[论文解读] Random matrix minor processes related to percolation theory

Mark Adler, Pierre van Moerbeke+1 more|arXiv (Cornell University)|Jan 29, 2013

Random Matrices and Applications参考文献 33被引用 6

一句话总结

本文建立了随机矩阵主子式过程（特别是带外部源的GUE、多重Laguerre以及Jacobi-Piñeiro模型）与最后通过时序模型之间的联系。它表明，这些矩阵模型中特征值的交错关系产生具有扩展核的行列式点过程，并证明在适当的小均值指数权重下，归一化后的最后通过时间收敛于Pearcey过程，从而将其与随机定向聚合物联系起来。

ABSTRACT

This paper studies a number of matrix models of size n and the associated Markov chains for the eigenvalues of the models for consecutive n's. They are consecutive principal minors for two of the models, GUE with external source and the multiple Laguerre matrix model, and merely properly defined consecutive matrices for the third one, the Jacobi-Pineiro model; nevertheless the eigenvalues of the consecutive models all interlace. We show: (i) For each of those finite models, we give the transition probability of the associated Markov chain and the joint distribution of the entire interlacing set of eigenvalues; we show this is a determinantal point process whose extended kernels share many common features. (ii) To each of these models and their set of eigenvalues, we associate a last-passage percolation model, either finite percolation or percolation along an infinite strip of finite width, yielding a precise relationship between the last passage times and the eigenvalues. (iii) Finally it is shown that for appropriate choices of exponential distribution on the percolation, with very small means, the rescaled last passage times lead to the Pearcey process; this should connect the Pearcey statistics with random directed polymers.

研究动机与目标

• 建立广义随机矩阵模型中特征值演化与最后通过时序模型之间的精确对应关系。
• 证明连续矩阵主子式中特征值交错关系形成具有共享核结构的行列式点过程。
• 证明在小均值指数渗流权重下，归一化后的最后通过时间收敛于Pearcey过程。
• 为Pearcey过程提供一种连续聚合物解释，类似于Airy过程与KPZ/随机热方程之间的已知联系。

提出的方法

• 定义四种广义主子式过程：带外部源的GUE、Wishart、多重Laguerre以及Jacobi-Piñeiro模型，所有模型在连续矩阵尺寸间均具有交错的特征值。
• 推导交错特征值集合的转移概率与联合分布，表明其为具有扩展核的行列式点过程。
• 在有限或无限条带上构建最后通过时序模型，将最后通过时间映射为矩阵主子式的特征值。
• 在渗流路径上使用小均值的指数权重分布，以实现极限缩放。
• 在复平面上的复路径上应用最陡下降分析，推导核的渐近行为。
• 在复平面上形变路径，确保作用量的实部在远离临界点处递增，从而实现严格的渐近分析。

实验结果

研究问题

• RQ1 广义随机矩阵主子式的特征值演化能否与具有显式对应关系的最后通过时序模型相映射？
• RQ2 连续矩阵主子式联合特征值分布是否形成具有共享核结构的行列式点过程？
• RQ3 在何种条件下，此类渗流模型中的归一化最后通过时间收敛于Pearcey过程？
• RQ4 Pearcey过程能否被解释为小均值指数权重下最后通过时序模型的极限？
• RQ5 该构造是否提供了一种与Pearcey统计一致的连续随机定向聚合物模型？

主要发现

• 在四个模型中，连续矩阵主子式联合特征值分布形成行列式点过程，其扩展核表现出普遍特征。
• 特征值马尔可夫链的转移概率被显式推导，并证明其具有共享核结构的行列式形式。
• 在所有四个模型中，最后通过时序与矩阵主子式特征值之间建立了唯一对应关系。
• 在小均值指数渗流权重下，归一化后的最后通过时间在极限下收敛于Pearcey过程。
• 该构造直接建立了Pearcey过程与随机定向聚合物之间的联系，类似于已知的KPZ/随机热方程与Airy过程之间的联系。
• 渐近分析依赖于经过精心形变的复路径，确保作用量实部在远离临界点处递增，从而实现严格的最陡下降估计。