thomasletendre encollaborationavecm.puchol …letendre.perso.math.cnrs.fr/docs/exposes/2018-12 -...
TRANSCRIPT
Volume de sous-variétés algébriques réelles aléatoires
Thomas Letendreen collaboration avec M. Puchol
Journées nancéiennes de géométrieNancy – 11 décembre 2018
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 1 / 30
Géométrie aléatoire
(M, g) variété riemannienne, compacte, sans bord, de dimension n.On choisit une sous-variété de codimension r de M au hasard.
QuestionQue peut-on dire de sa géométrie (volume, courbure, . . .) ou de satopologie (nombre de composantes connexes, nombres de Betti,caractéristique d’Euler, . . .) ?
On cherche une réponse statistique : moyenne, moments, loi, . . .ou un comportement presque sûr.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 2 / 30
Polynômes de Kac
Sur C, un polynôme de degré d a d racines, génériquement simples.
QuestionCombien un polynôme de Rd [X ] a-t-il de racines réelles ?
Théorème (Kac, 1943)
Soit Pd =d∑
i=0
aiXi où les ai sont des v.a.i.i.d. gaussiennes centrées
réduites. On a :E[card
(Pd−1 (0)
)]∼ 2π
ln d .
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 3 / 30
Polynômes de Kac
Sur C, un polynôme de degré d a d racines, génériquement simples.
QuestionCombien un polynôme de Rd [X ] a-t-il de racines réelles ?
Théorème (Kac, 1943)
Soit Pd =d∑
i=0
aiXi où les ai sont des v.a.i.i.d. gaussiennes centrées
réduites. On a :E[card
(Pd−1 (0)
)]∼ 2π
ln d .
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 3 / 30
Préliminaire : vecteurs gaussiens
(V , 〈· , ·〉) euclidien de dimension N,Λ opérateur auto-adjoint et défini positif.
DéfinitionUne variable aléatoire X ∈ V est dite gaussienne, centrée, de variance Λ, sisa loi admet la densité :
1
(2π)N2√
det(Λ)exp
(−12⟨Λ−1x , x
⟩)par rapport à la mesure de Lebesgue. On note X ∼ N (0,Λ).
Si Λ = Id on dit que X est réduite. Alors, dans une base orthonormée (ei ),X =
∑aiei , où les ai sont des v.a.i.i.d réelles N (0, 1).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 4 / 30
1 Sous-variétés algébriques réelles aléatoires
2 Espérance et variance du volume
3 Idées de preuve
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 5 / 30
Sous-variétés algébriques réelles aléatoires
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 6 / 30
Polynômes de Kostlan–Shub–Smale
NotationsSoit α = (α0, . . . , αn) ∈ Nn+1, on note :
|α| = α0 + · · ·+ αn,
Xα = Xα00 · · ·Xαn
n ,
α! = α0! · · ·αn!,
si |α| = d ,(d
α
)=
d!
α!.
On considère P ∈ Rhomd [X0, . . . ,Xn] aléatoire distribué selon la loi de
Kostlan :
P =∑|α|=d
aα
√(d
α
)Xα,
où les (aα)|α|=d sont des v.a.i.i.d de loi N (0, 1).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 7 / 30
Polynômes de Kostlan–Shub–Smale
La famille
(√(d
α
)Xα
)|α|=d
est une base orthonormée de
Rhomd [X0, . . . ,Xn] pour le produit scalaire :
〈P ,Q〉 =1
πn+1d!
∫Cn+1
P(z)Q(z)e−‖z‖2
dz .
Un polynôme de Kostlan–Shub–Smale est un vecteur aléatoire de loiN (0, Id) dans Rhom
d [X0, . . . ,Xn].
La distribution de Kostlan est invariante sous l’action de On+1(R).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 8 / 30
Polynômes de Kostlan–Shub–Smale
La famille
(√(d
α
)Xα
)|α|=d
est une base orthonormée de
Rhomd [X0, . . . ,Xn] pour le produit scalaire :
〈P ,Q〉 =1
πn+1d!
∫Cn+1
P(z)Q(z)e−‖z‖2
dz .
Un polynôme de Kostlan–Shub–Smale est un vecteur aléatoire de loiN (0, Id) dans Rhom
d [X0, . . . ,Xn].
La distribution de Kostlan est invariante sous l’action de On+1(R).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 8 / 30
Polynômes de Kostlan–Shub–Smale
On fixe d , n et r ∈ {1, . . . , n}.
