Каков минимум по всем распределениям единичных векторов дисперсии точечного произведения векторов?

10

Я пытаюсь найти распределение по n случайным векторам, скажем, x1,,xn , на k мерной единичной сфере (где n>k ), которое минимизирует maxijVar(xiTxj) при условии ограничения E[xiTxj]=0 .

Я попробовал некоторые дистрибутивы, и почти все они имеют дисперсию 1/k . Например, как распределение, в котором каждая координата каждого xi независимо и равномерно выбирается из {1/k,1/k}и распределение, в котором каждыйxiявляется независимым равномерным вектором наkмерной единичной сфере, имеют дисперсию1/k.

Является ли 1/k минимальной дисперсией среди всех распределений?

Peng
источник
Насколько тесно вы заинтересованы? То есть будет интересна нижняя граница 1 / 100k, которая работает только при n> 100k или нет?
Даниелло
@daniello, вы имеете в виду нижнюю границу 1 / ck для n> ck, где c некоторая постоянная? Как это доказать?
Пэн
Что-то, чего я не понимаю в этом вопросе: в начале вы говорите, что распределение по единичным векторам, но не все распределения, которые, как вы сказали, пытались генерировать единичные векторы ... Вы имеете в виду, что для всех , E [ | х я | ] = 1 ? xiE[|xi|]=1
Даниелло
@deniello, я намеревался сделать все векторы «единичными». Извините, я забыл провести нормализацию по «гауссовскому» вектору, после нормализации он будет таким же, как равномерный вектор. Спасибо за указание на эту ошибку.
Пенг

Ответы:

8

Я представлю эквивалентную, но более простую на вид формулировку проблемы и покажу нижнюю границу ( n / k - 1) / ( n − 1). Я также показываю связь с открытой проблемой в квантовой информации. [Изменить в редакции 3: В более ранних редакциях я утверждал, что точная характеристика случаев, в которых достигается нижняя граница, показанная ниже, вероятно, будет трудной, поскольку аналогичный вопрос в сложном случае включает открытую проблему о SIC-POVM в квантовая информация. Однако эта связь с SIC-POVM была неправильной. Подробности см. В разделе «Неправильное подключение к SIC-POVM в квантовой информации» ниже.]

Эквивалентная формулировка

Во-первых, как уже указывалось в ответе Даниелло, обратите внимание, что Var ( x i T x j ) = E [( x i T x j ) 2 ] - E [ x i T x j ] 2 = E [( x i T х J ) 2 ]. Таким образом, в оставшейся части ответа мы забываем о дисперсии и вместо этого минимизируем max ij E [( x i T x j ) 2 ].

Далее, как только мы решим, что наша цель - минимизировать max ij E [( x i T x j ) 2 ], мы можем игнорировать ограничение, что E [ x i T x j ] = 0. Это потому, что если мы имеем случайный единичные векторы x 1 ,…, x n , тогда мы можем отрицать каждый из них независимо с вероятностью 1/2 для удовлетворения E [ x i T x j ] = 0 без изменения значения целевой функции max ij E [( x i T x j) 2 ].

Кроме того, изменение целевой функции с max ij E [( x i T x j ) 2 ] на (1 / ( n ( n − 1))) ∑ ij E [( x i T x j ) 2 ] не меняет оптимальное значение. Последнее самое большее первое, потому что среднее значение самое большее максимальное. Однако мы всегда можем сделать значения E [( x i T x j ) 2 ] для различных вариантов ( i , j ) ( ij ) равен, переставляя n векторов x 1 ,…, x n случайным образом.

Таким образом, для любых n и k оптимальное значение рассматриваемой задачи равно минимуму (1 / ( n ( n − 1))) ∑ ij E [( x i T x j ) 2 ], где x 1 ,…, x n - случайные величины, которые принимают единичные векторы в ℝ k в качестве значений.

Однако по линейности ожидания эта целевая функция равна ожидаемому значению E [(1 / ( n ( n − 1))) ∑ ij ( x i T x j ) 2 ]. Поскольку минимум является максимумом среднего значения, нет необходимости больше рассматривать распределение вероятностей. То есть оптимальное значение вышеуказанной задачи равно оптимальному значению следующего:

Выберите единичные векторы x 1 ,…, x n ∈ ℝ k, чтобы минимизировать (1 / ( n ( n − 1))) ∑ ij ( x i T x j ) 2 .

