ランダム行列

同義語:random matrixランダム行列理論random matrix theory

概要

ランダム行列(random matrix)とは、成分が確率変数である行列のことである。代表である GOE と GUE は、上三角の成分が独立な正規分布に従う $N$ 次の実対称行列とエルミート行列で、非対角成分の分散を $1$、対角成分の分散を実対称で $2$、エルミートで $1$ にとったものであり、共役で分布が変わらない。その固有値は $x_1<\dots<x_N$ の上の密度 $Z^{-1}\prod_{i<j}(x_j-x_i)^\beta\prod_ie^{-\beta x_i^2/4}$($\beta=1,2$)をもち、互いに反発する。GUE の固有値は Hermite 関数の核の行列式点過程で、$N\to\infty$ の局所統計は正弦核と Airy 核で記述される。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: 確率測度, エルミート行列, スペクトル定理, Vandermonde行列式, Hermite多項式

ランダム行列(random matrix)とは、成分が確率変数である行列のことである。固有値はランダムな点の集まりになり、行列が大きいときの固有値の分布が主な関心である。
代表は GOE と GUE である。どちらも実対称行列またはエルミート行列の上三角の成分を独立な正規分布にとり、対角と非対角の分散の比を決めたもので(def-rm-goe-gue)、成分の独立性と、直交行列・ユニタリ行列による共役で分布が変わらない性質を同時にもつ。このとき固有値の同時分布が明示でき、密度に因子 $\prod_{i< j}\lvert x_j-x_i\rvert^\beta$ が現れる。固有値は独立ではなく、互いに反発する。GUE では、この密度から点の相関関数がすべて $1$ つの核の行列式で書ける。
大域的な分布は Wignerの半円則 の主題であり、行列を $\sqrt N$ で割ると、非対角成分の分散が $1$ なら成分の分布の形によらず半円分布に近づく。この記事は固有値の同時分布と、固有値の間隔のように細かい尺度の統計を扱う。
この記事の内容は次のとおりである。

定義

$N\ge1$ とする。行列に値をとる確率変数を ランダム行列 という。$H$ を実対称行列または エルミート行列 とすると固有値は実数なので、重複を込めて
$$ \lambda_1(H)\le\dots\le\lambda_N(H) $$
と並べる。$H$ がランダムなら $\lambda(H):=(\lambda_1(H),\dots,\lambda_N(H))$ は $\mathbb{R}^N$ の値の確率変数である(固有値は行列の連続関数である)。
$\beta\in\{1,2\}$ について、$\mathcal{H}_N(\beta)$ を $N$ 次実対称行列の空間($\beta=1$)または $N$ 次エルミート行列の空間($\beta=2$)とする。対角成分と、対角より上の成分の実部・虚部を座標にとると $\mathcal{H}_N(\beta)\cong\mathbb{R}^{N+\beta N(N-1)/2}$ である。この座標の Lebesgue 測度を $\ell$ と書く。

GOE と GUE

$(\xi_{ij})_{i\le j}$、$(\eta_{ij})_{i< j}$ を独立な標準正規分布の確率変数の族とする。

  • GOE(Gauss 直交アンサンブル、$\beta=1$)とは、$X_{ii}:=\sqrt2\,\xi_{ii}$、$X_{ij}=X_{ji}:=\xi_{ij}$($i< j$)で定まる実対称行列 $X\in\mathcal{H}_N(1)$ の分布である。
  • GUE(Gauss ユニタリアンサンブル、$\beta=2$)とは、$X_{ii}:=\xi_{ii}$、$X_{ij}=\overline{X_{ji}}:=(\xi_{ij}+\sqrt{-1}\,\eta_{ij})/\sqrt2$($i< j$)で定まるエルミート行列 $X\in\mathcal{H}_N(2)$ の分布である。

