[論文レビュー] Numerical primary decomposition

Anton Leykin|ArXiv.org|Jan 20, 2008

Polynomial and algebraic computation参考文献 8被引用数 12

ひとこと要約

本稿では、埋め込まれた成分までを含めた多項式イデアルのすべての関連成分を計算するための数値的プライマリ分解（NPD）を導入する。この手法は、埋め込まれた成分を高次元空間に埋め込むことで、それらを分離可能な成分に変換するデフラーションを用いる。主な貢献は、既存の数値的既約分解技術をデフラートされた系に応用する数値的アルゴリズムを提供することであり、これにより、シンボリックな飽和を用いずにワitnessセットを用いた完全なスキーム記述とイデアル属 Membership 問題の解決が可能になる。

ABSTRACT

Consider an ideal $I \subset R = \bC[x_1,...,x_n]$ defining a complex affine variety $X \subset \bC^n$. We describe the components associated to $I$ by means of {\em numerical primary decomposition} (NPD). The method is based on the construction of {\em deflation ideal} $I^{(d)}$ that defines the {\em deflated variety} $\dXd$ in a complex space of higher dimension. For every embedded component there exists $d$ and an isolated component $\dYd$ of $\dId$ projecting onto $Y$. In turn, $\dYd$ can be discovered by existing methods for prime decomposition, in particular, the {\em numerical irreducible decomposition}, applied to $\dXd$. The concept of NPD gives a full description of the scheme $\Spec(R/I)$ by representing each component with a {\em witness set}. We propose an algorithm to produce a collection of witness sets that contains a NPD and that can be used to solve the {\em ideal membership problem} for $I$.

研究の動機と目的

• 数値代数幾何学が多項式イデアルの埋め込まれた成分を検出できないという限界を解決すること。
• 埋め込まれた成分を含むイデアルのすべての関連素数を、シンボリック手法が通常必要とする完全分解を伴わずに、数値的手法で捉えること。
• ワitnessセットを用いて、イデアルの完全プライマリ分解を計算するための実用的で数値的に安定したフレームワークを提供すること。
• デフラーションによる分離成分検出のみを用いて、イデアル属 Membership 問題を数値的に解けるようにすること。
• 将来のスケーラブルな数値的アルゴリズムの理論的基盤を築くこと。特に、シンボリック手法の計算的ボトル neck を避けるものである。

提案手法

• 埋め込まれた成分を高次元空間における分離成分に変換するため、より高い次元空間におけるデフラーションイデアル $I^{(d)}$ を構築する。
• 射影 $\pi_d: X^{(d)} \to X$ を用いて、デフラート空間における分離成分を元の空間 $X$ の成分に戻す関係を確立する。
• デフラートされたイデアル $I^{(d)}$ に対して数値的既約分解（NID）を適用し、元のイデアルにおける埋め込まれた成分に対応する分離成分を検出する。
• 各成分をワitnessセットで表現することで、サンプリング、次数の計算、属 Membership テストが可能になる。
• 数値的多項式ホモトピー続行法を用いて、デフラートされた系の解を計算し、並列処理と高精度の修正を活用する。
• アルゴリズム 3.11 を提案し、与えられたデフラーション次数 $d$ までに可視成分を計算する。また、アルゴリズム 5.3 を用いて、これを数値的既約分解に特化させる。

実験結果

リサーチクエスチョン

• RQ1 シンボリックな飽和を用いずに、完全に数値的手法によって多項式イデアルの埋め込まれた成分を検出できるか？
• RQ2 埋め込まれた成分を高次元空間における分離成分として可視化するデフラーションに基づく変換が存在するか？
• RQ3 デフラートされたイデアルの数値的既約分解が、元のイデアルの完全プライマリ分解を回復できるか？
• RQ4 ワitnessセットが、埋め込まれた成分を含むすべての関連成分を完全かつ計算的に利用可能な形で記述できるか？
• RQ5 数値的手法は、どの程度までシンボリック計算に依存せずにイデアル属 Membership 問題を解けるか？

主な発見

• 理論的結果：$\operatorname{Spec}(R/I)$ の任意の埋め込まれた成分 $Y$ に対して、あるデフラーション次数 $d$ が存在し、$Y$ が $\operatorname{Spec}(R^{(d)}/I^{(d)})$ の分離成分の $\pi_d$ による像として表される。
• 循環的 4 ルート例では、1 階のデフラーションと数値的既約分解により、8 個の埋め込まれた成分と 2 本の分離曲線がすべて回復された。
• デフラート系のワitnessセットには、2 組の 4 点（分離曲線用）と 8 個の単一の点（0 次元の埋め込まれた成分用）が含まれており、完全な検出が確認された。
• 問題を分離成分検出に還元することにより、シンボリックな飽和を回避する。
• 数値計算は任意の精度にまで精錬可能であり、将来的な証明可能性の可能性を示唆している。
• この手法は本質的に並列処理可能であり、現代のマルチコアおよび分散システムで線形の高速化が得られる。これは、グレブナー基底アルゴリズムの高い依存性とは対照的である。