[论文解读] Large permutation invariant random matrices are asymptotically free over the diagonal

Benson Au, Guillaume Cébron+3 more|arXiv (Cornell University)|May 18, 2018

Random Matrices and Applications参考文献 10被引用 7

一句话总结

该论文证明了在大N极限下，独立的、规模庞大的置换不变随机矩阵族在一致算子范数有界条件下，其在对角线上渐近自由，且在概率和期望意义下均成立。该结果可推广至矩阵元素逐项乘以有界随机变量的情形，并适用于重尾Wigner矩阵和稀疏Erdős-Rényi图等模型。

ABSTRACT

We prove that independent families of permutation invariant random matrices are asymptotically free over the diagonal, both in probability and in expectation, under a uniform boundedness assumption on the operator norm. We can relax the operator norm assumption to an estimate on sums associated to graphs of matrices, further extending the range of applications (for example, to Wigner matrices with exploding moments and so the sparse regime of the Erd\H{o}s-R\'{e}nyi model). The result still holds even if the matrices are multiplied entrywise by bounded random variables (for example, as in the case of matrices with a variance profile and percolation models).

研究动机与目标

• 建立独立的大规模置换不变随机矩阵族在对角线上渐近自由的融合关系。
• 通过引入基于图的矩估计，放松统一算子范数条件，使结果可应用于具有发散矩的模型。
• 将框架扩展至矩阵元素逐项乘以有界随机变量的情形，如方差谱模型和渗滤模型。
• 为利用算子值自由概率理论分析多矩阵模型的谱分布提供理论基础。
• 通过计算随机矩阵有理函数的极限谱分布，对理论进行数值验证。

提出的方法

• 使用以对角代数DN为融合子代数的算子值自由概率理论。
• 应用Voiculescu的条件数学期望与E-分布概念，定义在DN上的渐近自由性。
• 采用基于图的矩方法，将矩阵积建模为顶点代表矩阵指标、边代表矩阵元素的标记图。
• 引入测试图框架，其中单项式对应于边按矩阵族着色的图。
• 通过测试图的两连通分量森林（FpG）分析矩阵迹的渐近行为。
• 证明非树分量（GCCpTπ，即非树的广义连通分量）的贡献在N → ∞时趋于零，利用涉及顶点/边数量与分量结构的τ₀^N[Tπ]有界性。

实验结果

研究问题

• RQ1 在大N极限下，独立的置换不变随机矩阵族是否在对角线上渐近自由？
• RQ2 是否可将统一算子范数假设放松为基于图的矩条件，以包含重尾分布的模型？
• RQ3 当矩阵元素逐项乘以有界随机变量（如方差谱或渗滤模型）时，渐近自由性结果是否仍然成立？
• RQ4 该框架是否可用于计算此类矩阵有理函数的极限谱分布？
• RQ5 两连通分量的森林在刻画非自由贡献渐近消失中的作用是什么？

主要发现

• 在统一算子范数有界条件下，独立的置换不变随机矩阵族在对角线上渐近自由，且在概率和期望意义下均成立。
• 若对所有p ≥ 1，矩阵εN = ∆[(P₁(Aℓ₁) - ∆P₁(Aℓ₁))⋯(Pₙ(Aℓₙ) - ∆Pₙ(Aℓₙ))] 在Schatten p-范数下收敛于零，则其在DN上渐近自由。
• 可将算子范数假设放松为矩阵矩的基于图的生长条件，从而包含具有发散矩的Wigner矩阵和稀疏Erdős-Rényi图。
• 即使矩阵元素逐项乘以有界随机变量（如方差谱模型或随机图上的渗滤），渐近自由性结果依然成立。
• 证明的关键在于：当测试图的广义连通分量非树时，其贡献在N → ∞时趋于零，原因在于矩估计中存在N的负幂次。
• 该框架可借助算子值自由概率方法，实现对这类矩阵和与有理函数极限谱分布的数值计算。