Ma ierzowe te hniki zyki teorety znej
w telekomunika ji i inny h realny h
ukªada h zªo»ony h
Grzegorz ukaszewski
Rozprawadoktorska
opra owana w ZakªadzieTeorii Ukªadów Zªo»ony h
podkierunkiem prof. dr hab. Ma iejaNowaka
4.3. Funk jaGreena1-punktowa-rozkªadWisharta . . . 27
4.4. Funk jaGreena2-punktowa . . . 31
4.4.1. Funk jaGreena2-punktowa,rozkªadGaussa . . . 32
4.4.2. Funk jaGreena2-punktowa,rozkªadWisharta . . . 34
4.5. Wolnekumulanty . . . 36
Rozdziaª 5. Funk ja Greena dla momentów odwrotny h . . . 38
Rozdziaª 6. Zwi¡zki pomidzy momentamima ierzowymi . . . 41
6.1. Zwi¡zekmomentówgrani zny hzobserwowanymi . . . 41
6.2. Zwi¡zekma ierzydyspersjizmomentami1-rzdu . . . 44
Rozdziaª 7. Rekonstruk ja widma -konstruk ja estymatorów . . . 49
7.1. Estyma jawidma -zaªo»eniaogólne. . . 50
7.2. Estymatoranality zny . . . 51
7.2.1. Warto±¢
I
max
westymatorzeanality znym . . . 557.3. Estymatorstatysty zny. . . 57
7.4. Estymatorydualne . . . 61
7.4.1. Estymatoranality znydualny . . . 61
7.4.2. Estymatorstatysty znydualny . . . 64
Rozdziaª 8. Rekonstruk ja widma -symula je . . . 66
8.1. Eksperymentwstpny. . . 66
8.2. Istotne parametry . . . 69
8.3. Miaraniedokªadno± iestyma ji . . . 71
8.4. Wnioskowaniezpojedyn zegopomiaru,mapaniedokªadno± i . . . 72
8.5. Minimalna li zbapowtórze« . . . 73
8.6. Eksperyment1-estymatoryanality znyistatysty zny . . . 76
8.7. Porównanieestymatorów . . . 77
8.8. Eksperyment2-estymatoranality znyzwykªyorazdualny . . . 80
8.9. Poziomi enamapieniedokªadno± i . . . 82
8.10. Analizawektorówwªasny h . . . 86
8.11. Przykªad estyma jiprzy
dim Θ = 5
. . . 878.12. PorównaniedoestymatoraGirkoprzy
dim Θ = 7
. . . 88Dodatek A. Konwen je w telekomunika ji izy e . . . 94
A.1. Funk jaGreenaoraztransformataStieltjesa . . . 94
A.2. 1-punktowafunk jaGreenaoraztransformataCau hy'ego . . . 95
A.3. 2-punktowafunk jaGreenaoraztransformataCau hy'ego . . . 95
A.4. Wolnekumulantywpodej± iuVoi ules uorazZee. . . 96
A.5. Pojemno±¢informa yjna, wolnaenergiaorazfunk jaBlue . . . 97
Dodatek B. Przykªady ra hunków FRV . . . 101
B.1. Rela je dlamomentówma ierzykowarian ji . . . 101
B.2. RozkªadMar
˘
henko-Pastura . . . 104Dodatek C. Tabele momentów ma ierzowy h1-go oraz2-gorzdu . . . 107
Dodatek D. Interpreta ja topologi zna diagramów Feynmana . . . 116
z¡ y h, jakte»poszukiwanie szybko irównie»skute znie dziaªaj¡ y halgorytmów
wykonuj¡ y h niezbdne do pra ysystemów komunika yjny h obli zenia. Wszystko
to skutkuje oraz wy»szymi wymaganiami stawianymi nowym te hnologiom, które
aby mó w efek ie ko« owym zapewni¢ i h u»ytkownikom zadowalaj¡ e rezultaty
musz¡ tym wymaganiom sprosta¢.
Niezwykleatrak yjn¡metod¡przekazywaniainforma jijestkomunika jaza pomo ¡
medium w posta i fal elektromagnety zny h, które w ªatwy sposób mog¡ dotrze¢
prakty znie wszdzie, zapewniaj¡ przy tym u»ytkownikomswobod w posta i
mo-bilno± i. Te podstawowe wªasno±i falE-M de yduj¡o atrak yjno± i telekomunika ji
i sprawiaj¡, »e jest ona obe nie jednym z najbardziej po»¡dany h sposobów
prze-kazywania informa ji. Z drugiej strony ogromnym problemem s¡ ograni zone
za-sobywposta ipasma, którymwraz zrosn¡ ym zapotrzebowaniem naprzesyª oraz
wikszy h ilo± idany h zmuszenijeste±myosz zdniegospodarowa¢. Wtejsytua ji
przedmiotem »ywego zainteresowania staªosi poszukiwanienowy h te hnologii,
e- huj¡ y hsimniejszymzapotrzebowaniemnazajmowanepasmoprzyzadanej
prd-ko± itransmisji. Dostpny hjestwielepozy jiliteraturowy hdoty z¡ y htransmisji
bezprzewodowej,po z¡wszyodpodstawtelekomunika ji[1℄pobardziejwspóª zesne
podr znikidoty z¡ eteorii informa ji,przetwarzania iprzesyªaniasygnaªów
yfro-wy h [2℄.
Na uwag wsposób sz zególny zasªuguje komunika ja wielowymiarowa realizowana
przez kanaª typu MIMO (z ang. Multiple-Input Multiple-Output), a wi kanaª
komunika yjny o wielu wej± ia h oraz wielu wyj± ia h. W przypadku komunika ji
bezprzewodowej wyj± iami kanaªu s¡ sygnaªy nadawane przez ukªad wielu anten,
orazanalogi zniewej± iamis¡sygnaªy odbierane przezukªad wieluanten. Pierwsze
pionierskiepra ewtymzakresie[3,4℄ukazaªysiwlata h1998-1999,awi dopiero
kilkana± ielattemu. Atrak yjno±¢kanaªutypuMIMOpolegaªanatym,»ejak
wyni-kaªozobli ze«,pojemno± i¡kanaªu(zang. Capa ity)rozumianajakomaksymalna
mo»liwa do osi¡gni ia prdko±¢ transmisji pozbawionej jesz zebªdów, byªa
samego pasmawobydwu przypadka h. Wynikaj¡ yz ra hunkówwzrostpojemno± i
byª tym wikszy, im wi ej anten posiadaª rozpatrywany kanaª. Byªy to
o zywi-± ie przesªankiniezwykleobie uj¡ e,tematykakanaªówMIMOstaªasiwi szybko
bardzo atrak yjna. Prakty znie naty hmiast nast¡piª okres dynami znego rozwoju
[5, 6,7,8,9℄,przy zymwieleuwagipo±wi onoprojektowaniu orazanaliziemodeli
komunika jipod k¡temi h wªasno± igrani zny h [10,11 ,12℄.
Wa»nym aspektem staªa si prakty zna umiejtno±¢ wykorzystania mo»liwo± i
ja-kie kryje w sobie komunika ja MIMO. Konstruowano wi oraz skute zniejsze
al-gorytmy detek ji sygnaªu, które pozwalaªy uzyska¢ oraz wiksze prdko± i
trans-misji. Ostate znym elem byªo o zywi± ie zbli»enie si do fundamentalnej
gra-ni y opisywanej przez pojemno±¢ informa yjn¡ kanaªu. Wymieniaj¡ gªówne
me-todydetek jisygnaªuMIMOnale»yprzdewszystkimwspomnie¢odetektora htypu
ZF-DF(Zero-For ingwithDe isionFeedba k)[13℄,SD(SphereDe oding)[14℄,SDR
(Semidenite-Relaxation) [15, 16℄, LR (Latti e Redu tion) [17 ℄, oraz o najbardziej
te hnologi znie zaawansowany h algorytma h detek ji SD (Soft De ision) [18 , 19℄,
pozwalaj¡ y hrealnie uzyska¢ prdko± i transmisji zbli»onedo limitu Capa ity.
Komunika ja poprzez kanaª typu MIMO zostaªa s hematy znie pokazana na
Ry-sunku 1.1,przy zymwogólno± ili zbawej±¢oraz wyj±¢niemusz¡by¢ takiesame.
Istotnym faktem jest za hodz¡ a w kanale transmisyjnym interferen ja pomidzy
posz zególnymi sygnaªami nadawanymi (z tego wzgldu kanaªtego typu nazywany
jestte»kanaªeminterferen yjnym). Ozna zato,»esygnaªyoddziaªujamidzysob¡
w pewien sposób. Dodatkowo sygnaªjest zakªó anyprzez szum addytywny. Warto
zauwa»y¢, »e badania nad ukªadami, gdzie obe ny h jest wiele z¡stek
oddziaªu-j¡ y h wzajemnie rozpo zto w zy e ju» dawno - potramy statysty znie opisa¢
za howanie gazów zy ie zy. Istniej¡ e analogie pomidzy za howaniem sygnaªów
w komunika ji a za howaniem z¡stek w zy e statysty znej pozwalaj¡ zastosowa¢
niektóre narzdzia wywodz¡ e si z zyki do telekomunika ji, dziki zemu midzy
innymi rozwój wtejdziedzinie nastpuje tak szybko.
Rysunek 1.1. Kanaª komunika yjnyMIMO,sygnaªy wej± ioweinterferuj¡zesob¡ pod zas
pro esuprzesyªu.
