노이즈 환경에서의 핵심 행렬 복원을 위한 타원 제약 핵심노름 최소화 이론

본 논문은 저차원(저랭크) 행렬을 선형 관측을 통해 복원하는 문제를 다루며, 특히 측정 잡음이나 근사 모델링으로 인해 정확히 저랭크 해가 존재하지 않을 때, 관측 집합을 타원형 제약 ‖A X − b‖₂ ≤ ε 로 모델링한다. 기존 연구에서는 affine 제약(A X = b) 하에서 핵심노름 최소화가 랭크 최소화와 동등함을 R‑RIP 조건을 통해 보였지만, 타원형 제약에 대한 이론적 보장은 없었다. 논문은 먼저 문제 설정을 명확히 한다. X∈ℂ^{m×n} 은 복원하고자 하는 실제 행렬이며, A:ℂ^{m×n}→ℂ^{p} 는 선형 연산자, b = A X + ν (‖ν‖₂ ≤ ε) 로 잡음이 포함된 관측을 제공한다. 목표는 (P) min_X ‖X‖_* subject to ‖A X − b‖₂ ≤ ε 를 풀어 X★를 얻는 것이다. 핵심 가정은 A가 랭크‑제한 등거리성(R‑RIP)을 만족한다는 점이다. 정의(3)에서 δ_r(A)는 모든 랭크 ≤ r인 행렬 X에 대해 (1−δ)‖X‖_F² ≤ ‖A X‖₂² ≤ (1+δ)‖X‖_F² 를 만족하는 최소 상수이다. 논문은 이 정의를 ℓ₁‑압축 센싱에서 사용되는 제곱형식과 일치시키기 위해 제곱을 포함시켰다. 주요 결과인 Theorem 2.1은 δ_{3r}(A) < 1/(1+4/√3) 라는 충분조건 하에 다음과 같은 오차 경계를 제시한다. ‖X★ − X‖_F ≤ K₀ ‖X − X_r‖_F + K₁ ε, 여기서 X_r은 X의 최적 r‑계수 근사(특이값 상위 r개 보존)이며, K₀ =