[論文レビュー] On the concentration of eigenvalues of random symmetric matrices

Michael Krivelevich, Van H. Vu|ArXiv.org|Sep 21, 2000

Random Matrices and Applications参考文献 3被引用数 10

ひとこと要約

この論文は、Talagrandの不等式を用いて、有界で独立な要素を持つランダムな対称行列の最大固有値および第二最大固有値に対して、強い指数的集中不等式を確立する。固有値はその平均のまわりにきわめて緊密に集中しており、一般の分布的仮定のもとでも期待値の高精度な推定が可能となり、指数部における定数を除いて鋭い境界が得られる。

ABSTRACT

We prove that few largest (and most important) eigenvalues of random symmetric matrices of various kinds are very strongly concentrated. This strong concentration enables us to compute the means of these eigenvalues with high precision. Our approach uses Talagrand's inequality and is very different from standard approaches.

研究の動機と目的

• 有界な要素を持つランダムな対称行列の最大固有値および第二最大固有値に対する鋭い大偏差不等式を確立すること。
• これらの固有値が、最小限の分布的仮定のもとでも期待値のまわりにきわめて緊密に集中することを示すこと。
• 従来のトレースモーメント技術を避ける、Talagrandの不等式に基づく新規な手法を開発すること。
• 組合せ論的およびアルゴリズム的応用において、固有値期待値の高精度な計算を可能とすること。
• p = ω(n⁻¹) のとき、Erdős–Rényi のランダムグラフ G(n,p) の隣接行列へこれらの結果を拡張すること。

提案手法

• Talagrandの不等式を応用し、有界な要素を持つ対称ランダム行列の固有値に対する指数的尾部不等式を導出すること。
• マルティンゲール枠組みにおける差分が有界である性質を用いて、固有値がその期待値から逸脱するのを制御すること。
• すべての成分が1のベクトルに直交するベクトル上での最大レイリー商を表す補助的確率変数 μ₂ および μ′₂ を導入し、λ₂ および δ₂ の解析を可能にすること。
• 独立な確率変数関数に対する集中不等式の適用、特に固有値関数の凸性およびLipschitz性を活用すること。
• 標準的なマルティンゲール手法が失敗する場合に備え、[11] に記載された高度な集中道具を用いて、p が減少する場合の手法への適応。
• E[λ₁(A)] = (n−1)p + ν + σ²/p + o(1) であるという事実を用いて、集中不等式の補正およびその鋭さの検証を行うこと。

実験結果

リサーチクエスチョン

• RQ1 モーメントに基づく手法に依存せずに、ランダムな対称行列の最大固有値に対する強い集中不等式を導出できるか？
• RQ2 Talagrandの不等式は、要素の分布に最小限の仮定しかおかない状況でも、固有値に対して鋭い集中結果をもたらすか？
• RQ3 n が増加する際、p → 0 となる G(n,p) のエッジ確率において、第二最大固有値の集中が確立できるか？
• RQ4 固有値の集中をどのように活用して、その期待値を高精度に推定できるか？
• RQ5 有界な要素や減少する p を持つランダムグラフモデルにおいて、これらの結果を拡張する際の限界は何か？

主な発見

• 最大固有値 λ₁(A) はその平均のまわりにきわめて緊密に集中する：t > K を満たす任意の t に対して、Pr[|λ₁(A) − E[λ₁(A)]| ≥ t] ≤ e⁻ᶜᵗ² が成り立ち、c, K > 0 は n に依存しない。
• 同様の指数的集中は、絶対値における最大および最小固有値 δ₁(A) および δₙ(A) に対しても成り立つ。
• 非対角要素が共通の平均 p > 0 を持つ条件下で、第二最大固有値 λ₂(A) に対しても、Pr[|λ₂(A) − E[λ₂(A)]| ≥ t] ≤ e⁻ᶜₚᵗ² が t > Kₚ の範囲で成立する。
• p = ω(n⁻¹) のとき、G(n,p) の隣接行列に対しても結果が拡張され、λ₂(A) が同じ指数的尾部不等式に従うことが示された。
• 漸近的解析および既知の固有値期待値との比較により、大偏差において指数部の定数を除いて境界が鋭いことが確認された。
• この手法により、1つの行列実現からの平均の回復が信頼できるため、E[λ₁(A)] および E[λ₂(A)] の高精度な推定が可能になった。