具有特定模式的大维随机矩阵（LDRM）出现在计量经济学、计算机科学、数学、物理学和统计学中。这本书提供了LDRM的一个简单的开始。通过一个统一的方法，我们研究了随着维数的增长不同模式随机矩阵的极限谱分布（LSD）的存在性和性质。主要成分是矩量法和法向近似法，并以基本组合学为支持。还使用了矩阵理论的一些基本结果。通过扩展矩的参数，我们还大致了解了随机矩阵序列及其分支的联合收敛的有趣但困难的概念。
本书涵盖了Wigner矩阵、样本协方差矩阵、Toeplitz矩阵、Hankel矩阵、样本自方差矩阵和k个-循环矩阵。给出了其LSD的简单快速证明，并说明了半圆定律和March enko-Pastur定律是如何作为前两个矩阵的LSD出现的。扩展了基本方法，我们还对一些三角矩阵、带矩阵、平衡矩阵和样本自方差矩阵建立了有趣的极限。我们还研究了几个模式矩阵的联合收敛性，并证明了独立Wigner矩阵联合收敛，并且渐近地不受其他模式化矩阵的影响。
奥雅纳Bose是印度加尔各答印度统计研究所教授。他是一位杰出的数理统计研究员，过去十五年一直致力于高维随机矩阵的研究。他曾是桑基拉几年来一直担任其他几家期刊的编辑委员会成员。他是美国数理统计研究所（Institute of Mathematical Statistics）和印度所有三所国家科学院的研究员，也是S.S.Bhatnagar奖和C.R.Rao奖的获得者。他即将出版的书是专著，大协方差矩阵和自协方差矩阵（与莫妮卡·巴塔查吉合作），将由查普曼和霍尔/CRC出版社出版，U-统计、M-估计和重新采样（与Snigdhansu Chatterjee合著），由印度斯坦图书局出版。
