Iterative Methods for Computing the Moore--Penrose Inverse of Split-Quaternion Matrices with Applications

तकनीकी सारांश: स्प्लिट-क्वार्टरनियन मैट्रिसेस के मूर–पेनरोस इनवर्स की गणना के लिए पुनरावृत्ति विधियाँ

समस्या विवरण
यह शोध पत्र स्प्लिट-क्वार्टरनियन ($\mathbb{Q}_s$) बीजगणक पर मैट्रिसेस के मूर–पेनरोस (MP) इनवर्स की गणना को संबोधित करता है। हैमिल्टनन क्वार्टरनियन के विपरीत, स्प्लिट-क्वार्टरनियन में एक अनिश्चित द्विघात रूप (indefinite quadratic form) होता है, जिससे गैर-तुच्छ शून्य भाजक (nontrivial zero divisors) और निलंबन तत्व (nilpotent elements) का अस्तित्व होता है। ये बीजगणितीय विशेषताएँ व्युत्क्रम (inverses) की परिभाषा और मानक स्पेक्ट्रल थ्योरी के अनुप्रयोग को जटिल बना देती हैं। विशेष रूप से, द्विघात रूप की अनिश्चित प्रकृति वास्तविक या जटिल मैट्रिसेस से स्पेक्ट्रल परिणामों के सीधे हस्तांतरण को रोकती है, और शून्य भाजकों की उपस्थिति सिंगुलर और रैंक-डेफिशिएंट मामलों के सावधानीपूर्वक प्रबंधन की आवश्यकता को जन्म देती है। लेखक इस परिवेश में MP इनवर्स को परिभाषित करने के लिए एक सुदृढ़ ढांचा स्थापित करने और विशेष रूप से आयताकार और रैंक-डेफिशिएंट मैट्रिसेस के लिए कुशल पुनरावृत्ति एल्गोरिदम विकसित करने का लक्ष्य रखते हैं।

कार्यप्रणाली
मुख्य पद्धतिगत योगदान एक सुसंगत ढांचे की स्थापना है जो एक $2 \times 2$ वास्तविक प्रतिनिधित्व ($\sigma$) और $i$-संयुग्मी ट्रांसपोज़ ($H$) पर आधारित है।

1. वास्तविक प्रतिनिधित्व: लेखक एक बायजेक्टिव मैप $\sigma: \mathbb{Q}_s \to \mathbb{R}^{2 \times 2}$ को परिभाषित करते हैं जो गुणन को संरक्षित करता है और $i$-संयुग्मी ट्रांसपोज़ को मानक वास्तविक ट्रांसपोज़ में मैप करता है। एक मैट्रिक्स $A \in \mathbb{Q}_s^{m \times n}$ के लिए, वास्तविक प्रतिनिधि $A^\sigma \in \mathbb{R}^{2m \times 2n}$ यह सुनिश्चित करता है कि MP इनवर्स को सीधे वास्तविक MP इनवर्स के माध्यम से परिभाषित किया जा सके: $A^\dagger = \sigma^{-1}((A^\sigma)^\dagger)$। यह परिभाषा शून्य भाजकों के उपचार को स्पष्ट करती है और इनवर्स के अस्तित्व और अद्वितीयता को सुनिश्चित करती है।
2. न्यूटन–शुलज़ पुनरावृत्ति (Newton–Schulz Iteration): शोध पत्र MP इनवर्स की गणना के लिए न्यूटन–शुलज़ पुनरावृत्ति का विश्लेषण करता है। दो कार्यान्वयन प्रस्तुत किए गए हैं:
   • एम्बेडेड (Embedded): वास्तविक प्रतिनिधि $A^\sigma$ पर मानक वास्तविक न्यूटन–शुलज़ पुनरावृत्ति लागू करना।
   • नेटिव (Native): सीधे स्प्लिट-क्वार्टरनियन अंकगणति में पुनरावृत्ति ($X_{k+1} = X_k(2I - AX_k)$)।
     लेखक सिद्ध करते हैं कि ये दोनों अनुक्रम $\sigma$ के तहत बिल्कुल समान हैं।
3. अभिसरण विश्लेषण (Convergence Analysis): वास्तविक प्रतिनिधि के 'थिन सिंगुलर वैल्यू डीकंपोजिशन' (SVD) का उपयोग करते हुए, लेखक पुनरावृत्तियों और अवशेषों (residuals) के लिए सटीक सूत्र प्राप्त करते हैं। वे स्थापित करते हैं कि पुनरावृत्ति किसी भी रैंक वाले मैट्रिसेस (रैंक-डेफिशिएंट मामलों सहित) के लिए MP इनवर्स की ओर अभिसरित होती है, बशर्ते कि प्रारंभिक स्केलिंग पैरामीटर $\alpha$ इस शर्त को पूरा करे: $0 < \alpha < 2/\|A^\sigma\|_2^2$। विश्लेषण अवशेष और त्रुटि के बीच सटीक संबंध प्रदान करता है, जो अवशेष के द्विघाती अभिसरण (quadratic convergence) को दर्शाता है।
4. पॉलीनोमियल इनिशियलाइजेशन (Polynomial Initialization): अभिसरण को तेज करने के लिए, लेखक सूरिय़ा (Souriau) के इनवर्स रिकर्सन से प्रेरित एक निम्न-डिग्री बहुपद इनिशियलाइजेशन का प्रस्ताव करते हैं। इसमें नॉर्मलाइज्ड ग्राम फैक्टर ($A^\sigma (A^\sigma)^T$ या $(A^\sigma)^T A^\sigma$) के इनवर्स के लिए लीस्ट-स्क्वायर (LS) दृष्टिकोण का उपयोग करके एक बहुपद को फिट करना शामिल है। विधि में एक स्पेक्ट्रल स्वीकृति परीक्षण शामिल है ताकि यह सुनिश्चित किया जा सके कि प्रारंभिक अवशेष अभिसरण क्षेत्र के भीतर है, जिसमें परीक्षण विफल होने पर एक सुरक्षित फॉलबैक के रूप में स्केल्ड ट्रांसपोज़ का उपयोग किया जाता है।

