Евклидова случайная матрица

В математике случайная евклидова матрица Â размером N × N определяется с помощью произвольной детерминированной функции f ( r , r ′) и N точек { r i }, случайно распределенных в области V d -мерного евклидова пространства . Элемент A ij матрицы равен f ( r i , r j ) : A ij = f ( r i , r j ).

История

Евклидовы случайные матрицы были впервые введены в 1999 году. [1] Они изучили особый случай функций f , которые зависят только от расстояний между парами точек: f ( r , r ′) = f ( r - r ′) и наложили дополнительное условие на диагональные элементы A ii ,

A ij = f ( ri - r j ) - u δ ij Σ k f ( ri - r k ) ,

мотивировано физическим контекстом, в котором они изучали матрицу. Евклидова матрица расстояний является частным примером евклидовой случайной матрицы с f ( r i - r j ) = | r i - r j | 2 или f ( r i - r j ) = | r i - r j |. [2]

Например, во многих биологических сетях сила взаимодействия между двумя узлами зависит от физической близости этих узлов. Пространственные взаимодействия между узлами можно смоделировать как евклидову случайную матрицу, если узлы размещены в пространстве случайным образом. [3] [4]

Характеристики

Поскольку положения точек { r i } случайны, элементы матрицы A ij также случайны. Более того, поскольку элементы N × N полностью определяются только N точками и, как правило, интересуются Nd , между различными элементами существуют сильные корреляции.

Пример 1
Пример распределения вероятностей собственных значений Λ евклидовой случайной матрицы, сгенерированной функцией f ( r , r ′) = sin( k 0 ǀ r - r ′ǀ)/( k 0 ǀ r - r ′ǀ), где k 0 = 2π/λ 0 . Распределение Марченко-Пастура (красное) сравнивается с результатом численной диагонализации набора случайно сгенерированных матриц размера N × N . Плотность точек равна ρλ 0 3 = 0,1.

Эрмитовы евклидовы случайные матрицы

Эрмитовы евклидовы случайные матрицы появляются в различных физических контекстах, включая переохлажденные жидкости, [5] фононы в неупорядоченных системах, [6] и волны в случайных средах. [7]

Пример 1: Рассмотрим матрицу Â, сгенерированную функцией f ( r , r ′) = sin( k 0 | r - r ′|)/( k 0 | r - r ′|), где k 0 = 2π/λ 0 . Эта матрица является эрмитовой , и ее собственные значения Λ являются действительными . Для N точек, распределенных случайным образом в кубе со стороной L и объемом V = L 3 , можно показать [7] , что распределение вероятностей Λ приблизительно задается законом Марченко-Пастура , если плотность точек ρ = N / V подчиняется ρλ 0 3 ≤ 1 и 2,8 N /( k 0 L ) 2 < 1 (см. рисунок).

Пример 2
Пример распределения вероятностей собственных значений Λ евклидовой случайной матрицы, сгенерированной функцией f ( r , r ′) = exp( ik 0 ǀ r - r ′ǀ)/( k 0 ǀ r - r ′ǀ), при k 0 = 2π/λ 0 и f ( r = r ′) = 0.

Неэрмитовы евклидовы случайные матрицы

Была разработана теория плотности собственных значений больших ( N ≫1) неэрмитовых евклидовых случайных матриц [8] и применена для изучения проблемы случайного лазера . [9]

Пример 2: Рассмотрим матрицу Â, сгенерированную функцией f ( r , r ′) = exp( ik 0 | r - r ′|)/( k 0 | r - r ′|), где k 0 = 2π/λ 0 и f ( r = r ′) = 0. Эта матрица не является эрмитовой, а ее собственные значения Λ являются комплексными . Распределение вероятностей Λ можно найти аналитически [8], если плотность точек ρ = N / V удовлетворяет условию ρλ 0 3 ≤ 1 и 9 N /(8 k 0 R ) 2 < 1 (см. рисунок).

Ссылки

  1. ^ Mezard, M.; Parisi, G.; Zee, A. (1999). "Спектры случайных евклидовых матриц". Nuclear Physics B . 559 (3): 689– 701. arXiv : cond-mat/9906135 . Bibcode :1999NuPhB.559..689M. doi :10.1016/S0550-3213(99)00428-9. S2CID  3020186.
  2. ^ Богомольный, Е.; Бохигас, О.; Шмит, К. (2003). «Спектральные свойства матриц расстояний». Журнал физики A: Математический и общий . 36 (12): 3595–3616 . arXiv : nlin/0301044 . Бибкод : 2003JPhA...36.3595B. дои : 10.1088/0305-4470/36/12/341. S2CID  15199709.
  3. ^ Muir, Dylan; Mrsic-Flogel, Thomas (2015). «Ограничения собственного спектра для полуслучайных матриц с модульной и пространственной структурой для нейронных сетей». Phys. Rev. E. 91 ( 4): 042808. Bibcode : 2015PhRvE..91d2808M. doi : 10.1103/PhysRevE.91.042808. PMID  25974548.
  4. ^ Grilli, Jacopo; Barabás, György; Allesina, Stefano (2015). "Metapopulation Persistence in Random Fragmented Landscapes". PLOS Computational Biology . 11 (5): e1004251. Bibcode : 2015PLSCB..11E4251G. doi : 10.1371/journal.pcbi.1004251 . ISSN  1553-7358. PMC 4439033. PMID  25993004 . 
  5. ^ Grigera, TS; Martín-Mayor, V.; Parisi, G.; Verrocchio, P. (2003). «Фононная интерпретация «бозонного пика» в переохлажденных жидкостях». Nature . 422 (6929): 289– 292. Bibcode :2003Natur.422..289G. doi :10.1038/nature01475. PMID  12646916. S2CID  4393962.
  6. ^ Амир, А.; Орег, И.; Имри, И. (2010). «Локализация, аномальная диффузия и медленные релаксации: подход с использованием случайной матрицы расстояний». Physical Review Letters . 105 (7): 070601. arXiv : 1002.2123 . Bibcode :2010PhRvL.105g0601A. doi :10.1103/PhysRevLett.105.070601. PMID  20868026. S2CID  42664610.
  7. ^ ab Skipetrov, SE; Goetschy, A. (2011). "Распределения собственных значений больших евклидовых случайных матриц для волн в случайных средах". Journal of Physics A: Mathematical and Theoretical . 44 (6): 065102. arXiv : 1007.1379 . Bibcode :2011JPhA...44f5102S. doi :10.1088/1751-8113/44/6/065102. S2CID  119152955.
  8. ^ ab Goetschy, A.; Skipetrov, S. (2011). "Неэрмитова евклидова случайная матричная теория". Physical Review E. 84 ( 1): 011150. arXiv : 1102.1850 . Bibcode : 2011PhRvE..84a1150G. doi : 10.1103/PhysRevE.84.011150. PMID  21867155. S2CID  44717545.
  9. ^ Goetschy, A.; Skipetrov, SE (2011). "Евклидова матричная теория случайной генерации в облаке холодных атомов". EPL . 96 (3): 34005. arXiv : 1104.2711 . Bibcode :2011EL.....9634005G. doi :10.1209/0295-5075/96/34005. S2CID  119116200.
Взято с "https://en.wikipedia.org/w/index.php?title=Евклидова_случайная_матрица&oldid=1188196240"