结果族 325：The complete Crouzeix conjecture · 学科：Functional analysis · 验证状态：主结果已 Lean 形式化
把矩阵想成一台机器：向量进去，向量出来。这台机器的”脾气”可以画成复平面上的一块凸区域——数值域：各个方向进去的向量，其”瞬时放大率”（含旋转）都落在这块区域里。这篇论文解决了悬置二十多年的 Crouzeix 猜想：多项式在这块小地图上的最大取值乘以 2，就足以罩住机器版本的输出；而且倍数 2 是紧的，再也压不小了。
关键词卡片
看个具体例子
取最小的坏例子 @@M@@A=\begin{pmatrix}0&1\\0&0\end{pmatrix}@@，它的数值域恰是圆盘 @@M@@|z|\le\frac12@@。取 @@M@@P(z)=z@@：机器端 @@M@@\|P[A]\|=\|A\|=1@@，地图端 @@M@@\sup_{W(A)}|z|=\frac12@@，比值恰好是 @@M@@2@@——这个小矩阵把常数 2”顶满”，说明定理的倍数不多不少。
为什么值得关心
“读懂地图就能控制机器”从此是严格成立的定理，最优常数、最优换坐标系方案一次给全。这是数值分析、算子理论与控制论共用的基石工具。
主结果已 Lean 形式化
第一级台阶
导读把矩阵比作机器、数值域比作脾气地图。现在把语言拧紧一档：对象是一台”高维机器”——复 Hilbert 空间上的算子；操作不是把数字代进多项式，而是把整台机器代进多项式，让机器的幂次与系数矩阵做张量积。核心问题随之变成：这种”机器版求值”的放大倍数，能否被地图上的最大取值一个常数罩住。
第二级台阶
用本科术语说：数值域 W(A) 是所有 ⟨x,Ax⟩（‖x‖=1）在复平面上扫出的集合，由 Toeplitz–Hausdorff 定理它是凸的。矩阵值多项式 P 在 A 处的求值定义为 P[A]=ΣA^j⊗B_j，作用在张量积空间上。若对一切 P 都有 ‖P[A]‖≤C·sup_{W(A)}‖P‖，就说 W(A) 是 A 的谱集；若这不等式对一切系数维数 m 同时成立，则称”完全”谱集——这是 Crouzeix 猜想所问的形状。
第三级台阶
定理的语境：A 是任意复 Hilbert 空间上的有界算子，不需要可分性，也不需要维数限制。技术路线是先退一步——用高斯光滑化把 W(A) 关进一个边界正则实解析的凸”可容许域” Ω，再用共形坐标 f 把 Ω 搬到单位圆盘；这一假设挡住的是边界奇性带来的核函数失效。结论分两层：结构层（定理 1.2、1.3）给出条件数 κ≤2 的最优相似，以及一个公共正边界密度，同时表示一切系数维数、一切解析函数的求值；推论层（推论 6.3）对任意有界算子给出 ‖P[A]‖≤2sup_{W(A)}‖P‖，闭包 W(A) 是完全 2-谱集，且常数 2 被 2×2 Jordan 块顶满，无法再降。
本文以”最优相似＋公共正边界密度”的结构路线证明：任意复 Hilbert 空间上的有界算子 @@M@@A@@ 与任意矩阵值多项式 @@M@@P@@ 满足 @@M@@\|P[A]\|\le 2\sup_{z\in W(A)}\|P(z)\|@@，数值域闭包是完全 2-谱集，常数 2 最优——完整 Crouzeix 猜想成立。
Crouzeix 猜想自 2004 年提出后，普适常数从 11.08（Crouzeix，2007）经正双层位势（double-layer potential）方法压缩到 @@M@@1+\sqrt2@@（Crouzeix–Palencia，2017）。本文切入的是一个更结构性的问题：能否为给定矩阵选定一次内积变换（相似）与一个正边界密度，使所有系数维数、所有解析函数的矩阵值求值都被统一表示和控制？这一方向有经典坐标可依：Paulsen 相似定理把最优条件数（condition number）与完全有界范数等同，Arveson 膨胀定理把完全压缩性与正规边界膨胀相连；Badea–Crouzeix–Delyon 曾在 @@M@@2\times 2@@ 椭圆数值域情形构造出条件数至多 2 的相似。此前的卡点有二：一般维数下最优度量常数 @@M@@\kappa\le 2@@ 难以落实；表示必须对一切系数维数与一切解析函数同时成立，不能逐个函数证明。
