从这一章起，我们正式踏入代数几何（algebraic geometry）的世界。整个领域的第一个对象，就是仿射簇（affine variety）——它是用多项式方程切出的"几何形状"。我们用一束多项式 $f_1,\ldots,f_m$，在仿射空间 $\mathbb{A}^n_k$ 里"挖出"它们的公共零点集，这块零点集就是一个仿射代数集；若它"不能再分"，便是一个仿射簇。
仿射簇 = 用多项式方程"雕刻"出的几何对象。多项式是刻刀，仿射空间是原石，零点集是被雕出来的形状。
1. 仿射空间 $\mathbb{A}^n$
仿射空间（Affine Space）
设 $k$ 是一个域。$n$ 维仿射空间 $\mathbb{A}^n_k$ 定义为集合 $k^n$，其元素称为点。 $$ \mathbb{A}^n_k = k^n = \{(a_1,\ldots,a_n) : a_i \in k\}. $$
仿射 vs 向量：作为集合二者一样，但 $\mathbb{A}^n$ 没有特殊的"原点"——所有点平等。这与向量空间不同。在代数几何里我们关心"形状"，不关心"线性结构"。
当 $k = \mathbb{C}$ 时，$\mathbb{A}^1_{\mathbb{C}}$ 是复数直线，$\mathbb{A}^2_{\mathbb{C}}$ 是复平面（4 维实空间！）。本章默认 $k$ 是代数闭域（如 $\mathbb{C}$），这是 Hilbert 零点定理生效的舞台。
2. 代数集 $V(S)$
代数集（Algebraic Set）
设 $S \subseteq k[x_1,\ldots,x_n]$ 是一族多项式。它们的公共零点集定义为 $$ V(S) \;=\; \{ (a_1,\ldots,a_n) \in \mathbb{A}^n_k : f(a_1,\ldots,a_n)=0,\ \forall f \in S\}. $$ 形如 $V(S)$ 的子集称为 $\mathbb{A}^n$ 的代数集（或仿射代数集）。
例：常见代数曲线一览
- 圆： $V(x^2+y^2-1)$ — 单位圆。
- 抛物线： $V(y - x^2)$。
- 双曲线： $V(xy - 1)$。
- 结点三次曲线（nodal cubic）： $V(y^2 - x^2(x+1))$ — 自相交。
- 尖点三次曲线（cuspidal cubic）： $V(y^2 - x^3)$ — 有一个尖点。
- 椭圆曲线： $V(y^2 - x^3 + x)$ — 无奇点的三次曲线。
- 两条坐标轴： $V(xy)$ — $x$-轴 $\cup$ $y$-轴。
图解 1：平面代数曲线族 $V(f)$ — 多项式如何"画出"形状
$V(\cdot)$ 的基本性质
对任意多项式集 $S, T \subseteq k[x_1,\ldots,x_n]$：
- $V(S) = V(\langle S\rangle)$（即 $V$ 只看 $S$ 生成的理想）；
- $V(\{0\}) = \mathbb{A}^n,\quad V(\{1\}) = \emptyset$；
- $V(I)\cup V(J) = V(IJ) = V(I\cap J)$（并对应理想之积/交）；
- $\bigcap_\alpha V(I_\alpha) = V\!\left(\sum_\alpha I_\alpha\right)$（任意交对应理想之和）。
关键：性质 (3) 和 (4) 让代数集对"有限并、任意交"封闭——这就是闭集的拓扑公理！
3. Zariski 拓扑
Zariski 拓扑（Zariski Topology）
$\mathbb{A}^n_k$ 上的Zariski 拓扑定义为：闭集恰好是所有的代数集，即形如 $V(I)$ 的子集；开集是它们的补集。
由上面 $V(\cdot)$ 的性质可知它确实满足拓扑闭集公理。
Zariski 拓扑非常"粗"——它的开集异常巨大、闭集异常稀少。在 $\mathbb{A}^1_k$ 上，闭集只有：$\emptyset$、有限点集、整个 $\mathbb{A}^1$。这意味着任意两个非空开集都必相交（不是 Hausdorff 空间！）。
图解 2：Zariski 开集 vs 欧氏开集（在 $\mathbb{A}^2_{\mathbb{C}}$ 中）
例：$\mathbb{A}^1$ 上的 Zariski 拓扑
$k[x]$ 是主理想整环（PID），任何理想 $I = (f)$，所以 $V(I) = V(f)$ = $f$ 的有限零点集。因此 $\mathbb{A}^1_k$ 上的 Zariski 闭集只有：$\emptyset$、有限点集、$\mathbb{A}^1$ 本身。这就是余有限拓扑（cofinite topology）。
4. 反向操作：$I(\cdot)$
子集的理想化（Ideal of a Subset）
设 $X \subseteq \mathbb{A}^n_k$ 是任意子集。它的理想定义为 $$ I(X) \;=\; \{ f \in k[x_1,\ldots,x_n] : f(a)=0,\ \forall a \in X\}. $$ 这总是 $k[x_1,\ldots,x_n]$ 的一个根理想（即 $\sqrt{I(X)} = I(X)$）。