GOE の対角成分の分散が $2$ であること、GUE の非対角成分が $E\lvert X_{ij}\rvert^2=1$ であることに注意する。GOE を $\sqrt N$ で割ったものは Wignerの半円則 の Wigner 行列の例である。独立な GUE を $\sqrt N$ で割った組は、$N\to\infty$ で漸近的に自由になる(自由確率論 の定理「独立な Wigner 行列」)。

密度と不変性

$X$ の分布は $\mathcal{H}_N(\beta)$ の上で $\ell$ に関する密度
$$ \frac1{c_N(\beta)}\exp\Bigl(-\frac\beta4\operatorname{tr}H^2\Bigr) $$
をもつ。ここで $c_N(1)=2^{N/2}(2\pi)^{N(N+1)/4}$、$c_N(2)=2^{N/2}\pi^{N^2/2}$ である。特に、$U$ が直交行列($\beta=1$)またはユニタリ行列($\beta=2$)なら、$UXU^*$ は $X$ と同じ分布をもつ。

成分の積に分ける

要点:$\operatorname{tr}H^2=\sum_iH_{ii}^2+2\sum_{i< j}\lvert H_{ij}\rvert^2$ と、成分の独立性である。

詳しい証明を開く

$\beta=1$ では、$H_{ii}$ の密度は $(4\pi)^{-1/2}e^{-H_{ii}^2/4}$、$H_{ij}$ の密度は $(2\pi)^{-1/2}e^{-H_{ij}^2/2}$ である。$\beta=2$ では、$H_{ii}$ の密度は $(2\pi)^{-1/2}e^{-H_{ii}^2/2}$、$H_{ij}$ の実部・虚部の密度は $\pi^{-1}e^{-\lvert H_{ij}\rvert^2}$ である。積をとれば主張の式になる。

写像 $H\mapsto UHU^*$ は線形で、内積 $\operatorname{Re}\operatorname{tr}(HK^*)$ を保つので $\ell$ を保つ。$\operatorname{tr}H^2$ も変わらない。$\square$

固有値の同時密度

$G$ を $N$ 次の直交群($\beta=1$)またはユニタリ群($\beta=2$)とする。

固有値の同時密度

$X$ を GOE($\beta=1$)または GUE($\beta=2$)に従う $N$ 次のランダム行列とする。$\lambda(X)$ の分布は、$\Lambda:=\{x\in\mathbb{R}^N\mid x_1< \dots< x_N\}$ の上の密度
$$ \frac1{Z_{N}(\beta)}\prod_{i< j}(x_j-x_i)^\beta\prod_{i=1}^Ne^{-\beta x_i^2/4} $$
をもつ。$Z_N(\beta)$ はこの式の $\Lambda$ の上の積分を $1$ にする定数である。特に、固有値は確率 $1$ ですべて異なる。

