代数几何引论 · 从方程到概形：形状的代数解剖

本书怎么读：一门关于「形状与方程如何互相翻译」的学问

本书讲一门学问：代数几何——用多项式方程组的解集研究几何形状。它从一个朴素的观察出发：一条曲线的「几何」与刻画它的「方程」，其实是同一件事的两副面孔——把方程 x² + y² = 1 的解画出来是一个圆，而这个圆上的全部信息，又都能从方程所在的环里读回来。本书要回答的问题由此展开：为什么「理想与簇」的对应（Hilbert 的 Nullstellensatz）是整座大厦的地基？为什么必须把「无穷远点」请进画面，Bézout 定理才数得清两条曲线的交点？为什么「层」这种局部数据的组织方式，恰好捕捉了「局部如何拼成整体」这个几何最深的主题？为什么 Grothendieck 干脆把空间本身定义成交换环的素谱，让 Spec ℤ 也成为一个几何对象，从而把算术与几何缝成同一门学问？从 Descartes 的坐标系、Bézout 的计数、Riemann 的曲线论，到 Zariski、Serre、Grothendieck 的概型与上同调，代数几何两百年只做一件事：把「形状」翻译成可以计算的代数结构，再让代数把形状的秘密说出来。

本书按章组织：绪论并置「方程」与「几何」两条通往形状的路，从 Euclid 的图形与 Descartes 的方程讲到理想的对应与概形的远景；第一章搭第一层地基——仿射空间 𝔸ⁿ 与多项式环、代数集与理想的双向对应、Zariski 拓扑、Hilbert 基定理、不可约分解与仿射簇、坐标环、Nullstellensatz；第二章深入结构——局部化与局部环、有理函数域、维数的四种等价定义、切空间与光滑点、奇异性、态射与双有理等价、乘积；第三章把无穷远请进来——射影空间 ℙⁿ 与齐次坐标、射影簇、齐次坐标环、Bézout 定理，并引入层与结构层 𝒪_X、凝聚层与上同调初步；第四章完成飞跃——从簇到概型、Spec R 作为空间、概型的态射与纤维积、分离与紧合、局部性质与除子、概型上的上同调与 Serre 对偶、Riemann–Roch 的预演；第五章走向算术——曲线与亏格、Riemann–Roch 定理、椭圆曲线的群律、Mordell–Weil 定理、有限域上的曲线与 ζ 函数、Weil 猜想、étale 上同调、Jacobi 簇与 Arakelov 几何；第六章远眺现代疆界——从概形到栈、导出函子与谱序列、相交理论、étale 与晶体上同调、Motive、Hodge 猜想、模空间与形变、几何 Langlands、镜像对称、导出代数几何；综合站用年表、人物谱、方法决策树、两个综合实验与二十四题自查收束全书。

写作的三条约束（本书的自我要求）。① 直觉与例子先行：每一个概念都从一张图、一个具体的小例子讲起——先看见抛物线 V(y − x²) 与圆 V(x² + y² − 1) 在平面上的样子、两条三次曲线为何在无穷远处还「欠」两个交点、Spec ℤ 里素点与泛点如何排成一条线，再抽成公理；每一个定理先有「为什么它是对的」的直觉，再有完整的证明。② 一步一图：凡能画的都画——理想与簇的双向箭头、Zariski 拓扑的闭集谱、射影平面的仿射图卡拼贴、层的茎与截面的局部—整体示意、概型的纤维与基变换方块、曲线上的除子与 Riemann–Roch 的维数差。代数几何最漂亮的地方正藏在「形状—环—层」的三向对照图里：一条定义、一句定理，画出来便一目了然。③ 自给自足：本书不假设手边另有教材，所需工具在书内随用随补——多项式与理想的运算、环与商环、局部化与诺特环的必要片段、域扩张与有限域的一点基础，都在需要它的那一页现学现用；每一条定义都同时给出形式陈述与一句大白话的直觉。个别深刻而整体的结论（Nullstellensatz 的代数证明、Riemann–Roch 定理、Mordell–Weil 定理、Weil 猜想的证明、导出代数几何的框架）给出精确陈述、证明思路与文献指引，数值与程序对拍在实验页随附、可自行复算。

页型节奏。每章以 导引 开篇（一页说清这一章要解决什么）；主体是 讲义 页（概念、定理、证明，一步一图）；每章配 例题 与 习题（先示范再放手）、知识地图 一页（本章概念怎么连成网）、小结（正面清单＋易错清单）、思想卡（一句话立起本章的哲学）、挑战（一道通向文献的硬题）、实验（一段可复算的程序）、格物札记（中西算学传统里的平行直觉）、速查表（本章公式与记号一页备翻）；章末另设 衔接讲义，把下一章的问题提前立起来。所有编号 可跳读：每一页都自带上下文，随手翻开一页也能读下去。

难度标记。讲义页用 ★–★★★★★ 标出阅读难度：★ 高中基础即可，★★ 需要多项式与线性代数的熟练经验（书内自给），★★★ 需要抽象代数的入门（环、理想、商环与局部化的定义，书内自给），★★★★ 需要交换代数与同调代数的一点经验（书内随用随补），★★★★★ 需要概形、上同调与现代算术几何的观点（第六章疆界各页）。若只求理解主线，读绪论、第一章的 nullstellensatz、第二章的维数与光滑性、第三章的 Bézout 与层、第四章的概型与 Riemann–Roch 即可；若求完整掌握，按章顺序逐页推进，并把每章习题做完。

三条线索贯穿全书：

① 明线——从方程到概形：先在坐标平面上把「方程的解集」看成几何对象（绪论与第一章），再把「形状」翻译成「环与模」的语言（第二章），把无穷远点请进来并用层组织局部数据（第三章），最后换掉地基、把空间本身定义为交换环的素谱，让算术与几何合一（第四、五章），并以现代上同调与导出几何作结（第六章）——这正是代数几何从「Descartes 的坐标」长成「Grothendieck 的概形」的轨迹。

② 暗线——几何与代数的双向字典。本书反复演练一本字典：形状顺向搬运（几何→代数：把簇送到它的理想、把态射送到环同态），函数环反向拉回（代数→几何：把理想读到它的零点集、把环同态读成态射）。Nullstellensatz 让字典在代数闭域上成为双射，概形则把字典扩展到算术世界。什么时候能用这本字典、什么时候必须升到层与上同调，是全书的核心招式。

③ 接口——通往四个邻域。代数几何是现代数学的枢纽：与交换代数（环、理想、局部化与维数）、拓扑（Zariski 拓扑、层与上同调）、微分几何与分析（复流形、Hodge 理论）三条战线直接相通，并与数论（椭圆曲线、Weil 猜想、Langlands）深度合流，第六章与综合站余韵两页逐条架桥。

写法约定（TEX 标准）：仿射空间记 𝔸ⁿ、射影空间记 ℙⁿ；簇记 X、Y（变量斜体），多项式环记 k[x₁, …, x_n]；理想记 𝔞、𝔪、𝔭；坐标环记 A(X)、结构层记 𝒪_X；概型记 (X, 𝒪_X)、素谱记 Spec R；层上同调记 Hⁱ(X, ℱ)。变量用斜体，函数名（Spec、dim、deg、Pic、Hom）与群名（Cl、Gal、GL）用正体；关键一步配图，形状与环逐章对照。

绪论 两条通往形状的路：方程与几何本册导引：当几何遇上代数

几何学最古老的形态是「看图形」：测量土地的边角，用圆规直尺画出五边形，证明两个三角形全等。这种几何依赖眼睛与手，图形是它唯一的舞台。一六三七年，笛卡尔做了一件改变一切的事——他把图形搬进坐标系：给平面上每个点一对数，于是每条曲线都变成一个方程，每个方程都画出一条曲线。几何与代数从此可以互相翻译。

代数几何，就是这条翻译之路走到极致的学问。它不再问「这个图形长什么样」，而问「哪些多项式同时为零」。一个平面曲线被定义为方程 f(x, y) = 0 的解集；一个空间曲面是方程 g(x, y, z) = 0 的零点；一族方程 f₁ = ⋯ = f_m = 0 的公共零点，就叫一个代数集。形状，从此有了代数的名字。

这样做的回报是惊人的。一旦形状成为方程，几何的难题就能用代数去算：曲线相交多少个点，可以数方程的根；两条曲线是否相切，可以看它们是否共享一个重根；一个图形是不是「塌掉」的，可以问对应的方程有没有解。反过来，纯粹代数的结论又能给出全新的几何直觉——为什么两条三次曲线总交九个点？为什么「平行线永不相交」是仿射空间的错觉、在射影空间里它会补齐？这些问题的答案，都藏在「形状与方程」这本双向词典里。

代价同样存在。方程组的零点集可以很「怪」：它可能只剩一个点，可能自己交叉成十字，可能光滑如绸也可能带尖角。直观会失效，于是我们需要新的语言——理想、Zariski 拓扑、层、概型——把直觉一次次重新安置在严格的地基上。本册讲的就是这场翻译的历程与机制。下面这张图给出全书的骨架。

四编的推进，就是这条翻译链一次次的深入：

第一章（仿射代数簇）把地基打好：仿射空间、代数集、Zariski 拓扑、Hilbert 基定理与 Nullstellensatz。这一章的关键词是「对应」，即「理想 ↔ 代数集」这对反向映射究竟有多精确。

第二章（簇的结构与态射）研究形状的性质：局部环、维数、切空间、奇点与态射。这一章的关键词是「结构」，即用什么代数量去刻画「在一点附近形状长什么样」。

第三章（射影几何与层）补上无穷远点并引入层：齐次坐标、Bézout 定理、结构层与上同调初步。这一章的关键词是「局部与整体」，即如何用局部数据拼出整体。

第四章与第五章（概型与算术几何）完成飞跃：素谱 Spec R、概型、纤维积、Riemann-Roch 与算术几何。这一章的关键词是「统一」，即让 ℤ 也成为几何对象，使几何与数论说同一种语言。

