[논문 리뷰] Invertibility of symmetric random matrices

Roman Vershynin|arXiv (Cornell University)|2011. 02. 01.

Random Matrices and Applications참고 문헌 18인용 수 15

한 줄 요약

이 논문은 대칭 랜덤 행렬의 비대칭 성분이 i.i.d.일 경우의 단위 벡터의 단일성 확률에 대한 지수 꼬리 경계와 최적의 스펙트럼 노름 제어를 수립한다. 소형 확률, 무작위 부분공간으로의 거리 추정, 그리고 새로운 정규화된 최소공배수(LCD) 기법을 조합하여, 이러한 행렬이 극도로 높은 확률로 가역적이며, 연산자 노름이 $ O(ar{n}) $임을 증명한다. 이는 베르누이 및 서브가우시안 집합에 대한 이전 결과들을 일반화하고 강화한다.

ABSTRACT

We study n by n symmetric random matrices H, possibly discrete, with iid above-diagonal entries. We show that H is singular with probability at most exp(-n^c), and the spectral norm of the inverse of H is O(sqrt{n}). Furthermore, the spectrum of H is delocalized on the optimal scale o(n^{-1/2}). These results improve upon a polynomial singularity bound due to Costello, Tao and Vu, and they generalize, up to constant factors, results of Tao and Vu, and Erdos, Schlein and Yau.

연구 동기 및 목표

• 대칭 랜덤 행렬의 i.i.d. 비대칭 성분이 있을 경우의 가역성 문제를 해결하기 위해.
• 코스텔로, 타오, 뷰가 제시한 대칭 베르누이 행렬에 대한 다항식 단일성 확률 경계를 개선하기 위해.
• 고려 확률로 역행렬의 연산자 노름이 $ O(\sqrt{n}) $임을 증명하기 위해.
• 스펙트럼이 최적 척도 $ o(n^{-1/2}) $에서 분산되지 않음을 보여주기 위해.
• 타오와 뷰, 에르되시, 슈레인, 요우의 결과를 상수 요인까지 일반화하기 위해.

제안 방법

• 최소 특이값을 분석하기 위해 단위 구면을 압축 가능 벡터와 압축 불가능 벡터로 분해한다.
• 선형 형식 $ Ax $에 대한 소형 확률 경계를 적용하여 압축 불가능 벡터에서의 행동을 제어한다.
• 벡터의 덧셈적 구조를 정량화하고 소형 확률를 제어하기 위해 정규화된 최소공배수(LCD)를 도입한다.
• 이차형식에 대한 분할 기법을 사용하여 $ \langle B^{-1}X, X \rangle $의 분포를 추정한다.
• 핵심 항등식 $ B^{-1}X $를 활용하여 가역성 문제를 다른 열들의 스칼라 곱에 대한 거리 추정으로 환원한다.
• 스펙트럼 노름 제어와 거리 추정을 조합하여 최종 지수 꼬리 경계를 유도한다.

실험 결과

연구 질문

• RQ1 대칭 랜덤 행렬의 비대칭 성분이 i.i.d.일 경우의 최적 단일성 확률은 무엇인가?
• RQ2 이러한 행렬에 대해 고려 확률로 역행렬의 연산자 노름이 $ O(\sqrt{n}) $로 유계임을 보장할 수 있는가?
• RQ3 대칭 랜덤 행렬의 스펙트럼은 척도 $ o(n^{-1/2}) $에서 어떻게 분산되는가?
• RQ4 벡터 성분의 덧셈적 구조를 사용하여 이차형식에 대한 소형 확률를 제어할 수 있는가?
• RQ5 타오와 뷰, 에르되시, 슈레인, 요우의 결과는 대칭 집합까지 어느 정도 일반화될 수 있는가?

주요 결과

• 대칭 랜덤 행렬의 단일성 확률은 $ \exp(-n^c) $ 이하로 유계이며, 이는 코스텔로, 타오, 뷰의 다항식 경계 $ O(n^{-1/8 + \delta}) $를 향상시킨다.
• 역행렬의 연산자 노름은 확률 최소 $ 0.99 $로 $ \|H^{-1}\| = O(\sqrt{n}) $를 만족하며, 이는 추측된 최적 순서와 일치한다.
• 서브가우시안 성분이 있을 경우, 스펙트럼 노름 $ \|H\| = O(\sqrt{n}) $는 확률 최소 $ 1 - 2e^{-n} $로 성립하여 더 강력한 꼬리 경계를 가능하게 한다.
• 스펙트럼은 최적 척도 $ o(n^{-1/2}) $에서 분산되며, 고유값이 특정 점에 국한되지 않음을 의미한다.
• 주요 결과인 정리 1.1은 고려 확률 경계를 제공한다: $ \mathbb{P}\bigl(\min_k |\lambda_k(H) - z| \leq \varepsilon n^{-1/2} \text{ 및 } \|H\| \leq K\sqrt{n}\bigr) \leq C\varepsilon^{1/9} + 2e^{-n^c} $.
• 증명은 이차형식에 대한 소형 확률를 제어하기 위해 벡터의 덧셈적 구조를 정량화하는 데 사용되는 새로운 정규화된 LCD 기법에 의존한다.