设 @@M@@\Omega@@ 为包含 @@M@@W(A)@@ 的可容许域（admissible，即具正则实解析 Jordan 边界的有界凸开集），@@M@@f:\Omega\to\mathbb D@@ 为内部共形坐标，@@M@@T=f(A)@@。其一（最优度量定理）：优化问题 @@M@@\kappa^2=\min\{\tau:\ I\preceq H\preceq\tau I,\ T^*HT\preceq H\}@@ 严格可行且最小值可达，@@M@@1\le\kappa\le 2@@；对最小化度量取 @@M@@S=H^{1/2}@@、@@M@@A'=SAS^{-1}@@，则 @@M@@D=Sf(A)S^{-1}@@ 是压缩且谱半径（spectral radius）小于 1，而 @@M@@\|S\|\|S^{-1}\|=\kappa@@ 恰为把 @@M@@T@@ 相似成压缩的最小条件数。其二（公共正表示定理）：存在同一个连续正密度 @@M@@\Lambda(t)\succeq 0@@、@@M@@\int_{\mathbb T}\Lambda\,d\sigma=I@@，使得对每个系数维数 @@M@@m@@ 与每个在 @@M@@\overline\Omega@@ 邻近全纯的矩阵值函数 @@M@@v@@，有 @@M@@v[A']=\int_{\mathbb T}\Lambda(t)\otimes v(G(t))\,d\sigma@@ 且 @@M@@\|v[A]\|\le\kappa\max_{\overline\Omega}\|v\|@@；同一组 @@M@@S,\Lambda,\kappa@@ 通吃所有 @@M@@m@@ 与 @@M@@v@@。推论进一步给出任意（不必可分）Hilbert 空间上有界算子的完整不等式：@@M@@\overline{W(A)}@@ 是完全 2-谱集（complete 2-spectral set），常数 2 一致最优。
先解度量问题：Stein 型级数 @@M@@H_0=\sum_j T^{*j}T^j@@ 满足 @@M@@H_0-T^*H_0T=I@@，提供严格可行的见证，有限维紧性保证最小值可达；并证 @@M@@\kappa@@ 恰为把 @@M@@T@@ 相似成压缩的最小条件数。再构造公共密度：Delyon–Delyon 正表示给出 @@M@@\Phi_D@@，乘以边界换坐标的正 Jacobian 得 @@M@@\Lambda@@；映射 @@M@@b\mapsto(\Lambda^{1/2}\otimes I)b@@ 是到边界 @@M@@L^2@@ 的等距嵌入，求值 @@M@@v[A']@@ 成为”嵌入—乘以 @@M@@v(G(t))@@—取伴随”的公共压缩，且这一步在估计 @@M@@\kappa@@ 之前即告完成。接着反设 @@M@@\kappa>1@@：有限维凸分离（convex separation）给出支撑于 @@M@@H@@ 的 @@M@@\kappa^2@@ 与 @@M@@1@@ 特征空间上的正矩阵 @@M@@X_0,Y_0@@ 及平衡式 @@M@@X_0-Y_0=Z_0-TZ_0T^*@@；取平方因子得 @@M@@SX=\kappa X@@、@@M@@SY=Y@@、@@M@@X^*Y=0@@，平衡式经酉实现（unitary realization）造出在闭圆盘上压缩的有理函数 @@M@@F_{\mathbb D}@@，满足 @@M@@F_{\mathbb D}[D]x=y@@。然后让两套正密度系统对撞：等距嵌入中等号成立迫使 @@M@@y_\Lambda=(I\otimes F)x_\Lambda@@ 逐点成立；对基空间取部分迹（partial trace）得密度 @@M@@p,q,r@@，两种乘法顺序的保序关系 @@M@@p=F^*r@@、@@M@@q=rF^*@@ 并存，且交叉密度的矩阵均值整体为零（@@M@@r_0=0@@），恰好提供了所需的 Fourier 正交性；另一方面，原始矩阵的预解式正性 @@M@@E_A\succeq 0@@ 给出第二个正块，其元素是第一套密度经 Cauchy 投影的像，交叉项按乘法顺序分别带因子 @@M@@\kappa@@ 与 @@M@@\kappa^{-1}@@。最后的决定性比较：令 @@M@@g=\mathcal C^\dagger r\ne 0@@，@@M@@r_0=0@@ 把两个投影分支分入正、负频率子空间，故交叉范数平方至少 @@M@@\kappa^2\|g\|_2^2@@；对两种顺序分开使用加权投影估计，得对角范数平方各不超过 @@M@@4\|g\|_2^2@@；正块不等式 @@M@@\mathrm{tr}(\Delta J\Delta J)\ge 0@@ 联立即得 @@M@@\kappa\le 2@@。收尾三步：高斯光滑化构造解析凸外逼近以覆盖点、线段数值域；有限压缩论证（压缩到 @@M@@\mathrm{span}\{A^k\xi_j\}@@，其数值域落入原数值域）把不等式搬到任意 Hilbert 空间而无需可分性；Runge 逼近再把结论扩成 @@M@@\overline{W(A)}@@ 上对全纯矩阵值函数成立的完全 2-谱集断言。