Ze wzgldów prakty zny h systemy telekomunika yjne projektowane i analizowane
s¡ zsto wzna znie uprosz zonysposób,mianowi iepro eskomunika ji podzielony
jest nakolejneetapy,takjakto pokazanona Rysunku1.2. Wtakim modelusygnaª
po hodz¡ y z wielu ¹ródeª traa do kanaªu MISO (Multiple-Input Single-Output,
Rysunek1.2. Uprosz zonymodel kanaªukomunika yjnego,sygnaªynadawanetraaj¡
naj-pierw dowielodostpowegokanaªuMISO, nastpnieprzezsie¢ przekazywanes¡dokanaªu
rozgªoszeniowegoSIMO.
Powró¢my domodelukomunika jiprzezkanaªMIMO,pokazanegonaRysunku1.1.
Je±liprzez
x
ozna zymywektorsygnaªunadanego,przezn
ozna zymywektorszumu, natomiast przezH
ozna zymy ma ierz kanaªow¡, to wektory
sygnaªu odebranegomo»emy zapisa¢wposta i
y = Hx + n,
(1.1)lubte» wrównowa»nej posta imo»emy zapisa¢
r = H
†
y = H
†
Hx + H
†
n,
(1.2)gdzie sygnaªemodebranym jest
r
. Wrezulta ieka»dez wyj±¢(ka»daze skªadowy hy
lubr
)zawierainforma jepo hodz¡ ezka»degozwej±¢(skªadowewektorax
),oraz dodatkowo odbierany sygnaª zakªó ony jest szumem addytywnym. Co wa»ne [20 ℄,wektor
r
zawieradokªadnie takiesameinforma je natematx
o wektory
. Ozna zatowprakty e,»einteresuj¡ anasinforma janatematsygnaªunadanego
x
mo»eby¢ dokªadnie wtakim samymstopniu odtworzonanapodstawiey
lubr
,awi istotnie kanaªy 1.1oraz1.2 s¡równowa»ne.W zale»no± i odkonkretnegosystemuzna zenie skªadowy h posz zególny h
wekto-róworaz samejma ierzy
H
jest ró»ne. Wymie«my kilkapodstawowy hzastosowa«, skupiaj¡ uwag na systema hbezprzewodowy h:Systemy wieloantenowe MIMO - skªadowe wektorów
x
orazy
reprezentuj¡ sy-gnaªy nadawane oraz odbierane przez sie¢K
anten nadaw zy h orazN
antenodbior zy h. Ma ierz
H
opisujeinterferen j pomidzysygnaªamiza hodz¡ ¡w przestrzeni (nakªadanie sygnaªów, odbi ia itp.). Wprakty e tegotypu systemystosowane s¡ do poprawy prdko± i transmisji pomidzy nadajnikiem a
odbior-nikiem,a wi kanaª MIMO 1.1sªu»yw isto iedo realiza jisystemu typuSISO
(Sinle-Input Single-Output, jedno wej± ie, jedno wyj± ie).
SystemyCDMA(Code-DivisionMultiple-A ess)-maj¡na eluzapewni¢dostp
Konstruk ja tego typu systemu oparta jest o ide wielodostpu oraz
rozgªasza-nia, które realizowane s¡ w prakty e za pomo ¡ tzw. te hniki rozproszonego
widma(zang. spread spe trum). Wkanalewielodostpu (reverselink, uplink)
skªadowe wektora
x
ozna zaj¡ dane wej± iowe po hodz¡ e odK
u»ytkowników, natomiastwektory
stanowipojedyn zewyj± iewielowymiarowegosygnaªu,któryjest nadawany. Po stronie rozgªoszeniowej (forward link) skªadowe wektora
r
to sygnaªodbierany przezK
u»ytkowników, pod zasgdy wektory
jest traktowany jakopojedyn zywielowymiarowysygnaªwej± iowy. Wobydwuprzypadka hma- ierz
H
zawiera sekwen je rozpraszaj¡ e dla ka»dego zK
u»ytkowników (nada-j¡ y h, odbieraj¡ y h), zapisane w kolejny h kolumna h. System CDMA jestwi formalnie systemem typu MIMO, realizowanym za pomo ¡
wspóªpra uj¡- y hzesob¡kanaªówtypuMISOorazSIMO.(takisystemMIMOniejestkanaªem
MIMO,któryrozumie¢ nale»ywsensieobe nejwkanaleinterferen ji sygnaªów).
System OFDM (Orthogonal Frequen y-Division Multiple-A ess) - oparty jest
o podziaª no±nika informa ji (zang. arrier) na wiele sub- arriers (polskie
tªuma zenie jest wtym przypadku maªo zgrabne: pod-no±niki). Skªadowe
wek-torów
x
orazy
reprezentuj¡ sygnaªprzesyªanyzapo±redni twemposz zególny hsub- arriers postronienadaw zejorazodbior zej,natomiastma ierz
H
opisuje interferen jpomidzyposz zególnymi sub- arriers. Systemtegotypuwzale»-no± iodimplementa ji mo»ezawiera¢ jednolubwiele wej±¢orazjednolubwiele
wyj±¢.
Klu zow¡kwesti¡jest,»ew eluanalizywªasno± istatysty zny hkanaªu1.1lub1.2
mo»emy posªu»y¢ si jego modelem, w którym za ma ierz kanaªow¡
H
we¹miemyma ierzlosow¡zrozkªaduookre±lony hwªasno± ia h,wmo»liwienajbardziejwierny
sposób oddaj¡ y h wªasno± i rze zywistego systemu. W ten wªa±nie sposób w
ko-munika jiwielowymiarowej pojawiaj¡ si ma ierze losowe[3, 4 ℄.
Warto zwró i¢ uwag na pewien istotny fakt, mianowi ie kiedyw lata h 1998-1999
u±wiadomionosobiemo»liwo±¢modelowaniakanaªuMIMOzapomo ¡ma ierzy
loso-wy h,matematykaizykadyposponowaªyju»gotowymnarzdziemwposta iTeorii
Ma ierzy Przypadkowy h [21, 22,23℄, idealniepasuj¡ ym do opisurozwa»anego
za-gadnienia. Cowi ej, natamt¡ hwil odokoªodziesi ulatistniaªa zasªuguj¡ ana
sz zególn¡uwagkon ep jaswobodny hzmienny hprzypadkowy h(wskró ieFRV
-zang. FreeRandomVariables),którapojawiªasiporazpierwszywroku1985[24 ℄
a nastpnie wlata h 90-ty h byªa ju» suk esywnie rozwijana [25 , 26℄. Przy
zaªo»e-niu, »e dlarozwa»any h ma ierzyspeªnionyjestjej podstawowy warunek nazywany
freeness dysponujemy narzdziami w posta i transforma ji R oraz S [27℄. Z i h
pomo ¡ mo»liwe jestsprawneprzeprowadzanie wielura hunkówtrudny hlubwr z
niewykonalny h innymimetodami. Narzdzia tewzastosowaniudo telekomunika ji
wielowymiarowej okazaªy si bardzoprzydatne.
Szybki rozwój telekomunika ji w zakresie analizy wªasno± i kanaªów MIMO
nast¡-piª wi w zna znym stopniu dziki zastosowaniu gotowego narzdzia na grun ie
nowy h problemów, doktóry h jakwspomniano teoria pasowaªa wr zidealnie. W
sz zególno± imo»liwestaªosimodelowaniekanaªówkomunika yjny h,zarównoty h
ni¡ rz¡dz¡ e, zwra aj¡ jedynie uwag na eny ak ji w kolejny h hwila h zasu,
to za howanie gieªdy mo»na zapisa¢ w posta i du»ej ma ierzy, a dokªadniej rze z
ujmuj¡ interesuj¡naswzgldne zmiany en ak ji. Podobnie jak wprzypadku
tele-komunika jiza howanie gieªdyzpowodzeniemmo»namodelowa¢przyjmuj¡ pewne
zaªo»enia za temat ma ierzy notowa«. Okazuje si, »e eny ak ji posz zególny h
spóªek nie s¡ niezale»ne, ale wystpuj¡ midzy nimi pewne korela je. Analizuj¡
ma ierz z danymi gieªdowymi mo»emy na przykªad odtworzy¢ sektory gospodar ze
orazwysz zególni¢ konkretnespóªkipowi¡zanegospodar zo. Interesuj¡ ejesttak»e
zjawisko wystpowania tzw. korela ji zasowy h,bd¡ y hz o zywisty hwzgldów
przedmiotem niezwykle »ywego zainteresowania inwestorów. Popularnymi
przykªa-damizastosowaniaTeoriiMa ierzyPrzypadkowy hdogieªdys¡naprzykªadproblem
stworzeniatzw. optymalnegoportfelainwesty yjnego zyobli zenieValue-at-Risk
orazwielepodobny hzagadnie«,bd¡ y hprzedmiotemzainteresowaniaekonozyki
[30 , 31,32 , 33,34,35 ℄.
Innym, dosy¢ zaskakuj¡ ym,przykªadem zastosowania TeoriiMa ierzy
Przypadko-wy h jest analiza dany h neurobiologi zny h. W tym przypadku sygnaª po hodzi
bezpo±rednio z mózgu pa jenta, przy zym aktywno±¢ posz zególny h jego
obsza-rów rejestrowana jest dziki wykorzystaniu te hniki EEG (elektroen efalograa).
Pierwszepra e pionierskie doty z¡ eobserwa ji aktywno± imózgu zapomo ¡ EEG
ukazaªy si w lata h70-ty h [36 , 37℄, kiedyto zaobserwowano, »e w rejestrowany h
sygnaªa hpojawiaj¡sipewne harakterysty zne zstotliwo± i. Dalszyrozwójwtej
dziedzinie polegaª na doskonaleniu instrumentów pomiarowy h, poszukiwaniu
ogól-ny hprawidªowo± i rejestronwanegosygnaªu zyte»jegokorela jizró»negorodzaju
bod¹ ami. Natomiastnie aªedziesi¢ lat temu zauwa»ono, »e sygnaªEEGzapisany
w posta i ma ierzy mo»na w pewny h warunka h modelowa¢ za pomo ¡ ma ierzy
przypadkowy h [38 ℄. Badaniadany h neurobiologi zny h z u»y iemTeorii Ma ierzy
Przypadkowy h s¡jednak na hwil obe n¡wdosy¢ po z¡tkowej fazie.
