CircularRealMatrixDistribution[n]
表示圆实矩阵分布,其中矩阵维度为 {n,n}.
CircularRealMatrixDistribution
CircularRealMatrixDistribution[n]
表示圆实矩阵分布,其中矩阵维度为 {n,n}.
更多信息
- CircularRealMatrixDistribution 亦称为圆实系综,或 CRE.
- CircularRealMatrixDistribution 表示阶数为 n 的方阵上的均匀分布,亦称为正交群
的哈尔测度. - 矩阵大小参数 n 可以是任意正整数.
- CircularRealMatrixDistribution 可以和诸如 MatrixPropertyDistribution、RandomVariate 之类的函数一起使用.
背景
- CircularRealMatrixDistribution[n],也被称作圆实系综(CRE),表示在
正交实阵上的统计分布,即满足
的实数方阵
,其中
表示
的转置,
表示
恒等矩阵. 这里,参数 n 被称作分布的维度参数,可以是任意正整数. - 与圆四元数矩阵分布(CircularQuaternionMatrixDistribution)并列,圆实矩阵分布是由 Freeman Dyson 于 1962 设计的三个最初的所谓圆矩阵系综(CircularOrthogonalMatrixDistribution、CircularSymplecticMatrixDistribution 和 CircularUnitaryMatrixDistribution) 之外的两个重要增补之一. 从概率学角度而言,圆实矩阵分布表示在正交方阵系列上的均匀分布,而数学上,它也是正交群
上的所谓哈尔测度. 类如圆实矩阵分布的矩阵系综,在随机矩阵理论以及在物理和数学的各个分支的研究中都具有相当的重要性. - RandomVariate 可用来给出一个或更多机器精度或任意精度(后者可通过 WorkingPrecision 选项获得)的圆实矩阵分布中的伪随机变元,并且这类变元的均值、中位数、方差、原始矩和中心矩可以分别通过使用 Mean、Median、Variance、Moment 和 CentralMoment 计算得到. Distributed[A,CircularRealMatrixDistribution[n]],更简洁的式子为 ACircularRealMatrixDistribution[n],可用于断定随机矩阵 A 服从圆实矩阵分布. 这类断言可用于诸如 MatrixPropertyDistribution 的函数中.
- 服从圆实矩阵分布的变元的迹、特征值和范数可以分别使用 Tr、Eigenvalues 和 Norm 计算得到. 这类变元也可以通过 MatrixFunction、MatrixPower 及相关实量研究,例如实部(Re)、虚部(Im)和复参数(Arg),可以使用 MatrixPlot 绘图.
- CircularRealMatrixDistribution 和许多其它分布有关. 如上所述,它在性质上与其它圆矩阵分布相似,如 CircularQuaternionMatrixDistribution、CircularOrthogonalMatrixDistribution、CircularSymplecticMatrixDistribution 和 CircularUnitaryMatrixDistribution 等. 最初,圆矩阵系综是由所谓广义高斯系综推导而来,因此 CircularRealMatrixDistribution 与GaussianOrthogonalMatrixDistribution、GaussianSymplecticMatrixDistribution 和GaussianUnitaryMatrixDistribution 相关. CircularRealMatrixDistribution 也与 MatrixNormalDistribution、MatrixTDistribution、WishartMatrixDistribution、InverseWishartMatrixDistribution、TracyWidomDistribution 和 WignerSemicircleDistribution 相关.
