7.4、格:基本定义和属性
在阅读了7.1和7.2节中的例子,并在7.3节中复习了向量空间的基本性质之后,读者就不会对格及其性质的正式定义感到惊讶了。
定义 设
v
1
,
.
.
.
,
v
n
∈
R
m
v_{1},..., v_{n} \in R^{m}
v1,...,vn∈Rm 是一组线性无关向量。由
v
1
,
.
.
.
,
v
n
v_{1},..., v_{n}
v1,...,vn 生成的格 L 是
v
1
,
.
.
.
,
v
n
v_{1},..., v_{n}
v1,...,vn 的系数在 Z 中的线性组合的集合:(意思是:格中向量前面的系数是整数)
L
=
{
a
1
v
1
+
a
2
v
2
+
.
.
.
+
a
n
v
n
:
a
1
,
a
2
,
.
.
.
,
a
n
∈
Z
}
L=\{a_{1}v_{1}+a_{2}v_{2}+...+a_{n}v_{n}:a_{1},a_{2},...,a_{n} \in Z\}
L={a1v1+a2v2+...+anvn:a1,a2,...,an∈Z}
L的一组基是生成L的任意线性无关向量的集合。任意两个这样的集合有相同数量的元素。L的维数是L的一组基中向量的个数。
假设
v
1
,
.
.
.
,
v
n
v_{1},..., v_{n}
v1,...,vn 是格 L 的一个基,而
w
1
,
.
.
.
,
w
n
∈
L
w_{1},..., w_{n} \in L
w1,...,wn∈L 是 L 中的另一个向量集合。就像我们对向量空间所做的那样,我们可以把每个
w
j
w_{j}
wj 写成基向量的线性组合:
w
1
=
a
11
v
1
+
a
12
v
2
+
.
.
.
+
a
1
n
v
n
,
w
2
=
a
21
v
1
+
a
22
v
2
+
.
.
.
+
a
2
n
v
n
,
.
.
.
.
.
.
w
n
=
a
n
1
v
1
+
a
n
2
v
2
+
.
.
.
+
a
n
n
v
n
,
w_{1}=a_{11}v_{1}+a_{12}v_{2}+...+a_{1n}v_{n},\\ w_{2}=a_{21}v_{1}+a_{22}v_{2}+...+a_{2n}v_{n},\\ ...... \\ w_{n}=a_{n1}v_{1}+a_{n2}v_{2}+...+a_{nn}v_{n},\\
w1=a11v1+a12v2+...+a1nvn,w2=a21v1+a22v2+...+a2nvn,......wn=an1v1+an2v2+...+annvn,
但由于我们现在处理的是格,我们知道所有的
a
i
j
a_{ij}
aij 系数都是整数。
假设我们用wj来表示vi。这涉及到矩阵的求逆:
A
=
(
a
11
a
12
.
.
.
a
1
n
a
21
a
22
.
.
.
a
2
n
.
.
.
.
.
.
.
.
.
.
.
.
a
n
1
a
n
2
.
.
.
a
n
n
)
A=\begin{pmatrix} a_{11} & a_{12} & ... & a_{1n}\\ a_{21} & a_{22} & ... & a_{2n}\\ ... & ... & ... & ...\\ a_{n1} & a_{n2} & ... & a_{nn} \end{pmatrix}
A=
a11a21...an1a12a22...an2............a1na2n...ann
注意,我们需要vi是使用整数系数的wj的线性组合,所以我们需要
A
−
1
A^{-1}
A−1的项是整数项。因此(det(A),A矩阵的行列式值)
1
=
d
e
t
(
I
)
=
d
e
t
(
A
A
−
1
)
=
d
e
t
(
A
)
d
e
t
(
A
−
1
)
1 = det(I)=det(AA^{-1})=det(A)det(A^{-1})
1=det(I)=det(AA−1)=det(A)det(A−1)
其中,det(A) 和 det(
A
−
1
A^{-1}
A−1) 都是整数,所以我们必须有 det(A)= ±1。 相反,如果det(A)=±1,则伴随矩阵的理论告诉我们
A
−
1
A^{-1}
A−1确实有整数项。(见练习7.10。)这证明了以下有用的结果。
命题 7.14. 格 L 的任意两个基都与一个具有整数系数且行列式等于 ±1 的矩阵相关。
为了计算的目的,使用向量具有整数坐标的格通常是很方便的。例如,Zn 是由所有具有整数坐标的向量组成的格。
Z
n
=
{
(
x
1
,
x
2
,
.
