非交换多项式的渐近 Makar-Limanov 秩猜想成立吗？

定理约束的是归一化秩而非精确零点

论文证明了渐近 Makar-Limanov 秩猜想。固定特征为零的代数闭域 k，以及有限多个自由非交换变量中的非常数多项式 f。对每个正整数 n，令 r_f(n) 为在所有 k 上 n 阶矩阵组上取 f(Z_1, ..., Z_d) 的秩的最小值。定理断言：对所有 n 至少为 1，r_f(n)/n 的下确界为零。

分母很关键。该结论不是说 f 的某个矩阵取值恰好为零，也不是说秩在每个规模上都被某个固定常数界住。它说的是：对任意大于零的实数 epsilon，都存在规模 n 和矩阵 Z_1, ..., Z_d 属于 M_n(k)，使得 rank f(Z_1, ..., Z_d) 严格小于 epsilon 乘以 n。每个有限规模上秩为正都是允许的。

论文指出，这恰好确立了 Volcic 记录为猜想 6.1 的断言，该处将其归因于 2017 年在 Bar-Ilan 大学的一次报告。作者还标出同一来源的另一个问题：当 f 在 M_n(k)^d 上非常数时，是否总有 r_f(n) 至多为 1。该问题并未被本定理解决。

精确矩阵零点可能并不存在

引言解释了为什么该猜想用小的归一化秩替代精确零点。对于多项式 1 减去交换子 [x_1, x_2]，I_n 减去 [X, Y] 的迹等于 n，因此在特征为零时不存在矩阵取值等于零。所以精确矩阵零点无法像代数闭域上交换多项式的标量零点那样发挥作用。

当用归一化秩衡量消失时，这一障碍就消失了。令 X_n 为 j 从 1 到 n-1 的 j 乘以 E_{j,j+1} 之和，Y_n 为 j 从 1 到 n-1 的 E_{j+1,j} 之和，直接计算给出 I_n 减去 [X_n, Y_n] 等于 n 乘以 E_{nn}。其秩为 1，因此归一化秩为 1/n，即使精确零点不可能，它也趋于零。

这个例子是论文所述渐近形式的动机。它也澄清了定理给出与未给出什么：下确界为零，但定理没有断言存在有限规模上达到的零点，也没有断言在每个规模上都成立的界。

归约为阿贝尔化为零的二元多项式

证明首先把一般问题归约为规范化的二元形式。引理 2 指出：要么 f 有标量零点，此时 r_f(1) 为零、下确界平凡地为零；要么存在非零标量 c 和非常数多项式 h，等于 c^{-1} f(xy, xy^2, ..., xy^d)，属于 k<x, y>，可写成 h = 1 + g，其中 g 非零且阿贝尔化为零。

把 x_i 送到 xy^i 的替换是单射，且 g 的支撑中每个字都同时含有两个字母。若 D 是 h 的次数，A 和 M 是这种字中 x 和 y 的最大个数，则 A 和 M 都介于 1 与 D-1 之间。该归约还给出一个秩恒等式：对所有 n 阶矩阵 X 和 Y，h(X, Y) 的秩等于 f(XY, XY^2, ..., XY^d) 的秩。

论文强调，这种见证的转移不需要该替换在矩阵组上是满射。规范化多项式 h = 1 + g 连同整数 D、A、M 随后被固定，用于符号构造。把 g 按 y 的精确个数 k 分组写成各部分 h_k 之和，某些 h_k 可能为零，但 h_M 不为零。

双导子符号代数给出有限精度解

核心构造发生在一个符号代数 S_p(F) 中，它由格 L_p 等于 p^{-1} Z 上的形式和在 a_r D^r 组成，且支撑有上界。该代数带有两个在 k 上为零的交换导子 delta 和 eta，一个由 j 求和 Delta^j(U) delta^j(V) 除以 j! 定义的乘积 star，以及一个阶函数 ord。引理 3 证明该乘积有单位元且结合，k 是中心的，且 ord(U star V) 至多为 ord U 加 ord V。

引理 4 表明，对有理数 c，可以把系数域扩张为一个交换微分域，其中含有非零 e，满足 delta e 等于零、eta e 等于 c e。在包含 c 的格上，符号 e D^{-c} 是中心且可逆的，用它做 star 乘积的乘法就是普通乘法。这正是构造能够平移斜率而不失去控制的原因。

引理 5 证明，对 k<x, y> 中每个非零 f，一般符号 f(D, v) 非零。在额外假设下——f 的每个字都含 x、恰好含 k_0 个至少为 1 的 y、且至多含 A_0 个 x——它给出阶下界 ord f(D, v) 至少为 1 减去 A_0 k_0。这个界是后续控制每个修正步骤能达到多少精度的定量输入。

因子轨道估计约束分母并保证终止

摘要和引言把因子轨道估计描述为约束修正指数分母、并证明在每个指定精度上有限终止的步骤。引言把这一步定位在第 5 节，其中关于单位根下不可约因子的轨道估计控制这些分母。

这一机制把无限符号构造变成能在有限步内达到任意指定精度的构造。论文的证明策略是先构造精度递增的解，再将其转换为矩阵取值，因此在每个精度上终止是后续实现与下降得以进行的前提。

