[论文解读] The geometric Kannan-Lovasz-Simonovits lemma, dimension-free estimates for volumes of sublevel sets of polynomials, and distribution of zeroes of random analytic functions

Fëdor Nazarov, Mikhail Sodin+1 more|ArXiv.org|Aug 30, 2001

Point processes and geometric inequalities被引用 12

一句话总结

本文引入了一个无维数的几何不等式——几何Kannan-Lovász-Simonovits（KLS）引理，该引理可实现对凸体中多项式次水平集体积的精确、无维数估计。通过针分解和对数凹体积函数，作者推导出多项式取值分布的指数尾部界，并将其应用于随机解析函数，表明具有显著偏离典型分布的零点分布的函数所占比例随偏离大小呈 $\exp(-\text{偏离大小})$ 衰减，揭示了一种类普遍集中现象。

ABSTRACT

The goal of this paper is to attract attention of the reader to a dimension-free geometric inequality that can be proved using the classical needle decomposition. This inequality allows us to derive sharp dimension-free estimates for the distribution of values of polynomials in n-dimensional convex bodies. Such estimates, in their turn, lead to a surprising result about the distribution of zeroes of random analytic functions; informally speaking, we show that for simple families of analytic functions, there exists a "typical" distribution of zeroes such that the portion of the family occupied by the functions whose distribution of zeroes deviates from that typical one by some fixed amount, is about Const exp{-size of the deviation}. The paper is essentially self-contained. When choosing the style, we tried to make it an enjoyable reading for both a senior undergraduate student and an expert. As to the question "What is new in the paper?", we beleive that the answer to it is a function of two variables, the first being "what is written" and the second being "who is reading". Since we have no knowledge of the value of the second variable, we can only give the range of answers with the first variable fixed. For the targeted audience it will be the standard range [Nothing, Everything] (with both endpoints included).

研究动机与目标

• 建立一个无维数的几何不等式——具体而言，即几何KLS引理——以控制凸体中沿直线具有高相对测度的集合的体积。
• 利用该不等式，推导出在 $\mathbb{R}^n$ 的凸子集上多项式取值分布的精确、无维数估计。
• 将这些估计应用于分析随机解析函数的零点分布，揭示一种普遍的集中行为。
• 证明随机解析函数的零点分布显著偏离典型分布的概率，随偏离大小呈指数衰减。

提出的方法

• 通过针分解证明几何KLS引理，将问题简化为凸体中通过各条直线的一维不等式。
• 该方法依赖于Brunn-Minkowski定理，该定理保证了凸集截面体积沿直线位置的对数凹性。
• 通过将问题约化为涉及对数凹函数的一维不等式，利用重排和凸性论证，将该不等式与指数函数进行比较，从而证明其成立。
• 作者利用对数凹函数的递减重排可保持或改善不等式这一事实，从而将其约化为指数函数。
• 关键不等式在函数为指数函数时被验证为恒等式，通过比较完成证明。
• 通过将几何KLS引理应用于多项式的水平集，并利用截面体积的对数凹性，将结果推广至多项式次水平集。

实验结果

研究问题

• RQ1 能否为凸体中沿直线具有高相对密度的集合的测度导出一个无维数的几何不等式？
• RQ2 在凸体中，多项式次水平集的体积是否存在精确、无维数的估计？
• RQ3 多项式取值在高维凸集中如何集中？
• RQ4 随机解析函数的零点分布的典型形态是什么？其偏离行为如何？
• RQ5 是否存在函数集合的测度随其零点分布显著偏离典型分布而呈指数衰减？

主要发现

• 几何KLS引理由：对于任意紧致凸集 $\mathcal{F} \subset \mathbb{R}^n$ 和闭子集 $\mathcal{E} \subset \mathcal{F}$，所有通过该点的直线与 $\mathcal{E}$ 的交集在该线段中至少占 $\frac{\lambda-1}{\lambda}$ 比例的点的相对体积满足 $\frac{\operatorname{Vol}(\mathcal{E}_{\lambda,\mathcal{F}})}{\operatorname{Vol}(\mathcal{F})} \leq \left[\frac{\operatorname{Vol}(\mathcal{E})}{\operatorname{Vol}(\mathcal{F})}\right]^\lambda$。
• 该不等式可导出凸体中多项式取值分布的精确、无维数估计，且不依赖于环境维数 $n$。
• 对于简单族中的随机解析函数，其零点分布偏离典型分布固定量的函数所占比例被控制在 $\operatorname{Const} \cdot \exp(-\text{偏离大小})$ 以内，表明存在强烈的集中现象。
• 证明技术依赖于凸体截面体积的对数凹性，这是Brunn-Minkowski定理的推论，且将问题约化为对对数凹函数的一维不等式。
• 关键不等式通过约化为指数函数（此时为恒等式）并利用重排和比较论证，推广至一般对数凹函数。
• 该方法提供了一种统一、自包含的途径，适用于多项式和解析函数，得出不依赖于维数的普遍集中结果。