[论文解读] Statistical properties of eigenvalues of Laplace-Beltrami operators

Tiefeng Jiang, Ke Wang|arXiv (Cornell University)|Feb 1, 2016

Random Matrices and Applications参考文献 31被引用 3

一句话总结

本文研究了在由整数分拆参数化的对称多项式上，拉普拉斯-贝尔特拉米算子特征值的统计分布。通过四种测度——受限均匀分布、受限杰克分布、均匀分布和普朗切尔测度——赋予随机分拆，结果表明特征值渐近服从一种新分布 $\mu$，或伽马分布、耿贝尔分布或特里·威廉姆斯分布，其中特里·威廉姆斯极限仅在 $\alpha=1$ 时得到证明，受限于技术限制。

ABSTRACT

We study the eigenvalues of a Laplace-Beltrami operator defined on the set of the symmetric polynomials, where the eigenvalues are expressed in terms of partitions of integers. By assigning partitions with the restricted uniform measure, the restricted Jack measure, the uniform measure or the Plancherel measure, we prove that the global distribution of the eigenvalues is asymptotically a new distribution $μ$, the Gamma distribution, the Gumbel distribution and the Tracy-Widom distribution, respectively. An explicit representation of $μ$ is obtained by a function of independent random variables. We also derive an independent result on random partitions itself: a law of large numbers for the restricted uniform measure. Two open problems are also asked.

研究动机与目标

• 理解定义在对称多项式上的拉普拉斯-贝尔特拉米算子 $\Delta_\alpha$ 的特征值 $\lambda_\kappa$ 的全局统计行为。
• 分析当分拆 $\kappa$ 在不同概率测度下采样时，这些特征值的行为：受限均匀分布、受限杰克分布、均匀分布和普朗切尔测度。
• 在每种测度下推导 $\lambda_\kappa$ 的渐近分布，特别是识别在 $n$ 充分大时的极限分布。
• 为受限均匀测度建立一个新的极限定理，并利用它统一所有四种测度下的结果。
• 将极限分布 $\mu$ 明确定义为独立随机变量的函数，并提出两个开放问题。

提出的方法

• 通过公式 $\lambda_\kappa = n(m-1) + a(\kappa')\alpha - a(\kappa)$ 将特征值 $\lambda_\kappa$ 表示为分拆 $\kappa$ 的函数，其中 $a(\kappa)$ 是分拆的组合函数。
• 受限均匀测度为所有最多含 $m$ 个部分的 $n$ 的分拆赋予相等的概率，从而在该约束下分析特征值的波动。
• 受限杰克测度用于研究在 $\alpha$-变形对称函数下的特征值，与杰克多项式及正交多项式理论相关联。
• 均匀测度和普朗切尔测度应用于无穷变量极限（$m \to \infty$），此时 $\kappa$ 在 $n$ 的整数分拆上均匀或按普朗切尔测度采样。
• 证明 $\frac{2}{\alpha} \cdot \frac{\lambda_\kappa}{n^2}$ 的极限分布收敛于 $\sum_{i=1}^m Y_i^2$ 的分布，其中 $Y_i$ 在单纯形 $\sum y_i = 1$，$y_i \in [0,1]^m$ 上均匀分布。
• 使用几何概率技术通过单纯形与 $\ell^2$-球的交集体积积分，计算极限分布的累积分布函数和密度，特别是针对 $m=2$ 和 $m=3$ 的情形。

实验结果

研究问题

• RQ1 当分拆 $\kappa$ 在受限均匀测度下采样时，特征值 $\lambda_\kappa$ 的渐近分布是什么？
• RQ2 在受限杰克测度下，特征值如何表现？在 $n$ 充分大时，其极限分布是什么？
• RQ3 当 $n \to \infty$ 时，特征值 $\lambda_\kappa$ 在均匀测度和普朗切尔测度下的全局极限分布是什么？
• RQ4 特里·威廉姆斯分布能否作为 $\lambda_\kappa$ 的极限分布出现？在何种条件下？
• RQ5 新极限分布 $\mu$ 的显式表示是什么？它与独立随机变量有何关联？

主要发现

• 在受限均匀测度下，建立了新的极限定理，表明归一化后的特征值收敛于一个非高斯极限分布 $\mu$。
• 对于受限杰克测度，特征值分布渐近收敛于伽马分布。
• 在均匀测度下，特征值分布收敛于耿贝尔分布，且在 $n$ 充分大时成立。
• 在普朗切尔测度下，特征值分布收敛于特里·威廉姆斯分布，但该结果仅在 $\alpha = 1$ 时得到证明，受限于技术限制。
• 极限分布 $\mu$ 显式表示为独立随机变量的函数，提供了新的解析表征。
• 当 $m=2$ 时，$\frac{2}{\alpha} \cdot \frac{\lambda_\kappa}{n^2}$ 的极限分布具有密度 $f(t) = \frac{1}{\sqrt{2t-1}}$，定义在 $[\frac{1}{2}, 1]$ 上。