Martin境界

同義語:マルチン境界マーティン境界Martin boundary

概要

Martin境界(Martin boundary)とは、過渡的な Markov 連鎖の状態空間に、Green 関数の比 $K(x,y)=G(x,y)/G(o,y)$(Martin 核)が連続に延びるように付け加えた境界のことである。正の優調和関数はすべて Martin コンパクト化の上の測度による Martin 核の積分で表され、調和関数ならその測度は境界に集中する。有限な範囲の連鎖では、極小調和関数は境界の点の Martin 核であり、極小境界の上で表示は一意で、連鎖の道は極小境界の点に収束する。偏りのある歩みでは境界は 2 点、正則木では端の空間、$\mathbb Z^d$($d\ge3$)の単純ランダムウォークでは極小境界は 1 点である。

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

前提知識: Markov連鎖, Green関数, 優調和関数, コンパクト化

Martin境界(Martin boundary)とは、過渡的な Markov 連鎖の状態空間に、Green 関数の比
$$ K(x,y)=\frac{G(x,y)}{G(o,y)} $$
(Martin 核)が連続に延びるように付け加えた境界のことである。正の調和関数はすべて、Martin 境界の上の測度 $\nu$ による積分 $h(x)=\int K(x,\xi)\,\nu(d\xi)$ で表される(Martin 表示)。Martin が Euclid 空間の領域の正の調和関数について導入し、Doob と Hunt が離散の Markov 連鎖へ移した。
Doobのh変換 は正の調和関数 $h$ で連鎖を「行き先に条件付ける」操作だった。Martin 境界はその行き先の全体であり、行き先の 1 点に対応する調和関数が 極小調和関数 である。有界な調和関数を表す Poisson 境界が測度空間にすぎないのに対し、Martin 境界は位相空間で、正の(有界とは限らない)調和関数まで表す。この記事では Martin コンパクト化を作り、表示の存在、極小調和関数が Martin 核であることを証明し、偏りのある歩み、正則木、可換群で境界を決定する。

結果内容この記事での扱い
prop-mb-compactMartin コンパクト化の構成証明する
thm-mb-representation正の優調和関数の積分表示(存在)証明する
thm-mb-minimal極小調和関数は境界の点の Martin 核証明する(有限な範囲の連鎖で)
thm-mb-unique極小境界の上での一意性と道の収束主張と所在
thm-mb-tree正則木の Martin 境界は端の空間証明する
prop-mb-exponential$\mathbb Z^d$ の極小調和関数は指数関数証明する

Green 関数と Martin 核

$S$ を可算集合、$P$ を $S$ の上の確率行列とし、$P_x$ を $x$ から出発する連鎖 $(X_n)$ の法則とする。記号は Doobのh変換 に揃え、$Ph(x)=\sum_yP(x,y)h(y)$、$Ph=h$ を 調和、$Ph\le h$ を 優調和 という。基点 $o\in S$ を固定し、次を仮定する。

  • どの $x\in S$ にも $o$ から到達できる:$F(o,x):=P_o(\text{ある }n\ge0\text{ で }X_n=x)>0$。
  • 過渡的:Green 関数 $G(x,y):=\sum_{n\ge0}P^n(x,y)=E_x[\,y\text{ の訪問回数}\,]$ がすべての $x,y$ で有限である。
Martin 核

$x,y\in S$ について $K(x,y):=G(x,y)/G(o,y)$ と定め、Martin 核 という。

Martin 核の基本性質
  1. $G(x,y)=F(x,y)\,G(y,y)$ で、$G(o,y)\ge F(o,x)\,G(x,y)$ である。とくに $0\le K(x,y)\le1/F(o,x)$ で、$K(o,y)=1$ である。
  2. 各 $y$ について $K(\cdot,y)$ は優調和で、$PK(\cdot,y)=K(\cdot,y)-\delta_y/G(o,y)$ である。とくに $y$ の外で調和である。
最初の訪問で分ける