Warto wspomnie¢, »e rozwa»aj¡ dany model (kanaª MIMO, notowania gieªdowe
itd.), pojawiaj¡ e si w nim ma ierze naj z± iej traktujemy jako Gaussowskie, a
wi ma ierz kowarian ji jest ma ierz¡ Wisharta ( ho¢ nie zawsze takie zaªo»enie
jest aªkiemdobre, np. wnansa hrozwa»a site» modele zbudowane wopar iu o
ma ierzeokre±lanemianemma ierzyz i»kimiogonami, jaknaprzykªadma ierze
L
´e
vy'ego [33 ℄, zyte» inne zespoªy o podobny h wªasno± ia h). Zpunktu widzenia analizywªasno± isystemówMIMO,aletak»etak»ekonstruk jikonkretny hDokªadniej rze z ujmuj¡ interesuje nas mo»liwo±¢ wnioskowania na temat widma
ma ierzy kowarian ji na podstawie mo»liwego do zmierzenia w wyniku
przeprowa-dzony h obserwa ji (pomiarów) widma tzw. do±wiad zalnej ma ierzy kowarian ji.
Zagadnienietoobe nejestwmatematy eoddªu»szego zasu,przy zymobe nystan
wiedzynajego tematzawieraj¡pra e[39 ,40 ,41,42,43℄. Cowa»ne,wprakty zny h
zastosowania h istotne jest zarówno mo»liwie wierne odtworzenie widma ma ierzy
kowarian ji jak te» wykonanie tego zadania mo»liwie szybko, bowiem naj z± iej
systemytelekomunika ji musz¡dziaªa¢w zasie rze zywistym.
Prezentowana pra a doktorska wpisuje si w zarysowany powy»ej nurt. Poruszane
w niej zagadnienia doty z¡ metod i narzdzi przydatny h pod zas przetwarzania i
obróbki dany h ma ierzowy h. Sz zególny na isk poªo»ony zostaª na
wykorzysta-nie w obli zenia h metod diagramaty zny h, wykorzystaniu kon ep ji swobodny h
zmienny h przypadkowy h oraz na zagadnieniu estyma ji widma zaszumionej
ma- ierzy kowarian ji. Zaproponowana w pra y nowa, nieprezentowana dot¡d metoda
odtwarzania widma (nazwana robo zoanality znym estymatorem widma)wydaje
siby¢atrak yjn¡alternatyw¡dlametodobe niestosowany h,zwªasz zazewzgldu
nabrakkonie zno± iokre±lenianawstpiemultipli ity dlaposz zególny hwarto± i
wªasny h,aletak»e ze wzglduna du»¡ szybko±¢jej dziaªania. Ponadto
zapropono-wana zostaªa prosta i przy tym przejrzysta metoda badania zakresu stosowalno± i
badanego estymatora widma (zakres rozumiany w sensie wymiarów ma ierzy
ob-serwa ji), która przy okazji mo»e sªu»y¢ jako wygodne narzdzie porównaw ze dla
ró»ny h estymatorów. Z tego punktu widzenia spora z±¢ pra y doty zy rozwoju
skute znie i niezawodnie dziaªaj¡ y h metod sªu»¡ y h przetwarzaniu dany h
ma- ierzowy h. Poruszono tak»e wa»ne zagadnienie jakim jest pojemno±¢ systemów
uprasz zaj¡ ew zna z¡ ysposóbra hunki, wktóry h pojawia si rozwini ie
funk- ji Greena. W sz zególno± i przeprowadzonezostaªo wyprowadzenie funk jiGreena
1-punktowej w przypadka h zespoªów Gaussa oraz Wisharta, zego wynikami s¡
odpowiednio póªkole Wigneraoraz rozkªadMar
˘
henko-Pastura. Nastpnie,równie» z u»y iem metod diagramaty zny h, zostaªy obli zone funk je Greena 2-punktowewprzypadka hzespoªuGaussaorazWisharta,orazpokazanowyprowadzenie wzoru
deniuj¡ ego wolnekumulanty.
Kolejny Rozdziaª 5 przedstawia ra hunek, którego wynikiem s¡ wzory pozwalaj¡ e
obli zy¢ 1-punktow¡ oraz 2-punktow¡ funk j Greena dla odwrotno± i danego
ze-spoªuma ierzowego, przy zymodwrotno±¢ zespoªurozumianajest jako zespóª
zªo-»onyz odwrotno± ima ierzytworz¡ y h zespóªwyj± iowy.
W Rozdziale 6 pokazany zostaª sposóbuzyskania rela ji wyra»aj¡ y h kolejne
mo-mentyma ierzowe1-rzdudo±wiad zalnejma ierzykowarian ji
S
(gdzieS
toma ierz kowarian jima ierzyobserwa jiX
owymiarzeN ×M
)zapomo ¡momentów ma ie-rzykowarian jiΣ
,orazrela jidoni hodwrotny h. Pokazanotak»ejaknapodstawiewyniku ra hunku przedstawionego w Rozdziale 4 mo»na wyrazi¢ momenty
ma ie-rzowe2-rzdu zapomo ¡momentówma ierzowy h1-rzdu. Wszystkiewspomniane
ra hunkizostaªyprzeprowadzonetak»edlama ierzyodwrotny h. Nakonie obydwa
wzory (w wersjipodstawowej oraz w wersji dla ma ierzy odwrotny h) wi¡»¡ e
mo-menty ma ierzowe 2-rzdu z momentami 1-rzdu zostaªy numery znie sprawdzone
dla ró»ny h wymiarówma ierzy obserwa ji
X
.Kolejny Rozdziaª 7 przybli»a problem estyma ji widma ma ierzy kowarian ji
Σ
na podstawie znajomo± i do±wiad zalnej ma ierzy kowarian ji. Przedstawionosz ze-góªowo konstruk j dwó h estymatorów, anality znego oraz statysty znego, które
reprezentuj¡ zupeªnieodmienne podej± iadozagadnienia. Rozwa»onyzostaªwpªyw
li zby ró»ny h warto± i wªasny h w hodz¡ y h w skªad widma na dziaªanie
esty-matora anality znego. Dodatkowopokazanyzostaªsposóbkonstruk jidodatkowy h
znajo-Rozdziaª 8 doty zy implementa ji oraz wzajemnego porównania rozwa»any h
es-tymatorów widma. W rama h przygotowania do przeprowadzenia zaplanowany h
symula ji rozwa»onezostaªy zagadnienia takie jak: ustalenie parametrów istotny h
z punktu widzenia dziaªania estymatorów, na tej podstawie zaproponowano miar
pozwalaj¡ ¡ wsposóbilo± iowy opisa¢niedokªadno±¢uzyskany hestyma ji(dla
da-nego estymatora, na podstawie ma ierzy obserwa ji o dany h wymiara h),
wpro-wadzono poj ie mapy niedokªadno± i oraz podjta zostaªa próba osza owania
mi-nimalnej statystyki konie znej dla uzyskania wyników o rozs¡dnej wiarygodno± i.
Nastpnie wykonany zostaª'Eksperyment 1', maj¡ y na elu porównanie dziaªania
estymatora anality znego oraz statysty znego. Kolejny 'Eksperyment 2' sªu»yª
po-równaniu dziaªania estymatora anality znego w wersji podstawowej oraz dualnej,
przy zymzbadanotak»ejakzmienia siró»ni a pomidzy badanymiestymatorami
wraz z przeskalowaniem warto± i wªasny h w hodz¡ y h w skªad widma. Zgodnie
z kon ep j¡ prezenta jiwynikówsymula ji namapa hniedokªadno± i wszystkie
sy-mula jezostaªywykonanewszerokimzakresiewymiarówma ierzyobserwa ji
X
. Wnastpnej kolejno± i podjto prób analizyprzekrojówprzez powierz hniuzyskan¡
jakowynik'Eksperymentu1'orazzbadanoorienta jwektorówwªasny h. Pokazany
zostaª przykªad dziaªania estymatora anality znego dla wikszej li zby stopni
swo-body. WRozdziale8.12wykonanokilkasymula jisªu»¡ y hporównaniuestymatora
anality znego doestymatoraGirko (tzw. G-estymator).
Ostatni Rozdziaª 9 zawiera podsumowanie pra y oraz krótkie omówienie gªówny h
jej wyników.
DodatekAstanowipewnegorodzajusªownik pomidzydeni jamiinazewni twem
stosowanymi przez ±rodowiska zyków, matematyków oraz in»ynierów np.
teleko-munika ji. Pokazano na zym konkretnie polegaj¡ ró»ni e wynikaj¡ e z u»ywania
ró»ny hdeni ji doty hsamy hlubanalogi zny hobiektów. Jednym zprzykªadów
jest obli zenie pojemno± i informa yjnejdlakanaªuMIMO.
WDodatku Bpokazanoprzykªadyra hunkówwykonany hz u»y iem transforma ji
RorazS,awi narzdziwywodz¡ y hsizkon ep jiswobodny hzmienny h
przy-padkowy h.
Dodatek C zawiera tabele rela ji pomidzy kolejnymi momentami ma ierzowymi,
któreze wzgldu nadu»¡ objto±¢ niezostaªy umiesz zonewRozdziale 6.
