对雅可比猜想反例的消化
对雅可比猜想反例的消化
雅可比猜想及其反例概述
雅可比猜想在复数域上表述为：若一个多项式映射 $F\colon \mathbb{C}^n\to\mathbb{C}^n$ 的雅可比行列式是一个非零常数，则该映射必须可逆，并且其逆映射也是多项式。通过逆函数定理，非零雅可比保证了局部可逆性，而该猜想则断言这种局部性质蕴含全局可逆性。
最近在三维空间中使用 Fable AI 系统发现了一个反例。该映射
F(z₁, z₂, z₃) = ((1+z₁z₂)³ z₃ + z₂² (1+z₁z₂)(4+3z₁z₂),
z₂ + 3z₁(1+z₁z₂)² z₃ + 3z₁z₂²(4+3z₁z₂),
2z₁ − 3z₁²z₂ − z₁³z₃)
的雅可比行列式为 $\det DF = -2$，是一个非零常数，但它并非单射：以下三个不同点
- $(0, 0, -\tfrac14)$
- $(1, -\tfrac32, \tfrac{13}{2})$
- $(-1, \tfrac32, \tfrac{13}{2})$
都映射到同一个值 $(-\tfrac14, 0, 0)$。因此雅可比猜想在 $n=3$ 时失效（进而在任意更高维度也失效）。
明确的反例多项式
上述映射的总次数为七。若进行一次粗略的次数计数，雅可比行列式的次数最高可达 $3\times6 = 18$，可能出现 $1299$ 个系数；而事实上所有非常数系数全部为零，这需要满足一个庞大的方程组，远远超过三变量七次多项式的 $120$ 个自由度。因此该反例不太可能通过暴力搜索发现。
通过对称幂的几何消化
为了理解为何会出现这样的映射，作者重新表述了问题。记 $\operatorname{Sym}^k(V)$ 为向量空间 $V$ 的第 $k$ 次对称幂。考虑乘法映射
F : Sym¹(C²) × Sym²(C²) → Sym³(C²),
F(L, Q) = LQ
其中 $L$ 是线性的，$Q$ 是二次的。用坐标写成 $L(z,w)=az+bw$、$Q(z,w)=cz^2+dz+ew$，映射变为
F((a,b),(c,d,e)) = (ac, ad+bc, ae+bd, be).
定义域是五维的，值域是四维的，所以 $F$ 不可能是单射。存在两种对称性：
- 缩放对称 $(L,Q)\mapsto (\lambda L, \lambda^{-1}Q)$（$\lambda\in\mathbb{C}^\times$），乘积 $LQ$ 不变。
- 自然的 $SL_2(\mathbb{C})$ 对变量 $(z,w)$ 的作用，它同时作用于 $L$ 与 $Q$，保持乘积不变。
利用结果式 $\operatorname{Res}(L,Q)=a^2e-abd+cb^2$ 对缩放对称进行商化，可强制归一化条件 $\operatorname{Res}(L,Q)=1$。于是得到四维代数簇
X = { (L,Q) ∈ Sym¹(C²)×Sym²(C²) : Res(L,Q)=1 }.
在 $X$ 上，映射 $F$ 仍为多项式，并保持三对一的性质：一个一般的三次多项式 $C=L_1L_2L_3$ 有三个不同的原像 $(L_1, L_2L_3)$、$(L_2, L_1L_3)$、$(L_3, L_1L_2)$，它们并不通过缩放对称相互关联。
当 $\operatorname{Res}(L,Q)=1\neq0$ 时，线性因子 $L$ 与二次因子 $Q$ 的根互不相同。利用 $SL_2(\mathbb{C})$ 的作用可以把 $L$ 的根移到无穷远，使得 $L(z,w)=bw$、$Q(z,w)=c(z-\beta_1 w)(z-\beta_2 w)$ 且满足 $cb^2=1$。系数的微小扰动会把 $L$ 的根推向很大值，而 $Q$ 的根保持有界；从乘积 $F(L,Q)=LQ$ 可以辨认出哪个根属于 $L$，从而唯一地重构 $L$ 与 $Q$。因此 $F$ 在 $X$ 上是 étale（局部可逆）的。
于是我们得到一个局部单射但全局不单射的映射，满足重新表述的反例中的 (a) 与 (b) 条件。
获得三维反例
代数簇 $X$ 并不与仿射 $\mathbb{C}^4$ 同构，但可以通过一个线性微分算子 $D$ 定义的三维仿射平面 $V\subset Sym^3(\mathbb{C}^2)$ 对其进行切片。取 $D=\partial_z^2\partial_w$（在一次 $SL_2$ 变换后对应在三次多项式 $C(z,w)=fz^3+gz^2w+hzw^2+iw^3$ 中固定系数 $g=1$），得到切片
V = { C ∈ Sym³(C²) : g = 1 }.
