Properties of best approximations with respect to Ky Fan $p$-$k$ norm, and strict spectral approximants of a matrix

Dit artikel behandelt de eigenschappen van beste benaderingen ten opzichte van de Ky Fan $p$-$k$-norm en strikte spectrale benaderingen van matrices door de subdifferentiaalset van deze norm te berekenen en noodzakelijke en voldoende voorwaarden voor $\varepsilon$-orthogonaliteit af te leiden.

De kern

Stel je voor dat je een grote, rommelige kamer hebt (een matrix) die vol staat met meubels en spullen. Je wilt deze kamer zo schoonmaken dat hij er zo strak mogelijk uitziet, maar je mag alleen bepaalde dingen verplaatsen of verwijderen (dit is je ruimte M). Je doel is om de "rommel" (het verschil tussen de oorspronkelijke kamer en de opgeruimde versie) zo klein mogelijk te maken.

In de wiskunde noemen we dit het vinden van de beste benadering. Maar wat betekent "klein" precies? Dat hangt af van hoe je meet.

Dit artikel van Priyanka Grover en Krishna Kumar Gupta gaat over een heel specifieke manier van meten, genaamd de Ky Fan p-k norm. Laten we dit uitleggen met een paar creatieve vergelijkingen.

1. De Maatstaf: Hoe meet je de rommel?

Stel je voor dat je de rommel in de kamer meet door naar de grootste meubels te kijken.

• De spectrale norm kijkt alleen naar het grootste stuk rommel.
• De Ky Fan k-norm kijkt naar de k grootste stukken rommel samen.
• De Ky Fan p-k norm is een iets complexere versie hiervan, waarbij je de grootte van die k grootste stukken combineert op een specifieke manier (de "p" bepaalt hoe streng je bent bij het optellen).

De auteurs willen weten: als we deze specifieke maatstaf gebruiken, wat is dan de perfecte manier om de kamer op te ruimen? En wat gebeurt er als we de maatstaf steeds strenger maken (als $p$ heel groot wordt)?

2. De "Kracht" van de Maatstaf (Subdifferentiaal)

Om te begrijpen hoe je de beste oplossing vindt, kijken de auteurs naar de subdifferentiaal.

• De Analogie: Stel je voor dat je op een heuvel staat en je wilt weten welke kant je op moet lopen om het laagste punt te bereiken. De "helling" onder je voeten vertelt je dat.
• In de wiskunde is de subdifferentiaal die "helling" of "richting" die je vertelt of je een punt kunt verbeteren of niet.
• De auteurs hebben een heel gedetailleerde kaart gemaakt van deze hellingen voor hun specifieke maatstaf (de Ky Fan p-k norm). Ze hebben precies berekend welke "kracht" nodig is om de rommel te minimaliseren. Dit is de sleutel om te begrijpen hoe de beste oplossing eruitziet.

3. Orthogonaliteit: Het "Rechtstandige" Principe

Een belangrijk concept in het artikel is orthogonaliteit (rechthoekigheid).

• De Analogie: Stel je voor dat je een pijl (de rommel) op de grond legt. Als je een muur (je oplosruimte) bouwt die perfect loodrecht op die pijl staat, dan kun je de pijl niet meer "korter" maken door hem langs de muur te verschuiven.
• In dit artikel kijken ze naar een $\epsilon$-orthogonaliteit. Dit is alsof de muur niet perfect loodrecht staat, maar er een klein beetje scheef is (binnen een bepaalde tolerantie $\epsilon$). Ze hebben een formule gevonden om te zeggen: "Als de muur binnen deze hoek staat, dan is de oplossing goed genoeg."

4. De Grote Vraag: Wat gebeurt er als we strenger worden?

Er was een eerdere hypothese (een gok) in de wiskundige wereld:

• Als je de maatstaf steeds strenger maakt (door $p$ naar oneindig te laten gaan), dan zou je oplossing uiteindelijk moeten uitmonden in de strikt spectrale benadering.
• De Strikt Spectrale Benadering: Dit is de "ultieme" oplossing. Het is alsof je niet alleen kijkt naar de totale rommel, maar ook naar de volgorde: eerst de grootste, dan de op één na grootste, enzovoort. Je wilt dat de grootste stukken zo klein mogelijk zijn, en als die gelijk zijn, dan de volgende, etc.

De auteurs hebben bewezen dat deze hypothese niet altijd waar is, maar wel in veel belangrijke gevallen.

• Het Voorbeeld: Ze hebben een speciaal voorbeeld bedacht (een 3x3 matrix) waar de hypothese faalt. Het is alsof je een kamer opruimt waarbij je denkt dat je de beste oplossing hebt gevonden, maar als je de regels iets aanpast, blijkt er een andere oplossing te zijn die net iets beter is volgens de nieuwe, strengere regels.
• Waar het wel werkt: Ze bewijzen dat de hypothese wél klopt als je kamer maar één of twee dimensies heeft (bijvoorbeeld alleen een lange gang of een smalle kamer), of als de grootste stukken rommel allemaal even groot zijn.

