中文

高斯噪声下奇异向量线性形式的扰动

概率论 2015-06-10 v1

摘要

ARm×nA\in\mathbb{R}^{m\times n}为秩rr的矩阵,其奇异值分解(SVD)为A=k=1rσk(ukvk)A=\sum_{k=1}^r\sigma_k (u_k\otimes v_k),其中{σk,k=1,,r}\{\sigma_k, k=1,\ldots,r\}AA的奇异值(按非增顺序排列),ukRm,vkRn,k=1,,ru_k\in {\mathbb R}^m, v_k\in {\mathbb R}^n, k=1,\ldots, r为相应的左右正交奇异向量。令A~=A+X\tilde{A}=A+XAA的含噪观测,其中XRm×nX\in\mathbb{R}^{m\times n}为具有独立同分布高斯元素的随机矩阵,XijN(0,τ2)X_{ij}\sim\mathcal{N}(0,\tau^2),并考虑其SVD A~=k=1mnσ~k(u~kv~k)\tilde{A}=\sum_{k=1}^{m\wedge n}\tilde{\sigma}_k(\tilde{u}_k\otimes\tilde{v}_k),奇异值σ~1σ~mn\tilde{\sigma}_1\geq\ldots\geq\tilde{\sigma}_{m\wedge n},奇异向量u~k,v~k,k=1,,mn\tilde{u}_k,\tilde{v}_k,k=1,\ldots, m\wedge n。本文的目标是在AA的奇异值互异的情况下,为扰动(经验)奇异向量的线性形式u~k,x,xRm\langle \tilde u_k,x\rangle, x\in {\mathbb R}^mv~k,y,yRn\langle \tilde v_k,y\rangle, y\in {\mathbb R}^n建立锐集中界,更一般地,为与SVD相关的投影算子的双线性形式建立集中界。特别地,结果隐含了阶O(log(m+n)mn)O\biggl(\sqrt{\frac{\log(m+n)}{m\vee n}}\biggr)(以高概率成立)的以下上界:max1im<u~k1+bkuk,eim>  and  max1jn<v~k1+bkvk,ejn>,\max_{1\leq i\leq m}\big|\big<\tilde{u}_k-\sqrt{1+b_k}u_k,e_i^m\big>\big|\ \ {\rm and} \ \ \max_{1\leq j\leq n}\big|\big<\tilde{v}_k-\sqrt{1+b_k}v_k,e_j^n\big>\big|,其中bkb_k为适当选择的常数,刻画经验奇异向量u~k,v~k\tilde u_k, \tilde v_k的偏置,{eim,i=1,,m},{ejn,j=1,,n}\{e_i^m,i=1,\ldots,m\}, \{e_j^n,j=1,\ldots,n\}分别为Rm,Rn\mathbb{R}^m, {\mathbb R}^n的标准基。

关键词

引用

@article{arxiv.1506.02764,
  title  = {Perturbation of linear forms of singular vectors under Gaussian noise},
  author = {Vladimir Koltchinskii and Dong Xia},
  journal= {arXiv preprint arXiv:1506.02764},
  year   = {2015}
}