范例
打开所有单元 关闭所有单元基本范例 (2)
RandomVariate[CircularRealMatrixDistribution[3]]OrthogonalMatrixQ[%]用 MatrixPropertyDistribution 在球面上随机抽样:
RandomVariate[MatrixPropertyDistribution[r.{0, 0, 1}, rCircularRealMatrixDistribution[3]]]Point[RandomVariate[MatrixPropertyDistribution[r.{0, 0, 1}, rCircularRealMatrixDistribution[3]], 10 ^ 3]]//Graphics3D范围 (3)
RandomVariate[CircularRealMatrixDistribution[2]]RandomVariate[CircularRealMatrixDistribution[2], 3]det𝒟 = MatrixPropertyDistribution[Det[𝓂], 𝓂CircularRealMatrixDistribution[4]];NProbability[Δ == 1, Δdet𝒟]NProbability[Δ == -1, Δdet𝒟]应用 (2)
对随机三维特殊正交矩阵的 EulerAngles 进行抽样:
EulerAngles𝒟 = MatrixPropertyDistribution[EulerAngles[𝓂 / Det[𝓂]], 𝓂CircularRealMatrixDistribution[3]];angles = RandomVariate[EulerAngles𝒟, 10 ^ 4];DistributionFitTest[angles, ProductDistribution[UniformDistribution[{-Pi, Pi}], ProbabilityDistribution[(1/2)Sin[θ], {θ, 0, Pi}], UniformDistribution[{-Pi, Pi}]]]Histogram[#, Automatic, PDF]& /@ Transpose[angles]p4d = RandomVariate[MatrixPropertyDistribution[r.UnitVector[4, 4], rCircularRealMatrixDistribution[4]], 5 10 ^ 4];AllTrue[p4d, RegionMember[Sphere[4]]]通过 Hopf 映射,将这些点投影到
,其中,
上的均匀测度会引起
上的均匀测度:
hopf = {x, y, z, w} {(ArcTan[x, y] + Pi) / (2Pi), 2(x z + y w), 2(y z - x w), x ^ 2 + y ^ 2 - z ^ 2 - w ^ 2};Simplify[Norm[Rest[hopf[x, y, z, w]]], {x, y, z, w}∈Sphere[4]]Simplify[Det[Grad[hopf[x, y, z, w], {x, y, z, w}]], {x, y, z, w}∈Sphere[4]]proj = hopf@@@p4d;
res = GatherBy[SortBy[proj, First], Quotient[First[#], 0.05]&];
res = Drop[res, None, None, 1];Animate[Graphics3D[{PointSize[Small], Point[res[[k]]]}, PlotRange -> {{-1, 1}, {-1, 1}, {-1, 1}}], {{k, 1, "ϕ"}, 1, Length[res], 1}, TrackedSymbols :> k, SaveDefinitions -> True, AnimationRunning -> False]属性和关系 (2)
dim = 300;
args = RandomVariate[MatrixPropertyDistribution[Arg[Eigenvalues[x]], xCircularRealMatrixDistribution[dim]], 100];Histogram[Join@@args, {-Pi, Pi, 2Pi / 40}, PDF]diffs = Join@@Map[Composition[Differences, Sort], (args/2Pi)dim];比较样本水平间距的直方图与解析形式,解析形式亦称为 Dyson 指标
的 Wigner 估测:
WignerSurmisePDF[x_, β : 2] := 2(4 x / Pi) ^ 2 Exp[(-4 / Pi) x ^ 2]Show[Histogram[diffs, {0.1}, PDF], Plot[WignerSurmisePDF[x, 2], {x, 0, 2.5}]]对于维度大小为
的 CircularRealMatrixDistribution 的特征向量,其元素的缩放模数服从
分布:
𝒟 = MatrixPropertyDistribution[Flatten[Abs[Eigenvectors[𝓂]] ^ 2], 𝓂CircularRealMatrixDistribution[50]];data = 2Normalize[Join@@RandomVariate[𝒟, 100], Mean];将直方图与 ChiSquareDistribution 的 PDF 进行比较:
Show[Histogram[data, "Scott", PDF], Plot[PDF[ChiSquareDistribution[2], x], {x, 0, 9}]]文本
Wolfram Research (2015),CircularRealMatrixDistribution,Wolfram 语言函数,https://reference.wolfram.com/language/ref/CircularRealMatrixDistribution.html.
CMS
Wolfram 语言. 2015. "CircularRealMatrixDistribution." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/CircularRealMatrixDistribution.html.
APA
Wolfram 语言. (2015). CircularRealMatrixDistribution. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/CircularRealMatrixDistribution.html 年
BibTeX
@misc{reference.wolfram_2026_circularrealmatrixdistribution, author="Wolfram Research", title="{CircularRealMatrixDistribution}", year="2015", howpublished="\url{https://reference.wolfram.com/language/ref/CircularRealMatrixDistribution.html}", note=[Accessed: 07-October-2026]}
BibLaTeX
@online{reference.wolfram_2026_circularrealmatrixdistribution, organization={Wolfram Research}, title={CircularRealMatrixDistribution}, year={2015}, url={https://reference.wolfram.com/language/ref/CircularRealMatrixDistribution.html}, note=[Accessed: 07-October-2026]}