[논문 리뷰] Recursive Method for the Solution of Systems of Linear Equations

Gennadi Malaschonok|arXiv (Cornell University)|2017. 03. 29.

Algebraic and Geometric Analysis참고 문헌 2인용 수 3

한 줄 요약

이 논문은 공통의 정수환에서 선형 연립방정식을 푸는 재귀적 알고리즘을 제안하며, 행렬 곱셈과 동일한 계산 복잡도를 가지며, 특히 $O(n^{\text{행렬 곱셈의 지수}})$이다. 이 방법은 재귀적 분할과 행렬식 기반의 환원을 사용하여 계수 행렬을 대각형으로 변환함으로써, 모서리 주위의 소수행이 0이 아니고 영인자도 아니면 효율적인 산술 연산을 통해 크래머의 법칙을 통해 빠르게 해를 구할 수 있다.

ABSTRACT

New solution method for the systems of linear equations in commutative integral domains is proposed. Its complexity is the same that the complexity of the matrix multiplication.

연구 동기 및 목표

• 공통의 정수환에서 선형 연립방정식을 풀기 위한 해법을 개발하여, 행렬 곱셈의 복잡도와 동일한 복잡도를 달성한다.
• 기존의 전진/역행 대입법과 일회성 알고리즘을 통합하는 재귀적 프레임워크를 통해 이를 일반화한다.
• 재귀적 분해와 행렬식 산술을 활용하여 선형 연립방정식의 해를 구하는 계산 복잡도를 $O(n^3)$에서 행렬 곱셈과 동일한 점근적 순서로 감소시킨다.
• 어떤 가환환에서도 적용 가능하도록 보장하기 위해, 모든 모서리 주위의 소수행이 0이 아니고 영인자도 아니라고 요구한다.

제안 방법

• 알고리즘은 계수 행렬을 상부 및 하부 부분행렬으로 재귀적으로 분할하고, 각 부분에 대해 재귀적 환원을 적용한다.
• 변환 과정에서 구조적 불변성을 유지하기 위해, 소수행 $\delta^{k} = \det \mathbf{A}_{kk}^{k}$ 과 여인수 행렬 $\delta^{k}_{ij}$ 를 이용한 재귀적 행렬식 계산을 사용한다.
• 핵심 항등식 $\delta^{k} \cdot \hat{A}_{2}^{2} = \delta^{s} \cdot A_{2}^{2} - A_{1}^{2} \cdot G_{2}^{1}$ 는 하부 블록을 변환하면서도 행렬식의 구조를 유지하는 데 기여한다.
• 이 방법은 행렬을 대각형 형태 $\tilde{A} \rightarrow (\delta^{l}I_{l-k}, \hat{G})$ 로 감소시키며, 여기서 $\delta^{l}$ 은 주도소수행이고 $\hat{G}$ 는 일반화된 여인수를 포함한다.
• 전체 행렬이 감소할 때까지 재귀 단계를 반복하며, 최종 해는 계산된 소수행과 여인수 행렬을 사용하여 크래머의 법칙으로 유도된다.
• 알고리즘은 파artitions가 단일 행인 경우 전진/역행 대입법과 동일하며, 최적의 복잡도를 달성하기 위해 이분법적 분할도 지원한다.

실험 결과

연구 질문

• RQ1 재귀적 알고리즘이 정수환에서 선형 연립방정식을 풀 때 행렬 곱셈과 동일한 점근적 복잡도를 달성할 수 있는가?
• RQ2 선형 연립방정식의 해법을 전진/역행 대입법과 일회성 방법을 모두 일반화하는 단일한 재귀적 프레임워크로 통합할 수 있는가?
• RQ3 어떤 재귀적 분해 전략이 선형 연립방정식의 해를 풀 때 행렬 곱셈과 동일한 복잡도를 보장하는가?
• RQ4 환과 행렬의 구조에 대해 어떤 조건에서 알고리즘이 유효하고 효율적인가?

주요 결과

• 알고리즘이 행렬 곱셈과 동일한 계산 복잡도를 달성하며, 스트라센 알고리즘을 사용할 경우 특히 $O(n^{\log_2 7})$ 로 향상되어 고전적 $O(n^3)$ 복잡도보다 뚜렷이 향상된다.
• 모든 $n = 2^p$ 와 $m = n+1$ 에 대해 곱셈/나눗셈 연산의 수는 $MD^{S}_{n,n+1} = \frac{7}{15}n^{\log_2 7} + n^2(\log_2 n - \frac{2}{3}) + n(2\log_2 n + \frac{1}{5})$ 로 표현되며, 거의 최적의 스케일링을 보여준다.
• 이 방법은 일회성 방법과 전진/역행 대입법을 모두 일반화한다: 파artitions가 단일 행일 경우, 이는 기존의 알려진 기법으로 축소된다.
• 최종 해는 계산된 소수행 $\delta^n$ 과 여인수 행렬 $G$ 를 사용하여 크래머의 법칙으로 도출되며, 최종 시스템은 $\delta^n I_n$ 과 $\hat{G}$ 로 표현된다.
• 모든 모서리 주위의 소수행 $\delta^k$ 가 0이 아니며 영인자도 아니면, 알고리즘은 어떤 가환 정수환에서도 유효하다.
• 정수환 $\mathbb{Z}$ 에서의 수치 예제는 정확성을 확인한다: $4 \times 4$ 시스템에서 알고리즘은 행렬을 대각형으로 감소시키며 $\delta^4 = 27$ 을 도출하고, 해 벡터 $x = (1, 2, -2, -1)^T$ 를 얻는다.