基本概念 一个 (抽象) 李代数是指一个线性空间 V 配上一个双线性映射 [ − , − ] : V × V → V , 满足
( 1 ) [ x , y ] = − [ y , x ] ;
( 2 ) [ x , [ y , z ]] + [ y , [ z , x ]] + [ z , [ x , y ]] = 0 .
一个李群是指一个配上光滑流形/复解析流形结构的群, 要求群运算、取逆元均与流形结构相容 (光滑/解析) . 李群间的态射是光滑的群同态.
李群 G 在单位元处的切空间 T 1 G 称为此李群的李代数, 记为 Lie ( G ) .
上面的定义不能看出为什么称单位元的切空间为李代数. 接下来, 我们要在切空间
T 1 G 上造出我们需要的李代数结构.
对任意实线性空间 V , GL ( V ) 成一李群. 其李代数记为 gl ( V ) . 可以看到 [ A , B ] = A B − B A 给出 gl ( V ) 上的一个李代数结构.
事实上, 任给一个向量 v ∈ T 1 G , 利用李群的乘法, 可将其扩为一个在李群元素左乘下不变的向量场. 我们设想令其从 1 处开始 “流动”, 就得到 G 上的一条曲线 γ v ( t ) : R → G (或者 C → G ) , 使得曲线在每一点处的切向量是向量场当中对应的那个向量 (可以用 ODE 的结果证明这一点) .
我们定义 exp : g → G , v ↦ γ v ( 1 ) , 这个映射称为指数映射 (在下面 gl ( V ) 的例子里面, 这个映射恰为矩阵的 “指数映射”) . 我们可以以此建立在 “充分小” 的单位元邻域内李群元素和李代数元素的一一对应. 这一事实说明, 我们可以把李代数中的元素看作李群的 “无穷小自同构”.
对一切 s , t ∈ R (相应地, s , t ∈ C ) 和 v ∈ T 1 ( G ) ,
exp ( t v ) = γ v ( t ) ;
exp (( s + t ) v ) = exp ( s v ) exp ( t v ) .
exp 给出 G 中 1 的某个邻域和 g 中 0 的某个邻域的微分同胚.
exp 有某种意义上的函子性. 即对李群态射 φ : G 1 → G 2 , 有诱导的映射 φ ∗ : Lie ( G 1 ) → Lie ( G 2 ) . 此时我们有 exp ( φ ∗ v ) = φ exp ( v ) .
既然
exp 在足够小的邻域上是可逆的, 对充分小的
x , y , 我们可设
exp ( x ) exp ( y ) = exp ( μ ( x , y )) , 其中
μ : g × g → g . 将其展开, 可以得到
μ ( x , y ) = x + y + λ ( x , y ) + ( deg ≥ 3 terms ) . 我们取 [ x , y ] = 2 λ ( x , y ) . 可以证明这是一个反对称的双线性型. 不难发现, 在之前 gl ( V ) 的例子里, [ − , − ] 正是换位子.
此外, 注意到李群上有共轭作用给出的自同构: G → G , x ↦ gx g − 1 . 于是这一自同构诱导李代数 g 上的自同构, 记为 Ad g . 由于 exp 的函子性, Ad g 和 exp 可以交换.
我们同样记 Ad : G → GL ( g ) , 其诱导李代数之间的态射 ad : g → gl ( g ) . 那么可以证明
( 1 ) ad ( x ) ( y ) = [ x , y ] ;
( 2 ) ad [ x , y ] = ad x ad y − ad y ad x .
这就给出了我们想要的李代数结构.
设 h 是 g 作为线性空间的子空间. 若 [ h , h ] ⊂ h , 则称其为 g 的子代数.
若 [ g , h ] ⊂ h , 称其为 g 的理想. h 上有典范的李括号.
设 H ⊂ G 为李子群, h ⊂ g 为子代数. 若 H ⊲ G , 那么 h ⊂ g 为理想, 且 G / H 的李代数同构于 g / h .
作为对李群的类比, 对一个流形
M , 我们可以考虑其全体光滑自同胚
Diff ( M ) . 一般来说, 这不是李群. 考虑单参微分自同胚
φ t : M → M , 对每个
m ∈ M ,
d t d φ t 在
t = 0 给出一个向量场. 因此, 对很靠近恒等的自同胚, 我们可以将其视为
M 上向量场. 因此
M 上的全体向量场
Vect ( M ) 可视为对 “李代数” 这一概念的模拟.