DéfinitionSoient P1, . . . ,Pr des polynômes de Kostlan–Shub–Smale indépendantsdans Rhom
d [X0, . . . ,Xn], on note :
Zd =(⋂
Pi−1 (0)
)∩ Sn.
LemmeZd est presque surement une sous-variété lisse de codimension r de Sn.
Théorème (Kostlan, 1993)
Pour tout n, r et d , on a : E[Vol (Zd)] = dr2 Vol (Sn−r ).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 9 / 30
Polynômes de Kostlan–Shub–Smale
On fixe d , n et r ∈ {1, . . . , n}.
DéfinitionSoient P1, . . . ,Pr des polynômes de Kostlan–Shub–Smale indépendantsdans Rhom
d [X0, . . . ,Xn], on note :
Zd =(⋂
Pi−1 (0)
)∩ Sn.
LemmeZd est presque surement une sous-variété lisse de codimension r de Sn.
Théorème (Kostlan, 1993)
Pour tout n, r et d , on a : E[Vol (Zd)] = dr2 Vol (Sn−r ).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 9 / 30
Courbes aléatoires sur S2
d = 1
Images par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 10 / 30
Courbes aléatoires sur S2
d = 2
Images par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 10 / 30
Courbes aléatoires sur S2
d = 3
Images par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 10 / 30
Courbes aléatoires sur S2
d = 5
Images par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 10 / 30
Courbes aléatoires sur S2
d = 10
Images par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 10 / 30
Courbes aléatoires sur S2
d = 20
Images par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 10 / 30
Courbes aléatoires sur S2
d = 50
Images par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 10 / 30
Courbes aléatoires sur S2
d = 100
Images par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 10 / 30
Courbes aléatoires sur S2
d = 200
Images par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 10 / 30
Courbes aléatoires sur S2
d = 500
Images par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 10 / 30
Courbes aléatoires sur S2
d = 1000
Images par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 10 / 30
Courbes aléatoires sur S2
d = 2000
Images par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 10 / 30
Courbes aléatoires sur S2
d = 5000
Images par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 10 / 30
Courbes aléatoires sur S2
d = 10000
Images par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 10 / 30
Courbes aléatoires sur S2
d = 20000
Images par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 10 / 30
Zéros de sections aléatoires
X variété projective complexe de dimension n,(E , hE) fibré hermitien de rang r sur X ,(L, hL) fibré en droites hermitien positif sur X ,ω forme de Kähler induite par la courbure de L.
On suppose X , L et E équipés de structures réelles compatibles.
RH0(X , E ⊗ Ld) espace des sections holomorphes globales de E ⊗ Ldinvariantes par conjugaison.
RH0(X , E ⊗ Ld) est muni d’un produit scalaire L2 induit par ω, hE et hL.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 11 / 30
Zéros de sections aléatoires
DéfinitionSoit sd ∈ RH0(X , E ⊗ Ld) section aléatoire de loi N (0, Id). On noteZd = s−1
d (0) ∩M, où M est le lieu réel de X .
ExempleSi X = CPn, L = O(1) et E est trivial, alors M = RPn et
RH0(X , E ⊗ Ld) =(Rhomd [X0, . . . ,Xn]
)r.
On retrouve r polynômes de Kostlan–Shub–Smale indépendants.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 12 / 30
Mesure aléatoire
LemmePour tout d assez grand, Zd est presque surement une sous-variété lisse decodimension r de M.
|dVM | mesure riemannienne sur M,|dVd | mesure riemannienne sur Zd .
Zd définit une mesure de Radon aléatoire :
∀φ ∈ C0(M), 〈Zd , φ〉 =
∫Zd
φ |dVd | .
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 13 / 30
Mesure aléatoire
LemmePour tout d assez grand, Zd est presque surement une sous-variété lisse decodimension r de M.
|dVM | mesure riemannienne sur M,|dVd | mesure riemannienne sur Zd .
Zd définit une mesure de Radon aléatoire :
∀φ ∈ C0(M), 〈Zd , φ〉 =
∫Zd
φ |dVd | .
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 13 / 30
Espérance et variance du volume
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 14 / 30
Espérance du volume
Soit sd ∼ N (0, Id) dans RH0(X , E ⊗Ld) et Zd le lieu des zéros réels de sd .
