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

Dit artikel toont aan dat de spectrale dichtheid geassocieerd met Gurau's resolventetrace, hoewel deze als een waarschijnlijkheidsmaat optreedt voor gemiddelden over bepaalde willekeurige tensor-ensembles, niet als zodanig gedefinieerd kan worden voor individuele deterministische symmetrische tensoren.

De kern

Stel je voor dat je een enorme, ingewikkelde bloemkool hebt. In de wiskunde noemen we zo'n object een tensor. Voor een simpele matrix (een rooster van getallen) is het heel makkelijk om te zeggen wat de "spectrale dichtheid" is: dat is eigenlijk een kaartje dat je laat zien hoe de getallen in die matrix zich gedragen, alsof je een berg ziet met pieken en dalen. Als je naar die berg kijkt, zie je een mooi, glad profiel dat je kunt beschrijven met een normale kromme (zoals de bekende "klokcurve").

De auteurs van dit artikel, Maximilian, Dmitriy en Cristopher, kijken naar iets veel complexer: hogere-orde tensors (zoals de bloemkool in plaats van het platte rooster).

Het grote idee: Een nieuwe manier om te tellen

Een wiskundige genaamd Gurau heeft een paar jaar geleden een slimme truc bedacht. Hij zei: "Laten we voor die complexe bloemkool ook zo'n 'kaartje' maken, net als voor de simpele matrix." Hij noemde dit de Gurau-spectrale dichtheid.

Het mooie aan Gurau's idee is dat het gemiddeld perfect werkt. Als je duizenden willekeurige bloemkooltjes neemt en hun kaartjes bij elkaar optelt, krijg je een heel mooi, voorspelbaar resultaat. Het is alsof je een grote menigte mensen hebt: individueel kan iedereen gek doen, maar als je naar de hele menigte kijkt, zie je een heel normaal, rustig patroon.

Het probleem: De individuele bloemkool

De vraag die de auteurs zich stelden, was: "Gaat dit ook op voor één specifieke bloemkool? Als ik naar mijn specifieke tensor kijk, bestaat er dan een geldig kaartje?"

In de wiskunde is zo'n kaartje (een kansverdeling) alleen geldig als het aan bepaalde regels voldoet. De belangrijkste regel is: het moet positief zijn. Je kunt geen negatieve mensen hebben in een menigte, en je kunt geen negatieve kansen hebben.

De auteurs hebben een verrassend antwoord gevonden: Nee, dat werkt niet altijd.

Ze hebben een heel specifiek, vaststaand voorbeeld van zo'n tensor (een soort "moeilijke bloemkool") geconstrueerd. Toen ze Gurau's formule op deze ene bloemkool toepasten, kregen ze een resultaat dat negatief was.

De analogie: De negatieve koek

Stel je voor dat Gurau's formule een machine is die koekjes bakt.

• Bij een matrix (de simpele versie) bak je altijd lekkere, ronde koekjes.
• Bij gemiddelde tensors (een grote bak met willekeurige bloemkooltjes) bak je gemiddeld ook lekkere koekjes.
• Maar bij deze specifieke tensor die de auteurs hebben bedacht, probeert de machine een koekje te bakken en komt er een negatief koekje uit.

Dat is onmogelijk in de echte wereld. Je kunt niet -5 koekjes eten. In de wiskunde betekent dit dat er geen geldige "spectrale dichtheid" bestaat voor dit specifieke object. De formule van Gurau geeft hier een resultaat dat wiskundig niet als een echte verdeling kan worden geïnterpreteerd.

Waarom is dit belangrijk?

Tot nu toe hoopten wiskundigen dat Gurau's formule een universele sleutel was om complexe data te begrijpen, net zoals we dat doen met simpele matrices. Dit artikel zegt: "Helaas, die sleutel werkt niet voor elke deur."

Het laat zien dat er een groot verschil is tussen:

1. Het gemiddelde: Waar de wiskunde mooi en voorspelbaar is (zoals de wet van de grote aantallen).
2. Het individu: Waar de chaos kan leiden tot resultaten die de regels van de kansrekening schenden (zoals een negatieve koek).

Conclusie

De auteurs zeggen niet dat Gurau's idee verkeerd is. Ze zeggen alleen dat je het niet zomaar op elk willekeurig object kunt toepassen en hopen dat het resultaat een geldig "kaartje" oplevert. Voor sommige specifieke, complexe objecten is dat simply niet mogelijk.

Het is een beetje alsof je denkt dat elke vorm van muziek een mooie melodie moet hebben. Als je naar een symfonie luistert (het gemiddelde), klinkt het prachtig. Maar als je naar één specifiek, gekke noot luistert (de individuele tensor), kan het klinken als een geluid dat niet in de muziektheorie past. De auteurs hebben bewezen dat zo'n "foute noot" echt bestaat in de wereld van complexe tensors.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Gurau's spectral density is not a probability measure for individual real symmetric tensors" in het Nederlands.