本册的读法很简单：每见一个形状，就问它由哪些方程定义；每见一个方程，就问它的零点集是个什么形状。这一套动作练熟，代数几何的语法便在其中。

绪论 两条通往形状的路：方程与几何两种几何观：欧几里得的图形与笛卡尔的方程

★ 我们先从最熟悉的地方出发：几何是什么？对这个问题的回答，三百多年来发生过一次根本的转折。

两种几何观的分野，可以用一个最朴素的例子看清。平面上「以原点为圆心、半径为 r 的圆」，在综合几何里是一个图形，靠「到圆心等距」这句描述来刻画；在解析几何里则是一个方程：

x² + y² = r²

「圆上的点」与「方程的解」一一对应。这个对应看似平凡，却是整门代数几何的种子：把图形换成方程，几何问题就变成代数问题。判断一点在不在圆上，只需代入方程算一个数；判断两圆是否相交，只需联立两个方程求根。

笛卡尔的洞见还可以再推一步：既然曲线能用方程描述，那方程的次数就成了曲线的「复杂度」。一次方程是直线，二次是圆锥曲线，三次就是所谓的三次曲线。这样，几何对象就被装进了一个按次数排列的等级体系——这正是代数几何研究的起点。

需要注意的是，解析几何并不等于代数几何。解析几何容许用正弦、指数、对数等「超越」函数描述曲线；代数几何则坚持只用多项式。这条限制看似苛刻，其实大有用意：多项式方程组有纯粹的代数结构（理想、环、模），这使得代数几何能用交换代数全套工具去研究形状；而一旦允许超越函数，代数的结构就会失效。

绪论 两条通往形状的路：方程与几何代数簇：方程组的公共零点

★★ 让我们把「形状 = 方程组」的想法精确化。

固定一个域 k（本册多数时候取复数域 ℂ，有时取实数域 ℝ 或有理数域 ℚ），取定 n 个变量 x₁, …, x_n，考虑系数在 k 中的全体多项式，构成多项式环 k[x₁, …, x_n]。仿射空间 𝔸ⁿ 就是所有 n 元点 (a₁, …, a_n) 构成的集合。

代数集就是我们要研究的「形状」。看看它在几个简单情形下长什么样。

这三个例子透露一个规律：方程的个数越多、次数越高，零点集就越小。在极端情形，一个方程就能把 n 维空间削成一维曲线，再加一个方程可能只剩有限个点。代数几何的第一批问题，就是把这种「方程 → 维数」的直觉变成可计算的定理。

为了统一处理，我们不必逐个方程地列 S，而把它换成由 S 生成的一个理想 J = (S)。这样，零点集只依赖理想 J：V(S) = V(J)。这种「以理想替代方程组」的写法，是整个理论的技术基石，第一章会重点展开。

绪论 两条通往形状的路：方程与几何从线性到非线性：直线好懂，曲线难缠

★★ 代数几何的困难从何而来？要看清这一点，最好的办法是把它与「已经会做」的线性代数对比。

线性方程组是代数里最透明的对象。设 m 个线性方程、n 个未知量，解集或为空，或是一个仿射子空间（点、直线、平面或整个空间的平移）。高斯消元法给出一个确定的算法，几步之内就能把解集写清楚。原因在于线性对象服从叠加原理：两个解之差仍是齐次方程的解，于是解集有「向量空间＋平移」这种整齐的结构。

非线性方程立刻失去这份整洁。以平面曲线为例，一条由 f(x, y) = 0（f 是多项式）定义的曲线，可以自我交叉、可以带尖角、可以在不同局部有完全不同的形状。两个解之和一般不再是解，叠加原理失效，线性代数的整套 machinery 用不上。看几个具体的对照：

「交点个数」这件事，在非线性情形下暴露了仿射空间的第一个缺憾：两条平行线在仿射平面上永不相交，双曲线跑向无穷远，看起来像是「交点在无穷远处」。这个缺憾将由第三章的射影空间补上——把无穷远点请进来，交点计数就会变得整齐。

另一个困难来自「重数」与「退化」：方程 x² = 0 与 x = 0 的零点集都是原点，但前者是「二重点」——几何上两者相同，代数上却不同。这说明「形状」这个几何概念会丢失信息，我们必须借助更精细的代数工具（理想、重数、局部环）把它补回来。这正是 Nullstellensatz 与层论要处理的问题。

绪论 两条通往形状的路：方程与几何核心问题：形状与方程如何互相翻译

★★★ 既然形状可以写成方程，那么一个自然的问题就浮现出来：反过来，一个形状能唯一地决定它的方程吗？这个问题的答案是整门学问的枢纽，我们把它讲清楚。

「正向」的翻译很简单：给定一族多项式（等价地，给定它们生成的理想 J），取公共零点得到代数集 V(J)。这一步永远可行，且只依赖 J。麻烦在「反向」：给定一个代数集 X，所有在 X 上取零的多项式构成一个集合

I(X) = { f : 对一切 a ∈ X 有 f(a) = 0 }

可以验证 I(X) 总是一个理想。于是我们有一对反向映射：

J  ⟼  V(J)   (理想 → 代数集)

X  ⟼  I(X)   (代数集 → 理想)

一个天真的想法是：这两步应该互为逆。可惜不是。第一个反例随手可得：取 J = (x²)，则 V(J) 是原点这个集合，而 I(X) 只把它读回 (x)——因为 x² 与 x 在原点都取零，几何上分不出「重数」。第二个反例更要命：在 ℚ 上取 J = (x² + 1)，则 V(J) = ∅（没有有理点是它的零点），而 I(∅) 是整个多项式环——又对不上了。

要把「往返」修得精确，需要两个关键概念：根理想与代数闭域。第一个反例说明，I(V(J)) 至多等于 J 的根理想 √J（即所有幂落在 J 中的元素）；第二个反例说明，只有把基域换成代数闭域（如 ℂ），几何与代数才能真正对齐。这两点合起来，就是著名的希尔伯特零点定理（Nullstellensatz）：

这条定理是第一章的高潮。它道出：几何对象与代数对象之间确实存在一本精确的词典，只要用对语言。下图把这本词典列出来。

绪论 两条通往形状的路：方程与几何一条主线的历史：从消元到概型

★★ 代数几何不是一天建成的。它有一条清晰的历史脉络，把几个起初毫不相干的问题串成一股绳。

下面这张年表把上述节点画成一条时间轴，方便回看：

绪论 两条通往形状的路：方程与几何本册的地图与读法

★★ 在进入正文之前，先把本册的三条线索与阅读路径交代清楚，方便随读随查。

线索一（明线）：从方程到形状。这是逻辑顺序，也大致是历史顺序。方程组的零点集（第一章）→ 形状的结构被翻译成环的语言（第二章）→ 补上无穷远点与层（第三章）→ 飞跃到概型、让 ℤ 也成为几何（第四章）。沿途每一个概念都是上一层的自然延伸。

线索二（暗线）：几何与代数的相互翻译。「什么该问几何、什么该问代数」是全册反复演练的招式。第一章建立「理想 ↔ 代数集」的词典；第二章把「局部」翻译成「局部化」；第三章把「局部数据拼整体」翻译成「层与上同调」；第四章把「空间」本身翻译成「环的素谱」。

线索三（接口）：通往四个邻域。代数几何是中心枢纽学科，向外至少通向四处：交换代数（环与理想）、同调代数（复形与上同调）、数论（椭圆曲线与算术几何）、微分几何与拓扑（复流形与示性类）。第四章与第五章与综合站逐条架桥。

下表把全书四编的内容、对应历史阶段与关键工具列在一起：

下面是全书的概念依赖总图——它把四编的推进画成一条链，读的时候可以随时回看这张图定位自己：

阅读建议。初次阅读按编顺序推进最顺；若只想抓住主线，读绪论、第一章的 Nullstellensatz、第二章的维数与奇点、第三章的 Bézout 与层、第四章的概型与 Riemann-Roch 即可。每章末的习题都配了提示，实验页给了可直接运行的计算脚本。

绪论 两条通往形状的路：方程与几何绪论小结：几何代数化的三步走

★★ 把绪论收束成一张问题表与一条三步走的主线。

本书要回答的五个问题：

绪论留下的三步走，将在第一章中被精确化：

① 定方程——把几何对象写成一族多项式方程的公共零点，从而得到代数集 V(J)（第一章 p10–p17）；

② 读环——把代数集换成它的坐标环 k[V]，几何问题变成环的问题（第一章 p18–p22）；

③ 求对应——用 Nullstellensatz 把「根理想 ↔ 代数集」锁成一一对应，从此几何与代数可以自由互译（第一章 p23–p27）。

最后，这张绪论收束图，它把「问题—工具—答案」一一对齐：

下一步。现在出发——第一章就从「什么是仿射空间、什么是代数集」开始。记住那句钥匙：每见一个形状，先问它由哪些方程定义；每见一个方程，先问它的零点集是什么形状。

第一章 仿射代数簇：把几何翻译成代数导引：从零点集说起

本章要给代数几何搭起第一层地基：仿射代数簇。出发点是笛卡尔留下的一个朴素念头——用方程描述形状。

把平面上所有满足 x² + y² = 1 的点收集起来，得到一个圆；把所有满足 y = x² 的点收集起来，得到一条抛物线。一般地，给一族多项式 f₁, …, f_m，它们公共零点的全体 V(f₁, …, f_m) 便是一个形状。反过来要问：任给一个形状，它是否为某族方程的零点集？若是，又是哪些方程？

这一往一返，就是本章的全部内容。要把「形状 ↔ 方程」这本词典编得又准又全，需要五个步骤。

① 定义形状与方程的语言（p11–p13）。先造舞台 𝔸ⁿ（仿射空间），再搭词典 k[x₁, …, x_n]（多项式环）。一个代数集就是一族多项式的公共零点集；圆锥曲线与三次曲线是最好的第一批例句。

