Smoothness of stabilisers in generic characteristic

技术摘要：一般特征下稳定子的光滑性

问题陈述
本文探讨了正特征下代数群作用中稳定子（中心化子和正规化子）的光滑性问题。众所周知，对于分裂约化群作用在其自身或其李代数上时，元素中心化子在“极好”素数下是光滑的，但这些结果通常依赖于特定的分类或限制性假设。作者旨在将这些发现推广到任意有限展示仿射群概形 $G$ 作用在交换幺环 $R$ 上的有限型分离概形 $X$ 上。具体而言，他们试图证明存在一个阈值素数 $p_0$，使得对于任何特征 $p \ge p_0$ 的代数闭域 $k$，任意闭子概形 $Y \subseteq X_k$ 的中心化子都是光滑的。他们还研究了 $Y$ 的正规化子，指出正规化子的界限可能依赖于 $Y$，而中心化子的界限仅取决于作用的复杂度。

方法论
作者采用了一种新颖的第一阶模型论与计算代数几何相结合的方法，具体包括：

1. 勒夫谢茨原理（The Lefschetz Principle）： 他们利用了模型论中勒夫谢茨原理的一个版本，该原理断言：在特征 0 的代数闭域中为真的第一阶语句，在特征足够大的正特征代数闭域中也为真。
2. 格罗布纳基（Gröbner Basis）技术： 为了应用勒夫谢茨原理，作者必须将几何性质（如光滑性和理想成员关系）表述为环语言（$L_{ring}$）中的第一阶语句。他们通过对有界次数的格罗布纳基进行量化来实现这一点。
3. 复杂度度量： 作者引入了概形、态射和群作用的精确“复杂度”概念。这涉及界定定义理想的多项式次数、余态射中映射的次数以及霍普夫代数中结构映射（余乘法、对极、余单位）的次数。
   • 他们定义了$d$-有界格罗布纳基，并证明了诸如是格罗布纳基、概形的维数以及理想成员关系等性质，可以通过第一阶公式进行编码，且自由变量的数量仅取决于界限 $d$。
   • 他们引入了$G$-复杂度和$(G, \Delta)$-复杂度，以界定群作用与子概形之间的相互作用。

主要贡献与结果
本文确立了以下主要定理：

• 定理 1.1（光滑中心化子）： 设 $G$ 为 $R$-代数群，$X$ 为 $R$ 上有限型分离 $G$-概形。存在一个素数 $p_0$，使得对于任何特征 $p \ge p_0$ 的 $R$-域 $k$，对于每个闭子概形 $Y \subseteq X_k$，中心化子 $C_{G_k}(Y)$ 都是光滑的。关键在于，$p_0$ 仅取决于 $G$ 和 $X$ 的复杂度，而不取决于具体的子概形 $Y$。
• 定理 1.2（光滑正规化子）： 设 $G$ 和 $X$ 如上所述，并设 $Y$ 为 $X$ 的一个特定闭子概形。存在一个素数 $p_1$（依赖于 $Y$），使得对于 $p \ge p_1$，正规化子 $N_{G_k}(Y_k)$ 是光滑的。作者指出，$p_1$ 对 $Y$ 的依赖性是必要的，在一般情况下无法消除。
• 推论 1.3（模）： 对于有限生成投射 $G$-模 $V$，存在一个素数 $p_V$，使得对于 $p \ge p_V$，任意 $k$-子空间 $W \subseteq V_k$ 的中心化子和正规化子都是光滑的。
• 定理 5.2（模 Kostant-Kirillov-Souriau）： 作者将主要结果应用于辛几何。他们证明了对于特征 $p$ 足够大的代数闭域上的代数群 $G$，Kostant-Kirillov-Souriau (KKS) 定理成立：李代数 $\mathfrak{g}^*$ 的对偶分解为辛簇的不交并，其中每个簇是一个余伴随轨。这依赖于这样一个事实：对于大的 $p$，$\mathfrak{g}^*$ 中点的稳定子是光滑的，从而保证了轨映射的可分性。

意义与范围
本文声称是首个成功执行 Schoutens (2000) 所建议的方案的成果，即结合勒夫谢茨原理与格罗布纳基来解决代数几何中关于一般光滑性的特定问题。

• 普遍性： 结果不仅限于仿射情形，还推广到拟射影簇及其他有限型概形。它们适用于环上的任意代数群，而不仅仅是域上的分裂约化群。
• 一致性： 一个重要的发现是，中心化子光滑性的界限在给定的复杂度下对所有闭子概形是一致的，而正规化子则需要依赖于特定子概形的界限。
• 局限性： 作者明确指出，如果没有复杂度界限，结果将失效。他们提供了反例，其中作用不是有界复杂度的（例如涉及弗罗贝尼乌斯扭曲或模的无限不交并），在这些情况下，无论特征如何，稳定子均保持非光滑。
• 应用： 展示的主要应用是将 KKS 定理扩展到大的正特征，提供了泊松簇 $\mathfrak{g}^*$ 到辛余伴随轨的结构分解，这一结果在一般小特征下由于轨映射不可分而失效。

本文并未提出超出这些结构定理直接数学意义之外的新实验应用或未来研究方向。其贡献在于建立了一个稳健的框架，通过模型论和算法代数方法，将光滑性性质从特征 0 转移到大的正特征。