[论文解读] The Common Limit of the Linear Statistics of Zeros of Random Polynomials and Their Derivatives

I-Shing Hu, Chih-Chung Chang|arXiv (Cornell University)|Jan 14, 2017

Geometry and complex manifolds参考文献 16被引用 4

一句话总结

该论文在对缩放序列和测试函数施加温和条件的前提下，证明了随机多项式及其k阶导数的零点线性统计量收敛于同一极限。通过谱分析和迹估计，论文证明了多项式及其导数的归一化线性统计量的几乎必然收敛性，推广了关于经验测度的已知结果，并将收敛性扩展至高阶导数。

ABSTRACT

Let $ p_n(x) $ be a random polynomial of degree $n$ and $\{Z^{(n)}_j\}_{j=1}^n$ and $\{X^{n, k}_j\}_{j=1}^{n-k}, k

研究动机与目标

• 建立随机多项式零点及其k阶导数的线性统计量的共同极限行为。
• 推广关于零点和临界点经验测度弱收敛的现有结果。
• 统一多项式及其导数零点集上线性统计量的收敛模式（几乎必然、依概率）。
• 提供一个适用于多种随机多项式模型（包括i.i.d.零点、Kac型及随机矩阵型）的通用框架。

提出的方法

• 使用谱分解和迹恒等式，关联零点及其导数的线性统计量。
• 应用傅里叶变换技术，通过特征函数和迹算子表达线性统计量。
• 利用指数矩和零点虚部的界来控制迹差中误差项的大小。
• 结合高斯-卢卡斯定理和递归根和恒等式，关联系数与零点位置。
• 应用“共同收敛”引理，将多项式零点的收敛模式传递至其导数。
• 对测试函数和缩放序列的导数实施一致估计，以确保在k阶导数中保持稳定性。

实验结果

研究问题

• RQ1 在何种条件下，随机多项式零点及其k阶导数的线性统计量会收敛于同一极限？
• RQ2 线性统计量的收敛模式（几乎必然、依概率）能否从多项式传递至其导数？
• RQ3 缩放序列{a_n}、{b_n}以及测试函数的正则性如何影响导数线性统计量的收敛性？
• RQ4 在不同随机多项式模型中，是否存在零点及其导数线性统计量的通用极限分布？
• RQ5 该收敛结果能否扩展至一阶以上的高阶导数？

主要发现

• 若随机多项式零点的线性统计量以几乎必然方式收敛，则在对缩放序列和测试函数施加温和条件时，其k阶导数的线性统计量也收敛至同一极限。
• 多项式与其k阶导数的线性统计量之差在n → ∞时以几乎必然方式收敛于零。
• 该收敛性对所有k < n成立，且通过递归分解，证明可从一阶导数推广至高阶导数。
• 该结果在不同随机多项式模型中具有统一适用性，包括i.i.d.零点、Kac型及随机矩阵型。
• 关键技术工具是涉及指数矩和零点虚部有界性的迹估计。
• 该框架可放宽对测试函数正则性的假设，并允许更弱的收敛模式，表明其具有更广泛的应用潜力。