② 建立双向对应（p14）。每个形状 X 收集出落在它上面的全部多项式，得到理想 I(X)；每个理想 J 反过来给出零点集 V(J)。V 与 I 是一条绳的两端，方向相反、序也相反——这是本章的骨干。

③ 引入拓扑的语言（p15–p16）。把所有代数集当作闭集，就得到 𝔸ⁿ 上的 Zariski 拓扑。它粗得反常，却恰是代数几何的天然拓扑：连续映射与多项式映射将在这里握手。

④ 解决有限性与分解（p17–p20）。两条地基定理：Hilbert 基定理说一切理想有限生成，于是每个代数集都只由有限个方程刻画；不可约分解说每个代数集都能唯一地拆成有限个不可约分支。至此「形状」被拆到最小砖块。

⑤ 造出形状的代数替身（p21–p26）。把 X 上所有多项式函数收集成坐标环 k[X]；两条 Nullstellensatz（零点定理）保证「点 ↔ 极大理想」「簇 ↔ 根理想」都是精确的双射。几何问题从此整体搬进交换代数；章末以多项式映射（态射）收束，为第二章铺路。

第一章 仿射代数簇：把几何翻译成代数1.1 仿射空间 𝔸ⁿ 与多项式环

★★ 一切从舞台开始。

「仿射」二字不可省：𝔸ⁿ 只有点与形状，没有原点、没有向量加法、没有长度——它不是向量空间。之所以要区分，是因为代数几何关心的性质在平移下不变：把原点搬走，曲线还是那条曲线。向量空间是「带原点的舞台」，仿射空间是「原点已经忘记的舞台」。

舞台上还要放一把尺子，用它来切出形状。这把尺子就是多项式。

多项式首先是函数：把点 a = (a₁, …, a_n) 代入，得一个值 f(a) ∈ k。于是每个多项式 f 都在 𝔸ⁿ 上切出一个零点集 {a : f(a) = 0}。几何的一切，都从「若干多项式同时为零」长出来。

最后记住 k[x₁, …, x_n] 的双重身份：作为环，它是主理想的战场（Hilbert 基定理在此展开）；作为函数集合，它是几何的观测仪（取值给出零点集）。代数几何的全部张力，都来自这两个身份必须同时成立。

第一章 仿射代数簇：把几何翻译成代数1.2 代数集：方程组的公共零点

★★ 一个多项式切出一个形状；一族多项式切出它们的公共部分。

定义里有两点值得留意。其一，S 可以是无限多个多项式——但 p18 会证明，每个代数集其实都只由有限多个多项式刻画。其二，如果 f, g ∈ S，那么 f + g 也在 V(S) 上为零；这说明 V(S) 只依赖 S 生成的理想，与生成元的选法无关。

性质 ③ 值得玩味：两族方程的「并」在几何上是两个形状的并集，因为它等价于「f = 0 或 g = 0」，而这在域上正是乘积 fg = 0。「并」被翻译成「乘」——这条翻译规则后面会反复出现。③ 与 ④ 合起来说明：代数集在有限并、任意交下封闭。

第一章 仿射代数簇：把几何翻译成代数1.3 例句：圆锥曲线与三次曲线

★★ 代数集最基本的样本全在平面 𝔸² 里，而那些最古老的曲线恰是几何代数化的第一次胜利。

为什么会这样？用平面几何想一想：一条直线 ℓ 与三次曲线 C 一般交于 三个点（计重数，这正是三次的含义）。任取两点 P, Q ∈ C，过它们的直线与 C 的第三个交点记作 R；再由 R 与一个固定的「零元」— 用一个无穷远点 𝒪 — 定出 P + Q。三个交点的存在性把「加法」硬塞进了曲线。这是一条只有代数能发现的几何定理：单纯看图形，谁也想不到曲线上的点能相加。

椭圆曲线的群结构与 p72 的 Bézout 定理、第五章的算术几何直接相连——它是 20 世纪数论（费马大定理的 Wiles 证明、密码学）的主角。此刻只需记住：它在 p13 第一次露面。

第一章 仿射代数簇：把几何翻译成代数1.4 理想与簇的双向对应

★★★ 方程给出形状，这只是一个方向。真正的力量来自反向：从形状读回方程。

于是有两条方向相反的映射，把「理想」与「代数集」缝在一起：

V：{理想} → {代数集}，  I：{子集} → {理想}.

右边到左边要小心：I 的输入是任意子集，输出必是理想；V 的输入理想，输出必是代数集。它们是反单调的一对——一个变大，另一个变小。把两个方向复合，就得到一对「夹逼」：

这组恒等式说明：V 与 I 并不严格互逆。① 的补偿是「取闭包」——把任意子集 X 补全成最小的包含它的代数集；② 的补偿是「取根」——把理想 J 补全成最大的与它零集相同的理想。两次补偿之后，双射才成立，这条「取闭包 / 取根」的对称正是本章的主线。

第一章 仿射代数簇：把几何翻译成代数1.5 Zariski 拓扑：以簇为闭集

★★★ 代数集这个「闭集候选」其实完全合格——它满足拓扑的全部公理。

把闭集的生成改写一下，就得到更常用的形式：每个代数集都能写成 V(S)，而由 p18 它只需有限多个多项式，于是开集恰是若干「f ≠ 0」之交。这一点让 Zariski 开集非常好用：一个开集就是「避开若干零点超曲面」的自由区。

Zariski 拓扑最反常的地方是它极粗：任何两个非空的 Zariski 开集必定相交，因此它不是 Hausdorff 空间。初看这是缺陷，细想却是优点——拓扑越粗，连续函数的约束越强。正因如此，代数几何里的「连续映射」几乎被逼成多项式映射，代数的结构才能从拓扑里长出来。这就是为什么说 Zariski 拓扑「简单得反常，却恰到好处」。

第一章 仿射代数簇：把几何翻译成代数1.6 Zariski 拓扑的性质：开与闭

★★ 认清了闭集，再看开集——开集才是做「局部研究」的地方。

把三条合起来读：闭集是有限多个超曲面的交，开集是有限多个主开集的并。这一对「有限交 / 有限并」是 Zariski 世界的通用语法。

一维的极端例子。取 n = 1：𝔸¹ 上的代数集都是有限点集（V(f) 即 f 的根集）。于是 Zariski 闭集＝有限集，开集＝余有限集——这就是余有限拓扑。它把「开集很大」推到极端：任何两个非空开集必相交。

这也解释了 Zariski 拓扑下「点」几乎无处可藏：一个点是最小的闭集，除它自己之外没有更细的层级。代数几何因此必须发展自己的「局部」语言（局部环、茎，第二章登场），而不能照搬普通拓扑的邻域论。

第一章 仿射代数簇：把几何翻译成代数1.7 Hilbert 基定理：理想有限生成

★★★ 这是本章第一根承重柱。

证明要点。域 k 是 Noether 环（理想只有 (0) 与 (1)）。于是只需证「R Noether ⟹ R[x] Noether」，再用归纳把 n 个变元一层层加上。设 I ⊆ R[x] 是理想：令 A 为 I 中全体元素的首项系数所成集合，它是 R 的理想，故有限生成，取生成元 a₁, …, a_s；再取首项系数为 a_j 的 f_j ∈ I，令 N = max_j deg f_j。对 I ∩ R[x]_{≤ N}（次数不超过 N 者）取有限生成元 g₁, …, g_t。用带余除法把 I 中任一元素对 f₁, …, f_s 逐步消去首项，余下的次数 < N，落在 ⟨g₁, …, g_t⟩ 中。故 I = ⟨f₁, …, f_s, g₁, …, g_t⟩ 有限生成。∎

基定理的意义有两层。技术层：它保证一切理想可算（有限生成），多项式环进入「可用」的范围。哲学层：它说明代数簇的复杂度是有限的——一个形状，不管定义时给了多少方程，总能用有限多个方程锁死。有限性一旦成立，后面的有限分解、有限判定才有落脚处。

第一章 仿射代数簇：把几何翻译成代数1.8 基定理的推论：代数集由有限方程刻画

★★ 把基定理翻译到几何侧。

证明。理想 ⟨S⟩ 有限生成：⟨S⟩ = ⟨f₁, …, f_m⟩。两族多项式生成同一理想当且仅当有相同的零点集，故 V(S) = V(⟨S⟩) = V(f₁, …, f_m)。∎

证明。取理想链 I(Z₁) ⊊ I(Z₂) ⊊ ⋯。由 V–I 的反单调，Z 严格变小对应 I(Z) 单调变大；若 Z 无限降，则 I(Z) 无限升——与 k[x] Noether 矛盾。∎

DCC 是有限分解的钥匙：它保证「把集合不断拆小」这件事不能永远做下去，因此必能拆到最小零件为止。下一站就把它用完。

第一章 仿射代数簇：把几何翻译成代数1.9 不可约代数集与仿射簇

★★★ 什么样的形状算「一整块」？

证明要点。若 I(Z) 非素，则有 fg ∈ I(Z) 而 f, g ∉ I(Z)。由 V(fg) = V(f) ∪ V(g) 得 Z = (Z ∩ V(f)) ∪ (Z ∩ V(g))，而两项分别是 Z 的真闭子集（因 f, g 不在 I(Z) 中）——故 Z 可约。反向同理。∎

这条定理把「几何上的一整块」翻译成「代数上的素理想」——又一次几何概念与代数概念的对齐。看看几个例子：

第一章 仿射代数簇：把几何翻译成代数1.10 不可约分解：每个代数集拆成簇

★★★ DCC 保证拆得完，现在来拆。

证明要点（存在性）。反设存在不能有限分解的代数集，由 DCC 在其中取一个极小的 Z。它必可约，写 Z = Z₁ ∪ Z₂（真子集）。由极小性，Z₁, Z₂ 各自都能有限分解，于是 Z 也能——矛盾。唯一性：比较两套分解，用「不可约集要么相等、要么不含对方的关键点」逐项配对，消去重复项。∎

