Distance to nearest skew-symmetric matrix polynomials of bounded rank

Resumo Técnico: Distância ao Polinômio de Matriz Antissimétrica de Posto Limitado Mais Próximo

Enunciado do Problema
O artigo aborda um problema de proximidade de matriz estruturada: dado um polinômio de matriz $P(\lambda)$ de ordem $m$ e grau $d$ (com coeficientes complexos), o objetivo é encontrar um polinômio de matriz antissimétrica $S(\lambda)$ do mesmo grau (ou no máximo $d$) e de um posto par especificado $2r$ (onde $2 \le 2r \le m-1$) que minimize a distância de Frobenius para $P(\lambda)$.

Este problema generaliza o conhecido problema da "distância à singularidade". Enquanto a distância à singularidade busca o polinômio de matriz singular mais próximo (posto $< m$), este trabalho visa um posto $2r$ inferior específico. Os autores observam que, para matrizes antissimétricas, o posto é sempre par, tornando a restrição de um posto par $2r$ natural. O problema é formulado como a minimização da soma dos quadrados das normas de Frobenius das diferenças entre as matrizes de coeficientes de $P(\lambda)$ e $S(\lambda)$.

Metodologia
A abordagem proposta, denominada GEARS (Generic Eigenstructures and Alternating direction method for Rank 2r approximation of Skew-symmetric matrix polynomials), baseia-se em avanços teóricos recentes sobre as estruturas próprias genéricas de polinômios de matrizes antissimétricas.

1. Fatoração Genérica (Fundamentação Teórica):
   O núcleo do método é uma parametrização do conjunto de polinômios de matriz antissimétrica com posto no máximo $2r$. Com base nos resultados de [17, 18], os autores utilizam o Teorema 3.1, que afirma que o conjunto de tais polinômios é o fechamento de um "conjunto genérico" $G^{ss}_{d, 2r, m}$. Qualquer elemento neste conjunto genérico pode ser fatorado como:
   $$S(\lambda) = U(\lambda)V(\lambda)^T - V(\lambda)U(\lambda)^T$$
   onde $U(\lambda)$ é um polinômio de matriz de grau $\lfloor d/2 \rfloor$ e $V(\lambda)$ é um polinômio de matriz de grau $\lceil d/2 \rceil$, ambos com dimensões $m \times r$.

2. Mínimos Quadrados Alternados (Implementação Algorítmica):
   O problema de minimização é reformulado usando o operador de vetorização ($\text{vec}$) e o produto de Kronecker. Ao substituir a fatoração na métrica de distância, o problema torna-se uma tarefa de otimização não convexa sobre os coeficientes de $U(\lambda)$ e $V(\lambda)$.
   Os autores resolvem isso utilizando uma estratégia de Mínimos Quadrados Alternados (ALS):

   • Fixa-se $U(\lambda)$ e resolve-se para $V(\lambda)$ minimizando um problema de mínimos quadrados lineares envolvendo uma matriz estruturada $M(U(\lambda))$.
   • Fixa-se o recém-computado $V(\lambda)$ e resolve-se para $U(\lambda)$ de forma semelhante.
   • Itera-se até a convergência. A sequência de distâncias é garantida como monotonicamente não crescente.

3. Especialização para Penis de Matrizes (Grau $d=1$):
   Para o caso específico de lápis de matrizes (grau 1), os autores desenvolvem uma variante mais eficiente, GEARS-SVD.

   • Eles utilizam o Teorema 5.3, que fornece uma decomposição de posto-1 para lápis antissimétricos: $S_0 - \lambda S_1 = \sum_{i=1}^r (u_i v_i^T - v_i u_i^T)$, onde $u_i$ são vetores constantes e $v_i$ são vetores polinomiais lineares.
   • Essa estrutura permite que os passos de ALS sejam resolvidos solucionando diretamente sistemas lineares menores (via SVD e partição em blocos) em vez de construir os grandes sistemas de produto de Kronecker usados no caso geral de polinômios. Isso reduz significativamente o custo computacional.

Principais Contribuições

• Algoritmo para Posto Par Arbitrário: Diferente de métodos anteriores que abordavam primariamente a distância à singularidade (onde o posto é $m-1$ ou $m-2$), este algoritmo funciona para qualquer posto par prescrito $2r \ge 2$.
• Parametrização Teórica: O artigo estabelece uma parametrização construtiva do fechamento do conjunto de polinômios antissimétricos de posto limitado, permitindo o uso de otimização baseada em fatoração.
• Solver Eficiente para Lápis: A derivação do GEARS-SVD explora as propriedades específicas de lápis antissimétricos para evitar grandes sistemas de produto de Kronecker, oferecendo uma aceleração substancial sobre o solver de polinômios geral.
• Validação Numérica: Os autores fornecem experimentos numéricos comparando GEARS e GEARS-SVD com métodos existentes (Riemann-Oracle e abordagens de Função com Valores de Matriz).

Resultados
Experimentos numéricos conduzidos em polinômios e lápis de matrizes antissimétricas aleatórios (tamanhos até $50 \times 50$) demonstram:

• Precisão: O GEARS encontra soluções a distâncias comparáveis a outros métodos de última geração.
• Qualidade da Singularidade: As soluções produzidas pelo GEARS são "mais singulares" (exibindo valores singulares mínimos menores) do que as de algoritmos concorrentes, consistente com a construção do método.
• Desempenho: O GEARS é significativamente mais rápido que os algoritmos Riemann-Oracle e MVF. Para lápis de matrizes, o GEARS-SVD supera o algoritmo geral GEARS, particularmente conforme o tamanho da matriz aumenta, devido à evasão das formulações de produto de Kronecker de grande escala.
• Escalabilidade: O tempo de execução escala razoavelmente com o tamanho da matriz, sendo o caso de campo real aproximadamente uma ordem de magnitude mais rápido que o caso complexo para uma qualidade de saída comparável.

Significância e Alegações
O artigo alega que sua abordagem é distinta e complementar às estratégias de otimização existentes (como Riemann-Oracle) ao alavancar a estrutura algébrica específica de polinômios antissimétricos. A principal significância reside em fornecer um framework unificado que:

1. Resolve o problema da distância à singularidade como um caso especial.
2. Estende essa capacidade para encontrar o polinômio mais próximo de qualquer posto par especificado.
3. Oferece um algoritmo especializado computacionalmente eficiente para o caso importante de lápis de matrizes.

Os autores notam modestamente que seu método é atualmente limitado a estruturas antissimétricas e que extensões para outras classes estruturadas (simétricas, palíndromicas, etc.) ficam reservadas para trabalhos futuros. O algoritmo produz um polinômio de posto exatamente $2r$ (até erros de arredondamento) e é projetado para ser uma ferramenta prática para teoria de controle, identificação de sistemas e análise de equações diferenciais-algébricas onde tais aproximações de baixo posto estruturado são necessárias.