Recovering Kodaira types from $\ell$-torsion on elliptic curves

Sintesi Tecnica: Recupero dei Tipi di Kodaira dai $\ell$-torsione su Curve Ellittiche

Enunciato del Problema
Il classico criterio di Néron-Ogg-Shafarevich caratterizza la riduzione buona di una curva ellittica $E$ su un campo $\ell$-adico $K$ tramite l'azione dell'inerzia sul modulo di Tate $\ell$-adico $T_\ell(E)$. Tuttavia, questo criterio presenta dei limiti per quanto riguarda la classificazione più fine dei tipi di riduzione. In particolare, l'azione dell'inerzia sul gruppo finito $E[\ell]$ è insufficiente per distinguere tra riduzione potenzialmente buona e potenzialmente moltiplicativa. Inoltre, l'azione sul modulo di Tate completo $T_\ell(E)$ non determina generalmente il tipo specifico di Kodaira della fibra speciale. Sebbene l'algoritmo di Tate possa determinare il tipo di Kodaira partendo da un'equazione di Weierstrass, ciò richiede il passaggio a un modello minimale. I metodi esistenti per le caratteristiche residue 2 e 3 (ad esempio, quelli di Kraus e Papadopoulos) si basano anch'essi sulle valutazioni di invarianti derivati da modelli minimali. Il problema centrale affrontato è se i punti $\ell$-torsione $E[\ell]$, dotati di struttura aggiuntiva, possano determinare il tipo di Kodaira senza richiedere un modello minimale o il modulo di Tate completo.

Metodologia
Il lavoro introduce una struttura geometrica sull'insieme delle coordinate $x$ dei punti di $\ell$-torsione non banali, indicato con $X_\ell = \{x(P) \mid P \in E[\ell] \setminus \{O_E\}\}$. Questo insieme è dotato di una funzione di distanza non archimediana $d(x_1, x_2) = v_K(x_1 - x_2)$, indotta dalla valutazione del campo locale $K$.

Lo strumento principale è l'immagine dei cluster $\ell$-torsione ( $\ell$-torsion cluster picture), un adattamento della "standard cluster picture" (sviluppata da Dokchitser et al. per curve iperellittiche) applicata alle radici del polinomio di divisione $\ell$ di una curva ellittica. Questa struttura registra le distanze non archimediane tra i punti di $X_\ell$ e li organizza in cluster annidati basati sulla loro prossimità.

La metodologia procede in tre fasi:

1. Analisi della Forma dei Cluster: Il lavoro stabilisce che la forma dell'immagine dei cluster (la disposizione combinatoria dei cluster annidati) è invariante rispetto a cambiamenti ammissibili delle coordinate di Weierstrass. Questa forma distingue tra due casi fondamentali:
   • Riduzione Potenzialmente Buona: Tutti i punti in $X_\ell$ sono equidistanti (un singolo cluster).
   • Riduzione Potenzialmente Moltiplicativa: I punti formano una sequenza strettamente annidata di sottocluster.
2. Calcolo delle Distanze su Modelli Minimali: L'autore calcola le profondità assolute e relative di questi cluster per modelli di Weierstrass minimali in entrambi gli scenari di riduzione buona e moltiplicativa. Ciò comporta il relazionare le profondità dei cluster con la valutazione del discriminante minimale $\Delta_{\min}$ e del conduttore $N$.
3. Ricostruzione del Tipo di Kodaira: Combinando la forma invariante con i valori specifici delle distanze (profondità), il lavoro deriva formule esplicite per recuperare il tipo di Kodaira. Per la caratteristica residua $p \geq 5$, le sole distanze sono sufficienti. Per $p=2,3$, le distanze, insieme all'azione dell'inerzia su $E[\ell]$, sono necessarie per risolvere le ambiguità (specificamente per distinguere tra riduzione moltiplicativa e additiva moltiplicativa, come i tipi $I_n$ e $I_n^*$).

Contributi Chiave e Risultati

• Teorema 1.1 (Tipo di Riduzione Potenziale): Il lavoro dimostra che la disposizione dei punti in $X_\ell$ determina se $E$ ha una riduzione potenzialmente buona o potenzialmente moltiplicativa. Nello specifico, $E$ ha riduzione potenzialmente buona se e solo se i punti di $X_\ell$ sono equidistanti; altrimenti, ha riduzione potenzialmente moltiplicativa.
• Teorema 1.2 (Recupero del Tipo di Kodaira):
  • Per la caratteristica residua $p \geq 5$, le distanze tra i punti in $X_\ell$ determinano univocamente il tipo di Kodaira della fibra speciale.
  • Per $p=2,3$, le distanze insieme al modulo di inerzia $E[\ell]$ determinano il tipo di Kodaira, a condizione che $E$ non abbia una riduzione potenzialmente buona di tipo $I_n^*$.
• Teorema 1.4 (Classificazione Esplicita): Questo teorema fornisce l'algoritmo esplicito per il recupero del tipo di Kodaira:
  • Caso Potenzialmente Buono: Se i punti sono equidistanti con distanza $d$, il tipo di Kodaira è determinato da $6d - \eta \pmod{12}$, dove $\eta$ dipende dalla valutazione del conduttore.
  • Caso Potenzialmente Moltiplicativo: Se i punti non sono equidistanti, siano $d_0$ e $d_1$ le due più piccole distanze distinte; la differenza $\delta_1 = d_1 - d_0$ si relaziona all'intero $n$ nel tipo di Kodaira $I_n$ o $I_n^*$ tramite $\delta_1 = n/\ell$.
    • Per $p \neq 2$, la parità della profondità assoluta $d_0$ distingue tra $I_n$ (pari) e $I_n^*$ (dispari).
    • Per $p=2$, distinguere tra $I_n$ e $I_n^*$ richiede l'analisi dell'azione dell'inerzia su $E[\ell]$ per rilevare elementi non unipotenti, e la valutazione del differente dell'estensione semistabile viene utilizzata per calcolare $n$ per il tipo $I_n^*$.

Significato
Il lavoro dimostra che i punti $\ell$-torsione $E[\ell]$, quando visti come uno spazio metrico tramite le loro coordinate $x$, contengono informazioni aritmetiche sufficienti per recuperare il tipo di Kodaira di una curva ellittica. Questo risultato offre un vantaggio significativo rispetto agli approcci classici:

1. Indipendenza dal Modello: Le distanze della $\ell$-torsione possono essere calcolate direttamente da un arbitrario modello di Weierstrass, evitando la necessità di calcolare prima un modello minimale o un discriminante minimale.
2. Raffinamento dell'Azione dell'Inerzia: Mentre il classico criterio di Néron-Ogg-Shafarevich si basa sull'azione sul modulo di Tate infinito, questo lavoro mostra che il gruppo finito $E[\ell]$, integrato con i dati metrici, svolge un ruolo simile nel rilevare i tipi di riduzione.
3. Estensione alle Piccole Caratteristiche: Il lavoro affronta i casi difficili delle caratteristiche residue 2 e 3, dove gli invarianti standard spesso falliscono nel distinguere i tipi di riduzione senza modelli minimali, integrando l'azione dell'inerzia sul gruppo di torsione finito.

Il lavoro parallelizza l'utilità delle classiche immagini dei cluster nello studio delle curve iperellittiche, estendendo questi strumenti combinatorio-aritmetici al contesto specifico della riduzione delle curve ellittiche.