Jump to content

Матрица Чернова связана

Для некоторых приложений в линейной алгебре полезно знать свойства распределения вероятностей наибольшего собственного значения конечной суммы матриц случайных . Предполагать — конечная последовательность случайных матриц. Аналогично известной оценке Чернова ищется оценка следующего для сумм скаляров, для данного параметра t :

Следующие теоремы отвечают на этот общий вопрос при различных предположениях; эти предположения названы ниже по аналогии с их классическими скалярными аналогами. Все эти теоремы можно найти в ( Tropp 2010 ) как конкретное применение общего результата, полученного ниже. Приведен краткий обзор смежных работ.

Матрица Гаусса и ряд Радемахера

[ редактировать ]

Случай самосопряженных матриц

[ редактировать ]

Рассмотрим конечную последовательность фиксированного,самосопряженные матрицы с размерностью , и пусть — конечная последовательность независимых стандартных нормальных или независимых Радемахера случайных величин .

Тогда для всех ,

где

Прямоугольный корпус

[ редактировать ]

Рассмотрим конечную последовательность фиксированных матриц размерности , и пусть — конечная последовательность независимых стандартных нормальных или независимых случайных величин Радемахера.Определите параметр отклонения

Тогда для всех ,

Матричные неравенства Чернова

[ редактировать ]

Классические границы Чернова касаются суммы независимых, неотрицательных и равномерно ограниченных случайных величин.В матричной ситуации аналогичная теорема касается суммы положительно-полуопределенных случайных матриц, подчиненных равномерной границе собственных значений.

Матрица Чернова I

[ редактировать ]

Рассмотрим конечную последовательность независимых случайных самосопряженных матриц размерности .Предположим, что каждая случайная матрица удовлетворяет

почти наверняка.

Определять

Затем

Матрица Чернова II

[ редактировать ]

Рассмотрим последовательность независимых, случайных, самосопряженных матриц, удовлетворяющих

почти наверняка.

Вычислите минимальные и максимальные собственные значения среднего ожидания,

Затем

Бинарная информационная дивергенция определяется как

для .

Матричные неравенства Беннета и Бернштейна

[ редактировать ]

В скалярной настройке неравенства Беннета и Бернштейна описывают верхний хвост суммы независимых случайных величин с нулевым средним, которые являются либо ограниченными, либо субэкспоненциальными . В матрицеВ этом случае аналогичные результаты относятся к сумме случайных матриц с нулевым средним.

Ограниченный случай

[ редактировать ]

Рассмотрим конечную последовательность независимых случайных самосопряженных матриц размерности .Предположим, что каждая случайная матрица удовлетворяет

почти наверняка.

Вычислите норму полной дисперсии,

Тогда для всех справедлива следующая цепочка неравенств :

Функция определяется как для .

Субэкспоненциальный случай

[ редактировать ]

Рассмотрим конечную последовательность независимых случайных самосопряженных матриц размерности .Предположим, что

для .

Вычислите параметр дисперсии,

Тогда для всех справедлива следующая цепочка неравенств :

Прямоугольный корпус

[ редактировать ]

Рассмотрим конечную последовательность независимых случайных матриц размерности .Предположим, что каждая случайная матрица удовлетворяет

почти наверняка.Определите параметр отклонения

Тогда для всех

держит. [1]

Матричные неравенства Азумы, Хёффдинга и МакДиармида

[ редактировать ]

Матрица Азума

[ редактировать ]

Скалярная версия неравенства Азумы утверждает, что скалярный мартингал демонстрирует нормальную концентрацию вокруг своего среднего значения, а масштаб отклонений контролируется общим максимальным квадратом диапазона разностной последовательности.Ниже приводится расширение настроек матрицы.

Рассмотрим конечную адаптированную последовательность самосопряженных матриц размерности и фиксированная последовательность самосопряженных матриц, удовлетворяющих

почти наверняка.

Вычислите параметр дисперсии

Тогда для всех

Константу 1/8 можно улучшить до 1/2 при наличии дополнительной информации. Один случай имеет место, когда каждое слагаемое условно симметричен.Другой пример требует предположения, что почти наверняка ездит на работу с .

Матрица Хеффдинга

[ редактировать ]

Допущение сложения о том, что слагаемые в матрице Азумы независимы, дает матричное расширение неравенств Хёффдинга .

