Як заявили в коментарях інші, відповідь - «Ні». Ненульове середнє значення матриці диктує, що ненульовий середній вектор (скажімо, всі) матиме значно більший коефіцієнт посилення, ніж випадковий вектор з нульовим середнім значенням (скажімо, рівномірно випадковий + 1, -1).
Розглянемо норму квадрата A разів, коли очікується, що постійний вектор y буде n * (p * N) ^ 2. (ітерація очікувань)
Норма квадрата A разів вектор x, проведений рівномірно (-1, + 1), очікується, буде n * (p * N). (обчислюється за сумою дисперсій біноміального розподілу)
Норми х і у є однаковими, але очікування перетворених норм відрізняються на коефіцієнт p * N - розходяться по мірі збільшення розмірів.
Ось код matlab, який допоможе продемонструвати.
n=2000;
N=1000;
p=.9;
A=double(rand(n,N)<p);
x=sign(randn(N,1));
y=ones(N,1);
Ex_normSqAx = n*(N*p); % E[ squared norm of A times random signs ]
Ex_normSqAy = n*(N*p)^2; % E[ squared norm of A times constant vector ]
normSqAx = norm(A*x)^2;
normSqAy = norm(A*y)^2;