Если я генерирую случайную симметричную матрицу, какова вероятность того, что она положительно определена?


32

У меня возник странный вопрос, когда я экспериментировал с некоторыми выпуклыми оптимизациями. Вопрос в том:

Предположим, что я случайно (скажем, стандартное нормальное распределение) генерирую симметричную матрицу (например, я генерирую верхнюю треугольную матрицу и заполняю нижнюю половину, чтобы убедиться, что она симметричная), какова вероятность того, что она является положительно определенной матрица? Есть ли способ рассчитать вероятность?N×N


1
Попробуйте симуляцию ...
kjetil b halvorsen

1
@kjetilbhalvorsen спасибо, но мне интересно, какова вероятность того, что все собственные значения больше нуля или мы можем даже сделать это аналитически.
Haitao Du

6
Ответ зависит от того, как вы генерируете матрицу. Например, один способ генерирует действительных собственных значений согласно некоторому распределению и затем сопрягает эту диагональную матрицу случайной ортогональной матрицей. Результат будет положительно определенным, если и только если все эти собственные значения положительны. Если вы должны были генерировать собственные значения независимо в соответствии с симметричным распределением относительно нуля , то этот шанс, очевидно, составляет не более . Затем, чтобы сгенерировать матрицу PD, хорошо выбирайте собственные значения! (Для быстрой работы я создаю такие матрицы, как ковариации многомерных нормальных данных.)N2-N
whuber

11
Не ответ на заданный вопрос, но учтите, что если сначала смоделировать матрицу с каждой записью с нормальным и одинаковыми размерами , то симметрично и положительно определено с вероятностью 1.LNNзнак равноLLT
Клифф А. Б.

Ответы:


41

Если ваши матрицы взяты из стандартных нормальных записей iid, вероятность быть положительно определенной приблизительно , поэтому, например, если , вероятность равна 1/1000, и идет довольно быстро после этого. Вы можете найти расширенное обсуждение этого вопроса здесь .пN3-N2/4Nзнак равно5

Вы можете несколько интуитивно понять этот ответ, приняв, что распределение собственных значений вашей матрицы будет приблизительно полукругом Вигнера , которое симметрично относительно нуля. Если бы все собственные значения были независимы, у вас была бы вероятность положительной определенности этой логикой. В действительности вы получаете поведение, как из-за корреляции между собственными значениями, так и законами, регулирующими большие отклонения собственных значений, в частности, наименьшее и наибольшее. В частности, случайные собственные значения очень похожи на заряженные частицы и не любят быть рядом друг с другом, поэтому они отталкиваются друг от друга (как ни странно, с тем же потенциальным полем, что и у заряженных частиц, , где(1/2)NN2α1/ррэто расстояние между соседними собственными значениями). Поэтому просить их всех быть позитивными было бы очень высокой просьбой.

Кроме того, из-за законов универсальности в теории случайных матриц я сильно подозреваю, что вышеупомянутая вероятность , вероятно, будет одинаковой для практически любой «разумной» случайной матрицы, с записями iid, которые имеют конечное среднее значение и стандартное отклонение.пN


5
Приятно знать, что это очень низко. Поэтому я не буду использовать выборку отклонения для создания матрицы SPD в будущем.
Haitao Du

5
@ hxd1011: если вы пытаетесь отобрать SPD-матрицы, я предлагаю метод, который я описал в комментариях выше. Кроме того, может быть полезно прочитать о разложениях Холецкого
Клифф А.Б.

A'A2×2
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.