[論文レビュー] Typical Dispersion and Generalized Lyapunov Exponents

Steven R. Finch, Zai-Qiao Bai+1 more|ArXiv.org|Mar 18, 2008

Advanced Differential Equations and Dynamical Systems参考文献 12被引用数 3

ひとこと要約

本稿では、確率的行列積における典型分散を分析するための一般化されたリャプノフ指数フレームワークを導入し、古典的なリャプノフ指数を一般化して、奇数の二項係数の個数など、数論的関数の成長率の分散を定量化する。無限級数の和と収束加速技術を用いて、分散パラメータ $\sigma^2$ の正確な式を導出し、希少な外れ値の対数的減衰により、典型分散が平均分散よりも著しく小さいことを確認した。

ABSTRACT

Let f(n) denote the number of odd entries in the nth row of Pascal's binomial triangle. We study "average dispersion" and "typical dispersion" of f(n) -- the latter involves computing a generalized Lyapunov exponent -- and then turn to numerical analysis of higher dimensional examples.

研究の動機と目的

• 二項および三項展開における奇数係数の個数のような数論的関数の典型分散を定量化すること。
• 古典的リャプノフ指数を、成長率の分散を測定するための2次の一般化リャプノフ指数（モーメントリャプノフ指数）に拡張すること。
• 禁止部分語を避けるバイナリ語の無限級数としての表現によって、分散パラメータ $\sigma^2$ の正確な解析的式を導出すること。
• ウィーンの ε-プロセスなどの収束加速技術を用いて、高次元行列積の $\sigma^2$ を数値的に計算すること。
• 典型分散（$\sigma^2$）と平均分散（$L(2)/\ln 2$）を比較し、極端値の対数的減衰により典型分散がはるかに小さいことが明らかになること。

提案手法

• 実数 $t$ に対して、$D_z$ を非負行列 $D_0$ と $D_1$ の確率的積とするとき、一般化リャプノフ指数 $L(t) = \lim_{k\to\infty} \frac{1}{k} \ln \mathbb{E}[\|D_z\|^t]$ を定義する。
• 典型分散を対数ノルムの分散として表すために、$\sigma^2 = L''(0) = \lim_{k\to\infty} \frac{1}{k} \mathrm{Var}(\ln \|D_z\|)$ という恒等式を用いる。
• $D_0^q$ がランク1であり、射影行列に共役可能であるという性質を活用し、$0^q$ を避けるバイナリ語 $z$ に対して $D_z'(0,0)$ を正確に計算できる。
• $\chi(0^q)$、すなわち $1$ で終わる有限バイナリ語で $0^q$ を避ける語の集合を用いた無限級数により、$\lambda$, $\kappa$, および $\mu$ の閉形式表現を導出する。
• $\sigma^2 = 3\lambda^2 - 2\lambda\kappa + \mu$ のための収束が遅い級数の収束をウィーンの ε-プロセスで加速する。
• 二項および三項係数の個数の結果を検証し、$\sigma^2 = \ln^2(2)/4$ および $L(2)/\ln 2 = 1.3219$ を得た。二項係数では $\sigma^2/\ln 2 = 0.1733$ が典型分散パラメータとして確認された。

実験結果

リサーチクエスチョン

• RQ1 $(1+x)^n$ における奇数の二項係数の個数の典型分散は、その平均分散と比べてどのように異なるか？
• RQ2 一般化リャプノフ指数 $L(t)$ を用いて、行列積の対数的成長率の分散を計算できるか？
• RQ3 周期的ランク1挙動を示す行列積の分散パラメータ $\sigma^2$ の正確な解析的形は何か？
• RQ4 対数変換は、$f(n)$ の分布における希少な極端値の影響をどのように軽減するか？
• RQ5 $(1+x)^n$ または関連関数における奇数係数の個数に関する中心極限定理は存在するか？

主な発見

• $(1+x)^n$ における奇数係数の個数について、典型分散パラメータは $\sigma^2 / \ln 2 = \ln(2)/4 \approx 0.1733$ であり、平均分散パラメータ $L(2)/\ln 2 \approx 1.3219$ よりも著しく小さい。
• $\sigma^2 = \ln^2(2)/4 \approx 0.1201$ は無限級数の和を用いて導出し、ウィーンの ε-プロセスによる収束加速で検証された。
• 二項係数について、$L(t) = \ln((2^t + 1)/2)$ を満たし、$\lambda = \ln(2)/2$ および $\sigma^2 = \ln^2(2)/4$ が得られ、キルシュェンホーファーの既知の結果と一致する。
• 三項係数について、平均分散パラメータは $L(2)/\ln 2 \approx 1.4924$ であり、$e^{L(2)}$ は三次方程式 $\xi^3 - 2\xi^2 - 3\xi + 2 = 0$ の根である。
• 二進展開における1の個数を数えるデジタル和 $\#(n)$ は、平均 $\ln n / (2\ln 2)$、分散 $\ln n / (4\ln 2)$ で漸近的に正規分布に従い、線形形式 $aN + b$ 全体で同一分布をとることを確認した。
• 本稿では、$\#(n)$ および $f(n)$ に関連する極限関数 $\Phi(x)$ および $\Psi(x)$ のフーリエ展開の存在、および $\inf \Psi(x)$ の閉形式表現の欠如といった未解決問題を特定した。