1:$y$ を初めて訪れた時刻で分け強 Markov 性を使うと、$y$ の訪問回数の期待値は $F(x,y)G(y,y)$ である。$o$ から出て $x$ を経由して $y$ を訪れる回数は、$o$ から出た訪問回数以下なので $G(o,y)\ge F(o,x)G(x,y)$ である。2:$G(x,y)=\delta_x(y)+\sum_zP(x,z)G(z,y)$(1 歩目で分ける)を $G(o,y)$ で割る。$\square$

Martin コンパクト化

$S=\{x_1,x_2,\dots\}$ と番号を付け、$w_i:=2^{-i}F(o,x_i)$ とおく。$y,y'\in S$ について
$$ \rho(y,y')=\sum_iw_i\Bigl(\lvert K(x_i,y)-K(x_i,y')\rvert+\lvert\delta_{x_i}(y)-\delta_{x_i}(y')\rvert\Bigr) $$
と定める。lem-mb-kernel の 1 から各項は $2^{1-i}$ 以下で、級数は収束する。

核が連続に延びる完備化

$\rho$ は $S$ の距離である。その完備化を $\hat S$、$M:=\hat S\setminus S$ とおく。

  1. $\hat S$ はコンパクトな距離空間で、$S$ の各点は $\hat S$ の孤立点であり、$S$ は $\hat S$ で稠密である。
  2. 各 $x$ について $K(x,\cdot)$ は $\hat S$ の上の連続関数に一意に延びる。
  3. $\xi\ne\xi'\in M$ なら、ある $x$ で $K(x,\xi)\ne K(x,\xi')$ である。
  4. $S$ の点列 $(y_n)$ が $M$ の点に収束するなら、$(y_n)$ はどの有限集合からも最終的に出ていく。
    $\hat S$ を Martin コンパクト化、$M$ を Martin 境界 という。
直積空間への埋め込み

$\Phi(y):=\bigl(K(x_i,y),\ \delta_{x_i}(y)\bigr)_{i\ge1}$ は $S$ を $Q=\prod_i\bigl([0,1/F(o,x_i)]\times[0,1]\bigr)$ に写す。$Q$ はコンパクトで(Tychonoffの定理)、$\rho$ は $Q$ の直積位相を定める距離 $\sum_iw_i(\lvert a_i-a_i'\rvert+\lvert b_i-b_i'\rvert)$ を $\Phi$ で引き戻したものである。$\delta$ の成分から $\Phi$ は単射なので $\rho$ は距離で、$\hat S$ は $\Phi(S)$ の $Q$ での閉包と同一視でき、コンパクトである。
$y=x_i$ と $y'\ne y$ では $\rho(y,y')\ge w_i$ なので、$y$ は孤立点である。$\Phi(S)$ の閉包の点 $\eta$ が $\Phi(S)$ に入らないなら、$\eta$ に収束する $\Phi(y_n)$ は各 $x_i$ を有限回しかとらない(無限回とれば $\eta=\Phi(x_i)$)。よって $\eta$ の $\delta$ の成分はすべて $0$ で、4 が成り立つ。2 は座標への射影の連続性である。3:$\xi,\xi'\in M$ の $\delta$ の成分はともに $0$ なので、異なるなら $K$ の成分のどれかが異なる。$\square$

$\hat S$ は「$K(x,\cdot)$ がすべて連続になる最小のコンパクト化」である。$S$ の点列 $(y_n)$ が有限集合から出ていくとき、$M$ の点に収束することは、すべての $x$ で $K(x,y_n)$ が収束することと同じである。

Martin 表示

まず有限集合への到達で優調和関数を「掃き寄せ」、Green 関数の重ね合わせにする。

有限集合への掃き寄せ

$h\ge0$ を優調和、$A\subset S$ を有限集合とし、$\tau_A:=\inf\{n\ge0\mid X_n\in A\}$、
$$ u(x):=E_x\bigl[h(X_{\tau_A});\ \tau_A< \infty\bigr] $$
とおく。$u=h$ が $A$ の上で成り立ち、ある $f\ge0$(台は $A$ に含まれる)について $u(x)=\sum_{y\in A}G(x,y)f(y)$ である。