W Dodatku D przedstawiona zostaªa topologi zna interpreta ja diagramów F
eyn-mana. Rozwa»ano harakterystyk Eulera grafów bez ko« ów. Pokazano zwi¡zek
ty h grafów z grafami stanowi¡ ymi elementy rozwini ia funk ji Greena, ze
sow¡
x
o rozkªadzie prawdopodobie«stwap(x)
, dla której zdeniujemy funk jF
x
(q)
generuj¡ ¡ momentyoraz funk jC
x
(q)
generuj¡ ¡ kumulantyF
x
(q) =
Z
e
qx
p(x)dx,
C
x
(q) = log F
x
(q).
Momentami zmiennej losowej
x
nazywamy wspóª zynnikim
n
rozwini ia funk ji generuj¡ ej momentyw posta iF
x
(q) =
∞
X
n=0
q
n
n!
Z
x
n
p(x)dx =
∞
X
n=0
q
n
n!
m
n
,
natomiastkumulantamibdziemynazywa¢wspóª zynniki
κ
k
rozwini iafunk ji ge-neruj¡ ej kumulanty, o mo»emy zapisa¢w posta iF
x
(q) =
∞
X
n=0
q
n
n!
m
n
= exp
"
∞
X
k=0
q
k
k!
κ
k
#
Powy»sza deni ja kumulant pozwala w sposób rekuren yjny wyrazi¢ moment
m
n
za pomo ¡ kumulantκ
k
,gdziek = 1, . . . , n
. Kilkapierwszy hrela jiwygl¡da nast-puj¡ om
1
= κ
1
m
2
= κ
3
+ κ
2
1
m
3
= κ
3
+ 3κ
2
κ
1
+ κ
3
1
Deni ja 2 (rednia ma ierzowa) Rozwa»my zespóª ma ierzy
M
o wymiara hN × N
wraz zmiar¡ ma ierzow¡dM
orazpewnympoten jaªemV (M )
deniuj¡ ym rozkªad prawdopodobie«stwa dla tego zespoªu jakoP (M ) = exp[−N
TrV (M )]
. Dlafunk ji
F (M )
mo»emyzdeniowa¢ ±redni¡hF (M)i
po zespolema ierzowymM
jako aªkhF (M)i =
Z
dM P (M )F (M ) =
Z
dM exp[−N
TrV (M )].
Deni ja 3 (rednia ma ierzowa onne ted) Rozwa»my zespoªy ma ierzy
A
orazB
o wymiara hN × N
oraz przyjmijmy, »e speªnione s¡ zaªo»enia Deni ji2. Wów zas dla zespoªów ma ierzy
A
orazB
mo»emy zdeniowa¢ ±redni¡ ma ie-rzow¡ onne ted w posta ihABi
c
= hABi − hAi hBi
Deni ja4 (Funk ja Greena) Dlazespoªuma ierzowego
H
zdeniujemyfunk jGreena (rezolwent) w posta i
G(z) =
1
N
Tr1
1N
z − H
.
Deni ja 5 (Momenty ma ierzowe) Nie h
A = (A
N
)
N
∈N
ozna za zespóª ma- ierzowy o rze zywisty h warto± ia h wªasny h. Wów zas zdeniujemy momentyma ierzowe pierwszego rzdu wposta i
α
A
j
= lim
N
→∞
1
N
TrA
j
N
orazmomenty ma ierzowe drugiego rzdu jako
α
A
i,j
= lim
N
→∞
D
TrA
i
N
,
TrA
j
N
E
on,
przy zym< AB >
on=< AB > − < A >< B >
.Deni ja 6(Szeregi potgowe) Rozwa»my zespóªma ierzowy
A
o rze zywisty hwarto± ia h wªasny h, posiadaj¡ y momenty ma ierzowe pierwszego oraz drugiego
rzdu. Zdeniujemy szereg potgowy pierwszego rzdujako
M
A
(x) = 1 +
X
j
≥1
α
A
j
x
j
(3.1)orazszereg potgowy drugiego rzduw posta i
M
A
(x, y) =
X
i,j
≥1
α
A
i,j
x
i
y
j
.
(3.2)Deni ja7(Swobodne kumulanty ) Swobodnekumulantyzgodniezterminologi¡
wprowadzon¡przezVoi ules u[25℄deniujemywsposóbpo±rednipoprzezi hfunk j
tworz¡ ¡
R(x)
oraz funk j GreenaG(x)
jakoR(x) =
X
n
≥1
κ
n
x
n
−1
,gdzie1
jest speªniony dla wszystki h
j ≥ 3
oraz wszystki hi(1), . . . , i(r) ∈ N
, gdzieκ
r
ozna- za r-t¡ kumulant klasy zn¡.Deni ja 9 (Wektor uktua ji momentów ma ierzowy h) Nie h zespóª
ma- ierzowy
A
N
posiada grani zny rozkªad momentów 2-go rzdu. Fluktua je momen-tów ma ierzowy h pierwszego rzdu zapiszemy w posta i wektora o niesko« zonymwymiarze w posta i
(v)
j
=
TrA
j
−
TrA
j
.
3.2. Podstawowe narzdzia ra hunkowe
Ra hunki w bazie diagonalnej
Zapisuj¡ rozwa»any problem w bazie diagonalnej pojawiaj¡ si takie poj ia jak
spektralna gsto±¢ prawdopodobie«stwa
ρ(λ)dλ
orazrównowa»ne z Deni j¡ 5 mo-menty spektralnewyra»one jakom
k
=
1
N
TrA
k
N
=
Z
ρ(λ)λ
k
dλ.
Wprzypadku kiedywidmojestdyskretnezapiszemyodpowiednio
prawdopodobie«-stwo
p
i
pojawieniasiwwidmiewarto± i wªasnejλ
i
,natomiastmomentyspektralne wynosi¢bd¡m
k
=
P
i
(λ
i
)
k
p
i
.Ponadtomamymo»liwo±¢skorzystaniarela ji wposta i
lim
ǫ
→0
1
λ ± ǫ
=
P1
λ
∓ iπδ(λ),
oraz zezwi¡zku ª¡ z¡ ego gsto±¢prawdopodobie«stwa
ρ(λ)
z funk j¡ Greenaρ(λ) = −
1
π
lim
ǫ
→0
ℑG(z)|
z=λ+iǫ
.
Mo»emy te» o zywi± ie wyrazi¢ funk j Greena za pomo ¡ warto± i wªasny h w
posta i
G(z) =
1
N
Tr1
1N
z − H
=
∞
X
k=0
1
z
k+1
1
N
TrH
k
=
∞
X
k=0
1
z
k+1
m
k
=
∞
X
k=0
1
z
k+1
Z
ρ(λ)λ
k
dλ.
FreenessKon ep ja Swobodny h zmienny h przypadkowy h (z ang. Free Random
Varia-bles,wskró ieFRV)doty z¡ ara hunkuma ierzyprzypadkowy hjest
odpowied-nikiem niezale»no± i zmienny h losowy h w klasy znej teorii prawdopodobie«stwa.
Termintenpojawia sizamiennie z równowa»nym okre±leniemSwobodne ma ierze
przypadkowe. W ±rodowisku matematyków mo»na spotyka¢ si te» z okre±leniem
Wolnema ierze przypadkowe.
TerminFreeness porazpierwszyzostaªu»ytyprzezVoi ules u[24 ℄,[25 ℄apre yzuje
go nastpuj¡ a
Deni ja 10 (Swobodne zespoªy ma ierzowe - warunek Freness) Nie h
bd¡ dane zespoªy ma ierzowe
H
1
, H
2
, . . . , H
m
oraz wielomianyP
jednej zmiennej zdeniowanedlaka»degozzespoªów,przy zymzmienn¡ka»degozwielomianówjestinny zespóª ma ierzowy
P
1
(H
i(1)
), . . . , P
k
(H
i(k)
),
i(1) 6= i(2) 6= . . . 6= i(k).
Zakªadamy ponadto, »e ±rednia ma ierzowa dla ka»dego z wielomianówwynosizero
∀
j=1,...,k
< P
j
(H
i(j)
) >= 0.
Mówimy, »e zespoªy ma ierzy
H
1
, H
2
, . . . , H
m
s¡ swobodne (lubte» równowa»nie,»e zespoªy tespeªniaj¡ warunekFreeness), je±li za hodzi< P
1
(H
i(1)
) · · · P
k
(H
i(k)
) >= 0
Przykªady obli zenia momentów mieszany h
Z te hni znego punktuwidzenia warunek Freeness jestsposobem na poli zenie
mo-mentów mieszany h zespoªów
H
1
,H
2
,. . .
,H
m
oile tylkoznanes¡kolejnemomentyH
i
. Ideprzeprowadzaniara hunkówzaprezentujemynakilkuprosty hprzypadka h.Przykªad 1
Dane s¡ dwa zespoªy ma ierzowe
A
orazB
, przy zym zaªo»enia Deni ji 10 speª-nione s¡ przez zespoªyA = A −
˜
1< A >
orazB = B −
˜
1< B >
(dla wygodyra hunkubdziemypomija¢ wzapisiema ierzow¡ jedynk). Ch ¡ obli zy¢moment
< AB >
zapiszemy0 =< ˜
A ˜
B >=< (A− < A >)(B− < B >) >=< AB > − < A >< B >,
a wi
< AB >=< A >< B >
.Przykªad 2
Dla ty h samy h zespoªów o w powy»szym przykªadzie h emy poli zy¢ moment
< AB
2
>
. Rozwa»mywyra»eniektóre po wymno»eniu wszystki h skªadników i skorzystaniu z wyniku Przykªadu 1
zapiszemywposta i
< ABA >=< A
2
>< B > .
Przykªad 4
Postpuj¡ wpodobnysposób, zylimno»¡ wszystkieskªadnikiodpowiedniego
wy-ra»enia orazposªuguj¡ siwynikiemPrzykªadu 1,otrzymujemymoment
< A
2
B
2
>
wposta i
< A
2
B
2
>=< A
2
>< B
2
> .
