[论文解读] Max-relaxation iteration procedure for building of Barabanov norms: convergence and examples

Victor Kozyakin|arXiv (Cornell University)|Feb 17, 2010

Matrix Theory and Algorithms被引用 4

一句话总结

本文提出一种最大松弛迭代方法，用于数值构造不可约矩阵集的Barabanov范数，并以保证收敛性及后验误差界的方式计算其联合谱半径。该方法通过在极坐标下迭代使用矩阵作用来精炼范数估计，确保收敛至Barabanov范数，并提供联合谱半径的可计算误差界。

ABSTRACT

The problem of construction of Barabanov norms for analysis of properties of the joint (generalized) spectral radius of matrix sets has been discussed in a number of publications. In previous papers of the author the method of Barabanov norms was the key instrument in disproving the Lagarias-Wang Finiteness Conjecture. The related constructions were essentially based on the study of the geometrical properties of the unit balls of some specific Barabanov norms. In this context the situation when one fails to find among current publications any detailed analysis of the geometrical properties of the unit balls of Barabanov norms looks a bit paradoxical. Partially this is explained by the fact that Barabanov norms are defined nonconstructively, by an implicit procedure. So, even in simplest cases it is very difficult to visualize the shape of their unit balls. The present work may be treated as the first step to make up this deficiency. In the paper an iteration procedure is considered that allows to build numerically Barabanov norms for the irreducible matrix sets and simultaneously to compute the joint spectral radius of these sets.

研究动机与目标

• 为解决Barabanov范数因隐式与非构造性定义而缺乏可视化与计算方法的问题。
• 开发一种数值算法，同时为不可约矩阵集构建Barabanov范数并计算联合谱半径。
• 通过迭代过程提供对联合谱半径近似值的后验误差界。
• 通过引入松弛机制，克服直接迭代格式的非唯一性与非收敛性问题。
• 通过数值计算为Barabanov范数单位球的几何分析奠定基础。

提出的方法

• 该算法采用最大松弛迭代：每一步通过 $ \|x\|_{n+1} = \gamma_n^{-1} \max_i \|A_i x\|_n $ 更新范数，其中 $ \gamma_n $ 为归一化因子。
• 范数在角度 $ \phi \in [0, 2\pi) $ 的离散网格上表示，矩阵作用映射为角度与半径的变换。
• 对每个方向 $ \phi $，计算 $ A_i $ 的像并映射到最近的网格点，以实现离散迭代。
• 在每一步强制实现局部凸性，以抑制数值振荡并提高稳定性。
• 通过 $ \rho_n^\pm = \min(R_n / R) $ 和 $ \max(R_n / R) $ 估计联合谱半径，提供对真实值的上下界。
• 归一化确保单位球有界，迭代收敛至Barabanov范数。

实验结果

研究问题

• RQ1 能否构造一种数值算法，为不可约矩阵集计算Barabanov范数并保证收敛性？
• RQ2 如何从迭代过程中推导出联合谱半径的后验误差界？
• RQ3 为何直接迭代格式无法收敛，而松弛机制能否提升稳定性？
• RQ4 迭代序列收敛至真实联合谱半径的速率如何？
• RQ5 Barabanov范数单位球的几何特性如何从迭代构造过程中显现？

主要发现

• 最大松弛算法对任意不可约矩阵集均收敛至Barabanov范数，为原本隐式定义的对象提供了构造性方法。
• 该算法可生成可计算的后验误差界 $ \rho_n^- \leq \rho(\mathscr{A}) \leq \rho_n^+ $，且随着迭代进行，区间宽度逐渐减小。
• 数值实验表明，该算法能稳定运行，并在非平凡情况下生成视觉上一致的Barabanov范数单位球。
• 该方法可处理任意大小的矩阵集与任意数量的矩阵，对矩阵维数或矩阵个数无限制。
• 松弛步骤至关重要：无松弛的直接迭代可能无法收敛，凸显了归一化与凸性强制的重要性。
• 该算法的计算成本取决于网格点数量、矩阵大小 $ m $ 以及平均函数 $ \gamma(t,s) $ 的选择，尽管未给出显式成本估计。