固有値と固有ベクトルへの変数変換

$T\subset G$ を対角行列のなす部分群、$D(x)$ を $x\in\mathbb{R}^N$ を対角に並べた行列とする。$\mathcal{H}:=\mathcal{H}_N(\beta)$、$\mathcal{H}^\circ\subset\mathcal{H}$ を固有値がすべて異なる行列の開集合とする。
段 1:全単射。 固有多項式の判別式は $\mathcal{H}$ の座標の多項式で、$D(1,2,\dots,N)$ で $0$ でない。よって $\ell(\mathcal{H}\setminus\mathcal{H}^\circ)=0$ である。写像
$$ \Phi\colon G/T\times\Lambda\to\mathcal{H}^\circ,\qquad\Phi(UT,x):=UD(x)U^* $$
は定義できる。スペクトル定理 から全射である。$UD(x)U^*=VD(y)V^*$ なら、固有値の順序から $x=y$ で、$V^*U$ は $D(x)$ と可換である。$x$ の成分は異なるので $V^*U$ は対角で、$UT=VT$ である。よって $\Phi$ は全単射である。
段 2:計量。 $\mathfrak{m}$ を $G$ の Lie 環の元で対角成分が $0$ のもの(実交代行列全体、または対角成分が $0$ の歪エルミート行列全体)とする。行列の空間の内積 $\langle A,B\rangle:=\operatorname{Re}\operatorname{tr}(AB^*)$ から $G$ に Riemann 計量が定まる。$T$ は右から自由に等長に作用するので、$G/T$ に $G\to G/T$ を Riemann 沈め込みにする計量が入る。$UT$ での接空間は $U\mathfrak{m}$ と等長である。$G/T$ はコンパクトなので、体積測度 $\nu$ は有限である。
段 3:微分。 $A\in\mathfrak{m}$、$y\in\mathbb{R}^N$ について
$$ \frac{d}{ds}\Big|_{s=0}Ue^{sA}D(x+sy)e^{-sA}U^*=U\bigl([A,D(x)]+D(y)\bigr)U^* $$
である。$[A,D(x)]_{ij}=A_{ij}(x_j-x_i)$ なので、$\mathfrak{m}$ の正規直交基底
$$ \frac{e_{ij}-e_{ji}}{\sqrt2},\qquad\frac{\sqrt{-1}\,(e_{ij}+e_{ji})}{\sqrt2}\quad(i< j) $$
(第 2 の族は $\beta=2$ のときだけ)に対して、$L(A,y):=[A,D(x)]+D(y)$ は、それぞれ $(x_j-x_i)(e_{ij}+e_{ji})/\sqrt2$ と $(x_j-x_i)\sqrt{-1}\,(e_{ij}-e_{ji})/\sqrt2$ に写す。また $\mathbb{R}^N$ の標準基底を $e_{ii}$ に写す。像の族は $\mathcal{H}$ の直交系である。$H\mapsto UHU^*$ は等長なので、$\Phi$ のヤコビアンは
$$ J(x)=\prod_{i< j}(x_j-x_i)^\beta>0 $$
である。したがって $\Phi$ は局所微分同相で、全単射なので微分同相である。
段 4:積分。 内積 $\langle\,,\rangle$ の定める $\mathcal{H}$ の体積は $\ell$ の定数倍である。よってある定数 $c>0$ があって、非負の可測関数 $F$ について
$$ \int_{\mathcal{H}}F\,d\ell=c\int_\Lambda\int_{G/T}F\bigl(UD(x)U^*\bigr)\,\nu(d(UT))\,J(x)\,dx $$
である。$f\ge0$ を $\mathbb{R}^N$ の可測関数とし、$F(H):=f(\lambda(H))\exp(-\frac\beta4\operatorname{tr}H^2)$ とおく。$\operatorname{tr}(UD(x)U^*)^2=\sum_ix_i^2$ なので、内側の積分は $\nu(G/T)f(x)\prod_ie^{-\beta x_i^2/4}$ である。prop-rm-density から
$$ E[f(\lambda(X))]=\frac{c\,\nu(G/T)}{c_N(\beta)}\int_\Lambda f(x)J(x)\prod_ie^{-\beta x_i^2/4}\,dx $$
である。$f=1$ として定数が $1/Z_N(\beta)$ に等しいことがわかる。$\square$

密度の因子 $e^{-\beta x^2/4}$ は prop-rm-density から来る。因子 $\prod(x_j-x_i)^\beta$ は変数変換のヤコビアンで、分布が Gauss でなくても現れる。証明の段 4 で $F$ の形しか使っていないからである。

不変な分布

$V\colon\mathbb{R}\to\mathbb{R}$ を連続関数とし、$\mathcal{Z}:=\int_{\mathcal{H}_N(\beta)}\exp(-\operatorname{tr}V(H))\,d\ell< \infty$ とする。密度 $\mathcal{Z}^{-1}\exp(-\operatorname{tr}V(H))$ の分布に従うランダム行列の固有値は、$\Lambda$ の上で $\prod_{i< j}(x_j-x_i)^\beta\prod_ie^{-V(x_i)}$ に比例する密度をもつ。

prf-rm-joint の段 4 で $\exp(-\frac\beta4\operatorname{tr}H^2)$ を $\exp(-\operatorname{tr}V(H))=\prod_ie^{-V(\lambda_i(H))}$ に替える。$\square$

