🔢 mathematics

Computing Left Eigenvalues of Quaternion Matrices

यह शोधपत्र किसी भी आकार के क्वाटरनियन मैट्रिसेस (quaternion matrices) के लेफ्ट आइजनवैल्यूज़ (left eigenvalues) की गणना करने के लिए मानक रियल और कॉम्प्लेक्स लीनियर अलजेब्रा कर्नेल का उपयोग करते हुए एक व्यावहारिक न्यूटन-आधारित विधि प्रस्तुत करता है, जो 64x64 आयामों तक जटिल स्पेक्ट्रल घटनाओं को संभालने वाले एक MATLAB कार्यान्वयन और व्यापक परीक्षण के माध्यम से अपनी प्रभावशीलता प्रदर्शित करता है।

मूल लेखक: Michael Sebek

प्रकाशित 2026-03-03

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Michael Sebek

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक जटिल मशीन को खोलने वाली "गुप्त चाबियाँ" (secret keys) खोजने की कोशिश कर रहे हैं। सामान्य गणित (साधारण संख्याओं या जटिल संख्याओं का उपयोग करने वाली दुनिया) में, इन चाबियों को खोजना एक ऐसे पहेली को सुलझाने जैसा है जिसमें समाधानों की संख्या ज्ञात होती है। आप जानते हैं कि कितनी चाबियाँ खोजनी हैं और वे आमतौर पर अलग-अलग, स्पष्ट बिंदु होती हैं।

लेकिन यह शोध पत्र क्वाटरनियन्स (Quaternions) के बारे में है। क्वाटरनियन्स को एक "सुपर-नंबर" प्रणाली के रूप में सोचें जिसका उपयोग 3D और 4D रोटेशन (जैसे कि एक ड्रोन या वीडियो गेम का पात्र अंतरिक्ष में घूमता है) का वर्णन करने के लिए किया जाता है। वे शक्तिशाली हैं, लेकिन उनमें एक अजीब विशेषता है: क्रम मायने रखता है। यदि आप क्वाटरनियन A को B से गुणा करते हैं, तो आपको B को A से गुणा करने की तुलना में एक अलग परिणाम प्राप्त होगा।

इस वजह से, क्वाटरनियन्स के मैट्रिक्स के लिए "चाबियाँ" (जिन्हें लेफ्ट आइजनवैल्यूज/Left Eigenvalues कहा जाता है) खोजना, एक ऐसी मशीन की चाबियाँ खोजने जैसा है जो अपना आकार बदलती रहती है।

यहाँ इस शोध पत्र का विवरण दिया गया है, कुछ रोजमर्रा के उपमाओं (analogies) का उपयोग करते हुए:

1. समस्या: एक बदलता हुआ लक्ष्य

सामान्य गणित में, यदि आपके पास संख्याओं का एक 3x3 ग्रिड है, तो आप ठीक 3 "चाबियाँ" (आइजनवैल्यूज) मिलने की उम्मीद करते हैं।

क्वाटरनियन का ट्विस्ट: क्वाटरनियन्स के साथ, नियम उलझे हुए हैं। कभी आपको 3 चाबियाँ मिलती हैं। कभी आपको 5 मिलती हैं! कभी-कभी आपको अनंत चाबियाँ मिलती हैं जो एक पूर्ण गोले (जैसे कि एक गेंद की सतह) का निर्माण करती हैं।
"गेज" (Gauge) का मुद्दा: कल्पना कीजिए कि आप एक घूमते हुए लट्टू (spinning top) को मापने की कोशिश कर रहे हैं। यदि आप उसे स्थिर नहीं रखते हैं, तो आपका माप उसके साथ घूमता रहेगा। गणितीय शब्दों में, "आइजनवेक्टर" (वह दिशा जिसमें चाबी इशारा करती है) को बिना चाबी बदले स्वतंत्र रूप से घुमाया जा सकता है। गणित करने के लिए, आपको उस घूमते हुए लट्टू को एक जगह "पिन" करना होगा ताकि आप उसे माप सकें। यह शोध पत्र यह पता लगाता है कि गणित को तोड़े बिना इसे कैसे पिन किया जाए।

