[论文解读] Subordination of the resolvent for a sum of random matrices

Vladislav Kargin|arXiv (Cornell University)|Sep 27, 2011

Random Matrices and Applications参考文献 11被引用 7

一句话总结

本文建立了两个随机矩阵之和的预解式之间的从属关系，表明其近似从属于各个预解式，且误差项可控。该分析导出了特征值的局部律及特征向量的去局域化结果，并实现了对秩一变形的酉不变矩阵模型中极限最大特征值的确定。

ABSTRACT

This paper is about the relation of random matrix theory and the subordination phenomenon in complex analysis. We find that the resolvent of the sum of two random matrices is approximately subordinated to the resolvents of the original matrices. We estimate the error terms in this relation and in the subordination relation for the traces of the resolvents. This allows us to prove a local limit law for eigenvalues and a delocalization result for eigenvectors of the sum of two random matrices. In addition, we use subordination to determine the limit of the largest eigenvalue for the rank-one deformations of unitary-invariant random matrices.

研究动机与目标

• 理解随机矩阵理论中的从属现象及其对矩阵和的影响。
• 量化通过个体预解式的从属关系近似矩阵和的预解式时的误差。
• 推导两个随机矩阵之和的特征值的局部极限律。
• 建立矩阵和的特征向量去局域化的结果。
• 利用从属关系确定酉不变随机矩阵在秩一变形下最大特征值的极限分布。

提出的方法

• 利用复分析中的从属技术，将矩阵和的预解式与各矩阵的预解式关联起来。
• 对预解式迹的从属关系中的误差项进行估计，确保渐近控制。
• 将从属框架应用于通过精确谱分析推导特征值的局部律。
• 利用从属结构通过分析各坐标上质量的衰减来证明特征向量的去局域化。
• 将从属框架应用于秩一变形的酉不变矩阵模型，以计算最大特征值的极限。
• 结合随机矩阵理论与复分析中的解析工具，建立稳健的渐近逼近。

实验结果

研究问题

• RQ1 两个随机矩阵之和的预解式如何通过从属关系与各矩阵的预解式关联？
• RQ2 预解式及其迹的从属近似中，误差的定量边界是什么？
• RQ3 从属结构能否导出矩阵和特征值的局部律？
• RQ4 从属框架是否意味着随机矩阵和的特征向量具有去局域化性质？
• RQ5 在酉不变随机矩阵的秩一变形中，最大特征值的极限行为如何？

主要发现

• 两个随机矩阵之和的预解式从属于个体预解式，且误差项显式有界。
• 建立了矩阵和特征值的局部律，描述了小尺度上的谱分布。
• 证明了矩阵和的特征向量是去局域化的，即其质量在各坐标上均匀分布。
• 利用从属框架确定了秩一变形的酉不变随机矩阵模型中最大特征值的极限。
• 矩阵和的预解式迹从属于各独立矩阵的迹，且误差受控，从而实现精确的谱分析。
• 从属方法提供了一种统一的方法，用于推导局部特征值统计与特征向量性质。