几何定理的自动化证明（Automatic Geometric Theorem Proving）

思路

对于几何定理（geometric theorems）的证明，可以通过引入笛卡尔坐标系，然后将前提（hypotheses）和结论（conclusions）描述为关于命题中点的坐标的多项式方程。令$A,B,C,D,E,F$都是实数空间中的点，

1. 线段平行，$\overline{AB}\Vert \overline{CD}$
2. 线段垂直，$\overline{AB}\perp \overline{CD}$
3. $A,B,C$三点共线（collinear）
4. 距离相等，$AB=CD$
5. $C$落在以$A$为中心$AB$为半径的圆上
6. $C$是$\overline{AB}$的中点
7. 锐角相等，$\angle ABC=\angle DEF$
8. $\overline{BD}$平分角$\angle ABC$
9. $\cdots$

这些基本的几何性质，都可以用关于点坐标的多项式来描述。

我们说一个几何定理是可接受的（admissible），如果它的前提和结论都可以被翻译为多项式方程。

给定任意一个几何定理，总有一些点的坐标是任意的（arbitrary），也总有另一些点的坐标是确定的（determined）。定义自变量（independent variables）为$u_1,\cdots ,u_m$，定义因变量（dependent variables）为$x_1,\dots ,x_n$，那么可接受的几何定理的前提可以描述为一组多项式
$$\begin{array}{rl}{h}_1(u_1,\cdots ,u_m,x_1,\cdots ,x_n)& =0,\\ h_2(u_1,\cdots ,u_m,x_1,\cdots ,x_n)& =0,\\ ⋮& \\ h_n(u_1,\cdots ,u_m,x_1,\cdots ,x_n)& =0.\end{array}$$
同时，可接受的几何定理的结论可以描述为单个多项式（如果结论包含了一组多项式，也依旧可以一个个地解决）
$$g(u_1,\cdots ,u_m,x_1,\cdots ,x_n)=0.$$

严格遵循

我们说结论$g$严格地遵循（follows strictly）前提$h_1,\cdots ,h_n$，如果$g\in I(V)\subseteq \mathbb{R}[u_1,\cdots ,u_m,x_1,\cdots ,x_n]$，其中簇$V=V(h_1,\cdots ,h_n)$

充分不必要条件：如果$g\in \sqrt{<h_1,\cdots ,h_n>}$，那么$g$严格遵循$h_1,\cdots ,h_n$

利用 the radical membership algorithm，定义理想
$$\bar{I}=<h_1,\cdots ,h_n,1-yg>\subseteq \mathbb{R}[u_1,\cdots ,u_m,x_1,\cdots ,x_n,y]$$
那么 g ∈ < h 1 , ⋯   , h n >    ⟺    G = { 1 } g \in \sqrt{<h_1,\cdots,h_n>} \iff G = \{1\} g∈<h1​,⋯,hn​> ​⟺G={1}，这里$G$是$\bar{I}$的约简Groebner基。

仅当$\sqrt{<h_1,\cdots ,h_n>}=I(V)$，它的逆命题成立。

普遍遵循

然而，上述的严格遵循过于严格，没有考虑“退化”情况（degenerate cases）：令$V=V(h_1,\cdots ,h_n)$，做簇的最小分解$V=U_1\cup \cdots \cup U_s$，某个自由变量$u_i$在某个簇$U_j$上不再自由。例如，$U_2=V(x_1,x_2-u_3,u_1)$，那么$u_1=0$不再能够任意取值。这种退化会使得$g$在某个分量$U_j$上不是零多项式，进而导致理想$\bar{I}$的约简Groebner基不是 { 1 } \{1\} {1}，算法失败。

令$W$是关于坐标$u_1,\cdots ,u_m,x_1,\cdots ,x_n$的仿射空间${\mathbb{R}}^{m+n}$上的不可约簇，我们说函数$u_1,\cdots ,u_m$在$W$上是代数独立的（algebraically independent ），如果任意的仅关于$u_i$的非零多项式在$W$​上不会同时消失（no nonzero polynomial in the $u_i$ alone vanishes identically on $W$），即 I ( W ) ∩ R [ u 1 , ⋯   , u m ] = { 0 } I(W) \cap \mathbb R[u_1,\cdots,u_m] = \{0\} I(W)∩R[u1​,⋯,um​]={0}

给定一个簇，
$$V=V(h_1,\cdots ,h_n)\subseteq \mathbb{R}[u_1,\cdots ,u_m,x_1,\cdots ,x_n]$$
做如下的最小分解：
$$V=(W_1\cup \cdots \cup W_p)\cup (U_1\cup \cdots \cup U_q)$$
在不可约分量$W_i$上自由变量$u_1,\cdots ,u_m$是代数独立的，在不可约分量$U_j$上自由变量$u_1,\cdots ,u_m$不是代数独立的（退化情况）。我们仅考虑子簇：
$$V^{\prime }=W_1\cup \cdots \cup W_p\subseteq V$$
我们说结论$g$普遍地遵循（follows generically）前提$h_1,\cdots ,h_n$，如果$g\in I(V^{\prime })\subseteq \mathbb{R}[u_1,\cdots ,u_m,x_1,\cdots ,x_n]$，其中簇$V^{\prime }$就是上述分解中的$V(h_1,\cdots ,h_n)$的子簇。