Théorème (L., 2016)
Pour tout φ ∈ C0(M),
E[〈Zd , φ〉] = dr2
(∫Mφ |dVM |
)Vol (Sn−r )
Vol (Sn)+ ‖φ‖C0 O
(d
r2−1),
où le terme d’erreur est indépendant de φ.
Corollaire (équidistribution en moyenne)
En tant que formes linéaires continues sur C0(M),
d−r2E[Zd ] −−−−−→
d→+∞
Vol (Sn−r )
Vol (Sn)|dVM | .
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 15 / 30
Espérance du volume
Soit sd ∼ N (0, Id) dans RH0(X , E ⊗Ld) et Zd le lieu des zéros réels de sd .
Théorème (L., 2016)
Pour tout φ ∈ C0(M),
E[〈Zd , φ〉] = dr2
(∫Mφ |dVM |
)Vol (Sn−r )
Vol (Sn)+ ‖φ‖C0 O
(d
r2−1),
où le terme d’erreur est indépendant de φ.
Corollaire (équidistribution en moyenne)
En tant que formes linéaires continues sur C0(M),
d−r2E[Zd ] −−−−−→
d→+∞
Vol (Sn−r )
Vol (Sn)|dVM | .
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 15 / 30
Variance du volume
Théorème (L.–Puchol, 2017)
Pour tout φ ∈ C0(M),
Var(〈Zd , φ〉) = d r− n2
(∫Mφ2 |dVM |
)In,r + o
(d r− n
2
),
où In,r > 0 est explicite et ne dépend que de n et r .
Soit α > −n4 , par l’inégalité de Markov :
P(∣∣∣∣〈Zd , φ〉 − E[〈Zd , φ〉]
dr2
∣∣∣∣ > dα)
61
d2α Var
(〈Zd , φ〉d
r2
)= O
(d−
n2−2α
).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 16 / 30
Variance du volume
Théorème (L.–Puchol, 2017)
Pour tout φ ∈ C0(M),
Var(〈Zd , φ〉) = d r− n2
(∫Mφ2 |dVM |
)In,r + o
(d r− n
2
),
où In,r > 0 est explicite et ne dépend que de n et r .
Soit α > −n4 , par l’inégalité de Markov :
P(∣∣∣∣〈Zd , φ〉 − E[〈Zd , φ〉]
dr2
∣∣∣∣ > dα)
61
d2α Var
(〈Zd , φ〉d
r2
)= O
(d−
n2−2α
).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 16 / 30
Cas particuliers
Cas des polynômes de Kostlan–Shub–Smale sur Sn traité par :Dalmao (2015), n = r = 1,Armentano–Azaïs–Dalmao–Leòn (2017), n = r ,Armentano–Azaïs–Dalmao–Leòn (2018), n > r .
Ils obtiennent également un théorème central limite :
Vol (Zd)− E[Vol (Zd)]
Var(Vol (Zd))12
loi−−−−−→d→+∞
N (0, 1).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 17 / 30
Équidistribution en probabilité
CorollairePour tout ouvert non vide U ⊂ M,
P (Zd ∩ U = ∅) = O(d−
n2
).
Soit φU ∈ C0(M), nulle hors de U, strictement positive sur U.Soit ε > 0 tel que pour tout d assez grand, E[〈Zd , φU〉] > d
r2 ε.
P (Zd ∩ U = ∅) = P (〈Zd , φU〉 = 0)
6 P(∣∣∣〈Zd , φU〉 − E[〈Zd , φU〉]
∣∣∣ > dr2 ε)
61
d rε2Var(〈Zd , φU〉)
= O(d−
n2
).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 18 / 30
Équidistribution en probabilité
CorollairePour tout ouvert non vide U ⊂ M,
P (Zd ∩ U = ∅) = O(d−
n2
).
Soit φU ∈ C0(M), nulle hors de U, strictement positive sur U.Soit ε > 0 tel que pour tout d assez grand, E[〈Zd , φU〉] > d
r2 ε.
P (Zd ∩ U = ∅) = P (〈Zd , φU〉 = 0)
6 P(∣∣∣〈Zd , φU〉 − E[〈Zd , φU〉]
∣∣∣ > dr2 ε)
61
d rε2Var(〈Zd , φU〉)
= O(d−
n2
).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 18 / 30
Loi forte des grands nombres
Corollaire (Équidistribution p.s.)
Soit (sd) ∈∏d>1
RH0(X , E ⊗ Ld) une suite de sections aléatoires
indépendantes de degrés croissants. Si n > 3, alors, presque surement :
d−r2Zd
faible−∗−−−−−→d→+∞
Vol (Sn−r )
Vol (Sn)|dVM | ,
i.e.
