[论文解读] Popular progression differences in vector spaces II

Jacob Fox, Huy Tuan Pham|arXiv (Cornell University)|Aug 28, 2017

Limits and Structures in Graph Theory被引用 5

一句话总结

该论文确定了在有限域上的向量空间中，对于流行进度差值所需维度的塔高，表明当 β = α³/2 且 p ≥ 19 时，其为 Θ((log p) log log(1/α))。通过使用算术正则性与密度增量论证，建立了紧致界，将极值函数 nₚ(α, β) 的渐近结构确定到常数和依赖于 p 的加法因子范围内。

ABSTRACT

Green used an arithmetic analogue of Szemerédi's celebrated regularity lemma to prove the following strengthening of Roth's theorem in vector spaces. For every $α>0$, $β

研究动机与目标

• 确定在 F_p^n 中密度为 α 的子集包含具有密度至少为 β 的公共差值 d 的三元等差数列的最小维度 nₚ(α, β) 的渐近增长速率。
• 改进 Green 基于算术正则性引理对 Roth 定理在有限域上向量空间中的强化版本。
• 分析 nₚ(α, β) 对 α、β 和 p 的依赖关系，特别是当 β 接近随机界限 α³ 时的情形。
• 在 α 和 β 的不同区域中，建立 nₚ(α, β) 的塔高上下界，使其尽可能紧致。

提出的方法

• 使用 Green 的算术正则性引理分析 F_p^n 中稠密子集的结构，并识别三元等差数列的流行公共差值 d。
• 基于对差值 d 的平均，应用密度增量论证，选择使具有该差值的三元等差数列数量最多的 d。
• 对维度使用递归归纳法，通过沿一个不在超平面中的流行方向 d 进行切片，将问题从 n 降低到 n−1。
• 引入并分析常数层级 r_i、u_i、m_i 和 R_i，以控制迭代构造中维度和密度参数的增长。
• 使用概率与极值组合工具，包括 Lovász 局部引理和修改法，以界定不含 m 维子空间的集合的大小。
• 应用 Schur 不等式并估计集合 A_{p,r} 的大小，以推导 |A_{p,r}| 的下界，并控制连续层级中密度的衰减。

实验结果

研究问题

• RQ1 最小维度 nₚ(α, β) 的渐近增长速率是什么，使得 F_p^n 中任意密度为 α 的子集都包含一个公共差值 d 的三元等差数列，且 d 的密度至少为 β？
• RQ2 nₚ(α, β) 的塔高如何依赖于素数 p 以及参数 α 和 β，特别是在 β 接近随机界限 α³ 时？
• RQ3 能否将流行进度差值所需维度的上下界紧致化，使其仅相差常数和依赖于 p 的加法因子？
• RQ4 根据 α 和 β 的相对大小，极值构型中会出现哪些结构性差异，这些差异如何影响所需维度？
• RQ5 下界中的指数常数 3（即 r(n,m) ≥ N^{1−(m+1)3^{−m}}）是否最优？能否通过更强的密度增量或正则性论证加以改进？

主要发现

• 当 p ≥ 19 且 β = α³/2 时，所需维度 nₚ(α, β) 是一个高度为 Θ((log p) log log(1/α)) 的 2 的幂塔。
• nₚ(α, β) 的塔高在 α 和 β 的不同区域中变化，上下界需采用不同的论证方法。
• 上界构造使用了选择流行差值 d 的密度增量论证，导致维度的递归降低。
• 下界通过一个保持各层密度的递归构造建立，表明塔高在常数和依赖于 p 的加法因子范围内是紧致的。
• 本文证明了 r(n,m)（即 F_3^n 中不含 m 维仿射子空间的最大子集大小）的上界为 r(n,m) ≤ (1+o(1))N^{1−C^{−m}}，其中 C ≈ 13.901。
• 下界构造给出 r(n,m) ≥ N^{1−(m+1)3^{−m}}，表明下界中的指数常数 3 无法通过随机或简单概率方法改进。