[论文解读] Distributions of traffics and their free product: an asymptotic freeness theorem for random matrices and a central limit theorem

Camille Male|arXiv (Cornell University)|Jun 6, 2012

Random Matrices and Applications被引用 4

一句话总结

本文引入了 traffics——Voiculescu 的 $^*$-分布的推广——适用于大随机矩阵、随机群以及有界度随机根图。它建立了关于置换不变矩阵的渐近自由定理，并证明了中心极限定理，表明极限为高斯分布与半圆非交换变量的（traffic）卷积，从而在几何框架下统一了经典独立性与自由概率。

ABSTRACT

The distributions of traffics are defined and are applied for families of larges random matrices, random groups and infinite random rooted graphs with uniformly bounded degree. There are constructed by adding axioms in Voiculescu's definition of $^*$-distribution of non commutative random variables. The convergence in distribution of traffics generalizes Benjamini, Schramm, Aldous, Lyons' weak local convergence of random graphs. We introduce a notion of freeness of traffics, which contains both the classical notion of independence and Voiculescu's notion of freeness. We prove an asymptotic freeness theorem for families of matrices invariant by permutation, which enlarges the class of large random matrices for which we can predict the empirical eigenvalues distribution. We prove a central limit theorem for the sum of free traffics, and interpret the limit as the (traffic)-convolution of a gaussian commutative random variable and a semicircular non commutative random variable. We make a connection between the freeness of traffics and the natural free product of random graphs, combination of the statistical independence and of the geometric free product.

研究动机与目标

• 将 Voiculescu 的 $^*$-分布推广，以定义大随机矩阵、随机群以及有界度随机根图的 traffics 分布。
• 引入一种新的 traffics 自由性概念，统一经典独立性与 Voiculescu 的自由独立性。
• 为在置换下不变的矩阵族建立渐近自由定理，扩展了可预测特征值分布的矩阵类。
• 证明自由 traffics 和的中心极限定理，将极限识别为高斯与半圆非交换变量的（traffic）卷积。
• 将 traffics 的自由性与随机图的自然自由积联系起来，结合统计独立性与几何自由积。

提出的方法

• 通过将 Voiculescu 的 $^*$-分布公理扩展至包含随机系统中的几何与概率结构，来定义 traffics。
• 引入一种新的 traffics 自由性概念，其同时推广了经典独立性与 Voiculescu 的自由独立性。
• 通过矩方法与 traffics 图的组合分析，证明置换不变随机矩阵族的渐近自由性。
• 通过分析累积量与 traffics 矩结构，建立自由 traffics 和的中心极限定理。
• 构建随机图的自然自由积，并证明其与 traffics 自由性的相容性，将几何独立性与概率独立性联系起来。
• 使用 traffics 卷积解释极限分布为交换高斯变量与非交换半圆变量的组合。

实验结果

研究问题

• RQ1 Voiculescu 的 $^*$-分布如何推广以包含矩阵与图等随机系统中的几何与概率结构？
• RQ2 在 traffics 的语境下，何种自由性概念能统一经典独立性与 Voiculescu 的自由独立性？
• RQ3 在何种条件下，置换不变随机矩阵族表现出渐近自由性，以及这如何扩展特征值分布的预测能力？
• RQ4 自由 traffics 和的极限分布是什么，它与已知的非交换分布有何关系？
• RQ5 traffics 的自由性如何对应于随机图的几何自由积，统计独立性在此构造中起什么作用？

主要发现

• 本文为在置换下不变的随机矩阵族建立了渐近自由定理，使得可预测经验特征值分布的范围扩展至先前类别的之外。
• 证明了自由 traffics 和的中心极限定理，表明极限为高斯交换变量与半圆非交换变量的（traffic）卷积。
• traffics 自由性的概念同时推广了经典独立性与 Voiculescu 的自由独立性，为概率独立性提供了统一框架。
• traffics 分布收敛性推广了随机图的 Benjamini–Schramm–Aldous–Lyons 弱局部收敛，将其适用范围扩展至非交换与几何设定。
• 构建了随机图的自然自由积，并证明其与 traffics 自由性的相容性，将几何独立性与概率独立性联系起来。
• 中心极限定理中的极限分布被解释为 traffics 卷积，揭示了一类结合经典行为与半圆行为的新非交换分布。