Nash's theorem via Günther's trick

技术摘要：通过 Günther 的技巧证明 Nash 定理

问题表述
本文探讨了 John Nash 的光滑嵌入定理，该定理断言任何 $n$ 维黎曼流形 $(\Omega, g)$ 都能光滑等距嵌入到某个足够大的欧几里得空间 $\mathbb{R}^d$ 中。作者 Anton Petrunin 专注于提供一个在可理解性与严谨性之间取得平衡的证明（针对紧流形），同时指出了向非紧情况的归约过程。原 Nash 证明中的核心难点在于，在处理控制等距嵌入的非线性偏微分方程组时，应用牛顿法会产生固有的“导数损失”问题。

方法论与途径
其证明策略不同于 Nash 原本使用的带有精细平滑程序的改进牛顿法。相反，它采用了 Banach 空间内的收缩映射论证，这一技术由 Matthias Günther 发现的一种“神奇方法”所促成，该方法消除了导数损失的问题。本文遵循 Nash 的结构框架，但整合了 Günther 引理来处理小度量扰动的实现。

该方法论通过以下逻辑阶段进行：

1. 近似定理与 Nash 的扭转（Nash's Twist）： 本文首先建立了一个嵌入定理的近似版本。它利用“Nash 的扭转”——一种涉及向圆周映射的复合映射的特定构造——来生成一族诱导度量形式为 $g + t \cdot h$ 的映射 $w_t$。这证明了由光滑映射诱导的度量集合在黎曼度量空间中是稠密的。
2. 向环面扰动的归约： 全局嵌入问题被归约为 $n$ 维环面 $T^n$ 上的局部问题。具体而言，证明将主定理归约为：证明任何与固定度量 $g_0$ 在 $T^n$ 上足够接近的度量 $g$，都可以作为光滑映射的诱导度量。这种归约依赖于 Whitney 嵌入定理和单位分解（partition of unity）论证，从而将环面的结果推广到一般的紧流形。
3. 自由映射与线性化： 引入了一个固定的“自由”光滑嵌入 $f: T^n \to \mathbb{R}^d$。如果一个映射在其每一点处的的一阶和二阶偏导数都线性无关，则称该映射是“自由”的。这一性质使得度量实现的线性化成为可能。诱导度量通过一个对称双线性型 $Q$ 来表示，寻找满足 $Q(f+w, f+w) = g$ 的扰动 $w$ 的问题，被线性化为 $L(w) + Q(w, w) = h$，其中 $L$ 是由 $f$ 导出的线性算子。
4. Nash 引理： 本文证明了线性算子 $L$ 拥有一个保持正则性的右逆 $M$（将 Hölder 空间映射到 Hölder 空间而不损失导数）。这是因为 $f$ 是自由的，从而允许唯一地定义一个满足特定正交条件的法向量场。
5. Günther 引理与收缩： 核心创新在于 Günther 引理，它构造了一个对称双线性型 $\tilde{Q}$，使得 $L(\tilde{Q}(w, w)) = Q(w, w)$。至关重要的是，$\tilde{Q}$ 满足特定的 Hölder 范数估计，使得方程 $w = Mh - \tilde{Q}(w, w)$ 可以通过在 Banach 空间 $C^{2,\alpha}$ 中的收缩映射论证来求解。
6. 平滑与正则性： 为了确保解 $w$ 是光滑的（$C^\infty$）而非仅仅是 Hölder 连续的，证明利用了基于拉普拉斯算子减去单位元的逆算子 $(\Delta - 1)^{-1}$ 的平滑算子。该算子与偏导数交换并增加正则性，从而允许作者将解从 $C^{2,\alpha}$ 提升（bootstrap）到 $C^\infty$。

主要贡献与结果

• Günther 的技巧： 本文详细阐述了 Günther 的方法，该方法用标准的 Banach 空间收缩论证取代了 Nash-Moser 定理中复杂的平滑程序。这简化了证明嵌入定理所需的分析机制。
• 显式界限： 虽然作者指出优化维度 $d$ 并非主要目标，但该论证给出了 $d = 10 \cdot n^4$ 的界限。对于紧曲面，注意到 $d=5$ 是可以实现的。
• 结构分解： 本文系统地将证明分解为可处理的部分：近似定理、向环面的归约、自由映射的性质以及通过 Günther 引理实现的小度量扰动。
• 切向修正： 一个特定的技术贡献是在 $\tilde{Q}$ 的定义中引入了一个切向修正项 $x$。该项关于 $w$ 是二次的，对于满足所需的估计是必要的，且类似于 Ricci 流中 DeTurck 技巧所使用的技术。

意义与主张
本文声称提供了一个强调易读性和严谨性且不牺牲数学深度的 Nash 光滑嵌入定理证明。通过遵循 Nash 的证明结构，但用 Günther 的收缩论证取代非线性方程的求解，作者旨在使熟悉光滑流形和标准分析工具（如 Schauder 估计和 Whitney 嵌入定理，并将后者视为“黑箱”）的读者更容易理解该定理。

作者明确指出，本文并不优化维度界限 $d$，也不声称改进了特定情况下的已知最优界限（如曲面的 $d=5$）。其意义在于证明的教学清晰度，以及展示了 Günther 的方法如何简化了历史上的“导数损失”障碍。本文作为一份精炼的讲义式推导，吸收了其他数学家（Deane Yang, Terence Tao, Ralph Howard）的微小修饰，以使呈现更加流畅。