प्रमुख योगदान

• सुसंगत ढांचा: यह शोध पत्र वास्तविक प्रतिनिधित्व और $i$-संयुग्मी ट्रांसपोज़ के माध्यम से स्प्लिट-क्वार्टरनियन मैट्रिसेस के लिए MP इनवर्स को परिभाषित करता है, जो अस्तित्व, अद्वितीयता और बुनियादी गुणों (शून्य भाजकों के लिए एक स्केलर सूत्र सहित) को सिद्ध करता है।
• अभिसरण सिद्धांत: आयताकार और रैंक-डेफिशिएंट मैट्रिसेस के लिए न्यूटन–शुलज़ पुनरावृत्ति के लिए एक पूर्ण अभिसरण विश्लेषण प्रदान किया गया है। लेखक सटीक त्रुटि पुनरावृत्ति और अवशेष-त्रुटि पहचान व्युत्पन्न करते हैं, जिससे हैमिल्टनन क्वार्टरनियन मैट्रिसेस के पिछले विश्लेषणों में पाई जाने वाली फुल-रैंक प्रतिबंधों को हटाया जा सका।
• कार्यान्वयन की समानता: यह शोध पत्र वास्तविक और नेटिव न्यू دوران-शुलज़ पुनरावृत्तियों के बीच सटीक समानता को प्रदर्शित करता है, जो सैद्धांतिक गारंटी के नुकसान के बिना नेटिव अंकगणति के उपयोग को वैध बनाता है।
• LS–Gram इनिशियलाइजेशन: एक नवीन बहुपद इनिशियलाइजेशन पेश किया गया है जो ग्राम मैट्रिक्स के विशिष्ट स्पेक्ट्रम के अनुकूल होता है। यह दिखाया गया है कि यह मानक स्केल्ड ट्रांसपोज़ इनिशियलाइजेशन की तुलना में आवश्यक पुनरावृत्तियों की संख्या को कम करता है।
• CUR सन्निकटन (Approximation): लेखक स्प्लिट-क्वार्टरनियन मैट्रिसेस के लिए क्रॉस और CUR सन्निकटन सिद्धांत का विस्तार करते हैं। वे सिद्ध करते हैं कि निश्चित सैंपल्ड पंक्तियों और स्तंभों के लिए $C^\dagger A R^\dagger$ फ्रोबेनियस-इष्टतम मध्य कारक है। इसके अतिरिक्त, वे एक रैंक-रिवीलिंग स्थिति स्थापित करते हैं जिसके तहत सस्ता क्रॉस फैक्टर $W^\dagger$ (जहाँ $W$ प्रतिच्छेदन मैट्रिक्स है) एक सटीक पुनर्निर्माण प्रदान करता है।

