Correlaciones, Huecos y Universalidad
Transcripción
Correlaciones, Huecos y Universalidad
Introducción a la teoría clásica de matrices aleatorias Parte 4: Correlaciones, Huecos y Universalidad Eduardo Duéñez Departmento de Matemáticas Universidad de Texas en San Antonio XXXIII Aniversario Físico-Matemáticas U. A. Sinaloa, 13–16 Octubre 2015 Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 1 / 27 Correlaciones y Huecos Correlaciones y 1-Densidad de Niveles Correlaciones de Eigenvalores Definición Si n es un entero positivo fijo, la n-correlación de los N eigenvalores (N) Λ = (λ1 , . . . , λN ) con FDP conjuntaa N (λ) es una función Rn de n variables definida como (N) Rn (λ1 , . . . , λn ) Z Z N! := · · · N (λ1 , . . . , λn , λn+1 , . . . , λN )dλn+1 . . . dλN . (N − n)! RN−n a Debe suponerse que la FDP conjunta N es simétrica en sus N variables. La n-correlación es esencialmente la FDP marginal de n de los eigenvalores, salvo por un factor N!/(N − n)! = N(N − 1) . . . (N − n + 1). Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 2 / 27 Correlaciones y Huecos Correlaciones y 1-Densidad de Niveles Un Truco Combinatorio Desde un punto de vista combinatorio, el lema de Tracy y Widom puede ser interpretado como una especie de “meta función generadora” de estadísticas de los eigenvalores. Su poder y flexibilidad residen en la posibilidad de elegir la “función de prueba” f (λ) de manera más o menos arbitraria. Lema (N) Rn (µ1 , . . . , µn ) es el coeficiente de z1 · · · zn en (la expansión de) el polinomio p(z1 , . . . , zn ) Z := Z ··· RN Eduardo Duéñez (U. T. San Antonio) N (Λ) N Y j=1 " 1+ n X # zr δ(λj − µj ) dλ1 · · · dλN . r =1 Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 3 / 27 Correlaciones y Huecos Correlaciones y 1-Densidad de Niveles Fórmula para las Correlaciones de Eigenvalores Tomando f (λ) = n X zr δ(λ − µr ) r =1 en el lema de Tracy y Widom, obtenemos que en wUE: p(z1 , . . . , zn ) = det(I + KN wf ), (determinante de Fredholm) KN wf denota al operador con kernel KN (λ, µ)w(µ)f (µ). Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 4 / 27 Correlaciones y Huecos Correlaciones y 1-Densidad de Niveles Fórmula para las Correlaciones de Eigenvalores KN wf es un operador de rango finito a lo más n: La imagen de KN wf es generada por n funciones: {KN (·, µs )w(µs )}ns=1 . El determinante de Fredholm puede calcularse como el determinante de una matriz finita de n × n, a saber, p(z1 , . . . , zn ) = det(I + KN wf ) = det(δrs + KN (µr , µs )w(µs )zs ) n×n = 1 + · · · + z1 z2 . . . zn det KN (µr , µs )w(µs ) + . . . . n×n Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 5 / 27 Correlaciones y Huecos Correlaciones y 1-Densidad de Niveles Fórmula para las Correlaciones de Eigenvalores Tomando el coeficiente de z1 . . . zn obtenemos finalmente Teorema (N) Las correlaciones Rn de wUE están dadas por el siguiente determinante de n × n: (N) Rn (λ1 , . . . , λn ) = det(KN (λj , λk )w(λk )). n×n Observe que el determinante es de n × n independientemente del tamaño N de las matrices aleatorias (el cual sólo figura como un parámetro). El caso especial n = 1 da la 1-densidad de niveles que calculamos ayer como caso especial. Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 6 / 27 Correlaciones y Huecos Huecos entre Eigenvalores Probabilidades de Huecos Definición Sea J ⊂ R un intervalo. Definamos E(0; J) como la probabilidad de que una matriz aleatoria (en cierta familia) tenga cero eigenvalores en J: Z E(0; J) = Z ··· (R\J)N Z N (Λ)dΛ = Z ··· N (Λ) RN N Y (1 − χJ (λj ))dΛ. j=1 donde χJ es la función característica del intervalo J: ( 1 (λ ∈ J) χJ (λ) = 0 (λ ∈ / J). Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 7 / 27 Correlaciones y Huecos Huecos entre Eigenvalores Fórmula para la Probabilidad de un Hueco Aplicando el Lema de Tracy y Widom en wUE con f = −χJ : Proposición E(0; J) = det(I − KN wχJ ). Definición Un hueco de longitud h es la diferencia entre dos eigenvalores consecutivos. Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 8 / 27 Correlaciones y Huecos Huecos entre Eigenvalores Fórmula para la Probabilidad de un Hueco Sea J = (λ, µ). Entonces, para λ0 fija, P(λsig ∂ E(0; (λ, µ)) ≥ µ | λ0 ) = (N) R1 (λ0 ) ∂λ λ=λ0 1 es la probabilidad condicional de que, dado que λ0 es un eigenvalor, el siguiente eigenvalor a la derecha sea al menos µ. Teorema La FDP de la longitud de un hueco cuyo extremo izquierdo es un eigenvalor observado en λ0 es 1 ∂2 p(0; λ0 ; h) = − (N) E(0; (λ, µ)) . λ=λ0 R1 (λ0 ) ∂λ∂µ µ=λ +h 0 Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 9 / 27 Límites Semiclásicos, Localización y Universalidad Definiciones El Límite Semiclásico N → ∞ Debido a la motivación histórica y para la mayoría de las aplicaciones, el comportamiento de estadísticas de eigenvalores en el “límite semiclásico” N → ∞ (o al menos para N arbitrariamente grande pero finita) es de la mayor importancia. En casi todos los casos entender las estadísticas límite involucra reescalar los eigenvalores. La razón es que generalmente los eigenvalores de una matriz aleatoria muy grande están sumamente apeñuzcados. Por ejemplo, el histograma de los N eigenvalores √ de una matriz GUE(N) típica se ve como un semicírculo √ de radio 2 N, por lo cual en un intervalo fijo de longitud L hay ∝ L N eigenvalores: Aunque el intervalo esté fijo, el número de eigenvalores se dispara conforme N crece. Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 10 / 27 Límites Semiclásicos, Localización y Universalidad Definiciones Localización Espectral Definición (N) Sea λ0 un punto fijo de R tal que la 1-densidad R1 (λ0 ) > 0 (se dice que λ0 está en el grueso del espectro). La localización espectral centrada en λ0 es el cambio de variables de λ a x dado por (N) x = (λ − λ0 )R1 (λ0 ). Las estadísticas espectrales localizadas en λ0 son las estadísticas de X = (x1 , . . . , xN ) donde xj es la localización en λ0 del eigenvalor λj de una matriz aleatoria. Las nuevas variables xj se llaman “niveles”. En general, cualesquiera nuevas variables µj = f (λj ) se llaman niveles. Normalmente uno está interesado en estudiar las estadísticas localizadas en el límite semiclásico. Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 11 / 27 Límites Semiclásicos, Localización y Universalidad Definiciones Núcleos Límite Localizados Es tal vez de esperarse que las estadísticas localizadas, en el límite N → ∞, sean expresables en términos de un límite apropiado del núcleo reproductivo KN conforme N → ∞. De acuerdo con la regla de la cadena, el núcleo localizado bajo el cambio de variables λ 7→ x es dλ K̂N (x, y ) := KN (λ, µ). dx En el caso especial de la localización en λ0 fijo,* el jacobiano de λ 7→ x (N) es simplemente dλ/dx = 1/R1 (λ0 ): K̂N (x, y ) = * 1 (N) R1 (λ0 ) KN (λ, µ). Aunque en realidad nada impide que λ0 dependa de N Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 12 / 27 Límites Semiclásicos, Localización y Universalidad Definiciones Núcleos Límite Es hora de enfrentar una pregunta importantísima que hemos evitado hasta ahora: Pregunta ¿Qué tan difícil es entender al núcleo reproductivo KN ? En particular, ¿qué tan bien lo entendemos para N grande? Una respuesta un tanto tautológica es que entendemos a KN tan bien como entendemos a los polinomios ortogonales p̂j para j grande. Un pequeño pero importante ingrediente de la respuesta es que existe una fórmula cerrada para la suma de N términos que define a KN y que involucra solamente a polinomios ortogonales. Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 13 / 27 Límites Semiclásicos, Localización y Universalidad Definiciones Fórmula de Christoffel-Darboux Teorema (Fórmula de Christoffel-Darboux) Si {p̂j } es la sucesión de polinomios p̂j (λ) = γj λj + . . . (γj > 0) que son ortonormales con respecto al peso w, entonces el núcleo reproductivo de grado N está dado por la fórmula γN p̂N+1 (µ)p̂N (λ) − p̂N (µ)p̂N+1 (λ) (λ 6= µ), µ−λ KN (λ, µ) = γN+1 γN 0 ( p̂ (λ) p̂ (λ) − p̂N0 (λ)p̂N+1 (λ)) (λ = µ). N N+1 γN+1 donde p̂j0 = d dλ p̂j . Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 14 / 27 Límites Semiclásicos, Localización y Universalidad El Conjunto Circular Unitario CUE El Conjunto Circular Unitario CUE Definición El conjunto circular unitario CUE(N) es simplemente el conjunto U(N) de todas las matrices unitarias H de N × N considerado como un espacio de probabilidad con respecto a su medida de Haar normalizada dµ(H) (medida natural invariante bajo traslaciones). No entraremos en los detalles de la definición explícita de la medida de Haar, aunque es simplemente la medida de volumen de U(N) 2 cuando se le encaja en R2N de la manera natural. Note que dµ(H) es invariante bajo similitudes unitarias porque es de hecho invariante bajo traslaciones tanto por la izquierda como por la derecha. Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 15 / 27 Límites Semiclásicos, Localización y Universalidad El Conjunto Circular Unitario CUE La FDP Conjunta de los Eigenvalores de CUE Toda matriz H ∈ CUE(N) tiene N eigenvalores de longitud 1, digamos eiθ1 , . . . , eiθN , con −π < θj ≤ π. Denotaremos Θ = (θ1 , . . . , θN ). Teorema (FDP Conjunta de Eigenvalores en GUE) La FDP conjunta de los “eigen-ángulos” de una matriz en GUE(N) es (Θ) = 1 |Van(exp(iΘ))|2 κN donde exp(iΘ) = (eiθ1 , . . . , eiθN ) es el vector de eigenvalores y Z Z κN := · · · |Van(exp(iΘ))|2 dΘ = (2π)N N!. [−π,π]N Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 16 / 27 Límites Semiclásicos, Localización y Universalidad El Conjunto Circular Unitario CUE El Producto Hermitiano de CUE El Vandermonde cuadrado en la FDP de eigenvalores en CUE significa que CUE es una familia de tipo β = 2 y las técnicas que funcionan en wUE son aplicables con pequeños cambios (debido al hecho de que los eigenvalores de CUE son números complejos). La ausencia de una función de peso w es peculiar y caracteriza al CUE. (En realidad, w ≡ 1.) Tomaremos el producto hermitiano Z π p(eiθ )q(eiθ )dθ hp, qi := −π para cualesquiera funciones p, q definidas en el círculo unitario en C. (Si hubiese una función de peso w en la PDF de eigenvalores, habría faltado incluirla en la definición de h·, ·i.) Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 17 / 27 Límites Semiclásicos, Localización y Universalidad El Conjunto Circular Unitario CUE Polinomios Ortogonales en el Círculo Unitario Ahora hace falta encontrar los polinomios p1 (λ), p2 (λ), . . . que son ortogonales en el círculo unitario con respecto a h·, ·i. Sin embargo, tal tarea es sencillísima porque Z π Z π iθ k j k iθ j (e ) (e ) dθ = ei(j−k )θ dθ = 2πδjk . hλ , λ i = −π −π Por tanto, los polinomios ortonormales son pj (λ) = √1 λj ,** 2π y se sigue que*** N−1 1 X i(φ−θ)j KN (θ, φ) = e = 2π j=0 ( 1 eiN(φ−θ) −1 2π ei(φ−θ) −1 N 2π (θ 6= φ) (θ = φ). ** Esto sugiere que sería mejor idea trabajar con la medida dθ/(2π). ¡La fórmula de Christoffel-Darboux es una maravillosa generalización de la fórmula geométrica! *** Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 18 / 27 Límites Semiclásicos, Localización y Universalidad El Conjunto Circular Unitario CUE La 1-Densidad de CUE Como ya sabemos (al menos por analogía con wUE), los valores “diagonales” KN (θ, θ) del núcleo reproductivo revelan la 1-densidad de niveles: N (N) R1 (θ) = 2π lo cual no es de sorprendernos. La densidad es constante (independiente de θ) debido a la invarianza de la medida de Haar de GUE bajo multiplicación por un múltiplo arbitrario eiφ I de la matriz identidad (esto rota todos los N eigenvalores un ángulo φ en el círculo). Además, como hay N eigenvalores en un arco de longitud 2π, la densidad tiene que ser N/2π. Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 19 / 27 Límites Semiclásicos, Localización y Universalidad El Conjunto Circular Unitario CUE Conjugación del Núcleo Reproductivo Ahora haremos algo que no es estrictamente necesario pero sí útil. Conjugaremos el núcleo reproductivo mediante una transformación unitaria: N −1 N −1 K̃N (θ, φ) = exp iθ K (θ, φ) exp − iφ 2 2 = 1 sin( N2 (φ − θ)) . 2π sin( 12 (φ − θ)) eN f ), de manera que para Es muy fácil ver que det(I + KN f ) = det(I + K nuestros propósitos (e.g., en aplicaciones del Lema de Tracy y Widom) esta modificación es intrascendente. Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 20 / 27 Límites Semiclásicos, Localización y Universalidad El Conjunto Circular Unitario CUE Localización del Núcleo de CUE Ahora vamos a localizar cerca de un θ0 arbitrario pero fijo. De hecho, tomaremos θ0 = 0 en vista de la invarianza rotacional de la distribución de los eigenvalores de CUE. El cambio de variables es x= N θ. 2π N N (Y análogamente y = 2π φ, xj = 2π θj , etc.) Pasaremos directamente al límite N → ∞: 2π sin π(y − x) sin π(y − x) K̃N (θ, φ) = l«ım = . π(y −x) π(y − x) N→∞ N N→∞ N sin S(x, y ) = l«ım N Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 21 / 27 Límites Semiclásicos, Localización y Universalidad El Conjunto Circular Unitario CUE El Núcleo-Seno Definición El Núcleo-Seno es ( sin π(y −x) S(x, y ) = π(y −x) 1 (x 6= y ) (x = y ). La diagonal S(x, x) = 1 simplemente significa que normalizamos los eigenángulos usando la 1-densidad, así que los niveles rescalados tienen densidad uniforme a lo largo de toda la recta. Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 22 / 27 Límites Semiclásicos, Localización y Universalidad Universalidad Universalidad de Estadísticas Aunque encontramos el núcleo-seno S haciendo un cálculo específico al CUE, el siguiente resultado ha sido demostrado en gran generalidad. Teorema (Universalidad para Familias β = 2) Para cualquier familia de matrices aleatorias con parámetro de simetría β = 2 (sea hermitiana como wUE, o de tipo circular como el CUE, etc.), las estadísticas localizadas en un punto λ0 en el grueso del espectro coinciden con las de CUE y están dictadas por el núcleo-seno. Este resultado fue formulado elocuentemente por Dyson en los sesentas y demostrado para clases bastante generales de familias a finales de los noventas (Pastur-Scherbina, Bleher-Its, Deift-Kriecherbauer-McLaughlin-Venakides-Zhou). Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 23 / 27 Límites Semiclásicos, Localización y Universalidad Universalidad Ejemplo: Huecos de Eigenvalores Teorema La distribución de la longitud S de los huecos rescalados entre los eigenvalores de CUE tiene la FDP siguiente, en el límite N → ∞: p̂(0; s) = d2 det(I − Sχ[−s/2,s/2] ). ds2 Esta misma distribución describe los huecos rescalados (en el límite N → ∞) al localizar en un punto arbitrario del grueso del espectro de una familia con parámetro de simetría β = 2. La demostración es una consecuencia sencilla de la fórmula determinantal para p(N) (0; λ0 ; h), sabiendo desde luego que el límite del núcleo localizado de la familia sea el núcleo-seno (universalidad). Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 24 / 27 Límites Semiclásicos, Localización y Universalidad Universalidad La Distribución β = 2 de los Huecos Figura : La FDP p2 (0; s) de los huecos consecutivos entre los niveles rescalados de una matriz aleatoria en una familia “unitaria” (parámetro β=2). También se muestra la predicción equívoca de Wigner (en verde). Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 25 / 27 Límites Semiclásicos, Localización y Universalidad Universalidad Un Poco de Historia En 1961, M. Gaudin introdujo el uso de polinomios ortogonales al estudio de estadísticas de eigenvalores. Desde los sesentas, M. L. Mehta ha explotado el método de polinomios ortogonales, demostrando muchos resultados sobre estadísticas ahora considerados clásicos. El Lema de C. Tracy y H. Widom, publicado en 1998, proporciona una herramienta que unifica y simplifica cálculos originalmente efectuados por métodos ad hoc. El notable físico F. Dyson fue uno de los pioneros del área y clasificó las familias clásicas de familias aleatorias de acuerdo al parámetro de simetría β = 1, 2, 4. También formuló la Hipótesis de Universalidad. Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 26 / 27 Apéndice Referencias Referencias Freeman J. Dyson. The threefold way. Algebraic structure of symmetry groups and ensembles in quantum mechanics. J. Mathematical Phys., 3:1199–1215, 1962. Gábor Szegő. Orthogonal polynomials. American Mathematical Society, Providence, R.I., fourth edition, 1975. American Mathematical Society, Colloquium Publications, Vol. XXIII. Craig A. Tracy and Harold Widom. Correlation functions, cluster functions, and spacing distributions for random matrices. J. Statist. Phys., 92(5-6):809–835, 1998. Eduardo Duéñez (U. T. San Antonio) Correlaciones, Huecos y Universalidad 33 aniv.físico-matemática UAS 27 / 27