[论文解读] The polynomial eigenvalue problem is well conditioned for random inputs

Carlos Beltrán, Diego Armentano|arXiv (Cornell University)|Jun 19, 2017

Matrix Theory and Algorithms参考文献 22被引用 4

一句话总结

本文证明了当输入矩阵的元素为独立同分布的标准复高斯分布时，多项式特征值问题（PEVP）在平均意义下是良好条件的。利用随机矩阵理论与代数几何，作者推导出精确的期望平方条件数为 (d+1)n²−1/d，表明即使在大规模 n 和 d 的情况下，数值解通常也保持稳定。

ABSTRACT

We compute the exact value of the squared condition number for the polynomial eigenvalue problem, when the input matrices have entries coming from the standard complex Gaussian distribution, showing that in general this problem is quite well conditioned.

研究动机与目标

• 确定在随机输入矩阵下，多项式特征值问题（PEVP）的平均条件数。
• 解决尽管对相关问题已有广泛研究，但关于 PEVP 平均条件数的理论结果仍显不足的问题。
• 通过计算期望平方条件数，确立 PEVP 通常具有良好条件性，即使在大规模问题中亦然。
• 利用代数几何与随机矩阵理论，将分析推广至其他特征值问题。
• 为 PEVP 的数值解在实践中具有高精度可计算性提供理论依据。

提出的方法

• 采用文献 [16, Th. 4.2] 中推导的 PEVP 条件数公式，其依赖于特征值、特征向量以及矩阵多项式的导数。
• 应用定理 2.1——一个关于复射影空间上代数特征值问题在高斯输入下的期望条件数的一般性结果。
• 利用横截公式（Coarea Formula）与法向雅可比行列式（Normal Jacobian）计算代数簇上的积分，将几何结构与期望计算相联系。
• 利用条件数在缩放下不变的性质（μ(tA, (α,β)) = μ(A, (α,β)))，实现单位方差的归一化。
• 分析解簇的结构及其余维数，以验证理论框架的适用性。
• 使用引理 A.1 计算涉及齐次簇的关键积分，从而实现期望平方条件数的精确求值。

实验结果

研究问题

• RQ1 当输入矩阵为独立同分布的标准复高斯分布时，多项式特征值问题的期望平方条件数是多少？
• RQ2 尽管特定实例中可能存在病态情况，PEVP 在平均意义下是否仍具有良好条件性，即使在 n 和 d 较大时亦然？
• RQ3 文献 [16] 的理论框架能否推广至计算 PEVP 及相关问题的精确期望条件数？
• RQ4 PEVP 的平均条件性与标准特征值问题或广义特征值问题相比如何？
• RQ5 该方法是否可应用于其他具有特征值代数约束的结构化特征值问题？

主要发现

• 在所有特征值和独立同分布的标准复高斯输入下，PEVP 的期望平方条件数恰好为 (d+1)n²−1/d。
• 最大条件数 μ_max(A) 满足 E[μ_max(A)²] ≤ ((d+1)n²−1)n，表明即使最坏情况下的特征值通常也具有良好条件性。
• 对数期望条件数被限制在 (3/2)log n + (1/2)log(d+1)，意味着即使在 n 和 d 较大时，高精度解仍可行。
• 由于条件数具有尺度不变性，该结果对输入分布的任意方差 σ² 均成立。
• 该方法可推广至其他特征值问题，例如具有 2n 个解的稀疏 PEVP 和具有 2n 个解的三元问题，其期望平方条件数分别为 (3n²+3n)/4 和 3n²。
• 通过验证解集几乎必然为有限集，且相关代数簇满足定理 2.1 所需的几何条件，理论框架得到验证。