[论文解读] 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 9

一句话总结

本文提出了算法，用于计算系数为 $ C(x,t) $ 上有理函数的一参数族二阶线性微分方程的参数化 Picard-Vessiot (PPV) 群。利用约化引理与Kovacic算法，推导出定义PPV群为 $ \mathrm{GL}_2 $ 的线性微分代数子群的 $ \partial/\partial t $-微分多项式方程，结果在 $ \overline{C(t)} $ 上有效，从而实现在Maple中的实际计算。

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 $\mathrm{GL}_2$.

研究动机与目标

• 开发用于计算一参数族具有有理系数的二阶线性微分方程的微分伽罗瓦群的算法方法。
• 解决在 $ \overline{C(t)} $ 上将参数化Picard-Vessiot (PPV) 群结构作为线性微分代数群的挑战。
• 提供一个计算框架，将PPV群的计算简化为求解线性方程组以及一阶非齐次微分方程的有理函数解。
• 通过在 $ C(t) $ 的有限代数扩张上工作，减少对微分闭域的依赖，从而实现在计算机代数系统（如Maple）中的实际实现。

提出的方法

• 利用引理2.1将PPV群的计算转化为在更小的域 $ K $ 上求解线性方程组，避免直接使用微分闭域。
• 应用Kovacic算法对二阶方程可能的微分伽罗瓦群进行分类，根据解的结构区分不同情形。
• 构造具有待定系数的一阶非齐次微分方程（如 $ \mathbf{H}_N $, $ \mathbf{I}_N $, $ \mathbf{J}_N $），并找出存在有理函数解的最小系数值。
• 使用创造性错位技术处理参数导数，将问题形式化为在 $ K $ 上的扭曲错位问题。
• 推导出PPV群作为 $ \mathrm{GL}_2 $ 子群的 $ \partial/\partial t $-微分多项式方程，确保该群捕捉解之间所有微分-代数关系。
• 通过使用平方自由因式分解与求解前的启发式系统构建策略，最小化计算成本。

实验结果

研究问题

• RQ1 如何算法化地计算系数属于 $ C(x,t) $ 的二阶线性微分方程的参数化Picard-Vessiot群？
• RQ2 定义PPV群为 $ \mathrm{GL}_2 $ 的线性微分代数子群的 $ \partial/\partial t $-微分多项式方程的结构是什么？
• RQ3 PPV群的计算能否被简化为求解线性方程组以及寻找一阶非齐次微分方程的有理函数解？
• RQ4 在实践中，多大程度上可以绕过微分闭域的要求？如何在不使用完整微分闭域的情况下在 $ \overline{C(t)} $ 上进行计算？
• RQ5 该方法能否推广以处理具有多个参数导数或更高阶系统的方程？

主要发现

• PPV群被定义为 $ \mathrm{GL}_2 $ 的线性微分代数子群，其定义方程为 $ \partial/\partial t $-微分多项式，且定义域为 $ \overline{C(t)} $，而非更大的微分闭域。
• 算法基于约化引理，将PPV群的计算转化为求解线性方程组，显著简化了计算过程。
• 通过在 $ C(t) $ 的有限代数扩张上工作，该方法实现了实际计算，避免了大多数步骤中对完整微分闭域的依赖。
• 该方法与计算机代数系统（如Maple）兼容，且算法设计注重效率，通过平方自由因式分解最小化方程组规模。
• 结果表明PPV群可定义在 $ \overline{C(t)} $ 上，本文也讨论了将其提升至 $ C(t) $ 的挑战，指出当前方法尚无法实现此目标。
• 该框架可扩展至创造性错位问题，且可能推广至更高阶系统或多参数导数情形，尽管此方向仍为开放问题。