[论文解读] Critical sets of random smooth functions on products of spheres

Liviu I. Nicolaescu|arXiv (Cornell University)|Aug 30, 2010

Geometry and complex manifolds参考文献 13被引用 9

一句话总结

本文推导出一个类似Chern-Lashof的公式，用于计算在球面积上随机光滑函数的临界点的期望数量，方法为使用高斯随机场和球谐函数的谱分析。研究建立了渐近公式，表明在 $S^1$ 上的三角多项式中，临界点的期望数量随 $\nu \to \infty$ 而增长为 $2\sqrt{0.6}\,\nu$，方差增长为 $c\nu$，其中 $c \approx 0.35$。该结果可推广至球面和环面上拉普拉斯算子的特征函数。

ABSTRACT

We prove a Chern-Lashof type formula computing the expected number of critical points of smooth function on a smooth manifold $M$ randomly chosen from a finite dimensional subspace $V\subset C^\infty(M)$ equipped with a Gaussian probability measure. We then use this formula this formula to find the asymptotics of the expected number of critical points of a random linear combination of a large number eigenfunctions of the Laplacian on the round sphere, tori, or a products of two round spheres. In the case $M=S^1$ we show that the number of critical points of a trigonometric polynomial of degree $\leq ν$ is a random variable $Z_ν$ with expectation $E(Z_ν)\sim 2\sqrt{0.6}\,ν$ and variance $var(Z_ν)\sim cν$ as $ν o \infty$, $c\approx 0.35$.

研究动机与目标

• 计算在紧致流形（特别是球面积）上随机光滑函数的临界点的期望数量。
• 将Chern-Lashof和Kac-Price公式推广至光滑函数有限维子空间中的随机函数。
• 分析球面、环面及球面积上拉普拉斯算子特征函数的临界点计数的渐近行为。
• 为 $S^1$ 上随机三角多项式的临界点计数推导出期望与方差的精确渐近表达式。

提出的方法

• 在 $C^\infty(M)$ 的有限维子空间 $\boldsymbol{V} \subset C^\infty(M)$ 上使用高斯概率测度，以建模随机光滑函数。
• 应用浸入的Chern-Lashof公式，通过评估映射的总曲率来计算临界点的期望数量。
• 利用球谐函数的谱理论和特征函数展开，分析 $S^d$ 与 $S^1 \times S^{d-1}$ 上的随机线性组合。
• 分析在 $\mathbb{R}$ 上平稳高斯过程的协方差结构，其谱测度由特征值的离散和导出。
• 通过振荡积分的渐近分析和泰勒展开，推导谱测度与协方差矩阵的极限。
• 应用平稳高斯过程的结果，以确保临界点密度和方差公式的非退化性。

实验结果

研究问题

• RQ1 在赋予高斯测度的 $C^\infty(M)$ 的有限维子空间中抽取的随机光滑函数，其临界点的期望数量是多少？
• RQ2 对于球面和环面上拉普拉斯算子特征函数的随机线性组合，临界点的期望数量在渐近下如何表现？
• RQ3 在 $S^1$ 上，次数 $\leq \nu$ 的随机三角多项式，其临界点数量的渐近方差是多少？
• RQ4 在 $S^1 \times S^{d-1}$ 上，临界点的分布如何与底层随机场的谱性质相关？
• RQ5 在何种条件下，临界集是有限的，且其期望数量是良定义的？

主要发现

• 在 $S^1$ 上，次数 $\leq \nu$ 的随机函数的临界点期望数量在 $\nu \to \infty$ 时渐近为 $\boldsymbol{E}(Z_\nu) \sim 2\sqrt{0.6}\,\nu$。
• 在 $S^1$ 上，临界点数量的方差随 $\nu$ 线性增长，具体为 $\operatorname{\boldsymbol{var}}(Z_\nu) \sim c\nu$，其中 $c \approx 0.35$。
• 对于圆球面或环面上特征函数的随机线性组合，临界点的期望数量具有由Chern-Lashof型积分导出的良定义渐近公式。
• 在 $S^1$ 上，随机过程的谱测度在 $\nu \to \infty$ 时弱收敛于 $d\sigma_\infty = \frac{1}{\pi} \chi_{[0,1]} t^2 dt$。
• 高斯过程的极限协方差矩阵是非退化的，从而确保临界点密度和方差公式的良定义性。
• 该方法通过不变积分和球谐分解，建立了评估映射的几何与临界点渐近统计之间的联系。