여러 실수 벡터에 대한 동시 정수 관계 탐지 알고리즘

초록

본 논문은 t개의 n차원 실수 벡터 X=(x₁,…,x_t) 에 대해 비영(0) 정수 벡터 m을 찾아 모든 i에 대해 x_iᵀm=0, 즉 동시 정수 관계(SIR)를 검출하거나 주어진 상한보다 작은 노름을 갖는 SIR가 존재하지 않음을 증명하는 알고리즘을 제시한다. 알고리즘은 하이퍼플레인 행렬 구성, 일반화된 Hermite 감소, 그리고 PSLQ와 유사한 교환·코너 단계들을 결합하여 O(n⁴+n³·log λ(X)) 의 정확 연산 복잡도를 달성한다. 또한 복소수 대수적 수의 최소 다항식 찾기에 적용해 Maple 내장 함수보다 빠른 성능을 보인다.

상세 분석

이 논문은 기존의 PSLQ·HJLS 알고리즘이 단일 벡터에 대해서만 정수 관계를 찾을 수 있다는 한계를 극복하고, t≥2인 경우에도 효율적으로 동시 정수 관계(SIR)를 탐지할 수 있는 새로운 방법을 제안한다. 핵심 아이디어는 입력 행렬 X∈ℝ^{n×t} (t<n, 선형 독립) 에 대해 XᵀH=0 를 만족하고 열이 X의 직교 여공간을 생성하는 하이퍼플레인 행렬 H∈ℝ^{n×(n−t)} 를 Gram‑Schmidt 과정을 변형해 구성한다. Lemma 2.2에 의해 H는 하삼각 형태이며 대각 원소가 모두 0이 아니고 Frobenius norm이 √(n−t) 로 정규화된다.

그 다음 단계는 기존 PSLQ에서 사용되는 수정된 Hermite 감소를 일반화한 “Generalized Hermite Reduction”을 적용하는 것이다. 정의 2.4는 마지막 t−1 행까지도 앞의 n−t 행을 이용해 정규화하고, 필요 시 행 교환을 수행해 행렬 D∈GL(n,ℤ)를 얻는다. 이 과정은 두 가지 중요한 성질을 유지한다: (1) D는 정수 가역 행렬이며, (2) 감소된 행렬의 하위 대각 원소는 절반 이하로 감소한다. 이러한 일반화는 t>1인 경우에만 필요한 추가적인 행 감소를 제공한다.

Algorithm 1은 초기화 단계에서 H와 B=I_n 를 만든 뒤, 일반화된 Hermite 감소로 H를 정규화한다. 이후 반복적으로 (i) γ·|h_{r,r}| 가 가장 큰 r을 선택해 행 교환 R을 적용하고, (ii) r번째와 r+1번째 행에 대한 “코너” 변환 Q를 수행해 행렬을 더욱 정규화한다. (iii) 다시 일반화된 Hermite 감소를 적용하고, (iv) 현재 H의 Frobenius norm을 이용해 하한 G=1/‖H‖_F 를 계산한다. 만약 G보다 작은 노름을 갖는 정수 관계가 존재한다면, B의 열 중 하나가 바로 SIR이 된다; 그렇지 않으면 알고리즘은 “No SIR with norm < G” 를 반환한다.

정리 2.8과 그 증명은 알고리즘이 최악의 경우에도 O(n⁴ + n³·log λ(X)) 의 정확 연산 수 안에 종료함을 보이며, 여기서 λ(X) 는 존재하는 가장 짧은 SIR의 유클리드 노름이다. γ를 2로 잡으면 상수 팩터가 최소화되어 다항 시간 보장이 가능하고, 실제 구현에서는 γ=1.16 등 작은 값도 안정적으로 동작한다.

복소수 벡터 z=x+iy 에 대해 (x,y) 를 입력으로 사용하면 정수 관계를 ℤⁿ 에서 직접 찾을 수 있다. 이는 PSLQ가 Gaussian 정수(ℤ