[논문 리뷰] Quantitative invertibility of random matrices: a combinatorial perspective

Vishesh Jain|arXiv (Cornell University)|2019. 08. 29.

Random Matrices and Applications참고 문헌 29인용 수 5

한 줄 요약

이 논문은 $ n \times n $ 랜덤 행렬 $ M_n = M + N_n $의 최소 특이값에 대해 날카운, 고확률적 경계를 수립한다. 여기서 $ M $의 연산자 노름은 $ \exp(n^c) $ 이하이며, $ N_n $은 평균 0, 분산 1인 i.i.d. 복소수 성분을 갖는다. 기존의 역 Littlewood–Offord 정리와 넷 구성에 의존하지 않는 새로운 조합적 접근법을 통해, 행렬의 특이성 확률이 $ O(\exp(-n^c)) $임을 증명한다. 이는 다항수렴 및 지수수렴하는 $ M $에 대해 이전 결과를 크게 향상시키며, 일반적인 복소수 변수에 대한 역 Littlewood–Offord 이론의 수량적 계수 문제를 확장한다.

ABSTRACT

We study the lower tail behavior of the least singular value of an $n imes n$ random matrix $M_n := M+N_n$, where $M$ is a fixed complex matrix with operator norm at most $\exp(n^{c})$ and $N_n$ is a random matrix, each of whose entries is an independent copy of a complex random variable with mean $0$ and variance $1$. Motivated by applications, our focus is on obtaining bounds which hold with extremely high probability, rather than on the least singular value of a typical such matrix. This setting has previously been considered in a series of influential works by Tao and Vu, most notably in connection with the strong circular law, and the smoothed analysis of the condition number, and our results improve upon theirs in two ways: (i) We are able to handle $\|M\| = O(\exp(n^{c}))$, whereas the results of Tao and Vu are applicable only for $M = O( ext{poly(n)})$. (ii) Even for $M = O( ext{poly(n)})$, we are able to extract more refined information -- for instance, our results show that for such $M$, the probability that $M_n$ is singular is $O(\exp(-n^{c}))$, whereas even in the case when $ξ$ is a Bernoulli random variable, the results of Tao and Vu only give a bound of the form $O_{C}(n^{-C})$ for any constant $C>0$. As opposed to all previous works obtaining such bounds with error rate better than $n^{-1}$, our proof makes no use either of the inverse Littlewood--Offord theorems, or of any sophisticated net constructions. Instead, we show how to reduce the problem from the (complex) sphere to (Gaussian) integer vectors, where it is solved directly by utilizing and extending a combinatorial approach to the singularity problem for random discrete matrices, recently developed by Ferber, Luh, Samotij, and the author.

연구 동기 및 목표

• 임의의 고정된 $ M $에 대해 $ \|M\| \leq \exp(n^c) $인 $ M_n = M + N_n $의 정수성에 대한 정량적 경계를 수립하는 것. 다항수렴하는 $ M $ 뿐만 아니라 일반적인 경우를 포함한다.
• Tao와 Vu의 결과를 초월하여, $ M = O(\text{poly}(n)) $일지라도 특이성 확률이 지수적으로 작은 $ O(\exp(-n^c)) $임을 확보하는 것. 이는 이전의 다항식 경계보다 훨씬 우수하다.
• 역 Littlewood–Offord 정리와 정교한 넷 구성에 의존하지 않는 새로운 조합적 프레임워크를 개발하는 것.
• Rademacher 변수에서 일반적인 복소수 i.i.d. 성분으로의 역 Littlewood–Offord 이론의 계수 문제 해결을 확장하는 것.
• 일반적인 분포를 갖는 랜덤 행렬의 특이성 확률에 대한 직접적이고 구성적인 증명을 제공함으로써 실수 및 복소수 설정 모두에 적용 가능하게 하는 것.