2. समाधान: एक स्मार्ट "न्यूटन" ट्रैकर

लेखक, माइकल सेबेक (Michael Sebek) ने इन चाबियों को खोजने के लिए एक नया उपकरण बनाया है। वे इसे एक न्यूटन-आधारित विधि (Newton-based method) कहते हैं।

उपमा: कल्पना कीजिए कि आप एक अंधेरे कमरे में एक विशिष्ट लाइट स्विच खोजने की कोशिश कर रहे हैं। आप एक कदम लेते हैं, दीवार को छूते हैं, और महसूस करते हैं, "ओह, मैं बहुत बाईं ओर हूँ।" आप सुधार करते हैं, दूसरा कदम लेते हैं, और करीब पहुँच जाते हैं। आप तब तक यह प्रक्रिया दोहराते रहते हैं जब तक कि आप स्विच तक नहीं पहुँच जाते। यह "न्यूटन विधि" है—उत्तर के करीब पहुँचने की एक चरण-दर-चरण प्रक्रिया।
नवाचार: पिछली विधियाँ एक विशाल, उलझी हुई समीकरण लिखकर पूरे पहेली को एक साथ हल करने की कोशिश करती थीं (जैसे कि रूबिक क्यूब को हर संभावित चाल लिखकर हल करने की कोशिश करना)। यह नई विधि अधिक स्मार्ट है। यह छोटे, सीधे कदम उठाती है, और गणित को स्थिर रखने के लिए हर कदम पर "घूमते हुए लट्टू" (गेज) को स्थिर करती है।

3. जादू का खेल: अनुवाद (Translation)

क्वाटरनियन गणित का सबसे कठिन हिस्सा यह है कि कंप्यूटर स्वाभाविक रूप से उन्हें अच्छी तरह से नहीं समझते हैं।

उपमा: कल्पना कीजिए कि आप एक अंग्रेजी बोलने वाले व्यक्ति हैं जो एक फ्रांसीसी बोलने वाले से बात करने की कोशिश कर रहे हैं। आप या तो फ्रेंच सीखने की कोशिश कर सकते हैं, या आप एक अनुवादक का उपयोग कर सकते हैं।
शोध पत्र की तकनीक: यह विधि एक अनुवादक के रूप में कार्य करती है। यह क्वाटरनियन समस्या को लेती है, इसे मानक "रियल" (Real) संख्याओं में अनुवादित करती है (वे संख्याएँ जिन्हें आपका कंप्यूटर पसंद करता है), मानक और तेज़ उपकरणों का उपयोग करके पहेली को हल करती है, और फिर उत्तर को वापस क्वाटरनियन्स में अनुवादित करती है। यह इसे इतनी कुशलता से करती है कि यह विशाल मैट्रिसेस (64x64 तक) को भी संभाल सकती है जो पुराने तरीकों को क्रैश कर देते।

4. अजीब मामलों को संभालना (The "Zoo")

यह शोध पत्र केवल "सामान्य" चाबियाँ ही नहीं खोजता; यह उन दुर्लभ और अजीब मामलों को भी संभालता है जो आमतौर पर गणितीय सॉफ़्टवेयर को खराब कर देते हैं।

गोला (The Sphere): कभी-कभी चाबियाँ केवल बिंदु नहीं होतीं; वे एक पूरा गोला होती हैं। यह विधि घबराती नहीं है। यह उस गोले पर कुछ नमूना बिंदु खोजती है और कहती है, "आहा! यह एक गेंद के आकार का समाधान लग रहा है!"
कमी (The Shortage): कभी-कभी उम्मीद से कम चाबियाँ होती हैं। यह विधि इसका पता लगा लेती है और कहती है, "यह मशीन खराब है (या विशेष है), इसमें चाबियाँ कम हैं," बजाय इसके कि वह क्रैश हो जाए।
अधिकता (The Overload): कभी-कभी उम्मीद से अधिक चाबियाँ होती हैं। यह विधि उन सभी को खोजती है और उन्हें व्यवस्थित करती है।

