高等代数(十)-双线性函数与辛空间04：辛空间

"§ 4 辛空间
近年来有限维辛空间的理论在力学、计算数学、几何学、代数学、组合学等领域中日显重要.
我们在这一节简略地介绍辛空间的一些性质, 特别是辛空间的子空间及辛自同构
(称为辛变换) 的性质.
由前一节的讨论,已经得到下面两点性质：
1. 辛空间 $(V,f)$ 中一定能找到一组基
${\epsilon }_1,{\epsilon }_2,\cdots ,{\epsilon }_n,{\epsilon }_{-1},{\epsilon }_{-2},\cdots ,{\epsilon }_{-n}$,
满足
$$\{\begin{array}{ll}f\left({\mathbf{\epsilon }}_i,{\mathbf{\epsilon }}_{-i}\right)=1,& 1⩽i⩽n,\\ f\left({\mathbf{\epsilon }}_i,{\mathbf{\epsilon }}_j\right)=0,& -n⩽i,j⩽n,i+j\ne 0,\end{array}$$
这样的基称为 $(V,f)$ 的辛正交基. 还可看出辛空间一定是偶数维的.
2. 任一 $2n$ 阶非退化反称矩阵 $\mathbf{K}$ 可把一个数域 $P$ 上
$2n$ 维空间 $V$ 化成一个辛空间,且使 $K$ 为 $V$ 的一组基
$e_1,e_2,\cdots ,e_n,e_{-1},e_{-2},\cdots ,e_{-n}$
下的度量矩阵. 又此辛空间在一组辛正交基
${\epsilon }_1,{\epsilon }_2,\cdots ,{\epsilon }_n,{\epsilon }_{-1},{\epsilon }_{-2},\cdots ,{\epsilon }_{-n}$
下的度量矩阵为
$$J={\left(\begin{array}{cc}\mathbf{O}& \mathbf{E}\\ -\mathbf{E}& \mathbf{O}\end{array}\right)}_{2n\times 2n},$$
故 $\mathbf{K}$ 合同于 $\mathbf{J}$. 即任一 $2n$
阶非退化反称矩阵皆合同于 $\mathbf{J}$.
两个辛空间 $\left(V_1,f_1\right)$ 及 $\left(V_2,f_2\right)$,
若有 $V_1$ 到 $V_2$ 的作为线性空间的同构 $\mathcal{K}$, 它满足
$$f_1(\mathbf{u},\mathbf{v})=f_2(\mathcal{K}\mathbf{u},\mathcal{K}\mathbf{v}),$$
则称 $\mathcal{K}$ 是 $\left(V_1,f_1\right)$ 到
$\left(V_2,f_2\right)$ 的辛同构.
$\left(V_1,f_1\right)$ 到 $\left(V_2,f_2\right)$
的作为线性空间的同构是辛同构当且仅当它把 $\left(V_1,f_1\right)$
的一组辛正交基变成 $\left(V_2,f_2\right)$ 的辛正交基.
两个辛空间是辛同构的当且仅当它们有相同的维数.
辛空间 $(V,f)$ 到自身的辛同构称为 $(V,f)$ 上的辛变换. 取定 $(V,f)$
的一组辛正交基
${\epsilon }_1,{\epsilon }_2,\cdots ,{\epsilon }_n,{\epsilon }_{-1},{\epsilon }_{-2},\cdots ,{\epsilon }_{-n},V$
上的一个线性变换 $\mathcal{K}$, 在该基下的矩阵为 $\mathbf{K}$,
$$K=\left(\begin{array}{ll}\mathbf{A}& \mathbf{B}\\ \mathbf{C}& \mathbf{D}\end{array}\right),$$
其中 $\mathbf{A},\mathbf{B},\mathbf{C},\mathbf{D}$
皆为 $n\times n$ 方阵. 则 $\mathcal{K}$ 是辛变换当且仅当
${\mathbf{K}}^{\mathrm{T}}\mathbf{J}\mathbf{K}=\mathbf{J}$,
亦即当且仅当下列条件成立:
$${\mathbf{A}}^{\top }\mathbf{C}={\mathbf{C}}^{\top }\mathbf{A},{\mathbf{B}}^{\mathrm{T}}\mathbf{D}={\mathbf{D}}^{\mathrm{T}}\mathbf{B},{\mathbf{A}}^{\mathrm{T}}\mathbf{D}-{\mathbf{C}}^{\mathrm{T}}\mathbf{B}=\mathbf{E}.$$
且易证, $|\mathbf{K}|=\pm 1$
及辛变换的乘积、辛变换的逆变换皆为辛变换.
设 $(V,f)$ 是辛空间, $u,v\in V$ 且满足 $f(u,v)=0$, 则称 $u,v$
为辛正交的.
$W$ 是 $V$ 的子空间，令
W ⊥ = { u ∈ V ∣ f ( u , w ) = 0 , ∀ w ∈ W } . W^{\perp}=\{u \in V \mid f(u, w)=0, \forall w \in W\} . W⊥={ u∈V∣f(u,w)=0,∀w∈W}.
$W^{\perp }$ 显然是 $V$ 的子空间，称为 $W$ 的辛正交补空间.
定理 $7(V,f)$ 是辛空间, $W$ 是 $V$ 的子空间,则
$$\text{ 维 }\left(W^{\perp }\right)=\text{ 维 }(V)\text{ - 维 }(W)\text{. }$$
证明 取 $V$ 的一组基
${\mathbf{\epsilon }}_1,{\mathbf{\epsilon }}_2,\cdots ,{\mathbf{\epsilon }}_{2n},W$
的一组基
${\mathbf{\eta }}_1,{\mathbf{\eta }}_2,\cdots ,{\mathbf{\eta }}_k$,
设 $f$ 在
${\epsilon }_1,{\epsilon }_2,\cdots ,{\epsilon }_{2n}$下的度量矩阵为
$\mathbf{A}$.一对向量
η = ( ε 1 , ε 2 , ⋯   , ε 2 n ) X , ε = ( ε 1 , ε 2 , ⋯   , ε 2 n ) Y \boldsymbol{\eta}=\left(\boldsymbol{\varepsilon}_{1}, \boldsymbol{\varepsilon}_{2}, \cdots, \boldsymbol{\varepsilon}_{2 n}\right) \boldsymbol{X}, \boldsymbol{\varepsilon}=\left(\boldsymbol{\varepsilon}_{1}, \boldsymbol{\varepsilon}_{2}, \cdots, \boldsymbol{\varepsilon}_{2 n}\right) \boldsymbol{Y} η=(ε1​,ε2​,⋯,ε2n​)X,ε=(ε1​,ε2​,⋯,ε