優マルチンゲールの任意抽出と過渡性

$x\in A$ なら $\tau_A=0$ で $u(x)=h(x)$ である。$u\le\max_Ah$ は有界である。
$u$ は優調和. $x\notin A$ なら 1 歩目で分けて $Pu(x)=u(x)$ である。$x\in A$ なら、$\sigma:=\inf\{n\ge1\mid X_n\in A\}$ について $Pu(x)=E_x[h(X_\sigma);\sigma< \infty]$ である。$h(X_n)$ は非負の優マルチンゲールなので、停止したものも優マルチンゲールで $E_x[h(X_{\sigma\wedge n})]\le h(x)$ であり(任意抽出定理)、Fatouの補題 から $E_x[h(X_\sigma);\sigma< \infty]\le\liminf_nE_x[h(X_{\sigma\wedge n})]\le h(x)=u(x)$ である。
Riesz 型の分解. $f:=u-Pu\ge0$ は $A$ の外で $0$ である。和をとると $\sum_{n=0}^{N}P^nf=u-P^{N+1}u$ である。$u(y)\le(\max_Ah)\,P_y(\tau_A< \infty)$ と Markov 性から
$$ P^{N+1}u(x)\le(\max_Ah)\,P_x\bigl(\text{時刻 }N+1\text{ 以後に }A\text{ を訪れる}\bigr) $$
で、過渡性から各点の訪問は $P_x$ でほとんど確実に有限回なので、右辺は $N\to\infty$ で $0$ に行く。よって $u=\sum_nP^nf=Gf$ である。$\square$

Martin 表示の存在

$h\ge0$ を優調和関数とする。$\hat S$ の上の有限測度 $\nu$ で $\nu(\hat S)=h(o)$、
$$ h(x)=\int_{\hat S}K(x,\xi)\,\nu(d\xi)\qquad(x\in S) $$
を満たすものがある。$h$ が調和なら $\nu(S)=0$、すなわち $\nu$ は Martin 境界 $M$ に集中する。

掃き寄せた測度の弱極限

$o\in A_1\subset A_2\subset\cdots$ を和が $S$ になる有限集合の列とし、$A_n$ への掃き寄せ $u_n=Gf_n$ を lem-mb-reduced でとる。$\nu_n(\{y\}):=G(o,y)f_n(y)$ で $S\subset\hat S$ の上の測度 $\nu_n$ を定めると
$$ u_n(x)=\sum_yG(x,y)f_n(y)=\sum_yK(x,y)\,\nu_n(\{y\})=\int_{\hat S}K(x,\xi)\,\nu_n(d\xi) $$
で、$\nu_n(\hat S)=u_n(o)=h(o)$ である。$\hat S$ はコンパクトな距離空間なので、部分列が有限測度 $\nu$ に弱収束する(Prokhorovの定理)。$x$ を固定すると $K(x,\cdot)$ は $\hat S$ の上で有界連続で、$x\in A_n$ となる $n$ では $u_n(x)=h(x)$ なので、極限をとって $h(x)=\int K(x,\xi)\nu(d\xi)$ を得る。$K(o,\cdot)\equiv1$ から $\nu(\hat S)=h(o)$ である。
次に $h$ を調和とし、$g(y):=\nu(\{y\})/G(o,y)$($y\in S$)、$s(x):=\int_MK(x,\xi)\nu(d\xi)$ とおくと $h=Gg+s$ である。$\xi\in M$ を $y_n\to\xi$ で近似すると、Fatouの補題 と lem-mb-kernel の 2 から $PK(x,\xi)\le\liminf_nPK(x,y_n)\le\liminf_nK(x,y_n)=K(x,\xi)$ で、$K(\cdot,\xi)$ は優調和、したがって $s$ も優調和である。$Gg\le h$ は有限で $Gg-PGg=g$ なので
$$ 0=h-Ph=g+(s-Ps)\ge g\ge0 $$
となり、$g=0$、すなわち $\nu(S)=0$ である。$\square$

