自由機率與自由性（free probability and freeness）

自由機率是 Voiculescu 發明的非交換機率論，原為算子代數而生，結果成為大型隨機矩陣漸近譜的自然語言。核心洞見是一個深刻的類比：大型隨機矩陣在其大 N 極限中，表現得像「自由的」非交換隨機變數，而自由性之於非交換變數正如獨立性之於普通變數。古典機率有獨立性與分布的卷積，自由機率則有自由性與自由卷積——而支配兩個大型隨機矩陣 A 與 B 之譜如何關聯到 A + B 之譜的，是自由性而非獨立性。

其設定是一個非交換機率空間：一個（非交換）元素的代數，配上一個線性「期望」泛函 tau，即跡，滿足 tau(1) = 1。對 N×N 矩陣，tau 是歸一化跡 (1/N) trace，而元素 a 的「動差」tau(a^k) 恰恰是其特徵值分布的動差。兩個子代數（或兩個元素 a 與 b）稱為自由，若每當你取已中心化元素的交替乘積——p_1(a) q_1(b) p_2(a) q_2(b) ...，其中每個因子已調整為 tau 等於 0——整個乘積的跡消失：tau(中心化交替乘積) = 0。這是一個精確的非交換規則，模仿但確實不同於你從獨立性會得到的因子化 tau(ab) = tau(a) tau(b)。關鍵是它考慮了非交換性：自由性僅由 a 與 b 各自的動差就決定所有混合動差 tau(a^{k_1} b^{m_1} a^{k_2} ...)，正如古典獨立性所為——但藉由一個不同的、對次序敏感的公式。自由性的組合學核心是非交叉劃分：古典獨立性與累積量活在所有劃分之上，自由累積量則只活在非交叉劃分之上，正是計數半圓動差的同一批對象。

自由機率之所以重要，在於它給出譜的代數。若 A_N 與 B_N 是大型獨立隨機矩陣且至少其一是么正不變的（故它們的特徵向量相對於彼此處於「一般位置」），則在極限中 A_N 與 B_N 變為自由，而 A_N + B_N 的極限特徵值分布是它們各自極限的自由加法卷積——可計算，但非藉由古典卷積，而是藉由 R 變換。高斯的自由對應是半圓：許多自由副本之和經適當歸一化後收斂到一個半圓元（自由中央極限定理）。這就是為何半圓之於自由機率正如高斯之於古典機率。一個注意事項：自由性是關於特徵向量處於一般相對位置的漸近、大 N 陳述；兩個固定的確定性矩陣本質上絕不自由，而若兩個隨機矩陣共享特徵向量（例如它們可交換），自由性完全失效，你就回到它們聯合譜的古典卷積。