有限多个子空间之和的维数亏损如何分解？

为什么普通容斥在两个以上子空间失效

经典 Grassmann 公式精确处理两个子空间：dim(V1 + V2) = dim(V1) + dim(V2) − dim(V1 ∩ V2)，它度量重叠造成的维数损失。对三个或更多子空间，用普通交集维数交替相减得到的直接容斥类比失效，因为子空间格是模格但一般不是分配格。对子空间 U、V、W，交集 U ∩ (V + W) 未必等于 (U ∩ V) + (U ∩ W)。因此一个子空间可以与 V 和 W 都平凡相交，却与它们的和非平凡相交，这种重叠是普通容斥看不到的。

论文贯穿全文的例子把这一点具体化。取 V = F²，标准基为 {e1, e2}，以及三条不同直线 V1 = span{e1}、V2 = span{e2}、V3 = span{e1 + e2}。每一对交集都是 {0}，但对 (1, 2, 3) 的每个排列 (i, j, k) 都有 Vi ∩ (Vj + Vk) = Vi。对称公式于是给出 dim(V1 + V2 + V3) = 3 − (1/3)(1 + 1 + 1) = 2，恰好补回两两容斥遗漏的信息。

求和的对称非递归公式

论文的第一个主要结果是一个对称、非递归的 Grassmann 型公式。把两子空间 Grassmann 公式的有序形式对全部 n! 个排序取平均，得到 dim(Σ Vi) = Σ dim(Vi) − Σ Σ c_{n,|S|+1} dim(Vi ∩ Σ_{j∈S} Vj)，其中内层求和遍历非空 S ⊆ [n] \ {i}，且 c_{n,k} = (1/k) / C(n, k)。每个修正项记录一个被选定子空间中已包含在其余子空间某个部分和里的部分，其系数只取决于该和涉及的子空间个数。无需对更少子空间的公式做递归调用，且表达式在重新标号下不变。

这些系数恰好是 Shapley 系数 |S|!(n − |S| − 1)!/n!，因此该公式是秩函数 r(S) = dim(Σ_{i∈S} Vi) 的 Shapley 效率恒等式，而 r 是线性可表示整值多拟阵的秩函数。当 n = 2 时公式退化为经典 Grassmann 恒等式。当 n = 3 时它给出 dim(V1 + V2 + V3) = Σ dim(Vi) − (1/3) Σ_{i<j} dim(Vi ∩ Vj) − (1/3) Σ_i dim(Vi ∩ Σ_{j≠i} Vj)，其中第一个修正记录两两重叠，第二个捕捉真正非分配的现象。

加权排序与交集的对偶公式

均匀平均并非该恒等式的必要条件。排序上的任意概率分布 μ 都能产生一个有效但一般不对称的 Grassmann 型展开，其中每个交集项 dim(Vi ∩ Σ_{j∈S} Vj) 由恰好 S 中元素排在 i 之前的概率 p_μ(i, S) 加权。均匀分布是标准的标号对称选择，可还原对称公式。一个算例取 V = F²、V1 = span{e1}、V2 = V，排序概率为 3/4 和 1/4，得到 dim(V1 + V2) = 1 + 2 − (3/4)(1) − (1/4)(1) = 2：权重把 V1 和 V2 的平均贡献分别变为 3/4 和 5/4，而它们的和仍为 2。

转到零化子可得到交集的对偶对应式：dim(∩ Vi) = Σ dim(Vi) − Σ Σ c_{n,|S|+1} dim(Vi + ∩_{j∈S} Vj)。证明把对称公式应用于代数对偶 V∨ 中的零化子 V1°、…、Vn°，利用 (Σ_{i∈S} Vi)° = ∩_{i∈S} Vi° 以及 dim(U°) = dim(V) − dim(U)。双重修正项中所有系数之和等于 n − 1，因此环境维数项相互抵消。当 n = 2 时它同样退化为经典 Grassmann 恒等式。

亏损剖面随参与子空间数单调

定义维数亏损 def(V1, …, Vn) = Σ dim(Vi) − dim(Σ Vi)。把对称公式的修正项按参与子空间个数分组，得到规范分解 def = Σ_{k=2}^{n} Ak，其中 Ak 是一个被选定子空间与其余 k − 1 个子空间之和的平均重叠，遍历所有此类选择。论文证明该剖面非递减：A2 ≤ A3 ≤ … ≤ An。这里 A2 是平均两两交集维数，而 An 是一个被选定子空间与其余子空间之和的交集的平均维数。