Рассмотрим конечную последовательность независимых случайных самосопряженных матриц размерности , и пусть — последовательность фиксированных самосопряженных матриц.Предположим, что каждая случайная матрица удовлетворяет

почти наверняка.

Тогда для всех

где

Улучшение этого результата было установлено в ( Mackey et al. 2012 ):для всех

где

Матричная ограниченная разность (МакДиармид)

[ редактировать ]

В скалярной настройке неравенство МакДиармида обеспечивает один общий способ ограничения различий путем применения неравенства Азумы к мартингейлу Дуба . Версия неравенства ограниченных разностей справедлива и в матричной ситуации.

Позволять — независимое семейство случайных величин, и пусть быть функцией, которая отображает переменные в самосопряженную матрицу размерности .Рассмотрим последовательность фиксированных самосопряженных матриц, удовлетворяющих

где и диапазон по всем возможным значениям для каждого индекса .Вычислите параметр дисперсии

Тогда для всех

где .

Улучшение этого результата было установлено в ( Полин, Макки и Тропп 2013 ) (см. также ( Полин, Макки и Тропп 2016 )):для всех

где и

[ редактировать ]

Первые оценки этого типа были получены ( Alswede & Winter 2003 ). Напомним приведенную выше теорему для самосопряженной матрицы Гаусса и границ Радемахера :Для конечной последовательности фиксированного,самосопряженные матрицы с размерностью и для конечная последовательность независимых стандартных нормальных или независимых Радемахера случайных величин , тогда

где

Альсведе и Винтер дали бы тот же результат, за исключением

.

Для сравнения, в теореме выше коммутирует и ; то есть это наибольшее собственное значение суммы, а не сумма самых больших собственных значений. Оно никогда не превышает значение Альсведе-Винтера (согласно неравенству нормального треугольника ), но может быть намного меньше. Следовательно, приведенная выше теорема дает более точную оценку, чем результат Альсведе–Винтера.

Главный вклад ( Альсведе и Винтер 2003 ) заключался в расширении метода преобразования Лапласа, используемого для доказательства скалярной границы Чернова (см. Ограничение Чернова#Аддитивная форма (абсолютная ошибка) ) на случай самосопряженных матриц. Процедура приведена в выводе ниже. Все последние работы по этой теме следуют одной и той же процедуре, а основные отличия вытекают из последующих шагов. Альсведе и Винтер используют неравенство Голдена-Томпсона для дальнейших действий, тогда как Тропп ( Тропп 2010 ) использует теорему Либа .

Предположим, кто-то захотел изменить длину ряда ( n ) и размерыматрицы ( d ), сохраняя при этом правую часть примерно постоянной. Затемn должно меняться примерно как логарифм d . В нескольких статьях были предприняты попытки установить границу без зависимости от размеров. Рудельсон и Вершинин ( Рудельсон и Вершинин, 2007 ) дают результат для матриц, которые являются внешним произведением двух векторов. ( Маген и Зузиас 2010 ) предоставляют результат без размерной зависимости для матриц низкого ранга . Первоначальный результат был получен независимо от подхода Альсведе-Винтера, но ( Оливейра 2010b ) доказывает аналогичный результат с использованием подхода Альсведе-Винтера.

Наконец, Оливейра ( Оливейра 2010a ) доказывает результат для матричных мартингалов независимо от модели Альсведе-Винтера. Тропп ( Tropp 2011 ) немного улучшает результат, используя структуру Альсведе-Винтера. Ни один результат не представлен в этой статье.

Вывод и доказательство

[ редактировать ]

Альсведе и зима

[ редактировать ]

Аргумент преобразования Лапласа, найденный в ( Ahlswede & Winter 2003 ), сам по себе является важным результатом:Позволять — случайная самосопряженная матрица. Затем

Чтобы доказать это, исправьте . Затем

Предпоследнее неравенство — это неравенство Маркова . Последнее неравенство имеет место, поскольку . Поскольку крайняя левая величина не зависит от , нижняя грань закончилась остается для него верхней границей.

Таким образом, наша задача – понять Тем не менее, поскольку и след, и математическое ожидание линейны, мы можем их коммутировать, поэтому достаточно рассмотреть , которую мы называем производящей функцией матрицы. Именно здесь методы ( Альсведе и Винтер 2003 ) и ( Тропп 2010 ) расходятся. Далее следует презентация ( Alswede & Winter 2003 ).

означает Неравенство Голдена – Томпсона , что

, где мы несколько раз использовали линейность ожидания.

