[논문 리뷰] The geometric mean of two matrices from a computational viewpoint

Bruno Iannazzo|arXiv (Cornell University)|2011. 12. 30.

Matrix Theory and Algorithms참고 문헌 14인용 수 6

한 줄 요약

이 논문은 행렬 기하평균 $ A\#B $ 의 계산적 분석을 제시하며, 역제곱근 함수의 유리근사에 기반한 수치 알고리즘에 초점을 맞춘다. Padé 근사와 유리최소최대근사가 기존 및 신규 알고리즘의 기초를 이룬다는 것을 입증하며, 특히 극분해 또는 쇼어 분해를 사용하는 이차수렴 알고리즘은 $ A\#B $ 를 계산하는 데 높은 안정성과 효율성을 제공한다.

ABSTRACT

The geometric mean of two matrices is considered and analyzed from a computational viewpoint. Some useful theoretical properties are derived and an analysis of the conditioning is performed. Several numerical algorithms based on different properties and representation of the geometric mean are discussed and analyzed and it is shown that most of them can be classified in terms of the rational approximations of the inverse square root functions. A review of the relevant applications is given.

연구 동기 및 목표

• 행렬 기하평균 함수의 섭동에 대한 조건수 및 민감도를 분석하기 위해.
• 특히 $ z^{-1/2} $ 의 유리근사를 기반으로 한 기존 및 신규 수치 알고리즘을 분류하고 비교하기 위해.
• 순환감소, Padé 근사, 가우스적분법 간의 연결 고리를 규명하여 그들 간의 본질적 동등성을 보여주기 위해.
• 특히 큰 행렬이나 희소 행렬에 대해 실용적으로 사용할 수 있는 가장 수치적으로 안정적이고 효율적인 알고리즘을 규명하기 위해.

제안 방법

• 대칭성과 동치변환 불변성을 보장하기 위해 공식 $ A^{1/2}(A^{-1/2}BA^{-1/2})^{1/2}A^{1/2} $ 을 사용하여 $ A\#B $ 를 유도한다.
• 유클리드 노름에서 조건수의 상한 및 하한을 유도함으로써 $ A\#B $ 의 조건수를 분석한다.
• 특히 Padé 근사와 유리상대최소최대근사에 기반한 유리근사의 기초를 바탕으로 알고리즘을 분류한다.
• 쇼어 분해와 콜레스키 분해를 활용한 새로운 콜레스키-쇼어 알고리즘을 제안하여 높은 수치적 안정성을 확보한다.
• 극분해 기반 방법을 도입하여 극성분을 계산하는 데 저비용이라는 장점을 활용한다.
• 가우스적분법을 적분 표현식 $ A\#B = \frac{1}{\pi}\int_0^1 \frac{(tB^{-1} + (1-t)A^{-1})^{-1}}{\sqrt{t(1-t)}} dt $ 에 적용하여 고정밀 근사화를 도모한다.

실험 결과

연구 질문

• RQ1 행렬 기하평균의 조건수는 $ A $ 와 $ B $ 의 스펙트럼 성질에 어떻게 의존하는가?
• RQ2 다양한 $ A\#B $ 계산 수치 알고리즘 간의 관계는 무엇이며, 공통된 근사 프레임워크 아래 통합될 수 있는가?
• RQ3 왜 일부 반복적 방법, 예를 들어 분리된 평균화 반복법은 고유값 비율 $ \lambda_M / \lambda_m > 3 $ 일 때 불안정해지는가?
• RQ4 스케일링을 통한 유리최소최대근사 기반 알고리즘의 수렴 속도 향상이 가능할까? 스케일링의 추상적 해석은 approximation 이론에서 어떻게 해석될 수 있는가?
• RQ5 순환감소, Padé 근사, 가우스적분법 간에 행렬 함수 근사의 맥락에서 더 깊은 동등성이 존재하는가?

주요 결과

• 평균화 반복의 자코비안 행렬의 스펙트럼 반경이 $ \lambda_M / \lambda_m > 3 $ 일 때 1을 초과하여, 분리된 버전에서 관측된 수치적 불안정성을 설명한다.
• 쇼어 분해를 기반으로 한 콜레스키-쇼어 알고리즘은 높은 수치적 안정성을 보이며 일반적 사용에 추천된다.
• 극분해 기반 알고리즘은 극성분을 계산하는 데 저비용이라는 점과 함께 이차수렴을 보이며 계산 효율성이 높다.
• Padé 근사에 의한 $ z^{-1/2} $ 근사는 $[2^k, 2^k - 1]$ 근사자에 대한 재귀관계를 통해 이차수렴 알고리즘을 가능하게 하며, 수렴 속도에서 유리최소최대근사보다 뛰어나다.
• 유리최소최대근사는 Padé 근사보다 같은 정확도를 확보하기 위해 더 높은 차수를 요구하지만, 스케일링을 통해 성능 향상이 크게 가능하다.
• 뉴턴법, Padé 근사, 순환감소, 가우스적분법 간에 깊은 동등성이 관찰되어, 행렬 함수 근사의 통합적 프레임워크를 제안한다.