$N\ge2$ で $V$ が 2 次式でないと成分は独立でない(独立なら、$2$ 次の主小行列に制限して $H_{11}=H_{22}=a$、$H_{12}=b$ とおくと、$V(a+b)+V(a-b)-2V(a)$ が $a$ によらなくなる)。一方、成分が独立で Gauss でない Wigner 行列は共役で不変でなく、固有値の同時密度の明示式はない(AGZ10 §3.10, p. 185)。GOE と GUE は両方の性質をもつ分布である。

固有ベクトル

prf-rm-joint の積分の式は、$(\lambda(X),UT)$ の分布が直積であることも示す。$UT$ の分布は $G$ の作用で不変な $\nu$ の正規化で、固有ベクトルは固有値と独立であり、Haar測度 に由来する一様な分布に従う(AGZ10 Corollary 2.5.4, p. 54)。

反発の次元の説明

固有値の 1 組が一致する行列の集合の余次元は $\beta+1$ である。固有値の自由度が $1$ 減り、固有空間の選び方の自由度が $\beta$ 減るからである。隣り合う固有値の差が $\varepsilon$ 以下になる確率が小さいのはこの理由による。$\varepsilon^{\beta+1}$ の程度になることは次の例で見る。

2 次の場合と Wigner の推測

$N=2$ とし、$s:=x_2-x_1$、$t:=x_1+x_2$ とおく。$x_1^2+x_2^2=(s^2+t^2)/2$ なので、thm-rm-joint から $s>0$ の密度は $s^\beta e^{-\beta s^2/8}$ に比例する。平均が $1$ になるように尺度を変えると、
$$ \beta=1:\ \frac\pi2\,s\,e^{-\pi s^2/4},\qquad\beta=2:\ \frac{32}{\pi^2}\,s^2e^{-4s^2/\pi} $$
である。$\beta=1$ の式を Wigner の推測 という。$s\to0$ で $s^\beta$ の程度に $0$ に近づき、$[0,\varepsilon]$ に入る確率は $\varepsilon^{\beta+1}$ の程度である。独立な指数分布の間隔なら密度は $s=0$ で正である。これは $N=2$ の計算である。$N\to\infty$ の間隔の極限は節「局所統計」で述べる。

GUE の行列式の構造

この節では $\beta=2$ とする。$\mathit{He}_k$ を最高次の係数が $1$ の Hermite多項式(重み $e^{-x^2/2}$ の規約)とする。$\int\mathit{He}_k\mathit{He}_le^{-x^2/2}\,dx=\sqrt{2\pi}\,k!\,\delta_{kl}$ なので、
$$ \varphi_k(x):=\frac{\mathit{He}_k(x)\,e^{-x^2/4}}{(\sqrt{2\pi}\,k!)^{1/2}},\qquad K_N(x,y):=\sum_{k=0}^{N-1}\varphi_k(x)\varphi_k(y) $$
とおくと、$(\varphi_k)$ は $L^2(\mathbb{R})$ の正規直交系である。よって $K_N$ は対称で、
$$ \int K_N(x,z)K_N(z,y)\,dz=K_N(x,y),\qquad\int K_N(x,x)\,dx=N $$
である。すなわち $K_N$ は階数 $N$ の直交射影の積分核である。第 1 式を 再生性、第 2 式を 跡の式 と呼ぶ。
$\lambda$ を一様にランダムに並べ替えた列(順序をつけない固有値)の密度は、thm-rm-joint から
$$ P_N(x):=\frac1{N!\,Z_N(2)}\prod_{i< j}(x_j-x_i)^2\prod_{i=1}^Ne^{-x_i^2/2} $$
である。