제안 방법

• 특수한 감소 기법을 통해 문제를 복소수 단위 구면에서 가우시안 정수 벡터로 감소시킨다.
• Ferber, Luh, Samotij 및 저자가 개발한 조합적 프레임워크를 활용하여 이산 랜덤 행렬의 특이성 확률을 분석한다.
• 체수 $ \mathbb{F}_p + i\mathbb{F}_p $ 위에서의 선형방정식의 해 수를 제한하기 위해 삼중체 $ (I, (i_j), (\ell_{j,i})) $에 대한 구조화된 계수 방법을 도입한다.
• 해 삼중체와의 호환성을 갖는 $ \bm{a} \in (\mathbb{F}_p + i\mathbb{F}_p)^n $의 일련의 확률적 계수 기법을 사용한다.
• 호환 가능한 $ \bm{a} $-벡터의 수와 해 삼중체의 수에 대한 경계를 적용하여, 특이성 확률을 제어하는 집합 $ \bm{B}_{k,s,\geq t}^\alpha(n) $의 크기에 대한 상한을 유도한다.
• Nguyen과 Vu의 최적 역 정리에 기반한 추정치를 초월하여 일반적인 복소수 랜덤 변수로의 역 Littlewood–Offord 계수 문제를 확장한다.

실험 결과

연구 질문

• RQ1 만약 $ \|M\| \leq \exp(n^c) $이면, 다항수렴하는 경우를 초월하여 $ M_n = M + N_n $의 특이성 확률이 $ O(\exp(-n^c)) $로 경계될 수 있는가?
• RQ2 특이성에 대한 조합적 접근법이 역 Littlewood–Offord 정리와 넷 구성에 의존하지 않으면서도 최적 꼬리 경계를 달성할 수 있는가?
• RQ3 일반적인 복소수 i.i.d. 변수에 대해 $ \mathbb{F}_p + i\mathbb{F}_p $ 위에서의 선형방정식 $ \sum_{i=1}^{2k} \epsilon_i a_{\ell_i} = 0 $의 정확한 해 수는 얼마인가?
• RQ4 이 조합적 방법은 복소수 설정에서 역 Littlewood–Offord 계수 문제에 대해 기존의 최고 추정치를 어떻게 향상시키는가?
• RQ5 이 프레임워크는 작은 $ \eta $에 대해 최소 특이값 $ s_n(M_n) \leq \eta $에 대한 날카운 경계를 높은 확률로 도출할 수 있는가?

주요 결과

• 논문은 임의의 고정된 $ M $에 대해 $ \|M\| \leq \exp(n^c) $이면 $ \Pr(s_n(M_n) = 0) = O(\exp(-n^c)) $임을 수립한다. 이는 Tao와 Vu의 $ O(n^{-C}) $ 경계보다 크게 향상된 결과이다.
• $ M = O(\text{poly}(n)) $일 경우, 결과는 지수적으로 작은 특이성 확률을 제공하지만, Tao와 Vu의 경계는 다항식적으로만 작아진다.
• 이 방법은 역 Littlewood–Offord 정리와 넷 구성에 의존하지 않으며, 정수 및 유한체 벡터 위에서 직접적인 조합적 계수에 기반한다.
• 역 Littlewood–Offord 이론의 계수 문제 해결은 Rademacher에서 일반적인 복소수 i.i.d. 변수로 확장되었으며, Nguyen과 Vu의 추정치를 초월한다.
• 이 프레임워크는 호환 가능한 해 삼중체의 수에 대한 날카운 경계를 제공하여, 최소 특이값 꼬리 확률을 제어하는 집합 $ \bm{B}_{k,s,\geq t}^\alpha(n) $의 크기에 대한 타이트한 상한을 이끌어낸다.
• 증명은 정량적 경계 $ \Pr(s_n(M_n) \leq \eta) \lesssim \sqrt{n}\eta + \exp(-n^c) $를 도출한다. 이는 하위가우시안 성분에 대해 Rudelson–Vershynin의 최적 형태를 그대로 유지하지만, 이제 일반적인 평균 0, 분산 1의 복소수 성분에 대해 적용 가능하다.