[论文解读] Extreme Eigenvalues of Large Dimensional Quaternion Sample Covariance Matrix

Huiqin Li, Zhidong Bai|arXiv (Cornell University)|Dec 17, 2013

Random Matrices and Applications参考文献 4被引用 3

一句话总结

该论文建立了大维四元数样本协方差矩阵的极端特征值的几乎必然极限。在四元数 i.i.d. 入口满足均值为零、方差为一且四阶矩有限的条件下，最大特征值几乎必然收敛至 $(1 + \tilde{y})^2$，最小特征值收敛至 $(1 - \tilde{y})^2$，其中 $\tilde{y} = \tilde{p}/n$，将经典的 Marčenko-Pastur 法则推广至四元数设置，并在精确的矩条件之下成立。

ABSTRACT

In this paper, we shall investigate the almost sure limits of the largest and smallest eigenvalues of a quaternion sample covariance matrix. Suppose that $\mathbf X_n$ is a $p imes n$ matrix whose elements are independent quaternion variables with mean zero, variance 1 and uniformly bounded fourth moments. Denote $\mathbf S_n=\frac{1}{n}\mathbf X_n\mathbf X_n^*$. In this paper, we shall show that $s_{\max}\left(\mathbf S_n ight)=s_{p}\left(\mathbf S_n ight) o\left(1+\sqrt y ight)^2, a.s.$ and $s_{\min}\left(\mathbf S_n ight) o\left(1-\sqrt y ight)^2,a.s.$ as $n o\infty$, where $y=\lim p/n$, $s_1\left(\mathbf S_n ight)\le\cdots\le s_{p}\left(\mathbf S_n ight)$ are the eigenvalues of $\mathbf{S}_n$, $s_{\min}\left(\mathbf S_n ight)=s_{p-n+1}\left(\mathbf S_n ight)$ when $p>n$ and $s_{\min}\left(\mathbf S_n ight)=s_1\left(\mathbf S_n ight)$ when $p\le n$. We also prove that the set of conditions are necessary for $s_{\max}\left(\mathbf S_n ight) o\left(1+\sqrt y ight)^2, a.s.$ when the entries of $\mathbf {X}_n$ are i. i. d.

研究动机与目标

• 确定大维四元数样本协方差矩阵的最大和最小特征值的几乎必然极限。
• 建立极端特征值几乎必然收敛的必要与充分矩条件。
• 将此前仅在实数与复数情形下已知的随机矩阵理论结果，推广至四元数代数设置。
• 证明在四元数情形下，有限四阶矩是最大特征值几乎必然收敛的必要与充分条件。
• 在四元数入口满足非 i.i.d. 但均值为零、方差有限且四阶矩一致有界的条件下，分析极限谱行为。

提出的方法

• 定义四元数样本协方差矩阵 $\mathbf{S}_n = \frac{1}{n}\mathbf{X}_n\mathbf{X}_n^*$，其中 $\mathbf{X}_n$ 的四元数入口为 i.i.d.，均值为零，方差为一，且四阶矩一致有界。
• 利用谱范数与奇异值分解，分析 $\mathbf{S}_n$ 与其期望值 $\sigma^2(1 + y)\mathbf{I}_p^Q$ 的偏离。
• 应用矩阵扰动方法，通过四元数入口的归一化二次型最大值，界定 $\|\mathbf{S}_n - \sigma^2(1 + y)\mathbf{I}_p^Q\|_2$。
• 利用引理 7.1（i.i.d. 随机变量双数组的强大数律）控制归一化平方四元数范数之和的收敛性。
• 结合极小化-极大化原理与特征值交错性，通过与期望矩阵比较，推导极端特征值的几乎必然界。
• 通过反证法证明矩条件的必要性：若 $\mathbb{E}\|z_{11}\|^4 = \infty$，则最大特征值几乎必然发散。

实验结果

研究问题

• RQ1 大维四元数样本协方差矩阵的最大和最小特征值的几乎必然极限是什么？
• RQ2 在四元数情形下，有限四阶矩是否为极端特征值几乎必然收敛的必要条件？
• RQ3 在与实数和复数情形相同的矩条件下，Marčenko-Pastur 法则对极端特征值是否可推广至四元数设置？
• RQ4 当样本数 $n$ 与维度 $p$ 按 $y = \lim p/n$ 同时增长时，极端特征值如何表现？
• RQ5 四元数入口满足何种条件时，极端特征值几乎必然收敛至 Marčenko-Pastur 边界？

主要发现

• 当 $n \to \infty$ 时，最大特征值 $s_p(\mathbf{S}_n)$ 几乎必然收敛至 $(1 + \sqrt{y})^2$，其中 $y = \lim p/n$。
• 在相同渐近框架下，最小特征值 $s_{\min}(\mathbf{S}_n)$ 几乎必然收敛至 $(1 - \sqrt{y})^2$。
• 有限四阶矩 $\mathbb{E}\|z_{11}\|^4 < \infty$ 是最大特征值几乎必然收敛的必要与充分条件。
• 若四元数入口的均值非零（即 $\mathbb{E}[z_{11}] \neq 0$），则谱范数几乎必然发散，导致收敛性失效。
• 在四元数入口为 i.i.d.、均值为零、单位方差且四阶矩一致有界的假设下，收敛结果成立。
• 证明表明，四元数样本协方差矩阵的极限谱分布遵循 Marčenko-Pastur 法则，极端特征值被限制在几乎必然极限 $(1 \pm \sqrt{y})^2$ 内。