[论文解读] Min-plus methods in eigenvalue perturbation theory and generalised Lidskii-Vishik-Ljusternik theorem

Marianne Akian, R. B. Bapat+1 more|ArXiv.org|Feb 5, 2004

Matrix Theory and Algorithms参考文献 38被引用 20

一句话总结

本文基于极小-加法代数构建了参数依赖矩阵特征值的摄动理论，将经典的 Lidskii-Vishik-Ljusternik 定理推广至非典型与奇异情形。通过利用极小-加法谱理论分析特征多项式的牛顿多边形，将渐近特征值指数表示为离散优化问题的解，从而在舒尔补失效时仍能计算主导阶特征值行为。

ABSTRACT

We extend the perturbation theory of Vishik, Ljusternik and Lidskii for eigenvalues of matrices, using methods of min-plus algebra. We show that the asymptotics of the eigenvalues of a perturbed matrix is governed by certain discrete optimisation problems, from which we derive new perturbation formulae, extending the classical ones and solving cases which where singular in previous approaches. Our results include general weak majorisation inequalities, relating leading exponents of eigenvalues of perturbed matrices and min-plus analogues of eigenvalues.

研究动机与目标

• 将经典的 Lidskii-Vishik-Ljusternik 摄动理论推广至舒尔补失效的非典型情形。
• 为具有 Puiseux 型展开的矩阵摄动中特征值主导指数的系统计算提供方法。
• 解决传统基于矩阵可逆性的方法失效时的特征值渐近奇异情形。
• 通过最优分配问题建立特征值摄动指数与极小-加法谱理论之间的联系。
• 利用牛顿多边形与极小-加法永久式，建立统一框架以计算渐近特征值行为。

提出的方法

• 将矩阵元素建模为小参数 ε 的 Puiseux 级数，其指数编码于矩阵 A ∈ ℝ_min^n×n 中。
• 对指数矩阵 A 应用极小-加法代数，通过最优分配问题计算其极小-加法特征多项式。
• 将极小-加法特征多项式的根识别为控制特征值渐近行为的关键指数。
• 利用 Frobenius-König 定理与关键子图的图论分析，确定每个指数的重数与取值。
• 将主导特征值指数与特征多项式 det(YI - A_ε) 的牛顿多边形的斜率相关联。
• 利用极小-加法永久式与极小-加法多项式的角点结构，在非可逆情形下推导渐近指数。

实验结果

研究问题

• RQ1 当摄动矩阵的非典型性或稀疏性导致舒尔补构造失效时，如何计算特征值摄动指数？
• RQ2 极小-加法代数在刻画矩阵摄动中特征值主导阶渐近行为方面起何作用？
• RQ3 能否通过离散优化技术从指数矩阵重构特征多项式的牛顿多边形？
• RQ4 指数矩阵中的关键子图及其权重如何决定主导特征值指数？
• RQ5 经典 Lidskii-Vishik-Ljusternik 定理在何种情形下失效，其适用范围如何扩展？

主要发现

• 主导特征值指数 Λ_i 由指数矩阵 A 的极小-加法特征多项式的根决定，其重数对应于关键子图。
• 对于典型摄动，特征值组的指数由关联加权二分图中关键环的最小权重给出。
• 在例 7.5 中，该方法正确识别出特征值指数 2/3 与 3/4，而 [MBO97] 的方法因牛顿多边形近似中存在内点整数点而无法获得此结果。
• 指数 γ_9 = 1 由极小-加法永久式条件 A = 4 及分解式 P̂_A(y) = (y⊕1/3)^3(y⊕2/5)^5(y⊕γ_9) 推导得出，故 γ_9 = 1。
• 该方法解决了因舒尔补不可逆而导致 Lidskii 定理失效的情形，通过极小-加法谱理论提供了完整的渐近描述。
• 该方法推广了特征值指数与极小-加法特征值之间的弱极大化不等式，将经典结果扩展至奇异与结构化摄动情形。