परिणाम
MATLAB और Python में किए गए संख्यात्मक प्रयोग सैद्धांतिक निष्कर्षों की पुष्टि करते हैं:

• सटीकता: पुनरावृत्ति विधियाँ प्रत्यक्ष SVD-आधारित गणना के समान सटीकता प्राप्त करती हैं (सापेक्ष त्रुटि लगभग $10^{-11}$ से $10^{-14}$ के बीच)।
• दक्षता: मध्यम आकार के डेंस मैट्रिसेस के लिए, न्यूटन–शुलज़ पुनरावृत्ति प्रत्यक्ष SVD गणना की तुलना में काफी तेज़ है (उदाहरण के लिए, $200 \times 250$ मैट्रिक्स के लिए ~3.7 गुना तेज़)।
• इनिशियलाइजेशन प्रदर्शन: LS–Gram पॉलीनोमियल इनिशियलाइजेशन, स्केल्ड ट्रांसपोज़ की तुलना में न्यूटन–शुलज़ पुनरावृत्तियों की संख्या को लगातार कम करता है। $10^4$ तक के कंडीशन नंबर वाले प्रयोगों में, LS–Gram विधि ने स्केल्ड ट्रांसपोज़ की तुलना में पुनरावृत्तियों को लगभग 20% कम किया और चेबिशेव (Chebyshev) पॉलीनोमियल इनिशियलाइजेशन के साथ प्रतिस्पर्धी रही, जिसे सटीक स्पेक्ट्रल बाउंड्स की आवश्यकता थी।
• CUR सन्निकटन: प्रयोग पुष्टि करते हैं कि $W^\dagger$ का उपयोग करके क्रॉस सन्निकटन कम-रैंक वाले मैट्रिसेस के लिए सटीक पुनर्निर्माण प्राप्त कर सकता है जब रैंक-रिवीलिंग स्थिति पूरी होती है, और कोर इनवर्स की पुनरावृत्ति गणना प्रत्यक्ष विधियों की तुलना में काफी तेज़ है।

महत्व और दावे
यह शोध पत्र स्प्लिट-क्वार्टरनियन मैट्रिसेस के लिए MP इनवर्स के पहले सुसंगत ढांचे का दावा करता है जो वास्तविक प्रतिनिधित्व के माध्यम से शून्य भाजकों और रैंक डेफिशिएंसी को स्पष्ट रूप से संभालता है। वास्तविक मैट्रिसेस से न्यूटन–शुलज़ पुनरावृत्ति के विश्लेषण को स्प्लिट-क्वार्टरनियन परिवेश में स्थानांतरित करके, लेखक मनमाने रैंक वाले मैट्रिसेस के लिए कठोर अभिसरण गारंटी स्थापित करते हैं। प्रस्तावित LS–Gram इनिशियलाइजेशन एक व्यावहारिक सुधार प्रदान करता है, जो स्पेक्ट्रल बाउंड्स के पूर्व ज्ञान की आवश्यकता के बिना (चेबिशेव विधियों के विपरीत) कम्प्यूटेशनल लागत को कम करता है। अंततः, CUR सन्निकटन परिणामों का विस्तार स्प्लिट-क्वार्टरनियन सिग्नल प्रोसेसिंग और भौतिकी अनुप्रयोगों में लो-रैंक सन्निकटन के लिए एक सैद्धांतिक आधार प्रदान करता है। लेखक उल्लेख करते हैं कि हालांकि ये विधियाँ कुशल हैं, प्राथमिक योगदान सैद्धांतिक एकीकरण और मजबूत पुनरावृत्ति सॉल्वर का विकास है, जिसमें भविष्य के कार्य के रूप में स्पार्स मैट्रिसेस और ड्रेज़िन (Drazin) इनवर्स के लिए सुझाव दिए गए हैं।