5. परिणाम: एक विश्वसनीय टूलबॉक्स

लेखक ने केवल सिद्धांत नहीं लिखा; उन्होंने एक MATLAB टूलबॉक्स (एक सॉफ़्टवेयर पैकेज) बनाया है जिसे कोई भी उपयोग कर सकता है।

प्रमाणपत्र (The Certificate): हर बार जब सॉफ़्टवेयर एक चाबी पाता है, तो यह आपको एक "प्रामाणिकता का प्रमाणपत्र" देता है। यह एक रसीद की तरह है जो कहता है, "हमें 99.999% यकीन है कि यह सही चाबी है, और यहाँ इसका प्रमाण है।"
पुनरुत्पादकता (Reproducibility): यदि आप अपने कंप्यूटर पर कोड चलाते हैं, तो आपको लेखक के समान ही परिणाम प्राप्त होगा। यह विज्ञान के लिए अत्यंत महत्वपूर्ण है, जिससे यह सुनिश्चित होता है कि खोजी गई "चाबियाँ" वास्तविक हैं और केवल कंप्यूटर की त्रुटि नहीं हैं।

सारांश

इस शोध पत्र को 4D भूलभुलैया (maze) के लिए एक GPS के रूप में समझें।

पुराना तरीका: आपने कागज पर पूरा नक्शा बनाने की कोशिश की, लेकिन नक्शा लगातार बदलता रहा और आप खो गए।
नया तरीका: आपके पास एक GPS (न्यूटन विधि) है जो 4D भूलभुलैया को एक 2D मानचित्र में अनुवादित करता है जिसे आपकी कार पढ़ सकती है, जो आपको गंतव्य तक चरण-दर-चरण निर्देशित करता है, और आपको बताता है कि गंतव्य एक एकल बिंदु है, एक पूरा द्वीप है, या एक गायब स्थान है।

यह इंजीनियरों और वैज्ञानिकों के लिए रोबोटिक्स, सिग्नल प्रोसेसिंग और कंट्रोल सिस्टम के लिए इन शक्तिशाली क्वाटरनियन उपकरणों का उपयोग करना संभव बनाता है, बिना गणित की उलझनों में फंसे।

यहाँ माइकल सेबेक के शोध पत्र "Computing Left Eigenvalues of Quaternion Matrices" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र क्वाटरनियन मैट्रिसेस ( $A \in \mathbb{H}^{n \times n}$ ) के लेफ्ट आइजनवैल्यूज़ (left eigenvalues) को खोजने की कम्प्यूटेशनल चुनौती को संबोधित करता है। एक क्वाटरनियन $\lambda$ तब 'लेफ्ट आइजनवैल्यू' कहलाता है यदि एक गैर-शून्य वेक्टर $v$ मौजूद हो जिससे $Av = \lambda v$ हो।

जटिल (complex) मामलों के विपरीत, क्वाटरनियंस में लेफ्ट आइजनवैल्यूज़ की गणना करना विशिष्ट कठिनाइयाँ प्रस्तुत करता है:

गैर-क्रमविनिमेयता (Non-commutativity): लेफ्ट स्पेक्ट्रम क्वाटरनियोनिक सिमिलरिटी के तहत अपरिवर्तित नहीं रहता है, और आइजनवेक्टर्स केवल राइट स्केलिंग ( $v \to vq$ ) तक ही परिभाषित होते हैं।
स्पेक्ट्रल ज्योमेट्री (Spectral Geometry): लेफ्ट स्पेक्ट्रम में न केवल अलग-थलग बिंदु (isolated points) बल्कि निरंतर घटक (continuous components) भी हो सकते हैं (विशेष रूप से, 2-स्फीयर)।
गैर-जेनेरिक घटनाएँ (Non-generic Phenomena): अलग-थलग आइजनवैल्यूज़ की संख्या $n$ से कम (स्पेक्ट्रम की कमी) या $n$ से अधिक हो सकती है।
कम्प्यूटेशनल जटिलता (Computational Complexity): डिटर्मिनेंटल एलिमिनेशन पर आधारित पारंपरिक दृष्टिकोण $\mathbb{R}^4$ में उच्च-डिग्री वाले गैर-रेखीय बहुपद सिस्टम (nonlinear polynomial systems) की ओर ले जाते हैं, जो संख्यात्मक रूप से अस्थिर और मध्यम $n$ के लिए कम्प्यूटेशनल रूप से महंगे होते हैं।

