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。
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。
$N\ge1$ 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。
$(\xi_{ij})_{i\le j}$、$(\eta_{ij})_{i< j}$ を独立な標準正規分布の確率変数の族とする。
GOE 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」)。
$X$ 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。
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。
$\beta=1$ 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。$\square$
$G$ を $N$ 次の直交群($\beta=1$)またはユニタリ群($\beta=2$)とする。
$X$ 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。
$T\subset G$ 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。
$V\colon\mathbb{R}\to\mathbb{R}$ 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。
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)。
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。
$N=2$ 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。
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。
$1\le p\le N$ 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)。
$\Delta_m(x_1,\dots,x_m):=\det[K_N(x_i,x_j)]_{i,j\le m}$ 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。
$\Delta_m=\sum_{\sigma\in S_m}\operatorname{sgn}(\sigma)\prod_iK_N(x_i,x_{\sigma(i)})$ 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。
$\mathit{He}_{j}$ 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)。
$A\subset\mathbb{R}$ 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。
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。
$\prod_i(1-\mathbf{1}_A(\lambda_i))=\sum_k(-1)^k\sum_{i_1< \dots< i_k}\prod_j\mathbf{1}_A(\lambda_{i_j})$ 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)。
$\rho_2(x,y)=K_N(x,x)K_N(y,y)-K_N(x,y)^2\le\rho_1(x)\rho_1(y)$ 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。
$X$ 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。
$X$ 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。
$K_{\sin}(x,x)=1/\pi$ 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。
$X$ 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。
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)。
| 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)。
| 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。
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)。
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。
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