[论文解读] Eigenvalue distribution for non-self-adjoint operators with small multiplicative random perturbations

Johannes Sjoestrand|ArXiv.org|Feb 25, 2008

Spectral Theory in Mathematical Physics参考文献 7被引用 6

一句话总结

该论文在任意维数下，针对非自伴伪微分算子在小乘法随机扰动下的特征值分布，建立了 Weyl 渐近性。通过发展一种基于复分析与迭代奇异值估计的新型概率方法，证明了在半经典参数 $ h \to 0 $ 时，紧致谱集 $ \Omega $ 中的特征值个数以高概率收敛于符号的水平集的相空间体积。

ABSTRACT

In this work we continue the study of the Weyl asymptotics of the distribution of eigenvalues of non-self-adjoint (pseudo)differential operators with small random perturbations, by treating the case of multiplicative perturbations in arbitrary dimension. We were led to quite essential improvements of many of the probabilistic aspects.

研究动机与目标

• 将非自伴算子在小乘法随机扰动下的 Weyl 渐近性推广至任意维数。
• 克服先前研究中对非零泊松括号的依赖或仅限于一维情形的局限性。
• 建立一个概率框架，确保谱集 $ \Omega $ 中的特征值计数以高概率集中在符号水平集的相空间体积附近。
• 开发一种新方法，通过迭代奇异值估计，对扰动产生的有效哈密顿矩阵的行列式进行下界估计。

提出的方法

• 分析使用了半经典伪微分演算和符号类 $ S(m) $ 中的 Weyl 量化，其中 $ m $ 是 $ \mathbb{R}^{2n} $ 上的阶函数。
• 随机乘法扰动通过一个椭圆 $ h $-伪微分算子的正交特征函数系之和建模，其权重为独立复高斯随机变量。
• 关键技术包括构造一个有效哈密顿矩阵 $ E_{-+}^\delta $，其行列式控制特征值分布，并利用复分析估计其极小值的概率。
• 采用迭代归一化过程，推导扰动矩阵奇异值的下界，确保 $ E_{-+}^\delta $ 的行列式通常远离零。
• 该方法用复分析估计替代显式高斯计算，使得可处理比高斯输入更一般的随机扰动。
• 证明依赖于 Grushin 问题将谱分析约化为有限维矩阵问题，并利用 $ h $-伪微分算子理论控制误差项。

实验结果

研究问题

• RQ1 在任意维数下，非自伴算子在小乘法随机扰动下，其特征值分布的 Weyl 渐近律是否成立？
• RQ2 当 $ h \to 0 $ 时，紧致谱集 $ \Omega \Subset \mathbb{C} $ 中的特征值计数是否以高概率集中在相空间体积 $ \mathrm{vol\,}(p^{-1}(\Gamma)) $ 附近？
• RQ3 在泊松括号 $ \{p, \overline{p}\} $ 恒为零的情况下，扰动的最小概率条件是什么，才能保证特征值分布仍遵循 Weyl 定律？
• RQ4 如何统一地对与扰动相关联的有效哈密顿矩阵的行列式进行下界估计，以确保谱移不退化？
• RQ5 该分析能否推广至更一般的非高斯扰动，同时保持 Weyl 渐近性？

主要发现

• 当 $ \delta = e^{-\epsilon/h} $ 时，算子 $ P_\delta $ 在紧致集 $ \Gamma \Subset \mathbb{C} $ 中的特征值个数满足：$$ \left| \#(\sigma(P_\delta) \cap \Gamma) - \frac{1}{2\pi h} \mathrm{vol\,}(p^{-1}(\Gamma)) \right| \leq \frac{C\sqrt{\epsilon}}{h} $$ 以高概率成立，当 $ h \to 0 $ 时。
• 该结果在弱条件下成立：$ V_z(t) = \mathcal{O}(t^\kappa) $，其中 $ \kappa \in (0,1] $，允许符号水平集存在奇点。
• 该方法成功处理了 $ \mathbb{R}^n $ 中的乘法扰动，扩展了以往仅限于加法或一维情形的结果。
• 通过迭代奇异值估计，证明了有效哈密顿矩阵 $ E_{-+}^\delta $ 的行列式以高概率远离零。
• 该方法通过使用复分析技术避免显式高斯计算，使得可处理更一般的随机扰动。
• 对称性假设 $ P(x,-\xi;h) = P(x,\xi;h) $ 被用于保证实主符号结构并简化谱分析。