[論文レビュー] On the probability that all eigenvalues of Gaussian and Wishart random matrices lie within an interval.

Marco Chiani|arXiv (Cornell University)|Feb 14, 2015

Random Matrices and Applications参考文献 42被引用数 4

ひとこと要約

本稿では、ガウス型およびウィシャルト型ランダム行列のすべての固有値が与えられた区間 [a,b] 内にある確率を正確に再帰的公式で導出する。これにより、大きな行列（例：500×500）に対しても効率的な評価が可能になる。固有値がマルチェンコ＝パストールまたは半円型スペクトル支持に閉じ込められる場合、行列の次元が大きくなると、実行列では 0.6921、複素行列では 0.9397 の普遍的な極限確率が得られる。応用分野は圧縮センシングである。

ABSTRACT

We derive the probability $\psi(a,b)=\Pr(a\leq \lambda_{\min}({\bf M}), \lambda_{\max}({\bf M})\leq b)$ that all eigenvalues of a random matrix $\bf M$ lie within an arbitrary interval $[a,b]$, when $\bf M$ is a real or complex finite dimensional Wishart, double Wishart, or Gaussian symmetric/hermitian matrix. We give efficient recursive formulas allowing, for instance, the exact evaluation of $\psi(a,b)$ for Wishart matrices with number of variates $500$ and degrees of freedom $1000$. We also prove that the probability that all eigenvalues are within the limiting spectral support (given by the Marchenko-Pastur or the semicircle laws) tends for large dimensions to the universal values $0.6921$ and $0.9397$ for the real and complex cases, respectively. Applications include improved bounds for the probability that a Gaussian measurement matrix has a given restricted isometry constant in compressed sensing.

研究の動機と目的

• 指定された区間 [a,b] 内にすべての固有値が存在する確率を正確かつ効率的に計算するための手法を導出すること。
• 既存のスペクトル確率論をウィシャルト、ダブルウィシャルト、およびガウス型対称／ヘルミート行列に拡張すること。
• 行列サイズが大きくなるにつれて、すべての固有値が漸近的スペクトル支持（マルチェンコ＝パストールまたは半円型分布）内にある確率の極限値を特定すること。
• 高次元ランダム行列集合において、計算可能なツールを提供し、圧縮センシング応用において実用的 relevance を持たせること。

提案手法

• 実および複素ウィシャルトおよびガウス行列の連続固有値確率密度関数に基づく再帰的アルゴリズムを開発する。
• 直交多項式アンサンブルおよびフレドホルム行列式表現を用いて、固有値閉じ込め確率 ψ(a,b) を表現する。
• 漸近的スペクトル解析を適用し、行列次元が無限大に近づく際の ψ(a,b) の普遍的極限値を導出する。
• 数値評価技術を用いて、大きな行列（例：500 変数、1000 自由度）に対し ψ(a,b) を正確に計算する。
• 固有値間隔と行列式点過程との関係を活用し、再帰的計算を可能にする。
• 大 N における既知の極限法則（マルチェンコ＝パストールおよび半円型）との比較により検証された。

実験結果

リサーチクエスチョン

• RQ1 有限次元ウィシャルト行列のすべての固有値が与えられた区間 [a,b] 内にある正確な確率は何か？
• RQ2 行列次元が増加するにつれて、すべての固有値が極限スペクトル支持内にある確率はどのように変化するか？
• RQ3 大規模ウィシャルトおよびガウス型ランダム行列に対して ψ(a,b) を計算するための効率的な再帰的公式を導出できるか？
• RQ4 大 N における実および複素ウィシャルト／ガウス行列の ψ(a,b) の普遍的極限値は何か？
• RQ5 これらの結果は、圧縮センシング応用における制限等長性性質の境界をどのように改善できるか？

主な発見

• 本稿では、最大 500 変数および 1000 自由度のウィシャルト行列に対し、ψ(a,b) の正確な再帰的公式を導出する。
• 行列次元が大きくなるにつれて、すべての固有値がマルチェンコ＝パストールまたは半円型スペクトル支持内にある確率は、実行列では 0.6921、複素行列では 0.9397 に収束する。
• これらの普遍的値は特定の行列パラメータに依存せず、対称性クラス（実 vs. 複素）にのみ依存する。
• 導出された手法により、モンテカルロ法では不適切な高次元設定でも、固有値閉じ込め確率を正確に評価できる。
• 圧縮センシングにおけるガウス測定行列の制限等長定数に対するより緊密な境界が得られる。
• フレームワークは、ガウス型対称／ヘルミート行列、ウィシャルト行列、およびダブルウィシャルト行列に一様に適用可能であり、それらの固有値閉じ込め解析を統一する。