.
.
,
x
n
)
:
x
1
,
.
.
.
,
x
n
∈
Z
}
Z^{n}=\{(x_{1},x_{2},...,x_{n}):x_{1},...,x_{n} \in Z \}
Zn={(x1,x2,...,xn):x1,...,xn∈Z}
定义。 积分(或整数)格是指所有向量的坐标都是整数的格。等价地,整数格是某个 m≥1 的
Z
m
Z^{m}
Zm 的可加子群。
例7.15。 考虑由三个向量生成的三维格
L
⊂
R
3
L\subset R^{3}
L⊂R3
v
1
=
(
2
,
1
,
3
)
,
v
2
=
(
1
,
2
,
0
)
,
v
3
=
(
2
,
−
3
,
−
5
)
v_{1}=(2,1,3), \qquad v_{2}=(1,2,0), \qquad v_{3}=(2,-3,-5)
v1=(2,1,3),v2=(1,2,0),v3=(2,−3,−5)
用v1,v2,v3作为矩阵的行很方便,
A
=
(
2
1
3
1
2
0
2
−
3
−
5
)
A=\begin{pmatrix} 2 & 1 & 3\\ 1 & 2 & 0\\ 2 & -3 & -5 \end{pmatrix}
A=
21212−330−5
我们在 L 中创建三个新向量,公式为:
w
1
=
v
1
+
v
3
,
w
2
=
v
1
−
v
2
+
2
v
3
,
w
3
=
v
1
+
2
v
2
w_{1}=v_{1}+v_{3}, \qquad w_{2}=v_{1}-v_{2}+2v_{3}, \qquad w_{3}=v_{1}+2v_{2}
w1=v1+v3,w2=v1−v2+2v3,w3=v1+2v2
这等价于矩阵A在左边乘以这个矩阵
U
=
(
1
0
1
1
−
1
2
1
2
0
)
U=\begin{pmatrix} 1 & 0 & 1\\ 1 & -1 & 2\\ 1 & 2 & 0 \end{pmatrix}
U=
1110−12120
我们发现w1,w2,w3是矩阵的行
B
=
U
A
=
(
4
−
2
−
2
5
−
7
−
7
4
5
3
)
B=UA=\begin{pmatrix} 4 & -2 & -2\\ 5 & -7 & -7\\ 4 & 5 & 3 \end{pmatrix}
B=UA=
454−2−75−2−73
矩阵 U 的行列式为-1,因此向量 w1、w2、w3 也是 L 的基。U 的逆是:
U
−
1
=
(
4
−
2
−
1
−
2
1
1
−
3
2
1
)
U^{-1}=\begin{pmatrix} 4 & -2 & -1\\ -2 & 1 & 1\\ -3 & 2 & 1 \end{pmatrix}
U−1=
4−2−3−212−111
而
U
−
1
U^{-1}
U−1 的各行则告诉我们如何用 wj 的线性组合来表示 vi
v
1
=
4
w
1
−
2
w
2
−
w
3
,
v
2
=
−
2
w
1
+
w
2
+
w
3
,
v
3
=
−
3
w
1
+
2
w
2
+
w
3
v_{1}=4w_{1}-2w_{2}-w_{3}, \qquad v_{2}=-2w_{1}+w_{2}+w_{3}, \qquad v_{3}=-3w_{1}+2w_{2}+w_{3}
v1=4w1−2w2−w3,v2=−2w1+w2+w3,v3=−3w1+2w2+w3
备注 7.16. 如果 L ⊂
R
m
R^{m}
Rm 是维数为 n 的格,那么 L 的基可以写成 n-by-m 矩阵 A 的行,即 n 行 m 列的矩阵。将左边的矩阵 A 乘以 n-by-n 矩阵 U,U 具有整数条目和行列式 ±1,即可得到 L 的新基。它是具有整数条目的矩阵群,其逆矩阵也具有整数条目。
还有一种更抽象的定义格的方法,它将几何和代数交织在一起。
定义。 如果
R
m
R^{m}
Rm 的一个子集 L 在加法和减法下是封闭的,那么它就是一个可加子群。如果有一个正常数
ϵ
>
0
\epsilon >0
ϵ>0,且具有以下性质,则称为离散可加子群:对于每个 v∈L,
L
∩
{
w
∈
R
m
:
∥
v
−
w
∥
<
ϵ
}
=
v
L\cap \{w \in R^{m} :\parallel v-w \parallel <\epsilon \}={v}
L∩{w∈Rm:∥v−w∥<ϵ}=v
换句话说,如果你取L中的任意向量v,画一个以v为半径的实心球,那么在球内就没有L的其他点了。
定理7.17。 R m R^{m} Rm的子集是格当且仅当它是一个离散可加子群。
证据。我们把证明留给读者;参见练习7.9。
格类似于向量空间,只不过它是由其基向量的所有线性组合使用整数系数生成的,而不是使用任意的实系数。通常,我们可以把格看作是 Rm 中点的有序排列,在每个向量的顶端放置一个点。图 7.1 举例说明了 R2 中的格。
定义。 设 L 是维数为 n 的格,设 v1, v2,…, vn 是 L 的基。与此基础相对应的 L 的基础域(或基础平行四边形)是集合
F
(
v
1
,
.