Przykªad 5
Obli zmy moment typu
< ABAB >
. Wtym elu nale»yzapisa¢wyra»enie0 =< ˜
A ˜
B ˜
A ˜
B >=< (A− < A >)(B− < B >)(A− < A >)(B− < B >) >,
którepo krótkimra hunku przeksztaª amydo posta i
< ABAB >= − < A >
2
< B >
2
+ < AB
2
>< A > + < ABA >< B >
+ < A >< BAB > − < A >
2
< B
2
> + < A
2
B >< B > − < A
2
>< B >
2
.
Skorzystamynastpnie zrezultatów przedstawiony hwPrzykªadzie 2oraz
Przykªa-dzie 3. Otrzymujemy
< ABAB >=< A
2
>< B >
2
+ < A >
2
< B
2
> − < A >
2
< B >
2
.
3.3. Transforma je R,S (lub B, N)
Transforma ja R - funk ja Blue
Dane s¡zespoªy swobodny h ma ierzy hermitowski h
H
1
orazH
2
, dlaktóry h mo-»emyzapisa¢funk je GreenaG
H
1
(z)
orazG
H
2
(z)
. Interesujenasobli zenie momen-tówdlarozkªadubd¡ egosum¡H
1
orazH
2
, zyli innymisªowy h ieli by±myzna¢ posta¢ funk jiGreenaG
H
1
+H
2
(z)
. Zauwa»my, »e funk ja Greena nie jest w prosty sposób addytywna, przez o zadanie jest nietrywialne. Sposobem na obli zeniepo-szukiwanej funk jiGreena jest zastosowanie transforma ji R[25 ℄. Dlama ierzy
H
1
orazH
2
zapiszmyfunk j Bluespeªniaj¡ ¡która zwi¡zana jestz transforma j¡R zale»no± i¡
R
H
i
(z) = B
H
i
(z) −
1
z
.
Takobli zona funk ja
R
H
i
(z)
, nosz¡ a miano transformaty R,jest addytywna i za- hodziR
H
1
+H
2
(z) = R
H
1
(z) + R
H
2
(z)
. Jej zastosowanie pozwala w prosty sposób obli zy¢poszukiwan¡funk jGreenaG
H
1
+H
2
(z)
. Wi ejinforma jinatematfunk ji Blue orazfunk jiR
znajduje siwDodatku A.4.Transforma ja S - transforma ja N
Rozpatrujemyponownieprzypadekdwó hswobodny hzespoªówma ierzy
hermitow-ski h
H
1
orazH
2
,dlaktóry h mo»emyzapisa¢funk jeGreenaG
H
1
(z)
orazG
H
2
(z)
. Tym razem interesuje nas obli zenie momentów dla rozkªadu bd¡ ego ilo zynemH = H
1
· H
2
, a wi poszukiwa¢ bdziemy funk ji GreenaG
H
1
·H
2
(z)
. Zauwa»my, »e ma ierzH
nie jestwogólno± i hermitowska, tym samymjej widmonie musiby¢ rze zywiste. Rozwi¡zaniem tak postawionego problemu jest transforma ja S [25℄.Znaj¡ funk je
G
H
i
(z)
wyli zamy najpierw funk je pomo ni zeχ
i
(z)
rozwi¡zuj¡ równania1
χ
i
(z)
G
H
i
1
χ
i
(z)
= z + 1.
(3.3)Wów zastransforma ja Szadanajest wzorem
S
i
(z) =
1 + z
z
χ
i
(z),
(3.4)która jestobiektemmultiplikatywnym,awi za hodzi
S
H
1
·H
2
(z) = S
H
1
(z) · S
H
2
(z)
. Tak wi h ¡ uzyska¢ funk j GreenaG
H
2
·H
2
(z)
nale»y najpierw obli zy¢ funk- jeG
H
1
(z)
orazG
H
2
(z)
, nastpnie na i h podstawie funk jS
H
1
·H
2
(z)
a nastpnie postpuj¡ w kolejno± i odwrotnejdo powy»szej otrzymujemy poszukiwana funk jGreena
G
H
2
·H
2
(z)
.Wartowspomnie¢,»ezast¡pieniezaprezentowanejpowy»ejfunk ji
χ(z)
jej odwrotno-± i¡N (z) =
1
χ(z)
[44 ℄niesiepewnewymiernekorzy± i,wobe zegojejwprowadzenie jest uzasadnione. Mianowi ie z jednej strony podstawienie takie uprasz za nie ora hunki, z drugiej strony zwi¡zek funk ji
N (z)
z funk j generuj¡ ¡ momenty jestzna znie bardziej intui yjny ni» w przypadku pierwotnej funk ji
χ(z)
. Zapiszemy zatem deni j transforma jiN
jakoN
H
(z)G
H
(N
H
(z)) − 1 = z,
(3.5)przy zymwynikaj¡ ezwªasno± imultiplikatywno± itransforma ji
S
prawo mno»e-niadla transforma jiN
przyjmie posta¢N
H
1
·H
2
=
z
z + 1
N
H
1
(z)N
H
2
(z).
(3.6)Jakwspomniano,transforma ja
N
jestwbardzoprzejrzystysposóbzwi¡zanazfunk- j¡ generuj¡ ¡ momenty,która jestzdeniowana jako
zG
H
(z) − 1 = M
H
(z) =
X
n
≥1
m
n
H
z
n
.
(3.7)Funk ja Greena, wolne kumulanty
-diagramatyka
Podej± ie diagramaty zne pozwala na stosunkowo szybkie i przejrzyste
wyprowa-dzenie wielu przydatny h w dalszej z± i pra y rela ji. W poni»szym rozdziale
w pierwszejkolejno± i zostan¡ przybli»one ogólnereguªy zwi¡zane z posªugiwaniem
sidiagramamiFeynmana. Nastpniepokazanezostan¡wyprowadzenia1-punktowej
oraz2-punktowejfunk jiGreenabazuj¡ ewªa±nienametodziediagramaty znej,przy
zymrozwa»onezostan¡osobnoprzypadkizespoªuGaussaorazWisharta. Pokazana
zostanie tak»e diagramaty zna konstruk ja wolny h kumulant.
4.1. Diagramy Feynmana - podstawowe informa je
Abyposªugiwa¢ sisprawnie diagramami Feynmanaprzybli»ymy najpierwreguªyz
nimi zwi¡zane (patrz np. [23 ℄ rozdziaª 3). Na Rysunku 4.1 pokazano podstawowe
elementy skªadowe z który h bd¡ budowane grafy. Reguªy budowania grafów w
przypadku zespoªów GaussaorazWishartazostan¡ omówione osobno.
Rozwa»ymynajpierwnajprostszyprzypadekzespoªuGaussa,kiedytopodstawowym
skªadnikiemrozwa»any h funk jiGreenas¡fragmentytypu
H
2
,awi propagatory.
Ma ierze
H
s¡kwadratoweo wymiarzeN × N
. Reguªy budowaniagrafóws¡nast-puj¡ e:
Ka»demu propagatorowi odpowiada zynnik
1
N
, Ka»dej utworzonejptliodpowiada zynnikN
.Istotny wkªad po hodzi tylko od grafów planarny h (bez prze i¢, komentarz
poni»ej).
Je»eli rozpatrujemy funk j od dwó h zmienny h, wów zas ka»dejzmiennej
od-powiadaj¡ osobnelinie, który hniemo»naze sob¡miesza¢ (komentarz poni»ej).
W przypadkuzespoªuWishartareguªy ulegaj¡pewnej modyka ji. Przede
wszyst-kim dla rozkªadu Wisharta podstawowy skªadnik z którego bd¡ budowane grafy
wygl¡da ina zej,mamybowiemma ierze
V
wystpuj¡ ewpara hjakoH = V
†
V
,a
zatem podstawowymskªadnikiembdziewtymprzypadkuniepropagator alera zej
werteks, przy zym wymiar
V
toN × M
orazM/N = m
. Dodatkowo w tymprzypadku nale»yrozró»nia¢ linienios¡ e
N
orazM
skªadników, o jest zwi¡zanez tym,po którejkrawdzi ma ierzyV
li zymy. Wprakty e rysujemylinie nios¡ eM
skªadnikówlini¡ kreskowan¡, linienis¡ eN
skªadnikówlini¡ i¡gª¡.Wymie«my reguªybudowaniagrafów dlazespoªuWisharta
Ka»demu werteksowiodpowiada zynnik
q
1
N
.Rysunek4.1. Reguªy dlagrafówFeynmana-przypadekrozkªaduGaussaorazWisharta
Linie odpowiadaj¡ e krawdzi ma ierzy
V
o wymiarzeN
rysujemylini¡ i¡gª¡, dlakrawdzio wymiarzeM
lini¡przerywan¡.Ka»dej ptliutworzonej z linii i¡gªejodpowiada zynnik
N
,ptliutworzonej z liniiprzerywanej zynnik wynosiM
.Istotny wkªadmaj¡tylko grafyplanarne (bez prze i¢, komentarz poni»ej).
Je»eli rozpatrujemy funk j od dwó h zmienny h, wów zas ka»dej zmiennej
od-powiadaj¡ osobnelinie, który h niemo»naze sob¡miesza¢. Doty zytozarówno
linii i¡gªy hjakrównie» przerywany h (komentarz poni»ej).
