Gurau's spectral density is not a probability measure for individual real symmetric tensors

El artículo demuestra que, aunque la "densidad espectral" asociada a la traza de la resolvente de Gurau converge a una medida de probabilidad en promedio para ciertos ensembles de tensores aleatorios, existen tensores deterministas individuales para los cuales esta densidad no corresponde a ninguna medida de probabilidad, lo que indica que no está bien definida punto a punto.

Lo esencial

Imagina que tienes un espejo mágico llamado "Resolvente de Gurau".

En el mundo de las matemáticas, cuando miras a través de este espejo hacia una matriz (que es como una cuadrícula de números, un tablero de ajedrez), el espejo te devuelve una imagen muy clara y ordenada: una "densidad espectral". Piensa en esta densidad como un mapa de probabilidad. Te dice, por ejemplo, "hay un 20% de probabilidad de que el número sea positivo, un 30% de que sea negativo", y así sucesivamente. Es como si el espejo te dijera: "Aquí hay una distribución de pesos; todo tiene sentido y suma 100%".

Los matemáticos sabían que si miras a través de este espejo hacia un tensor (que es como una matriz, pero en 3D, 4D o más dimensiones; imagina un cubo de Rubik gigante o una estructura de bloques compleja) y lo haces con muchos de estos cubos al azar (como lanzar miles de dados), el espejo también te muestra un mapa de probabilidades perfecto. De hecho, se parecía mucho a las leyes que gobiernan los dados y las matrices.

El problema que descubrieron los autores

La pregunta que se hicieron estos investigadores (Jerdee, Kunisky y Moore) fue:

"Si el espejo funciona perfectamente cuando miramos a miles de cubos al azar, ¿funciona también si miramos a un solo cubo específico que nosotros mismos construimos?"

La respuesta, que parece obvia pero que en realidad es un gran descubrimiento, es: No.

La analogía de la receta de cocina

Imagina que tienes una receta secreta (el tensor) para hacer un pastel.

• Si cocinas miles de pasteles siguiendo esta receta con ingredientes aleatorios, al final obtienes una masa promedio que sabe delicioso y tiene una textura perfecta (la "densidad espectral" funciona).
• Pero, si tomas un solo pastel específico que tú mismo diseñaste con una receta muy peculiar, y lo metes en el horno, el resultado puede ser un desastre.

Los autores demostraron que es posible construir un "tensor" (un cubo de números) tan extraño y específico que, cuando le aplicas la fórmula mágica del espejo, el resultado no tiene sentido.

¿Qué significa "no tiene sentido"?

En matemáticas, para que algo sea una "probabilidad", las cosas deben sumar 100% y no pueden ser negativas. No puedes tener un "-5% de probabilidad" de que llueva.

Lo que estos investigadores hicieron fue construir un tensor tan especial que, al calcular sus números mágicos, obtuvieron un resultado negativo donde debería haber un número positivo.

• Es como si el espejo te dijera: "La probabilidad de que salga un número positivo es -10%".
• Eso es imposible en el mundo real. Significa que, para ese cubo específico, no existe un mapa de probabilidades válido. El "espectro" (la imagen que debería verse) no es una distribución de pesos, sino algo roto.

La moraleja de la historia

El descubrimiento es importante porque rompe una ilusión.

• Antes: Se pensaba que la "densidad espectral" de Gurau era una propiedad universal, como una ley de la física que siempre funcionaba, ya sea que miraras un solo objeto o muchos.
• Ahora: Sabemos que esa ley solo funciona en promedio (cuando miras muchos objetos al azar). Si miras un objeto individual y específico, la ley se rompe. La "densidad espectral" no es una propiedad que todos los objetos tengan por sí solos; es más bien una propiedad estadística que solo emerge cuando promediamos muchas cosas.

En resumen:
Los autores construyeron un "monstruo matemático" (un tensor específico) que demuestra que la magia del espejo de Gurau tiene un límite. No puedes aplicar la misma lógica de probabilidades a cada objeto individual que a un grupo de ellos. A veces, la realidad individual es demasiado extraña para encajar en las reglas de la probabilidad estándar.

Es como decir: "Si miras a una multitud, todos parecen tener un ritmo normal. Pero si te fijas en una sola persona que baila al revés, el ritmo de la multitud deja de tener sentido para ella."

Resumen técnico

Resumen Técnico: Densidad Espectral de Gurau y Tensores Simétricos Reales

1. El Problema

El artículo aborda una cuestión fundamental en la teoría de tensores aleatorios y la generalización de la teoría de matrices aleatorias a tensores de orden superior ($p \geq 3$).

• Contexto: Gurau (2020) propuso una generalización de la traza de la resolvente de una matriz ($R_X(z) = \frac{1}{N}\text{Tr}(zI - X)^{-1}$) a tensores simétricos reales $T$. Esta generalización, denotada como $R_T(z)$, admite una expansión en serie de Laurent cuyos coeficientes, denotados como $\frac{1}{N}I_k(T)$, se interpretan como momentos candidatos de una "densidad espectral" $\gamma_T$.
• La Pregunta Central: Para un tensor simétrico real dado $T$, ¿existen los coeficientes $\frac{1}{N}I_k(T)$ como la secuencia de momentos de una medida de probabilidad positiva $\gamma_T$ en $\mathbb{R}$? Es decir, ¿es $R_T(z)$ la transformada de Stieltjes de una medida de probabilidad válida para cada realización individual de $T$?
• Estado del Arte: Trabajos previos ([Gur20], [Bon26], [Bon24]) han demostrado que, para ensambles aleatorios de tensores (distribución gaussiana), el límite de los valores esperados de estos momentos converge a una medida de probabilidad bien definida (una generalización tensorial de la ley semicircular o de Marchenko-Pastur). Sin embargo, no se había establecido si esta propiedad se mantiene punto a punto para tensores deterministas individuales.