.
.
,
v
n
)
=
t
1
v
1
+
t
2
v
2
+
.
.
.
+
t
n
v
n
:
0
≤
t
<
1
.
(
7.9
)
\mathcal{F}(v_{1},...,v_{n})={t_{1}v_{1}+t_{2}v_{2}+...+t_{n}v_{n}:0\le t<1}. \qquad (7.9)
F(v1,...,vn)=t1v1+t2v2+...+tnvn:0≤t<1.(7.9)
图 7.1 中的阴影部分表示维数为 2 的基域。下一个结果说明了基域在研究格中的重要性。
命题 7.18. 设
L
⊂
R
n
L\subset R^{n}
L⊂Rn 是维数为 n 的格,设
F
\mathcal{F}
F 是 L 的基域。那么,每个向量
w
∈
R
n
w\in R^{n}
w∈Rn 都可以写成下面的形式:
w
=
t
+
v
对于唯一的
t
∈
F
和唯一的
v
∈
L
。
w=t+v \qquad 对于唯一的t \in \mathcal{F} 和唯一的v \in L。
w=t+v对于唯一的t∈F和唯一的v∈L。
等价地,平移基域的联合:
F
+
v
=
{
t
+
v
:
t
∈
F
}
\mathcal{F} +v = \{t+v:t \in \mathcal{F} \}
F+v={t+v:t∈F}
随着 v 在格 L 中的向量范围内的变化,正好覆盖 Rn;见图 7.2。
证明 设 v1,…, vn 是给出基域 F 的 L 的一个基,那么 v1,…, vn 在 Rn 中是线性无关的,所以它们是 Rn 的一个基。这意味着任何 w∈Rn 都可以写成以下形式
w
=
α
1
v
1
+
α
2
v
2
+
.
.
.
+
α
n
v
n
对于一些
α
1
,
.
.
.
,
α
n
∈
R
w=\alpha _{1}v_{1}+\alpha _{2}v_{2}+...+\alpha _{n}v_{n} \qquad 对于一些\alpha_{1},...,\alpha_{n} \in R
w=α1v1+α2v2+...+αnvn对于一些α1,...,αn∈R
我们现在把每个
α
i
\alpha _{i}
αi写成:
α
i
=
t
i
+
a
i
其中
0
≤
t
i
<
1
和
a
i
∈
Z
\alpha _{i}=t_{i}+a_{i} \qquad 其中0 \le t_{i}<1 和a_{i} \in Z
αi=ti+ai其中0≤ti<1和ai∈Z
可以得到:
这表明w可以写成所需的形式。
然后假设
w
=
t
+
v
=
t
′
+
v
′
w=t+v=t^{'}+v^{'}
w=t+v=t′+v′有两种表示形式,即F中的一个向量和L中的一个向量,可以得到:
(
t
1
+
a
1
)
v
1
+
(
t
2
+
a
2
)
v
2
+
.
.
.
+
(
t
n
+
a
n
)
v
n
=
(
t
1
′
+
a
1
′
)
v
1
′
+
(
t
2
′
+
a
2
′
)
v
2
′
+
.
.
.