Samenvatting in het Kort

Dit artikel is als een handleiding voor het perfect opruimen van een kamer, maar dan met een heel specifieke, wiskundige meetlat.

1. De Kaart: Ze hebben de "helling" van hun meetlat precies in kaart gebracht (de subdifferentiaal).
2. De Regels: Ze hebben regels opgesteld om te zeggen wanneer een oplossing "goed genoeg" is (orthogonaliteit).
3. De Grens: Ze hebben getest wat er gebeurt als je de meetlat onmogelijk streng maakt. Ze ontdekten dat de "ultieme oplossing" niet altijd het eindresultaat is van het strenger worden, tenzij je in specifieke situaties zit.

Het is een stukje wiskunde dat laat zien dat zelfs als je heel precies bent, de weg naar de perfecte oplossing soms verrassingen kent, en dat je altijd goed moet kijken naar de "grootste" problemen voordat je de rest oplost.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Properties of Best Approximations with Respect to Ky Fan p-k Norm, and Strict Spectral Approximants of a Matrix" van Priyanka Grover en Krishna Kumar Gupta, geschreven in het Nederlands.

Titel en Context

Titel: Eigenschappen van beste benaderingen met betrekking tot de Ky Fan p-k norm en strikte spectrale approximanten van een matrix.
Auteurs: Priyanka Grover en Krishna Kumar Gupta.
Taal: Engels (samenvatting in het Nederlands).

---

1. Probleemstelling

Het artikel richt zich op de theorie van matrixbenaderingen in de ruimte $M_{m \times n}(\mathbb{C})$. Het centrale probleem is het karakteriseren van beste benaderingen van een matrix $A$ binnen een deelruimte $M$, gemeten met de Ky Fan p-k norm.

Specifiek worden de volgende vragen behandeld, die eerder werden opgeworpen in werk van K. Zi˛etak (2017):

• Wat is de subdifferentiaal (subdifferential) van de Ky Fan p-k norm?
• Kunnen we een karakterisering geven voor beste benaderingen onder deze norm?
• Wat zijn de voorwaarden voor $\varepsilon$-orthogonaliteit (een veralgemening van Birkhoff-James orthogonaliteit) onder deze norm?
• De convergentieconjectuur: Geldt dat de beste benadering $Y_p$ (onder de Schatten p-norm) convergeert naar de strikt spectrale approximant $Y^{(st)}$ als $p \to \infty$?
  • De strikt spectrale approximant wordt gedefinieerd als de matrix in $M$ die het vector van singuliere waarden van de residu $A-Y$ minimaliseert volgens de lexicografische volgorde.
  • Zi˛etak had een bewijs voor deze convergentie geconjectureerd, maar het bleef incompleet vanwege gebrek aan informatie over beste benaderingen in de Ky Fan p-k norm.

---

2. Methodologie

De auteurs gebruiken een combinatie van convexanalyse, matrixtheorie en subdifferentiaalrekening:

• Subdifferentiaalberekening: De kern van de methode is het expliciet berekenen van de subdifferentiaal $\partial \|A\|_{(p,k)}$ voor de Ky Fan p-k norm (waarbij $p \geq 2$). Dit wordt gedaan door gebruik te maken van de Fréchet-afgeleide van matrixfuncties en eigenschappen van unitair-invariante normen.
• Convexe optimalisatie: Het artikel maakt gebruik van stellingen over subdifferentiaalverzamelingen van supremums van convexe functies (Propositie 2.3) en de kettingregel voor afgeleiden van samengestelde functies.
• Orthogonaliteitsconcepten: Er wordt een link gelegd tussen de subdifferentiaal en het concept van Birkhoff-James orthogonaliteit en $\varepsilon$-orthogonaliteit. Een matrix $A$ is orthogonaal aan een deelruimte $M$ als $0$in de subdifferentiaal van de normfunctie op$A$ligt (na projectie op$M$).
• Lexicografische analyse: Voor de convergentiebewijzen worden eigenschappen van singuliere waarden en de constructie van geneste deelruimten ($M_k$) gebruikt om de limietgedragingen te analyseren.

---

3. Belangrijkste Bijdragen en Resultaten

A. Subdifferentiaal van de Ky Fan p-k Norm (Hoofdstuk 2)

De auteurs geven een expliciete formule voor de subdifferentiaal van de Ky Fan p-k norm voor $p \geq 2$ (Stelling 2.4).

• Voor een matrix $A \neq 0$ is de subdifferentiaal de convexe hull van een verzameling matrices die afhankelijk zijn van de singuliere vectoren van $A$ corresponderend met de grootste $k$ singuliere waarden.
• Formule:
  $$\partial \|A\|_{(p,k)} = \text{conv} \left\{ \frac{1}{\|A\|_{(p,k)}^{p-1}} A(A^*A)^{\frac{p-2}{2}} \sum_{i=1}^k v_i v_i^* \right\}$$
  waarbij $v_i$ orthonormale vectoren zijn die voldoen aan $A^*A v_i = \sigma_i^2(A) v_i$.

