[论文解读] Invertibility of symmetric random matrices

Roman Vershynin|arXiv (Cornell University)|Feb 1, 2011

Random Matrices and Applications参考文献 18被引用 15

一句话总结

该论文为具有独立同分布上三角元素的对称随机矩阵建立了指数级尾部概率界限，并实现了最优的谱范数控制。通过结合小球概率、到随机子空间的距离估计，以及一种新颖的正则化最小公倍分母（LCD）技术，证明了此类矩阵以高概率可逆，且其算子范数为 $ O(ar{\sqrt{n}}) $，推广并强化了此前针对伯努利和次高斯系综的结果。

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.

研究动机与目标

• 解决具有独立同分布上三角元素的对称随机矩阵的可逆性问题。
• 改进科斯托洛、陶哲轩与 Vu 对对称伯努利矩阵的多项式奇异概率界限。
• 证明逆算子范数以高概率有界于 $ O(\sqrt{n}) $。
• 表明谱系在最优尺度 $ o(n^{-1/2}) $ 上呈现去局域化特性。
• 将陶哲轩与 Vu，以及 Erd{ő}s、Schlein 与 Yau 的结果推广至常数因子范围内。

提出的方法

• 将单位球面分解为可压缩与不可压缩向量，以分析最小奇异值。
• 应用线性形式 $ Ax $ 的小球概率界限，以控制不可压缩向量上的行为。
• 引入正则化最小公倍分母（LCD），以量化向量的加法结构，并控制小球概率。
• 使用分解技术处理二次型，以估计 $ \langle B^{-1}X, X \rangle $ 的分布。
• 通过涉及 $ B^{-1}X $ 的关键恒等式，将可逆性问题转化为估计某一列到其余列张成子空间的距离。
• 结合谱范数控制与距离估计，推导出最终的指数尾部概率界限。

实验结果

研究问题

• RQ1 具有独立同分布上三角元素的对称随机矩阵的最优奇异概率为何？
• RQ2 此类矩阵的逆算子范数是否能以高概率被有界于 $ O(\sqrt{n}) $？
• RQ3 对称随机矩阵的谱系在尺度 $ o(n^{-1/2}) $ 上如何实现去局域化？
• RQ4 能否通过向量分量中的加法结构来控制二次型的小球概率？
• RQ5 陶哲轩与 Vu，以及 Erd{ő}s、Schlein 与 Yau 的结果在多大程度上可推广至对称系综？

主要发现

• 对称随机矩阵的奇异概率被有界于 $ \exp(-n^c) $，其中 $ c>0 $，优于 Costello、Tao 与 Vu 的多项式界限 $ O(n^{-1/8 + \delta}) $。
• 逆算子范数满足 $ \|H^{-1}\| = O(\sqrt{n}) $，其概率至少为 0.99，与猜想的最优阶数一致。
• 对于次高斯元素，谱范数 $ \|H\| = O(\sqrt{n}) $ 的概率至少为 $ 1 - 2e^{-n} $，从而实现更强的尾部界限。
• 谱系在最优尺度 $ o(n^{-1/2}) $ 上实现去局域化，即特征值不会集中在任意单一点。
• 主要结果，定理 1.1，提供了高概率界限：$ \mathbb{P}\bigl(\min_k |\lambda_k(H) - z| \leq \varepsilon n^{-1/2} \text{ 且 } \|H\| \leq K\sqrt{n}\bigr) \leq C\varepsilon^{1/9} + 2e^{-n^c} $。
• 证明依赖于一种新颖的正则化 LCD 技术，该技术通过量化向量的加法结构，以控制二次型的小球概率。