Resumen

Teoría de matrices aleatorias:

Colectividad de Ginibre
La Teoría de Matrices Aleatorias es una “clase” de física estadística a través de la cual podemos
describir sistemas tan complejos como el núcleo atómico

Peropadre López, Borja

La Colectividad de Ginibre quizá describa bien fenómenos como impactos de partículas en un
detector

1) Introducción: Teoría de Matrices Aleatorias 2) Colectividades clásicas y de Ginibre 3) Distribución de espaciamientos a primeros vecinos
La Teoría de Matrices Aleatorias nació hacia finales de los años cincuenta de la mano de Wigner, Dyson y Mehta. En Es interesante estudiar cómo es la distribución y densidad de autovalores de una matriz aleatoria. Veamos La P(s) se define como la distribución de espaciamientos si entre niveles de energía
principio se formuló para dar una interpretación a los niveles muy excitados de los núcleos pesados, donde el modelo las diferencias entre la colectividades clásicas y la de Ginibre. consecutivos, siendo si=εi+1-εi . La P(s) es una medida de las correlaciones de corto
de capas no es aplicable. alcance entre niveles del espectro de energías.
2.1) Colectividades Gaussianas:
Desconocemos los detalles de la interacción nuclear Para las colectividades gaussianas:
Matrices aleatorias hermíticas: Sus autovalores están en el eje real
π  π 2
 s exp − s  Si los elementos de matriz son reales (GOE)
Distribución de probabilidad de autovalores: 2  4 
Realizamos una descripción estadística  32
  π 
P ( s ) =  2 s 2 exp − s 2 
N
− A( ∑ Eµ2 ) Si los elementos de matriz son complejos (GUE)
π
1... N
β
P( E ) = C ∏ Eµ − Eν e µ =1  4 
µ <ν  218
 6 3 s 4 exp −
Teoría de Matrices Aleatorias 64 2 
s  Si los elementos de matriz son cuaterniones (GSE)
 3 π  9π 
Densidad de autovalores:
g (E ) = e−E
2
Poisson Si la matriz es diagonal (Colectividad de Poisson) tenemos: P(s) = e−s
Teoría de Matrices Aleatorias
g ( E ) = (2 π ) 1 − E 2 si E <1 GOE
Colectividad de matrices cuyos elementos de matriz son estadísticamente independientes, y con las mismas En el caso de la colectividad de Ginibre compleja:
propiedades de simetría que el sistema que queremos estudiar; pero ... ¿Qué ventajas presenta?
2.2) Colectividad de Ginibre:
1 3 −s2
Autovalores de la matriz aleatoria Niveles de energía de un sistema cuántico Matrices aleatorias complejas: Sus autovalores están un disco del plano complejo P(s) = s e 2

La RMT es una poderosa herramienta para el estudio del caos Distribución de probabilidad de autovalores:
cuántico en virtud de la conjetura de Bohigas:
 1... N e − z k 1... N
2
En la imagen se muestran las diferencias de las distribuciones P(s) para N =2
P ( z1 ,..., z n ) =  ∏
∏
 zi − z j
2

 k =1 πk ! y N>>1, lo que implica la existencia de efectos de tamaño finito.

Conjetura BGS:   i< j

“Las fluctuaciones del espectro de sistemas cuánticos Densidad de autovalores:

invariantes bajos inversión temporal cuyos análogos clásicos 1  z 2 −n
son sistemas caóticos son igual que las predichas por el g( z ) = erfc 
2π  
GOE”  2n  En general, si s << 1, P ( s ) ∝ sν, donde ν mide la intensidad de la repulsión entre niveles vecinos muy próximos

4) Densidad de autovalores 5) Cálculo de la P(s) 6) Próximos objetivos

Nuestro trabajo se centra en comprobar numéricamente los resultados obtenidos por Ginibre para la colectividad Distribución P(s) calculada numéricamente a través del programa Ginibre para una colectividad de 100 El cálculo de la P(s) en espectros reales resulta trivial, ya que es una secuencia ordenada de autovalores (izquierda). En
compleja; para ello estudiamos primero la homogeneidad e isotropía de la distribución de autovalores. matrices de dimensiones 100, 900 y 1600 cambio, en espectros bidimensionales existen varias dimensión (centro). El hecho de eliminar el primer vecino, una vez este
ha sido contado no parece en absoluto erróneo, y definiciones posibles; hemos considerado el primer vecino de cada punto sin
eliminarlos recursivamente como hacíamos en 1 eso puede variar significativamente la P(s) (derecha)
4.1) Isotropía
Calculamos las diez primeras potencias del centro de masas de la distribución; si
ésta es isótropa, deberá satisfacer que:
0 si k impar
 1 N
u q = x q cos ξ + y q sin ξ
u (ξ ) k
= ( k − 1)!!
donde u( ξ ) k
=
N
∑u
q =1
q ( ξ )k y
2 N si k par
 ( k + 2 )!!
Nuestra próxima meta es calcular la P(s) tal y como acabamos de explicar, así como verificar si esta colectividad compleja es
capaz de caracterizar la distribución de partículas secundarias generadas por un rayo cósmico.

Los resultados de la tabla han sido

normalizados a la unidad. Se observa el gran
acuerdo con los resultados teóricos.

4.2) Homogeneidad
Se observa como los datos experimentales correspondientes a la colectividad de dimensión N=1600 se
ajustan correctamente a la curva teórica. Para valores s <<1:
Izquierda: Representación de la
densidad radial numérica comparada con
la predicción teórica para N >>1:
P( s ) ∝ sν ν =3
1  z 2 −n
g( z ) = erfc  Las matrices complejas presentan una repulsión entre niveles superior en una unidad a las matrices En la imagen central se muestra dicha distribución de partículas. A simple vista no se asemeja ni a la colectividad compleja ni
2π  2n 
  hermíticas ( ν ( GUE ) = 2) a la de Poisson bidimensional, ya que la distribución de partículas no ha sido sometida al reescalado (unfolding) habitual para
que la densidad media sea constante.A la derecha podemos ver dicha distribución reescalada.
Derecha: Histograma tridimensional de
la densidad de autovalores en el plano
complejo. Conclusiones
Esto también es cierto para una matriz diagonal
compleja (distribución de Poisson en 2 dimensiones),
Esta densidad converge rápidamente a un valor constante a medida que aumentamos la dimensión de la matriz. Los resultados numéricos han coincidido con las predicciones de Ginibre para una colectividad de matrices
pese a que sus autovalores son números complejos
Véase a simple vista este hecho en las siguientes imágenes: Una distribución de autovalores asociada a la complejas
estadísticamente independientes, ¡¡su P(s) presenta
colectividad de Ginibre, y una distribución de autovalores en el plano lanzados al azar (Poisson en 2D) correlaciones!!
La pérdida de simetrías en una matriz dificulta tanto los cálculos teóricos como la velocidad de
convergencia de los valores esperados
1D P(s) = e−s 1 s <<1
π
π − s2 π
En las imágenes anteriores se muestran las 2D P(s) = se4
s s <<1
distribuciones de autovalores en el plano 2 2
complejo, asociadas a las colectividades de o GINIBRE, J. (1964) J. Math. Phys. 6,440
Esto se debe a que al pasar al plano complejo, hemos
Ginibre compleja, y de Poisson bidimensional
introducido el jacobiano, y es éste el que produce este
respectivamente.
efecto. Referencias o HAAKE, F. (2000) Quantum signatures of Chaos. Springer
o MEHTA, M. L. (1991) Random Matrices. Academic Press