Hermitian Distance Degree of Unitary-Invariant Matrix Varieties

Titolo: Grado della Distanza Hermitiana per Varietà di Matrici Invarianti Unitariamente

1. Il Problema

Il lavoro si concentra sul calcolo di un invariante enumerativo reale, chiamato Grado della Distanza Hermitiana (Hermitian Distance Degree - HDdeg), applicato a varietà di matrici complesse $M \subseteq \mathbb{C}^{n \times t}$ che sono invarianti sotto l'azione di gruppi unitari (sinistra e destra).

Nello specifico, il problema consiste nel contare il numero di punti critici reali della funzione di distanza quadrata hermitiana $d_Y(X) = \|X - Y\|^2$ definita rispetto al prodotto scalare hermitiano $\langle A, B \rangle = \text{Tr}(AB^*)$.
A differenza del grado di distanza euclidea (ED degree) standard, che conta punti critici complessi, l'HDdeg conta esclusivamente i punti critici reali quando la varietà $M$ è vista come un insieme algebrico reale nello spazio vettoriale reale sottostante $V_{\mathbb{R}} \cong \mathbb{R}^{2nt}$, equipaggiato con il prodotto scalare reale $q(A, B) = \text{Re}\langle A, B \rangle$.

L'obiettivo è determinare come calcolare questo grado per varietà con simmetrie unitarie, sfruttando la struttura dei valori singolari.

2. Metodologia

L'autore adotta un approccio che combina geometria algebrica reale, teoria delle rappresentazioni e analisi dei valori singolari (SVD). La metodologia si articola in tre fasi principali:

1. Riduzione alla Sezione Diagonale (Slicing):
   Si considera una varietà $M$ invariante sotto l'azione di $U(n) \times U(t)$. L'idea centrale è che ogni matrice in $M$ può essere diagonalizzata unitariamente. Si definisce una "fetta" (slice) diagonale $S \subset \mathbb{R}^n$ contenente i vettori dei valori singolari delle matrici in $M$.

   • $S = \{x \in \mathbb{R}^n : \text{diag}(x) \in M\}$.
   • $M$ è isomorfa all'orbita di $S$ sotto l'azione unitaria: $M = \{ U \text{diag}(x) V^* \mid x \in S, U \in U(n), V \in U(t) \}$.

2. Analisi delle Equazioni Critiche:
   Si dimostra che per un dato di input generico $Y = U \text{diag}(y) V^*$, i punti critici hermitiani $X$ su $M$ ereditano la stessa struttura di SVD di $Y$. In particolare, se $X$ è critico, allora $X = U \text{diag}(x) V^*$ per qualche $x \in S$.
   Questo riduce il problema di ottimizzazione nello spazio complesso $n \times t$ a un problema di ottimizzazione nello spazio reale $n$-dimensionale dei valori singolari.

3. Teorema di Slicing di Bik-Draisma (Analogo Hermitiano):
   L'autore estende il principio di slicing di Bik e Draisma (originariamente per il grado ED euclideo) al contesto hermitiano. Si dimostra che lo spazio vettoriale reale $V_{\mathbb{R}}$ si decompone ortogonalmente rispetto al prodotto scalare reale $q$ in:

   • Lo spazio delle matrici reali diagonali ($V_0$).
   • Lo spazio tangente all'orbita del gruppo unitario in un punto generico.
     Questa decomposizione ortogonale garantisce che il conteggio dei punti critici su $M$ coincida con quello sulla sua sezione diagonale $S$.

3. Contributi Chiave e Risultati Principali

• Teorema di Uguaglianza (Teorema 23):
  Il risultato principale stabilisce che il grado della distanza hermitiana di una varietà unitariamente invariante $M$ è esattamente uguale al grado della distanza euclidea reale (REDdeg) della varietà associata dei valori singolari $S \subset \mathbb{R}^n$.
  $$\text{HDdeg}(M) = \text{REDdeg}(S)$$
  Inoltre, i punti critici su $M$ sono ottenuti "sollevando" (lifting) i punti critici reali su $S$ utilizzando gli stessi vettori singolari di $Y$.

