Численные методы нахождения корней многочленов с действительными и комплексными коэффициентами

Обложка

Цитировать

Полный текст

Аннотация

Предметом исследования является рассмотрение и анализ набора алгоритмов численного нахождения корней многочленов, прежде всего комплексных на основе методов поиска приближенного разложения исходных полиномов на множители. Если численное нахождение действительных корней обычно не вызывает трудностей, то с нахождением комплексных корней возникает ряд сложностей. В данной статье предлагается набор алгоритмов последовательного нахождения кратных корней многочленов с действительными корнями, далее действительных корней выделением интервалов, потенциально содержащих корни и заведомо не содержащих их, а затем комплексных корней многочленов. Для нахождения комплексных корней используется итеративное приближение исходного многочлена произведением трехчлена на многочлен меньшей степени с последующим использованием метода касательных в комплексной области в окрестности корней полученного трехчлена. Для нахождения корней многочлена с комплексными коэффициентами предлагается решение эквивалентной задачи с действительными коэффициентами. Реализация поставленных задач осуществляется поэтапным применением комплекса алгоритмов. После каждого этапа выделяется группа корней и решается та же задача для многочлена меньшей степени. Последовательность предлагаемых алгоритмов позволяет найти все как действительные, так и комплексные корни многочлена. Для нахождения корней многочлена с действительными коэффициентами строится алгоритм, включающий следующие основные этапы: определение кратных корней с соответствующим снижением степени полинома; выделение диапазона корней; нахождение интервалов, гарантированно содержащих корни и их нахождением, по их выделении остается найти только пары комплексно сопряженных корней; итеративное построение трехчленов, служащих оценкой значений таких пар с минимальной точностью, достаточной для их локализации; собственно поиск корней в комплексной области методом касательных. Вычислительная трудность предлагаемых алгоритмов является полиномиальной и не превосходит куба от степени многочлена, что позволяет получить решение для практически любых многочленов, возникающих в реальных задачах. Областью приложения помимо собственно полиномиальных уравнений является и сводимые к ним задачи оптимизации, дифференциальных уравнений и оптимального управления.

Об авторах

Александр Яковлевич Скляр

Российский технологический университет (МИРЭА)

Email: askliar@mail.ru
доцент; кафедра прикладная математика;

Список литературы

  1. Курош А.Г. Курс высшей алгебры. Москва: Наука, 1968. С. 431.
  2. Самарский А. А., Гулин А. В. Численные методы. Москва: Наука, 1989. С. 432.
  3. Стиллвелл Д. Математика и её история. – Москва-Ижевск: Институт компьютерных исследований, 2004. С. 530.
  4. Тынкевич М. А., Пимонов А. Г. Введение в численный анализ. Кемерово: КузГТУ. 2017. С. 176.
  5. Чье Ен Ун, Шеин А.Б. Метод нахождения корней многочленов. I // Информатика и системы управления. 2012. № 4(34). С. 88-96.
  6. Чье Ен Ун, Шеин А.Б. Метод нахождения корней многочленов. II // Информатика и системы управления. 2013. №1(35). С. 108-118.
  7. Чье Ен Ун, Шеин А.Б. Метод нахождения корней многочленов. III // Информатика и системы управления. 2013. №3 (37). С. 110-122.
  8. Кутищев Г.П. Решение алгебраических уравнений произвольной степени: Теория, методы, алгоритмы. URSS. 2015. 232 с.
  9. Simon Telen. Polynomial Equations: Theory and Practice. Michal Kočvara; Bernard Mourrain; Cordian Riener. Polynomial Optimization, Moments, and Applications, Springer, pp. 215-240.
  10. B. Mourrain and J. P. Pavone. Subdivision methods for solving polynomial equations. Journal of Symbolic Computation, 44(3), 292-306, 2009.
  11. Berthomieu, C. Eder, and M. Safey El Din. msolve: A library for solving polynomial systems. In Proceedings of the 2021 on International Symposium on Symbolic and Algebraic Computation, pages 51-58, 2021.
  12. Стаценко И. В. Исследование скорости сходимости одного обобщенного ньютоновского метода и классического метода ньютона в процедуре уточнения корней многочлена. // Точная наука. 2020. №78. С. 2-9.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».