[论文解读] Solution of linear equations and inequalities in idempotent vector spaces

Nikolai Krivulin|arXiv (Cornell University)|May 18, 2013

Polynomial and algebraic computation参考文献 11被引用 3

一句话总结

本文提出了一种新颖的方法，通过在幂等代数框架下基于距离最小化的思想，求解幂等向量空间中的线性方程与不等式。作者将问题重新表述为涉及向量距离与伪逆的优化任务，推导出解的存在性与唯一性条件，给出了方程的一般解，以及不等式问题的完整解，并将该方法扩展至包含向量加法的推广方程。

ABSTRACT

Linear vector equations and inequalities are considered defined in terms of idempotent mathematics. To solve the equations, we apply an approach that is based on the analysis of distances between vectors in idempotent vector spaces. The approach reduces the solution of the equation to that of an optimization problem in the idempotent algebra setting. Based on the approach, existence and uniqueness conditions are established for the solution of equations, and a general solution to both linear equations and inequalities are given. Finally, a problem of simultaneous solution of equations and inequalities is also considered.

研究动机与目标

• 开发一种统一的求解方法，用于幂等向量空间中的线性方程与不等式，基于几何距离分析。
• 建立以向量距离与伪逆表示的解的存在性与唯一性条件。
• 在幂等代数设定下，为线性方程与不等式提供一般性的闭式解。
• 将该框架扩展至处理形如 $A\bm{x} \oplus \bm{b} = \bm{d}$ 的推广方程，包括同时方程组。
• 提供一种具有几何可解释性且计算高效的求解方法，适用于向量与并行计算。

提出的方法

• 求解方法基于最小化向量到幂等向量空间中列向量线性张成子空间的距离。
• 通过半模的基本运算与伪逆定义距离函数，实现紧凑的向量形式解。
• 将线性方程的求解转化为幂等代数中的优化问题，利用极值解的概念。
• 对于不等式，通过预残（residuation）推导出最大子解，并以对偶半模运算表达解。
• 通过识别对应于生成右端向量的最小列系的指标集 $I$，构建一般解。
• 通过将系统分解为子问题，并基于 $\Delta_1 = \mathbb{1}$ 与非空 $\widetilde{\mathcal{I}}_1$ 的存在性条件，将方法扩展至含附加向量 $A\bm{x} \oplus \bm{b} = \bm{d}$ 的方程。

实验结果

研究问题

• RQ1 在何种条件下，幂等向量空间中的线性方程 $A\bm{x} = \bm{d}$ 存在解？
• RQ2 如何以紧凑且计算高效的向量形式表达此类方程的一般解？
• RQ3 不等式 $A\bm{x} \leq \bm{d}$ 解存在的充要条件是什么？
• RQ4 在幂等设定下，如何表征方程与不等式的联合解？
• RQ5 伪逆与距离最小化在求解如 $A\bm{x} \oplus \bm{b} = \bm{d}$ 这类推广方程中的作用是什么？

主要发现

• 方程 $A\bm{x} = \bm{d}$ 的解存在的充要条件是 $\bm{d}$ 到 $A$ 的列向量张成子空间的最小距离为零，等价于 $\Delta = (A(\bm{d}^{-}A)^{-})^{-}\bm{d} = \mathbb{1}$。
• 一般解由指标集 $I \in \widetilde{\mathcal{I}}$ 索引的向量族 $\bm{x}_I$ 给出，其中当 $i \in I$ 时 $x_i = (\bm{d}^{-}\bm{a}_i)^{-}$，其余情况 $x_i \leq (\bm{d}^{-}\bm{a}_i)^{-}$。
• 对于不等式 $A\bm{x} \leq \bm{d}$，最大子解为 $A \backslash \bm{d} = A^{-} \otimes \bm{d}$，且解集可通过相同的指标集框架完全表征。
• 推广方程 $A\bm{x} \oplus \bm{b} = \bm{d}$ 有解当且仅当 $\Delta_1 = \mathbb{1}$ 且 $\widetilde{\mathcal{I}}_1 \neq \emptyset$，解以组合项 $\bm{d}^{-}\bm{a}_i \oplus \bm{b}^{-}\bm{c}_i$ 的形式表达。
• 该方法在具有笛卡尔坐标系的平面上提供了几何解释，其中解对应于幂等空间中的投影与距离最小化。
• 该方法通过避免对矩阵元素施加限制性假设，推广并改进了早期方法，即使在 $A$ 包含零元素时也能求解。