Universal optimality of the double-centred matrix under unitarily invariant norms for dissimilarity data

기술 요약: 이중 중심 행렬(Double-Centred Matrix)의 보편적 최적성

문제 정의
본 논문은 주어진 대칭 비유사성 행렬 $D = (D_{ij})_{i,j=1}^n$으로부터 유도된 아핀 가족(affine family)의 실수 대칭 행렬들로부터 정준 대표자(canonical representative)를 선택하는 문제를 다룬다. $D^{(2)} = (D_{ij}^2)$를 제곱 비유사성 행렬이라 하자. 저자들은 다음과 같은 관계식에 의해 정의되는 $A(g)$ 행렬의 가족을 고려한다:
$$D_{ij}^2 = a_{ii} + a_{jj} - 2a_{ij}, \quad i \neq j$$
여기서 $A(g)$의 대각 성분은 자유 매개변수이다. 구체적으로, 벡터 $g \in \mathbb{R}^n$에 대하여, 이 가족은 다음과 같이 매개변수화된다:
$$A(g) = \frac{1}{2} \left( \mathbf{1}g^\top + g\mathbf{1}^\top - D^{(2)} \right)$$
여기 $\mathbf{1}$은 모든 성분이 1인 벡터이다. $A(g)$의 대각 성분은 $g$에 의해 결정되며, 비대각 성분은 비유사성 데이터에 의해 고정된다.

핵심 질문은 광범위한 행렬 노름 클래스, 즉 단위 불변 노름(unitary invariant norms, 프로베니우스 노름, 스펙트럴 노름, 뉴클리어 노름, 섀턴 $p$-노름, 카이 팬 $k$-노름 등을 포함)에 대해 $A(g)$의 "크기"를 최소화하는 특정 대각 벡터 $g$가 존재하는가 하는 것이다. 결정적으로, 본 논문은 $D$가 유클리드 구성으로부터 유도되었다고 가정하지 않는다(즉, $D$는 반드시 유클리드 거리 행렬일 필요가 없으며, $A(g)$는 양의 준정부호(positive semidefinite)일 필요도 없다).

방법론
저자들은 유클리드 실현 가능성(Euclidean realizability)에 대한 가정을 배제하고 순수하게 행렬 이론적인 접근 방식을 채택한다. 방법론은 다음 세 가지 주요 구성 요소에 의존한다:

1. 아핀 구조 분석: 저자들은 중심화 행렬(centering matrix) $J = I - \frac{1}{n}\mathbf{1}\mathbf{1}^\top$의 작용 하에서의 $A(g)$ 구조를 분석한다. 이를 통해 핵심적인 구조적 항등식(Lemma 2.2)을 도출한다:
   $$J A(g) J = -\frac{1}{2} J D^{(2)} J$$
   이 항등식은 모든 $A(g)$의 "중심화 압축(centred compression)"이 매개변수 $g$와 무관함을 보여준다.

2. 프로베니우스 노름 최소화: 저자들은 먼저 프로베니우스 노름($\|\cdot\|_F$)에 대한 최소화 문제를 해결한다. 그들은 목적 함수 $f(g) = \|A(g)\|_F^2$가 양의 정부호 헤시안(positive-definite Hessian)을 갖는 엄격한 볼록 이차 함수임을 증명한다. 1차 최적 조건(first-order optimality condition)을 유도함으로써, $A(g_F)\mathbf{1} = \mathbf{0}$을 만족하는 유일한 최소화자 $g_F$를 식별한다. 이는 다음과 같은 명시적인 폐쇄형 해(closed-form solution)로 이어진다:
   $$g_F = \frac{1}{n} D^{(2)}\mathbf{1} - \frac{1}{2n^2}(\mathbf{1}^\top D^{(2)}\mathbf{1})\mathbf{1}$$
   결과적으로, 유일한 프로베니우스 최소화자는 이중 중심 행렬이다:
   $$A(g_F) = -\frac{1}{2} J D^{(2)} J$$

3. 단위 불변 노름으로의 확장: 모든 단위 불변 노름으로 이 결과를 확장하기 위해, 저자들은 직교 핀칭(orthogonal pinching)의 수축성(contractivity)(Lemma 2.4)을 활용한다. 그들은 임의의 단위 불변 노름 $\|\|\cdot\|\|$에 대하여 부등식 $\|\| J A(g) J \|\| \le \|\| A(g) \|\|$가 성립함을 보여준다. $J A(g) J = A(g_F)$이므로, $A(g_F)$는 전체 가족에 대해 해당 노름을 최소화한다.

