Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
関数等式と双対性
Search
Naoya Umezaki
October 20, 2019
Science
900
1
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
関数等式と双対性
ロマンティック数学ナイトプライム@ゼータでの発表
https://mathparty.localinfo.jp/
Naoya Umezaki
October 20, 2019
More Decks by Naoya Umezaki
See All by Naoya Umezaki
証明支援系LEANに入門しよう
unaoya
2
4.9k
ミケル点とべズーの定理
unaoya
0
1.2k
すうがく徒のつどい@オンライン「ラマヌジャンのデルタ」
unaoya
0
830
合同式と幾何学
unaoya
0
2.3k
すうがく徒のつどい@オンライン「ヴェイユ予想とl進層のフーリエ変換」
unaoya
0
990
Egisonパターンマッチによる彩色
unaoya
1
680
直交多項式と表現論
unaoya
0
1k
導来代数幾何入門
unaoya
0
1.3k
作図と対称性
unaoya
0
310
Other Decks in Science
See All in Science
機械学習 - K近傍法 & 機械学習のお作法
trycycle
PRO
1
1.6k
AI for Phage-Host prediction
michielstock
0
120
社内で活躍できるデータサイエンティストになるために
aikinohara
1
160
Kritische evaluatie van GenAI-output voor literatuuronderzoek
voginip
0
230
サンプル対応のない複数遺伝子発現プロファイルに対するテンソル分解型統合解析の要約
tagtag
PRO
0
250
データベース12: 正規化(2/2) - データ従属性に基づく正規化
trycycle
PRO
0
1.7k
「遂行理論の未来」(松島斉教授最終講義記念セッションの発表資料)
shunyanoda
0
990
Non-Gaussian, nonlinear causal discovery with hidden variables and application
sshimizu2006
0
180
明治薬科大学講義_ビッグデータ解析を支えるデータベース技術とクラウドコンピューティング
ktatsuya
1
170
データベース06: SQL (3/3) 副問い合わせ
trycycle
PRO
1
1.1k
Inside the Mind of an LLM
baggiponte
0
240
人生を変えた一冊「独学大全」のはなし / Self-study ENCYCLOPEDIA: The Book Which Change My Life #独学大全 #EM推し本
expajp
0
200
Featured
See All Featured
エンジニアに許された特別な時間の終わり
watany
108
250k
Code Review Best Practice
trishagee
74
20k
Designing for Timeless Needs
cassininazir
1
470
Unlocking the hidden potential of vector embeddings in international SEO
frankvandijk
0
920
Gemini Prompt Engineering: Practical Techniques for Tangible AI Outcomes
mfonobong
2
510
Fashionably flexible responsive web design (full day workshop)
malarkey
408
67k
Bioeconomy Workshop: Dr. Julius Ecuru, Opportunities for a Bioeconomy in West Africa
akademiya2063
PRO
1
340
Why Your Marketing Sucks and What You Can Do About It - Sophie Logan
marketingsoph
0
400
Let's Do A Bunch of Simple Stuff to Make Websites Faster
chriscoyier
508
140k
Fantastic passwords and where to find them - at NoRuKo
philnash
52
3.8k
Utilizing Notion as your number one productivity tool
mfonobong
4
570
Why You Should Never Use an ORM
jnunemaker
PRO
61
10k
Transcript
ؔࣜͱରੑ ക࡚@unaoya 2019 10 ݄ 20 ϩϚϯςΟοΫֶφΠτϓϥΠϜˏθʔλ 1
