Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Bornes sur la variance des valeurs propres de matrices de Wigner
Sandrine Dallaporta
Institut de Mathématiques de Toulouse
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Modèle
Valeurs propres individuelles
Dénition
Une matrice hermitienne aléatoire MN de taille N est une matrice de Wigner si :
les parties réelles et parties imaginaires des(MN)ij sont iid, ont une moyenne nulle et une variance égale à 12 (pour i <j), ses coecients diagonaux sont iid, ont une moyenne nulle et une variance 1. Ils sont indépendants des coecients non diagonaux.
Normalisation : WN = √1
NMN.
N valeurs propres réelles :λ1 6· · ·6λN.
Hypothèse technique : décroissance exponentielle de la loi des
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Modèle
Valeurs propres individuelles
Dénition (Exemple important de matrices de Wigner)
Si MN est une matrice de Wigner dont les coecients suivent une loi gaussienne, alors MN appartient au GUE (Gaussian Unitary Ensemble).
La loi jointe des valeurs propres est alors explicitement connue (ce qui n'est pas vrai dans le cas général) :
CN1λ16λ26···6λN
Y
i<j
(λj −λi)2 YN i=1
e−λ2i/2dλi. Processus déterminantal, polynômes orthogonaux.
=⇒Étude complète du spectre possible.
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Modèle
Valeurs propres individuelles
Dénition (Exemple important de matrices de Wigner)
Si MN est une matrice de Wigner dont les coecients suivent une loi gaussienne, alors MN appartient au GUE (Gaussian Unitary Ensemble).
La loi jointe des valeurs propres est alors explicitement connue (ce qui n'est pas vrai dans le cas général) :
CN1λ16λ26···6λN
Y
i<j
(λj−λi)2 YN i=1
e−λ2i/2dλi. Processus déterminantal, polynômes orthogonaux.
=⇒Étude complète du spectre possible.
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Modèle
Valeurs propres individuelles
Dénition (Exemple important de matrices de Wigner)
Si MN est une matrice de Wigner dont les coecients suivent une loi gaussienne, alors MN appartient au GUE (Gaussian Unitary Ensemble).
La loi jointe des valeurs propres est alors explicitement connue (ce qui n'est pas vrai dans le cas général) :
CN1λ16λ26···6λN
Y
i<j
(λj−λi)2 YN i=1
e−λ2i/2dλi. Processus déterminantal, polynômes orthogonaux.
=⇒Étude complète du spectre possible.
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Modèle
Valeurs propres individuelles
Théorème (Wigner, 1955) µN = 1
N
N
X
k=1
δλk −→
N→∞ρsc p.s.
Dénition
La loi semicirculaire est la mesure de probabilité surRde densité dρsc(x) = 1
2π
p4−x21|x|<2.
La position théorique de la jème valeur propre γj est dénie par
Nj =Rγj
−2dρsc(x).
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Modèle
Valeurs propres individuelles
Soitη >0 xé.
Valeurs propres dans le bulk :λj avecηN 6j 6(1−η)N.
λj −γj →0 p.s.
Théorème (Gustavsson 2005, Tao et Vu 2011) Soitη >0 xé. Pour tout ηN 6j 6(1−η)N,
λj −γj r log N
8(4−γj2)N2
N→+∞→ N(0,1).
A-t-on Var(λj)6C(η)log NN2 pour tout N ?
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Modèle
Valeurs propres individuelles
Soitη >0 xé.
Valeurs propres dans le bulk :λj avecηN 6j 6(1−η)N.
λj −γj →0 p.s.
Théorème (Gustavsson 2005, Tao et Vu 2011) Soitη >0 xé. Pour tout ηN 6j 6(1−η)N,
λj −γj r log N
8(4−γj2)N2
N→+∞→ N(0,1).
A-t-on Var(λj)6C(η)log NN2 pour tout N ?
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Cas gaussien Cas général
Fonction de comptage des valeurs propresNt =PN
i=11λi6t. Processus déterminantal=⇒ Nt suit une loi binomiale.
P |Nt−Nρsc (−∞,t]
|>u+C
62 exp
− u2 c log N+u
.
Proposition (Inégalité de déviation pourλj)
Il existe des constantes C1>0, C2 >0, C3>0 and C4 >0 (toutes dépendant deη) telles que, pour tout C36u 6C4N,
P
|λj −γj|> u N
64 exp
− C12u2 C2log N+C1u
.
=⇒ E
(λj −γj)2
6C(η)log N N2 .
