[논문 리뷰] Logarithms and Square Roots of Real Matrices

Jean Gallier|arXiv (Cornell University)|2008. 05. 02.

Matrix Theory and Algorithms참고 문헌 29인용 수 11

한 줄 요약

이 논문은 실수 행렬의 실수 로그와 제곱근의 존재 및 유일성 조건을 실수 조르당 표준형을 사용하여 통합적이고 접근하기 쉬운 서술을 제공한다. 가역 행렬이 음의 실수 고유값을 가지지 않으며 고유값이 $-\pi < \mu < \pi$의 밴드 내에 있을 경우 유일한 실수 로그를 가짐을 입증하여, 의료 영상 정렬 및 행렬 지수화와 벡터장 혼합을 통한 로그-유클리드 다형 애핀 변환에의 응용을 가능하게 한다.

ABSTRACT

In these notes, we consider the problem of finding the logarithm or the square root of a real matrix. It is known that for every real n x n matrix, A, if no real eigenvalue of A is negative or zero, then A has a real logarithm, that is, there is a real matrix, X, such that e^X = A. Furthermore, if the eigenvalues, xi, of X satisfy the property -pi &lt; Im(xi) &lt; pi, then X is unique. It is also known that under the same condition every real n x n matrix, A, has a real square root, that is, there is a real matrix, X, such that X^2 = A. Moreover, if the eigenvalues, rho e^{i theta}, of X satisfy the condition -pi/2 &lt; theta &lt; pi/2, then X is unique. These theorems are the theoretical basis for various numerical methods for exponentiating a matrix or for computing its logarithm using a method known as scaling and squaring (resp. inverse scaling and squaring). Such methods play an important role in the log-Euclidean framework due to Arsigny, Fillard, Pennec and Ayache and its applications to medical imaging. Actually, there is a necessary and sufficient condition for a real matrix to have a real logarithm (or a real square root) but it is fairly subtle as it involves the parity of the number of Jordan blocks associated with negative eigenvalues. As far as I know, with the exception of Higham's recent book, proofs of these results are scattered in the literature and it is not easy to locate them. Moreover, Higham's excellent book assumes a certain level of background in linear algebra that readers interested in the topics of this paper may not possess so we feel that a more elementary presentation might be a valuable supplement to Higham. In these notes, I present a unified exposition of these results and give more direct proofs of some of them using the Real Jordan Form.

연구 동기 및 목표

• 의료 영상 분야의 비전문가 독자를 위해 실수 행렬의 실수 로그와 제곱근에 대한 존재 및 유일성 조건을 자립적이고 초보자 수준의 접근으로 제공하기.
• 특히 고유값 제약 조건에 중점을 두어 실수 행렬이 실수 로그를 갖는 데 필요한 충분조건을 규명하기.
• 특정 고유값 성질을 갖는 애핀 변환이 유일한 실수 로그를 갖음을 증명함으로써 로그-유클리드 프레임워크를 의료 영상에서 뒷받침하기.
• 실수 로그와 제곱근에 관한 기존 산재한 결과들을 실수 조르당 표준형을 활용해 통합적이고 접근 가능한 서술로 통합하기.
• 무한소 수준에서 벡터장 혼합을 통해 부드럽고 가역적인 미분동형사상의 구축을 가능하게 하기.

제안 방법

• 복소 고유값을 갖는 행렬에 대해 특히 실수 조르당 표준형을 사용하여 실수 행렬의 구조와 그 로그의 구조를 분석하기.
• 실수 행렬이 실수 로그를 갖는 것은 가역이면서 음의 실수 고유값을 가지지 않으며, 복소 고유값 $\lambda + i\mu$의 허수부가 $(-\pi, \pi)$에 속할 때에 한하여 참임을 증명하기.
• 지수 사상 $\Phi_t = \exp(tL)$를 통해 벡터장을 미분동형사상으로 변환하기, 여기서 $L$은 변환 행렬의 로그이다.
• 공간적으로 변화하는 가중치 $w_i(X)$를 사용하여 여러 애핀 변환의 로그 벡터장 $V_i(X) = L_iX + v_i$를 평균 내기.
• 혼합된 벡터장의 흐름으로서 로그-유클리드 다형 애핀 변환(LEPT)을 구성하여 부드러움과 가역성을 보장하기.
• 행렬 $A^2$의 조르당 구조를 $A$의 것에서 유도하여, 기본 약수들이 $(X - \lambda)^r \to (X - \lambda^2)^r$로 변환됨을 보여주기.

실험 결과

연구 질문

• RQ1 실수 행렬이 실수 로그를 갖는 조건은 무엇인가?
• RQ2 행렬의 고유값과 실수 로그 존재성 사이의 정확한 관계는 무엇인가?
• RQ3 행렬 로그는 어떻게 사용하여 의료 영상 정렬을 위한 부드럽고 가역적인 변환을 구성할 수 있는가?
• RQ4 실수 조르당 표준형은 실수 로그의 존재 및 유일성 증명에서 어떤 역할을 하는가?
• RQ5 유사한 고유값 기반 조건을 사용하여 실수 행렬의 제곱근을 구성할 수 있는가?

주요 결과

• 실수 행렬이 실수 로그를 갖는 것은 가역이면서 음의 실수 고유값을 가지지 않으며, 모든 복소 고유값 $\lambda + i\mu$가 $-\pi < \mu < \pi$를 만족할 때에 한하여 참이다.
• 지수 사상 $\exp: \mathcal{S}(n) \to \text{GL}(n,\mathbb{R})$ 는 음의 고유값을 갖지 않는 가역 행렬 집합으로부터 전사이며, $\mathcal{S}(n)$ 위에서 단사적이다.
• 모든 가역 행렬 $A$에 대해 $A^2$의 조르당 표준형은 $A$의 조르당 블록 내 각 고유값을 제곱하여 얻어진다.
• 각 일반화된 고유공간 $V_i$에 제한된 $f^2$의 최소다항식은 $(X - \lambda_i^2)^{r_i}$이며, 여기서 $r_i$는 $\lambda_i$에 대한 조르당 블록의 크기이다.
• 벡터장 $V(X) = \sum_{i=1}^N w_i(X)(L_iX + v_i)$ 는 부드럽고 가역적인 미분동형사상의 일파라미터 군 $\Phi_t$ 를 생성한다.
• 최종적으로 도출된 로그-유클리드 다형 애핀 변환(LEPT)은 $\Phi_1 = \exp\left(\sum w_i \begin{pmatrix} L_i & v_i \\ 0 & 0 \end{pmatrix}\right)$ 로 주어지며, 이는 변환의 효율적 계산과 융합을 가능하게 한다.