[论文解读] Introduction to Random Matrices - Theory and Practice

Giacomo Livan, Marcel Novaes+1 more|arXiv (Cornell University)|Dec 21, 2017

Random Matrices and Applications参考文献 9被引用 102

一句话总结

面向初学者的可访问性入门文本，讲解随机矩阵理论（RMT），涵盖 GOE/GUE/GSE、特征值统计、半圆定律以及带有计算示例的数值验证。

ABSTRACT

This is a book for absolute beginners. If you have heard about random matrix theory, commonly denoted RMT, but you do not know what that is, then welcome!, this is the place for you. Our aim is to provide a truly accessible introductory account of RMT for physicists and mathematicians at the beginning of their research career. We tried to write the sort of text we would have loved to read when we were beginning Ph.D. students ourselves. Our book is structured with light and short chapters, and the style is informal. The calculations we found most instructive are spelt out in full. Particular attention is paid to the numerical verification of most analytical results. Our book covers standard material - classical ensembles, orthogonal polynomial techniques, spectral densities and spacings - but also more advanced and modern topics - replica approach and free probability - that are not normally included in elementary accounts on RMT. This book is dedicated to the fond memory of Oriol Bohigas.

研究动机与目标

• 以务实、强调计算的方法向初学者介绍随机矩阵理论。
• 给出高斯集合的特征值联合分布及其含义。
• 解释谱密度与威格纳的半圆定律在大矩阵中的表现。
• 讨论集合的分类以及不变性与独立性之间的关系。
• 提供数值验证和动手计算的指南。

提出的方法

• 推导高斯集合的特征值联合概率密度函数：rho(x1,...,xN) ∝ exp(-1/2 ∑ xi^2) ∏_{j<k} |xj - xk|^β (Eq. 2.15).
• 从一个 2×2 示例得出 GOE 的威格纳猜想，得到 p(s) = (s/2) exp(-s^2/4) (Eq. 2.5).
• 描述大 N 的半圆定律：sqrt(βN) ρ(√(βN)x) → ρ_SC(x)，其中 ρ_SC(x) = (1/π)√(2 - x^2) (Eq. 3.6).
• 讨论 GOE 的方差结构：对角条目方差的一半来自非对角条目（Eq. 1.7）。
• 将集合分为独立条目（Wigner）与旋转不变（Gaussian）类，指出它们的交集只有高斯集合（GOE/GUE/GSE）。
• 提供数值验证并参考随文本附带的 test.m 代码以便可重复性。

实验结果

研究问题

• RQ1 高斯集合的特征值 jpdf 的形式是什么，它如何编码特征值之间的相互作用？
• RQ2 谱密度在大 N 极限中的行为如何，半圆定律是什么？
• RQ3 对于 GOE，特征值间距的分布（威格纳猜想）是什么，它如何体现谱线排斥？
• RQ4 集合属性（条目的独立性与否或旋转不变性）如何约束可能的矩阵模型？
• RQ5 如何通过基于样本的直方图和测试代码数值验证理论的 RMT 结果？

主要发现

• 高斯集合的特征值 jpdf 包含 Vandermonde 行列式因子，rho(x1,...,xN) ∝ exp(-1/2 ∑ xi^2) ∏_{j<k} |xj - xk|^β。
• 威格纳半圆定律表明对于大 N，重新缩放的谱密度收敛于半圆形状 ρ_SC(x) = (1/π)√(2 - x^2)。
• 在 GOE 中，2×2 示例的间距分布经重新缩放后得到威格纳猜想 p(s) = (π s / 2) exp(-π s^2 / 4)。
• GOE 的非对角条目方差是对角条目的一半，这是影响结果的一个关键结构细节。
• 集合分为独立条目（Wigner）與旋转不变（Gaussian）两类，高斯集合位于它们的交集。
• 数值演示和随附的 test.m 脚本在各集合中验证理论预测。