Titel en Context

Titel: Gurau's spectrale dichtheid is geen waarschijnlijkheidsmaat voor individuele reële symmetrische tensoren.
Auteurs: Maximilian Jerdee, Dmitriy Kunisky, en Cristopher Moore.
Context: Het artikel onderzoekt de generalisatie van de matrixresolvent (een fundamenteel concept in de theorie van willekeurige matrices) naar hogere-orde tensoren, zoals voorgesteld door Gurau (2020). De auteurs testen of deze generalisatie voor individuele deterministische tensoren een geldige spectrale dichtheid (een waarschijnlijkheidsmaat) oplevert, vergelijkbaar met de empirische verdeling van eigenwaarden bij matrices.

---

1. Het Probleem

In de klassieke theorie van willekeurige matrices is de resolvent $R_X(z) = \frac{1}{N}\text{Tr}(zI - X)^{-1}$ gerelateerd aan de momenten van de empirische eigenwaardeverdeling. De coëfficiënten van de Laurent-reeksontwikkeling van $R_X(z)$ zijn de momenten $\frac{1}{N}\text{Tr}(X^k)$, die per definitie de momentenreeks vormen van een waarschijnlijkheidsmaat (de spectrale dichtheid).

Gurau (2020) stelde een analoge resolvent $R_T(z)$ voor voor reële symmetrische tensoren $T$ van orde $p$. De coëfficiënten van de reeksontwikkeling van $R_T(z)$ worden gegeven door invariant polynomen $I_k(T)$.

• De vraag: Bestaat er voor elke individuele tensor $T$ een waarschijnlijkheidsmaat $\gamma_T$ op $\mathbb{R}$ zodanig dat de momenten van $\gamma_T$ overeenkomen met de coëfficiënten $\frac{1}{N}I_k(T)$?
• Achtergrond: Voor willekeurige tensor-ensembles (zoals Gaussische verdelingen) is bewezen dat de verwachte momenten in de limiet $N \to \infty$ corresponderen met een geldige verdeling (een tensoriale generalisatie van de Wigner-halfcirkelwet).
• Het open probleem: Het was onbekend of deze eigenschap geldt voor elke individuele deterministische tensor $T$. Als dit niet het geval is, is de "spectrale dichtheid" van Gurau geen puntsgewijze definitie, maar slechts een concept dat geldt in het gemiddelde over een ensemble.

---

2. Methodologie

De auteurs gebruiken een combinatie van invariantentheorie, statistische mechanica (spin-glas theorie) en momenten-kumulant-relaties om een tegenvoorbeeld te construeren.

A. Wiskundige Formulering

1. Resolvent en Momenten: De resolvent $R_T(z)$ wordt gedefinieerd via een verwachting over een Gaussische vector $g \sim \mathcal{N}(0, I_N)$:
   $$R_T(z) = \frac{1}{z} \frac{\mathbb{E}[\|g\|^2/N \cdot e^{\frac{1}{pz}\langle T, g^{\otimes p}\rangle}]}{\mathbb{E}[e^{\frac{1}{pz}\langle T, g^{\otimes p}\rangle}]}$$
   De coëfficiënten van de reeksontwikkeling zijn gerelateerd aan de gekoppelde momenten (cumulanten) $\kappa_k$ van de willekeurige variabele $Y = \langle T, g^{\otimes p}\rangle$.
2. Relatie met Invarianten: Via Propositie 2.8 wordt aangetoond dat de coëfficiënten $I_k(T)$ evenredig zijn met de $k$-de cumulant van $\langle T, g^{\otimes p}\rangle$:
   $$\frac{1}{N}I_k(T) \propto \kappa_k(\langle T, g^{\otimes p}\rangle)$$
3. Voorwaarde voor een Maat: Voor een reeks getallen om de momenten van een niet-negatieve waarschijnlijkheidsmaat te zijn, moeten ze voldoen aan bepaalde positiviteitsvoorwaarden (zoals de Hankel-matrix moet positief semi-definitief zijn). Een noodzakelijke (maar niet voldoende) voorwaarde is dat de vierde cumulant $\kappa_4$ niet negatief kan zijn voor bepaalde verdelingen, of specifieker: als de verdeling symmetrisch is, moet $\kappa_4 = m_4 - 3m_2^2 \geq 0$ zijn voor een geldige verdeling (hoewel dit strikt genomen alleen geldt voor specifieke verdelingen, is een negatieve $\kappa_4$ vaak een teken van onmogelijkheid voor een standaard verdeling, of in dit geval direct een contradictie met de definitie van een spectrale dichtheid als niet-negatieve maat).

B. Constructie van het Tegenvoorbeeld

De auteurs construeren een specifieke tensor $T$ van orde $p=3$ in dimensie $N=27$ (dus $T \in \text{Sym}_3(\mathbb{R}^{27})$) zodanig dat de vierde cumulant van de bijbehorende willekeurige variabele negatief is.