優調和関数 $G(\cdot,y)$ そのものは $\nu=G(o,y)\delta_y$ で表され、$\nu$ は $S$ の点に載る。調和関数ではこの「内部の部分」が消える。

極小調和関数と極小境界

極小調和関数

至るところ正の調和関数 $h$ が 極小 であるとは、調和関数 $u$ が $0\le u\le h$ を満たせば $u=ch$($c$ は定数)となることをいう。$K(\cdot,\xi)$ が極小調和関数となる $\xi\in M$ の全体を 極小 Martin 境界 といい、$M_{\min}$ と書く。

Doobのh変換 の命題「調和関数の混合」のとおり、$h=h_1+h_2$ と分ければ $h$ 過程は $h_1$ 過程と $h_2$ 過程の混合になる。極小とは、これ以上分けられない(行き先が 1 点に決まっている)ことである。
連鎖が 有限な範囲 をもつとは、各 $x$ について $P(x,y)>0$ となる $y$ が有限個であることをいう(グラフの上の単純ランダムウォークで、各頂点の次数が有限ならこれに当たる)。

境界の核は調和

連鎖が有限な範囲をもつなら、すべての $\xi\in M$ について $K(\cdot,\xi)$ は調和である。

有限和なら極限と交換できる

$y_n\to\xi$ とすると、prop-mb-compact の 4 により $n$ が大きければ $y_n\ne x$ で、lem-mb-kernel の 2 から $K(x,y_n)=\sum_zP(x,z)K(z,y_n)$ である。右辺は有限和なので極限と交換できる。$\square$

極小調和関数は Martin 核

連鎖が有限な範囲をもつとする。$h$ が極小調和関数で $h(o)=1$ なら、ある $\xi\in M$ について $h=K(\cdot,\xi)$ である。とくに $M_{\min}$ は、$h(o)=1$ と正規化した極小調和関数の全体と一対一に対応する。

表示の測度を分けて極小性を使う

thm-mb-representation で $h=\int_MK(\cdot,\xi)\nu(d\xi)$、$\nu(M)=1$ とする。$M$ の Borel 集合 $B$ について $h_B:=\int_BK(\cdot,\xi)\nu(d\xi)$ とおくと、prop-mb-harmonic と単調収束定理から $h_B$ は調和で、$0\le h_B\le h$ である。極小性から $h_B=c_Bh$ で、$o$ で比べて $c_B=\nu(B)$ である。したがって各 $x$ について、測度 $K(x,\xi)\nu(d\xi)$ と $h(x)\nu(d\xi)$ はすべての $B$ で一致し、$\nu$ についてほとんど至るところ $K(x,\xi)=h(x)$ である。$x$ は可算個なので、$\nu$ についてほとんどすべての $\xi$ で、すべての $x$ について $K(x,\xi)=h(x)$ が成り立つ。$\nu(M)=1>0$ なのでそのような $\xi$ がある。対応が一対一であることは prop-mb-compact の 3 による。$\square$

表示の一意性と、連鎖の道が境界へ収束することは次の定理による。この記事では証明しない。

一意性と道の収束

過渡的な連鎖について次が成り立つ(Doob Doo59 §10、Hunt Hun60)。

  1. $M_{\min}$ は $\hat S$ の Borel 集合で、正の調和関数 $h$ には、$M_{\min}$ に集中し $h(x)=\int K(x,\xi)\nu^h(d\xi)$ を満たす測度 $\nu^h$ がただ一つある。
  2. $P_x$ でほとんど確実に $X_n$ は $\hat S$ で $M_{\min}$ のある点 $X_\infty$ に収束し、$X_\infty$ の分布は $K(x,\xi)\nu^1(d\xi)$ である($\nu^1$ は定数関数 $1$ を表す測度)。
  3. 有界な調和関数の表示の測度は $\nu^1$ に関して有界な密度をもち、$(M_{\min},\nu^1)$ と $X_\infty$ は Poisson 境界を与える。

