ヤコビアン予想の反例の消化

新しいこと私の研究と解説論文の最新情報、未解決問題の議論、その他の数学関連トピック。Terence Tao著 ホーム 経歴に関するアドバイス 書き方について 書籍 Mastodon+ アプレット フィードを購読 ヤコビアン予想の反例の消化 2026年7月21日 math.AG | タグ: ヤコビアン予想, 多項式 | 投稿者: Terence Tao 悪名高いヤコビアン予想は、複素数上で具体的に次のように定式化できます。 予想1（ヤコビアン予想） 複素変数における多項式写像で、そのヤコビアンが非ゼロ定数であるとする。このとき、は（多項式逆写像を持つ）可逆写像である。 ヤコビアンが非ゼロであるという条件は、局所的に可逆であることと同値です。（非ゼロヤコビアンからの局所的可逆性の含意は、逆関数定理から従いますが、ここでは省略します。）また、代数基本定理から、ヤコビアン多項式が非ゼロである場合、それは定数でなければなりません。したがって、「ヤコビアンが非ゼロ定数である」という仮説は、「局所的に可逆である」に置き換えることができます。したがって、ヤコビアン予想は、局所的可逆性が大域的可逆性を意味するという主張と見なすことができます。複素数は、レフシェッツの原理により、特性ゼロの他の体に容易に置き換えることができますが、私は複素数の具体的な設定で作業することを好みます。 最近、（Fable AIを使用して）この予想が3次元（したがって高次元でも）で偽であることが示されました。 定理2（予想への反例） 非ゼロ定数ヤコビアンを持つが、可逆ではない多項式が存在する。 この予想は2次元では未解決のままであり、1次元では容易に確立されます。例は完全に明示的に述べることができます。次のように選択できます。 そして、簡単な計算で次のように検証できます。 これは非常に迅速な検証ですが、この形式で提示された構成は、巨大な奇跡のように見えます。この多項式は7次であるため、a prioriヤコビアンは3変数多項式であるはずですが、この多項式のすべての非定数係数が消えるという事実は、係数を含む巨大なキャンセルであり、3変数のある一般的な7次多項式の自由度よりもはるかに大きいものです。したがって、このような多項式を見つけることは、総当たりでは非常に見つけにくいでしょう。 この例は、その後、より幾何学的な用語で遡って説明されました。「消化」の演習として、私は代数幾何学の使用を比較的少なくし、「奇跡」の必要性を最小限に抑える方法でこの説明を書こうとしました。ただし、いくつかの注目すべき現象が発生する場所はまだいくつかあります。 局所的可逆性の定式化を使用し、ドメインを同等のアフィン多様体に一般化すると便利です。すなわち、次の定理を示します。 定理3（反例、再定式化） 変数変換による同型写像を持つアフィン多様体と、局所的に単射であるが大域的には単射ではない多項式写像が存在する。 明らかに、定理3から定理2へは、同型写像との合成と、以前に述べた局所的可逆性が非ゼロ定数ヤコビアンを意味するという事実を使用して到達できます。私たちの目標は、次の3つの別々の特性を満たすデータを見つけることです。 （a）は上で局所的に単射である。 （b）は上で大域的に単射ではない。 （c）は変数変換による同型写像を持つ。 問題をこれら3つのコンポーネントに分割する利点は、それぞれを個別に構築できることです。実際には、低次多項式の乗算操作からとを構築できます。すなわち、次の3つの単純なアフィン空間を考えます。 2つの複素変数における線形斉次多項式の空間。 2つの複素変数における二次斉次多項式の空間。 2つの複素変数における三次斉次多項式の空間。 （ここでの表記は、ベクトル空間の対称べき乗を指します。） 明らかに、これらの空間はそれぞれに同型です。さらに、線形多項式と二次多項式のペアを三次多項式にマッピングする乗算マップがあります（右側では、このマップのドメインとレンジはターゲットの3よりも次元が大きいですが、議論が進むにつれて次元を3に削減します）。 マップ、本質的にからへのマップは、明らかに多項式であり、座標では座標で明示的に与えられます。 マップはまた、2つの基本的な（そして交換する）対称性を享受しています。 非ゼロ複素数のあるスケーリングを適用すると、積は次のようにスケーリングされます。 invertible線形変換のある変数変換を適用すると、積は次のように変換されます。 したがって、このマップは、基本的に5次元グループの作用に関して、巨大な同変性を享受しています。5次元ドメインはもちろん4次元レンジよりも大きいため、マップは明らかに単射ではありません。これは、スケーリング対称性からすでにわかります。なぜなら、特定のスケールは線形多項式と二次多項式を変更しますが、それらの積は変更しないからです。しかし、この対称性（3）で商を取ってドメインの次元を4に削減した場合でも、次の基本的な理由により、マップはまだ全射ではありません。一般的に選択された三次多項式は、3つの独立した線形多項式の積に分解されます。この場合、乗算マップの下で同じ三次多項式にマッピングされるが、スケーリング対称性（3）によって互いに関連付けられていない3つのペアがあります。したがって、スケーリング対称性（3）で商を取った後でも、乗算マップは一般的に3対1の形で非単射であることがわかります。これにより、目標（b）に似たものをすでに達成しています！ 有用な正規化を得るために、スケーリング対称性を「費やす」ことが便利です。線形多項式と二次多項式の場合、結果は次のように定義できます。 因数分解がある場合、結果は次のように記述することもできます。 したがって、結果は線形多項式と二次多項式が共通の根を共有するかどうかを測定します。結果に関する基本的な事実は、それらが不変であるということです。任意のに対して、次のようになります。 1つの方法は、まず翻訳（根を、を移動しながらを変化させない）と反転（を、をそれぞれにマッピングする）でそれをチェックし、これらの変換がすべてのを生成することに注意することです。それらはスケーリングとも非常によく相互作用します。 特に、スケーリング対称性（3）はを乗算します。 したがって、条件を課すことにより、このスケーリング対称性を（一般的に）正規化して消去できます。 これで、4次元多様体から4次元空間への制限された乗算マップ（表記の乱用により、引き続きと呼びます）が得られました。このマップはまだ大域的に単射ではありません。なぜなら、前の（4）の3つのペアを取り、スケーリング（3）を各ペアに個別に適用して正規化（7）を得ることができるからです。したがって、プロパティ（b）を維持しています。さらに、このマップは同変性（および1つの残りのスケーリング対称性も保持しますが、その対称性はそれ以上あまり使用しません）を保持します。しかし、プロパティ（a）も得られました！ ペアとの近傍におけるの局所的可逆性を示したいとします。結果が非ゼロであるため、（リーマン球、または射影直線と呼ぶ方が良いでしょう）の根は（後者の2つの根は互いに等しい場合もあります）の2つの根とは異なります。作用を適用すると（これは根にメビウス変換を実行します）、次のように仮定できます。は無限遠点（または同等の）であるため、ある複素数とある複素数に対して、結果条件（7）は次のように単純化されます（したがって、特に、もゼロではありません）。そして、とをわずかに摂動した場合（たとえば、各係数を変更した場合、明らかに、