Нижняя граница

Используя эту эквивалентную формулировку, мы докажем, что оптимальное значение не менее ( n / k - 1) / ( n − 1).

Для 1≤ in пусть X i = x i x i T будет проектором ранга 1, соответствующим единичному вектору x i . Тогда имеет место, что ( x i T x j ) 2 = Tr ( X i X j ).

Пусть Y = ∑ i X i . Тогда оно гласит, что ∑ ij Tr ( X i X j ) = ∑ i , j Tr ( X i X j ) - n = Tr ( Y 2 ) - n .

Из неравенства Коши – Шварца следует, что Tr ( Y 2 ) ≥ (Tr Y ) 2 / k = n 2 / k и, следовательно, ∑ ij Tr ( X i X j ) = Tr ( Y 2 ) - nn 2 / к - н . Делив на n ( n − 1), мы получаем, что целевое значение не меньше ( n / k - 1) / ( n − 1).

В частности, когда n = k + 1, ответ Даниелло находится в пределах 2 от оптимального значения.

Когда эта нижняя граница достижима?

Достигнув этот нижнюю грань ( п / K - 1) / ( п -1) эквивалентно делая Y = ( п / к ) Я . Я не знаю точную характеристику, когда она достижима, но существуют следующие достаточные условия:

  • Когда n = k +1, это достижимо, рассматривая k +1 единичных векторов, которые формируют регулярный k- симплекс с центром в начале координат, улучшаясь от 2 / ( k ( k +1)) в ответе Даниелло к оптимальному 1 / k 2 .
  • Когда n кратно k , это очевидно достижимо путем фиксации ортонормированного базиса ℝ k и присвоения каждого из базисных векторов n / k из v 1 ,…, v n .
  • В более общем смысле, чем последняя точка, если она достижима при некотором выборе k и при n = n 1 и n = n 2 , то она также достижима для тех же k и n = n 1 + n 2 . В частности, это достижимо, если n = a k + b, где a и b целые числа, удовлетворяющие ab ≥0.

Хотя я не проверял детали, кажется, что любой сферический 2-дизайн дает решение, достигающее этой нижней границы.

Неверное подключение к SIC-POVM в квантовой информации

В предыдущих редакциях я заявлял:

Я подозреваю, что полностью ответить на этот вопрос сложно. Причина в том, что если вместо этого мы рассмотрим комплексное векторное пространство ℂ k , то этот вопрос будет связан с открытой проблемой в квантовой информации.

Но это отношение было неверным. Я объясню почему.

Точнее рассмотрим следующую проблему:

Выберите единичные векторы x 1 ,…, x n ∈ ℂ k, чтобы минимизировать (1 / ( n ( n − 1))) ∑ ij | x i * x j | 2 .

Нижняя граница выше в равной степени справедлива в этой сложной версии. Рассмотрим случай, когда n = k 2 в комплексной версии. Тогда нижняя граница равна 1 / ( k +1).

Пока это было правильно.

Набор из k 2 единичных векторов x 1 ,…, x k 2 ∈ ∈ k, достигающих нижней границы, называется SIC-POVM в размерности k ,

Эта часть была неверной. SIC-POVM - это набор из k 2 единичных векторов x 1 ,…, x n ∈ ℂ k, для которых | x i * x j | 2 = 1 / ( k +1) для всех ij . Обратите внимание, что здесь требование должно выполняться для всех пар ij , а не только для среднего значения по всем парам ij . В разделе «Эквивалентная формулировка» мы показали эквивалентность между минимизацией максимума и минимизацией среднего, но это было возможно, потому что x 1,…, X n были случайными величинами, берущими там единичные векторы. Здесь x 1 ,…, x n - просто единичные векторы, поэтому мы не можем использовать один и тот же прием.

Цуёси Ито
источник
5

v1,v2,,vk{1,2,,k+1}xi=xj=v1xtt{i,j}v2,,vkt{1,,k+1}xixi12

E[xaxb]=0xaxb12

Var[xaxb]=E[(xaxb)2](xaxb)2=1{a,b}={i,j}1(k+12)(xaxb)2=0ab

Var[xaxb]=E[(xaxb)2]=1(k+12)

xi

Даниелло
источник