[论文解读] Random Morse functions and spectral geometry

Liviu I. Nicolaescu|arXiv (Cornell University)|Sep 4, 2012

Geometry and complex manifolds参考文献 22被引用 14

一句话总结

本论文研究在黎曼流形上构造的随机莫尔斯函数，该函数为拉普拉斯算子的本征函数的高斯加权叠加，权重由一个施瓦茨函数和一个小参数 ε 控制。当 ε → 0 时，临界值的期望分布收敛到一个与 (m+1)×(m+1) 随机对称矩阵的 Wigner 半圆律相关的普遍测度，同时流形的度量 g 及其曲率可通过小 ε 时随机函数的 Hessian 统计量恢复。

ABSTRACT

We study random Morse functions on a Riemann manifold $(M^m,g)$ defined as a random Gaussian weighted superpositions of eigenfunctions of the Laplacian of the metric $g$. The randomness is determined by a fixed Schwartz function $w$ and a small parameter $\varepsilon>0$. We first prove that as $\varepsilon o 0$ the expected distribution of critical values of this random function approaches a universal measure on $\mathbb{R}$, independent of $g$, that can be explicitly described in terms the expected distribution of eigenvalues of the Gaussian Wigner ensemble of random $(m+1) imes (m+1)$ symmetric matrices. In contrast, we prove that the metric $g$ and its curvature are determined by the statistics of the Hessians of the random function for small $\varepsilon$.

研究动机与目标

• 分析定义在紧黎曼流形上的随机莫尔斯函数的临界值的统计分布。
• 研究流形本身的几何结构（特别是其度量和曲率）如何编码于这些随机函数的 Hessian 统计量中。
• 建立当平滑参数 ε 趋近于零时，临界值分布的极限分布的普遍性。
• 将随机莫尔斯函数的渐近行为与随机矩阵理论联系起来，特别是与高斯 Wigner 系族相关联。
• 证明在 ε → 0 极限下，度量 g 可从随机函数的 Hessian 统计量中重构。

提出的方法

• 将随机莫尔斯函数构造为黎曼度量 g 下拉普拉斯算子 Δg 的正交本征函数的加权叠加，权重由一个施瓦茨函数 w 和一个小参数 ε 决定。
• 利用 Kac-Rice 公式和谱估计分析临界点与临界值的分布。
• 应用 Weyl 渐近公式和 Borel-Cantelli 引理，确保随机函数的几乎必然光滑性和可积性。
• 借助 Wigner 半圆律描述 ε → 0 时临界值的极限分布。
• 通过 Kac-Price 公式和高斯矩阵期望，将随机对称矩阵（GOE）的期望绝对行列式与临界值统计联系起来。
• 利用 Weyl 积分公式和高斯测度的性质，推导出期望 Hessian 行列式及其对度量依赖关系的显式表达式。

实验结果

研究问题

• RQ1 当 ε → 0 时，由本征函数叠加构造的随机莫尔斯函数的临界值的极限分布是什么？
• RQ2 黎曼流形的几何结构（特别是其度量和曲率）如何影响随机莫尔斯函数 Hessian 的统计特性？
• RQ3 在 ε → 0 极限下，能否从随机函数 Hessian 的统计特性中重构度量 g？
• RQ4 临界值的极限分布在不同黎曼流形之间在多大程度上具有普遍性？
• RQ5 当权重函数 w 为施瓦茨函数时，与之前工作中采用的特征函数（如方盒函数）相比，结果有何不同？

主要发现

• 当 ε → 0 时，随机莫尔斯函数的临界值的期望分布收敛到 ℝ 上的一个普遍测度，该测度仅依赖于维度 m，且由 (m+1)×(m+1) 高斯随机对称矩阵的 Wigner 半圆律描述。
• 极限临界值分布与黎曼度量 g 无关，表明随机莫尔斯函数渐近统计中存在一种普遍性。
• 在 ε → 0 极限下，度量 g 及其曲率被随机函数 Hessian 统计量唯一确定，表明几何信息编码于 Hessian 波动之中。
• 随机 (m+1)×(m+1) 对称矩阵（GOE）的期望绝对行列式与临界值密度通过如下公式显式关联：E[|det(A - cI)|] = 2^{3/2}(2v)^{(m+1)/2}Γ((m+3)/2)e^{c²/(4v)}ρ_{m+1,v}(c)。
• 通过弱收敛性，临界值分布收敛到 Wigner 半圆律，即归一化后的 1-点关联函数 ρ_{n,vn^{-1}}(x) 弱收敛到区间 [−2√v, 2√v] 上的半圆密度。
• 当 ε 足够小时，随机函数 u^ε 几乎必然为莫尔斯函数，确保临界点集为有限且离散，从而为临界值分析提供测度论工具的合理性。