A Matrix Rank Formula for Vector Bundles of Vertex Operator Algebra Coinvariants and Conformal Blocks

这是一篇关于顶点算子代数（VOA）在稳定点曲线模空间上定义的**不变量向量丛（Vector Bundles of Coinvariants）及其对偶共形块（Conformal Blocks）**秩的计算公式的学术论文。作者 Xiangrui Luo 提出了一种基于矩阵运算的新方法，统一并推广了现有的融合矩阵（Fusion Matrices）和平均矩阵（Averaging Matrices）理论。

以下是对该论文的详细技术总结：

1. 研究背景与问题 (Problem)

• 核心对象：给定一个强有理（Strongly Rational）的顶点算子代数 $V$ 和一组容许模（Admissible Modules）$\{W_1, \dots, W_n\}$，在亏格为 $g$、标记点为 $n$ 的稳定曲线模空间 $\mathcal{M}_{g,n}$ 上，可以构造一个向量丛，称为不变量向量丛 $\mathcal{V}_{g,n}(V, \{W_\bullet\})$。
• 研究动机：
  • 计算该向量丛的**秩（Rank）**是理解其几何性质的关键。秩不仅是一个重要的不变量，还是计算陈类（Chern Classes）的基础。
  • 在亏格为 0 时，秩编码了融合规则（Fusion Rules）。
  • 对于仿射李代数相关的 VOA，秩由著名的Verlinde 公式给出。然而，对于更一般的 VOA（如 Virasoro VOA、点状 VOA 等），缺乏统一的闭式秩公式。
  • 现有的因子分解定理（Factorization Theorem）虽然提供了递归算法，但往往缺乏显式的闭式解，且难以直接处理陈类的正性（Positivity）问题。

2. 方法论 (Methodology)

作者引入了一种新的代数工具——FA-矩阵（FA-matrices），将几何上的秩计算问题转化为线性代数中的矩阵运算问题。

• FA-矩阵的定义：
  设 $V$ 是强有理 VOA，$\{W_1, \dots, W_l\}$ 是其所有不可约模的同构类集合。对于给定的模序列 $S_\bullet$ 和亏格 $g$，定义 $l \times l$ 矩阵 $R_{S_\bullet, g}$，其 $(i, j)$ 元素为：
  $$(R_{S_\bullet, g})_{i,j} = \text{rank} \mathcal{V}_{g, n+2}(V, \{S_\bullet, W_i, W'_j\})$$
  其中 $W'_j$ 是 $W_j$ 的对偶模。

• 核心性质：

  1. 统一性：FA-矩阵统一了融合矩阵（Genus 0 下单个模的情况）和 Ueno 定义的平均矩阵（Genus 1 的情况）。
  2. 乘法性质：FA-矩阵的乘法对应于几何上的因子分解定理（Factorization Theorem）。具体而言，两个 FA-矩阵的乘积对应于在节点曲线（Nodal Curves）上应用因子分解，将亏格 $g_1$ 和 $g_2$ 的曲线粘合为 $g_1+g_2$。
  3. 迹性质：FA-矩阵的迹（Trace）对应于亏格增加 1 时的秩计算（即 $\text{Tr}(R_{S_\bullet, g}) = \text{rank} \mathcal{V}_{g+1, n}$）。
  4. 张量积性质：两个 VOA 张量积的 FA-矩阵等于各自 FA-矩阵的 Kronecker 积。

• 形式化框架：
  作者首先在抽象的集合论框架下定义了“形式 FA-矩阵”和“形式因子分解性质”，证明了这些性质等价于一个闭式的矩阵秩公式（Matrix Rank Formula）。随后将该框架应用于具体的 VOA 向量丛。

3. 主要贡献与结果 (Key Contributions & Results)

A. 通用秩公式 (The Matrix Rank Formula)

这是论文的核心定理（Theorem 1 / Theorem 5.7）。对于强有理 VOA $V$ 和不可约模序列 $S_\bullet = (S_1, \dots, S_n)$，向量丛的秩由以下矩阵乘积给出：

• 带额外模的情况：
  $$\text{rank} \mathcal{V}_{g, n+2}(V, \{S_\bullet, W_i, W'_j\}) = \left( \prod_{k=1}^n R_{S_k, 0} \cdot R_{V, 1}^g \right)_{i,j}$$
  其中 $R_{S_k, 0}$ 是融合矩阵，$R_{V, 1}$ 是平均矩阵。