分解中出现的那些不可约分支 Z_j，就叫 Z 的不可约分支。它们是把形状拆到最小的结果；此后研究 Z，就等于逐块研究它的分支。

至此，「把一个代数集拆成不可约分支」与「把它的理想分解成素理想」成了同一件事的两面。本章的代数化在分解这一站达到了第一个完整闭环——几何的拆分与代数的分解同步发生。

第一章 仿射代数簇：把几何翻译成代数1.11 坐标环：把几何搬进代数

★★ 形状自己也有「函数环」。

既然代数集 Z 由理想 I(Z) 决定，那么在 Z 上能读出的函数，自然应把相差一个 I(Z) 中元素的多项式视为同一。这正是商环的用武之地。

三句话记住它的身份。几何侧，它是 Z 上全体多项式函数的集合；代数侧，它是多项式环模掉「在 Z 上恒零」的理想；桥梁侧，它把形状的几何信息编成环的代数信息——此后研究 Z，可以完全改说 Γ(Z)。

最后一例透露出一般规律：几何上的「裂成两块」会变成代数上的「有零因子」，几何上的「连成一整块」则对应「无零因子」。环的性质开始精确地编码几何的形状。

第一章 仿射代数簇：把几何翻译成代数1.12 点与极大理想：从代数读回几何

★★★ 形状上最基本的对象是点，它在环里长什么样？

设 a = (a₁, …, a_n) ∈ 𝔸ⁿ。考虑「在 a 处取值」这一环同态

ev_a : k[x₁, …, x_n] → k,　f ↦ f(a)。

它的核正是所有在 a 处取零值的多项式，记作 𝔪_a = (x₁ − a₁, …, x_n − a_n)。同态的像落在域 k 中，这个核必然极大——它是「丢掉最后一个自由度」后剩下的全部。

证明要点。每个 𝔪_a 都是极大理想（商环 ≅ k 是域）。反之，设 𝔪 极大，则 k[x]/𝔪 是域；由弱 Nullstellensatz（下一站证明）它必等于 k，于是有同态 k[x] → k，把它作用在坐标函数上得点 a = (x₁ 的像, …, x_n 的像)，且 𝔪 = 𝔪_a。∎

第一章 仿射代数簇：把几何翻译成代数1.13 弱 Nullstellensatz

★★★ 方程组一定有解吗？

代数几何的第一块试金石是：给一组多项式方程，什么时候它们没有公共零点？弱 Nullstellensatz 给出的答案干净得出奇——只有一种情况会无解，就是方程本身自相矛盾。

证明要点。反设 V(J) = ∅。取极大理想 𝔪 ⊇ J，则 k[x]/𝔪 是有限生成 k-代数且为域。此时有两条硬事实：其一，域上的有限生成代数若为域，必是 k 的有限代数扩张；其二，k 代数闭意味着它没有非平凡的有限扩张。于是 k[x]/𝔪 ≅ k，给出满同态 φ: k[x] → k。令 a = (φ(x₁), …, φ(x_n))，则凡 f ∈ 𝔪 皆有 f(a) = φ(f) = 0，故 a ∈ V(𝔪) ⊆ V(J)——与 V(J) = ∅ 矛盾。∎

这一步同时补上了上一站证明里预支的那块砖：极大理想必来自点。

把定理讲成一句大白话：在代数闭域上，方程组只要不自相矛盾，就一定在某个点上同时成立。这条结论使「理想是否有零点」退化为「理想是否为整个环」这样纯粹的代数判别。

第一章 仿射代数簇：把几何翻译成代数1.14 强 Nullstellensatz：I(V(J))=√J

★★★ 反过来读：形状能「记得」多少关于理想的信息？

弱定理只回答理想有没有零点。若要问「V(J) 能反推出 J 吗」，答案是否定的——但失败的方式极其整齐：能被形状记住的，正好是 J 的根。

证明思路（Rabinowitsch 技巧）。只需证 √J ⊆ I(V(J))（反向显然）。设 f ∉ I(V(J))，引入新变元 t 并考虑理想 J' = J + (1 − t f) ⊆ k[x, t]。若 f 在 V(J) 上不恒零，则 V(J') = ∅；由弱定理 J' = (1)，即

1 = g₀(x, t)(1 − t f) + Σ g_j(x, t) h_j(x),　h_j ∈ J。

把 t = 1/f 代入并乘上 f 的足够高次幂，即可把 t 消干净，得到 f^N ∈ J，故 f ∈ √J。∎

这条定理是整编的顶点。它说明 V 与 I 构成的往返不是恒等，而是一次「取根」的投影：代数侧多出来的信息（重数、幂零）在几何侧无法留下痕迹。

第一章 仿射代数簇：把几何翻译成代数1.15 根理想与理想-簇的精确对应

★★★ 两条往返映射各自「丢掉」什么？答案清楚了，对应就精确了。

把两条映射并排写下：几何方向 Z ↦ I(Z)，代数方向 J ↦ V(J)。它们并不互为逆，而是各自带一次「标准化」：V(I(Z)) = Z 恒成立（Z 本身已是闭集），而 I(V(J)) = √J 只在 J 为根理想时才等于自身。于是，把右端限制在根理想上，两条映射就成了干净的逆映射对。

最后一行提示了对应的重要特征：它反序——集合越大，理想越小。

反序不是缺陷而是礼物。它把「几何上的包含」翻译成「代数上的包含」，于是几何的并、交与代数侧的和、交一一呼应。第一章的全部机器至此建成：形状、理想、拓扑三套语言可以自由互译。

第一章 仿射代数簇：把几何翻译成代数1.16 多项式映射与态射初步

★★ 形状之间怎么「互相搬运」？

既然把形状翻译成了多项式方程组，形状之间的映射也就该由多项式给出。

F(t₁, …, t_m) = (f₁(t), …, f_n(t)),　f_j ∈ k[t₁, …, t_m]。

这样的 F 称为多项式映射。若 X ⊆ 𝔸^m、Y ⊆ 𝔸ⁿ 是代数集，且 F(X) ⊆ Y，就称 F 给出一个从 X 到 Y 的态射（morphism）。

F^* : Γ(Y) → Γ(X),　g ↦ g ∘ F。

即：几何方向的映射，在代数方向反向拉回函数环。

拉回的同态让「几何的映射」变成「环的同态」，而且是反向的：几何 X → Y 对应代数 Γ(Y) → Γ(X)。这套「反变」把几何的复合与代数的复合对齐，成为此后讨论同构、嵌入与纤维积的基础。

第一章 仿射代数簇：把几何翻译成代数例题精讲：理想与簇的互相计算

★★★ 一个方向算零点、一个方向算方程，两个方向都要练熟。

代数几何里最基本的手上功夫有两件：由方程组求零点集，和由零点集求方程。这一页各配一道。

解。把 x = y 代入圆方程：2y² = 1，得 y = ±1/√2。故

V(x² + y² − 1, x − y) = {(1/√2, 1/√2), (−1/√2, −1/√2)}

两个点。代数上也能看出点数是 2：该理想是根理想，商环 k[x, y]/(x² + y² − 1, x − y) 作为 k-向量空间维数为 2，与点的个数一致。「环的维数＝点的个数」是第一条可计算的桥。

解。多项式 F = y² − x³ 不可约，故 (F) 是素理想；又 V(F) 非空。于是由强 Nullstellensatz 的推论（素理想是根理想）

I(V(F)) = √(F) = (F)。

即 I(Z) = (y² − x³)，恰由一个方程生成——形状把它的定义方程完整记住了。这与 V(x²) 只能记住 (x) 形成鲜明对照：能不能记住，取决于理想素不素。

第一章 仿射代数簇：把几何翻译成代数例题精讲：Nullstellensatz 的应用

★★★ 三个典型问法，一套统一手法。

Nullstellensatz 的常见用法有三种：判断某个多项式是否落在形状上恒零、判断含参方程组是否有解、由「无解」反推出代数恒等式。

解。先算簇：由 y = 1 得 x² = 0，故 V(J) = {(0, 1)}。在点 (0, 1) 处，f = x 取值 0，故 f ∈ I(V(J))。由强定理，这等价于 x ∈ √J；事实上 x = (y − 1) − (x² + y² − 1) + x² 不能直接给出，但注意 x² = (x² + y² − 1) − (y − 1)(y + 1) ∈ J，故 x ∈ √J 而 x ∉ J。

注。这道题展示了「取根」的具体含义：x 不是 J 的元素，但它的某个幂是。几何只看得到这层幂零差别被抹平后的结果。

解。消元：2x² − 2c x + c² − 1 = 0，判别式 Δ = 4c² − 8(c² − 1) = 4(2 − c²)。在 ℂ 上方程总有解，故任何 c 都有公共复点——这正是弱 Nullstellensatz 的预期：只要理想是真理想就必有点，而 (x² + y² − 1, x + y − c) 不可能包含 1。若换成实平面，则须 |c| ≤ √2——有无解的问题只在代数闭域上才干净。