B. Karakterisering van Orthogonaliteit

Op basis van de subdifferentiaal worden nieuwe karakterisaties afgeleid:

• $\varepsilon$-Birkhoff orthogonaliteit: Stelling 2.11 geeft een noodzakelijke en voldoende voorwaarde voor $A \perp_{\varepsilon} B$ onder de Ky Fan p-k norm. Dit houdt in dat er orthonormale vectoren bestaan die een specifieke lineaire combinatie met de residu's nul maken, binnen een foutmarge $\varepsilon$.
• Orthogonaliteit aan een deelruimte: Stelling 2.15 en 2.16 geven een noodzakelijke en voldoende voorwaarde voor $A$ om orthogonaal te zijn aan een deelruimte $M$ (d.w.z. $A$ is een beste benadering van 0 in $M$). Dit wordt uitgedrukt in termen van "dichtheidsmatrices" (density matrices) die in het orthogonaal complement van $M$ moeten liggen.

C. Uniekheid van Benaderingen

• Stelling 3.1: Bewijst dat de beste benadering van een matrix $A$ door een veelvoud van een matrix $X$ uniek is als de rang van $X$ groter is dan $n-k$. Dit weerlegt een algemene aanname dat optimaliteit altijd uniek is, maar geeft een specifieke voorwaarde voor uniekheid in 1-dimensionale deelruimten.

D. Convergentie naar Strikte Spectrale Approximant (Hoofdstuk 3)

Dit is het meest significante resultaat met betrekking tot de oorspronkelijke conjectuur:

• Gedeeltelijk Bewijs: De auteurs bewijzen de convergentie $Y_p \to Y^{(st)}$ als $p \to \infty$ voor specifieke gevallen:
  1. Als de deelruimte $M$ wordt opgespannen door een matrix met volle rang.
  2. Als de multipliciteit van de grootste singuliere waarde van het residu gelijk is aan de dimensie van de ruimte.
  3. Voor matrices in $M_{2 \times n}(\mathbb{C})$ en $M_{m \times 2}(\mathbb{C})$.
• Gegenvoorbeeld: De auteurs tonen aan dat een specifieke aanpak in het eerdere werk van Zi˛etak (het kiezen van een specifiek minimaal element in de lexicografische ordening als kandidaat voor de limiet) niet algemeen geldig is. Ze presenteren een tegenvoorbeeld in $M_{3 \times 3}(\mathbb{C})$ waar de geselecteerde matrix niet voldoet aan de vereiste ongelijkheden voor de convergentiebewijzen.

E. Karakterisering van Beste Benaderingen

• Stelling 3.9: Geeft een karakterisering van beste benaderingen in termen van hun singuliere waarden. Als de $k$-de singuliere waarde strikt groter is dan de $(k+1)$-de, dan zijn de eerste $k$ singuliere waarden van elke beste benadering identiek.

---

4. Significantie en Impact

1. Invulling van een Kennisgat: Het artikel vult een cruciaal gat in de literatuur door de subdifferentiaal van de Ky Fan p-k norm expliciet te berekenen. Dit was een ontbrekende schakel in het bewijs van convergentieconjecturen.
2. Verfijning van Bestaande Theorie: Het werk verduidelijkt de relatie tussen verschillende normen (Schatten p-normen, Ky Fan normen, spectrale norm) en hoe beste benaderingen zich gedragen onder deze normen.
3. Correctie van Bestaande Aannames: Door een tegenvoorbeeld te leveren, corrigeert het artikel de literatuur over de convergentie van $Y_p$ naar $Y^{(st)}$. Het toont aan dat de bewijsstrategie van Zi˛etak niet universeel werkt, wat de complexiteit van het probleem onderstreept.
4. Toepassingen: De resultaten zijn relevant voor:
   • Numerieke lineaire algebra (optimalisatie van matrixbenaderingen).
   • Functional analysis (geometrie van Banachruimten en orthogonaliteit).
   • Quantum information theory (waar Ky Fan normen en spectrale approximanten vaak voorkomen in de studie van dichtheidsmatrices en entanglement).

Conclusie

Grover en Gupta leveren een fundamentele bijdrage aan de matrixbenaderingstheorie door de subdifferentiaal van de Ky Fan p-k norm te karakteriseren. Hoewel ze de volledige convergentieconjectuur voor alle gevallen niet bewijzen, leveren ze sterke resultaten voor specifieke klassen van matrices en weerleggen ze een veelgebruikte bewijsmethode. Hun werk biedt een robuust wiskundig raamwerk voor het analyseren van $\varepsilon$-orthogonaliteit en de uniciteit van beste benaderingen in niet-strict convexen ruimten.