• Teorema di Slicing Hermitiano (Teorema 30):
  Viene provato un teorema generale di slicing per varietà invarianti sotto rappresentazioni unitarie. Questo teorema giustifica la riduzione del problema da uno spazio complesso di alta dimensione a una sezione reale diagonale, sfruttando il fatto che le rappresentazioni unitarie agiscono come trasformazioni ortogonali rispetto al prodotto scalare reale $q = \text{Re}\langle \cdot, \cdot \rangle$.

• Generalizzazione del Teorema di Eckart-Young:
  Come caso di studio motivante, l'autore recupera una versione geometrica del teorema di Eckart-Young per la distanza hermitiana. Per la varietà delle matrici di rango al più $k$, i punti critici sono le matrici ottenute mantenendo $k$ valori singolari specifici della SVD della matrice di input. Se i valori singolari sono distinti, il numero di punti critici è $\binom{r}{k}$.

• Esempi Concreti e Comportamento a Camere:
  L'autore illustra come il grado possa variare a seconda della "camera" (regione) in cui si trova il punto di dati $y$ rispetto al discriminante ED.

  • Esempio 24: Varietà definita da $\{\sigma_1, \sigma_2\} = \{a, a^2\}$. Il numero di punti critici reali salta tra 2, 4 e 6 a seconda della posizione di $y$ rispetto alle evolventi delle parabole che definiscono $S$.
  • Esempio 25: Varietà del determinante unitario $|\det A| = 1$. Il grado varia tra 4 e 6 in base ai discriminanti di polinomi quartici associati ai valori singolari.

• Osservazione sulla Linearità Reale vs Complessa (Remark 27):
  Viene evidenziata una distinzione cruciale: sebbene la varietà possa essere complessa, il problema di ottimizzazione è reale. La tangente alla varietà unitaria $U(n)$ è uno spazio vettoriale reale (matrici anti-hermitiane), non complesso. Questo implica che le condizioni di ottimalità devono essere trattate con attenzione al prodotto scalare reale, e non tutte le intuizioni del caso complesso si applicano direttamente senza considerare la parte reale.

4. Significato e Implicazioni

• Unificazione Teorica: Il lavoro unifica la teoria del grado di distanza euclidea per varietà invarianti ortogonali (già studiata in letteratura) con il caso hermitiano, fornendo un quadro coerente per varietà di matrici complesse.
• Efficienza Computazionale: La riduzione del problema da $\mathbb{C}^{n \times t}$ (dimensione reale $2nt$) a$\mathbb{R}^n$ (dimensione $n$) semplifica drasticamente il calcolo del grado e l'analisi dei punti critici. Invece di risolvere sistemi di equazioni polinomiali complessi in molte variabili, è sufficiente studiare la varietà dei valori singolari in dimensione molto inferiore.
• Applicazioni in Fisica Quantistica: Il paper menziona che le equazioni della distanza hermitiana appaiono nello studio degli stati prodotto più vicini e nelle misure geometriche dell'entanglement. La capacità di contare e localizzare questi punti critici è quindi rilevante per la teoria dell'informazione quantistica.
• Nuovi Invarianti Enumerativi: Introduce e formalizza l'uso del "grado di distanza hermitiana" come invariante reale, distinguendolo chiaramente dal grado di distanza euclidea complesso, e mostra come questo invariante dipenda dalla struttura delle camere del discriminante.

In sintesi, il paper dimostra che per le varietà di matrici con simmetria unitaria, la complessità geometrica della distanza hermitiana è interamente codificata nella geometria reale dei valori singolari, permettendo di trasferire risultati noti dal mondo reale a quello complesso attraverso un rigoroso teorema di slicing.