[論文レビュー] A note on the folklore of free independence

Arijit Chakrabarty, Sukrit Chakraborty+1 more|arXiv (Cornell University)|Feb 3, 2018

Random Matrices and Applications参考文献 8被引用数 3

ひとこと要約

本稿は、独立なランダム行列に対する最小限のスペクトル的仮定の下で、i.i.d. 複素正規エントリを持つワイシャルト行列とその独立なランダム行列の間における漸近的自由独立性を確立する。切断およびスペクトル分布の技法を用いて、2つの定義（正規化された期待トレースおよび極限スペクトル分布）における連合スペクトル測度の法則収束を証明する。主な結果は、独立行列の極限スペクトル測度がコンパクトにサポートされていなくても成り立つ。

ABSTRACT

It is shown that a Wishart matrix of standard complex normal random variables is asymptotically freely independent of an independent random matrix, under minimal conditions, in two different sense of asymptotic free independence.

研究の動機と目的

• ランダム行列理論における漸近的自由独立性に関する伝説的（folklore）な曖昧さを解消すること。
• 『漸近的に自由に独立である』という意味を、正規化された期待トレースと極限スペクトル分布という2つの定義を区別することで明確化すること。
• ワイシャルト行列と独立なランダム行列が漸近的に自由に独立になる条件を、後者に対する仮定を最小限に抑えて確立すること。
• 切断および収束の議論を用いて、2つの異なる意味において漸近的自由独立性を厳密に証明すること。
• 極限スペクトル分布がコンパクトにサポートされていなくても、結果が成り立つ最小限の仮定のもとで成立することを示すこと。

提案手法

• Wishart行列を $ W_N = \frac{1}{M_N} X_N^* X_N $ と定義する。ここで $ X_N $ は i.i.d. 複素標準正規エントリを持つ。また $ \lim_{N\to\infty} \frac{N}{M_N} = \lambda \in (0,\infty) $ とする。
• スペクトル収束の分析に、経験的スペクトル分布（ESD）および期待経験的スペクトル分布（EESD）を用いる。
• 切断手順を適用する：$ Y_N' = P_N T_N' P_N^* $ を定義する。ここで $ T_N' $ は、三角化された行列 $ T_N = P_N^* Y_N P_N $ の切断版であり、$ P_N $ は $ Y_N $ の関数計算から得られる。
• モーメント収束と有界性を用いて、$ p(W_N, Y_N') $ のEESDが自由積分布 $ \mathcal{L}(p(w,y)) $ に収束することを証明する。
• ランク制御とスペクトル測度の収束を用いて、$ \lim_{N\to\infty} \| \text{EESD}(p(W_N, Y_N)) - \text{EESD}(p(W_N, Y_N')) \| = 0 $ を確立する。
• 弱収束 $ \mu_M = \mu|_{[-M,M]} + \mu([-M,M]^c)\delta_0 \to \mu $（$ M \to \infty $ で）と、弱極限における自由畳み込みの安定性を用いる。

実験結果

リサーチクエスチョン

• RQ1 正規化された期待トレースの意味において、ワイシャルト行列が独立なランダム行列と漸近的に自由に独立である条件は何か？
• RQ2 極限スペクトル測度がコンパクトにサポートされていない場合でも、極限スペクトル分布の意味における漸近的自由独立性は確立可能か？
• RQ3 独立行列の固有値の切断が、ペア $ (W_N, Y_N) $ の連合スペクトル分布に与える影響は何か？
• RQ4 漸近的自由独立性が成り立つための、$ Y_N $ の極限スペクトル分布に対する最小限の仮定は何か？
• RQ5 切断の下でモーメントマッチングと有界収束を用いて、連合スペクトル測度の収束を確立できるか？

主な発見

• 定理2.1は、正規化された期待トレースの意味における漸近的自由独立性を確立する：任意の多項式 $ p $ に対して、$ \text{EESD}(p(W_N, Y_N)) \to \mathcal{L}(p(w,y)) $ が成り立ち、$ \mu $ がコンパクトにサポートされている限り成立する。
• 定理2.2は、同じコンパクトサポート仮定の下で、$ p(W_N, Y_N) $ のEESDの法則収束を証明する。切断およびランク制御を用いる。
• 定理2.3は、$ \mu $ がコンパクトにサポートされていない場合にまで結果を拡張し、$ \text{EESD}(Y_N + W_N) \to \mu \boxplus \nu_\lambda $ および $ \text{EESD}(Y_N W_N) \to \mu \boxtimes \nu_\lambda $ が弱収束（確率的に）し、$ M $ において収束することを示す。
• 切断誤差は $ \lim_{M\to\infty} \limsup_{N\to\infty} \frac{1}{N} \mathbb{E}[\text{Rank}(Y_N - Y_N')] = 0 $ を満たし、$ Y_N $ と $ Y_N' $ が漸近的に分布的に同等であることを保証する。
• 証明は、$ \text{EESD}(Y_N') \to \mu $ が弱収束（確率的に）すること、および $ Y_N' $ のモーメントが $ \mu $ のモーメントに収束することに依存しており、これによりモーメントマッチングが可能になる。
• 結果は最小限の仮定のもとで頑健である：唯一の要件は $ \text{ESD}(Y_N) \to \mu $ が確率的に弱収束することであり、一様可積分性や有界性は切断以外に必要としない。