这些层级以参与子空间个数为指标，但并不隔离恰好涉及那么多个子空间的交互，因为更少子空间之间的重叠也可能在更高层级上贡献。相邻差 Bk = Ak+1 − Ak（2 ≤ k ≤ n − 1）细化了这一层级。记 Rk 为均匀选取的 k 个子空间之和的平均维数（R0 = 0），Δk = Rk − Rk−1，论文证明 Ak = R1 − Δk 且 Bk = Δk − Δk+1。因此 Δk 是所选子空间个数从 k − 1 增至 k 时贡献的平均边际维数，Ak 度量它相对第一步的损失，而 Bk = 2Rk − Rk−1 − Rk+1 度量平均秩剖面的离散曲率，该剖面是离散凹的。

端点界与公共核等式条件

该分解与单调性给出双侧界 (n − 1)A2 ≤ def(V1, …, Vn) ≤ (n − 1)An，相邻差则给出两个估计的精确余项公式。论文刻画了达到任一端点界的子空间组态：令 D = ∩_{i∈[n]} Vi，任一端点界取等号当且仅当商子空间 Vi/D 在 V/D 中构成内直和。这一公共核刻画识别出那些其相关性完全由共同交集解释的组态。零化子给出交集的平行层级。

Kinser 松弛分解为商维数并还原曲率

Ingleton 不等式与 Kinser 不等式在线性可表示多拟阵上施加了超出子模性的约束。论文给出 Kinser 松弛的精确几何分解：保留 Kinser 证明中的非负余项，可把该松弛表示为若干显式商维数之和，并给出取等号的充要几何条件。该分解与 Friedman 和 Tootooni 通过失协调研究分配律失效的工作相关。

这一几何分解与亏损曲率相联系。对所有排序取平均，Kinser 松弛等于 (n − 2)B2。更一般地，对 k − 2 个选定子空间之和取商，并对所有此类选择及剩余子空间的所有排序取平均，得到 (n − k)Bk，其中 2 ≤ k ≤ n − 2。因此对这些 k，Bk = 0 当且仅当每个这样的有序商组态都使相应的 Kinser 不等式取等号。由于每个收缩后的 Kinser 松弛都非负，平均值消失只能当每个加项都单独消失，所以 Bk = 0 迫使每个收缩排序都取等号，而不只是在平均意义上。最后一个间隙 Bn−1 在这一收缩层级中没有对应物，因为 Kinser 层级从四个子空间开始。因此完全对称化只还原子模曲率 Bk ≥ 0，不产生新的对称不等式；与可表示性相关的信息仍保留在单个有序松弛中。

熵类比把亏损层级写成互信息

平均秩恒等式有一个信息论对应物。对任意有限值随机变量，Ak 和 Bk 的熵类比分别是互信息和条件互信息的平均：AH_k = c_{n,k} Σ_{|T|=k} Σ_{i∈T} I(Xi; X_{T\{i}})，以及 BH_k = (c_{n,k}/(n − k)) Σ_i Σ_{|S|=k−1} Σ_{j∉S∪{i}} I(Xi; Xj | XS)。把 Ak 的熵类比对 k 求和得到总相关 Σ H(Xi) − H(X1, …, Xn)，且平均熵剖面是离散凹的。

对元素个数为 q 的有限域 Fq 上的线性源，熵类比恰好是 Ak log q 和 Bk log q。构造取 Z 在 Fq^d 上均匀随机，选取行空间为 Vi 的矩阵 Gi，并令 Xi = GiZ；于是 H(XS) = dim(Σ_{i∈S} Vi) log q。对任意有限值随机变量的恒等式即使不存在这样的线性表示也仍然成立。

最后曲率捕捉收缩层级遗漏的相关性

论文自己的例子把两个层级清楚分开。对 n ≥ 4，取 e1、…、e_{n−1} 为 F^{n−1} 的标准基，令 Vi = span{ei}（1 ≤ i ≤ n − 1），Vn = span{e1 + ⋯ + e_{n−1}}。这些直线的每个真子选择都线性无关，而全选择秩为 n − 1。于是 Rk = min{k, n − 1}，A2 = ⋯ = A_{n−1} = 0，An = 1，且 B2 = ⋯ = B_{n−2} = 0 而 B_{n−1} = 1。平均恒等式中出现的每个收缩 Kinser 松弛都消失，尽管总维数亏损为 1。

这是论文中最具判断价值的区分。平均 Kinser 恒等式只在 2 ≤ k ≤ n − 2 时还原 Bk；最后的曲率 Bn−1 落在收缩构造之外，而该组态的相关性恰恰在这里显现。因此，把对称亏损量与可表示性相关的线性秩不等式作比较的读者，应把 Bn−1 视为平均 Kinser 层级看不到的那一层，并在需要额外可表示性信息时查看单个有序松弛而非其对称化。论文也指出，其结果描述的是几何松弛与 Kinser 层级的对称分量，而非解决线性秩不等式的完备性问题。

本文引用的文献