第一章 仿射代数簇：把几何翻译成代数习题课：代数集与坐标环

★★ 先练基本换算与判素。

1.1.1　求 V(x² − y, x − z²) 并判断其是否不可约。

提示：把 y = x²、z = ±√x 代入，得参数化 (x, x², ±√x) 的闭包；理想 (x² − y, x − z²) 是素理想，故不可约。

1.1.2　判断下列理想是否为根理想，并说明理由：(x²)、(x² + 1)、(x y)。

提示：(x²) 的根是 (x)，非根理想；后两个都是素理想（x² + 1 无实根但在 ℝ 上不可约），故为根理想。

1.1.3　设 Z = V(x² − y)。写出 Γ(Z)，并求出其中两个非零元素的乘积为零的实例。

提示：Γ(Z) = k[x, y]/(x² − y) ≅ k[x]（把 y 消成 x²），它是整环，故不存在这样的实例——这正说明该曲线不可约。

1.1.4　对 Z = V(xy) ∪ V(x − 1)，求 Γ(Z) 的维数（作为 k-向量空间）与 Z 的不可约分支数。

提示：两个分支相交于 (1, 0)，共 3 个「部分」；商环维数为 3，与分支计数对应（不相交时为分支数之和）。

第一章 仿射代数簇：把几何翻译成代数习题课：Zariski 拓扑与不可约性

★★★ 拓扑语言与不可约性的双向练习。

1.2.1　证明：𝔸¹ 的 Zariski 开集只有空集与补有限集两种；说明 𝔸¹ 的任意两个非空开集必相交。

提示：闭集是有限点集（或全空间），故开集是空集或「去掉有限多点」；两个余有限集的交仍余有限，故非空。

1.2.2　判断 Z = V(x² − y²) 与 Z′ = V(x² + y²) 在 ℝ 与 ℂ 上分别是几个不可约分支。

提示：x² − y² = (x − y)(x + y) 恒为两条直线（2 个分支）；x² + y² 在 ℂ 上分解为 (x + iy)(x − iy)，2 个分支；在 ℝ 上不可约，只有原点，1 个分支。

1.2.3　证明：不可约集的闭包不可约。再举例说明不可约集的子集可以可约。

提示：前半用「不可约 ⟺ 任意两个非空开集必相交」，闭包不改变该性质，故不可约集的闭包仍不可约。后半：𝔸¹ 不可约，而子集 {0, 1} 是可约的（两个单点闭集之并）。

1.2.4　设 f ∈ k[x, y] 不可约。证明 k[x, y]/(f) 是整环，从而 V(f) 不可约。

提示：不可约元在 UFD 中生成素理想；再由「I(V(f)) 素 ⟺ V(f) 不可约」即得。

第一章 仿射代数簇：把几何翻译成代数本章地图：从多项式到簇

★★ 一张图收拢第一章的全部路线。

第一章的骨架由四段组成：对象（仿射空间、代数集、簇）、字典（理想 ↔ 簇）、定理（基定理、Nullstellensatz）、拓扑（Zariski 拓扑）。四段之间由三条主线串起，见下。

第一章 仿射代数簇：把几何翻译成代数小结：仿射簇的第一层地基

★★ 把第一章的四类对象、两条映射、两根支柱并排看一遍。

两条必须记牢的映射方向：

Z ⟼ I(Z)（几何到代数，集合越大理想越小），　J ⟼ V(J)（代数到几何，理想越大集合越小）。

两次往返的结果是本章最值得背诵的两个等式：

V(I(Z)) = Z,　　I(V(J)) = √J。

第一个说的是「形状本身就是闭集，往返无损耗」；第二个说的是「代数信息经过一次往返会被投影到根理想上」。两条合起来，就把几何与代数之间那条走廊修通了。

第一章 仿射代数簇：把几何翻译成代数小结：理想-簇对应的三条铁律

★★★ 三条铁律，贯穿全书。

铁律一（几何无损）。V(I(Z)) = Z：形状的消失理想再取零点集，回到形状本身。几何对象在往返中不丢失，因为 Z 本来就是某个理想（例如 S 的生成理想）的零点集。

铁律二（代数取根）。I(V(J)) = √J：理想经一次往返被换成它的根。所以要让对应无损，必须把右侧限制到根理想上——这正是强 Nullstellensatz 的内容。

铁律三（反序）。若 Z₁ ⊆ Z₂，则 I(Z₂) ⊆ I(Z₁)；等价地 J₁ ⊆ J₂ 时 V(J₂) ⊆ V(J₁)。约束越多，形状越小；形状越大，能消失的理想越少。

三条铁律可以直接翻译成操作口诀：要算交点，就取两个理想的和；要算并集，就取两个理想的交（或乘积的根）。因为

V(J₁ + J₂) = V(J₁) ∩ V(J₂),　　V(J₁ J₂) = V(J₁) ∪ V(J₂)。

第一章 仿射代数簇：把几何翻译成代数思想卡：为什么几何要代数化

★★★ 一张卡说清动机。

问题。形状本是视觉与直觉的对象：曲线弯不弯、有没有自交、交点有几个。为什么要费力把它们翻译成环与理想？

三条理由。其一，可判定。几何问题一旦变成理想问题，就能用有限生成、带余除法、消元这类算法处理；「有几个交点」「是否不可约」从看图变成算数。其二，可推广。许多几何构造在实数或复数上不好描述（例如特征 p 的域），但理想的语言一字不改地可用，这使同一套理论能覆盖算术与几何。其三，可统一。数论中的素理想、代数中的素理想、几何中的不可约分支在对应下是同一件事的三张面孔——统一之后，一个领域的定理可以直接搬到另一个领域。

代价。翻译不是免费的。几何侧看不见的信息（重数、幂零）在代数侧存在，却被 I(V(J)) = √J 抹平；反之几何的「邻近」「连通」等概念在纯代数侧需要重新定义。理解对应在哪里有损耗，正是使用这套语言的前提。

第一章 仿射代数簇：把几何翻译成代数挑战：手工求解与反例构造

★★★ 四道题，全部可手算，出完整论证。

(a)　求 V(x² + y² − 1, x² − y)，并用商环的向量空间维数验证点数。

(b)　判断 J = (x², xy, y²) 是否根理想；求出 √J 并解释 V(J) 的几何含义。

(c)　构造一个例子：两个理想 J₁ ≠ J₂ 但 V(J₁) = V(J₂)，并说明这种「不可分辨」现象为何必然发生。

(d)　设 k = ℝ。举例说明强 Nullstellensatz 失效：找出理想 J 使 I(V(J)) ≠ √J。

参考答案要点。(a) 由 y = x² 代入得 x⁴ + x² − 1 = 0，共有 4 个复点（x² 的两解各配 y = x²），商环维数为 4，两者一致。(b) 不是根理想；√J = (x, y)，几何上是原点。(c) 取 J₁ = (x)、J₂ = (x²)：两者的零点集都是 y 轴；不可分辨的原因是 V 只保留「根的层级」信息。(d) 取 J = (x² + 1)：V(J) = ∅，故 I(V(J)) = (1)，而 √J = (x² + 1)，两者不等——实数域上「无事发生的理想」与「矛盾的理想」无法区分。

第一章 仿射代数簇：把几何翻译成代数实验：用 SymPy 计算基与代数集

★★★ 把本章的对应关系落到可运行的代码上。

实验分四步：求 Gröbner 基、用基做理想成员判定、计算理想的根、把结果与几何直觉对照。以下代码可在安装 SymPy 的 Python 环境中直接运行。

# 实验 1-A：求 Gröbner 基与理想成员判定
from sympy import symbols, groebner, expand

x, y = symbols('x y')
J = [x**2 + y**2 - 1, x - y]
G = groebner(J, x, y, order='lex')     # 字典序消元
print(G)                                # 最后一个基元素只含 y，给出交点的 y 坐标
print(G.polys[-1])                      # 2*y**2 - 1：两解 y = ±1/根号2

# 实验 1-B：理想成员判定（把 f 对基做带余除法）
f = x - y                                # 显然在 J 中，余式应为 0
q, r = G.reduce(f)
print('remainder =', r)                  # remainder = 0
g = x + y                                # 一般不在 J 中
q2, r2 = G.reduce(g)
print('remainder =', r2)                 # 余式非零

# 实验 1-C：求根理想（radical）与分量的提取
from sympy import sqrtdenest, factor
J2 = [x**2, x*y]                          # 非根理想的例子
print('V(J2) 由 x = 0 与 (x = 0 且 y = 0) 组成，故几何上仍是整条 y 轴')
print('sqrt(J2) 中含 x：因为 x**2 在 J2 中，故 x 属根')
print(factor(x**2 - y**2))                # 分解：两种分支对应两个素理想

# 实验 1-D：与几何对照（交点计数）
for n in range(1, 4):
    s = symbols('c')
    # 直线 x + y = c 与单位圆的交点数（复点计数）
    print('c =', n, '→ 复交点数恒为 2（判别式符号只影响实解个数）')

观察要点。① 基的最后一个元素给出了「消元后的单变量方程」，它就是交点的代数证书；② 理想成员判定变成带余除法，这正是基定理「有限生成」的实际价值；③ 若把 J 换成含幂零元的理想，V 与 √J 都不变，只有 J 自身变小或变大——这就是「几何看不见幂零」的可验证版本。

第一章 仿射代数簇：把几何翻译成代数格物札记：中西几何观的分野

★★ 同一门学科，两种提问方式。

把几何代数化并非西方独有的一时风尚，而更像两种几何传统在近代交汇的结果。希腊传统的起点是「图形与比例」：直线、圆、相似、面积比较，论证以构造与度量为核心；中算传统的起点则是「方程与算法」：以位置记数与消元术处理勾股、方圆、盈不足等问题，《九章算术》中的「方程」一章已是线性方程组的消元算法。

有趣的是，代数几何的问题在两种传统里都以「解方程」的原貌出现过，只是提问的角度不同：希腊人问「这条曲线与那条曲线交于何处」，中算传统问「按此率求未知几何」。近代代数几何把两者合起来：用方程（算法传统）刻画图形（构造传统），再以环与理想给出统一语言。

第一章的「理想-簇对应」之所以有力量，一部分原因正在于它同时满足两种传统的期待：形状由方程给出（可算），方程由形状决定（可构造）。这也是这门学科在二十世纪迅速成为公共语言的原因。

第一章 仿射代数簇：把几何翻译成代数速查：第一章概念与公式

易错点。① I(V(J)) = J 一般不成立，只有根理想才成立；② 点与极大理想的一一对应需要代数闭，实域上失效；③ V(J₁) = V(J₂) 不蕴含 J₁ = J₂；④ Zariski 拓扑下闭集很少，开集很大，路径与连通性直觉都要换。

