[论文解读] Average polynomial time for eigenvector computations

Diego Armentano, Carlos Beltrán+1 more|arXiv (Cornell University)|Oct 8, 2014

Matrix Theory and Algorithms参考文献 12被引用 3

一句话总结

本文提出了两种算法——确定性和随机性算法——用于计算复高斯矩阵的特征值和特征向量，采用同伦延拓法结合牛顿型步长。两种算法均以概率1终止，且平均时间复杂度为多项式时间，具体为 O(n⁹)。其关键贡献在于对特征值问题的期望平方条件数的分析，该分析支撑了复杂度界限。

ABSTRACT

We describe two algorithms for the eigenvalue, eigenvector problem which, on input a Gaussian matrix with complex entries, finish with probability 1 and in average polynomial time.

研究动机与目标

• 设计能够以保证终止且平均多项式时间复杂度计算复矩阵特征对的算法。
• 解决在高条件数下（尤其是多重特征值附近）的特征向量计算挑战。
• 建立特征值-特征向量问题的期望平方条件数的理论界。
• 证明基于同伦的方法可实现平均多项式代价，而标准数值算法（如带移位的 QR）则不能。
• 提供一种利用概率和几何技术分析特征值问题平均复杂度的框架。

提出的方法

• 基于牛顿法的同伦延拓方法，从已知解出发追踪路径至目标矩阵。
• 采用随机算法，逐个计算特征对，步长由条件数 μ(A,λ,v) 控制。
• 应用牛顿法的变体并结合自适应精度控制，确保对舍入误差和输入误差的鲁棒性。
• 引入基于射影空间 P(C^n) 和度量 d_P^2 的几何框架，用于度量特征对之间的距离。
• 将条件数 μ(A,λ,v) = ||((I - vv*)(λI - A))†|| 作为核心复杂度参数，用于限制路径长度和步长。
• 应用集中与扰动界（如引理33和命题34）控制 μ 沿路径的变化，确保稳定性。

实验结果

研究问题

• RQ1 是否存在一种确定性算法，可在平均多项式时间内以概率1计算复矩阵的所有 n 个特征对？
• RQ2 是否存在一种随机算法，可在平均多项式时间内计算单个特征对，同时保持对数值误差的鲁棒性？
• RQ3 在复高斯分布下，特征值-特征向量问题的平方条件数 μ² 的期望值是多少？
• RQ4 条件数 μ(A,λ,v) 沿同伦路径如何变化？其变化是否可被有界，以确保多项式复杂度？
• RQ5 基于同伦的特征值求解器的平均复杂度能否被严格分析并界定，尤其与标准数值线性代数方法相比？

主要发现

• 确定性算法的平均运行时间为 O(n⁹)，随机算法的平均运行时间也满足相同界，且两者均以概率1终止。
• 特征问题的平方条件数 μ² 的期望值被一个与 n 无关的绝对常数有界，这对实现平均多项式代价至关重要。
• 若能解决关于 μ 沿路径增长的某个开放问题，随机算法的复杂度可进一步优化至 O(n⁶)。
• 算法对输入误差和舍入误差具有鲁棒性，精度要求在接近退化时虽有所增加，但不破坏成本的平均多项式性质。
• 通过射影空间中的度量界控制 μ 沿同伦路径的变化，确保步长稳定，且平均步数保持多项式。
• 分析结果表明，标准数值算法（如未移位的 QR 或瑞利商移位的 QR）在平均复杂度分析下不满足相同的终止与复杂度保证，尤其在平均情况下。