相関関数と行列式点過程

$1\le p\le N$ について、$P_N$ から $p$ 次の 相関関数 を
$$ \rho_p(x_1,\dots,x_p):=\frac{N!}{(N-p)!}\int_{\mathbb{R}^{N-p}}P_N(x)\,dx_{p+1}\cdots dx_N $$
で定める。$\mathbb{R}^p$ の上の有界可測関数 $f$ について、$\sum f(\lambda_{i_1},\dots,\lambda_{i_p})$(添字が異なる組の全体での和)の期待値は $\int f\rho_p$ である。
一般に、ランダムな点の集まり(点過程)の相関関数がすべて、ある関数 $K$ によって $\rho_p=\det[K(x_i,x_j)]_{i,j\le p}$ と書けるとき、これを核 $K$ の 行列式点過程 という(AGZ10 Definitions 4.2.3・4.2.11, pp. 218, 222)。

積分で次数を下げる

$\Delta_m(x_1,\dots,x_m):=\det[K_N(x_i,x_j)]_{i,j\le m}$ とする。$1\le m\le N$ について
$$ \int\Delta_m(x_1,\dots,x_m)\,dx_m=(N-m+1)\,\Delta_{m-1}(x_1,\dots,x_{m-1}) $$
である。ただし $\Delta_0:=1$ とする。

置換の巡回から $m$ を除く

$\Delta_m=\sum_{\sigma\in S_m}\operatorname{sgn}(\sigma)\prod_iK_N(x_i,x_{\sigma(i)})$ を $x_m$ で積分する。
$\sigma(m)=m$ の項は、跡の式から $N$ 倍の $S_{m-1}$ の項になる。その和は $N\Delta_{m-1}$ である。
$\sigma(m)\ne m$ とする。$a:=\sigma^{-1}(m)$、$b:=\sigma(m)$ とおくと、$x_m$ を含む因子は $K_N(x_a,x_m)K_N(x_m,x_b)$ で、再生性から積分は $K_N(x_a,x_b)$ である。これは $\sigma$ の巡回から $m$ を除いた置換 $\sigma'\in S_{m-1}$ の項で、巡回が $1$ つ短くなるので $\operatorname{sgn}(\sigma')=-\operatorname{sgn}(\sigma)$ である。$\sigma'$ を 1 つ固定すると、これを与える $\sigma$ は $a\in\{1,\dots,m-1\}$ の選び方の $m-1$ 個ある。よってこの部分の和は $-(m-1)\Delta_{m-1}$ である。
合わせて $(N-m+1)\Delta_{m-1}$ である。$\square$

GUE の行列式公式

GUE の固有値の相関関数は、$1\le p\le N$ について
$$ \rho_p(x_1,\dots,x_p)=\det[K_N(x_i,x_j)]_{i,j\le p} $$
である。すなわち、GUE の固有値は核 $K_N$ の行列式点過程である。さらに
$$ Z_N(2)=(2\pi)^{N/2}\prod_{k=0}^{N-1}k! $$
である。

Vandermonde 行列式を 2 乗する

$\mathit{He}_{j}$ は最高次の係数が $1$ で次数 $j$ なので、列の基本変形から Vandermonde行列式 は
$$ \prod_{i< j}(x_j-x_i)=\det[x_i^{\,j-1}]_{i,j\le N}=\det[\mathit{He}_{j-1}(x_i)]_{i,j\le N} $$
である。$A:=[\varphi_{j-1}(x_i)]_{i,j\le N}$ とおくと、$AA^{T}$ の $(i,l)$ 成分は $K_N(x_i,x_l)$ なので、$b_N:=\prod_{k< N}\sqrt{2\pi}\,k!$ として
$$ \prod_{i< j}(x_j-x_i)^2\prod_ie^{-x_i^2/2}=b_N(\det A)^2=b_N\,\Delta_N(x_1,\dots,x_N) $$
である。lem-rm-integrate を $m=N,N-1,\dots,p+1$ に使うと
$$ \int\Delta_N\,dx_{p+1}\cdots dx_N=(N-p)!\,\Delta_p $$
である。$p=0$ とすると、全空間の積分は $N!\,b_N$ である。$P_N$ の全積分は $1$ なので $Z_N(2)=b_N$ で、$P_N=\Delta_N/N!$ である。よって
$$ \rho_p=\frac{N!}{(N-p)!}\cdot\frac{(N-p)!}{N!}\Delta_p=\Delta_p $$
である。$\square$

