如果我生成一个随机对称矩阵,它是正定的机会是什么?


32

当我尝试一些凸优化时,我遇到一个奇怪的问题。问题是:

假设我随机(假设标准正态分布)生成一个N×N对称矩阵(例如,我生成上三角矩阵,并填充下半部分以确保它是对称的),那么它是正定矩阵的机会是多少?反正有计算概率吗?


1
尝试模拟...
kjetil b halvorsen

1
@kjetilbhalvorsen谢谢,但是我想知道所有特征值大于0的机会是多少,或者我们甚至可以分析地做到这一点。
Haitao Du

6
答案取决于您如何生成矩阵。例如,一种方法根据某种分布生成实特征值,然后通过随机正交矩阵对角矩阵进行共轭。当且仅当所有这些特征值均为正时,结果才为正定。如果要根据约零的对称分布独立生成特征值,则该机会显然最多为2 - n。要生成PD矩阵,请正确选择特征值!(为了快速工作,我创建了诸如多元正态数据的协方差之类的矩阵。)n2n
whuber

11
不是一个问题的答案问,但请注意,如果第一模拟矩阵每个条目IID正常和相同的尺寸Ñ,然后Ñ = 大号大号Ť是对称正定的概率1LNN=LLT
克里夫AB

Answers:


41

如果矩阵被从标准正常IID条目绘制的是正定的概率为大约pN3N2/4,所以,例如,如果N=5,几率为1/1000,并且相当下降之后很快。您可以在此处找到对该问题的扩展讨论。

您可以通过接受矩阵的特征值分布近似为Wigner半圆来大致理解该答案,该半圆形约零对称。如果特征值都是独立的,你有一个(1/2)N正定性的这一逻辑的机会。实际上,您会得到N2行为,这都是由于特征值与控制特征值大偏差(尤其是最小偏差和最大偏差)的定律之间的相关性。具体来说,随机特征值非常类似于带电粒子,并且不喜欢彼此靠近,因此它们相互排斥(与带电粒子具有相同的势场,足够奇怪,1/rr

pN


5
It is nice to know it is very low. So I will not use rejection sampling to create SPD matrix in the future.
Haitao Du

5
@hxd1011: if you are trying to sample SPD matrices, I suggest the method I desribed in the comments above. In addition, it may be helpful to read up on Cholesky decompositions
Cliff AB

@CliffAB thanks. I usually generate SPD matrix form covariance matrix of some data or from AA similar to what you suggested. I had the time of trying to manually put some numbers to a small matrix say 2×2 and hope it is a PD matrix.
海涛杜
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.