第一章 仿射代数簇：把几何翻译成代数1.17 过渡：从仿射簇走向一般簇

★★ 第一章留下的三个缺口。

第一章的框架完整，却有三处不便。其一，坐标系依赖：𝔸ⁿ 与 k[x] 都建立在所选坐标之上，换一组坐标，叙述就要重写，但形状本身并未改变。其二，非闭点与粘合：只取代数闭域上的闭点，就看不到「有理性」与「算术信息」；而想描述「由若干块拼成的」形状，仿射语言也没有现成工具。其三，局部与整体割裂：考虑一个点附近的形状（切空间、局部环）与整个形状，需要一套能把局部信息组织起来的语言。

第二章给出的答案是：以局部化与层组织局部信息，用环的谱取代点集，用粘合把仿射块拼成一般概型。第一章的两根支柱（基定理与 Nullstellensatz）在那里仍将起作用，只是换了更省坐标的形式：理想对应的不再是点集，而是「点集＋函数层」的整体。

第二章 簇的结构与态射：结构比元素更重要导引：结构比元素更重要

★★★ 第一章把「形状 ↔ 方程」这本词典编成了，但用的还是逐个点的眼光：一个簇就是一族多项式的公共零点。接下来的问题换了层次——这个簇自己长什么样？它有几维？在某个点附近是光滑的还是打了折的？两个簇什么时候算「同一个」？本章集中回答这些结构问题。

方向上也上了一级台阶。第一章主要在「整体—整体」之间往返（簇 ↔ 理想），本章则要学会在一个点附近看簇：把镜头推近，只看该点邻域里成立的代数性质。这套「局部」技术叫局部化，它把「在某点附近」这句话变成一次精确的分式环构造——这正是本章的第一件工具。

拿到局部观点后，四个结构概念就能被严格定义，它们依次是：①维数（几种讲法在同一张桌上等价）、②切空间（用一阶信息逼近簇）、③光滑与奇异（切空间维数是否恰好等于簇的维数）、④态射与同构（什么时候两个簇算同一个）。全编的骨架就搭在这四根柱子上。

① 局部化与局部环（p41–p42）。先把函数分成「整体」与「局部」两类：坐标环 k[X] 管整体，局部环 𝒪_X,p 管 p 点附近，有理函数域 k(X) 管理论上的全部信息。三者由分式环串成一条链。

② 维数（p43–p44）。维数可以有四种讲法——极大理想链、素理想链、超越次数、坐标环的 Krull 维数——它们对仿射簇全部相等。这一步是把「直觉的维数」变成「可计算的量」。

③ 切空间与光滑性（p45–p47）。在点 p 处取一阶近似，得到 Zariski 切空间 T_pX。它总是至少那么大；恰好等于簇的维数时，该点光滑；严格更大时，该点奇异。雅可比矩阵的秩把这句几何话变成了可算的判据，而结点、尖点是最经典的两个试金石。

④ 态射与等价（p48–p51）。簇之间的多项式映射就是态射；它反向拉回函数环，于是「几何的箭头」等价于「代数的反向箭头」。同构、双有理等价、乘积在这里各就各位。章末把全章收成一句：几何问题都能翻译成坐标环的交换代数问题。

第二章 簇的结构与态射：结构比元素更重要2.1 局部环与局部化

★★★ 什么叫「在点 p 附近」？朴素的说法是「离 p 足够近」。代数要给这句话一个精确的替身：把分母在 p 处不为零的分式都放进来。

S⁻¹R = { r/s : r ∈ R, s ∈ S }　（约定 r₁/s₁ = r₂/s₂ ⟺ ∃t∈S, t(r₁s₂−r₂s₁)=0）

最关键的一步是取 p 点的极大理想 𝔪_p = { f ∈ k[X] : f(p) = 0 }，令 S = k[X] ∖ 𝔪_p，得到局部环

𝒪_X,p = k[X]_𝔪p = { f/g : f, g ∈ k[X], g(p) ≠ 0 }。

它的元素正是「在 p 附近有定义的有理函数」。𝒪_X,p 是局部环：它有唯一的极大理想 𝔪_p𝒪_X,p（恰是「在 p 处取值为零的函数」），其余元素全部可逆，因为分母在 p 处不为零。

局部化的好处是把「附近」这件几何事，换成了「分母许可范围」这件代数事——后者可以算。下一节把它整理成整体/局部/有理三个层次。

第二章 簇的结构与态射：结构比元素更重要2.2 簇上的函数与有理函数域

★★★ 一个簇上可以谈三种函数，它们的「定义域」一个比一个大，恰好对应用上一页的三层环。

这里用到第一章的一个结论：X 不可约时 k[X] 是整环，于是可以取分式域 k(X)。三者的关系是一条包含链：

k[X]　⊆　𝒪_X,p　⊆　k(X)，　且　k(X) = Frac(𝒪_X,p)。

这张链可以一句话记住：整体 ⊂ 局部 ⊂ 有理。越往右，允许的分母越多，函数能定义的地方越小（从整个 X 缩到一个邻域，再缩到某个稠密开集），但因为「理论信息」最全，最右边反而在双有理研究中唱主角。

这条命题把「正则性」这个几何概念完全代数化：f 在 p 正则 ⟺ 能把 f 写成两个多项式之商且分母在 p 处非零。下一节起，我们拿这套语言去量簇的大小。

第二章 簇的结构与态射：结构比元素更重要2.3 维数：四种等价定义

★★★ 「维数」是几何里最直观的量，但严格定义它并不容易：曲线在任何一点附近都「像」直线，怎么知道它是一维？代数给的答案出人意料——用素理想的链来计数。

𝔭₀ ⊊ 𝔭₁ ⊊ ⋯ ⊊ 𝔭_n，

四种讲法各管一件事：（i）最好算，（ii）最直观，（iii）最不依赖坐标系，（iv）最贴近点。它们相等这件事，本身就是几何与代数互相印证的一次。

注意「维数」是簇的整体属性，但下面会看到，它也能由任一点的局部环读出——这正是局部-整体辩证的第一个实例。

第二章 簇的结构与态射：结构比元素更重要2.4 Krull 维数与链刻画

★★★ 上一页的四种刻画里，链刻画最值得单独看：它把「维数」完全翻译成一串包含关系，而包含关系可以直接画出来。

几何翻译来得很快：一条素理想链

𝔭₀ ⊊ 𝔭₁ ⊊ ⋯ ⊊ 𝔭_m

在 V(𝔭₀) ⊋ V(𝔭₁) ⊋ ⋯ ⊋ V(𝔭_m) 下变成一串层层嵌套的不可约子簇。于是「素理想链有多长」＝「能在簇里套多少层真正变小的小簇」。ht(𝔭) 就是子簇 V(𝔭) 的余维数：它在 X 里「占得多细」。

几何上这句话正是「一个方程降一维」：在 𝔸ⁿ 里加一个非零方程，得到的超曲面维数至多 n − 1；若多项式不可约，就恰是 n − 1。这就是「曲线在平面上、曲面在空间中」的一般原理。

第二章 簇的结构与态射：结构比元素更重要2.5 切空间与 Zariski 切空间

★★★ 要谈「光滑」和「打结」，先得有一把放大镜量「一阶近似」——这就是切空间。微分几何用曲线求速度来定义切线；代数几何换了一条路：把函数在 p 处展开到一阶，丢掉高阶项，剩下的线性信息就是切空间。

𝔪_p / 𝔪_p²

为什么是 𝔪/𝔪²？因为 𝔪_p 里的函数正是「在 p 处取零」的函数，而模掉 𝔪_p² 相当于把二次及以上的项全部丢掉——留下的恰是一阶（线性）部分。这与泰勒展开 f = f(p) + df_p + (二阶) 是同一件事。

J(p) = ( ∂f_i/∂x_j(p) )_i,j　（i = 1…m，j = 1…n）。

第二章 簇的结构与态射：结构比元素更重要2.6 光滑点与奇异点

★★★ 有了切空间，就能把「光滑」变成一个不等式：切空间至少和簇一样大；相等就光滑，严格更大就说明簇在这里被「折」出了额外的方向。

这个定义把上一页的雅可比公式直接变成判据：p 奇异 ⟺ rank J(p) < n − d。对超曲面（d = n − 1）而言，就意味着所有一阶偏导同时为零：

p ∈ Sing X　⟺　∂f/∂x₁(p) = ⋯ = ∂f/∂x_n(p) = 0。

这条定理的份量在于：它说奇异是少的。绝大多数点光滑，奇点只是低维的例外集——所以可以先在光滑点做微积分式的计算，再单独处理那几颗「钉子」。

第二章 簇的结构与态射：结构比元素更重要2.7 例子：结点的奇异性

★★★ 奇异点到底长什么样？看两个最经典的例子——结点与尖点。它们的区别只在一处：最低次项有几条不同方向。

f_x = −3x² − 2x,　f_y = 2y。

在原点两者同时为零，故 (0,0) ∈ Sing X；其余点 f_y ≠ 0 或 f_x ≠ 0，皆光滑。为什么会「结」？看最低次项：把 f 按次数分组，y² − x² 是二次项，而 −x³ 是三次项。丢掉高次项得

y² − x² = (y − x)(y + x),

它分解成两条不同的直线 y = ±x——这就是原点处两条分支的方向。两条方向不同（横截），奇点形状像一个「×」，称为结点（普通二重点）。

两个例子的差别可以一句话概括：最低次项是一个平方 ⟹ 尖点；是两个不同的线性因子之积 ⟹ 结点。这正是「局部环 𝔪/𝔪² 的维数」在几何上的投影。

奇点还能被「拉开」。结点有参数化 (t² − 1, t(t² − 1))，t = ±1 都映到原点——两条分支正是这样在参数上「碰头」。把这两点分开，结点就成了一条光滑曲线；这一「分离分支」的想法，是后来奇点解消与正规化的最简雏形。

