Алгоритм Висковатова для полиномов Эрмита–Паде

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Предлагается и обосновывается алгоритм нахождения полиномов Эрмита–Паде 1-го типа для произвольного набора из $m+1$ формальных степенных рядов $[f_0,…,f_m]$, $m\geq1$, заданных в точке $z=0$ ($f_j\in\mathbb C[[z]]$) в предположении, что эти ряды обладают определенным свойством невырожденности (находятся “в общем положении”). Предложенный алгоритм является непосредственным обобщением классического алгоритма Висковатова для нахождения полиномов Паде (т.е. при $m=1$ совпадает с этим алгоритмом). Алгоритм основан на рекуррентных соотношениях, и к моменту нахождения полиномов Эрмита–Паде, соответствующих мультииндексу $(k+1,k+1,k+1,…,k+1,k+1)$, оказываются найденными все полиномы Эрмита–Паде, соответствующие мультиндексам $(k,k,k,…,k,k)$, $(k+1,k,k,…,k,k)$, $(k+1,k+1,k,…,k,k)$, …, $(k+1,k+1,k+1,…,k+1,k)$. Показано, каким образом можно, изменив начальные условия, вычислять с помощью этого алгоритма рекуррентным образом и полиномы Эрмита–Паде, соответствующие мультииндексам другого вида. Алгоритм устроен таким образом, что на каждом $n$-м шаге итерации вычисления могут быть распараллелены на $m+1$ независимых вычислений. Библиография: 30 названий.

Об авторах

Николай Руменов Икономов

Институт математики и информатики Болгарской академии наук

Email: nikonomov@math.bas.bg
PhD

Сергей Павлович Суетин

Математический институт им. В.А. Стеклова Российской академии наук

Email: suetin@mi-ras.ru
доктор физико-математических наук, без звания

Список литературы

  1. P. Amore, J. P. Boyd, F. M. Fernandez, “High order analysis of the limit cycle of the van der Pol oscillator”, J. Math. Phys., 59:1 (2018), 012702, 11 pp.
  2. Дж. Бейкер мл., П. Грейвс-Моррис, Аппроксимации Паде, Мир, М., 1986, 504 с.
  3. Д. Барриос Роланиа, Дж. С. Джеронимо, Г. Лопес Лагомасино, “Рекуррентные соотношения высших порядков, аппроксимации Эрмита–Паде и системы Никишина”, Матем. сб., 209:3 (2018), 102–137
  4. B. Beckermann, G. Labahn, “A uniform approach for Hermite Pade and simultaneous Pade approximants and their matrix-type generalizations”, Numer. Algorithms, 3:1-4 (1992), 45–54
  5. B. Beckermann, G. Labahn, “Fraction-free computation of matrix rational interpolants and matrix GCDs”, SIAM J. Matrix Anal. Appl., 22:1 (2000), 114–144
  6. J. Della Dora, C. Di-Crescenzo, “Approximation de Pade–Hermite”, Pade approximation and its applications (Univ. Antwerp, Antwerp, 1979), Lecture Notes in Math., 765, Springer, Berlin–New York, 1979, 88–115
  7. H. Derksen, An algorithm to compute generalized Pade–Hermite forms, Tech. rep. 9403, Catholic Univ. Nijmegen, 1994
  8. M. Fasondini, N. Hale, R. Spoerer, J. A. C. Weideman, “Quadratic Pade approximation: numerical aspects and applications”, Компьютерные исследования и моделирование, 11:6 (2019), 1017–1031
  9. T. M. Feil, H. H. H. Homeier, “Programs for the approximation of real and imaginary single- and multi-valued functions by means of Hermite–Pade-approximants”, Comput. Phys. Comm., 158:2 (2004), 124–135
  10. А. В. Комлов, Н. Г. Кружилин, Р. В. Пальвелев, С. П. Суетин, “О сходимости квадратичных аппроксимаций Шафера”, УМН, 71:2(428) (2016), 205–206
  11. В. А. Комлов, “Полиномиальная $m$-система Эрмита–Паде для мероморфных функций на компактной римановой поверхности”, Матем. сб., 212:12 (в печати)
  12. A. Lopez-Garcia, G. Lopez Lagomasino, “Nikishin systems on star-like sets: ratio asymptotics of the associated multiple orthogonal polynomials”, J. Approx. Theory, 225 (2018), 1–40
  13. В. Г. Лысов, “Аппроксимации Эрмита–Паде смешанного типа для системы Никишина”, Труды МИАН, 311 (2020), 213–227
  14. T. Mano, T. Tsuda, “Hermite–Pade approximation, isomonodromic deformation and hypergeometric integral”, Math. Z., 285:1-2 (2017), 397–431
  15. Е. М. Никишин, В. Н. Сорокин, Рациональные аппроксимации и ортогональность, Наука, М., 1988, 256 с.
  16. В. И. Парусников, “Алгоритм Якоби–Перрона и совместное приближение функций”, Матем. сб., 114(156):2 (1981), 322–333
  17. Г. Рутисхаузер, Алгоритм частных и разностей, ИЛ, М., 1960, 93 с.
  18. T. Sakurai, T. Torii, H. Sugiura, “An iterative method for algebraic equation by Pade approximation”, Computing, 46:2 (1991), 131–141
  19. Shengfeng Li, Yi Dong, “Viscovatov-like algorithm of Thiele–Newton's blending expansion for a bivariate function”, Mathematics, 7:8 (2019), 696, 15 pp.
  20. А. В. Сергеев, “Рекурсивный алгоритм для аппроксимаций Паде–Эрмита”, Ж. вычисл. матем. и матем. физ., 26:3 (1986), 348–356
  21. A. V. Sergeev, D. Z. Goodson, “Summation of asymptotic expansions of multiple-valued functions using algebraic approximants: application to anharmonic oscillators”, J. Phys. A, 31:18 (1998), 4301–4317
  22. В. Н. Сорокин, “Аппроксимации Эрмита–Паде функции Вейля и ее производной для дискретных мер”, Матем. сб., 211:10 (2020), 139–156
  23. S. P. Suetin, Hermite–Pade polynomials and analytic continuation: new approach and some results, 2018
  24. С. П. Суетин, “Об эквивалентности скалярной и векторной задач равновесия для пары функций, образующей систему Никишина”, Матем. заметки, 106:6 (2019), 904–916
  25. С. П. Суетин, “Полиномы Эрмита–Паде и квадратичные аппроксимации Шафера для многозначных аналитических функций”, УМН, 75:4(454) (2020), 213–214
  26. A. Trias, “HELM: The holomorphic embedding load-flow method: foundations and implementations”, Foundations and Trends in Electric Energy Systems, 3:3-4 (2018), 140–370
  27. J. van Iseghem, “Vector orthogonal relations. Vector QD-algorithm”, J. Comput. Appl. Math., 19:1 (1987), 141–150
  28. J. van Iseghem, “Convergence of the vector QD-algorithm. Zeros of vector orthogonal polynomials”, J. Comput. Appl. Math., 25:1 (1989), 33–46
  29. B. Viscovatoff, “De la methode generale pour reduire toutes sortes des quantites en fractions continues”, Mem. Acad. Imp. Sci. St. Pťersbourg (5), I (1803–1806) (1809), 226–247
  30. R. Živanovič, “Continuation via quadratic approximation to reconstruct solution branches and locate singularities in the power flow problem”, 24th Mediterranean conference on control and automation (Athens, 2016), IEEE, 2016, 866–870

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Икономов Н.Р., Суетин С.П., 2021

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».