इसका लक्ष्य एक व्यावहारिक, सुदृढ़ और पुनरुत्पादक (reproducible) विधि विकसित करना है जो मानक वास्तविक/जटिल रैखिक बीजगणित (linear algebra) पर निर्भर करते हुए इन जटिलताओं को संभाल सके।

2. कार्यप्रणाली (Methodology)

लेखक एक न्यूटन-आधारित पुनरावृत्ति विधि (Newton-based iterative method) प्रस्तावित करते हैं जो सीधे आइजनपेयर डिफेक्ट समीकरण पर आधारित है, जिसे आइजनवेक्टर की गैर-विशिष्टता को संभालने के लिए एक गेज बाधा (gauge constraint) के साथ बढ़ाया गया है।

A. गेज बाधा और सूत्रीकरण (Gauge Constraint and Formulation)

न्यूटन विधि के लिए सिस्टम को सुव्यवस्थित बनाने हेतु, आइजनवेक्टर $x$ की राइट-स्केलिंग स्वतंत्रता को स्थिर किया जाना चाहिए। शोध पत्र एक स्मूथ गेज मैप $g(x)$ पेश करता है जो निम्नलिखित लागू करता है:

नॉर्मलाइजेशन (Normalization): $\|x\|_2 = 1$ ।
रियल पिवट (Real Pivot): एक विशिष्ट घटक $x_j$ वास्तविक और धनात्मक है ( $x_j \in \mathbb{R}_{>0}$ )।

यह समस्या को संवर्धित सिस्टम $F(\lambda, x) = (Ax - \lambda x, g(x)) = (0, 0)$ के मूल (root) को खोजने में बदल देता है।

B. रियल एम्बेडिंग रणनीति (Real Embedding Strategy)

क्वाटरनियन-विशिष्ट सॉल्वर विकसित करने के बजाय, यह विधि एक रियल एम्बेडिंग $\rho(\cdot)$ का उपयोग करती है।

प्रत्येक क्वाटरनियन मैट्रिक्स $A$ को लेफ्ट-मल्टीप्लिकेशन मैट्रिक्स $L(q)$ का उपयोग करके एक वास्तविक मैट्रिक्स $\rho(A) \in \mathbb{R}^{4n \times 4n}$ में मैप किया जाता है।
न्यूटन करेक्शन स्टेप, जो इंक्रीमेंट्स $(\Delta \lambda, \Delta x)$ के लिए हल करता है, उसे $(4n+4) \times (4n+4)$ आकार के एक वर्ग वास्तविक रैखिक सिस्टम (square real linear system) में परिवर्तित किया जाता है।
यह LAPACK जैसी लाइब्रेरी में उपलब्ध मानक, अत्यधिक अनुकूलित वास्तविक रैखिक बीजगणित कर्नेल (जैसे LU डिकंपोजिशन, SVD) के उपयोग की अनुमति देता है, जिससे संख्यात्मक स्थिरता और दक्षता सुनिश्चित होती है।

