[论文解读] Bounds on the coefficients of the characteristic and minimal polynomials

Jean‐Guillaume Dumas|arXiv (Cornell University)|Oct 24, 2006

Matrix Theory and Algorithms参考文献 5被引用 4

一句话总结

本论文通过结合绝对估计与自适应算法，针对整数矩阵的特征多项式与最小多项式系数提出了更紧致的界。关键贡献在于通过减少所需素数数量，显著提升了多项式重构中中国剩余定理的计算效率，对大规模稀疏矩阵的计算成本最高可降低5%。

ABSTRACT

This note presents absolute bounds on the size of the coefficients of the characteristic and minimal polynomials depending on the size of the coefficients of the associated matrix. Moreover, we present algorithms to compute more precise input-dependant bounds on these coefficients. Such bounds are e.g. useful to perform deterministic chinese remaindering of the characteristic or minimal polynomial of an integer matrix.

研究动机与目标

• 为整数矩阵的特征多项式与最小多项式系数提供更紧、依赖输入的界。
• 在整数矩阵计算中，减少确定性中国剩余定理重构这些多项式所需的素数数量。
• 开发低复杂度算法，在运行时计算更精确的系数界，提升效率且不引入显著开销。
• 通过引入谱半径与最小多项式次数等矩阵特定性质，改进现有界（尤其是Hadamard与Mignotte的界）。
• 通过更精确的系数估计，提升Frobenius标准型与Smith标准型的计算效率。

提出的方法

• 利用Hadamard对行列式的界推导特征多项式系数的绝对上界，并通过Stirling近似与Stănică对二项式系数的界进行优化。
• 提出一种动态搜索过程，通过分析 $ F(n,j) = \binom{n}{j} \sqrt{(n-j)B^2}^{n-j} $ 的行为，定位最大系数的可能位置，将搜索空间缩减至 $ \mathcal{O}(\sqrt{n}) $ 项。
• 提出一种递归方案，以 $ \mathcal{O}(n) $ 的代价高效计算 $ \log_2(F(n,j)) $ 的界，实现在多项式计算过程中的实时估计。
• 利用特征值相关界，结合Gershgorin圆盘与Cassini卵形线，估计谱半径 $ \beta $，从而获得更紧致的最小多项式系数界。
• 以Mignotte的界为基线，通过区分 $ d \leq \beta $ 与 $ d > \beta $ 的情况，结合二项式系数界，获得更紧致的估计。
• 采用Stănică对Stirling公式的扩展，以包含误差项的方式界定二项式系数，提升系数大小估计的精度。

实验结果

研究问题

• RQ1 如何在Hadamard界之外，进一步改进特征多项式系数的绝对界？
• RQ2 在给定矩阵规模与元素有界的情况下，最优的系数最大值搜索索引范围是什么？
• RQ3 能否利用谱半径与次数信息，而非一般行列式界，来推导更紧致的最小多项式系数界？
• RQ4 自适应、低复杂度算法在多大程度上可减少矩阵多项式中国剩余定理所需的素数数量？
• RQ5 在大规模稀疏矩阵计算中，新界与现有界相比，在降低计算成本方面的实际表现如何？

主要发现

• 论文将对数系数界的常数从约3.4427显著降低至0.21163175，大幅收紧了特征多项式系数的绝对界。
• 对于示例矩阵，新界估计最大系数为80.66661，而Hadamard界为55.9，先前界为21793，精度提升显著。
• 自适应算法将最大系数的搜索空间缩减至最多 $ \frac{-1 + \sqrt{1 + 2\delta B^2 n}}{\delta B^2} $ 项，其中 $ \delta \approx 5.418236 $，实现高效的实时估计。
• 对于最小多项式，改进后的界相比先前工作将系数大小估计降低最多5%，在一次大规模同调计算中节省了23次模投影与约一小时计算时间。
• 当 $ d > \beta $ 时，界 $ \|\text{minpoly}_A\|_\infty \leq \min\left\{ \sqrt{\beta d}^d, \sqrt{\frac{2}{d\pi}} 2^d \beta^d \right\} $ 相较于先前结果实现了 $ \log d $ 因子的改进。
• 所提出的计算界算法具有 $ \mathcal{O}(n) $ 的复杂度，使其在多项式计算过程中可实际用于实时应用。