[论文解读] Regularity Conditions for Convergence of Linear Statistics of GUE

Phil Kopel|arXiv (Cornell University)|Oct 10, 2015

Random Matrices and Applications参考文献 11被引用 6

一句话总结

本文建立了高斯酉系族（GUE）未归一化线性统计量的中心极限定理，证明当且仅当极限方差的特定积分表达式为有限时，收敛到具有有限方差的正态分布。主要贡献在于最优正则性条件，表明方差表达式的有限性既是必要条件也是充分条件，且无需对检验函数施加光滑性或索伯列夫型范数要求。

ABSTRACT

We establish a central limit theorem for the unnormalized linear statistic of the Gaussian Unitary Ensemble under optimal conditions: the linear statistics converges if and only if the expression for the limiting variance is finite.

研究动机与目标

• 确定高斯酉系族（GUE）线性统计量收敛到正态分布的最优正则性条件。
• 识别极限方差表达式的有限性是否在不施加检验函数光滑性或可积性条件的情况下，既是收敛的必要条件也是充分条件。
• 以单一积分条件对收敛性进行精确刻画，避免依赖索伯列夫或赫尔德空间等函数空间范数。
• 通过直接分析GUE关联函数的显式公式，建立GUE未归一化线性统计量的中心极限定理。

提出的方法

• 该方法依赖于由埃尔米特多项式和振子波函数导出的GUE关联函数的显式公式。
• 作者分析了涉及测试函数 $ f $ 的平方差商的双重积分的方差表达式 $ V_{\text{GUE}}[f] $，其权重由半圆律决定的核函数决定。
• 关键估计通过埃尔米特多项式及其导数的渐近性质推导，特别关注在支撑集 $ [-2,2] $ 边缘处 $ \psi_n(\sqrt{n}x) $ 和 $ \psi_n'(\sqrt{n}x) $ 的行为。
• 证明避免使用函数空间范数，而是直接处理方差表达式，结合分部积分法与对 $ \sqrt{n}\psi_n^2(\sqrt{n}x) $ 和 $ \sqrt{n}\psi_n(\sqrt{n}x)\psi_{n-1}(\sqrt{n}x) $ 的逐点有界估计。
• 利用斯特林公式和已知的埃尔米特多项式恒等式，控制谱边缘处波函数及其导数的增长。
• 该论证在 $ (0,2) $ 的紧致子区间上建立了 $ \sqrt{n}\psi_n^2(\sqrt{n}x) $ 及相关项的统一有界性，确保方差表达式保持有限。

实验结果

研究问题

• RQ1 在何种条件下，GUE的未归一化线性统计量依分布收敛到正态随机变量？
• RQ2 极限方差表达式 $ V_{\text{GUE}}[f] $ 的有限性是否在不施加光滑性或索伯列夫型正则性条件的情况下，既是收敛的必要条件也是充分条件？
• RQ3 是否可以不依赖于检验函数 $ f $ 的光滑性或索伯列夫型正则性，来表述收敛条件？
• RQ4 在 $ f $ 的正则性假设最弱时，GUE线性统计量的中心极限定理是否仍成立？

主要发现

• 当且仅当表达式 $ V_{\text{GUE}}[f] $ 有限时，线性统计量 $ N_n[f] $ 依分布收敛到均值为零、方差为 $ V_{\text{GUE}}[f] $ 的正态随机变量。
• 极限方差由双重积分给出：$ \frac{1}{4\pi^2}\int_{-2}^{2}\int_{-2}^{2}\left(\frac{f(x)-f(y)}{x-y}\right)^2\frac{4-xy}{\sqrt{4-x^2}\sqrt{4-y^2}}dxdy $，该表达式在且仅在测试函数 $ f $ 满足最小正则性条件时为有限。
• 结果是最优的：不存在比 $ V_{\text{GUE}}[f] $ 有限更强或更弱的条件能保证收敛，且无需任何光滑性假设（如赫尔德连续性或索伯列夫空间条件）。
• 证明建立了 $ \sqrt{n}\psi_n^2(\sqrt{n}x) $ 及相关项的统一有界性，表明在方差表达式有限的条件下，其值不依赖于 $ n $ 而保持有界。
• 该方法完全避免使用函数空间范数，直接基于方差表达式，结合埃尔米特多项式及其导数的渐近分析。
• 分析确认，对于不连续的 $ f $，方差表达式发散；甚至对某些连续的 $ f $，方差表达式也发散，从而证实仅连续性不足以保证收敛。