[论文解读] On negative eigenvalues of low-dimensional Schrödinger operators

Stanislav Molchanov, B. Vaĭnberg|arXiv (Cornell University)|May 4, 2011

Spectral Theory in Mathematical Physics参考文献 12被引用 8

一句话总结

本文为一维和二维薛定谔算子的负特征值个数建立了新的上下界，当经典CLR估计因基础马尔可夫过程的常返性而失效时，通过部分湮灭将常返过程转化为遍历过程，作者推导出包含Bargmann型项的非平移不变估计，证明了其最优性，并将Lieb-Thirring估计扩展至低维情形。

ABSTRACT

The paper concerns upper and lower estimates for the number of negative eigenvalues of one- and two-dimensional Schrödinger operators and more general operators with the spectral dimensions $d\leq 2$. The classical Cwikel-Lieb-Rosenblum (CLR) upper estimates require the corresponding Markov process to be transient, and therefore the dimension to be greater than two. We obtain CLR estimates in low dimensions by transforming the underlying recurrent process into a transient one using partial annihilation. As a result, the estimates for the number of negative eigenvalues are not translation invariant and contain Bargmann type terms. We show that a classical form of CLR estimates can not be valid for operators with recurrent underlying Markov processes. We provide estimates from below which prove that the obtained results are sharp. Lieb-Thirring estimates for the low-dimensional Schrödinger operators are also studied.

研究动机与目标

• 解决由于基础马尔可夫过程的常返性导致经典Cwikel-Lieb-Rosenblum（CLR）估计在维度 d ≤ 2 时失效的问题。
• 推导在标准CLR估计不适用的低维薛定谔算子中负特征值个数的上下界。
• 证明经典CLR估计无法适用于具有常返过程的算子，从而说明必须采用修正形式。
• 将Lieb-Thirring型估计扩展至低维情形，包括对一维算子的改进界。
• 通过下界建立所推导估计的最优性，确认结果的最优性。

提出的方法

• 通过部分湮灭将常返马尔可夫过程转化为遍历过程，以使CLR型估计得以应用。
• 推导一个修正的CLR估计（公式4），其包含非平移不变项和Bargmann型修正项，适用于 d ≤ 2。
• 利用未扰动过程的转移密度 $ p_0(t,x,y) $ 构造 $ N_0(V) $（非正特征值个数）的积分估计。
• 应用Duhamel原理与格林函数技术，估计扰动后的转移密度 $ p_1(t,x,y) $，特别是在二维情形。
• 在二维情形下建立 $ p_1(t,x,x) $ 的衰减估计，证明在特定时空条件下有 $ |p_1(t,x,x)| \leq \frac{C \ln^2|x|}{t \ln^2 t} $。
• 利用复分析与围道积分（如 $ \Gamma $, $ \Gamma_1 $）估计预解核，并推导谱函数的界。

实验结果

研究问题

• RQ1 能否为因过程常返性导致经典CLR估计失效的一维和二维薛定谔算子，推导出有意义的负特征值个数上界？
• RQ2 当基础马尔可夫过程为常返时，标准CLR估计需要何种修正？此类估计如何实现最优？
• RQ3 在此框架下，是否可能在一维情形下推导出具有改进指数（如 $ \gamma < 1/2 $）的Lieb-Thirring型估计？
• RQ4 经典形式的CLR估计能否适用于具有常返过程的算子？此类估计是否本质上不可行？
• RQ5 当 $ V \in L^1(R^2) $ 时，$ N_0(\alpha V) $ 在二维情形下关于 $ \alpha $ 的尺度是线性还是带有对数修正？

主要发现

• 本文推导出适用于 d ≤ 2 的新型CLR估计，其为非平移不变形式并包含Bargmann型项，取代了经典的 $ \int V^{d/2} dx $ 形式。
• 对于 $ L^2(R^2) $ 上的二维薛定谔算子，当 $ \alpha \to \infty $ 时，负特征值个数满足 $ N_0(\alpha V) \lesssim \alpha \ln \alpha $，其中对数修正源于过程的常返性。
• 在晶格情形（$ Z^2 $）中，$ N_0(\alpha V) $ 的估计关于 $ \alpha $ 线性增长，表明其谱行为与连续情形不同。
• 作者证明了经典CLR估计无法适用于具有常返基础马尔可夫过程的算子，确立了其泛化的基本障碍。
• 通过提供下界，确认所推导的估计为最优，表明 $ R^2 $ 中的 $ \alpha \ln \alpha $ 尺度与 $ Z^2 $ 中的线性尺度均为最优。
• 获得了一维情形下的改进估计，包括一个更精确的Bargmann型界，以及一个指数 $ \gamma < 1/2 $ 的Lieb-Thirring型估计，这是标准方法无法实现的。