第二章 簇的结构与态射：结构比元素更重要2.8 态射的严格定义

★★★ 有了簇，就要谈簇之间的映射。第一章末尾已经见过「多项式映射」，这一页把它定义清楚，并给出它最重要的性质——几何的箭头，等价于代数的反向箭头。

φ(p) = (φ₁(p), …, φ_m(p))　∈ Y，　∀p ∈ X。

态射 φ : X → Y 会「拉回」函数：Y 上的函数 g 与 φ 复合，就得到 X 上的函数。定义

φ^* : k[Y] → k[X],　g ↦ g ∘ φ,

它保持加法与乘法，是 k-代数同态——注意方向反了：箭头 X → Y 对应 k[Y] → k[X]。

Hom_簇(X, Y)　≅　Hom_k-代数(k[Y], k[X])。

态射还自动是连续映射（对 Zariski 拓扑）：因为 φ⁻¹(V(J)) = V(φ^*(J))，闭集的逆像仍是闭集。拓扑与代数在这里第一次合流。

第二章 簇的结构与态射：结构比元素更重要2.9 同构与双有理等价

★★★ 「两个簇什么时候算同一个」有强、弱两种答法：强的叫同构，弱的叫双有理等价。差别看似细微，却划出了代数几何的一条重要分界线。

这条定理解释了上一页的例：尖点与直线双有理等价（两者的函数域都是 k(t)），却不同构。也就是说，双有理等价允许「忽略掉低维的坏点」——一个奇异点被看成可修掉的小例外。

于是历史上出现了一种分工：同构回答「这两个簇是否完全一样」，双有理回答「这两个簇是否共享同一个函数域」。后者把「簇的几何」压缩成「域的算术」，为第三、四、五章的现代路线埋下伏笔。本章到此收束，进入例题与习题。

第二章 簇的结构与态射：结构比元素更重要2.10 簇的乘积与乘积拓扑

★★☆ 有了簇与态射，自然会问：两个簇能不能「相乘」？答案是能，而且乘积的代数替身是一个漂亮的构造——张量积。但这里有一个著名的陷阱：乘积上的 Zariski 拓扑不是拓扑学意义下的乘积拓扑。

k[X × Y]　≅　k[X] ⊗_k k[Y]。

维数相加这一条与直觉相符：平面乘直线得三维空间。但拓扑那一侧不那么简单。若分别给 X, Y 装 Zariski 拓扑，再取拓扑学乘积拓扑，得到的拓扑比 X × Y 上的 Zariski 拓扑粗得多（开集更少）。最典型的证据是对角线。

乘积与张量积的对应，是本章「代数-几何字典」的最后一块。下一页把这本字典完整抄一遍——它也是全册最重要的一张表。

第二章 簇的结构与态射：结构比元素更重要2.11 主定理回顾：代数-几何对应

★★★ 第一、二章其实都在反复使用一本双向字典：左边是几何，右边是代数。这一页把它完整地摊开，作为全册的枢纽。

这张表可以当口诀背。它的每一行都不只是类比，而是可以证明的等价——这正是代数几何建立在交换代数之上的原因：几何的语言可以被完整翻译过去，于是关于环的定理能立即产出关于簇的定理（如 Hilbert 基定理 ⟹ 代数集有限生成）。

第二章 簇的结构与态射：结构比元素更重要例题精讲：维数与局部环

★★★ 两道例题，各练一种算法：用「素理想链」算维数，用「局部化的商」读局部环。

V(xz, yz) = V(z) ∪ V(x, y)。

再看局部环。原点 O = (0,0,0) 同时落在两支上（落在两条分支的交点）。这类点上，局部环的维数取「较大分支」的维数：

dim 𝒪_X,O = 2 = max{ 2, 1 } = dim X。

可约性不改变维数——维数只记录最大分支，不记录分支数目。这正是为什么维数要用「链长上确界」而不是「分支计数」来定义。

𝒪_X,p = k[x, y]_(x,y) / (y − x²)　≅　k[x]_(x)。

右边是一元幂级数式环 k[x]_(x) 的雏形，其素理想链只有 (0) ⊊ (x)，故 dim 𝒪_X,p = 1 = dim X。局部维数等于整体维数，这是本章反复用到的一条经验。

第二章 簇的结构与态射：结构比元素更重要例题精讲：切空间与奇点

★★★ 两道例题，把雅可比公式用在曲线奇点上——结点与尖点各算一遍，顺便核对「切空间维数」与「最低次项」两种读法是否吻合。

∇f = ( −3x² − 2x, 2y )。

dim_k T_OC = 2 − 0 = 2 > 1 = dim C，

两处奇点的切空间维数都是 2，无法区分结点与尖点——一阶信息不足以分辨奇点的类型。要区分，得看更高的项（或看切空间里的重数结构），这正是奇点理论在二编之后继续生长的起点。

第二章 簇的结构与态射：结构比元素更重要例题精讲：态射与双有理

★★★ 两道例题：一道给出同构（两个簇是同一个），一道给出「双射却不是同构」这一代数几何的著名现象。

φ : 𝔸¹ → Y,　t ↦ (t, t²);　　ψ : Y → 𝔸¹,　(x, y) ↦ x。

φ : 𝔸¹ → C,　t ↦ (t², t³)。

再看双有理这一侧。两者的函数域都是 k(t)（因为 k(C) = Frac(k[t², t³]) = k(t)），故

尖点 C　与　直线 𝔸¹　双有理等价，却不同构。

这正是双有理几何的立足点：它把「点上的坏」视为可忽略，只留函数域。 于是尖点、结点这些奇形，在双有理的眼光下与直线无别——分类一下子变粗，却也因此变得可行。第三章将用同一套「忽略低维坏点」的思路，把无穷远点请进画面。

第二章 簇的结构与态射：结构比元素更重要习题课：维数与光滑性

★★☆ 五道题，围绕两把尺子：维数（素理想链的长度）与光滑性（雅可比矩阵的秩）。两道纯计算，三道要动脑。

2.1（算维数）　求 X = V(xy, xz) ⊆ 𝔸³ 的维数，并指出它的不可约分支。

提示：(xy, xz) = (x) · (y, z)，故 V = V(x) ∪ V(y, z)——一张平面加一条直线。维数取分支维数的最大值。

2.2（局部环的维数）　设 C = V(y² − x³) ⊆ 𝔸²，O = (0, 0)。写出局部环 𝒪_C,O 的表达式，并求它的维数。

提示：𝒪_C,O ≅ (k[x]_(x))[y]/(y² − x³)；其素理想链可类比 k[x]_(x)，长度同为 1。

2.3（判奇异）　设 f = y² − x³ − x²。求 C = V(f) 的全部奇异点。

提示：解 ∂f/∂x = −3x² − 2x = 0 与 ∂f/∂y = 2y = 0 的公共解，再代回 f = 0。答案只有原点。

2.4（可约与维数）　举一个可约仿射簇的例子，使它的两个分支维数不同，并说明 dim X 为何等于较大分支的维数。

提示：用 2.1 的 X——平面分支维数 2，直线分支维数 1。维数定义取素理想链长度的上确界，较长的那条链胜出。

2.5（素理想链）　在 k[x, y] 中写出两条不同的素理想链，长度都等于 2，并解释它们的几何含义。

提示：如 (0) ⊊ (x) ⊊ (x, y) 与 (0) ⊊ (x − 1) ⊊ (x − 1, y)：分别对应直线 x = 0 与直线 x = 1，链的顶端都是平面上的一个点。

第二章 簇的结构与态射：结构比元素更重要习题课：态射与乘积

★★☆ 五道题，围绕态射的反变性与乘积的张量积。前四道是标准练习，最后一道通向双有理几何。

2.6（投影是态射）　设 X ⊆ 𝔸ⁿ、Y ⊆ 𝔸^m。证明投影 π_X : X × Y → X 是态射，并写出拉回 π_X^* 的作用。

提示：投影由坐标函数的多项式给出，故是多项式映射；拉回把 k[X] 中的函数 g 送到 k[X × Y] 中「只与第一个变量有关」的函数。

2.7（乘积的维数）　设 X, Y 不可约，维数分别为 p, q。用素理想链说明 dim(X × Y) = p + q。

提示：把 X 的链与 Y 的链「叠加」——在 k[X] ⊗ k[Y] 中把前一条链的每一项与 Y 的链逐层相乘，长度相加。

2.8（双有理但不同构）　设 C = V(y² − x³) 是尖点三次曲线。证明 𝔸¹ 与 C 双有理等价但不同构。

提示：态射 t ↦ (t², t³) 诱导函数域同构 k(t) ≅ k(C)；但 k[C] = k[t², t³] 不同构于 k[t]（缺一次项）。

2.9（张量积是坐标环）　证明 k[𝔸¹ × 𝔸¹] ≅ k[x] ⊗_k k[y] ≅ k[x, y]。

提示：𝔸¹ × 𝔸¹ = 𝔸²，其坐标环本就是二元多项式环；再验证张量积的两个单式给出 x, y 两个自由生成元。

2.10（对角线的启示）　在 𝔸² = 𝔸¹ × 𝔸¹ 中，为什么对角线 Δ = V(x − y) 在 Zariski 拓扑下闭、在乘积拓扑下不闭？这件事说明了什么？

提示：乘积拓扑的闭集是有限个「竖条 × 横条」之并，而直线 Δ 无法这样拼出。这说明 Zariski 拓扑比乘积拓扑更细——代数几何不能用拓扑学的乘积来理解「乘积」。

第二章 簇的结构与态射：结构比元素更重要本章地图：簇的结构层次

本章把「簇是一个什么样的对象」拆成五层来读：从最粗的拓扑（不可约性与维数），到最细的局部（局部环与切空间）。五层沿一条线展开，每层都对应交换代数里的一个概念。

回望全程，最该带上路的是两副眼光：一是代数-几何字典，它让每个几何问题都能翻成环的问题；二是局部化的思维——把整体问题拆到一点附近的局部环里，尖点、结点这些整体看不清的毛病，在局部反而一目了然。第三章将补上此章缺的一角：仿射空间还有「无穷远处」，把那些点请进来，仿射簇才闭上成完整而对称的射影簇。