Grafy planarne
Wyja±nijmy dla zego bierzemy pod uwag tylko grafy planarne. Nale»y pamita¢,
»e rozwini ie funk ji Greenarozpatrujemyw grani ydu»y h
N
. Jakzostaªowspo-mniane ka»dy propagator / werteks daje zynnik
1
N
/q
1
N
lubM
, natomiast ka»daptla to zynnik
N
lubM
. Je±lizatem wrozpatrywanym graeli zba utworzony h ptlijestzbytmaªawstosunkudoli zbypropagatorów/werteksów,wów zaswgra-ni ydu»y h
N
takigrafbdziedawaªwkªadd¡»¡ ydozera. Jakªatwosiprzekona¢, wprakty e s¡to to grafy,wktóry h po narysowaniulinieprze inaj¡ si,nazywamyje grafami nieplanarnymi. Grafy tego typu po prostu pomijamy jako nie daj¡ e
w grani y du»y h
N
istotnego wkªadu do rozpatrywanego wyra»enia, rozwa»amy tylko grafy planarne a wi bez prze i¢. Rysunek4.2pokazujekilkanajprostszy hprzykªadówgrafówplanarny h oraznieplanarny h. Dodatkowe informa jenatemat
interpreta ji topologi znej diagramów Feynmanaznajduj¡ si wDodatkuD.
Rysunek4.2. Przykªadygrafów: grafya)orazb)planarne,graf )nieplanarny
Grafy funk ji dwó h zmienny h
Nakonie nale»yjesz zewspomnie¢otymjakrysowa¢grafyje±lirozpatrujemy
funk- je od dwó h zmienny h. W takim przypadku nale»y pamita¢ o rozró»nieniu linii
jaki±innywyró»nik. Wnaszymprzypadkugrafybdziemyrysowa¢napier± ienia h
odwó hkrawdzia h,przy zymka»dejkrawdzibdzieodpowiada¢jednazmienna.
Naprzykªadmo»naustali¢,»ezewntrznejkrawdzipier± ieniaodpowiadaj¡linie
1
z
, natomiast wewntrznejkrawdzi odpowiadaj¡ linie1
w
.4.2. Funk ja Greena 1-punktowa - rozkªad Gaussa
Rozwa»myrównanie 1-punktowej funk jiGreenawposta i
G(z) =
1
N
Tr1
1N
z − H
,
gdzie 1
N
ozna za ma ierz jednostkow¡ o wymiarzeN × N
. W dalszej z± ipra y zgodniezpowsze hnapraktyk¡wzapisiefunk jiGreenabdziemyzwyklepomija¢je-dynk1
N
, ouprasz zanie onota jnieprowadz¡ równo ze±niedonieporozumie«. Powy»sze równanie funk jiGreenarozwiniemywszereg wokóªz = ∞
otrzymuj¡G(z) =
1
z
+
1
z
2
1
N
TrH
+
1
z
3
1
N
TrH
2
+
1
z
4
1
N
TrH
3
+ . . . .
(4.1)WjzykugrafówFeynmanafunk jGreenabdziemyrysowa¢wposta i
zakreskowa-nego sko±nie koªa. Zgodnie z reguªami przedstawionymi w Rozdziale4.1 Równianie
(4.1) wygl¡da¢ bdzietak jakto pokazanona Rysunku4.3.
Rysunek4.3. Funk jaGreenawprzypadkuzespoªuGaussa. Niektóreztworz¡ y hj¡grafów
s¡typu 1PI,natomiastinnenie.
Zauwa»my nastpnie, »e w zapisie funk ji Greena pojawiaj¡ si zasadni zo dwa
ro-dzaje diagramów, mianowi ie niektóre z grafów niedaj¡ si rozdzieli¢ po prze i iu
dowolnej z linii wewntrzny h. S¡ to tzw. grafy 1- z¡stkowo nieredukowalne
(dia-gramy t zowe), które w skró ie nazywane s¡ te» 1PI (z ang. 1PI = 1 parti le
irredu ible). Zgrupujmy ze sob¡wszystkie grafy 1- z¡stkowo nieredukowalne
nazy-waj¡ i hsum
Σ
,tak jakto pokazanona Rysunku4.4. Tak zdeniowany szeregΣ
Rysunek4.4. Sumagrafów1PIwprzypadkurozkªaduGaussa
pozwalazapisa¢funk jGreenawnowysposób. atwobowiemzauwa»y¢,»ejedynie
poza pierwszym skªadnikiem wynosz¡ ym
1
z
, ka»dy z grafów w hodz¡ y h w skªad funk jiGreenajestalbojednymzeskªadnikówszereguΣ
,albojestpoª¡ zeniemkilku skªadnikówΣ
. Mo»emyzatem zapisa¢funk j Greena wposta iprzedstawionejna=
1
z
X
n=0
Σ
z
=
1
z
1
1 −
Σ
z
,
którezapiszemyostate zniew posta i
G(z) =
1
z − Σ(z)
.
(4.2)Warto w tym momen ie wspomnie¢, »e symbol
Σ
pojawia si w niniejszej pra y w dwó h konteksta h. W odniesieniu do grafów Feynmana ozna za on sumwszyst-ki h grafów 1- z¡stkowo nieredukowalny h, tak jakto zostaªopokazanepowy»ej. Z
drugiej stronywodniesieniudowidmama ierzyma ierzyprzypadkowy h (Rozdziaª
6 orazkolejne)ozna za¢ bdzie prawdziw¡ ma ierzkowarian ji. Stosowanie tego
sa-megosymboluniejestwbrewpozorommyl¡ eitymsamymnieprowadzido»adny h
problemów zypomyªek, gdy»wkonkretnymprzypadku zawszedokªadniewiadomo
o które zna zenie hodzi. W tej sytua ji zde ydowano, »e nie ma wikszego sensu
zmienia¢ ogólnieprzyjtejterminologiiipozostawiono wspólnysymbol
Σ
wobydwu przypadka h.Póªkole Wignera
Rozpatrujemy przypadek, kiedy poten jaª w mierze
< ... >
wynosiV (H) = H
2
, a
wi przypadekGaussowski. Funk je Greenaoraz
Σ
zostaªyju» oprawdapokazanena Rysunka h4.3oraz4.4, jednakdopieroi hzestawieniebezpo±redniooboksiebie,
tak jakto pokazanona Rysunku4.6, pozwalazauwa»y¢ pewn¡zale»no±¢.
Rysunek4.6. Funk ja
Σ
wprzypadkuGaussa,ªatwozauwa»y¢du»epodobie«stwodofunk ji GreenaWidzimyterazwyra¹nie,»eka»dyzdiagramówskªadowy hfunk ji
Σ
utworzonyjest zjednegozdiagramówtworz¡ y hfunk jGreen'aprzezdodaniepropagatoraª¡ z¡- egoko« etegodiagramu,przy zymwykorzystane wtensposóbzostan¡wszystkie
Rysunek4.7. RównanieS hwingera-Dysona
Σ
to ni innego jak funk ja Greena obªo»ona jednym dodatkowym propagatorem (równanieS hwingera-Dysona). Fakttenmo»nazapisa¢zapomo adiagramówFeyn-mana takjakto pokazano naRysunku4.7, o ozna za, »e mo»emyzapisa¢
Σ =
1
N
TrG
1N
=
1
N
GN = G,
a zatem Równanie S hwingera-Dysona (4.2) w rozwa»anym przypadku rozkªadu
Gaussa przyjmuje ostate znieposta¢
G =
1
z − G
,
(4.3)którego rozwi¡zaniem jest
G(z) =
1
2
[z ±
p
z
2
− 4],
przy zymdlaodtworzenia poprawnego za howaniafunk jiGreenadlaargumentów
z → ∞
nale»ywybiera¢rozwi¡zanie ze znakiem -. Istotniemo»emysprawdzi¢,»eG(z) =
1
2
[z −
p
z
2
− 4] =
1
2
(z −
√
z
2
− 4)(z +
√
z
2
− 4)
z +
√
z
2
− 4
=
1
2
4
z +
√
z
2
− 4
z
→∞
−→
1
z
,
tak wi zapiszemyostate znie
G(z) =
1
2
[z −
p
z
2
− 4].
(4.4)
Znaj¡ posta¢funk jiGreenajeste±mywstaniewyli zy¢rozkªadwarto± i wªasny h
wwidmie. Zapiszemy zatemrównanie
ρ(λ) = −
π
1
lim
ǫ
→0
ℑG(z)|
z=λ+iǫ
= ℑ
1
2
[z −
p
z
2
− 4]|
z=λ+iǫ
,
którego rozwi¡zaniem dla
x
2
− 4 ≥ 0
jest
0
, natomiast dlax
2
− 4 < 0
otrzymujemyρ(λ) =
1
2
(z −
p
z
2
− 4).
(4.5)Jest toznanywyniknazywanypóªkolem Wignera, któryprzedstawiono naRysunku
4.3. Funk ja Greena 1-punktowa - rozkªad Wisharta
Rozpatrzmyponownie 1-punktow¡ funk j Greena
G(z) =
1
N
Tr1
z − H
,
któr¡ rozwiniemy wszereg wokóª
z = ∞
,przy zymdla rozkªadu Wisharta mamyH = V
†
V
,zapiszemy zatemG(z) =
1
z
+
1
z
2
1
N
TrV
†
V
+
1
z
3
1
N
Tr(V
†
V )
2
+
1
z
4
1
N
Tr(V
†
V )
3
+ . . . .
Podstawowym elementem w powy»szym równaniu s¡ werteksy
H = V
†
V
, który h
sposób rysowania zgodny z nomenklatur¡ diagramów Feynmana zostaª pokazany
gra znie naRysunku4.1. Nale»ypamita¢, »e prostok¡tnema ierze
V
w prakty eozna zaj¡,»esumowaniepoptliutworzonejzlinii i¡gªejdaje zynnik
N
,natomiast dlasumowaniapoliniiprzerywanejmamy zynnikM
. Równanie1-punktowejfunk ji Greena zapisaneza pomo ¡ diagramów FeynmanapokazanonaRysunku4.9.Rysunek4.9. Funk jaGreen'adlazespoªuWisharta.
