Unbounded banded matrices, shifted positive bidiagonal factorizations, and mixed-type multiple orthogonality

本文通过利用 $N$ 依赖型位移来确保截断算子的正双对角因子分解，将 Favard 型谱表示扩展到无界带状矩阵，从而建立了一个极限矩阵值测度以及混合型多元双正交关系，并将经典的 Jacobi 矩阵谱理论作为其一个特例进行复现。

要点

想象一下，你正试图理解一台巨大、无限运转的机器的“声音”或“灵魂”。在数学中，这台机器由一个**带状矩阵（banded matrix）**表示——这是一个大部分是空的网格，只有在几条对角线带状区域内才有数值活动。

长期以来，数学家只能分析那些“有界”的机器，即其数值不会变得无穷大。这就像是在研究一架琴键都在舒适触及范围内的钢琴。一个著名的规则——法瓦德定理（Favard's Theorem），曾准确地告诉他们如何将这种机器的结构转化为一组解释其运作方式的“音符”（谱测度）。

然而，现实世界经常处理的是“无界”的机器——这些系统的数值可以随心所欲地增长，就像一架琴键向无穷远处延伸的钢琴。旧的规则失效了，因为这台机器过于狂野，无法直接进行分析。

问题所在：无限机器过于狂野

本文的作者想要将这个著名的规则扩展到这些狂野的无限机器上。但有一个难点：你不能一次性观察整个无限机器，因为它太混乱了；你必须分块观察（截断），就像一次只听一分钟的歌曲。

问题在于，随着你听取的片段越来越长，“音量”也会越来越大，最终会淹没信号。用数学术al的话说，这些片段中的数值变得如此之大，以至于标准的分析方法失效了。

解决方案：“位移”技巧

作者们提出了一个天才的想法：使用位移（shift）。

想象一下，你正试图拍摄一名正在向你远去的短跑运动员。如果你试图固定相机不动，运动员最终会在视野中消失。但如果你移动相机以跟上跑步者的步伐，你就能让他始终留在画面中。

在本文中，“相机”是一个数学上的调整。对于他们分析的每一个机器片段，他们都在该片段的对角线上增加了一个特定的数值（一个“位移”）。

• 为什么？ 这个位移起到了平衡重物的作用。它将数值压回到一个可控的大小，确保每个机器片段都具有一种特殊的、有序的结构，称为正双对角分解（Positive Bidiagonal Factorization, PBF）。
• 隐喻： 把 PBF 想象成一个“完美堆叠的积木塔”。如果积木很乱，塔就会倒塌。位移确保了无论片段有多大，积木总能被完美地堆叠起来。

过程：从片段到全貌

一旦拥有了这些“经过位移”的片段，他们便遵循了以下三个步骤：

1. 分析片段： 由于每个位移后的片段现在都是一个“完美的积木塔”（具有 PBF），他们可以轻松计算出该特定片段的一组“权重”和“位置”（就像钢琴上的音符）。
2. 重新定位视角： 由于他们添加了位移来使数学运算成立，他们必须将其减去。他们将位移后片段的结果进行“翻译”，使其回到原始位置。这就像拍摄完跑步者的照片后，将相机移回原位，以观察跑步者实际所在的位置。
3. 赫利选择原理（Helly Selection Principle，神奇的过滤器）： 现在他们拥有了一系列这样的翻译结果。有些可能会摇晃，有些可能会跳跃。但作者证明了这些结果是“一致有界的”——这意味着它们不会奔向无穷大。
   • 他们使用了一个名为 赫利选择原理 的数学工具。想象你有一袋摇晃的果冻豆。即使它们在晃动，如果它们在一个不会扩张的盒子里，你最终可以找到一组能够稳定成型的果冻豆子。
   • 通过应用这一点，他们找到了一个“极限”形状。这个稳定的形状就是原始狂野无限机器的谱测度（Spectral Measure）。

结果：关于无限机器的新规则

本文证明了，即使对于这些无界的无限机器，你仍然可以找到那份解释其运作方式的“乐谱”（谱测度）。

• “混合类型”的转折： 作者还处理了一种特定的数学问题，其中有两种不同的规则在相互作用（左侧和右侧）。他们展示了其方法对于这种复杂的相互作用同样有效，确保他们找到的“音符”（多项式）是完美平衡且不会丢失的。
• 雅可比情形（Jacobi Case）： 他们特别展示了这如何适用于一种非常常见的机器类型——雅可比矩阵（Jacobi matrix）（其形式类似于三对角带状矩阵）。他们证明了对于这类矩阵，你总能找到合适的“位移”来使数学运算成立，从而将经典结果作为一种特例回收。

总结

作者将一个仅适用于“温顺”数学机器的规则扩展到了“狂野”的机器。他们通过以下方式实现了这一点：

1. 位移视角，以驯服狂野的数值。
2. 分析这些温顺的片段，以寻找其结构。
3. 重新定位视角，以观察原始机器。
4. 使用**过滤器（赫利原理）**来平滑掉波动，从而揭示出隐藏在底下的真实无限模式。

