무작위 볼록 집합의 등방성 상수 상한

본 논문은 n 차원 실공간 ℝⁿ의 단위 구면 S^{n‑1}에서 독립적으로 추출된 m개의 무작위 단위벡터 P₁,…,P_m을 이용해, 그들의 대칭 집합 {±P₁,…,±P_m}의 볼록 폐합 K = conv{±P₁,…,±P_m} 를 고려한다. 연구 목표는 m이 (1+δ)n (δ>0) 이상일 때, K의 등방성 상수 L_K가 절대 상수 c(δ) 이하가 되는 확률이 매우 높다는 것을 보이는 것이다. 이는 “등방성 상수 추측”(모든 볼록 몸체에 대해 L_K ≤ C)과 직접 연결된다. 1. **배경 및 정의** - 등방성 위치는 부피 1, 중심이 원점, 그리고 모든 방향 θ에 대해 ∫_K⟨x,θ⟩²dx = L_K²·|K|^{1+2/n} 이 성립하도록 정의된다. - L_K는 n·L_K² = min_{T∈GL(n)} |T K|^{-1-2/n} ∫_{T K}|x|²dx 로 표현된다. - 기존 결과: 일반적인 상한 L_K = O(n^{1/4}) (Bourgain 등), 특정 클래스에서는 상수 수준. 2. **주요 정리** - **Theorem 1.1**: δ>0 고정, m ≥ (1+δ)n이면, 존재 상수 c(δ), c₁, c₂>0가 있어 P(L_K ≤ c(δ)) ≥ 1 − c₁·exp(−c₂ n·min{1,log(m/n)}). 3. **기술적 준비** - L_{ψ2} 공간 정의 및 Bernstein 부등식(정리 2.1) 활용. - Lemma 2.1을 통해 √n·⟨P,θ⟩ 가 L_{ψ2} 노름에서 일정 상수 A 이하임을 증명한다. 이는 구면 위의 좌표가 서브가우시안(ψ₂) 성질을 갖는다는 사실에 기반한다. 4. **부피 하한 (Lemma 3.1)** - K의 면은 거의 확률적으로 단순체이며, 작은 구형 B_{n/2}가 K에 포함되지 않을 확률을 구한다. - α를 √(c·log(m/n)/n) 로 잡고, 각 면이 α보다 큰 절대 내적을 갖는 확률을 구하면, 전체 면에 대해 합친 확률이 ≤e^{-n}. - 따라서 |K| ≥ c(δ)·(log(m/n)/n)^{n} 가 된다. 5. **평균 제곱 거리 상한 (Theorem 3.1)** - 각 방향 θ에 대해 Σ_i⟨P_i,θ⟩ 의 편차를 Bernstein 부등식으로 제어한다. - 1/2‑넷 N (|N| ≤ 5ⁿ)을 선택해, 모든 θ∈N에 대해 |Σ_i⟨P_i,θ⟩| ≤ ε n 가 확률 1−2·exp(−ε² n/(8A²))·e^{n log5} 이하임을 보인다. - 삼각 부등식과 네트 커버링을 이용해 모든 θ∈S^{n‑1}에 대해 동일한 상한을 확장한다. - 면 F_k = conv{Q_{k1},…,Q_{kn}} 에 대해 선형 변환 T_k 를 정의하고, ∫_{F_k}|x|²dx 를 T_k 를 통해 계산한다. 이때 면별 평균 제곱 거리는 C·log(m/n)/n 이하가 된다. - K 전체에 대한 평균 제곱 거리는 면들의 거리와 면적을 가중합한 형태이며, 위 결과를 이용해 (1/|K|)∫_K|x|²dx ≤ C·log(m/n)/n 가 된다. 6. **등방성 상수 결합** - L_K 정의식에 부피 하한과 평균 제곱 거리 상한을 대입하면 n·L_K² ≤ |K|^{-2/n}·C·log(m/n)/n ≤ (c(δ)·(log(m/n)/n)^{n})^{-2/n}·C·log(m/n)/n = O(1). - 따라서 L_K ≤ c(δ) 가 된다. - 확률적 결합을 정밀히 계산하면 최종 성공 확률이 논문에 제시된 형태가 된다. 7. **추가 논의 및 결론** - m이 매우 큰 경우(m > n·e^{n/2})에도 비슷한 논법으로 B_{n/2}*K 가 포함되지 않을 확률이 지수적으로 작아짐을 보이며, 이때도 L_K = O(1) 임을 확인한다. - 결과는 Klartag‑Kozma의 가우시안 경우와 직접적인 유사성을 가지면서, 구면 균등 분포라는 다른 자연스러운 확률 모델에 대해 등방성 상수 추측을 거의 확실히 만족한다는 점에서 의미가 크다. - 부피 하한과 평균 제곱 거리 상한을 동시에 다루는 방법은 고차원 확률기하학, 무작위 볼록 체 이론, 그리고 고차원 데이터 분석에서 랜덤 프로젝션 및 랜덤 폴리토프의 기하학적 특성을 이해하는 데 활용될 수 있다.