自动化证明

给定一个几何声明的前提$h_1,\cdots ,h_n$和结论$g$，为了证明这个声明的正确性，需要使得：结论$g$普遍地遵循前提$h_1,\cdots ,h_n$，也就是说$g\in I(V^{\prime })$

然而，将一个簇分解为不可约簇并不是很容易。幸运的是，即使不知道最小分解，我们依然可以确定$g$是否属于$I(V^{\prime })$

Proposition：结论$g$普遍地遵循前提$h_1,\cdots ,h_n$，如果存在一些仅关于自由变量的非零多项式$c(u_1,\cdots ,u_m)\in \mathbb{R}[u_1,\cdots ,u_m]$，使得
$$c\cdot g\in \sqrt{H}$$
这里$H=<h_1,\cdots ,h_n>\subseteq \mathbb{R}[u_1,\cdots ,u_m,x_1,\cdots ,x_n]$

proof：令$V_j$是$V^{\prime }$的一个不可约分量。由于$c\cdot g\in \sqrt{H}$，因此$c\cdot g$在簇$V(\sqrt{H})=V(H)=V$上消失，自然也在$V_j$上消失，即$c\cdot g\in I(V_j)$。由于$V_j$是不可约的，因此$I(V_j)$是素的。同时，$c$是仅关于自由变量的非零多项式，根据 I ( V j ) ∩ R [ u 1 , ⋯   , u m ] = { 0 } I(V_j) \cap \mathbb R[u_1,\cdots,u_m] = \{0\} I(Vj​)∩R[u1​,⋯,um​]={0}，得到$c\notin I(V_j)$，所以一定有$g\in I(V_j)$，推出$g\in I(V^{\prime })$

下面，我们给出判断是否存在$c\in \mathbb{R}[u_1,\cdots ,u_m]$的算法：

易知，$c\cdot g\in \sqrt{H}⟺(c\cdot g{)}^s={\sum }_{j=1}^n{A}_j{h}_j$，其中$A_j\in \mathbb{R}[u_1,\cdots ,u_m,x_1,\cdots ,x_n]$，$s\ge 1$

两边同除$c^s$，得到
$$g^s=\sum _{j=1}^n\frac{A_j}{c^s}{h}_j$$
做分式域$\mathbb{R}(u_1,\cdots ,u_m):=FF(\mathbb{R}[u_1,\cdots ,u_m])$，构造理想
$$\tilde{H}=<h_1,\cdots ,h_n>\subseteq \mathbb{R}(u_1,\cdots ,u_m)[x_1,\cdots ,x_n]$$
那么$g\in \sqrt{\tilde{H}}$ 。易证，$g\in \sqrt{\tilde{H}}⟺c\cdot g\in \sqrt{H}$

自动化证明算法如下：

1. 给定几何命题，确定坐标中的自由变量$u_1,\cdots ,u_m$和不自由变量$x_1,\cdots ,x_n$，然后翻译为环$\mathbb{R}[u_1,\cdots ,u_m,x_1,\cdots ,x_n]$上的多项式

2. 前提$h_1,\cdots ,h_n$，结论$g$，构造理想
   $$\bar{H}=<h_1,\cdots ,h_n,1-yg>\subseteq \mathbb{R}(u_1,\cdots ,u_m)[x_1,\cdots ,x_n,y]$$

3. 计算理想$\bar{H}$的约化Groebner基$G$，那么
   g ∈ H ~    ⟺    { 1 } = G g \in \sqrt{\tilde H} \iff \{1\} = G g∈H~ ​⟺{1}=G

4. 如果 G = { 1 } G=\{1\} G={1}，那么结论$g$普遍地遵循前提$h_1,\cdots ,h_n$，几何定理证明完毕；否则，这个声明是假的。

扩展

进一步的，有如下性质：

1. 可以证明，
   { 1 } = G    ⟺    H ˉ ∩ R [ u 1 , ⋯   , u m ] ≠ { 0 } \{1\} = G \iff \bar H \cap \mathbb R[u_1,\cdots,u_m] \neq \{0\} {1}=G⟺Hˉ∩R[u1​,⋯,um​]={0}

2. 如果$c\in \bar{H}\cap \mathbb{R}[u_1,\cdots ,u_m]$，那么$c\cdot g\in \sqrt{H}$ 。再利用 the algorithm for computing intersections of ideals，就可以计算出满足$c\cdot g\in \sqrt{H}$的一些多项式$c\in \mathbb{R}[u_1,\cdots ,u_m]$

3. 如果$g$在某些$u_1,\cdots ,u_m$的取值下失败，那么
   $$(u_1,\cdots ,u_m)\in W=V(\bar{H}\cap \mathbb{R}[u_1,\cdots ,u_m])$$
   即簇$W$记录了所有的退化情况。

4. 实际上，
   $$c\cdot g\in \sqrt{H}⟺c\in \sqrt{\bar{H}\cap \mathbb{R}[u_1,\cdots ,u_m]}$$
   即这个根理想记录了$c$的所有可能的取值。

除了上述介绍的利用Groebner基技术来自动化证明几何定理，还有中科院院士吴文俊的吴方法，提出的更早。它在实际中的表现往往比Groebner基更有效，因此也更常用。这里不再详细介绍。