他们并没有发明一台新机器；他们只是制造了一副更好的眼镜，以便看清现有的无限机器是如何运作的。

技术摘要

技术摘要：无界带状矩阵、移位正双对角分解以及混合型多重正交性

问题陈述
本文研究了将带状矩阵的谱 Favard 定理从有界情形扩展到无界情形的问题。先前的研究（特别是 [4] 和 [3]）已经确立，对于具有正双对角分解（PBF）的有界带状矩阵，可以构造一个矩阵值谱测度，并推导出相关多项式的混合型多重双正交关系。然而，在无界情形下，无法通常直接在半无限矩阵上施加正双对角分解。核心挑战在于，如何在不假设全局有界性的情况下，为无界带状矩阵 $T$ 恢复谱表示和极限矩阵值测度，同时保持确保分解存在及相关多项式正规性的结构性质（正定性、全正性）。

方法论
作者采用了一种构造性的“离散到极限”哲学，改编了 [4] 中为有界情形建立的框架。该方法通过以下关键步骤进行：

1. 移位截断（Shifted Truncations）： 作者并未假设半无限矩阵 $T$ 具有 PBF，而是假设对于每一个有限截断规模 $N$，都存在一个非负移位 $s_N \geq 0$，使得移位截断矩阵 $A_N \coloneqq T[N] + s_N I_{N+1}$ 具有正双对角分解。这种移位确保了截断矩阵是振荡的（具有简单的正特征值和特定的特征向量符号变化结构），这一性质与全正性相关 [9, 7]。
2. 测度重定中心（Recentering of Measures）： 由于移位 $s_N$ 依赖于 $N$，与 $A_N$ 相关的离散 Gauss 型求积测度在原始位置并非一致有界。作者引入了一个重定中心步骤，通过映射 $x \mapsto x - s_N$ 对离散测度进行平移。这产生了一族总质量一致有界的分布函数 $\psi^{[N]}_{b,a}$。
3. 矩稳定性（Moment Stabilization）： 利用 $T$ 的带状结构，作者证明了矩阵元素 $(T^n)_{k,l}$ 对于足够大的截断规模 $N$ 是稳定的。具体而言，对于给定的幂次 $n$，通过截断移位矩阵 $(T[N] + s_N I)^n$（经过重定中心处理后）计算出的矩，一旦 $N$ 超过由带宽和索引决定的阈值，便与全无界算子 $T^n$ 的矩完全一致。
4. 紧性与收敛性（Compactness and Convergence）： 作者利用 Helly 选择原理 [6] 处理这族一致有界的重定中心分布函数。这保证了收敛子序列的存在。通过结合 Helly 第二定理和尾部估计（确保质量不会在无穷远处丢失），作者确定其极限为一个能够重现算子 $T^n$ 之矩的矩阵值测度。

主要贡献与结果

• 定理 2.2（无界矩阵的 Favard 谱表示）： 主要结果确立了：若半无限带状矩阵 $T$ 存在一系列移位 $s_N$，使得每个移位截断 $T[N] + s_N I_{N+1}$ 都具有 PBF，则存在一个矩阵值测度 $d\Psi$（由 $p \times q$ 个非减正函数组成），满足混合型多重双正交关系。
  • 该测度满足谱表示：
    $$(T^n)_{k,l} = \sum_{a=1}^p \sum_{b=1}^q \int_{\mathbb{R}} B^{(b)}_l(x) x^n d\psi_{b,a}(x) A^{(a)}_k(x)$$
  • 这将经典的 Favard 定理推广到了无界算子，并将 Jacobi 矩阵作为特例恢复了标准结果。
• 次数模式与正规性（Degree Patterns and Normality）： 本文分析了相关混合型多重正交多项式的次数。
  • 如果初始条件由正三角矩阵决定，则其次数满足特定的上界。
  • 如果初始条件由全正三角矩阵决定，则这些多项式达到最大次数（正规性），镜像了 [3] 中关于有界情形的研究结果。
• 在无界 Jacobi 矩阵中的应用： 作者提供了一个关于具有正非对角元素的无界 Jacobi 矩阵 $J$ 的具体应用。他们明确构造了移位 $s_N = \|J[N]\|_\infty + 1$。他们证明，对于此选择，$J[N] + s_N I$ 是一个振荡矩阵（所有前导主子式均严格大于零），从而满足 PBF 假设。这表明谱 Favard 定理适用于广泛的无界 Jacobi 算子类。

意义与主张
本文声称成功地从带状矩阵的谱 Favard 定理中移除了有界性假设。其意义在于：

1. 泛化性： 它将矩阵值谱测度和混合型多重正交性的存在性扩展到了无界算子领域，而在该领域，直接进行分解通常是不可能的。
2. 方法论的严密性： 通过引入重定中心机制并证明所得测度的统一紧性，解决了 $N$ 相关移位带来的分析困难，确保了极限是定义良好的且能重现算子的矩。
3. 恢复经典结果： 该构造自然地恢复了具有正非对角元素的无界 Jacobi 矩阵的经典谱测度，验证了该方法的有效性。

作者指出，虽然该方法依赖于存在能产生 PBF 的移位 $s_N$，但这一条件被广泛的算子类所满足，包括无界 Jacobi 矩阵。这项工作在处理无界情形特有的分析挑战（尾部控制、质量保持）时，保持了以往有界情形分析的构造精神。