2. Metodología

Los autores emplean un enfoque que combina teoría de invariantes, teoría de grafos aleatorios y análisis de momentos/cumulantes de variables aleatorias.

• Reformulación de la Resolvente: Utilizan la representación de la resolvente de Gurau en términos de funciones generadoras de momentos y cumulantes de la variable aleatoria $Y = \langle T, g^{\otimes p} \rangle$, donde $g \sim \mathcal{N}(0, I_N)$ es un vector gaussiano estándar.
• Conexión con Polinomios Invariantes:
  • Definen polinomios invariantes $M_k(T)$ y $M_k^{\text{conn}}(T)$ basados en emparejamientos (matchings) y grafos conectados asociados a tensores.
  • Demuestran que los coeficientes de la expansión de $R_T(z)$ están directamente relacionados con los cumulantes de la variable aleatoria $Y$:
    $$\frac{1}{N}I_k(T) = \frac{1}{N p^{k-1}(k-1)!} \kappa_k(\langle T, g^{\otimes p} \rangle)$$
  • Esto es crucial porque, a diferencia de los momentos, los cumulantes no están sujetos a restricciones de positividad obvias.
• Estrategia de Contradicción:
  • Si $\gamma_T$ fuera una medida de probabilidad, su cuarto momento $\frac{1}{N}I_4(T)$ debería ser no negativo (ya que $I_4(T) = \mathbb{E}[X^4]$ para una medida positiva).
  • Dado que $I_4(T)$ es proporcional al cuarto cumulante $\kappa_4(Y)$, los autores buscan construir un tensor $T$ tal que $\kappa_4(\langle T, g^{\otimes p} \rangle) < 0$.
  • Utilizan la fórmula del cuarto cumulante para variables simétricas: $\kappa_4(Y) = \mathbb{E}[Y^4] - 3(\mathbb{E}[Y^2])^2$.

3. Contribuciones Clave y Resultados

Construcción del Contraejemplo (Teorema 1.1):
Los autores demuestran que existen tensores deterministas para los cuales la densidad espectral de Gurau no existe como medida de probabilidad.

• El Caso Matricial ($p=2$): Para matrices, la variable es $g^T T g$. Debido al teorema espectral, esta variable es una combinación lineal de variables $\chi^2$, lo que garantiza que los momentos formen una secuencia válida de medida de probabilidad.
• El Caso Tensorial ($p \geq 3$): Para tensores de orden 3 o superior, la estructura espectral no restringe la ley de la variable $\langle T, g^{\otimes p} \rangle$ de la misma manera, permitiendo la construcción de variables con cumulantes negativos.
• Construcción Explícita:
  1. Se busca un polinomio univariable $q(g_1)$ tal que $\kappa_4(q(g_1)) < 0$. Se encuentra que $q(x) = x - \frac{1}{10}x^3$ cumple esta condición ($\kappa_4 \approx -0.348$).
  2. Se homogeneiza este polinomio para formar una variable de la forma $\langle T, g^{\otimes 3} \rangle$ utilizando la ley de los grandes números para aproximar términos no homogéneos.
  3. Se define un tensor $T \in \text{Sym}_3(\mathbb{R}^{27})$ con entradas específicas:
     • $T_{1,1,1} = -1/10$
     • $T_{1,i,i} = T_{i,1,i} = T_{i,i,1} = \frac{1}{78}$ para $i \in \{2, \dots, 27\}$.
     • El resto de entradas es cero.
  4. Resultado Numérico: Para este tensor, el cuarto momento escalado es negativo:
     $$I_4(T) < 0$$
     Esto implica que no puede existir ninguna medida de probabilidad $\gamma_T$ cuyos momentos sean los coeficientes de la expansión de $R_T(z)$.

Observación sobre Medidas Signadas:
El artículo nota que, aunque no es una medida de probabilidad positiva, la secuencia de momentos siempre puede interpretarse como la de una medida signada (Radon), una idea que ya se ha explorado en el contexto de valores propios de tensores.

4. Significado e Implicaciones

• Limitación de la Generalización Puntual: El resultado demuestra que la "densidad espectral" de Gurau no es una propiedad bien definida para cada tensor individual, a diferencia de la densidad espectral empírica en matrices. Solo tiene sentido en un sentido promedio (asintótico) sobre ensambles aleatorios.
• Diferencia Fundamental Matriz vs. Tensor: Resalta una diferencia estructural profunda entre la teoría de matrices ($p=2$) y la de tensores ($p \geq 3$). Mientras que las matrices tienen una estructura espectral rígida que preserva la positividad de las medidas, los tensores permiten comportamientos más "patológicos" que violan las condiciones de existencia de medidas de probabilidad.
• Impacto en la Teoría de Probabilidad Libre: Cuestiona la extensión directa de conceptos de probabilidad libre a tensores individuales, sugiriendo que la noción de "espectro" para un tensor fijo es más compleja y posiblemente requiere marcos matemáticos diferentes (como medidas signadas o estructuras algebraicas no estándar) para ser definida coherentemente.
• Dirección Futura: El trabajo abre la puerta a investigar bajo qué condiciones específicas (más allá del promedio) existe una densidad espectral y cómo caracterizar la naturaleza de las "densidades" que aparecen en casos individuales (probablemente como distribuciones generalizadas o signadas).

En resumen, el paper refuta la conjetura implícita de que la resolvente de Gurau define siempre una medida de probabilidad puntual, demostrando mediante un contraejemplo constructivo que para tensores de orden 3, los momentos calculados pueden violar la condición de positividad necesaria para ser una distribución de probabilidad.