∀φ ∈ C0(M), d−r2 〈Zd , φ〉 −−−−−→
d→+∞
Vol (Sn−r )
Vol (Sn)
∫Mφ |dVM | .
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 19 / 30
Idées de preuve
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 20 / 30
Fonction de corrélationUn polynôme de Kostlan–Shub–Smale, P ∈ Rhom
d [X0, . . . ,Xn], définit unprocessus gaussien centré (P(x))x∈Sn .
Il est caractérisé par sa fonction de corrélation ed : (x , y) 7→ E[P(x)P(y)].
Remarque
En dérivant sous l’intégrale, ∂ed∂xi(x , y) = E
[∂P∂xi
(x)P(y)].
ed(x , y) =∑
|α|=d=|β|
E[aαaβ]
√(d
α
)√(d
β
)xαyβ
=∑|α|=d
(d
α
)xαyα
= (〈x , y〉)d .
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 21 / 30
Fonction de corrélationUn polynôme de Kostlan–Shub–Smale, P ∈ Rhom
d [X0, . . . ,Xn], définit unprocessus gaussien centré (P(x))x∈Sn .
Il est caractérisé par sa fonction de corrélation ed : (x , y) 7→ E[P(x)P(y)].
Remarque
En dérivant sous l’intégrale, ∂ed∂xi(x , y) = E
[∂P∂xi
(x)P(y)].
ed(x , y) =∑
|α|=d=|β|
E[aαaβ]
√(d
α
)√(d
β
)xαyβ
=∑|α|=d
(d
α
)xαyα
= (〈x , y〉)d .
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 21 / 30
Limite d’échelle du noyau de Bergman
Dans le cas général, la fonction de corrélation ed est le noyau de Bergmande E ⊗ Ld .
On a une limite d’échelle locale universelle pour ed (Dai–Liu–Ma, 2006) :
ed
(x , x +
z√d
)' exp
(−12‖z‖2
),
dès que ‖z‖ 6 K ln d .
Théorème (Ma–Marinescu, 2015)Il existe C > 0 tel que, pour tout k ∈ N,
‖ed(x , y)‖Ck = O(d
k2 exp
(−C√dD(x , y)
)),
quand d → +∞, uniformément en (x , y).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 22 / 30
Heuristique pour le volume moyen
Le noyau de Bergman fait apparaitre une échelle caractéristique 1√d.
On découpe M en boites de taille 1√d:
' Vol (M) dn2 boites.
Les boites sont indépendantes, et il se passe la même chose dans chacune :même proba que Zd ait une géométrie donnée dans cette boite.
Composantes de taille 1√det de dimension n − r , donc volume en d
r−n2 .
Finalement Vol (Zd) est proportionnel à Vol (M) dr2 .
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 23 / 30
Heuristique pour le volume moyen
Le noyau de Bergman fait apparaitre une échelle caractéristique 1√d.
On découpe M en boites de taille 1√d:
' Vol (M) dn2 boites.
Les boites sont indépendantes, et il se passe la même chose dans chacune :même proba que Zd ait une géométrie donnée dans cette boite.
Composantes de taille 1√det de dimension n − r , donc volume en d
r−n2 .
Finalement Vol (Zd) est proportionnel à Vol (M) dr2 .
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 23 / 30
Heuristique pour la variance du volume
On a Vol (Zd) =∑
i Vol (Zd ∩ Bi ) =∑
i Vol (Zd ,i ), donc
Var(Vol (Zd)) = E[Vol (Zd)2
]− E[Vol (Zd)]2
=∑i ,j
E[Vol (Zd ,i ) Vol (Zd ,j)]− E[Vol (Zd ,i )]E[Vol (Zd ,j)]
Seuls contribuent les termes avec i = j , soit ' Vol (M) dn2 termes.
Ces termes sont de l’ordre de Vol (Zd ,i )2, i.e. d r−n.
Var(Vol (Zd)) est de l’ordre de d r− n2 Vol (M).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 24 / 30
Heuristique pour la variance du volume
On a Vol (Zd) =∑
i Vol (Zd ∩ Bi ) =∑
i Vol (Zd ,i ), donc
Var(Vol (Zd)) = E[Vol (Zd)2
]− E[Vol (Zd)]2
=∑i ,j
E[Vol (Zd ,i ) Vol (Zd ,j)]− E[Vol (Zd ,i )]E[Vol (Zd ,j)]
Seuls contribuent les termes avec i = j , soit ' Vol (M) dn2 termes.
