UA MATH567 高维统计III 随机矩阵6 亚高斯矩阵的范数
在前五讲的理论基础上,我们现在开始正式讨论随机矩阵。假设 A A A是一个 m × n m \times n m×n的随机矩阵,它的元素 A i j A_{ij} Aij是互相独立的零均值的亚高斯随机变量,关于它的范数有下面的结论
随机矩阵的范数 K = max i , j ∥ A i j ∥ ψ 2 K=\max_{i,j}\left\| A_{ij} \right\|_{\psi_2} K=maxi,j∥Aij∥ψ2, ∀ t > 0 \forall t>0 ∀t>0
P ( ∥ A ∥ ≲ K ( m + n + t ) ) ≥ 1 − 2 e − t 2 P(\left\| A\right\| \lesssim K(\sqrt{m}+\sqrt{n}+t)) \ge 1-2e^{-t^2} P(∥A∥≲K(m+n+t))≥1−2e−t2
这个结果说明矩阵 A A A的范数的尾部概率也具有亚高斯性。如果 A A A是 n × n n \times n n×n的对称阵,则
P ( ∥ A ∥ ≲ K ( n + t ) ) ≥ 1 − 4 e − t 2 P(\left\| A\right\| \lesssim K(\sqrt{n}+t)) \ge 1-4e^{-t^2} P(∥A∥≲K(n+t))≥1−4e−t2
证明
第一步,我们先考虑一下算子范数,
∥ A ∥ = max x ∈ S n − 1 y ∈ S m − 1 ⟨ A x , y ⟩ \left\| A \right\| = \max_{x \in S^{n-1} \\ y \in S^{m-1}}\langle Ax,y\rangle ∥A∥=x∈Sn−1y∈Sm−1max⟨Ax,y⟩
存在 x ∈ S n − 1 , y ∈ S m − 1 x \in S^{n-1},y \in S^{m-1} x∈Sn−1,y∈Sm−1使得 ∥ A ∥ = ⟨ A x , y ⟩ \left\| A \right\|=\langle Ax,y\rangle ∥A∥=⟨Ax,y⟩,假设 N \mathcal{N} N是 S n − 1 S^{n-1} Sn−1的一个 ϵ \epsilon ϵ-net(根据第四讲的讨论,我们总是可以用一个球框住这样的集网,因此不失一般性,我们可以构造cardinality满足 ∣ N ∣ < 9 n , ∣ M ∣ < 9 m |\mathcal{N}|<9^n,|\mathcal{M}|<9^m ∣N∣<9n,∣M∣<9m的集网), M \mathcal{M} M是 S m