[论文解读] Real eigenvalues of non-symmetric random matrices: Transitions and Universality

Luis Carlos García del Molino, Khashayar Pakdaman+1 more|arXiv (Cornell University)|May 2, 2016

Random Matrices and Applications被引用 6

一句话总结

该论文证明了在大维非对称随机矩阵中，实特征值的个数渐近服从均值为√n、方差为(2−√2)√n的高斯分布，并揭示了随着实特征值个数的增加，实特征值分布从双峰态向单峰态转变的普适性过渡。通过对数气体类比和数值验证，作者表明这些统计特性不仅存在于Ginibre系综中，也适用于多种其他矩阵系综，证明了实特征值分布具有稳健的普适性。

ABSTRACT

In the past 20 years, the study of real eigenvalues of non-symmetric real random matrices has seen important progress. Notwithstanding, central questions still remain open, such as the characterization of their asymptotic statistics and the universality thereof. In this letter we show that for a wide class of matrices, the number $k_n$ of real eigenvalues of a matrix of size $n$ is asymptotically Gaussian with mean $\bar k_n=\mathcal{O}(\sqrt{n})$ and variance $\bar k_n(2-\sqrt{2})$. Moreover, we show that the limit distribution of real eigenvalues undergoes a transition between bimodal for $k_n=o(\sqrt{n})$ to unimodal for $k_n=\mathcal{O}(n)$, with a uniform distribution at the transition. We predict theoretically these behaviours in the Ginibre ensemble using a log-gas approach, and show numerically that they hold for a wide range of random matrices with independent entries beyond the universality class of the circular law.

研究动机与目标

• 表征非对称随机矩阵中实特征值个数的渐近统计特性。
• 研究实特征值分布的普适性在不同矩阵系综中的表现。
• 确定实特征值个数是否服从高斯分布，以及其方差是否具有普遍标度特性。
• 探索当实特征值个数增加时，实特征值分布形状从双峰到单峰转变的机制。
• 通过广泛的数值模拟验证理论预测，超越Ginibre系综的范围。

提出的方法

• 采用对数气体类比，将特征值建模为在约束势场中的带电粒子，从而推导其统计性质。
• 应用中心极限定理，证明由于短程相关性，实特征值个数渐近服从高斯分布。
• 利用布朗运动类比实特征值在区间内累积计数的过程，建立独立的高斯增量。
• 对具有i.i.d.元素、重尾分布及相关元素的大规模数值模拟，以检验普适性。
• 在复平面上对任意矩形区域进行谱条件化，以检验双峰到单峰转变的鲁棒性。
• 分析经验谱分布和实特征值密度，比较不同矩阵类型和参数区域下的表现。

实验结果

研究问题

• RQ1 在大维非对称随机矩阵中，实特征值个数是否渐近服从高斯分布？其均值和方差为何？
• RQ2 随着实特征值个数的增加，实特征值分布是否从双峰态转变为单峰态？这种转变的性质是什么？
• RQ3 实特征值的统计特性是否在Ginibre系综之外的矩阵系综中具有普适性，包括具有重尾或非同分布元素的矩阵？
• RQ4 当在复平面上宏观区域对特征值计数进行条件化时，实特征值分布的行为如何？
• RQ5 不同矩阵类中，实特征值个数的方差与均值之比的极限行为如何？

主要发现

• 在n×n的非对称随机矩阵中，实特征值个数$k_n$渐近服从均值为$\bar{k}_n = \mathcal{O}(\sqrt{n})$、方差为$\bar{k}_n(2 - \sqrt{2})$的高斯分布。
• 实特征值分布从双峰态（当$k_n = o(\sqrt{n})$时）过渡到单峰态（当$k_n = \mathcal{O}(n)$时），在转变点处呈现均匀分布。
• 极限比值$\Sigma_n^2 / \bar{k}_n \to 2 - \sqrt{2}$在多种矩阵系综中具有普适性，包括具有无界二阶矩或非同分布元素的矩阵。
• 在i.i.d.元素下，$\bar{k}_n \sim c\sqrt{n}$中的系数$c$仅依赖于一阶和二阶矩；在重尾分布下，$c$依赖于尾部分布。
• 即使对于具有强相关转置元素或矩阵乘积的矩阵，$p^n_k$仍保持高斯分布，且方差与均值之比$\Sigma_n^2 / \bar{k}_n$仍收敛于$2 - \sqrt{2}$，表明这是具有鲁棒性的普适性质。
• 在大n极限下，时间连续高斯矩阵过程中实特征值计数的随机过程$k_n(t)$收敛于高斯白噪声。