1. Idee: Zoek een polynoom $q(g_1)$ van graad 3 zodat $\kappa_4(q(g_1)) < 0$.
   • Voor matrices ($p=2$) is dit onmogelijk omdat $g^T T g$ een som is van geschaalde $\chi^2$-variabelen, wat beperkte wetten oplevert.
   • Voor $p=3$ is de ruimte van mogelijke verdelingen groter.
2. Specifiek Polynoom: Ze kiezen een polynoom dat de vorm heeft van een homogenisatie van $g_1 - \frac{1}{10}g_1^3$.
   • Ze definiëren een willekeurige variabele $Y_N = g_1 \left(\frac{1}{N}\sum_{i=2}^{N+1} g_i^2\right) - \frac{1}{10}g_1^3$.
   • Door de Wet van de Grote Getallen convergeert $\frac{1}{N}\sum g_i^2 \to 1$, dus $Y_N \to g_1 - \frac{1}{10}g_1^3$.
3. Berekening:
   • Voor de limietvariabele $Y = g_1 - \frac{1}{10}g_1^3$ wordt berekend dat $\kappa_4(Y) = -\frac{87}{250} < 0$.
   • Voor eindige $N$ wordt de cumulant berekend als een functie $f(N)$.
   • De berekening toont aan dat $f(N) < 0$ voor alle $N \geq 26$.
4. Tensor Representatie: Omdat $Y_N$ een homogeen polynoom van graad 3 is in de variabelen $g_1, \dots, g_{N+1}$, bestaat er een symmetrische tensor $T^{(N)}$ zodanig dat $Y_N = \langle T^{(N)}, g^{\otimes 3} \rangle$.
   • Voor $N=26$ (dus dimensie 27) is de tensor expliciet gedefinieerd met specifieke waarden voor $T_{1,1,1}$ en $T_{1,i,i}$.

---

3. Belangrijkste Resultaten

• Hoofdstelling (Theorem 1.1): Er bestaat een deterministische reële symmetrische tensor $T \in \text{Sym}_3(\mathbb{R}^{27})$ waarvoor de vierde coëfficiënt $I_4(T)$ negatief is.
• Conclusie: Omdat de momenten van een waarschijnlijkheidsmaat niet kunnen leiden tot een negatieve vierde cumulant in deze context (of specifieker: de reeks kan niet de momenten zijn van een niet-negatieve maat), bestaat er geen waarschijnlijkheidsmaat $\gamma_T$ die voldoet aan de momentenvergelijking voor deze specifieke tensor.
• Implicatie voor de "Spectrale Dichtheid": De "spectrale dichtheid" geassocieerd met Gurau's resolvent is niet puntsgewijs gedefinieerd voor elke individuele tensor. Het is slechts een goed gedefinieerd concept in het gemiddelde over bepaalde willekeurige ensembles (zoals de Gaussische verdeling), maar faalt voor specifieke deterministische realisaties.
• Continuïteit: Omdat $I_4(T)$ een continu polynoom is, bestaat er een heel open bol van tensoren rondom het gevonden tegenvoorbeeld die ook geen geldige spectrale dichtheid hebben.

---

4. Significatie en Discussie

• Fundamentele Beperking: Het werk toont een fundamenteel verschil tussen matrices ($p=2$) en hogere-orde tensoren ($p \geq 3$). Bij matrices garandeert de spectrale stelling dat de verdeling van $g^T T g$ altijd een geldige spectrale dichtheid heeft. Bij tensoren ontbreekt deze structuur, waardoor "pathologische" verdelingen kunnen ontstaan die geen geldige spectrale dichtheid toelaten.
• Interpretatie van Gurau's Werk: De resultaten verduidelijken dat de succesvolle toepassing van Gurau's formalisme in de literatuur (bijv. voor de Wigner-halfcirkelwet) berust op het nemen van een ensemble-gemiddelde. De "spectrale dichtheid" is dus een emergent fenomeen van het ensemble, geen eigenschap van individuele objecten.
• Mogelijke "Oplossing" (Opmerking 1.2): De auteurs merken op dat men de definitie kan uitbreiden door $\gamma_T$ toe te staan een gesigneerde maat (signed measure) te zijn in plaats van een strikt niet-negatieve waarschijnlijkheidsmaat. Elke reeks reële getallen kan namelijk worden geïnterpreteerd als de momenten van een gesigneerde Radon-maat. Dit zou de formaliteit kunnen redden, maar verliest de fysieke interpretatie van een dichtheid.
• Toekomstig Onderzoek: Het artikel nodigt uit tot verdere verduidelijking van deze situatie, bijvoorbeeld door te onderzoeken onder welke voorwaarden een tensor toch een geldige spectrale dichtheid heeft, of door de rol van gesigneerde maten in de tensor-eigenwaarde theorie verder te onderzoeken.

Samenvattend: Dit paper weerlegt de hypothese dat Gurau's resolvent voor elke individuele tensor een geldige spectrale dichtheid (als waarschijnlijkheidsmaat) definieert, door een expliciet tegenvoorbeeld te construeren waarbij de vierde moment-coëfficiënt negatief is. Dit benadrukt het onderscheid tussen ensemble-gemiddelde eigenschappen en puntsgewijze eigenschappen in de theorie van willekeurige tensoren.