• 一般情况（$g \ge 1$）：
  $$\text{rank} \mathcal{V}_{g, n}(V, \{S_\bullet\}) = \text{Tr} \left( \prod_{k=1}^n R_{S_k, 0} \cdot R_{V, 1}^{g-1} \right)$$

这一公式将复杂的几何秩计算简化为有限维矩阵的乘法和求迹运算，适用于所有满足因子分解定理的 VOA。

B. 张量积 VOA 的秩与陈类

• 秩的乘积性：证明了对于两个 VOA $V_1, V_2$，其张量积 $V_1 \otimes V_2$ 的不变量丛秩等于各自秩的乘积：
  $$\text{rank} \mathcal{V}_{g,n}(V_1 \otimes V_2, \{S_\bullet \otimes T_\bullet\}) = \text{rank} \mathcal{V}_{g,n}(V_1, \{S_\bullet\}) \cdot \text{rank} \mathcal{V}_{g,n}(V_2, \{T_\bullet\})$$
• 陈类公式：进一步证明了其第一陈类（即共形块除子）满足类似的线性组合关系，这为研究张量积 VOA 的几何性质提供了便利。

C. 点状 VOA (Pointed VOAs) 的应用

• 秩公式简化：对于点状 VOA（其融合环为群环 $\mathbb{Z}[G]$），秩公式简化为：
  $$\text{rank} \mathcal{V}_{g,n}(V, \{W_{x_1}, \dots, W_{x_n}\}) = |G|^g \cdot \delta_{\prod x_i, e}$$
  即当标记点模的乘积在群 $G$ 中为单位元 $e$ 时，秩为 $|G|^g$，否则为 0。
• F-非负性（F-nefness）分析：利用上述公式，作者分析了共形块除子的正性。证明了对于点状 VOA，在 $g \ge 3$ 时测试 F-nef 性可以简化为在 $g=3$ 时测试；若 VOA 是幺正的，则简化为 $g=2$。这极大地降低了验证除子正性的难度。

D. 对称除子与二阶模

• 研究了在 $\mathcal{M}_{0,n}$ 上所有标记点赋予相同二阶模（Order 2 module，即 $W \boxtimes W \cong V$）的情况。
• 证明了此类向量丛要么是线丛，要么是零丛。
• 正性判据：除子 $D_{0,n}(V, \{W^n\})$ 是 nef 的当且仅当该模的共形权重 $a_W \ge 0$。

E. Virasoro VOA 的具体计算

• 针对离散级数（Discrete Series）中的 Virasoro VOA，作者计算了具体的 FA-矩阵。
• 发现某些秩的生成函数可以用**连分数（Continued Fractions）**表示，并展示了其对称性。
• 给出了 Yang-Lee 模型（$V_{2,5}$）等具体例子的斐波那契数列秩公式。

4. 意义与影响 (Significance)

1. 统一框架：该论文提出的 FA-矩阵方法提供了一个统一的代数框架，将 Verlinde 公式、Ueno 的平均矩阵以及 Gao-Liu 等人的工作统一起来，并推广到更广泛的 VOA 类别。
2. 计算效率：将递归的几何因子分解转化为直接的矩阵乘法，使得计算任意亏格和任意模组合的秩变得高效且易于实现（特别是对于计算机代数系统）。
3. 几何正性研究：通过显式的秩公式，作者能够系统地分析共形块除子的正性（Nefness/F-nefness），这是研究模空间 $\mathcal{M}_{g,n}$ 上除子锥（Cone of Divisors）的关键步骤。
4. 新工具：引入的“形式 FA-矩阵”和“形式因子分解性质”为未来研究其他代数结构在模空间上的表现提供了新的数学工具。
5. 具体应用：论文不仅给出了理论公式，还详细计算了 Virasoro、仿射李代数、点状 VOA 以及张量积 VOA 的具体实例，验证了理论的实用性。

综上所述，Xiangrui Luo 的这项工作通过引入矩阵秩公式，极大地推进了对顶点算子代数共形块向量丛几何性质的理解，特别是在秩的显式计算和正性分析方面取得了突破性进展。