Answer

问题及解答

辛矩阵

Posted by haifeng on 2012-07-26 10:44:06 last update 2017-04-09 14:58:39 | Edit | Answers (2)

设 $U\in\mathcal{M}_{2n\times 2n}(\mathbb{R})$, 且

\[U=\begin{pmatrix}A & B\\ C & D\end{pmatrix},\quad A,B,C,D\in\mathcal{M}_{n\times n}(\mathbb{R}).\]

证明: $U$ 是辛矩阵(即 $U\in\mathrm{Sp}(2n,\mathbb{R})$)当且仅当 $A^t C$, $B^t D$ 均是对称矩阵, 且 $A^t D-C^t B=I_n$.

特别地, 当 $B=0$ 时, $U$ 是辛矩阵当且仅当 $U$ 可以写成

\[
\begin{pmatrix}A & 0\\ 0 & (A^t)^{-1}\end{pmatrix}\begin{pmatrix}I_n & 0\\ S & I_n\end{pmatrix},
\]

其中 $S$ 是某个对称矩阵.

 


Remark: 这个结论对于 $\mathrm{Sp}(2n,\mathbb{C})$ 也成立.

因为一般的辛群 $\mathrm{Sp}(2n,\mathbb{K})$ ($K$ 是数域) 的定义如下:

\[
\mathrm{Sp}(2n,\mathbb{K}):=\{A:\ \mathbb{K}^{2n}\rightarrow\mathbb{K}^{2n}\mid\omega(Ax,Ay)=\omega(x,y)\}.
\]

这里 $\omega(x,y)$ 是指斜对称双线性形式(skew-symmetric bilinear form)

\[
\omega(x,y)=\sum_{i=1}^{n}x_i y_{i+n}-y_i x_{i+n}.
\]

在至多变换基的情况下, 这是 $\mathbb{K}^{2n}$ 上唯一的非退化斜对称双线性形式.

等价的, 可以写 $\omega(x,y)=(Jx,y)$, 这里 $(\cdot,\cdot)$ 是 $\mathbb{K}^{2n}$ 上的标准对称双线性形式(标准内积).

\[
J=J_{2n}=\begin{pmatrix}
0 & -I_n\\
I_n & 0
\end{pmatrix}
\]

易见 $J^2=-I_{2n}$, $J^{-1}=-J$. 求 $\exp(J)$.

1

Posted by haifeng on 2013-07-09 13:29:36

根据辛矩阵的定义, $U$ 需满足 $U^tJU=J$, 其中

\[J_n=\begin{pmatrix}0 & I_n\\ -I_n & 0\end{pmatrix}.\]


或者

\[J=\begin{pmatrix}0 & -I_n\\ I_n & 0\end{pmatrix}.\]


于是

\[
\begin{pmatrix}A^t & C^t\\ B^t & D^t\end{pmatrix}
\begin{pmatrix}0 & -I_n\\ I_n & 0\end{pmatrix}
\begin{pmatrix}A & B\\ C & D\end{pmatrix}=
\begin{pmatrix}0 & -I_n\\ I_n & 0\end{pmatrix}.
\]

这推出

\[
\begin{pmatrix}C^t & -A^t\\ D^t & -B^t\end{pmatrix}
\begin{pmatrix}A & B\\ C & D\end{pmatrix}=
\begin{pmatrix}0 & -I_n\\ I_n & 0\end{pmatrix}.
\]

\[
\begin{pmatrix}C^t A-A^t C & C^t B-A^t D\\ D^t A-B^t C & D^t B-B^t D\end{pmatrix}=
\begin{pmatrix}0 & -I_n\\ I_n & 0\end{pmatrix}.
\]

因此有

\[
\begin{cases}
(A^t C)^t=A^t C,\\
(B^t D)^t=B^t D,\\
A^t D-C^t B=I_n.
\end{cases}
\]


特别地, 当 $B=0$ 时, 上面的条件变为

\[
\begin{cases}
(A^t C)^t=A^t C,\\
A^t D=I_n.
\end{cases}
\]

故, $D=(A^t)^{-1}$. 此时 $U$ 等于

\[\begin{pmatrix}A & 0\\ C & (A^t)^{-1}\end{pmatrix}=
\begin{pmatrix}A & 0\\ 0 & (A^t)^{-1}\end{pmatrix}\begin{pmatrix}I_n & 0\\ A^t C & I_n\end{pmatrix}.\]

因此只要令 $S=A^t C$ 即可, 而 $(A^t C)^t=A^t C$ 是对称矩阵.

2

Posted by haifeng on 2017-04-09 15:06:49

\[
\begin{split}
\exp(J)=\sum_{n=0}^{\infty}\frac{J^n}{n!}&=I+\frac{J^1}{1!}+\frac{J^2}{2!}+\frac{J^3}{3!}+\frac{J^4}{4!}+\frac{J^5}{5!}+\frac{J^6}{6!}+\cdots\\
&=I+\frac{J}{1!}+\frac{-I}{2!}+\frac{-J}{3!}+\frac{I}{4!}\\
&\qquad+\frac{J}{5!}+\frac{-I}{6!}+\frac{-J}{7!}+\frac{I}{8!}\\
&\qquad+\cdots\\
&=(1-\frac{1}{2!}+\frac{1}{4!}-\frac{1}{6!}+\frac{1}{8!}-\frac{1}{10!}+\frac{1}{12!}-\cdots)I\\
&\qquad+(\frac{1}{1!}-\frac{1}{3!}+\frac{1}{5!}-\frac{1}{7!}+\frac{1}{9!}-\frac{1}{11!}+\cdots)J\\
&=(\cos 1)I+(\sin 1)J
\end{split}
\]