$Z_N(\beta)$ は一般に Selberg の積分公式で計算される(AGZ10 (2.5.4), Theorem 2.5.8, pp. 53, 59)。

空隙確率

$A\subset\mathbb{R}$ を Borel 集合とする。
$$ P\bigl(\text{どの固有値も }A\text{ に入らない}\bigr)=\sum_{k=0}^N\frac{(-1)^k}{k!}\int_{A^k}\det[K_N(x_i,x_j)]_{i,j\le k}\,dx_1\cdots dx_k $$
である。

積を展開する

要点:$\prod_i(1-\mathbf{1}_A(\lambda_i))$ を基本対称式に展開し、def-rm-dpp の和の式を使う。

詳しい証明を開く

$\prod_i(1-\mathbf{1}_A(\lambda_i))=\sum_k(-1)^k\sum_{i_1< \dots< i_k}\prod_j\mathbf{1}_A(\lambda_{i_j})$ である。$k$ 組の順序つきの和は順序なしの和の $k!$ 倍なので、期待値は $\frac{(-1)^k}{k!}\int_{A^k}\rho_k$ である。thm-rm-det を代入する。$\square$

右辺は積分作用素 $K_N\mathbf{1}_A$ の Fredholm 行列式である(AGZ10 Lemma 3.2.4, p. 99)。

点の反発

$\rho_2(x,y)=K_N(x,x)K_N(y,y)-K_N(x,y)^2\le\rho_1(x)\rho_1(y)$ である。Poisson過程 では独立性から等号が成り立つ。固有値の組は、独立な場合より近づきにくく、$\rho_2(x,x)=0$ である。$N=1$ なら $\rho_1=\varphi_0^2$ は標準正規分布の密度である。

$K_N$ は Christoffel–Darboux の公式から
$$ K_N(x,y)=\sqrt N\,\frac{\varphi_N(x)\varphi_{N-1}(y)-\varphi_{N-1}(x)\varphi_N(y)}{x-y} $$
と書ける(AGZ10 Lemma 3.2.7, p. 102)。局所統計の極限は、この式と $\varphi_N$ の漸近形から得られる。

局所統計

$X$ を GUE とする。Wignerの半円則 の尺度では $X/\sqrt N$ の固有値は $[-2,2]$ に広がるので、$X$ の固有値の間隔は中央で $1/\sqrt N$ の程度である。

Gaudin–Mehta の定理

$X$ を GUE、$A\subset\mathbb{R}$ をコンパクト集合とする。
$$ K_{\sin}(x,y):=\frac{\sin(x-y)}{\pi(x-y)}\qquad(x=y\text{ では }1/\pi) $$
とおくと
$$ \lim_{N\to\infty}P\bigl(\sqrt N\lambda_i(X)\notin A\ (1\le i\le N)\bigr)=1+\sum_{k\ge1}\frac{(-1)^k}{k!}\int_{A^k}\det[K_{\sin}(x_i,x_j)]_{i,j\le k}\,dx_1\cdots dx_k $$
である。

密度の確認

$K_{\sin}(x,x)=1/\pi$ は、$\sqrt N\lambda_i(X)$ の原点の近くの平均の密度である。半円分布の $x=0$ の密度が $1/\pi$ であることと合う。