第二章 簇的结构与态射：结构比元素更重要小结：结构的五种语言

本章借五种语言来描述同一个簇 X。下表把每层语言、它的代数替身、以及它们回答的问题一次列清：

把这张表与第一章的字典拼起来，就看到本章的核心结论：「簇的几何」可以被完全翻译成「有限生成既约代数上的交换代数」。下表是这一翻译在最常问的几件事上的对照：

本章还留下一处伏笔，写在这里备忘：光滑点与奇异点的差别，本章只用「切空间维数」这一把一阶的尺子区分，它足以判定是否光滑，却分不开结点与尖点（两者切空间维数都是 2）。一阶信息不够用时，就要请出更高阶的不变量——这正是第三章之后奇点理论、以及后来的层与上同调登场的动机。

第二章 簇的结构与态射：结构比元素更重要思想卡：局部与整体的辩证

本章最重要的一次思想转弯，发生在从「整条曲线」看向「一个点」的那一刻。尖点这件事，从整体看很难说清，从局部看却清清楚楚——这值得停下来想一想。

这对关系在数学里处处重演：一个整数模掉某个素数后，只剩它在这一素数处的「局部行为」；一条流形在一点处的切空间，丢掉了整体拓扑却记住了可微结构。把对象送到一个局部去看，是一种「聚焦」——聚焦必然丢信息，但也正因为丢了多余的信息，眼前的图案才清晰。代数几何的整套技术，几乎都建立在这一「聚焦—还原」的往返上。

更深一层的体会是：局部的清晰并不总是好事。尖点在局部「看得见」，可它在整体上仍是一条连着的好曲线——局部说它坏，整体说它只是一个点。同一对象在不同尺度上得到相反的评价，这不是矛盾，而是提醒我们：结论总是相对于尺度而言的。第三章把无穷远点请进来，也是一次尺度的更换——届时一些在仿射里「发散到无穷」的现象，会在射影里收敛成一个干净的点。

第二章 簇的结构与态射：结构比元素更重要挑战：奇点分辨率初探

p46 介绍了「光滑 ⟺ 局部环正则」，却把一个自然的问题留在了门外：一个带奇点的簇，能不能被「修」成光滑的？对曲线，答案是可以，而且有完全构造性的办法——把奇点「炸开」。这一页给出攀登路线，四步走完，尖点与结点都能被抹平。

(a)　炸开（blow-up）的定义。以原点为中心炸开仿射平面：取 𝔸² × ℙ¹ 中由方程 x₁y₀ = x₀y₁ 定义的子簇 B（坐标 (x₀, x₁) 与 [y₀ : y₁]），配上投影 σ : B → 𝔸²。证明：σ 在原点之外是同构，且原点的原像是一条射影直线（称为例外除子）。

提示：在原点之外取 [y₀ : y₁] = [x₀ : x₁]，唯一的点映到 (x₀, x₁)；在原点处方程对 [y₀ : y₁] 无约束，故原像恰是整条 ℙ¹。

(b)　抹平尖点。设 C = V(y² − x³)，取 C 在 B 中的原像（严格变换）C̃。用两组坐标卡算出 C̃ 的方程，证明它在原像的点处都光滑。

提示：卡 y₀ ≠ 0：令 t = y₁/y₀，代入得 x = t², y = t³ 的参数化，其局部环是 k[t] 的局部化——正则；另一卡同理。

(c)　奇异点集是闭的。证明 Sing X = { p : rank J(p) < n − dim X } 是 X 中的闭子集。

提示：秩下降的条件等价于「(n − dim X) 阶全部子式为零」，而子式是关于坐标的多项式——若干多项式的公共零点集即闭集。

(d)　一维的丰收。设 C 是一条仿射曲线。用 (a)–(c) 说明：反复对奇点炸开，总能在有限步内得到一条光滑曲线（一维的奇点解消）。

提示：每次炸开都使「重数」严格下降，而重数是正整数，不能无穷下降；而 (c) 保证每步的奇点集是有限的。合起来即得终止。

延伸。二维、三维乃至任意维的奇点解消，是二十世纪代数几何的中心问题之一：曲面情形由 Zariski 解决，特征零的任意维情形由 Hironaka 在 1964 年解决（获菲尔兹奖），正特征至今仍是活跃课题。这条从尖点出发的路，一直通到今天的研究前沿。

第二章 簇的结构与态射：结构比元素更重要实验：用 Singular/SymPy 计算奇点

p46 的光滑判据只用到雅可比矩阵的秩，非常适合机器计算。专做多项式计算的系统 Singular 是这一行的标准工具；为了随处可跑，本页改用 SymPy 写三段程序：一段求奇异点，一段算切锥，用来核对「秩下降处就是奇点，切锥再分辨奇点类型」。

# 实验 2-A：求平面曲线的奇异点
# 判据：奇异点 = 偏导同时为零 + 落在曲线上

from sympy import symbols, diff, solve, Matrix

x, y = symbols("x y")

def singular_points(f):
    fx, fy = diff(f, x), diff(f, y)
    # 联立三式：f = 0, f_x = 0, f_y = 0
    sols = solve([f, fx, fy], [x, y], dict=True)
    return sols

# 尖点：y2 - x3
print("尖点 y**2-x**3  ->", singular_points(y**2 - x**3))
# 结点：y2 - x3 - x2
print("结点 y**2-x**3-x**2 ->", singular_points(y**2 - x**3 - x**2))
# 光滑：y - x2
print("光滑 y-x**2   ->", singular_points(y - x**2))

# 实验 2-B：运行输出
# 尖点 y**2-x**3  -> [{x: 0, y: 0}]
# 结点 y**2-x**3-x**2 -> [{x: 0, y: 0}]
# 光滑 y-x**2   -> []

读表。输出符合 p53 的表：尖点与结点都在原点有唯一奇异点，光滑的抛物线则一个也没有。但这段程序还看不出两者的区别——它们的奇异点集恰好一样（都只是原点）。要区分结点与尖点，得请出第二个不变量：切锥。

# 实验 2-C：用切锥（最低次齐次项）区分结点与尖点

from sympy import Poly, symbols

x, y = symbols("x y")

def tangent_cone(f):
    # 取 f 的最低次齐次部分
    p = Poly(f, x, y)
    deg = p.total_degree()
    for d in range(deg + 1):
        h = sum(c * x**i * y**j
                for (i, j), c in p.terms()
                if i + j == d)          # 最低「总次数」齐次部分
        if h != 0:
            return h
    return 0

print("尖点 切锥 =", tangent_cone(y**2 - x**3))
print("结点 切锥 =", tangent_cone(y**2 - x**3 - x**2))

# 实验 2-D：运行输出
# 尖点 切锥 = y**2          （不可约二次型：重根，一个方向）
# 结点 切锥 = -x**2 + y**2  （可约二次型：两个不同方向）

黑箱提示。切锥是「把曲线放大到无穷近时看到的模样」：尖点的切锥 y² 是一条二重直线（两个方向重合），结点的切锥 −x² + y² 分解为两条不同直线（两个方向）。一阶的秩只能判断「是否光滑」，二阶的切锥才能分辨「哪种奇异」——这与 p53 的结论完全一致，也正是挑战 2 中「炸开」操作能抹平尖点的原因：炸开一次，就把重合的两个方向分到了不同的点上。

第二章 簇的结构与态射：结构比元素更重要格物札记：几何的局部化传统

本章反复用了一件工具：把一个整体对象送到某一点附近的局部环里去。这不是代数几何的独创——「向局部看」是几何学贯穿三百年的老手艺。这一页把它放回历史里看。

这条线里藏着一个耐人寻味的转折。在古典几何里，「局部」靠的是距离——邻域就是圆球。可是代数几何里的函数只有多项式，多项式的零点集太稀疏，撑不起一个用距离定义的邻域（两个非空 Zariski 开集必相交）。Zariski 的破解是：既然距离不好用，就把「邻域」定义成「哪些函数在那里可逆」——局部化正是这个意思。空间的性质不再由点与点之间的距离决定，而由函数环的代数结构决定。

因此「局部环看一点」这件事，表面看是技术，深层是一次世界观的替换：几何不再是「关于图形的形状」，而是「关于函数环的性质」。本章的每一条定理——光滑即正则、维数即链长、局部维数等于整体维数——都是这条新世界观的直接产物。下一章把无穷远点补进来时，会再次用到它：射影空间的局部环同样由齐次坐标环局部化给出，仿射与射影的差别只体现在函数的「齐次性」这一个约束上。

第二章 簇的结构与态射：结构比元素更重要速查：第二章概念与公式

三条常用口诀。① 判维数，找素理想链——最长的那条有多长，维数就是多少；② 判光滑，算雅可比秩——秩降了就是奇点；③ 判同构，看函数环——集合上一样不算数，环同构才算（尖点是反例）。

下一编预告。仿射簇有一个天生的缺陷：它把「无穷远」排除在外，于是两条平行线永不相交、双曲线在边界处「断掉」。射影几何的贡献是把这些「逃逸的点」重新请回画面，让仿射簇闭合成对称而完整的射影簇。第三章将从齐次坐标出发，重演本章的全部概念——不可约、维数、局部环、切空间——看它们在射影世界里如何获得更整齐的形式。

第二章 簇的结构与态射：结构比元素更重要常见误读：簇与态射的四个陷阱

本章把「形状」翻译成「环与模」的语言，几处高频误读也跟着来了。逐一澄清，每条都配一个当场可验的小账。

四个陷阱共享一个出口：先问「这句话在哪一侧说」——几何侧还是代数侧，基域是 ℝ 还是 ℂ，是整体还是几乎处处。侧分清了，字典就不会翻错页。