Предполагать . Мы можем найти верхнюю границу для повторяя этот результат. отмечая, что , затем

Повторяя это, мы получаем

До сих пор мы нашли границу с нижней границей над . В свою очередь, это может быть ограничено. Во всяком случае, можно увидеть, как граница Альсведе–Винтера возникает как сумма наибольших собственных значений.

Основным вкладом ( Тропп 2010 ) является применение теоремы Либа , где ( Альсведе и Винтер 2003 ) применили неравенство Голдена-Томпсона . Следствие Троппа следующее: если представляет собой фиксированную самосопряженную матрицу и — случайная самосопряженная матрица, то

Доказательство: Пусть . Тогда теорема Либа говорит нам, что

является вогнутым.Последний шаг — использовать неравенство Дженсена для перемещения математического ожидания внутри функции:

Это дает нам основной результат статьи: субаддитивность логарифма матричной производящей функции.

Субаддитивность log mgf

[ редактировать ]

Позволять — конечная последовательность независимых случайных самосопряженных матриц. Тогда для всех ,

Доказательство: достаточно положить . Раскрывая определения, нам нужно показать, что

Для завершения доказательства воспользуемся законом полного ожидания . Позволять быть ожиданием, обусловленным . Поскольку мы предполагаем все независимы,

Определять .

Наконец, у нас есть

где на каждом шаге m мы используем следствие Троппа с

Мастер связан хвостом

[ редактировать ]

Следующее следует непосредственно из предыдущего результата:

Все приведенные выше теоремы вытекают из этой оценки; теоремы заключаются в различных способах ограничения нижней границы. Эти шаги существенно проще приведенных доказательств.

  • Альсведе, Р.; Зима, А. (2003). «Сильный конверс для идентификации по квантовым каналам». Транзакции IEEE по теории информации . 48 (3): 569–579. arXiv : Quant-ph/0012127 . дои : 10.1109/18.985947 . S2CID   523176 .
  • Макки, Л.; Джордан, Мичиган; Чен, Р.Ю.; Фаррелл, Б.; Тропп, Дж. А. (2012). «Матричные неравенства концентрации методом сменных пар». Анналы вероятности . 42 (3): 906–945. arXiv : 1201.6002 . дои : 10.1214/13-AOP892 . S2CID   9635314 .
  • Маген, А. ; Зузиас, А. (2010). «Матричные границы низкого ранга Чернова и приближенное умножение матриц». arXiv : 1005.2724 [ cs.DS ].
  • Оливейра, Род-Айленд (2010a). «Концентрация матрицы смежности и лапласиана в случайных графах с независимыми ребрами». arXiv : 0911.0600 [ math.CO ].
  • Оливейра, Род-Айленд (2010b). «Суммы случайных эрмитовых матриц и неравенство Рудельсона». arXiv : 1004.3821 [ мат.PR ].
  • Полин, Д.; Макки, Л.; Тропп, Дж. А. (2013). «Вывод матричных неравенств концентрации из связей ядра». arXiv : 1305.0612 [ мат.PR ].
  • Полин, Д.; Макки, Л.; Тропп, Дж. А. (2016). «Неравенства Эфрона – Штейна для случайных матриц». Анналы вероятности . 44 (5): 3431–3473. arXiv : 1408.3470 . дои : 10.1214/15-AOP1054 . S2CID   16263460 .
  • Рудельсон, М.; Вершинин Р. (2007). «Выборка из больших матриц: подход посредством геометрического функционального анализа». Журнал Ассоциации вычислительной техники . 54 (4-е изд.). arXiv : математика/9608208 . Бибкод : 1996math......8208R . дои : 10.1145/1255443.1255449 . S2CID   6054789 .
  • Тропп, Дж. (2011). «Неравенство Фридмана для матричных мартингалов». arXiv : 1101.3039 [ мат.PR ].
  • Тропп, Дж. (2010). «Удобные хвостовые оценки сумм случайных матриц». Основы вычислительной математики . 12 (4): 389–434. arXiv : 1004.4389 . дои : 10.1007/s10208-011-9099-z . S2CID   17735965 .
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: d8f84edd1c3f410b8abf2da576095310__1712702580
URL1:https://arc.ask3.ru/arc/aa/d8/10/d8f84edd1c3f410b8abf2da576095310.html
Заголовок, (Title) документа по адресу, URL1:
Matrix Chernoff bound - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)