C. एल्गोरिद्मिक पाइपलाइन (Algorithmic Pipeline)

मल्टी-स्टार्ट स्ट्रैटेजी (Multi-Start Strategy): चूंकि स्पेक्ट्रम में कई अलग-थलग बिंदु या निरंतर घटक हो सकते हैं, इसलिए एल्गोरिदम रैंडम शुरुआती अनुमानों के साथ कई परीक्षण चलाता है।
न्यूटन इटरेशन (Newton Iteration): प्रत्येक परीक्षण के लिए, यह डिफेक्ट $\|Ax - \lambda x\|$ को कम करने के लिए डैम्प्ड न्यूटन स्टेप्स (damped Newton steps) करता है।
माध्यम से गुजरने के बाद, आइजनवेक्टर को गेज बाधा को संतुष्ट करने के लिए पुनः स्केल किया जाता है।
स्वीकृति और डुप्लीकेशन हटाना (Acceptance & Deduplication): अभिसरित (converged) उम्मीदवारों को तब स्वीकार किया जाता है जब उनके रेजिडुअल सर्टिफिकेट (एम्बेडेड मैट्रिक्स के न्यूनतम सिंगुलर मान पर आधारित) एक थ्रेशोल्ड से नीचे होते हैं। डुप्लिकेट को $\mathbb{R}^4$ में दूरी के आधार पर हटाया जाता है।
स्फेरिकल डिटेक्शन (Spherical Detection): यदि कई अलग-अलग बिंदु एक ही मैनिफोल्ड (manifold) की ओर अभिसरित होते हैं, तो एक पोस्ट-प्रोसेसिंग स्टेप निरंतर स्पेक्ट्रल घटकों का पता लगाने के लिए एक स्फीयर मॉडल को फिट करता है।
पॉलिशिंग (Polishing): न्यूनतम रेजिड्यूल को कम करने के बाद एक अंतिम न्यूटन स्टेप के रूप में दो-चरणीय परिशोधन (two-stage refinement) लागू किया जाता है ताकि रेजिड्यूल को मशीन प्रिसिजन तक पहुँचाया जा सके।

3. मुख्य योगदान (Key Contributions)

प्रत्यक्ष न्यूटन सूत्रीकरण (Direct Newton Formulation): क्वाटरनियन लेफ्ट आइजनपेयर्स के लिए एक न्यूटन इटरेशन का व्युत्पन्न, जो स्पष्ट रूप से आइजनवेक्टर गेज को स्थिर करता है, जिसके परिणामस्वरूप एक पारदर्शी जैकोबियन संरचना वाला वर्ग वास्तविक-विश्लेषिक (real-analytic) सिस्टम प्राप्त होता है।
सैद्धांतिक अभिसरण (Theoretical Convergence): "सरल" गेज किए गए लेफ्ट आइजनपेयर्स (जहाँ जैकोबियन व्युत्क्रमणीय है) के लिए स्थानीय द्विघाती अभिसरण (local quadratic convergence) का प्रमाण। शोध पत्र गैर-अलग-थलग (spherical) मामलों में व्यवहार का भी विश्लेषण करता है, यह नोट करते हुए कि हालांकि अद्वितीय रूट की ओर द्विघाती अभिसरण असंभव है, विधि प्रभावी ढंग से मैनिफोल्ड को सैंपल करती है।
सुदृढ़ सॉल्वर आर्किटेक्चर (Robust Solver Architecture): एक पूर्ण पाइपलाइन जिसमें मल्टी-स्टार्ट इनिशियलाइजेशन, रीस्टार्ट लॉजिक, डी-डुप्लीकेशन और रेजिड्यूल-आधारित सर्टिफिकेशन शामिल है जो इल-कंडीशनिंग और डिजेनरेसी को संभालता है।
व्यापक सत्यापन (Comprehensive Validation): ज्ञात क्लोज्ड-फॉर्म समाधानों वाले साहित्य उदाहरणों (2x2 और 3x3 मामले) और विभिन्न मैट्रिक्स परिवारों (सघन, हर्मिटियन, त्रिकोणीय, स्पार्स) के बड़े पैमाने के बेंचमार्क (64 × 64 तक) पर व्यापक परीक्षण।
ओपन सोर्स कार्यान्वयन (Open Source Implementation): किसी भी तीसरे पक्ष के टूलबॉक्स की आवश्यकता के बिना एक संक्षिप्त, स्टैंड-अलोन MATLAB रेफरेंस कार्यान्वयन प्रदान करना, जो पुनरुत्पादकता (reproducibility) का समर्थन करता है।

