En théorie des probabilités et en physique mathématique, une matrice aléatoire est une matrice dont les éléments sont des variables aléatoires. La théorie des matrices aléatoires a pour objectif de comprendre certaines propriétés de ces matrices, comme leur norme d'opérateur, leurs valeurs propres ou leurs valeurs singulières. Face à la complexité croissante des spectres nucléaires observés expérimentalement dans les années 1950, Wigner a suggéré de remplacer l'opérateur hamiltonien du noyau par une matrice aléatoire. Cette hypothèse féconde a conduit au développement rapide d'un nouveau champ de recherche très actif en physique théorique, qui s'est propagé à la théorie des nombres en mathématiques, avec notamment une connexion intéressante avec la fonction zêta de Riemann (voir par exemple l'article prépublié en par Michael Griffin, Ken Ono, Larry Rolen et Don Zagier et les commentaires (en anglais) de Robert C. Smith sur son blog). En plus de ces exemples on compte parmi les applications de la théorie des matrices aléatoires : les systèmes intégrables, le chaos quantique, la chromodynamique quantique sur réseau, la gravité quantique en deux dimensions et plus via la théorie des cordes et la Correspondance AdS/CFT, les théories de jauge supersymétriques. Les matrices aléatoires se retrouvent aussi dans quantité de situations du quotidien : temps d'attente de la rame du métro, tsunamis, cours de bourse, antennes de téléphonie mobile, position des arbres dans une forêt sauvage, durée d'embarquement dans un avion, etc. Elles se sont par ailleurs révélées fécondes en biologie : forme des protéines, cristaux, etc. Une matrice de Wigner est une matrice aléatoire symétrique dont les entrées sont des variables aléatoires centrées indépendantes et identiquement distribuées (iid). Par exemple, si est une famille de variables aléatoires iid suivant une Loi de Rademacher, la matrice symétrique définie par : est une matrice de Wigner. Ce sont les ensembles introduits par Wigner pour la théorie des spectres nucléaires.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Cours associés (30)
CS-101: Advanced information, computation, communication I
Discrete mathematics is a discipline with applications to almost all areas of study. It provides a set of indispensable tools to computer science in particular. This course reviews (familiar) topics a
FIN-525: Financial big data
The course introduces modern methods to acquire, clean, and analyze large quantities of financial data efficiently. The second part expands on how to apply these techniques and robust statistics to fi
MATH-232: Probability and statistics (for IC)
A basic course in probability and statistics
Afficher plus
Séances de cours associées (85)
Probabilités avancées : Variables aléatoires et valeurs attendues
Explore les probabilités avancées, les variables aléatoires et les valeurs attendues, avec des exemples pratiques et des quiz pour renforcer l'apprentissage.
Probabilité de révision
Introduit des variables aléatoires sous-gaussiennes et sous-exponentielles, des attentes conditionnelles et des normes Orlicz.
Théorie de la matrice aléatoire: Méthode de réplique
Couvre la théorie de la matrice aléatoire et la méthode de la réplique pour calculer des quantités liées à des séries non-hermitiques en utilisant la transformée de Stieltjes.
Afficher plus
Publications associées (163)

Random matrix methods for high-dimensional machine learning models

Antoine Philippe Michel Bodin

In the rapidly evolving landscape of machine learning research, neural networks stand out with their ever-expanding number of parameters and reliance on increasingly large datasets. The financial cost and computational resources required for the training p ...
EPFL2024

Spectral Estimators for High-Dimensional Matrix Inference

Farzad Pourkamali

A key challenge across many disciplines is to extract meaningful information from data which is often obscured by noise. These datasets are typically represented as large matrices. Given the current trend of ever-increasing data volumes, with datasets grow ...
EPFL2024

RANDOMIZED JOINT DIAGONALIZATION OF SYMMETRIC

Daniel Kressner, Haoze He

Given a family of nearly commuting symmetric matrices, we consider the task of computing an orthogonal matrix that nearly diagonalizes every matrix in the family. In this paper, we propose and analyze randomized joint diagonalization (RJD) for performing t ...
Philadelphia2024
Afficher plus
Concepts associés (10)
Loi du demi-cercle
En théorie des probabilités et en statistique, la loi du demi-cercle ou loi du demi-cercle de Wigner est une loi de probabilité sur l'intervalle [-R,R] et dont le graphe de la densité de probabilité est un demi-cercle de rayon R, centré en 0 et convenablement renormalisé, ce qui en fait, en fait, une ellipse. En anglais, cette loi est nommée Wigner semicircle distribution, d'après le nom du physicien Eugene Wigner. En théorie des nombres, la loi du demi-cercle est parfois appelée loi de Satō-Tate, voir la conjecture de Satō-Tate.
Loi de Poisson
En théorie des probabilités et en statistiques, la loi de Poisson est une loi de probabilité discrète qui décrit le comportement du nombre d'événements se produisant dans un intervalle de temps fixé, si ces événements se produisent avec une fréquence moyenne ou espérance connue, et indépendamment du temps écoulé depuis l'événement précédent. gauche|vignette|Chewing gums sur un trottoir. Le nombre de chewing gums sur un pavé est approximativement distribué selon une loi de Poisson.
Loi de Wishart
En théorie des probabilités et en statistique, la loi de Wishart est la généralisation multidimensionnelle de la loi du χ2, ou, dans le cas où le nombre de degré de libertés n'est pas entier, de la loi gamma. La loi est dénommée en l'honneur de John Wishart qui la formula pour la première fois en 1928. C'est une famille de lois de probabilité sur les matrices définies positives, symétriques. Une variable aléatoire de loi de Wishart est donc une matrice aléatoire.
Afficher plus
MOOCs associés (2)
Selected Topics on Discrete Choice
Discrete choice models are used extensively in many disciplines where it is important to predict human behavior at a disaggregate level. This course is a follow up of the online course “Introduction t
Selected Topics on Discrete Choice
Discrete choice models are used extensively in many disciplines where it is important to predict human behavior at a disaggregate level. This course is a follow up of the online course “Introduction t

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.