Convergence Analysis of Natural Power Method and Its Applications to Control

技术摘要：自然幂法（Natural Power Method）的收敛性分析及其在控制领域的应用

问题陈述
在线主成分算法被广泛用于提取主子空间。虽然连续时间 Oja 流及其离散时间欧拉近似已被深入研究，但它们的目标是具有最大实部的特征值。相比之下，离散时间自然幂法（NPM）由迭代式 $U[k + 1] = AU[k](U[k]^\top A^\top AU[k])^{-1/2}$ 定义，其研究主要集中在对称正定矩阵上，这类矩阵提取的是具有最大模值的特征值。目前在针对一般方阵（非对称、不定矩阵）的 NPM 理论理解方面存在空白，特别是在其收敛性质以及在以绝对值最大的特征值为定义主模态的离散时间控制系统中的适用性方面。

方法论
作者对一般方阵 $A \in \mathbb{R}^{n \times n}$ 的 NPM 进行了严格的收敛性分析。

1. 收敛性分析： 本文将现有结果（Hua et al., 1999）推广到非对称矩阵。作者定义了 Stiefel 流形 $St(r, n)$并分析了算法的前向不变集。他们证明了如果初始条件位于特定集合$V^{(d)}{m,r}$内，且在绝对值上存在谱间隙（$|\lambda_m| > |\lambda{m+1}|$），则序列$U[k]$会收敛到对应于$r$个具有最大绝对值的特征值的不变集$U^{(d)}_{m,r}$。
2. 平稳性与修正： 作者证明了标准的 NPM 迭代通常不会收敛到单个平稳点（不变集中的一个元素），而是在该集合内振荡。为了解决这一问题，他们提出了一个包含额外正交矩阵乘法的改进算法（式 9），从而确保收敛到不变集中的特定元素。
3. 降维： 提出了一种降阶 NPM，用于从已计算出的主子空间中高效提取低维子空间，从而避免对全量 $n \times n$ 矩阵进行重复运算。
4. 控制应用： 将理论结果应用于离散时间线性时不变（LTI）系统的模型阶数缩减（MOR），以及线性时变（LTV）系统的低秩控制器综合。作者利用 NPM 构建了能够保持可观测性、可达性和稳定性的降阶模型。

核心贡献与结果

• 收敛特性表征： 本文确立了 NPM 提取对应于 $r$ 个具有最大绝对值的特征值的 $r$-主子空间。这一特性与目标为最大实部的 Oja 流有着明显的区别。
• 一般矩阵收敛性： 该收敛性在一般方阵而非仅限于对称正定矩阵的情况下得到了证明。分析表明，只要在特征值的绝对值上存在谱间隙，几乎所有的初始矩阵都会收敛到不变集。
• 系统性质保持： 对于离散时间 LTI 系统，所提出的 MOR 方案保持了原系统的极小性（可观测性和可达性）及稳定性。降阶模型与原系统在投影到主子空间后的传递函数一致。
• 奇异摄动与 LTV 扩展： 研究表明该方法适用于通过提取慢模态和快模态来处理奇异摄动系统。此外，NPM 的递归特性使其能够应用于缓慢变化的 LTV 系统，以追踪随时间变化的主子空间。
• 数值验证： 使用参数化矩阵 $A_\alpha$ 的仿真表明，收敛速率取决于特征值绝对值的比例（$|\lambda_{r+1}|/|\lambda_r|$）。论文指出，当该比例接近 1 时（例如 $\alpha = 0.9$），收敛速度较慢，这会影响所衍生的控制器在追踪任务中的表现。

意义与主张
作者声称，这项工作为一般方阵背景下的 NPM 提供了基础性的收敛性分析，并将其与 Oja 流明确区分开来。其主要意义在于填补了这一理论空白，从而实现对离散时间系统的实际应用，因为此类系统的显性动力学是由特征值的模值而非其实部所支配的。

作者谦逊地将其贡献界定为：

1. 为一般矩阵上的 NPM 提供了一个标准的收敛基准。
2. 展示了 NPM 在模型阶数缩减和低秩控制器综合中的效用。
3. 强调了追踪 LTV 系统中时变子空间的潜力，同时也承认其性能受限于底层 NPM 算法的收敛速度。

作者明确指出，仍需进一步的工作来进行严格的误差界限分析以及更广泛的随时间变化的控制与估计问题的应用，并指出当前的 LTV 系统控制器综合仅是初步步骤，仅在 NPM 收敛足够快时表现良好。