[论文解读] Computing Euler obstruction functions using maximum likelihood degrees

Jose Israel Rodriguez, Botong Wang|arXiv (Cornell University)|Oct 11, 2017

Polynomial and algebraic computation参考文献 7被引用 4

一句话总结

该论文提出了一种数值算法，通过最大似然度（MLdeg）计算复代数簇的欧拉阻碍函数。通过引入一种新的不变量——最大似然阻碍函数，作者证明其与欧拉阻碍函数一致，从而实现无需 Whitney 分层或容斥原理的高效计算，借助同伦延拓方法。该方法有效且在秩为二的 3×3 矩阵等例子中得到验证。

ABSTRACT

We give a numerical algorithm computing Euler obstruction functions using maximum likelihood degrees. The maximum likelihood degree is a well-studied property of a variety in algebraic statistics and computational algebraic geometry. In this article we use this degree to give a new way to compute Euler obstruction functions. We define the maximum likelihood obstruction function and show how it coincides with the Euler obstruction function. With this insight, we are able to bring new tools of computational algebraic geometry to study Euler obstruction functions.

研究动机与目标

• 开发一种数值算法，用于计算复代数簇上任意点的欧拉阻碍函数。
• 克服通过传统全局或分层定义计算欧拉阻碍函数的困难。
• 建立最大似然度与欧拉阻碍函数之间的联系，证明二者等价。
• 利用数值代数几何工具（特别是同伦延拓）实现实际计算。
• 通过坐标变换将该方法推广至仿射簇，扩展其在非常仿射情形之外的适用性。

提出的方法

• 将第 k 个移除最大似然度 r_k(P,X) 定义为 X 与通过 P 的 k−1 个一般超平面的交集，再移除第 k 个超平面。
• 引入最大似然阻碍函数 ML_X(P) 作为移除最大似然度的交错和：ML_X(P) = Σ_{k=0}^{d+1} (-1)^{d-k} r_k(P,X)。
• 证明对于任意点 P ∈ X，有 ML_X(P) 等于欧拉阻碍函数 Eu_X(P)，从而确立两个不变量的等价性。
• 使用同伦延拓方法，通过从 (C*)^N \ X 中的一般起始点追踪退化点，计算 X 上多个点的移除最大似然度。
• 利用一般超平面和 1-形式的选择下，退化点数量保持恒定且可通过数值代数几何计算的事实。
• 将该方法应用于示例，如带有仿射约束 x_11=1 的 3×3 秩二矩阵，计算不同点的 r_k(P,X)，并验证其与已知结果的一致性。

实验结果

研究问题

• RQ1 能否在不依赖 Whitney 分层或复链计算的前提下，数值计算欧拉阻碍函数？
• RQ2 是否存在一个直接的代数几何不变量——具体而言，最大似然阻碍函数——与欧拉阻碍函数完全匹配？
• RQ3 如何利用最大似然度以数值稳定且高效的方式计算奇异簇的局部不变量？
• RQ4 能否通过从单个一般起始点追踪，使用同伦延拓计算簇上多个点的移除最大似然度？
• RQ5 一个簇的最大似然度与其在奇异点和光滑点处的欧拉阻碍函数之间存在何种关系？

主要发现

• 最大似然阻碍函数 ML_X(P) 在任意纯维复代数簇 X 上的任意点 P 处，被证明等于欧拉阻碍函数 Eu_X(P)。
• 对于带有约束 x_11=1 的 3×3 秩二矩阵，ML_X(P) 在 (C*)^9\X 中的一般点处为 0，在光滑点处为 1，在奇异点处为 2，与已知结果一致。
• 当 P_0 是 X 外的一般点时，移除最大似然度 r_k(P,X) 的上界为 r_k(P_0,X)，从而可通过同伦延拓实现高效计算。
• 该算法避免了容斥原理，并且无需显式了解 Whitney 分层，使其在计算上更具实用性。
• 该方法可通过坐标变换推广至仿射簇，如示例 4.3 所示。
• 同伦延拓成功地从一般点追踪到 X 上的点，确认了不同位置上移除最大似然度的一致性。