果

研究问题

• RQ1 如何通过组合结构（如 RSK 对应关系与非相交格路）对参数依赖的古典矩阵系综的一般化形式进行概率解释？
• RQ2 这些推广测度与 Anderson 的 Selberg 积分工作及其相关特征值 PDF 之间存在何种联系？
• RQ3 能否显式构造随机矩阵模型，使其特征值 PDF 与原始的参数依赖 PDF 完全匹配？
• RQ4 Macdonald 多项式理论如何推广由 RSK 对应关系导出的分拆与分拆对上的测度？
• RQ5 Jacobi 极限在将推广测度与已知的经典系综联系起来的过程中起到何种作用？

主要发现

• 参数依赖的 PDF (1.1) 与 (1.4) 插值于正交与典型系综之间，而 (1.2) 与 (1.5) 插值于叠加的正交与酉系综之间。
• PDF 通过具有指数条目的矩阵与非相交格路之间的连续 RSK 对应关系进行解释，从而导出分拆与分拆对上的测度。
• Macdonald 多项式理论推广了这些分拆测度，其 Jacobi 极限恢复了与 Anderson 的 Selberg 积分工作相关的 PDF。
• 构建了随机矩阵模型 $ M = UAU^ abla + XBX^ abla + abla{t}Y $，其特征值 PDF 通过拉普拉斯变换与 Harish-Chandra/Itzykson-Zuber 公式显式推导得出。
• 该模型的特征值 PDF 与原始的参数依赖 PDF 完全匹配，且可通过随机三步递推多项式的零点实现采样。
• 在特殊情形下（如 $ t=0 $，$ B = \text{diag}(b,0,\dots,0) $，或 $ B=0 $），该模型恢复了已知结果，包括拉盖尔与 GUE 的特征值分布。