摘要中该估计被表述为约束分母并证明在每个指定精度上有限终止。证据包没有给出轨道估计本身的数值常数，因此读者应把该界视为结构性保证，而非某个具体数值阈值。

泰勒与正规序实现，再压缩并下降到 k

符号解构造完成后，论文用泰勒映射和正规序把符号实现为支撑受控的无限矩阵。有限压缩随后把误差限制在边界行和列上，从而可以从无限矩阵图像中读出有限秩条件。

最后一步把得到的有限秩条件下降到 k。定理 1 的证明把这些片段组装起来：对正整数 T，命题 10 提供域 F_T、规模 p_T 和符号 Z_T；命题 12 以 U 等于 D、V 等于 Z_T、H 等于 h、R 等于 A、S 等于 T 应用。这给出 F_T 上规模 n_T 等于 p_T T^2 的矩阵，使 h 的秩至多为 q_T 等于 4 D A p_T T。

令 r_T 为 n_T 与 q_T 的最小值，引理 13 随后给出 k 上规模 n_T 的矩阵 X'_T 和 Y'_T，使 h(X'_T, Y'_T) 的秩至多为 r_T，从而至多为 4 D A p_T T。论文强调，只有这个有限秩条件被下降；微分域及其符号方程不必下降。

对 1 至多 i 至多 d，证明令 W_{i,T} 等于 X'_T (Y'_T)^i。这些是原最小值中允许的矩阵，引理 2 给出 0 至多 r_f(n_T)/n_T 至多 rank f(W_{1,T}, ..., W_{d,T})/n_T 等于 rank h(X'_T, Y'_T)/n_T 至多 4 D A / T。由于 D 和 A 只依赖于固定输入及其归约，选择 T 大于 4 D A / epsilon 就使该比值对任意正 epsilon 小于 epsilon。

下确界为零，但有限规模行为仍未定

该定理是关于所有正规模上下确界的渐近陈述。它允许每个有限规模上秩为正，也不断言存在有限规模上达到的零点或在每个规模上都成立的界。论文在定理 1 之后的讨论中明确说明了这一点。

论文还记录了 Volcic 提出的另一个问题：当 f 在 M_n(k)^d 上非常数时，是否总有 r_f(n) 至多为 1。作者表明该问题在 n 等于 3 时就已经不成立。他们令 p(x, y) 等于 [x, [y, x][x, [y, x]^2]]，f(x, y) 等于 1 加 p(x, y)。对任意 3 阶矩阵 X 和 Y，记 P 为 p(X, Y)，则 P 的迹与 P^2 的迹都为零，且符号计算表明 P^3 等于 det(P) 乘以 I_3。于是 P 的特征值为 c、c omega、c omega^2，其中 c 属于 k，omega 为本原三次单位根，因此至多一个特征值等于负 1，I_3 加 P 的秩至少为 2。

论文给出了显式矩阵 X_0 和 Y_0，直接计算得到 p(X_0, Y_0) 等于一个展示的 3 阶矩阵，其加上 I_3 后的秩为 2。由于 p(0, 0) 为零，f 在 M_3(k)^2 上非常数，这表明 r_f(3) 等于 2。这个反例针对的是另一个有限规模问题，而非渐近猜想，这一区分是论文自身的。

证明附有 Lean 4 形式化

论文报告了使用 Mathlib 对定理 1 的 Lean 4 形式化。形式化陈述对代数闭且特征为零的域 K、自然数 d，以及 d 个变量中的每个非常数自由多项式 f 进行量化，结论是：存在正 n 使 r 等于 f 在 n 处的最小秩除以 n 的实数 r 所成集合的下确界为零。

论文指出，主定理只使用 Lean 的标准公理 propext、Classical.choice 和 Quot.sound，没有 sorry，也没有额外公理。作者还声明，主要结果是通过与人工智能代理系统 MechMath Agent Team 的交互获得的，GPT-6 Astra 被用于协助探索证明策略和修改表述，作者对全部证明、数学细节和正确性承担全部责任。

对权衡该结果的读者而言，形式化是对所述证明的检查，而不是新数学内容的独立来源。AI 协助声明是关于工作如何完成的披露，而不是对定理适用范围的限制。

重点在渐近阈值而非固定秩界

论文的核心贡献是一个阈值陈述：对代数闭且特征为零的域上每个非常数自由多项式，通过选择足够大的矩阵规模，可以把归一化秩压到任意正 epsilon 以下。证明的定量抓手是界 4 D A / T，其中 D 和 A 来自规范化二元归约，T 是选择为大于 4 D A / epsilon 的精度参数。

论文中最有用的比较是这个渐近阈值与另一个有限规模问题之间的比较。定理未解决当 f 在 M_n(k)^d 上非常数时是否总有 r_f(n) 至多为 1，而论文自己的反例表明对某个特定 f 有 r_f(3) 等于 2。因此读者不应把渐近结果读成每个规模上一致的小秩界。

第二个值得记住的比较是精确零点与归一化秩之间的比较。多项式 1 减去 [x_1, x_2] 没有精确矩阵零点，但在展示的矩阵处其归一化秩为 1/n。定理的价值恰恰在于这种替代：它表明渐近消失现象是普遍的，而 r_f(n) 的有限规模行为仍是一个独立且部分开放的问题。

本文引用的文献