Zgrupujmy nastpnie ze sob¡ wszystkie grafy 1- z¡stkowo nieredukowanle, który h
sum ozna zymy symbolem
Σ
. Postpuj¡ analogi znie jakw przypadkuGaussow-skim, funk j Greenamo»na wyrazi¢wposta iniesko« zonego szeregu
geometry z-nego wktórym pojawi¡ sikolejne potgi
Σ
, o zapiszemyw posta iG(z) =
1
z
∞
X
n=0
1
z
Σ
n
=
1
z − Σ(z)
.
(4.6)Zastanówmy si teraz jak w rozwa»anym przypadku zespoªu Wisharta wygl¡da
Σ
. Odpowiednie diagramy dla wyrazów najni»szy h rzdów jakH
1
,H
2
zyH
3
bar-dzo ªatwonarysowa¢, takjakpokazanowgórnej z± iRysunku4.10. Rysuj¡ grafy
grafu wy»szegorzdu narysujemywewn¡trz mniejszej t zy,wów zas obserwujemy,
»e wewn¡trz wspomnianej mniejszej t zyza zynaj¡ pojawia¢sikolejnefragmenty
funk jiGreena,awi pozsumowaniuprzy zynkówodwszystki hrzdówostate znie
pojawia si tam aªa funk ja Greena. Pro esten nazywamy ubieraniem poziomej
linii i¡gªej. Zdrugiejstrony,rysuj¡ grafywinnejkongura ji,wewn¡trz
zewntrz-nejpodwójnejt zyalerówno ze±nienazewn¡trzmniejszy h,wów zasotrzymujemy
kolejne mniejsze t ze uªo»one jedna za drug¡. Zgodnie z pierwsz¡ obserwa j¡
we-wntrzna linia i¡gªadla ka»dejz wewntrzny h t zyjestzawszeubrana dopeªnej
funk jiGreena,tak jakto pokazanowdolnej z± iRysunku4.10.
Rysunek 4.10. Szereg
Σ
dla zespoªuWisharta,pokazanopro es ubierania linii wewn¡trz mniejszy h t zy.Dla poprawienia przejrzysto± i dalszego ra hunku wprowadzamy dwa pomo ni ze
ozna zenia. Wyobra¹my sobie najpierw, »e ze wszystki h grafów w hodz¡ y h w
skªad
Σ
usuwamy zewntrzn¡ lini i¡gª¡ oraz prze inamy domykaj¡ ¡ je od górylini przerywan¡. Otrzymujemy szereg skªadaj¡ y si z grafów, które za zynaj¡ i
ko« z¡ si lini¡przerywan¡. Sum wszystki htaki h grafówozna zymyza pomo ¡
pogrubionej linii poziomej. Po drugie szereg
Σ
z prze it¡ zewntrzn¡ podwójn¡t z¡ ozna zymy liter¡
F
,takjakpokazanona Rysunku4.11.Rysunek 4.11. U góry ozna zenie pomo ni ze F, zdoªu równanieS hwingera-Dysonaw
przypadkuzespoªuWisharta.
Wartozauwa»y¢,»edorysowaniedo
F
brakuj¡ ejdoΣ
zewntrznejpodwójnejt zy ozna za uzupeªnienie linii i¡gªejorazdomkni ie ptliutworzonejz liniiprzerywa-nej, awi otrzymujemyrela j
Σ =
M
Rysunek4.12. RównanieS hwingera-DysonadlazespoªuWisharta,wwynikuzwini ia
sze-reguFotrzymujemyrela j
F = 1 + F G
.Zwró¢my uwag na fakt, »e obserwujemy tu pewn¡ analogi otrzymany h grafów
do równania
B = 1 + A + AA + AAA + . . .
, które mo»na zapisa¢ w posta iB =
1 + A(1 + A + AA + AAA + . . .) = 1 + AB
. W podobny sposób postpujemy z rozwa»anymi grafami, o pozwala nam na wyra»enie szereguF
w posta i sko« zo-negowyra»enia. Rezultatemotrzymanegorównaniawposta igrafówFeynmanajestrela ja
F = 1 + F G.
(4.8)Z (4.6),(4.7) oraz(4.8) otrzymujemynaty hmiast równanie
zG
2
(z) + G(z)(m − z − 1) + 1 = 0,
którego rozwi¡zaniem jest
G(z) =
1
2z
h
z − m + 1 ±
p
(m − z − 1)
2
− 4z
i
,
przy zymdlapoprawnegoodtworzeniaza howaniafunk jiGreenadla
z → ∞
nale»y wybra¢ rozwi¡zanie ze znakiem -. Mo»emy szybko sprawdzi¢, »e jest to poprawnywybór. Wprowad¹my ozna zenie pomo ni ze w posta i
z + 1 − m = k
, zapiszemy wów zasG(z) =
1
2z
h
k −
p
k
2
− 4z
i
=
(k −
√
k
2
− 4z)(k +
√
k
2
− 4z)
2z(k +
√
k
2
− 4z)
=
k
2
− k
2
+ 4z
2z(k +
√
k
2
− 4z)
=
2
(k +
q
k
2
(1 −
4z
k
2
))
,
przy zymdla
z → ∞
za hodzik → ∞
oraz4z
k
2
→ 0
,awi otrzymujemyG(z)
z
−→
→∞
1
z
.
A zatem ostate znym rozwi¡zaniem wynikaj¡ ym z równa« (4.6), (4.7) oraz(4.8) o
poprawnym za howaniuasymptoty znym jestfunk ja
G(z) =
1
2z
h
z − m + 1 −
p
(m − z − 1)
2
− 4z
i
.
Obli zmy jesz zerozkªadwarto± i wªasny h wwidmie, zapiszemy
ρ(λ) = −
π
1
lim
ǫ
→0
ℑG(z)|
z=λ+iǫ
=
= −
2π
1
lim
ǫ
→0
ℑ
"
1 +
1 − m
z
−
p
(m − z − 1)
2
− 4z
z
#
z=λ+iǫ
=
=
1
2π
ǫ
lim
→0
ℑ
p
(m − z − 1)
2
− 4z
z
z=λ+iǫ
.
Wyra»eniepodpierwiastkiemprzeksztaª imydo posta i
(m − z − 1)
2
− 4z = z
2
− 2z(m + 1) + (m − 1)
2
.
Jego miejs azerowe to
z
±
= m + 1 ± 2
√
m = (
√
m ± 1)
2
,
zapiszemyzatemρ
M P
(λ) =
1
2π
ǫ
lim
→0
ℑ
p
(z − z
+
)(z − z
−
)
z
z=λ+iǫ
,
tak wi ostate znierozkªad warto± i wªasny h wprzypadku zespoªuWisharta
opi-sanybdzie wzorem
ρ
M P
(λ) =
1
2π
p
(λ
−
− λ)(λ − λ
+
)
λ
,
(4.10) gdziem =
M
N
orazλ
±
= (
√
m ± 1)
2
, przy zym dla
λ /
∈< λ
−
, λ
+
>
za hodziρ
M P
(λ) = 0
. Równanie (4.10) to wynik znany jako wzór Mar˘
henko-Pastura [47℄. Na Rysunku 4.13 zostaª pokazany wykres ilustruj¡ y rozwa»any rozkªad warto± iwªasny h dlakilkuprzykªadowy h warto± i parametru
m
.Wartowspomnie¢,»ewzórMar
˘
henko-Pasturapojawiasi zstowliteraturzetak»e w nie o odmiennej ni» (4.10) posta i, o wynika z posªugiwania si parametremr =
M
N
zamiastm =
M
N
. Ró»ni a jest o prawda banalna, jednak warto pokaza¢ na zym polega. Rozwa»my prawdopodobie«stwoρ
M P
(λ)dλ
, które zapiszemy w zmienny hΛ = rλ
,gdzier =
1
m
. Otrzymujemywów zasλ
±
= (
√
m ± 1)
2
=
(1 ±
√
r)
2
r
=
Λ
±
r
orazdλ =
1
r
dΛ
. Interesowa¢ nasbdzieprawdopodobie«stwoρ
′
M P
(Λ)dΛ
,o zywi± ie musi za hodzi¢ρ
M P
(λ)dλ = ρ
′
M P
(Λ)dΛ
,mo»emyzatem zapisa¢ρ
M P
(λ)dλ =
1
2π
q
(
λ
−
r
−
Λ
r
)(
Λ
r
−
λ
+
r
)
Λ
r
1
r
dΛ = ρ
′
M P
(Λ)dΛ.
Rysunek4.13. Ilustra jawzoruMar
˘
henko-Pastura,rozkªadwarto± iwªasny hdlazespoªu Wishartawzaleno± iodwarto± im =
M
N
.Ostate znie wzór Mar
˘
henko-Pastura przyjmie posta¢ρ
′
M P
(Λ) =
1
2π
p
(Λ
−
− Λ)(Λ − Λ
+
)
Λr
,
(4.11) gdzier =
N
M
orazΛ
±
= (1 ±
√
r)
2
, przy zym dlaΛ /
∈< Λ
−
, Λ
+
>
za hodziρ
′
M P
(Λ) = 0
. Wzory (4.10) oraz(4.11) s¡o zywi± ierównowa»ne.Nakonie rozwa»a«doty z¡ y hrozkªaduMar
˘
henko-Pasturawartou±wiadomi¢ so-bie,»egsto±¢prawdopodobie«stwaρ
M P
(Λ)
opisanawzorem(4.10)doty zysytua ji, kiedyma ierzV
†
V
jestwymiaru
N × N
itymsamymniezawieramodówzerowy h. Mo»na jednak równie dobrze rozwa»a¢ ma ierzeV V
†
, które bd¡ miaªy wymiar
M × M
,awi bd¡toma ierzewiksze,przy zymzwikszeniewymiaruwi¡za¢si bdziezpojawieniemsimodówzerowy h. Dokªadnierze zujmuj¡ wwidmietaki hma ierzypojawisi
N
warto± iwªasny hniezerowy horazM −N
modówzerowy h. I hobe no±¢niewnosi o prawda»adny hdodatkowy hinforma ji, którewpªywaªybyw istotnysposóbna ksztaªt funk jigsto± i prawdopodobie«stwa, jednak nale»y
pamita¢, »e po wy aªkowaniu daj¡ one niezerowy wkªad do normy. Tak wi ze
wzgldu na konie zno±¢ utrzymania prawidªowej normaliza ji w obe no± i modów
zerowy hrozwa»ana funk jamusi ule modyka jido posta i
ρ
0
M P
(λ) =
M − N
M
δ(0) +
N
M
ρ
M P
(λ),
która powy aªkowaniu dajeprawidªow¡ norm równ¡ jedno± i.
