[论文解读] Towards a Symbolic-Numeric Method to Compute Puiseux Series: The Modular Part

Adrien Poteaux, Marc Rybowicz|ArXiv.org|Mar 20, 2008

Polynomial and algebraic computation参考文献 25被引用 7

一句话总结

本文提出一种符号-数值算法，通过使用模运算指导浮点计算，计算代数数域上二元多项式的Puiseux级数。该方法引入了通用牛顿多边形和多边形树，以在模约化过程中保持关键代数信息（如分支的分歧指数和分支交点），从而实现精确且高效的数值求值，同时避免系数爆炸。

ABSTRACT

We have designed a new symbolic-numeric strategy to compute efficiently and accurately floating point Puiseux series defined by a bivariate polynomial over an algebraic number field. In essence, computations modulo a well chosen prime $p$ are used to obtain the exact information required to guide floating point computations. In this paper, we detail the symbolic part of our algorithm: First of all, we study modular reduction of Puiseux series and give a good reduction criterion to ensure that the information required by the numerical part is preserved. To establish our results, we introduce a simple modification of classical Newton polygons, that we call "generic Newton polygons", which happen to be very convenient. Then, we estimate the arithmetic complexity of computing Puiseux series over finite fields and improve known bounds. Finally, we give bit-complexity bounds for deterministic and randomized versions of the symbolic part. The details of the numerical part will be described in a forthcoming paper.

研究动机与目标

• 解决纯符号方法和浮点方法在计算Puiseux级数时普遍存在的数值不稳定性和系数爆炸问题。
• 开发一种混合符号-数值策略，利用模运算提取精确的结构信息（如分歧指数），以指导高精度浮点计算。
• 通过模约化保持关键代数不变量（如多边形树和交点重数），以确保数值输出的可靠性。
• 为有限域上计算Puiseux级数提供改进的算术复杂度和位复杂度界，适用于亏格计算和单值化算法。
• 通过模约化和牛顿多边形理论严格刻画符号预处理阶段，为算法的数值部分奠定基础。

提出的方法

• 引入“通用牛顿多边形”——经典牛顿多边形的改进版本——以在模约化过程中更系统地追踪关键的组合与代数数据。
• 定义一个约化准则，确保Puiseux级数的模像保留多边形树结构，该结构编码了分歧和交点信息。
• 使用模一个合适素数 p 的约化，计算精确的符号数据（如分歧指数、分支重数），以指导后续的浮点牛顿-Puiseux迭代。
• 应用有限域及其代数扩张上的快速算术，降低模 p 下Puiseux级数计算的复杂度，利用快速乘法和高效的域算术。
• 推导符号阶段的算术复杂度界，表明在有限域上操作数为 O˜(d³n²)，优于先前已知的界。
• 为随机化（蒙特卡洛）和确定性变体建立位复杂度估计，表明误差概率小于 ε 时的位操作数为 O˜(d³n²w² log² ε⁻¹(ht(Mγ) + ht(F))))。

实验结果

研究问题

• RQ1 如何利用模运算在Puiseux级数计算过程中保持关键代数不变量（如分歧指数和分支交点）？
• RQ2 在什么条件下，Puiseux级数的模约化能保留必要的信息（如多边形树结构），以指导高精度浮点计算？
• RQ3 在有限域上计算Puiseux级数的算术和位复杂度界有哪些改进，特别是与输出大小和输入参数的关系如何？
• RQ4 该符号-数值方法能否避免符号方法中典型的系数指数级增长，同时保持数值可靠性？
• RQ5 在有限域上计算二元多项式的多边形树的计算成本是多少？其随输入规模和域参数的扩展规律如何？

主要发现

• 引入“通用牛顿多边形”使得在模约化过程中对Puiseux级数结构的系统化和高效分析成为可能。
• 建立了充分的约化准则，确保Puiseux级数的模像保留多边形树结构，该结构编码了分歧和交点数据。
• 在有限域上计算Puiseux级数的算术复杂度被限制在 O˜(d³n²) 次操作内，优于先前已知的界。
• 对于随机化蒙特卡洛变体，位复杂度为 O˜(d³n²w² log² ε⁻¹(ht(Mγ) + ht(F)))) 位操作，误差概率小于 ε。
• 该方法成功避免了纯符号算法中常见的指数级系数增长，使得Puiseux级数的实用浮点计算成为可能。
• 符号-数值框架为在代数数域上计算代数曲线的亏格提供了基础，并为该问题推导出位复杂度界。