2 を $h$ 過程に当てると、極小調和関数 $K(\cdot,\xi)$ による $h$ 過程は $\xi$ に収束する。これが「$\xi$ へ行くという条件付け」の意味である(連続の場合は Doobのh変換 の注意「Martin 境界」)。3 のとおり、正の調和関数は Martin 境界の位相まで見るが、有界な調和関数は $\nu^1$ の測度空間としての構造しか見ない。

例:偏りのある歩みと正則木

偏りのある歩み

$\mathbb Z$ の上で確率 $p$ で $+1$、$q=1-p$ で $-1$ 進む連鎖で $p>q$ とし、$o=0$、$r:=q/p< 1$ とする。$y>x$ なら連鎖は右へ流れるので $F(x,y)=1$、$y< x$ なら $F(x,y)=r^{x-y}$ である(破産問題 の公式で右端を遠くへ送る)。平行移動の不変性から $G(y,y)$ は $y$ によらないので
$$ K(x,y)=\frac{F(x,y)}{F(0,y)}=\begin{cases}1&(y>\max(x,0)),\\ r^{x}&(y< \min(x,0))\end{cases} $$
である。$y\to+\infty$ と $y\to-\infty$ で極限が異なり、Martin 境界は 2 点 $\{+\infty,-\infty\}$、$K(\cdot,+\infty)=1$、$K(\cdot,-\infty)=r^x$ である。調和性は 3 項の漸化式なので調和関数は $\alpha+\beta r^x$ の 2 次元で、正のものは $\alpha,\beta\ge0$ のものである。$r^x$ は Doobのh変換 の例「偏りのある歩みを逆向きに条件付ける」の $h$ に(左右を入れ替えて)あたる。有界な調和関数は定数だけなので、Poisson 境界は 1 点($X_\infty=+\infty$)である。

$T$ を各頂点の次数が $q+1$($q\ge2$)の正則木とし、その上の単純ランダムウォークを考える。$o$ から出る半直線(端)$\xi=(\xi_0=o,\xi_1,\xi_2,\dots)$ の全体を $\partial T$ とし、2 つの端が最初の $k$ 頂点を共有するほど近いとする位相を入れる。$x\in T$ と $\xi$ について、$[o,x]$ と $\xi$ が分かれる頂点を $x\wedge\xi$ とし、
$$ b_\xi(x):=d(x,x\wedge\xi)-d(o,x\wedge\xi)=\lim_{k\to\infty}\bigl(d(x,\xi_k)-k\bigr) $$
(Busemann 関数)とおく。

正則木の Martin 境界
  1. $F(x,y)=q^{-d(x,y)}$ で、$K(x,y)=q^{\,d(o,y)-d(x,y)}$ である。
  2. 写像 $\xi\mapsto K(\cdot,\xi):=q^{-b_\xi}$ により、Martin 境界 $M$ は $\partial T$ と同相である。$T$ の点列が $M$ の点に収束することと、端に収束することは同じである。
  3. 正の調和関数はすべて $h(x)=\int_{\partial T}q^{-b_\xi(x)}\,\nu(d\xi)$($\nu$ は $\partial T$ の上の有限測度)と表される。
距離の偏った歩みと分かれる頂点

