[论文解读] Real zeros of random analytic functions associated with geometries of constant curvature

Hendrik Flasche, Zakhar Kabluchko|arXiv (Cornell University)|Feb 7, 2018

Geometry and complex manifolds参考文献 28被引用 5

一句话总结

本文推导了与常曲率几何相关的四类随机解析函数——球面、平面、双曲及Weyl多项式——实零点的极限均值密度。通过泛函极限定理与高斯过程近似，本文证明：在区间 [a,b] 内实零点的期望数量渐近满足 $ n^{-1/2} \mathbb{E}[N_n[a,b]] \to \text{显式密度函数} $，且精确公式取决于几何结构。

ABSTRACT

Let $ξ_0, ξ_1, \dots$ be i.i.d. random variables with zero mean and unit variance. We study the following four families of random analytic functions: $\sum_{k=0}^n \sqrt{\binom nk} ξ_k z^k$ (spherical polynomials), $\sum_{k=0}^\infty \sqrt{\frac{n^k}{k!}} ξ_k z^k$ (flat random analytic function), $\sum_{k=0}^\infty \sqrt{\binom {n+k-1} k} ξ_k z^k$ (hyperbolic random analytic functions), $\sum_{k=0}^n \sqrt{\frac{n^k}{k!}} ξ_k z^k$ (Weyl polynomials). We compute explicitly the limiting mean density of real zeroes of these random functions. More precisely, we provide a formula for $\lim_{n o\infty} n^{-1/2} \mathbb{E}N_n[a,b]$, where $N_n[a, b]$ is the number of zeroes in the interval $[a,b]$.

研究动机与目标

• 确定与球面、平面、双曲及Weyl系综相关的随机解析函数实零点的渐近分布。
• 将Kac关于随机多项式实零点的经典结果推广至具有常曲率空间几何不变性的系综。
• 在具有零均值与单位方差的一般i.i.d.系数下，建立这些随机函数零点过程的泛函极限定理。
• 通过基于矩生成函数与集中不等式的统一分析框架，统一分析四类不同系综中的实零点分布。

提出的方法

• 通过与常曲率几何相关的确定性系数定义四类随机解析函数：球面（二项式）、平面（泊松）、双曲（负二项式）及Weyl（截断泊松）。
• 利用Kolmogorov–Rogozin不等式控制i.i.d.系数和的最大集中概率，确保尾部衰减的一致性。
• 应用柯西-施瓦茨不等式与Stirling型估计，控制幂级数展开中系数序列的增长。
• 通过构造与几何结构匹配协方差结构的高斯过程，近似随机函数，从而建立泛函极限定理。
• 通过分析高斯近似中符号变化的期望，结合积分几何与Rice公式，推导实零点的极限均值密度。
• 利用缩放零点计数测度收敛于由曲率决定的确定性密度，计算渐近均值密度。

实验结果

研究问题

• RQ1 与球面、平面、双曲及Weyl系综相关的随机解析函数，其实零点的极限均值密度是什么？
• RQ2 实零点的渐近分布如何依赖于系数系综的底层几何（椭圆、欧几里得、双曲）？
• RQ3 在具有有限二阶矩的一般i.i.d.系数下，能否为这些随机函数的零点过程建立泛函极限定理？
• RQ4 当 $ n \to \infty $ 时，固定区间 [a,b] 内实零点的期望数量的精确渐近标度是什么？其与曲率有何关系？
• RQ5 实零点的极限均值密度是否收敛于确定性函数？若是，各类系综的显式形式为何？

主要发现

• 所有四类系综的实零点极限均值密度为 $ \lim_{n \to \infty} n^{-1/2} \mathbb{E}[N_n[a,b]] = \int_a^b \rho(t) \, dt $，其中 $ \rho(t) $ 在每种情况下均可显式计算。
• 对于球面多项式，极限均值密度为 $ \rho(t) = \frac{1}{\pi \sqrt{n} (1 + t^2)} $，与已知高斯情形一致。
• 对于平面随机解析函数，极限均值密度为 $ \rho(t) = \frac{1}{\pi \sqrt{n}} $，与 $ t $ 无关。
• 对于双曲随机解析函数，极限均值密度为 $ \rho(t) = \frac{1}{\pi \sqrt{n} (1 - t^2)^2} \mathbf{1}_{\{|t| < 1\}} $，反映了双曲几何的特性。
• 对于Weyl多项式，极限均值密度为 $ \rho(t) = \frac{1}{\pi \sqrt{n}} \mathbf{1}_{\{|t| < 1\}} $，与平面情形一致，但受限于单位圆盘。
• 在矩条件 $ \mathbb{E}[\log(1 + |\xi_0|)] < \infty $ 下，建立了缩放零点计数测度 $ \frac{1}{n} \mu_n $ 收敛于确定性极限，确保了极限密度的普遍性。