高次多项式指定Y值对应实根求解出错（Python+NumPy）

问题核心 #

用Python+NumPy计算20次多项式在Y=-5时的实根，通过修改常数项构造新多项式后调用numpy.roots，得到的根([3.92, 1.34, 1.13])和绘图显示的实际交点（约11.2、16）完全不符，低次多项式验证有效但高次失效。

关键原因 #

1. 系数顺序错误
   numpy.roots要求输入的系数是降幂排列，但你用的是升幂列表。比如升幂系数[a0, a1, a2]对应a0 + a1x + a2x²，而numpy.roots会把它解析为a0x² + a1x + a2，求解的是完全不同的多项式。低次时可能巧合有根落在预期区间，但高次下根的分布完全偏离，结果自然错误。

2. 高次多项式数值稳定性问题
   20次属于高次多项式，直接用numpy.roots处理时，系数的微小误差会被放大（条件数过大），容易出现虚假根或精度丢失，进一步加剧结果偏差。

修正方案 #

1. 修正系数排列顺序 #

将升幂系数反转转为降幂后再传入numpy.roots，同时正确构造目标多项式：

import numpy as np

# 假设你的升幂系数列表为coeffs_asc
coeffs_asc = [a0, a1, ..., a20]  # 实际替换为你的系数
Y = -5

# 构造P(x) - Y = 0的升幂系数：常数项减Y，其余不变
new_coeffs_asc = coeffs_asc.copy()
new_coeffs_asc[0] -= Y

# 转为降幂排列
new_coeffs_desc = new_coeffs_asc[::-1]

# 求根
roots = np.roots(new_coeffs_desc)

2. 正确过滤实根 #

由于数值误差，复数根可能带有极小虚部，需先筛选实根再过滤区间：

# 筛选虚部可忽略的根（阈值设为1e-8）
real_roots = [root.real for root in roots if np.abs(root.imag) < 1e-8]

# 过滤[0,17]区间内的根，去重并排序
valid_roots = sorted(list(set(np.round([x for x in real_roots if 0 <= x <= 17], 4))))

3. 用更稳定的工具处理高次多项式 #

推荐使用numpy.polynomial.Polynomial类，原生支持升幂系数，数值稳定性更好：

from numpy.polynomial import Polynomial

# 用升幂系数创建多项式对象
p = Polynomial(coeffs_asc)

# 构造P(x) = Y的等价多项式P(x)-Y
p_target = p - Y

# 求根
roots = p_target.roots()

# 筛选有效实根
real_roots = roots[np.isreal(roots)].real
valid_roots = real_roots[(real_roots >= 0) & (real_roots <= 17)]

低次“有效”的假象 #

低次多项式（如2-3次）即使系数顺序错误，可能刚好有1-2个根落在你关注的区间内，让你误以为方法正确，但本质上求解的是错误的多项式。高次多项式根的分布更复杂，错误的系数顺序会导致结果完全偏离实际交点。

内容的提问来源于stack exchange，提问作者Runsva