1:$y$ を固定すると、$y$ 以外の頂点からは隣の $q+1$ 個のうち 1 個だけが $y$ に近い。よって $d(X_n,y)$ は $y$ に達するまで確率 $\frac q{q+1}$ で $+1$、$\frac1{q+1}$ で $-1$ 動き、距離を 1 減らす確率は 破産問題 の公式で $\frac{1/(q+1)}{q/(q+1)}=\frac1q$ である。$y$ へ行くには途中の距離をすべて通るので、強 Markov 性から $F(x,y)=q^{-d(x,y)}$ である。木の自己同型で $G(y,y)$ は一定なので、lem-mb-kernel の 1 から $K$ の式を得る。
2:$x$ を固定し、$x\wedge\xi$ が $o$ から距離 $j$ にあるとする。$y$ が $\xi$ と最初の $j+1$ 頂点を共有するなら、$x$ から $y$ への道は $x\wedge\xi$ を通るので $d(x,y)-d(o,y)=d(x,x\wedge\xi)-j=b_\xi(x)$ である。よって $y_n\to\xi$(端として)なら $K(x,y_n)\to q^{-b_\xi(x)}$ で、$y_n$ は $M$ の点に収束する。逆に $y_n$ が $M$ の点に収束するとき、$y_n$ は有限集合から出ていくので(prop-mb-compact の 4)、局所有限な木の性質から端に収束する部分列がある。異なる端 $\xi\ne\xi'$ が $o$ から距離 $j$ で分かれるなら、$x=\xi_{j+1}$ で $b_\xi(x)=-(j+1)$、$b_{\xi'}(x)=1-j$ なので、極限の核は端を決め、元の列もその端に収束する。$\xi\mapsto K(x,\xi)$ は局所定数で連続なので、$\partial T\to M$ は連続な全単射で、コンパクトから Hausdorff への写像なので同相である。
3:thm-mb-representation と 2 による。$\square$

$q=3$ が 2 元生成の 自由群 の Cayley グラフである。定数関数 $1$ を表す $\nu$ は、$o$ から距離 $k$ の頂点を通る端の集合に $\frac1{(q+1)q^{k-1}}$ を与える一様な測度で、$\nu_x(d\xi)=q^{-b_\xi(x)}\nu(d\xi)$ が $x$ から出発したウォークの行き先の分布になる。これは単位円板の Poisson 核 $\frac{1-\lvert z\rvert^2}{\lvert e^{i\theta}-z\rvert^2}$ の離散版である(Poisson核)。

例:可換群の極小調和関数

極小調和関数は指数関数

$\mu$ を $\mathbb Z^d$ の上の確率測度で、台が $\mathbb Z^d$ を群として生成するものとし、推移確率 $P(x,y)=\mu(y-x)$ を考える。$h(0)=1$ の極小調和関数は、ある $\theta\in\mathbb R^d$ について
$$ h(x)=e^{\langle\theta,x\rangle},\qquad\sum_s\mu(s)\,e^{\langle\theta,s\rangle}=1 $$
の形をしている。逆にこの形の関数は調和である。

平行移動も調和で、上から押さえられる

$\mu(s)>0$ とする。$h(x)=\sum_t\mu(t)h(x+t)\ge\mu(s)h(x+s)$ なので $u:=\mu(s)h(\cdot+s)$ は $0\le u\le h$ を満たし、平行移動の不変性から調和である。極小性から $h(x+s)=c_sh(x)$ である($h>0$ なので $c_s>0$)。$x$ を $x-s$ に替えると $h(x-s)=c_s^{-1}h(x)$ でもある。台の元とその逆元は $\mathbb Z^d$ を生成するので、$\chi(x):=h(x)$ は $\chi(x+s)=c_s\chi(x)$ を生成元ごとに満たし、$\chi(x+x')=\chi(x)\chi(x')$ の準同型 $\mathbb Z^d\to(0,\infty)$ になる。そのような準同型は $e^{\langle\theta,x\rangle}$ の形である。調和性の式は $h(x)$ で割れば右の条件になる。逆は同じ計算である。$\square$

単純ランダムウォーク($\mu$ は $\pm e_i$ に $\frac1{2d}$ ずつ)では条件は $\sum_i\cosh\theta_i=d$ で、$\cosh\ge1$ の等号は $0$ だけなので $\theta=0$ である。極小調和関数は定数 $1$ だけになる。$d\ge3$ では連鎖は過渡的で(ランダムウォークの原点への復帰)、thm-mb-minimal と prop-mb-compact の 3 から $M_{\min}$ は高々 1 点で、thm-mb-unique の 1(定数 $1$ の表示の測度は $M_{\min}$ に載る)によりちょうど 1 点、正の調和関数は定数である。偏りのある歩み(ex-mb-biased)では条件 $pe^\theta+qe^{-\theta}=1$ の解が $e^\theta\in\{1,q/p\}$ で、上の 2 点に一致する。

