Distance to nearest skew-symmetric matrix polynomials of bounded rank

Resumen Técnico: Distancia al Polinomio Matricial Antisimétrico más Cercano de Rango Acotado

Planteamiento del Problema
El artículo aborda un problema de proximidad de matrices estructuradas: dado un polinomio matricial $P(\lambda)$ de tamaño $m \times m$ y grado $d$ (con coeficientes complejos), el objetivo es encontrar un polinomio matricial antisimétrico $S(\lambda)$ del mismo grado (o como máximo $d$) y un rango par especificado $2r$ (donde $2 \le 2r \le m-1$) que minimice la distancia de Frobenius a $P(\lambda)$.

Este problema generaliza el conocido problema de la "distancia a la singularidad". Mientras que la distancia a la singularidad busca el polinomio matricial singular más cercano (rango $< m$), este trabajo apunta a un rango $2r$ específico y menor. Los autores señalan que, para las matrices antisimétricas, el rango es siempre par, lo que hace que la restricción de un rango par $2r$ sea natural. El problema se formula minimizando la suma de las normas de Frobenius al cuadrado de las diferencias entre las matrices de coeficientes de $P(\lambda)$ y $S(\lambda)$.

Metodología
El enfoque propuesto, denominado GEARS (Generic Eigenstructures and Alternating direction method for Rank 2r approximation of Skew-symmetric matrix polynomials), se basa en avances teóricos recientes sobre las estructuras propias genéricas de los polinomios matriciales antisimétricos.

1. Factorización Genérica (Fundamento Teórico):
   El núcleo del método es una parametrización del conjunto de polinomios matriciales antisimétricos con rango a lo sumo $2r$. Basándose en los resultados de [17, 18], los autores utilizan el Teorema 3.1, que establece que el conjunto de tales polinomios es el cierre de un "conjunto genérico" $G^{ss}_{d, 2r, m}$. Cualquier elemento en este conjunto genérico puede factorizarse como:
   $$S(\lambda) = U(\lambda)V(\lambda)^T - V(\lambda)U(\lambda)^T$$
   donde $U(\lambda)$ es un polinomio matricial de grado $\lfloor d/2 \rfloor$ y $V(\lambda)$ es un polinomio matricial de grado $\lceil d/2 \rceil$, ambos con dimensiones $m \times r$.

2. Mínimos Cuadrados Alternantes (Implementación Algorítmica):
   El problema de minimización se reformula utilizando el operador de vectorización ($\text{vec}$) y el producto de Kronecker. Al sustituir la factorización en la métrica de distancia, el problema se convierte en una tarea de optimización no convexa sobre los coeficientes de $U(\lambda)$ y $V(\lambda)$.
   Los autores resuelven esto utilizando una estrategia de Mínimos Cuadrados Alternantes (ALS):

   • Se fija $U(\lambda)$ y se resuelve para $V(\lambda)$ minimizando un problema de mínimos cuadrados lineales que involucra una matriz estructurada $M(U(\lambda))$.
   • Se fija el recién computado $V(\lambda)$ y se resuelve para $U(\lambda)$ de manera similar.
   • Se itera hasta la convergencia. Se garantiza que la secuencia de distancias es monótonamente no creciente.

3. Especialización para Pen de Matrices (Grado $d=1$):
   Para el caso específico de los pen de matrices (grado 1), los autores desarrollan una variante más eficiente, GEARS-SVD.

   • Aprovechan el Teorema 5.3, que proporciona una descomposición de rango 1 para los pen antisimétricos: $S_0 - \lambda S_1 = \sum_{i=1}^r (u_i v_i^T - v_i u_i^T)$, donde $u_i$ son vectores constantes y $v_i$ son vectores polinómicos lineales.
   • Esta estructura permite que los pasos de ALS se resuelvan mediante la solución directa de sistemas lineales más pequeños (vía SVD y partición por bloques) en lugar de construir los grandes sistemas de producto de Kronecker utilizados en el caso general del polinomio. Esto reduce significativamente el costo computacional.

Contribuciones Clave

• Algoritmo para Rango Par Arbitrario: A diferencia de los métodos anteriores que trataban principalmente la distancia a la singularidad (donde el rango es $m-1$ o $m-2$), este algoritmo funciona para cualquier rango par prescrito $2r \ge 2$.
• Parametrización Teórica: El artículo establece una parametrización constructiva del cierre del conjunto de polinomios antisimétricos de rango acotado, permitiendo el uso de la optimización basada en la factorización.
• Solucionador Eficiente para Pen: La derivación de GEARS-SVD aprovecha las propiedades específicas de los pen antisimétricos para evitar los grandes sistemas de producto de Kronecker, ofreciendo una aceleración sustancial sobre el solucionador general de polinomios.
• Validación Numérica: Los autores proporcionan experimentos numéricos comparando GEARS y GEARS-SVD contra métodos existentes (Riemann-Oracle y enfoques de Funciones Matriciales de Valor - MVF).

Resultados
Los experimentos numéricos realizados con polinomios y pen matriciales antisimétricos aleatorios (tamaños hasta $50 \times 50$) demuestran:

• Precisión: GEARS encuentra soluciones a distancias comparables con otros métodos de vanguardia.
• Calidad de Singularidad: Las soluciones producidas por GEARS son "más singulares" (exhiben valores singulares mínimos más pequeños) que las de los algoritmos competidores, lo cual es consistente con la construcción del método.
• Desempeño: GEARS es significativamente más rápido que los algoritmos Riemann-Oracle y MVF. Para pen de matrices, GEARS-SVD supera al algoritmo general GEARS, particularmente a medida que aumenta el tamaño de la matriz, debido a la evitación de las formulaciones de producto de Kronecker de gran escala.
• Escalabilidad: El tiempo de ejecución escala razonablemente con el tamaño de la matriz, siendo el caso de campo real aproximadamente un orden de magnitud más rápido que el caso complejo para una calidad de salida comparable.

Significancia y Reivindicaciones
El artículo afirma que su enfoque es distinto y complementario a las estrategias de optimización existentes (como Riemann-Oracle) al aprovechar la estructura algebraica específica de los polinomios antisimétricos. La principal significancia radica en proporcionar un marco unificado que:

1. Resuelve el problema de la distancia a la singularidad como un caso especial.
2. Extiende esta capacidad para encontrar el polinomio más cercano de cualquier rango par especificado.
3. Ofrece un algoritmo especializado computacionalmente eficiente para el importante caso de los pen de matrices.

Los autores señalan modestamente que su método está actualmente limitado a estructuras antisimétricas y que las extensiones a otras clases estructuradas (simétricas, palindrómicas, etc.) quedan reservadas para trabajos futuros. El algoritmo produce un polinomio de rango exactamente $2r$ (salvo errores de redondeo) y está diseñado para ser una herramienta práctica en teoría de control, identificación de sistemas y análisis de ecuaciones diferencial-algebraicas donde se requieren tales aproximaciones de bajo rango estructuradas.