$V$ 和 $I$ 是方向相反的两个映射： $$ \{\text{多项式集}\} \xrightarrow{\;V\;} \{\text{代数集}\},\qquad \{\text{子集}\} \xrightarrow{\;I\;} \{\text{理想}\}. $$ Hilbert 零点定理告诉我们：在 $k$ 代数闭时，限制到"根理想"和"代数集"上，$V$ 与 $I$ 互为反序双射（详见本阶段第02章）。
5. 不可约性（Irreducibility）
不可约（Irreducible）
一个非空拓扑空间 $X$ 称为不可约，若 $X$ 不能写为两个真闭子集的并： $$ X = X_1 \cup X_2 \;\Rightarrow\; X = X_1 \;\text{或}\; X = X_2. $$ 等价地：$X$ 中任意两个非空开集相交。
不可约 ↔ 素理想
一个代数集 $X = V(I) \subseteq \mathbb{A}^n_k$ 是不可约的 ⟺ 它的理想 $I(X)$ 是素理想。
换句话说：可约的代数集对应"可分解"的理想（不是素的），不可约的代数集对应素理想。这种对应是 Nullstellensatz 字典的核心条目之一。
图解 3：可约 $V(xy)$ vs 不可约 $V(y-x^2)$
6. 仿射簇（Affine Variety）
仿射簇
一个仿射簇是 $\mathbb{A}^n_k$ 的不可约代数集。等价地：$X = V(\mathfrak{p})$，其中 $\mathfrak{p}$ 是 $k[x_1,\ldots,x_n]$ 的素理想。
注意：有些教材（如 Hartshorne）也把"仿射代数集"统称为仿射簇，本课程采用 Mumford 的约定，强调不可约性。
不可约分解（Irreducible Decomposition）
$\mathbb{A}^n_k$ 中每个代数集 $X$ 都可唯一地写成有限多个不可约代数集的并： $$ X = X_1 \cup X_2 \cup \cdots \cup X_r,\quad X_i \not\subseteq X_j\ (i\ne j). $$ 各 $X_i$ 称为 $X$ 的不可约分支（irreducible component）。
证明依赖于 $k[x_1,\ldots,x_n]$ 是 Noether 环（Hilbert 基定理）——这正是阶段4第03章的内容。代数几何的有限性从交换代数的Noether 性继承而来。
7. 生活实例：用激光雕刻几何形状
把 $\mathbb{A}^n$ 想象成一块巨大的玻璃，多项式是激光指令：
- 每给一条指令（多项式 $f$），玻璃上就被"切下"一片满足 $f=0$ 的曲面；
- 多条指令同时执行 → 公共零点 $V(\{f_1,\ldots,f_m\})$；
- "不可约" = 这块雕刻品是一整件作品，无法剪成两半都还是雕刻；
- "可约" = 雕刻成了两件并排的小作品（如 $V(xy)$ = 两条线段拼起来）；
- 3D 动画里的曲面、QR 码的纠错码、行星轨道——都是代数集的实例。
8. 练习
练习 1（识别代数集）
判断下列子集是否为 $\mathbb{A}^2_{\mathbb{C}}$ 的代数集，若是，给出生成它的多项式。
- $\{(t, t^2) : t \in \mathbb{C}\}$；
- $\{(z, w) : |z|^2 + |w|^2 = 1\}$；
- $\{(0,0)\}$；
- $\mathbb{Z} \times \mathbb{Z} \subset \mathbb{C}^2$。
提示
(1) 是 $V(y-x^2)$。(2) 不是——$|z|^2$ 不是多项式（涉及共轭）。(3) $V(x,y)$。(4) 不是有限的，且不能被有限多个多项式切出（$\mathbb{Z}$ 在 $\mathbb{C}$ 中稠密只能用余有限拓扑，需要无穷多个方程，但 Noether 性禁止）。
练习 2（Zariski 拓扑的反直觉性）
证明 $\mathbb{A}^1_{\mathbb{C}}$ 上的 Zariski 拓扑下，任意两个非空开集相交（即 $\mathbb{A}^1$ 是不可约的）。这是否与你对欧氏拓扑的直觉相悖？
练习 3（不可约分解）
求 $V(xy, xz) \subset \mathbb{A}^3$ 的不可约分解。
答案
$V(xy, xz) = V(x) \cup V(y, z) = \{x=0\text{ 平面}\} \cup \{x\text{-轴}\}$。两个分支：一个 2 维平面 + 一条 1 维直线。
练习 4（产品 = 簇 × 簇）
设 $X \subset \mathbb{A}^n$ 与 $Y \subset \mathbb{A}^m$ 都是仿射代数集。证明 $X \times Y \subset \mathbb{A}^{n+m}$ 也是代数集。
练习 5（深度学习联想）
一个 ReLU 神经元的"决策边界" $\{x : w^Tx + b = 0\}$ 是 $\mathbb{A}^n$ 中一个超平面（$V$ 的最简单情形）。多个神经元叠加 → 多个超平面的并，这是一个代数集（可约）。试论：网络越深，可约分支越多，表达能力越强。