[论文解读] Numerical computation of convolutions in free probability theory

Sheehan Olver, Raj Rao Nadakuditi|arXiv (Cornell University)|Mar 8, 2012

Random Matrices and Applications参考文献 26被引用 15

一句话总结

本文提出了一种数值方法，通过利用可适 measures 的逆柯西变换，在自由概率论中计算自由卷积（加法、乘法、压缩）的方法。对于可逆 measures（如半圆分布、高斯分布、平方根衰减分布等），该方法通过一个条件良好的范德蒙德系统实现了谱精度，且在输入 measure 的广泛条件下保证收敛。

ABSTRACT

We develop a numerical approach for computing the additive, multiplicative and compressive convolution operations from free probability theory. We utilize the regularity properties of free convolution to identify (pairs of) `admissible' measures whose convolution results in a so-called `invertible measure' which is either a smoothly-decaying measure supported on the entire real line (such as the Gaussian) or square-root decaying measure supported on a compact interval (such as the semi-circle). This class of measures is important because these measures along with their Cauchy transforms can be accurately represented via a Fourier or Chebyshev series expansion, respectively. Thus, knowledge of the functional inverse of their Cauchy transform suffices for numerically recovering the invertible measure via a non-standard yet well-behaved Vandermonde system of equations. We describe explicit algorithms for computing the inverse Cauchy transform alluded to and recovering the associated measure with spectral accuracy. Convergence is guaranteed under broad assumptions on the input measures.

研究动机与目标

• 开发一种用于计算自由概率论中自由卷积（加法、乘法、压缩）的数值框架。
• 解决在符号计算之外，对非代数 measure 缺乏高效数值工具的问题。
• 实现对半圆分布和高斯分布等常见分布的自由卷积的高精度计算。
• 建立逆柯西变换与 measure 恢复可实现谱精度的条件。
• 为研究人员和实践者提供一种可实施的实用算法，以数值方式探索自由概率卷积。

提出的方法

• 该方法将自由卷积运算简化为对输入 measure 的逆柯西变换的逐点计算。
• 识别出可适 measure（平滑衰减、雅可比型、半平方根型、点质量或其有限组合），这些 measure 的逆柯西变换可被精确计算。
• 对于可逆 measure（施瓦茨型、平方根衰减型或半平方根/施瓦茨型），通过一种非标准但条件良好的范德蒙德系统恢复 measure。
• 利用数值积分与解析延拓计算逆柯西变换，利用柯西变换的正则性。
• 通过使用傅里叶或切比雪夫级数展开表示逆柯西变换，实现谱精度。
• 收敛性通过范德蒙德系统的条件数有界得到保证，依赖于积分点的均匀分布以及底层函数的解析性。

实验结果

研究问题

• RQ1 对于非代数概率 measure，自由卷积运算能否以谱精度实现数值计算？
• RQ2 如何对具有紧支集或无限支集的 measure 准确计算其逆柯西变换？
• RQ3 哪些 measure 类别允许从其逆柯西变换中稳定且准确地恢复输出 measure？
• RQ4 在 measure 恢复中使用的范德蒙德系统在何种条件下保持条件良好？
• RQ5 该方法能否应用于随机矩阵理论中的实际问题，例如计算随机矩阵和或积的极限谱分布？

主要发现

• 该方法可对一大类 measure 实现谱精度，用于计算自由加法、乘法和压缩卷积。
• 对于可适 measure（包括半圆分布和高斯分布），逆柯西变换可逐点高精度计算。
• 在弱假设下，通过范德蒙德系统实现的 measure 恢复是稳定且收敛的，条件数有界于 √n + δ（当 m 较大时）。
• 当输入函数为解析函数且满足 f(−1) = 0 时（如在修改后的范德蒙德系统中），最小二乘逼近的收敛速度为超代数级。
• 该方法在数值示例中成功实现了半圆与高斯分布的自由加法卷积，以及高斯分布的自由压缩，且精度极高。
• 通过 Moore–Penrose 广义逆的有界性以及解析函数截断误差的衰减，建立了收敛性的理论保证。