Ces termes sont de l’ordre de Vol (Zd ,i )2, i.e. d r−n.
Var(Vol (Zd)) est de l’ordre de d r− n2 Vol (M).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 24 / 30
Formule de Kac–Rice
On se place dans le cas des hypersurfaces (r = 1).
Formule de Kac–RicePour tout φ ∈ C0(M), on a :
E[∫
Zd
φ |dVd |]
=1√2π
∫x∈M
φ(x)E[‖∇xs‖
∣∣∣s(x) = 0]
√ed(x , x)
|dVM | .
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 25 / 30
Asymptotique de l’espérance
(s(x),∇xs) est un vecteur gaussien centré de variance
Λ =
ed(x , x) ∂y1ed(x , x) · · · ∂yned(x , x)∂x1ed(x , x) ∂x1∂y1ed(x , x) · · · ∂x1∂yned(x , x)
......
. . ....
∂xned(x , x) ∂xn∂y1ed(x , x) · · · ∂xn∂yned(x , x)
.
La loi conditionnelle de ∇xs sachant s(x) = 0 est une gaussienne centrée.Sa variance s’obtient à partir de Λ.
E[‖∇xs‖
∣∣∣s(x) = 0]
√ed(x , x)
ne dépend que de ed et ses dérivées en (x , x).
On connait les asymptotiques de ces quantités et elles sont universelles.(Résultats de : Tian, Zelditch, Catlin, Dai–Liu–Ma.)
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 26 / 30
Asymptotique de l’espérance
(s(x),∇xs) est un vecteur gaussien centré de variance
Λ =
ed(x , x) ∂y1ed(x , x) · · · ∂yned(x , x)∂x1ed(x , x) ∂x1∂y1ed(x , x) · · · ∂x1∂yned(x , x)
......
. . ....
∂xned(x , x) ∂xn∂y1ed(x , x) · · · ∂xn∂yned(x , x)
.
La loi conditionnelle de ∇xs sachant s(x) = 0 est une gaussienne centrée.Sa variance s’obtient à partir de Λ.
E[‖∇xs‖
∣∣∣s(x) = 0]
√ed(x , x)
ne dépend que de ed et ses dérivées en (x , x).
On connait les asymptotiques de ces quantités et elles sont universelles.(Résultats de : Tian, Zelditch, Catlin, Dai–Liu–Ma.)
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 26 / 30
Expression de la variance
Var(〈Zd , φ〉) = E[〈Zd , φ〉2
]− E[〈Zd , φ〉]2
= E[∫
x ,y∈Zd
φ(x)φ(y) |dVd |2]− E
[∫x∈Zd
φ(x) |dVd |]2
.
Par des formules de Kac–Rice on obtient :
Var(〈Zd , φ〉) =
∫x ,y∈M
φ(x)φ(y)Dd(x , y) |dVM |2 ,
où la densité Dd(x , y) ne dépend que de ed et de ses dérivées en (x , x),(x , y), (y , x) et (y , y).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 27 / 30
Comportement de la densité
À longue distance
Pour K > 0 bien choisi, on a Dd(x , y) = O(d r− n
2−1)uniformément sur :{
(x , y) ∈ M ×M
∣∣∣∣ D(x , y) > Kln d√d
}.
À courte distance
Sur{
(x , y) ∈ M ×M∣∣∣ D(x , y) < K ln d√
d
}, on a une limite d’échelle
universelle :
Dd
(x , x +
z√d
)' d rD(‖z‖),
où y = x + z√det ‖z‖ < K ln d .
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 28 / 30
Asymptotique de la variance
Var(〈Zd , φ〉) '∫x∈M
∫y∈B(x ,K ln d√
d)φ(x)φ(y)Dd(x , y) |dVM |2
' d−n2
∫x∈M
(∫‖z‖<K ln d
φ(x)φ(x + z√
d
)Dd
(x , x + z√
d
)dz
)|dVM |
' d r− n2
(∫x∈M
φ(x)2 |dVM |)(∫
Rn
D(‖z‖) dz
).
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 29 / 30
Merci de votre attention.
Courbe aléatoire sur S2 de degré d = 1000.
Image par Vincent Beffara.
Thomas Letendre Volume de sous-variétés aléatoires Nancy – 11/12/18 30 / 30