[论文解读] Law of Large Numbers for Infinite Random Matrices over a Finite Field

Alexey Bufetov, Leonid Petrov|arXiv (Cornell University)|Feb 7, 2014

Random Matrices and Applications参考文献 54被引用 7

一句话总结

本文证明了在有限域上无限随机矩阵的大数定律，表明由 $n\times n$ 子矩阵形成的杨图的行与列频率几乎必然收敛至遍历中心测度的参数。作者通过一种新颖的随机化 Robinson–Schensted–Knuth 插入算法实现此结果，该算法依据 Hall–Littlewood 对称函数抽取杨图，推广了对称群的早期工作，并证实了 Kerov 关于此类测度渐近行为的猜想。

ABSTRACT

Asymptotic representation theory of general linear groups GL(n,q) over a finite field leads to studying probability measures ρon the group U of all infinite uni-uppertriangular matrices over F_q, with the condition that ρis invariant under conjugations by arbitrary infinite matrices. Such probability measures form an infinite-dimensional simplex, and the description of its extreme points (in other words, ergodic measures ρ) was conjectured by Kerov in connection with nonnegative specializations of Hall-Littlewood symmetric functions. Vershik and Kerov also conjectured the following Law of Large Numbers. Consider an n by n diagonal submatrix of the infinite random matrix drawn from an ergodic measure coming from the Kerov's conjectural classification. The sizes of Jordan blocks of the submatrix can be interpreted as a (random) partition of n, or, equivalently, as a (random) Young diagram λ(n) with n boxes. Then, as n goes to infinity, the rows and columns of λ(n) have almost sure limiting frequencies corresponding to parameters of this ergodic measure. Our main result is the proof of this Law of Large Numbers. We achieve it by analyzing a new randomized Robinson-Schensted-Knuth (RSK) insertion algorithm which samples random Young diagrams λ(n) coming from ergodic measures. The probability weights of these Young diagrams are expressed in terms of Hall-Littlewood symmetric functions. Our insertion algorithm is a modified and extended version of a recent construction by Borodin and the second author (arXiv:1305.5501). On the other hand, our randomized RSK insertion generalizes a version of the RSK insertion introduced by Vershik and Kerov (1986) in connection with asymptotic representation theory of symmetric groups (which is governed by nonnegative specializations of Schur symmetric functions).

研究动机与目标

• 证明有限域上无限随机矩阵的 $n\times n$ 子矩阵所形成的随机杨图的行与列频率的大数定律。
• 确认 Kerov 关于有限域上无限单上三角矩阵群的遍历中心测度分类的猜想。
• 通过 Hall–Littlewood 对称函数，建立 $GL(n,\mathbb{F}_q)$ 渐近表示理论与杨图极限形状之间的联系。
• 开发并分析一种新的随机化 RSK 插入算法，该算法按 Hall–Littlewood 测度生成杨图。
• 将遍历测度分类中参数 $\boldsymbol{\alpha}$ 和 $\boldsymbol{\beta}$ 的渐近结果从有限序列推广至无限序列。

提出的方法

• 引入一种随机化 RSK 插入算法，用于从 $HL$-一致测度中抽取杨图 $\lambda(n)$，其概率由 Hall–Littlewood 对称函数表达。
• 在杨图塔上构建马尔可夫动力系统，其中前 $k$ 层的演化独立于上层，从而实现渐近分析。
• 利用 $\mathcal{A}$-表与杨图之间的双射关系，将行/列长度与表中特定字母的数量关联起来。
• 应用命题 7.9 和 7.11，分析在不同字母顺序下，前 $k$ 层行与列长度的极限行为。
• 通过前 $k$ 层的收敛性与总方块数约束 $n + \mathsf{a}\mathsf{b}$，建立对归一化行与列长度的上下界。
• 通过结合下极限与上极限估计，证明 $\lambda_k(n)/n$ 几乎必然收敛至 $\alpha_k$，且 $\lambda_k'(n)/n$ 几乎必然收敛至 $\beta_k/(1 - \mathfrak{q}^{-1})$。

实验结果

研究问题

• RQ1 当 $n \to \infty$ 时，无限随机矩阵的 $n\times n$ 子矩阵所形成的杨图的行与列频率是否几乎必然收敛？
• RQ2 Kerov 关于 $\mathbb{U}$ 上遍历中心测度的分类（以 $(\boldsymbol{\alpha}; \boldsymbol{\beta}; \gamma)$ 参数化）是否与此类矩阵的渐近行为一致？
• RQ3 能否构造一种随机化 RSK 插入算法，使其按 Hall–Littlewood 对称函数的概率抽取杨图，并捕捉其极限形状？
• RQ4 极限行与列频率如何与遍历测度中的参数 $\alpha_k$ 和 $\beta_k$ 相关联？
• RQ5 当 $n \to \infty$ 时，随机杨图 $\lambda(n)$ 的第 $k$ 行与第 $k$ 列长度的渐近行为如何？

主要发现

• 对每个固定的 $k$，归一化行长度 $\lambda_k(n)/n$ 几乎必然收敛至 $\alpha_k$（当 $n \to \infty$ 时）。
• 对每个固定的 $k$，归一化列长度 $\lambda_k'(n)/n$ 几乎必然收敛至 $\beta_k / (1 - \mathfrak{q}^{-1})$（当 $n \to \infty$ 时）。
• 行与列的极限频率完全由遍历测度中的参数 $\boldsymbol{\alpha}$ 和 $\boldsymbol{\beta}$ 决定，从而证实了 Kerov 的猜想。
• 证明依赖于独立分析杨图塔的前 $k$ 层，利用其演化与上层解耦的性质。
• 作者通过总方块数与前 $k$ 层收敛性，建立了 $\lambda_k(n)/n$ 与 $\lambda_k'(n)/n$ 的紧致下极限与上极限边界。
• 随机化 RSK 插入算法推广了经典 RSK 与 Vershik–Kerov 版本，其构造基于 Macdonald 过程与 Hall–Littlewood 测度上的双变量动力系统。