[論文レビュー] Computing the differential Galois group of a one-parameter family of second order linear differential equations

Carlos E. Arreche|arXiv (Cornell University)|Aug 10, 2012

Polynomial and algebraic computation参考文献 2被引用数 9

ひとこと要約

本稿では、$ C(x,t) $ 上の有理係数をもつ1パラメータ族の2階線形微分方程式のパrameterized Picard-Vessiot (PPV) 群を計算するためのアルゴリズムを提示する。還元補題と Kovacic のアルゴリズムを用いて、PPV 群を $ \mathrm{GL}_2 $ の線形微分代数的部分群として定義する $ \partial/\partial t $-微分多項式方程式を導出する。結果は $ \overline{C(t)} $ 上で有効であり、Maple における実用的計算を可能にする。

ABSTRACT

We develop algorithms to compute the differential Galois group corresponding to a one-parameter family of second order homogeneous ordinary linear differential equations with rational function coefficients. More precisely, we consider equations of the form \frac{\partial^2Y}{\partial x^2}+ r_1\frac{\partial Y}{\partial x} +r_2Y=0, where $r_1,r_2\in C(x,t)$ and $C$ is an algebraically closed field of characteristic zero. We work in the setting of parameterized Picard-Vessiot theory, which attaches a linear differential algebraic group to such an equation, that is, a group of invertible matrices whose entries satisfy a system of polynomial differential equations, with respect to the derivation in the parameter-space. We will compute the $\frac{\partial}{\partial t}$-differential-polynomial equations that define the corresponding parameterized Picard-Vessiot group as a differential algebraic subgroup of $\mathrm{GL}_2$.

研究の動機と目的

• 有理係数をもつ1パラメータ族の2階線形微分方程式の微分ガロア群を計算するためのアルゴリズム的手法を開発すること。
• パrameterized Picard-Vessiot (PPV) 群を $ \overline{C(t)} $ 上の線形微分代数的群として、その構造を特定することの課題に取り組むこと。
• PPV 群の計算を、線形方程式系の解法および1階非同次微分方程式の有理関数解の探索に還元する計算フレームワークを提供すること。
• 微分閉体への依存を最小限に抑えるために、$ C(t) $ の有限代数拡大上で作業することで、Maple などのコンピュータ代数システムへの実装を可能にすること。

提案手法

• 還元補題 2.1 を活用し、微分閉体を直接用いずに、より小さな体 $ K $ 上での線形方程式系の解法に PPV 群の計算を還元する。
• Kovacic のアルゴリズムを適用して、2階方程式の可能性のある微分ガロア群を分類し、解の構造に基づくケース分けを行う。
• 未定係数をもつ1階非同次微分方程式（例：$ \mathbf{H}_N $, $ \mathbf{I}_N $, $ \mathbf{J}_N $）を構築し、有理関数解が存在する最小の係数値を同定する。
• 創造的テレスコーピング技術を用いてパrametric微分を扱い、問題を $ K $ 上のねじれテレスコーピング問題として定式化する。
• PPV 群が $ \mathrm{GL}_2 $ の部分群として、$ \partial/\partial t $-微分多項式方程式によって定義されることを導出し、解の間のすべての微分代数的関係を捉えるように保証する。
• 平方因子分解を用いてシステムサイズを最小化し、解法の前段階でヒューリスティックなシステム構築を行う戦略を実装して、計算コストを低減する。

実験結果

リサーチクエスチョン

• RQ1 係数が $ C(x,t) $ に属する2階線形微分方程式のパrameterized Picard-Vessiot群を、どのようにアルゴリズム的に計算できるか？
• RQ2 PPV 群を $ \mathrm{GL}_2 $ の線形微分代数的部分群として定義する $ \partial/\partial t $-微分多項式方程式の構造は何か？
• RQ3 PPV 群の計算を、線形方程式系の解法および1階非同次微分方程式の有理関数解の探索に還元できるか？
• RQ4 実際には、微分閉体の要請をどの程度回避できるか？また、完全な微分閉体を用いずに $ \overline{C(t)} $ 上で計算を行うにはどうすればよいか？
• RQ5 本アプローチは、複数のパラメトリック微分や高階系に一般化可能か？

主な発見

• PPV 群は、微分閉体よりも小さい $ \overline{C(t)} $ 上で定義される $ \partial/\partial t $-微分多項式方程式によって、$ \mathrm{GL}_2 $ の線形微分代数的部分群として計算される。
• アルゴリズムは、PPV 群の計算を線形方程式系の解法に還元する還元補題に依存しており、このことによりプロセスが著しく簡素化される。
• 計算は $ C(t) $ の有限代数拡大上で行うことで、多くの段階で完全な微分閉体を必要とせず、実用的計算が可能になる。
• Maple などのコンピュータ代数システムと互換性があり、平方因子分解を用いたシステムサイズの最小化により、効率的な実装が可能である。
• PPV 群は $ \overline{C(t)} $ 上で定義されていることが示され、$ C(t) $ への上昇の課題について議論されているが、現段階ではこの上昇は達成されていない。
• フレームワークは創造的テレスコーピング問題へ応用可能であり、高階系や複数のパラメトリック微分への一般化も可能であるが、これは未解決の方向性のまま残っている。