4.4. Funk ja Greena 2-punktowa
Przedstawionyponi»ejra hunek, maj¡ yna eluzapisfun jiGreena2-punktowejza
obowi¡zuj¡ y dlazespoªu Gaussaotrzymanyprzez [48℄zostaª uogólniony[49℄ tak»e
dla przypadku zespoªu Wisharta. Zapiszmy najpierw ogóln¡ deni j 2-punktowej
funk jiGreen'a
G(z, w) =
1
N
2
Tr1
z − H
Tr1
w − H
c
,
któr¡ mo»emy przeksztaª i¢do równowa»nejposta i
G(z, w) =
1
N
2
1
z
1
w
*
Tr1
1 −
H
z
Tr1
1 −
H
w
+
c
,
przy zym nale»y zwró i¢ uwag, »e funk ja Greena 2-punktowa zdeniowana jest
poprzez ±rednia ma ierzow¡ onne ted, zgodnie Deni j¡ 3. Wyra»enie powy»sze
rozwijamy doposta iszeregu geometry znego
G(z, w) =
1
N
2
1
z
1
w
*
Tr∞
X
n=0
H
z
n
Tr∞
X
k=0
H
w
k
+
c
=
=
∞
X
n=0
∞
X
k=0
1
z
n+1
1
w
k+1
1
N
TrH
n
1
N
TrH
k
c
,
mo»emy jetak»e zapisa¢wrównowa»nejposta i
G(z, w) = ∂
z
∂
w
∞
X
n=0
∞
X
k=0
1
z
n
1
w
k
1
N n
TrH
n
1
N k
TrH
k
c
.
(4.12)Wyra»eniefunk jiGreenawtejformiepozwalanaposªu»eniesizapisemzapomo ¡
diagramów Feynmana. Zgodnie z ogólnymi reguªami wymienionymi w Rozdziale
4.1 grafybdziemyrysowa¢ napier± ienia h o dwó h krawdzia h. Dalsza z±¢
ra- hunkuprzebiega¢bdzieina zejwzale»no± iorozwa»anegorozkªaduma ierzowego,
rozpatrzymy osobnorozkªadGaussa orazrozkªadWisharta.
4.4.1. Funk ja Greena 2-punktowa, rozkªad Gaussa
Rozwa»my najpierw fragment wyra»enia (4.12) po hodz¡ y od zªonów dla
n = k
,które mo»na w pewnym sensie nazwa¢ ' zªonami diagonalnymi'. Odpowiadaj¡ e
takim przypadkomgrafy Feynmanamo»na narysowa¢ wposta ipier± ienia, tak jak
to pokazanonaRysunku4.14 po lewejstronie.
Otrzymany graf rozdziela si na
n
rozª¡ zny h ptli, przy zym li zba propagato-rów oraz li zba utworzony h ptli jest w tym przypadku równa i wynosin
, zatemh
TrH
n
TrH
n
i
c
= n
. ZapiszemyG(z, w)|
diag=
1
N
2
∂
z
∂
w
∞
X
n=0
1
zw
n
1
n
,
(4.13)przy zymskªadniksumydla
n = 0
wynosi1
n
o sprawia,»e znika onpowykonaniu ró»ni zkowania. Wyra»enie przyjmuje posta¢G(z, w)|
diag=
1
N
2
∂
z
∂
w
∞
X
n=1
1
zw
n
1
n
.
Rysunek 4.14. Dwupunktowafunk jaGreen'a dla rozkªadu Gaussa, po lewej zªon
diago-nalnydla
n = k = 6
,poprawejpokazanoubieranie liniiPomnó»mynastpniewszystkieskªadnikiszereguprzezjedno±¢wposta i
(−1
n
)(−1
n
)
otrzymuj¡G(z, w)|
diag= −
1
N
2
∂
z
∂
w
∞
X
n=1
(−1)
n+1
−
zw
1
n
1
n
,
o pozwoli na bezpo±rednie zastosowanie rozwini ia Ma laurina logarytmu
log(1 +
x) =
P
∞
n=1
(−1)
n
n+1
x
n
obowi¡zuj¡ ego dla
−1 < x ≤ +1
i zapisanie wyra»enia w posta iG(z, w)|
diag= −
1
N
2
∂
z
∂
w
ln
1 −
zw
1
.
(4.14)Pozostaje zastanowi¢ si o si dzieje w przypadka h kiedy
n 6= k
. W takiej sy-tua ji nie jest mo»liwe narysowanie grafów z u»y iem tej samej li zby elementówjak dla
n = k
i z tego powodu grafy bd¡ wygl¡daªy ina zej, pojawi¡ si pewne modyka je. Wty h fragmenta h grafów, gdzieuprzednio wystpowaªy linie1
z
oraz1
w
pojawi¡ siró»nego rodzaju rozgaªzienia, przy zymnale»yo zywi± ie pamita¢ o uwzgldnieniu wszystki h mo»liwy h kombina ji dla dany hn
orazk
. W efek ie ko« owym prowadzi to do tego, »e zamiast ka»dej z linii pojawi¡ si 1-punktowefunk je Greena
G(z)
orazG(w)
. Pro es ten nazywamy ubieraniem linii.Skut-kuje on w prakty e zast¡pieniem linii
1
z
funk jami GreenaG(z)
oraz analogi znie linie1
w
zastpowane s¡ funk jami GreenaG(w)
. Drugim efektem wynikaj¡ ym zn 6= k
bd¡ modyka je doty z¡ e samego propagatora, który w ogólno± i bdzie nale»aªo zast¡pi¢ 2- z¡stkowo nieredukowalnym j¡dremΓ(z, w)
. Przykªadowy graf Feynmana opisuj¡ y ten przypadek pokazano na Rysunku 4.14 po prawej stronie.Funk j Greenazapiszemy
G(z, w) = −
N
1
2
∂
z
∂
w
ln [1 − G(z)G(w)Γ(z, w)] .
W przypadku rozkªadu Gaussa, kiedy poten jaª
V (H)
jest kwadratowy, a wi nie zawiera oddziaªywa« o stopniu wy»szym ni» 2, j¡droΓ(z, w)
mo»na zapisa¢ jakoΓ
abcd
=
N
1
δ
cb
δ
ad
, azatem ostate zniewyra»enie nafunk jGreen'a przyjmie posta¢Przeksztaª¢my jesz zepowy»szy wzór (4.15) donie o innej posta i. Skorzystamy w
tym elu z równania S hwingera-Dysona dla zespoªu Gaussa (4.3) zapisanego jako
1
G(x)
= x − G(x)
,gdziex
jest równez
lubw
. Rozwa»mynastpnieto»samo±¢1
G(z)
−
1
G(w)
=
G(w) − G(z)
G(w)G(z)
,
któr¡ poskorzystaniuz równania S hwingera-Dysona mo»emyzapisa¢w posta i
G(z)G(w) =
z
−w
1
G
(w)−G(z)
+ 1
.
Zatem argument logarytmuze wzoru (4.15) mo»emyzapisa¢ jako
1 − G(z)G(w) =
z − w
G(z) − G(w)
G(z)G(w),
natomiast aªy logarytmwyniesie
ln[1 − G(z)G(w)] = ln[G(z)] + ln[G(w)] + ln
z − w
G(w) − G(z)
.
Wkolejny hkrokuwykonamypodwójneró»ni zkowaniepowy»szegowzoru,zktórego
jako niezerowy pozostanie tylko ostatni skªadnik. Mo»emy zatem zapisa¢ funk j
Greena wposta i
G(z, w) =
1
N
2
∂
z
∂
w
ln
G(w) − G(z)
z − w
,
(4.16)która jak si niedªugo przekonamy (patrz ra hunek pokazany w Rozdziale 4.4.2)
jest posta i¡uniwersaln¡. Na konie wykonajmyjesz zew sposób jawny podwójne
ró»ni zkowaniepo
∂
z
∂
w
, o pozwalazapisa¢2-punktow¡funk j Greenadlazespoªu Gaussa wposta iG(z, w) =
1
N
2
G
′
(z)G
′
(w)
[G(z) − G(w)]
2
−
1
(z − w)
2
,
(4.17)przy zymdlawygodyzapisu
G
′
(x)
ozna za
∂
x
G(x)
, gdziex
toz
lubw
.4.4.2. Funk ja Greena 2-punktowa, rozkªad Wisharta
Po z¡tkowa z±¢ra hunkuprzebiegaanalogi zniejakwprzypadku zespoªuGaussa
- wy hodzimy z deni ji funk ji Greena 2-punktowej przeksztaª aj¡ j¡ do posta i
(4.12). W tym momen ie dokªadamy informa j o zespole Wisharta zapisuj¡
ma- ierze
H
jakoH = V
†
V
,rozwa»anerównanieprzyjmujezatem posta¢
G(z, w) = ∂
z
∂
w
∞
X
n=0
∞
X
k=0
1
z
n
1
w
k
1
N n
Tr(V
†
V )
n
1
N k
Tr(V
†
V )
k
c
.
(4.18)Rozpatrzmy najpierw jak wygl¡daj¡ zªony dla