manopt-对称矩阵

manopt-例1

例：我们计算对称矩阵 A∈R^n×n 的主要特征向量，设λ1≥⋯≥λn为其特征值，最大的特征值即优化问题的最优值。
$$\underset{x\in R^n,x\ne 0}{\max }\frac{{\text{x}}^{T}Ax}{x^{T}x}$$

1.数学分析

这个问题也可以转换成
$$\underset{x\in R^n,||x||=1}{\min }\text{-}{\text{x}}^{T}Ax$$
则这个问题的损失函数和梯度为：
$$f(x)=-{\text{x}}^{T}Ax$$
$$f(x)=-2Ax$$
要求约束向量x为单位二范数，xx 是球体上的一个点（最好的流形之一）
S n-1 = { x ∈ R n : x x T = 1 } {{S}^{\text{n-1}}}=\{x\in {{R}^{n}}:x{{x}^{T}}=1\} Sn-1={x∈Rn:xxT=1}
另外损失函数在 S^n-1 上是平滑的，在 S^n-1上的x点处在的黎曼梯度是在 x处球体的切向量。它可以通过计算梯度∇f(x)到该切线空间的投影得到，即通过正交投影。$\text{Pro}{\text{j}}_{\text{x}}\text{u=(I-x}{\text{x}}^T\text{)u}$
$$gradf(x)=\text{Pro}{\text{j}}_x\nabla f(x)=-2(I-x{x}^T)A\text{x}$$
计算为使用正交投影仪从通常的梯度∇f(x)到该切线空间的投影

正交投影：Projectors.pdf (cornell.edu)

2.代码

% 生成随机数据
n = 1000;
A = randn(n);%X = randn(n) 返回由正态分布的随机数组成的 n×n 矩阵
A = .5*(A+A.');%生成对称矩阵
 
% 构造问题
%spherefactory：对优化单位范数向量或矩阵的问题返回一个流形结构。
manifold = spherefactory(n);
%获得流形结构
problem.M = manifold;
 
% 得到损失函数和欧式梯度
problem.cost  = @(x) -x'*(A*x);
problem.egrad = @(x) -2*A*x;      % 注意‘egrad'为欧式梯度
 
%数值上检查梯度一致性
checkgradient(problem);
 
% 求解
%x:损失函数的局部最小值 xcost:x对应的损失值
%info:一个结构数组，包含有关求解器连续迭代的执行信息
%options:包含所有使用的选项及其值的结构：看看你可以参数化的内容
[x, xcost, info, options] = trustregions(problem);
 
% 显示数据
figure;
%半对数图（y 轴有对数刻度）
semilogy([info.iter], [info.gradnorm], '.-');
xlabel('Iteration number');
ylabel('Norm of the gradient of f');

参考：Manopt, tutorial