スペクトルの端

$X$ を GUE とする。$\mathrm{Ai}$ を Airy関数 とし、$K_{\mathrm{Ai}}(x,y):=\dfrac{\mathrm{Ai}(x)\mathrm{Ai}'(y)-\mathrm{Ai}'(x)\mathrm{Ai}(y)}{x-y}$($x=y$ では連続に延ばす)とおく。$t\in\mathbb{R}$ について
$$ \lim_{N\to\infty}P\bigl(N^{2/3}(\lambda_N(X)/\sqrt N-2)\le t\bigr)=1+\sum_{k\ge1}\frac{(-1)^k}{k!}\int_{(t,\infty)^k}\det[K_{\mathrm{Ai}}(x_i,x_j)]_{i,j\le k}\,dx_1\cdots dx_k=:F_2(t) $$
である。$F_2$ は分布関数で(Tracy–Widom 分布)、
$$ F_2(t)=\exp\Bigl(-\int_t^\infty(x-t)\,q(x)^2\,dx\Bigr),\qquad q''(t)=tq(t)+2q(t)^3,\quad q(t)\sim\mathrm{Ai}(t)\ (t\to+\infty) $$
と書ける。

文献

thm-rm-sine は AGZ10 Theorem 3.1.1(p. 92)、thm-rm-edge は Theorems 3.1.4・3.1.5(pp. 93–94)である。この記事では証明しない。証明は cor-rm-gap の極限を、$\varphi_N$ の漸近形と Fredholm 行列式の連続性からとるものである。$\beta=1$ と GSE($\beta=4$)の極限は Theorems 3.1.6・3.1.7(p. 95)にあり、$\beta=2$ の場合の量で書ける。Tracy–Widom 分布は KPZ方程式 の解の大きな時間の揺らぎにも現れる。

普遍性. これらの極限が成分の分布によらないという予想は、1960 年代から Wigner・Dyson・Mehta らによって立てられた(TV11 §1.4, p. 6)。2011 年の時点で、少なくとも次が証明されている。$M$ を、上三角の成分が独立で、$i< j$ の成分の実部・虚部が独立に平均 $0$、分散 $1/2$ の同じ分布 $\xi$ に従い、対角成分が平均 $0$、分散 $1$ の同じ分布に従うエルミート行列とする。$\xi$ と対角成分の分布の裾は指数的に減るものとする(TV11 Definition 1, p. 3)。

  • $\xi$ の台が $3$ 点以上なら、固有値の間隔の分布の極限は GUE と同じである。さらに $E[\xi^3]=0$ なら、スペクトルの端を除く各点の近くでの $k$ 点相関関数は弱い意味で GUE と同じ極限をもつ(TV11 Theorems 9・11, p. 9)。間隔と相関関数については、別の方法と組み合わせると、離散分布でもモーメントの条件なしに扱える(TV11 p. 8 の脚注 2)。
  • 端から離れた番号($\varepsilon N\le i\le(1-\varepsilon)N$)の固有値の局所統計は、成分の $4$ 次までのモーメントで決まる(4 モーメント定理。TV11 Theorem 15, p. 10)。
  • $\xi$ の分布が対称なら、最大の $k$ 個の固有値の極限は GUE と同じである(Soshnikov の定理。TV11 Theorem 7, p. 7)。
    間隔の分布と Riemannゼータ関数 の零点の間隔の分布には、数値的な一致が知られている(TV11 §1.2, p. 5)。

主なアンサンブル

名前行列固有値の同時密度大域的な極限
GOE実対称、Gauss 成分$\prod\lvert x_j-x_i\rvert\prod e^{-x_i^2/4}$半円分布
GUEエルミート、Gauss 成分$\prod\lvert x_j-x_i\rvert^2\prod e^{-x_i^2/2}$半円分布
GSE四元数エルミート$\prod\lvert x_j-x_i\rvert^4\prod e^{-x_i^2}$半円分布
$\beta$ アンサンブル3 重対角行列$\prod\lvert x_j-x_i\rvert^\beta\prod e^{-\beta x_i^2/4}$半円分布
Wishart分布$YY^{T}$成分によるMarchenko–Pastur分布
Ginibre非対称、複素 Gauss 成分$\prod\lvert z_j-z_i\rvert^2\prod e^{-\lvert z_i\rvert^2}$(複素平面)円法則