+
(
t
n
′
+
a
n
′
)
v
n
′
(t_{1}+a_{1})v_{1}+(t_{2}+a_{2})v_{2}+...+(t_{n}+a_{n})v_{n}=(t_{1}^{'}+a_{1}^{'})v_{1}^{'}+(t_{2}^{'}+a_{2}^{'})v_{2}^{'}+...+(t_{n}^{'}+a_{n}^{'})v_{n}^{'}
(t1+a1)v1+(t2+a2)v2+...+(tn+an)vn=(t1′+a1′)v1′+(t2′+a2′)v2′+...+(tn′+an′)vn′
由于 v1、…、vn 是线性无关的,因此可以得出:
t
i
+
a
i
=
t
i
′
+
a
i
′
对于所有的
i
=
1
,
2
,
.
.
.
,
n
t_{i}+a_{i}=t_{i}^{'}+a_{i}^{'} \qquad 对于所有的 i=1,2,...,n
ti+ai=ti′+ai′对于所有的i=1,2,...,n
所以:
t
i
−
t
i
′
=
a
i
′
−
a
i
∈
Z
t_{i}-t_{i}^{'}=a_{i}^{'}-a_{i} \in Z
ti−ti′=ai′−ai∈Z
是整数。但我们也知道,
t
i
t_{i}
ti 和
t
i
′
t_{i}^{'}
ti′ 都大于或等于 0 且严格小于 1,因此
t
i
−
t
i
′
t_{i}-t_{i}^{'}
ti−ti′ 是整数的唯一可能是
t
i
=
t
i
′
t_{i}=t_{i}^{'}
ti=ti′。然后得到:
v
=
w
−
t
=
w
−
t
′
=
v
′
v=w-t=w-t^{'}=v^{'}
v=w−t=w−t′=v′
这就证明了t∈F和v∈L是唯一由w决定的。
事实证明,格 L 的所有基域都具有相同的体积。对于 R n R^{n} Rn 中维数为 n 的格,我们将在后面证明这一点(推论 7.22)。基域的体积被证明是格的一个极其重要的不变量。
定义。 设 L 是一个 n 维的格,设 F 是 L 的基域,则 F 的 n 维体积称为 L 的行列式(有时也称为 L 的共体积)。用 det(L) 表示。
如果把基向量 v1、…、vn 视为描述平行六面体 F 边的给定长度的向量,那么对于给定长度的基向量,当向量之间成对正交时,体积最大。由此可以得到格的行列式的如下重要上界。
命题 7.19(哈达玛不等式)。设 L 是格,取 L 的任意基 v1,…, vn,设 F 是 L 的基域,则
d
e
t
L
=
V
o
l
(
F
)
≤
∥
v
1
∥
∥
v
2
∥
.
.
.
∥
v
n
∥
det\ L=Vol(\mathcal{F})\le \parallel v_{1} \parallel \parallel v_{2} \parallel...\parallel v_{n} \parallel
det L=Vol(F)≤∥v1∥∥v2∥...∥vn∥
基越接近正交,Hadamard 不等式 (7.10) 就越接近等式。
如果格 L 的维数与其周围空间相同,即 L 包含在 Rn 中且 L 的维数为 n,则计算格 L 的行列式相当容易。请参见练习 7.14,学习如何在一般情况下计算格的行列式。
命题 7.20。 设 L ⊂ Rn 是维数为 n 的格,设 v1, v2,…, vn 是 L 的基,设 F = F(v1,…, vn) 是由 (7.9) 定义的相关基域。将第 i 个基向量的坐标写为:
v
i
=
(
r
i
1
,
r
i
2
,
.
.
.
,
r
i
n
)
v_{i}=(r_{i1},r_{i2},...,r_{in})
vi=(ri1,ri2,...,rin)
用vi的坐标作为矩阵的行,
F
=
F
(
v
1
,
.
.
.
,
v
n
)
=
(
r
11
r
12
.
.
.
r
1
n
r
21
r
22
.
.
.
r
2
n
.
.
.
.
.
.
.
.
.
r
n
1
r
n
2
.
.
.
r
n
n
)
(
7.11
)
F=F(v_{1},...,v_{n})=\begin{pmatrix} r_{11} & r_{12} & ... & r_{1n}\\ r_{21} & r_{22} & ... & r_{2n}\\ ... & ... & ... & \\ r_{n1} & r_{n2} & ... & r_{nn} \end{pmatrix}\qquad (7.11)
F=F(v1,...,vn)=
r11r21...rn1r12r22...rn2............r1nr2nrnn
(7.11)
F的体积由这个公式给出:
V
o
l
(
F
(
v
1
,
.
.
.
,
v
n
)
)
=
∣
d
e
t
(
F
(
v
1
,
.