Riemann ζ ζ(s) = ∞ n=1 n−s = p (1
− p−s)−1 ˆ ζ(s) = π−s/2Γ( s 2 )ζ(s) ͱ͓͘ͱɺؔࣜ ˆ ζ(s) = ˆ ζ(1 − s) ཱ͕ɻFourier มʢPoisson ެࣜʣΛ༻͍ͯࣔͤΔɻ 2
Dirichlet L ಋख f ͷ Dirhchlet ࢦඪ χ : Z
→ C χ(nm) = χ(n)χ(m)ɺn ͕ f ͱޓ͍ʹૉͳΒ χ(n) = 0ɻ Legendre ه߸ͳͲ͕ྫɻ L(χ, s) = ∞ n=1 χ(n)n−s = p (1 − χ(p)p−s)−1 શͯͷ n Ͱ χ(n) = 1 ͱ͢Δͱ Riemann ζ L(1, s) = ∞ n=1 n−s = p (1 − p−s)−1 3
ؔࣜ ˆ L(χ, s) = f s/2 χ Γ(χ, s)L(s,
χ) ͱ͢Δɻf1 = 1, Γ(s, 1) = π−s/2Γ(s) Ͱ͋Δɻ ˆ L(χ, 1 − s) = W (χ)ˆ L(χ, s) ิਖ਼߲ W (χ) ͕ଘࡏ͢ΔɻFourier มʢPoisson ެࣜʣΛ༻͍ ͯࣔͤΔɻ 4
Dedekind ζ ମ K ʹରͯ͠ɺ ζK (s) = a (NK/Qa)−s
= p (1 − (NK/Qp)−s)−1 K = Q ͷ࣌ɺNQ/Q(p) = p ͳͷͰ ζK (s) = ζ(s) ͱͳΔɻ 5
ؔࣜ ˆ ζK (s) = |DK |s/2ΓK (s)ζK (x) ͱ͢ΔɻDK
K ͷผࣜͰ DQ = 1ɻΓQ(s) = π−s/2Γ( s 2 ) Ͱ ͋Δɻ ˆ ζK (s) = ˆ ζK (1 − s) 6
Hecke L ಋख f ͷ Hecke ࢦඪ χ : AK
→ C×ɻ͜Εͷಛผͳ߹͕ Dirichlet ࢦඪɻ L(χ, s) = p (1 − χ(πp)N(p)−s)−1 ʢѱ͍ૉͰमਖ਼͢Δɻ ʣ 7
ؔࣜ ˆ L(χ, s) = |DK |s/2f s/2 χ Γ(χ,
s)L(χ, s) ͱ͢Δͱɺؔࣜ ˆ L(χ, s) = W (χ)ˆ L(χ, 1 − s) Λຬͨ͢ɻΞσʔϧ্ͷ Fourier มΛ༻͍ͯࣔ͢ɻ 8
߹ಉ ζ ༗ݶମ্ͷଟ༷ମ X/Fq ͍͍ͩͨଟ߲ࣜ f = 0 Ͱఆ·Δਤܗɻ ͜Εͷղͷݸ
|X(Fqm )| Λ͑Δ͜ͱͰɺ Z(X, t) = exp ∞ m=1 |X(Fqm )|tm m ΛఆΊΔɻ d dt log(Z(X, t)) = m |X(Fqm )|tm Ͱ͋Δɻ ζX (s) = x∈X (1 − (Nx)−s)−1 = Z(X, q−s) ͱදࣔͰ͖Δɻ 9
ؔࣜ X ͷίϗϞϩδʔ Hi (X) ͷ Lefschetz ެࣜʹΑΓɺFrobenius ࡞ ༻ͷݻ༗ଟ߲ࣜΛ༻͍ͯ
Z(X, t) Λهड़Ͱ͖Δɻ Z(X, t) = det(1 − Frobt | H1(X)) · · · det(1 − Frobt | H2n−1(X)) det(1 − Frobt | H0(X)) · · · det(1 − Frobt | H2n(X)) ؔࣜ Z(X, 1 qnt ) = ±qnχ(X)/2tχ(X)Z(X, t) ζX (n − s) = ±qnχ(X)/2−χ(X)sζX (s) ཱ͕ɻίϗϞϩδʔͷ Poincare ରੑɻ 10
Hasse-Weil ζ ମ K ্ͷଟ༷ମ X ʹର͠ɺͦͷ i ࣍෦ Hi
(X) ʹରͯ͠ L(Hi (X), s) = p det(1 − Frobpp−s | Hi (X))−1 ʢѱ͍ૉͰमਖ਼͢Δɻ ʣ ˆ L(Hi (X), s) = Ns/2Γ(Hi (X), s)L(Hi (X), s) 11
ؔࣜ ؔࣜʢ༧ʣ ˆ L(Hi (X), s) = ±ˆ L(Hi (X),
i + 1 − s) Q ্ͷପԁۂઢ E Ͱ Wiles ͳͲʹΑΓূ໌͞Εͨɻ อܕܗࣜ fE Ͱ͋ͬͯ L ͕ؔҰக͢ΔͷΛ࡞Δɻอܕܗࣜ fE ͷ L ؔͷؔࣜ Hecke ͳͲʹΑΓ Fourier มͳͲΛ༻͍ ͯূ໌͞Ε͍ͯͨɻ 12
ℓ ਐͷ L X ͕༗ݶମ্ͷଟ༷ମɺF Λ ℓ ਐͱ͢Δɻ L(X, F,
t) = x det(1 − tdeg(x)Fx , F¯ x )−1 = det(1 − Frobt | H1(X, F)) · · · det(1 − Frobt | H2n−1(X, F)) det(1 − Frobt | H0(X, F)) · · · det(1 − Frobt | H2n(X, F)) F ͕ఆ Λ ͷͱ͖ɺ߹ಉθʔλɻ ۂઢ X ্ͷ f : Y → X ʹରͯ͠ɺF = Hi (Yx ) ℓ ਐͷྫɻ ؔࣜ L(X, F, t) = ε(X, F)t−χ(X,F)L(X, D(F), t−1) 13
ذͱ ε Ҽࢠ ѱ͍ૉͰͷ༷ࢠɺผࣜɺಋखɺؔࣜʹݱΕΔิਖ਼߲ͳͲ ͷใ͕ॏཁɻ ʢෆมྔͱͯ͠ڧྗɻ ʣ ذͷزԿతͳෆมྔͱͯ͠ಛੑαΠΫϧͱ͍͏ͷ͕͋Δɻಛ ੑαΠΫϧݩʑඍํఔࣜʢD Ճ܈ʣͷཧͰߟ͑ΒΕͨ
ͷͰɺذͷ༷ࢠΛهड़͢Δɻ ؔࣜͷ ε(X, F) ͱಛੑαΠΫϧͷؔ ఆཧ (U.-Yang-Zhao) det ρ(−ccX F) = ε(X, F ⊗ ρ) ε(X, F)dim ρ 14