주요 결과

• 보편적 최적성 (Theorem 2.5): 이중 중심 행렬 $A(g_F) = -\frac{1}{2} J D^{(2)} J$는 모든 단위 불변 노름에 대해 $\|\| A(g) \|\|$의 최소화자이다. 여기에는 스펙트럴 노름, 뉴클리어 노름, 프로베니우스 노름, 그리고 모든 섀턴 $p$-노름 및 카이 팬 $k$-노름이 포함된다.
• 유일성 구조:
  • 엄격한 볼록성을 갖는 단위 불변 노름(예: 프로베니우스 노름, $1 < p < \infty$ 범위의 섀턴 $p$-노름)의 경우, $g_F$는 유일한 최소화자이다.
  • 엄격한 볼록성을 갖지 않는 노름(예: 스펙트럴 노름, 뉴클리어 노름)의 경우, 최소화자가 반드시 유일한 것은 아니다. 저자들은 일차원 슬라이스 $g(t) = g_F + \frac{t}{n}\mathbf{1}$를 따라 비유일성을 규명하며, $\|A(g(t))\|_2 = \max\{\rho^*, |t|\}$ (여기서 $\rho^* = \|A(g_F)\|_2$)임을 보여준다. 따라서 $|t| \le \rho^*$를 만족하는 모든 $t$는 스펙트럴 노름의 최소화자가 된다.
• 계수 조건 (Proposition 2.8): 저자들은 프로베니우스 최소값과 스펙트럴 최소값이 일치하는 경우(즉, $\|A(g_F)\|_F = \|A(g_F)\|_2$)를 규명한다. 이는 $\text{rank}(J D^{(2)} J) \le 1$일 때 발생한다. 유클리드 사례에서 이는 $n$개의 점이 공선상(collinear)에 있는 것과 동치이다. 이 퇴화된 경우, $A(g_F)$의 모든 섀턴 노름은 서로 일치한다.

의의 및 주장
본 논문은 고전 다차원 척도법(CMDS) 및 주좌표 분석(PCoA)의 핵심 대상인 이중 중심 행렬에 대한 **순수 변분적 특성(purely variational characterisation)**을 제공한다고 주장한다.

• 유클리드 가정으로부터의 독립성: 유클리드 성질을 요구하는 기존의 CMDS 이론(즉, 결과가 양의 준정부호여야 함을 의미함)과 달리, 본 결과는 임의의 대칭 비유사성 데이터에 대해서도 성립한다. 이중 중심 행렬은 데이터가 유클리드적인지 여부와 상관없이 최적의 대표자로 등장한다.
• 노름 독립성: 이 결과는 이중 중심 행렬의 선택이 단지 프로베니우스 노름을 최소화하기 위한 산물이 아님을 보여준다. 대신, 이는 모든 단위 불변 노름에 대한 "보편적" 최소화자이다.
• 행렬 근접성(Matrix Nearness)과의 관계: 본 연구는 이 작업을 행렬 근접성 문제의 아핀 변형으로 프레임화한다. 이는 기존 문헌(예: 양의 준정부호에 가장 가까운 행렬을 찾는 Higham의 연구)과 대조되며, 이 특정한 아핀 가족에 대해서는 프로베니우스 최소화 문제와 스펙트럴 최소화 문제가 동일한 행렬에 의해 해결됨을(비록 유일성은 다를지라도) 보여준다.

저자들은 새로운 응용법을 제안하기보다는, 브레이-커티스(Bray–Curtis)와 같이 유클리드 메트릭 속성을 만족하지 못하는 경우가 빈번한 수치 생태학이나 마이크로바이옴 분석 분야에서 이중 중심 행렬이 널리 사용되는 것에 대한 이론적 정당성을 제공한다.