4. परिणाम (Results)

सटीकता (Accuracy): विधि सभी परीक्षण किए गए आकारों ( $n \le 64$ ) के लिए अलग-थलग आइजनवैल्यूज़ के लिए मशीन प्रिसिजन ( $\approx 10^{-16}$ ) के करीब रेजिड्यूल प्राप्त करती है।
गैर-जेनेरिक मामलों को संभालना (Handling Non-Generic Cases):
- स्पेक्ट्रम की कमी (Spectrum Deficiency): $n$ से कम अलग-थलग आइजनवैल्यू वाले मैट्रिसेस की सफलतापूर्वक पहचान की।
- अतिरिक्त आइजनवैल्यू (Excess Eigenvalues): अलग-थलग आइजनवैल्यू के $n$ से अधिक मामलों का पता लगाया (जैसे, 5 अलग-अलग आइजनवैल्यू के साथ एक $3 \times 3$ मैट्रिक्स)।
- स्फेरिकल कंपोनेंट्स (Spherical Components): अभिसरित बिंदुओं को क्लस्टर करके और स्फीयर मॉडल को फिट करके स्पेक्ट्रम में 2-स्फीयर घटकों को सफलतापूर्वक पहचाना और पैरामीटराइज किया।
प्रदर्शन (Performance): मल्टी-स्टार्ट पाइपलाइन ने $64 \times 64$ तक के जेनेरिक रैंडम मैट्रिसेस के लिए $n$ अलग-अलग आइजनपेयर्स को रिकवर करने में 100% सफलता दर प्राप्त की। कम्प्यूटेशनल लागत एम्बेडेड रियल लीनियर सोल्व्स द्वारा संचालित होती है, जो कुशलतापूर्वक स्केल करती है।

5. महत्व (Significance)

यह कार्य क्वाटरनियंस के लिए संख्यात्मक रैखिक बीजगणित में एक महत्वपूर्ण अंतर को पाटता है। इससे पहले, सामान्य मैट्रिसेस के लिए मध्यम आकार के लेफ्ट आइजनवैल्यूज़ की विश्वसनीय गणना कठिन थी क्योंकि इसमें गैर-क्रमविनिमेय प्रकृति और निरंतर स्पेक्ट्रल घटकों को संभालने वाले मजबूत एल्गोरिदम की कमी थी।

व्यावहारिक उपयोगिता (Practical Utility): मानक वास्तविक रैखिक बीजगणित पर निर्भर करते हुए, यह विधि आधुनिक हार्डवेयर पर तुरंत लागू करने योग्य और कुशल है।
नैदानिक शक्ति (Diagnostic Power): रेजिड्यूल सर्टिफिकेट का समावेश और अलग-थलग बिंदुओं एवं गोलाकार निरंतरता (spherical continua) के बीच अंतर करने की क्षमता, सामान्य क्वाटरनियन मैट्रिसेस के लिए पहले उपलब्ध न होने वाली नैदानिक अंतर्दृष्टि प्रदान करती है।
भविष्य के अनुसंधान का आधार (Foundation for Future Research): प्रदान किया गया गैर-जेनेरिक उदाहरणों का "जू" (Zoo) और ओपन-सोर्स कोड भविष्य के सैद्धांतिक और कम्प्यूटेशनल विकास के लिए एक बेंचमार्क के रूप में कार्य करता है।

संक्षेप में, सेबेक एक कठोर, व्यावहारिक और पुनरुत्पादक ढांचा प्रस्तुत करते हैं जो कठिन क्वाटरनियन लेफ्ट आइजनवैल्यू गणना की समस्या को प्रबंधनीय अनुक्रमिक वास्तविक रैखिक बीजगणित समस्याओं में बदल देता है, और जेनेरिक और पैथोलॉजिकल दोनों स्पेक्ट्रल संरचनाओं को प्रभावी ढंग से संभालता है।