.
.
,
v
n
)
)
∣
Vol(\mathcal{F}(v_{1},...,v_{n}))=\mid det(F(v_{1},...,v_{n}))|
Vol(F(v1,...,vn))=∣det(F(v1,...,vn))∣
证据。这个证明使用了多元微积分。我们可以计算出
F
\mathcal{F}
F的体积作为常数函数1在区域
F
\mathcal{F}
F上的积分,
V
o
l
(
F
)
=
∫
F
d
x
1
d
x
2
.
.
.
d
x
n
Vol(\mathcal{F})=\int_{\mathcal{F}}^{} dx_{1}dx_{2}...dx_{n}
Vol(F)=∫Fdx1dx2...dxn
基域F是(7.9)所描述的集合,因此我们根据以下公式将变量由x =(x1,…,xn)改为t =(t1,…,tn):
(
x
1
,
x
2
,
.
.
.
,
x
n
)
=
t
1
v
1
+
t
2
v
2
+
.
.
.
+
t
n
v
n
(x_{1},x_{2},...,x_{n})=t_{1}v_{1}+t_{2}v_{2}+...+t_{n}v_{n}
(x1,x2,...,xn)=t1v1+t2v2+...+tnvn
根据 (7.11) 所定义的矩阵 F = F(v1,…,vn),变量变化由矩阵方程 x = tF 给出。此变量变化的雅各布矩阵为 F,而基域 F 是单位立方体
C
n
=
[
0
,
1
]
n
C_{n}=[0,1]^{n}
Cn=[0,1]n 在 F 下的映像,因此积分的变量变化公式为:
∫
F
d
x
1
d
x
2
.
.
.
d
x
n
=
∫
F
C
n
d
x
1
d
x
2
.
.
.
d
x
n
=
∫
C
n
∣
d
e
t
F
∣
d
t
1
d
t
2
.
.
.
d
t
n
=
∣
d
e
t
F
∣
V
o
l
(
C
n
)
=
∣
d
e
t
F
∣
\int_{\mathcal{F}}^{} dx_{1}dx_{2}...dx_{n}=\int_{\mathcal{FC_{n}}}^{} dx_{1}dx_{2}...dx_{n}=\int_{C_{n}}^{} |det\ F|dt_{1}dt_{2}...dt_{n}=|det\ F|Vol(C_{n})=|det\ F|
∫Fdx1dx2...dxn=∫FCndx1dx2...dxn=∫Cn∣det F∣dt1dt2...dtn=∣det F∣Vol(Cn)=∣det F∣
例7.21。例7.15中的格有行列式:
d
e
t
L
=
∣
d
e
t
A
∣
=
∣
d
e
t
(
(
2
1
3
1
2
0
2
−
3
−
5
)
)
∣
=
∣
−
36
∣
=
36
det\ L = |det\ A|=\left | det(\begin{pmatrix} 2 & 1 & 3\\ 1 & 2 & 0\\ 2 & -3 & -5 \end{pmatrix}) \right | =|-36|=36
det L=∣det A∣=
det(
21212−330−5
)
=∣−36∣=36
推论 7.22. 设
L
⊂
R
n
L\subset R^{n}
L⊂Rn 是维数为 n 的格,则 L 的每个基域都有相同的体积。因此,det(L) 是格 L 的不变式,与计算它所用的特定基域无关。
证明 设 v1,…, vn 和 w1,…, wn 是 L 的两个基域,设 F(v1,…, vn)and F(w1,…, wn) 是用向量的坐标作为矩阵的行得到的相关矩阵 (7.11)。那么命题 7.14 告诉我们
F
(
v
1
,
.
.
.
,
v
n
)
=
A
F
(
w
1
,
.
.
.
,
w
n
)
(
7.12
)
F(v_{1},...,v_{n})=AF(w_{1},...,w_{n}) \qquad (7.12)
F(v1,...,vn)=AF(w1,...,wn)(7.12)
对于一个n × n的整数矩阵det(A)=±1。现在将命题7.20号应用两次:
我的疑问
在介绍基础域时,对于二维空间的格L,设基为正交基(1,0)和(0,1),由这两个向量的线性组合对应的图不应该是虚线正方形吗?虚线是因为取不到1,为什么是平行四边形?
难道说,正如正方形是特殊的平行四边一样,正交基是特殊的基,对于其他的基(x,0),(0,y),这里可以用平行四边形来总结一般情况?