反例の表

外す仮定例成り立たなくなる結論
thm-mb-representation の「調和」(優調和だけにする)有限な範囲の連鎖で $h=G(\cdot,y)$表示の測度 $\nu$ が $M$ に集中する
prop-mb-harmonic の「有限な範囲」下の例の $o$ から無限個の状態へ跳ぶ連鎖$K(\cdot,\xi)$ は調和
prop-mb-exponential の「極小」ex-mb-biased の $1+r^x$調和関数は指数関数の形
thm-mb-minimal の極小調和関数を有界なものに限るex-mb-biased$M_{\min}$ の点と正規化した極小調和関数の一対一対応
表の確かめ

1 行目:lem-mb-kernel の 2 から $G(\cdot,y)$ は $y$ で調和でない。$M$ に載る測度の積分は prop-mb-harmonic により調和なので、$G(\cdot,y)$ を表す測度は $M$ に集中しえない(証明の構成では $G(o,y)\delta_y$ になる)。有限な範囲を外すと、2 行目の連鎖では $K(\cdot,o)=\delta_o=K(\cdot,\xi)$ で、$G(\cdot,o)$ は $M$ の 1 点で表される。
2 行目:状態を $o$、$c_n$、$d_n$($n\ge1$)と、尾 $t_1,t_2,\dots$ とする。$o$ から $c_n$ へ確率 $p_n>0$($\sum p_n=1$)で跳び、$c_n\to d_n\to t_1\to t_2\to\cdots$ と確率 $1$ で進む。過渡的で、どの状態にも $o$ から到達できる。$G(o,d_m)=p_m$、$G(c_n,d_m)=\delta_{nm}$ で、$d_m$ に到達できるのは $o$ と $c_m$ からだけなので、$m\to\infty$ で $K(o,d_m)=1$、ほかの $x$ では $K(x,d_m)\to0$ である。$d_m$ は $M$ の点 $\xi$ に収束し、$PK(o,\xi)=\sum_np_nK(c_n,\xi)=0< 1=K(o,\xi)$ である。
3 行目:$1+r^x$ は 2 つの極小調和関数 $1$ と $r^x$ の和で、$0\le r^x\le1+r^x$ だが $r^x$ は $1+r^x$ の定数倍でないので極小でない。$e^{\theta x}$ の形にも書けない($x\to+\infty$ で $1$ に、$x\to-\infty$ で $\infty$ に行く)。
4 行目:$M_{\min}=\{\pm\infty\}$ は 2 点だが、有界な調和関数は定数だけなので、有界な極小調和関数は $1$ だけで、$-\infty$ に対応する $r^x$ は有界でない。

補足

  • Poisson 境界との違い. Martin 境界は連鎖と基点 $o$ だけから位相空間として決まり、正の調和関数を表す。Poisson 境界は測度空間で、有界な調和関数だけを表す。ex-mb-biased のように、Martin 境界が大きくても Poisson 境界が自明なことがある。
  • 連続の場合. Martin の元の設定は Euclid 空間の領域の Laplace 作用素で、単位円板では Martin 境界は円周、Martin 核は Poisson 核に一致する。
  • 出典. lem-mb-reduced、thm-mb-representation、thm-mb-minimal、thm-mb-tree、prop-mb-exponential の証明は書き下ろしたものである。thm-mb-unique は Doo59・Hun60 の結果として引き、証明していない。

関連項目

参考文献

[1]
J. L. Doob, Discrete potential theory and boundaries, Journal of Mathematics and Mechanics, 1959, pp. 433–458(§10、pp. 451–453)
[2]
G. A. Hunt, Markoff chains and Martin boundaries, Illinois Journal of Mathematics, 1960

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