7.4、格：基本定义和属性

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 $v_1,...,v_n\in R^m$ 是一组线性无关向量。由 $v_1,...,v_n$ 生成的格 L 是 $v_1,...,v_n$ 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={a1​v1​+a2​v2​+...+an​vn​: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 $v_1,...,v_n$ 是格 L 的一个基，而 $w_1,...,w_n\in L$ 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 $w_j$ 写成基向量的线性组合:
$$\begin{gathered} w_1=a_{11}{v}_1+a_{12}{v}_2+...+a_{1n}{v}_n, \\ {w}_2=a_{21}{v}_1+a_{22}{v}_2+...+a_{2n}{v}_n, \\ ...... \\ {w}_n=a_{n1}{v}_1+a_{n2}{v}_2+...+a_{nn}{v}_n, \end{gathered}$$
但由于我们现在处理的是格，我们知道所有的 $a_{ij}$ 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：
$$A=\left(\begin{array}{cccc}{a}_{11}& a_{12}& ...& a_{1n}\\ a_{21}& a_{22}& ...& a_{2n}\\ ...& ...& ...& ...\\ a_{n1}& a_{n2}& ...& a_{nn}\end{array}\right)$$
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$A^{-1}$​的项是整数项。因此(det(A),A矩阵的行列式值)
$$1=det(I)=det(A{A}^{-1})=det(A)det(A^{-1})$$
其中，det(A) 和 det($A^{-1}$) 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$A^{-1}$​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。
$$Z^n=\{(x_1,x_2,...,x_n):x_1,...,x_n\in Z\}$$
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 $Z^m$​ 的可加子群。

例7.15。 考虑由三个向量生成的三维格$L\subset R^3$
$$v_1=(2,1,3),v_2=(1,2,0),v_3=(2,-3,-5)$$
用v1,v2,v3作为矩阵的行很方便，
$$A=\left(\begin{array}{ccc}2& 1& 3\\ 1& 2& 0\\ 2& -3& -5\end{array}\right)$$
我们在 L 中创建三个新向量，公式为:
$$w_1=v_1+v_3,w_2=v_1-v_2+2v_3,w_3=v_1+2v_2$$
这等价于矩阵A在左边乘以这个矩阵
$$U=\left(\begin{array}{ccc}1& 0& 1\\ 1& -1& 2\\ 1& 2& 0\end{array}\right)$$
我们发现w1,w2,w3是矩阵的行
$$B=UA=\left(\begin{array}{ccc}4& -2& -2\\ 5& -7& -7\\ 4& 5& 3\end{array}\right)$$
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:
$$U^{-1}=\left(\begin{array}{ccc}4& -2& -1\\ -2& 1& 1\\ -3& 2& 1\end{array}\right)$$
而 $U^{-1}$ 的各行则告诉我们如何用 wj 的线性组合来表示 vi
$$v_1=4w_1-2w_2-w_3,v_2=-2w_1+w_2+w_3,v_3=-3w_1+2w_2+w_3$$
备注 7.16. 如果 L ⊂ $R^m$​ 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 $R^m$ 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 $ϵ>0$，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。$R^m$​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
$$\mathcal{F}(v_1,...,v_n)=t_1{v}_1+t_2{v}_2+...+t_n{v}_n:0\le t<1.(7.9)$$
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 $L\subset R^n$ 是维数为 n 的格，设 $\mathcal{F}$ 是 L 的基域。那么，每个向量 $w\in R^n$ 都可以写成下面的形式:
$$w=t+v对于唯一的t\in \mathcal{F}和唯一的v\in L。$$
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
$$w={\alpha }_1{v}_1+{\alpha }_2{v}_2+...+{\alpha }_n{v}_n对于一些{\alpha }_1,...,{\alpha }_n\in R$$
我们现在把每个${\alpha }_i$写成:
$${\alpha }_i=t_i+a_i其中0\le t_i<1和a_i\in Z$$
可以得到：

这表明w可以写成所需的形式。

然后假设$w=t+v=t^{{}^{\prime }}+v^{{}^{\prime }}$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：
$$(t_1+a_1)v_1+(t_2+a_2)v_2+...+(t_n+a_n)v_n=(t_1^{{}^{\prime }}+a_1^{{}^{\prime }})v_1^{{}^{\prime }}+(t_2^{{}^{\prime }}+a_2^{{}^{\prime }})v_2^{{}^{\prime }}+...+(t_n^{{}^{\prime }}+a_n^{{}^{\prime }})v_n^{{}^{\prime }}$$
由于 v1、…、vn 是线性无关的，因此可以得出：
$$t_i+a_i=t_i^{{}^{\prime }}+a_i^{{}^{\prime }}对于所有的i=1,2,...,n$$
所以：
$$t_i-t_i^{{}^{\prime }}=a_i^{{}^{\prime }}-a_i\in Z$$
是整数。但我们也知道，$t_i$ 和 $t_i^{{}^{\prime }}$ 都大于或等于 0 且严格小于 1，因此 $t_i-t_i^{{}^{\prime }}$ 是整数的唯一可能是 $t_i=t_i^{{}^{\prime }}$。然后得到：
$$v=w-t=w-t^{{}^{\prime }}=v^{{}^{\prime }}$$
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 $R^n$ 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
$$detL=Vol(\mathcal{F})\le \parallel v_1\parallel \parallel v_2\parallel ...\parallel v_n\parallel$$
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：
$$v_i=(r_{i1},r_{i2},...,r_{in})$$
用vi的坐标作为矩阵的行，
$$F=F(v_1,...,v_n)=\left(\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1n}\\ r_{21}& r_{22}& ...& r_{2n}\\ ...& ...& ...& \\ r_{n1}& r_{n2}& ...& r_{nn}\end{array}\right)(7.11)$$
F的体积由这个公式给出：
$$Vol(\mathcal{F}(v_1,...,v_n))=\mid det(F(v_1,...,v_n))|$$
证据。这个证明使用了多元微积分。我们可以计算出$\mathcal{F}$的体积作为常数函数1在区域$\mathcal{F}$上的积分，
$$Vol(\mathcal{F})={\int }_{\mathcal{F}}^{}d{x}_{1}d{x}_2...d{x}_n$$
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)：
$$(x_1,x_2,...,x_n)=t_1{v}_1+t_2{v}_2+...+t_n{v}_n$$
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 $C_n=[0,1{]}^n$ 在 F 下的映像，因此积分的变量变化公式为：
$${\int }_{\mathcal{F}}^{}d{x}_{1}d{x}_2...d{x}_n={\int }_{\mathcal{F}{\mathcal{C}}_n}^{}d{x}_{1}d{x}_2...d{x}_n={\int }_{C_n}^{}|detF|d{t}_{1}d{t}_2...d{t}_n=|detF|Vol(C_n)=|detF|$$
例7.21。例7.15中的格有行列式：
$$detL=|detA|=\left|det(\left(\begin{array}{ccc}2& 1& 3\\ 1& 2& 0\\ 2& -3& -5\end{array}\right))\right|=|-36|=36$$
推论 7.22. 设 $L\subset R^n$ 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
$$F(v_1,...,v_n)=AF(w_1,...,w_n)(7.12)$$
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？