[论文解读] Cohomological rank functions and Syzygies of abelian varieties

Zhi Jiang|arXiv (Cornell University)|Oct 20, 2020

Algebraic Geometry and Number Theory参考文献 9被引用 6

一句话总结

该论文利用上同调秩函数，为阿贝尔簇上极线丛的基点自由性与阶列性质建立了新判别准则。证明了若对任意阿贝尔子簇 $ B \subset A $，极线丛 $ L $ 的自交数满足 $ (L^{\dim B} \cdot B) > (2(p+2)\dim B)^{\dim B} $，则 $ \beta(L) < \frac{1}{p+2} $，从而推出 $ L $ 满足性质 $ (N_p) $，因此在特定情况下解决了该猜想。

ABSTRACT

We study syzygies of abelian varieties via the methods of Caucci and Ito based on computations of cohomological rank functions. We provide some strong evidences to a conjecture of Ito and Lozovanu.

研究动机与目标

• 建立极线丛在阿贝尔簇上满足性质 $ (N_p) $ 的精确条件，推广藤田型猜想。
• 研究上同调秩函数 $ \beta(L) $ 在阿贝尔簇及其子簇几何结构中的行为。
• 在子簇的交点理论界下，确认伊藤与考西对阈值 $ \beta(L) < \frac{1}{p+2} $ 的猜想。
• 将阿贝尔簇上 $ N_p $-猜想的已知有效范围扩展至更一般情形，特别是通用与非常一般情形。

提出的方法

• 将基点自由阈值 $ \beta(L) $ 定义为最小的有理数 $ t $，使得上同调秩函数 $ h^{1}_{\mathscr{I}_o, L}(t) $ 恒为零。
• 利用乘子理想理论与奈德尔消去定理，将 $ \beta(L) $ 与在原点具有孤立非 klt 中心的 $ \mathbb{Q} $-有效除数的存在性联系起来。
• 通过归纳法对维数进行处理，并利用庞加莱约化定理将阿贝尔簇分解为积的形式，从而将问题约化为低维情形。
• 利用被理想层扭曲的典范层的 GV-层性质，通过消去定理控制上同调秩。
• 运用库恩特定理与拉回技巧，将商簇上的上同调条件转移回原始阿贝尔簇。
• 在子簇 $ B \subset A $ 上建立交点理论界，以确保 $ \beta(L) < \frac{1}{p+2} $，关键不等式为 $ (L^{\dim B} \cdot B) > (2(p+2)\dim B)^{\dim B} $。

实验结果

研究问题

• RQ1 在子簇 $ B \subset A $ 的何种交点理论条件下，上同调秩函数 $ \beta(L) $ 满足 $ \beta(L) < \frac{1}{p+2} $？
• RQ2 是否可通过 $ L^{\dim B} \cdot B $ 的界来确认伊藤与考西关于 $ L $ 的 $ N_p $-性质的猜想？
• RQ3 $ \beta(L) $ 的行为如何与阿贝尔子簇上最小 lc 中心及乘子理想相关联？
• RQ4 对于非常一般的阿贝尔簇，$ \beta(L) $ 的精确阈值如何以极化类型与交点数表示？
• RQ5 在仅使用子簇交点数据而无需完整全局解析信息的情况下，$ \beta(L) $ 在多大程度上可被控制？

主要发现

• 若对所有正维数的阿贝尔子簇 $ B \subset A $，均有 $ (L^{\dim B} \cdot B) > (2(p+2)\dim B)^{\dim B} $，则 $ \beta(L) < \frac{1}{p+2} $，这意味着 $ L $ 满足性质 $ (N_p) $。
• 对于类型为 $ (1,\ldots,1,\delta_g) $ 的非常一般极化阿贝尔簇，若 $ (L^g) > ((p+2)g)^g $，则 $ \beta(L) < \frac{1}{p+2} $，从而在该情形下确认了猜想。
• 不等式 $ (L^{\dim B} \cdot B) > (2(p+2)\dim B)^{\dim B} $ 足够确保 $ \beta(L) < \frac{1}{p+2} $，优于先前的猜想界。
• 证明依赖于被理想层扭曲的典范层的 GV-层性质，以及利用乘子理想控制上同调秩。
• 该方法通过庞加莱分解将问题约化为低维情形，并利用库恩特定理转移上同调消去性。
• 结果在通用与非常一般极化阿贝尔簇的情形下确认了本文猜想 1.4，将伊藤的结果推广至更高维。