[论文解读] Mesoscopic linear statistics of Wigner matrices

Asad Lodhia, Nick Simm|arXiv (Cornell University)|Mar 11, 2015

Random Matrices and Applications参考文献 44被引用 20

一句话总结

该论文在矩阵规模 $ N $ 趋于无穷的极限下，建立了 Wigner 矩阵的介观线性统计量收敛于高斯过程的结果。在较弱的矩条件之下，当谱参数的虚部满足 $ N^{-1/3} \ll \mathrm{Im}(z) \ll 1 $ 时，预解式迹收敛于一个平稳高斯过程，其显式协方差结构与测试函数的 $ H^{1/2} $-范数相关。

ABSTRACT

We study linear spectral statistics of $N imes N$ Wigner random matrices $\mathcal{H}$ on mesoscopic scales. Under mild assumptions on the matrix entries of $\mathcal{H}$, we prove that after centering and normalizing, the trace of the resolvent $\mathrm{Tr}(\mathcal{H}-z)^{-1}$ converges to a stationary Gaussian process as $N o \infty$ on scales $N^{-1/3} \ll \mathrm{Im}(z) \ll 1$ and explicitly compute the covariance structure. The limit process is related to certain regularizations of fractional Brownian motion and logarithmically correlated fields appearing in \cite{FKS13}. Finally, we extend our results to general mesoscopic linear statistics and prove that the limiting covariance is given by the $H^{1/2}$-norm of the test functions.

研究动机与目标

• 理解在介观尺度下 Wigner 矩阵的线性谱统计量的极限波动行为，其中涉及的特征值数量随 $ N $ 增长，但仍为总数的可忽略部分。
• 在介观尺度上建立线性统计量的中心极限定理（CLT），扩展此前仅限于宏观或微观尺度的结果。
• 展示极限协方差结构的普遍性，表明其独立于矩阵元素的四阶矩，即使在介观尺度下亦然。
• 将极限过程识别为与分数阶布朗运动及对数相关场相关的平稳高斯过程。
• 通过函数延拓技术，将从预解式迹到一般介观线性统计量的 CLT 进行推广。

提出的方法

• 分析预解式 $ \mathrm{Tr}(\mathcal{H} - z)^{-1} $ 的迹，其中 $ z = E + i\eta $ 且 $ \eta \sim N^{-1/3} $，证明当 $ N \to \infty $ 时其收敛于高斯过程。
• 利用测试函数的 $ H^{1/2} $-范数刻画极限协方差，通过傅里叶变换导出：$ \mathbb{E}[X(f_p)\overline{X(f_q)}] = \frac{1}{2\pi} \int |k| \hat{f}_p(k) \overline{\hat{f}_q(k)} \, dk $。
• 应用函数延拓引理（引理 C.1）通过柯西-泊松积分公式，将特征值的线性统计量与预解式迹联系起来。
• 利用矩界和尾部估计（例如，通过定理 1.3 取 $ q=3 $）控制预解式迹的方差并建立紧致性。
• 实施二元分解与截断论证，以控制谱体内部的预解式波动。
• 依赖于矩阵元素的次高斯尾部假设，以确保矩控制并实现分布收敛。

实验结果

研究问题

• RQ1 在介观尺度下，Wigner 矩阵的线性谱统计量行为如何，其中 $ d_N = N^\gamma $ 且 $ 0 < \gamma < 1/3 $？
• RQ2 介观线性统计量的极限分布是否收敛于高斯过程？若是，其协方差结构为何？
• RQ3 极限协方差是否在不同 Wigner 系综中保持普遍性，且独立于矩阵元素的四阶矩？
• RQ4 能否通过函数延拓技术将预解式迹用作一般线性统计量的代理？
• RQ5 极限过程与已知随机过程（如分数阶布朗运动或对数相关场）之间存在何种联系？

主要发现

• 中心化的线性统计量 $ \tilde{X}_N^{\mathrm{meso}}(f) $ 在分布上收敛于一个高斯向量，其协方差为 $ \mathbb{E}[X(f_p)\overline{X(f_q)}] = \frac{1}{2\pi} \int |k| \hat{f}_p(k) \overline{\hat{f}_q(k)} \, dk $。
• 极限过程是在介观尺度 $ N^{-1/3} \ll \mathrm{Im}(z) \ll 1 $ 上的平稳高斯过程，其协方差结构与测试函数的 $ H^{1/2} $-范数相关。
• 普遍性成立：极限协方差不依赖于矩阵元素的四阶矩，这与宏观尺度下的情况不同。
• 该结果将 Boutet de Monvel 与 Khorunzhy 的先前工作（其要求 $ \gamma < 1/8 $）推广至完整范围 $ 0 < \gamma < 1/3 $。
• 在适当的 $ N, \eta, d_N $ 条件下，预解式迹的方差有界：$ \mathbb{E}|V_N(z)|^2 \leq c_1 \eta^{-2} $，从而保证了紧致性。
• 通过 $ \Psi_f(x,y) = (f(x) + i(f(x+y) - f(x))) J(y) $ 的函数延拓技术，可将线性特征值统计量约化为预解式统计量。