将 $X$ 与条件 $F(L,Q)\in V$ 相交，得到显式的五维代数簇
X_V = { (a,b,c,d,e) ∈ C⁵ : a²e − abd + cb² = 1, ad + bc = 1 }.
当 $a\neq0$ 时，这两个方程可以解出 $d$ 与 $e$ 为 $a,b,c$ 的有理函数，从而得到双有理等价
{ (a,b,c,d,e) : a²e−abd+cb²=1, ad+bc=1, a≠0 } ≅ { (a,b,c) ∈ C³ : a≠0 }.
$a=0$ 的纤维化简为方程 $cb²=1$ 与 $bc=1$，唯一解为 $b=c=1$，此时 $d$、$e$ 任意。因此 $a=0$ 的纤维是一条仿射直线。
为了把两部分粘合在一起，引入新坐标 $(a,y,z)$，定义为
a = a
b = 1 + a y
c = 1 − (3/2) a y + a² z
d = (1−bc)/a = ½ y − a z + (3/2) a y² − a² y z
e = (1+abd−cb²)/a² = −2z + 4y² − 4a y z + 3a y³ − 2a² y² z
这些表达式在 $a,y,z$ 中是多项式，提供了 $X_V$ 的全局坐标图。因此 $X_V$ 与仿射 $\mathbb{C}^3$ 同构，确立了性质 (c)。
在此坐标变换下，映射 $F$ 变为
(a,y,z) ↦ ( G₁(a,y,z), G₂(a,y,z), G₃(a,y,z) )
其中
G₁ = a − (3/2)a²y + a³z
G₂ = ½ y − 3a z + 6a y² − 6a² y z + (9/2)a² y³ − 3a³ y² z
G₃ = −2z + 4y² − 6a y z + 7a y³ − 6a² y² z + 3a² y⁴ − 2a³ y³ z
可以计算得到该映射的雅可比行列式为 $-1$（在最初的缩放后为 $-2$）。与坐标变换的逆映射合成后，即可恢复文首展示的七次多项式 $F(z₁,z₂,z₃)$。因此几何构造解释了反例的产生，而不依赖于“奇迹般”的消去；唯一仍然特殊的因素是选择了具有双重根的微分算子 $D$，使得切片 $V$ 成为仿射的。
评论与反馈
在 Hacker News 上，读者们对 AI 的角色表现出惊讶、困惑和好奇的混合反应：
"While this is an extremely quick verification, the construction presented in this fashion appears like a massive miracle. The polynomial {F} has degree seven, so a priori the Jacobian {\mathrm{det} DF} ought to be a polynomial in three variables of degree as large as {3 \times 6 = 18}, so the fact that all non‑constant coefficients of this polynomial vanish looks like a massive cancellation involving {\binom{18+3}{3}-1 = 1299} equations..." — @vanderZwan
"The introduction to this piece was easy to follow, but as soon as he got into recapitulating it with algebra he lost me (because I’m bad at math). But he includes the GPT5 prompts for his conversation..." — @tptacek
"After reading a quarter of the article I started wondering, is this what non coders feel when vibe coding software?" — @aayushdutt
"Okay. So what does this overturn, intuitively? Can we no longer assume that functions are differentiable at certain points, or something?" — @hyperhello
"Finding a different way of thinking about a problem often leads to a breakthrough. This is what an ecosystem in nature shows us, that diversity matters in finding hard solutions..." — @jmward01
"reading through this I eventually realized a situation similar to my experience of it is what my dog sees if I attempt to explain Python programming to him." — @zzzeek
"Can we audit the CoT and work the AI did to generate such a remarkable cancellation?" — @drivebyhooting
"Related: Claude Fable produced a counterexample to the Jacobian Conjecture..." — @ChrisArchitect
"Guys, this guy is so brilliant that his mathematical expressions are embedded as images on his Wordpress blog. Truly amazing. This guy should be everywhere and get nothing but praise." — @richard_chase
"I don’t understand math but it was amusing seeing Terrence Tao’s chat with chatGPT. Everything Tao said was constantly followed by praise... Seems like sycophancy is still an issue lol." — @sashank_1509
"Also, from the fundamental theorem of algebra, once the Jacobian polynomial {\mathrm{det} DF} is non-zero, it must be constant. I wouldn’t have guessed this is true. I’m wondering what the proof looks like!" — @jeremyscanvic
"What’s a chance the counterexample was in the training?" — @dumpstate
这些评论凸显了对代数消去的惊讶、对 AI 辅助发现的兴趣、对几何细节的难以跟随，以及更广泛的直觉：局部可逆的多项式映射未必在全局上可逆。