本文主结果已 Lean 形式化。姊妹篇《A direct proof of the complete Crouzeix inequality》从待估多项式的奇异向量出发直接证明同一不等式，与本文共享外部核与预解式计算这套解析内核，但两文证明路径彼此独立、各自完整，结论互为印证。按 OpenAI 官方声明，未经形式化的结果可能存在问题；本文主结果已完成形式化验证。
问 1：整个证明最关键、也最脆弱的一步在哪里？
（答：引理 5.1（ordered density comparison）是命门。它把”κ>2 导致矛盾”压成一个 Fourier 分析事实：两个对角密度的 L² 范数各不超过 2‖g‖₂，交叉密度范数不低于 κ‖g‖₂，而 2×2 正块的 tr(ΔJΔJ)≥0 把三者铐在一起，得 κ≤2。前面全部构造——等距嵌入取等、部分迹、交叉密度零均值 r₀=0——都只为凑齐这条引理的假设，任何一处乘法顺序或转置约定出错，比较即失效。）
问 2：为什么要假设 Ω 具有”正则实解析 Jordan 边界”？挡住了什么？
（答：共形坐标 f、外坐标 G、Faber 展开与核 m(w,t) 的双变量解析延拓都依赖边界的实解析”领口”结构，没有它 Cauchy 投影 C 的范数估计无从谈起。论文绕开：第 6 节用高斯光滑化构造凸外逼近 Ω_ε⊃W(A)，对固定多项式取 ε→0。代价在推论 6.1 证明里明言：极限后只剩不等式，”不断言 K 上存在极限相似或边界密度”。）
问 3：相比 Crouzeix–Palencia 的 1+√2，真正的新意是什么？
（答：不只是把普适常数压到紧的 2，而是路线之变：先解 Stein 型线性矩阵不等式取最优度量 H，S=H^{1/2} 给出把 f(A) 相似成压缩的最小条件数 κ（式 (2.3)）；再用同一个正密度 Λ 使”等距嵌入—乘 v(G(t))—取伴随”对一切系数维数与一切解析 v 同时是压缩（定理 1.3、命题 2.1）。此前只有 2×2 椭圆数值域有 κ≤2 相似（Badea–Crouzeix–Delyon 2006），一般维数的最优相似与统一表示是新的。）
问 4：系数取矩阵的”完全”版本难在哪，怎么绕的？
（答：已有标量常数 2 证明靠某种交换论证，引言点名 Lorist–Schwenninger 第 3(iv) 节解释了它不自动传递到矩阵系数。本文全程同时保留两种矩阵乘法顺序 p=Fr 与 q=rF，靠 r₀=0 的 Fourier 正交性把两个顺序分开投影、分开估计——这正是引理 5.1 名称里 ordered 的含义，也是对既有文献的实质增量。）
问 5：这类 AI 生成的长证明最可能以什么方式出错？
（答：最典型的风险藏在不显眼的约定里：vec 映像、base-first 张量积、普通转置 F_D=R^T 的配合（命题 2.2 与备注 3.4 专门与姊妹篇对表）；其次是”取等”步骤——等距嵌入中的等式、正块 Δ 的逐点半正定都是精确恒等式，差一个符号就全盘皆输。主结果已 Lean 形式化，是对该风险的制度性回应；未形式化部分仍需人工核验。）
问 6：无穷维、不可分 Hilbert 空间怎么处理？为什么用闭包？
（答：不碰弱拓扑，而是有限压缩：对固定 P 与向量 ξ，取 E=span{A^kξ_j}，则 P[A]ξ=P[A_E]ξ 且 W(A_E)⊂W(A)，化归有限维（推论 6.3 证明）。用闭包是因为无穷维数值域未必闭，谱集式表述必须落在紧凸集 K=W(A) 上。）
问 7：谁会用到这个结果？
（答：数值线性代数中 Krylov/Arnoldi 类方法把 f(A)b 的估计化到数值域上，常数从 1+√2 降到 2 直接改善界；控制论与算子论的完全有界相似理论（Paulsen 定理的使用者）拿到”最优相似+统一正表示”的结构积木。引用时注意：不等式对一切有界算子成立，最优相似与密度只在可容许域内可用。）
总评
二十余年猜想的完整闭合：紧常数 2 的完全不等式外加最优相似与统一正表示，分量在结构而非数字；最大风险在未经形式化的技术细节，但主结果的 Lean 验证已把最要害处焊牢。