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Cas gaussien Cas général
Fonction de comptage des valeurs propresNt =PN
i=11λi6t. Processus déterminantal=⇒ Nt suit une loi binomiale.
P |Nt−Nρsc (−∞,t]
|>u+C
62 exp
− u2 c log N+u
.
Proposition (Inégalité de déviation pourλj)
Il existe des constantes C1>0, C2 >0, C3>0 and C4 >0 (toutes dépendant deη) telles que, pour tout C36u 6C4N,
P
|λj −γj|> u N
64 exp
− C12u2 C2log N+C1u
.
=⇒ E
(λj −γj)2
6C(η)log N N2 .
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Cas gaussien Cas général
Théorème (Erdös-Yau-Yin, 2010)
Il existe des constantes C >0 et c >0 telles que, pour tout ηN 6j 6(1−η)N,
P
|λj−γj|> (log N)C log log N
N
6δN, pour N assez grand, avecδN =C exp[−(log N)c log log N].
=⇒ E
(λj −γj)2
6 (log N)2C log log N
N2 .
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Cas gaussien Cas général
Théorème (Erdös-Yau-Yin, 2010)
Il existe des constantes C >0 et c >0 telles que, pour tout ηN 6j 6(1−η)N,
P
|λj−γj|> (log N)C log log N
N
6δN, pour N assez grand, avecδN =C exp[−(log N)c log log N].
=⇒ E
(λj −γj)2
6 (log N)2C log log N
N2 .
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Cas gaussien Cas général
Théorème (Tao et Vu, 2011)
Il existe une constante c0>0 telle que la proposition suivante est vraie.
Soient MN and MN0 deux matrices de Wigner dont les coecients ont les mêmes 4 premiers moments.
On pose WN = √1
NMN et WN0 = √1
NMN0 . Soit G :R→Rune fonction lisse vériant :
∀ 06j 65, ∀x ∈R, |G(j)(x)|6Nc0. Alors, pour tout 16j 6N et pour N assez grand,
E[G(Nλj)]−E[G(Nλ0j)]
6N−c0. G troncature de x 7→(x−Nγj)2.
=⇒ E
(λj −γj)2
6C(η)log N N2 .
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Cas gaussien Cas général
Théorème (Tao et Vu, 2011)
Il existe une constante c0>0 telle que la proposition suivante est vraie.
Soient MN and MN0 deux matrices de Wigner dont les coecients ont les mêmes 4 premiers moments.
On pose WN = √1
NMN et WN0 = √1
NMN0 . Soit G :R→Rune fonction lisse vériant :
∀ 06j 65, ∀x ∈R, |G(j)(x)|6Nc0. Alors, pour tout 16j 6N et pour N assez grand,
E[G(Nλj)]−E[G(Nλ0j)]
6N−c0. G troncature de x 7→(x−Nγj)2.
2 log N
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Théorème (Wigner, 1955) µN = 1
N
N
X
k=1
δλk −→
N→∞ρsc p.s.
Vitesse de convergence ?
Dénition (Distance de Wasserstein d'ordre 2) W2(µ, ν) =
infZ
R2
|x −y|2dπ(x,y)1/2
,
où l'inmum est pris sur toutes les mesures de probabilitéπ surR2 de marginalesµet ν.
Borne sur E
W2(µN, ρsc)
?
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Théorème (Wigner, 1955) µN = 1
N
N
X
k=1
δλk −→
N→∞ρsc p.s.
Vitesse de convergence ? Dénition (Distance de Wasserstein d'ordre 2)
W2(µ, ν) = infZ
R2
|x −y|2dπ(x,y) 1/2
,
où l'inmum est pris sur toutes les mesures de probabilitéπ surR2 de marginalesµet ν.
Borne sur E
W2(µN, ρsc)
?
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Proposition
Il existe une constante universelle C >0 telle que W22(µN, ρsc)6 2
N XN j=1
(λj −γj)2+ C N2 p.s.
Corollaire
Il existe une constante universelle C >0 telle que, pour tout N >2, E
W22(µN, ρsc)
6Clog N N2 .
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence
Proposition
Il existe une constante universelle C >0 telle que W22(µN, ρsc)6 2
N XN j=1
(λj −γj)2+ C N2 p.s.
Corollaire
Il existe une constante universelle C >0 telle que, pour tout N >2, E
W22(µN, ρsc)
6Clog N N2 .
Matrices de Wigner et variance des valeurs propres Schéma de la démonstration Taux de convergence