GSE の密度は AGZ10 Remark 2.5.3(p. 53)、3 重対角行列の表現は Theorem 4.5.35(p. 306)、Wishart 行列の極限は Exercise 2.1.18(pp. 20–21)にある。Ginibre の密度は Tao12 (2.136)(p. 227)である。$N$ 次正方行列 $X$ の成分が平均 $0$、分散 $1$ で独立同分布のとき、$X/\sqrt N$ の経験固有値分布は単位円板の一様分布に収束する(円法則。Tao12 Theorem 2.8.1, p. 263)。

反例:条件を外すと成り立たないこと

主張外す条件反例成り立たなくなること
thm-rm-joint成分が連続分布$2$ 次対称行列で成分が独立に $0,1$ を確率 $1/2$ でとる確率 $1/8$ で $X=0$、固有値の分布に原子があり密度をもたない
thm-rm-joint非対角成分対角成分だけの $X=D(\sqrt2\,\xi_{11},\dots,\sqrt2\,\xi_{NN})$固有値が独立で、因子 $\prod(x_j-x_i)^\beta$ が消える
thm-rm-joint対称性Ginibre 行列固有値は実数でなく、順序も定まらない
lem-rm-integrate再生性$N=m=2$、$K=2\varphi_0(x)\varphi_0(y)$左辺は $0$、右辺は $K(x_1,x_1)>0$
thm-rm-det$\beta=2$GOE$\lvert\prod(x_j-x_i)\rvert$ は行列式の 2 乗でなく、prf-rm-det の第 1 段が使えない。$N=2$ の $\rho_2$ は対角の近くで $\lvert x-y\rvert$ の 1 次で $0$ に近づき、滑らかな対称な核の行列式の形にならない
thm-rm-edge の普遍性裾の仮定裾の重い分布の成分最大固有値の極限が別の分布になる

GOE の相関関数は行列式ではなく Pfaffian で扱う(AGZ10 §3.9.1, p. 150)。裾の重い場合は AGZ10 §3.10(p. 186)を見よ。$K=2\varphi_0(x)\varphi_0(y)$ の行は、$K(x_2,x_2)$ の積分が $2$、$K(x_1,x_2)^2$ の積分が $2K(x_1,x_1)$ であることから確かめられる。

歴史と出典

ランダム行列はまずデータ解析で Wishart が調べ、のちに Wigner が重い原子核の模型として用いた。1960 年代初めに Wigner・Dyson・Mehta らにより固有値の数学的な理論が始まった(AGZ10 Chapter 1, p. 1)。

出典

prop-rm-density と thm-rm-joint は AGZ10 (2.5.1)・Theorem 2.5.2(pp. 52–53)による。AGZ10 §2.5.2 の証明はヤコビアンが多項式であることから次数で決める。この記事では $G/T$ の Riemann 計量でヤコビアンを直接計算した。thm-rm-det は AGZ10 Lemma 3.2.2(p. 97)にあたる。AGZ10 は部分行列式の Cauchy–Binet の公式で示すが、この記事は lem-rm-integrate を使った。TV11 の定理番号は arXiv 版による。

関連項目

参考文献

[1]
Greg W. Anderson, Alice Guionnet, Ofer Zeitouni, An Introduction to Random Matrices, Cambridge Studies in Advanced Mathematics 118, Cambridge University Press, 2010, Chapter 1 p. 1、Exercise 2.1.18 pp. 20–21、§§2.5.1–2.5.2 pp. 51–59、Theorem 2.5.2 p. 53、Corollary 2.5.4 p. 54、Theorem 2.5.8 p. 59、§3.1 pp. 92–95、Lemmas 3.2.2–3.2.7 pp. 97–102、§3.9.1 p. 150、§3.10 pp. 185–186、Definitions 4.2.3・4.2.11 pp. 218, 222、Theorem 4.5.35 p. 306
[3]
Terence Tao, Van Vu, Random matrices: universality of local eigenvalue statistics, Acta Mathematica, 2011, arXiv 版 v10 の頁で引用。§1.2 p. 5、§1.4 p. 6、Definition 1 p. 3、Theorem 7 p. 7、脚注 2 p. 8、Theorems 9・11 p. 9、Theorem 15 p. 10

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する