[论文解读] The eigenvectors of Gaussian matrices with an external source

Romain Allez, Joël Bun+1 more|arXiv (Cornell University)|Dec 22, 2014

Random Matrices and Applications参考文献 15被引用 14

一句话总结

本文通过迪森布朗运动研究了大高斯矩阵在确定性外部源扰动下的特征向量动力学。推导出特征向量重叠的自治演化方程，证明对于孤立特征向量，其与扰动后对应特征向量的重叠在适当中心化和缩放（缩放因子为√N）后收敛于正态分布，且显式方差依赖于时间t。

ABSTRACT

We consider a diffusive matrix process $(X_t)_{t\ge 0}$ defined as $X_t:=A+H_t$ where $A$ is a given deterministic Hermitian matrix and $(H_t)_{t\ge 0}$ is a Hermitian Brownian motion. The matrix $A$ is the "external source" that one would like to estimate from the noisy observation $X_t$ at some time $t>0$. We investigate the relationship between the non-perturbed eigenvectors of the matrix $A$ and the perturbed eigenstates at some time $t$ for the three relevant scaling relations between the time $t$ and the dimension $N$ of the matrix $X_t$. We determine the asymptotic (mean-squared) projections of any given non-perturbed eigenvector $|ψ_j^0 angle$, associated to an eigenvalue $a_j$ of $A$ which may lie inside the bulk of the spectrum or be isolated (spike) from the other eigenvalues, on the orthonormal basis of the perturbed eigenvectors $|ψ_i^t angle,i eq j$. We derive a Burgers type evolution equation for the local resolvent $(z-X_t)_{ii}^{-1}$, describing the evolution of the local density of a given initial state $|ψ_j ^0 angle$. We are able to solve this equation explicitly in the large $N$ limit, for any initial matrix $A$. In the case of one isolated eigenvector $|ψ_j^0 angle$, we prove a central limit Theorem for the overlap $\langle ψ_j^0|ψ_j^t angle$. When properly centered and rescaled by a factor $\sqrt{N}$, this overlap converges in law towards a centered Gaussian distribution with an explicit variance depending on $t$. Our method is based on analyzing the eigenvector flow under the Dyson Brownian motion.

研究动机与目标

• 理解确定性矩阵A在厄米布朗运动扰动下的特征向量演化规律。
• 分析在大N极限下，非扰动态与扰动态之间特征向量重叠的渐近行为。
• 推导局部格林函数与特征向量投影的闭式演化方程。
• 建立孤立特征向量与其扰动对应特征向量之间重叠的中心极限定理。

提出的方法

• 将矩阵过程建模为$ X_t = A + H_t $，其中$ H_t $为具有i.i.d.高斯元素且缩放因子为$ 1/√N $的厄米布朗运动。
• 利用特征值与特征向量的随机微分方程，研究迪森布朗运动下的特征向量演化。
• 推导出固定非扰动特征向量$ |\psi_j^0\rangle $在扰动特征向量基$ |\psi_i^t\rangle $上的投影的自治演化方程（2.5）。
• 利用局部格林函数$ (z - X_t)^{-1}_{ii} $推导出描述给定初始态局部密度时间演化的Burgers型方程。
• 应用Stieltjes变换技术，并在大N极限下对一般初始矩阵A求解所得方程。
• 采用递归积分表示与Chasles关系，证明重叠分布的矩满足$ g^{(2n)}(t) = (2n-1)!! \cdot g^{(2)}(t)^n $，从而导出孤立特征向量的中心极限定理。

实验结果

研究问题

• RQ1 当添加时间相关的厄米布朗运动时，确定性矩阵A的特征向量如何演化？
• RQ2 在大N极限下，非扰动特征向量在扰动特征向量基上的投影的渐近行为如何？
• RQ3 孤立特征向量与其扰动对应特征向量之间的重叠随时间如何演化？是否收敛到已知分布？
• RQ4 能否为局部格林函数推导出一个闭式演化方程，以捕捉特征向量演化的动力学？
• RQ5 孤立特征向量的重叠$ \langle \psi_j^0 | \psi_j^t \rangle $的分布是什么？其在大N极限下的方差如何？

主要发现

• 对于孤立特征向量，重叠$ \langle \psi_j^0 | \psi_j^t \rangle $在适当中心化和缩放（缩放因子为$ \sqrt{N} $）后，依分布收敛于中心化正态分布。
• 重叠的极限方差显式由时间t决定，并依赖于初始特征值相对于谱体密度的位置。
• 本文推导出局部格林函数$ (z - X_t)^{-1}_{ii} $的Burgers型演化方程，该方程控制给定初始态局部密度的时间演化。
• 对于一般初始矩阵A，通过从特征向量演化动力学导出的自治方程（2.5），计算了任意非扰动特征向量在扰动基上的渐近（二阶矩）投影。
• 重叠分布的矩满足$ g^{(2n)}(t) = (2n-1)!! \cdot g^{(2)}(t)^n $，该关系蕴含高斯极限并提供了完整的矩结构。
• 该方法成功处理了谱体与特征值尖峰（spike）情形，显示出根据初始特征值是否位于谱体内部而表现出不同的行为。