为了提高np.roots
三次方程的性能,我尝试实现Cardan(o) Method:
def cardan(a,b,c,d):
#"resolve P=ax^3+bx^2+cx+d=0"
#"x=z-b/a/3=z-z0 => P=z^3+pz+q"
z0=b/3/a
a2,b2 = a*a,b*b
p=-b2/3/a2 +c/a
q=(b/27*(2*b2/a2-9*c/a)+d)/a
D=-4*p*p*p-27*q*q+0j
r=sqrt(-D/27)
J=-0.5+0.86602540378443871j # exp(2i*pi/3)
u=((-q+r)/2)**(1/3)
v=((-q-r)/2)**(1/3)
return u+v-z0,u*J+v/J-z0,u/J+v*J-z0
当根是真实的时,效果很好:
^{pr2}$但在复杂的情况下却失败了:
In [8]: P=poly1d([1,-1j,1j],True)
In [9]: P
Out[9]: poly1d([ 1., -1., 1., -1.])
In [10]: roots(P)
Out[10]: array([ 1.0000e+00+0.j, 7.771e-16+1.j, 7.771e-16-1.j])
In [11]: cardan(*P)
Out[11]: ((1.366+0.211j),(5.551e-17+0.577j),(-0.366-0.788j))
{{cd2}的求值是{cd2}的问题。
Theory说uv=-p/3
,但是这里uv=pJ/3
:(u,v)
不是一对好的根。在
在任何情况下,获得正确配对的最佳方法是什么?在
编辑
在@Sally post之后,我可以精确地解决这个问题。好的一对并不总是(u,v)
,它可以是(u,vJ)
或{
终极:目前,通过使用Numba
编译这段代码,它比np.roots
快20倍。在
因为作为平方根之一的}在}作为二次多项式的根)集中是可互换的
r
的符号是自由的(resp。u
和{u+v
和{这可以确保除数总是尽可能大,从而减少商的误差,并将被(接近)零除法可能成为问题的情况的数量减到最小。在
您正确地识别了这个问题:在一个复平面中有三个可能的立方根值,导致了9个可能的}对。在这9对中,只有3对可以找到正确的根:即u*v=-p/3的根。一个简单的解决方法是将
((-q+r)/2)**(1/3)
和{v
的公式替换为v=-p/(3*u)
。这可能也是一种加速:除法应该比求立方根快。在但是
u
可能等于或接近于零,在这种情况下,除法变得可疑。实际上,在您的第一个例子中,它会使精度稍差一点。这里有一个健壮的数值方法:在return语句之前插入这两行。在这个循环遍历v的三个候选者,选择使
u*v+p/3
的绝对值最小的一个。也许可以通过存储三个候选项来稍微提高性能,这样就不必重新计算胜出者。在相关问题 更多 >
编程相关推荐