设 ξ 是一个向量场, 我们考虑其 “流动”Φ ξ t : M → M . 那么存在唯一一个 [ ξ , η ] , Ψ ξ t Ψ η s Ψ ξ − 1 t Ψ η − 1 s = Ψ [ ξ , η ] t s + ( deg ≥ 3 terms ) .
[ − , − ] 可按如下方式定义: ∂ [ η , ξ ] f = ∂ η ( ∂ ξ f ) − ∂ ξ ( ∂ η f ) .
[ ξ , η ] = d t d ( Ψ ξ t ) ∗ η ( γ ( − t )) . 如果我们取坐标卡 x i , 我们可以计算: [ f i ∂ x i ∂ , g i ∂ x i ∂ ] = ( f i ∂ x i ∂ g j − g i ∂ x i ∂ f j ) ∂ x j ∂ .
定义李群 G 在流形 M 上的作用是一个光滑映射 ρ : G → Diff ( M ) . 这个映射诱导 ρ ∗ : g → Vect ( M ) , 可以视为 “无穷小位移”.
作用 ρ : G → M 下, 定义 m ∈ M 的稳定化子为G m = { g ∣ g m = m , ∀ g ∈ G } . 这是 G 的一个闭李子群. 其李代数为h = { x ∈ g ∣ ρ ∗ ( x ) ( m ) = 0 } .
G / G m → M , g ↦ g m 是一个浸入. 我们定义其像为 O m . 有 T m ( O m ) = g / h .
设
A 是一个域
k ( = R 或 C ) 上的有限维结合代数, 那么
Aut ( A ) 是一个李群. 我们定义
Der ( A ) = Lie ( Aut ( A )) . 对李群 G , 定义其中心 Z ( G ) 为和一切元素交换的元素. 对李代数 g , 定义其中心为 { x ∈ g ∣ [ x , y ] = 0 , ∀ y ∈ g } .
接下来我们介绍 Campbell-Hausdorff 定理. 这个定理告诉我们, 李群的 “非交换” 结构的信息由其李代数完全确定.
对上面定义的 μ ( x , y ) , 我们可以用李括号完全决定更高阶的小量: μ ( x , y ) = x + y + 2 1 [ x , y ] + 12 1 ([ x , [ x , y ]] + [ y , [ y , x ]]) + ⋯ .
这说明李群和李代数在一定程度上 “相互对应”. 由此我们可以相信下面的定理:
( 1 ) 设 G 是连通李群, g 是其李代数.
G ⊃ H ↦ Lie ( H ) 给出 G 的连通李子群和 g 的子代数之间的双射.
( 2 ) 若 G 1 , G 2 是李群, G 1 单连通, 则一切 G 1 → G 2 的态射由对应李代数之间的态射诱导.
( 3 ) 设 g 是有限维李代数, 那么存在唯一的单连通李群 G , 使其以 g 为李代数. 其余以 g 为李代数的连通李群为 G / Z , 其中 Z 为 G 的离散子群.
用抽象废话来说, 有限维李代数范畴和单连通李群范畴是等价的.
我们可以将一个实的李代数进行复化. 对一个实李代数 g , 我们定义其复化为g C = g ⊗ C . 称 g 为 g C 的实形式.
取 g = sl ( 2 , R ) , 则 g C = sl ( 2 , C ) .
取 g = u ( n ) , 则 g C = gl ( n , C ) .
设
G 是一个连通复李群,
g 是其李代数,
K ⊂ G 是一个实闭李子群. 若
Lie ( K ) 是
g 的实形式, 则称
K 为
G 的实形式.
接下来, 我们来重点关注 so ( 3 , R ) , su ( 2 ) 和 sl ( 2 , C ) .
对 so ( 3 , R ) , 我们取J x = ⎝ ⎛ 0 0 0 0 0 1 0 − 1 0 ⎠ ⎞ , J y = ⎝ ⎛ 0 0 − 1 0 0 0 1 0 0 ⎠ ⎞ , J z = ⎝ ⎛ 0 1 0 − 1 0 0 0 0 0 ⎠ ⎞ 于是[ J x , J y ] = J z , [ J z , J x ] = J y , [ J y , J z ] = J x .
su ( 2 ) (其包含全体迹 0 的反 Hermite 矩阵) . 取i σ 1 = ( 0 i i 0 ) , i σ 2 = ( 0 − 1 1 0 ) , i σ 3 = ( i 0 0 − i ) 于是[ i σ 1 , i σ 2 ] = − 2 i σ 3 , [ i σ 3 , i σ 1 ] = − 2 i σ 2 , [ i σ 2 , i σ 3 ] = − 2 i σ 1 .
对 sl ( 2 , C ) , 我们取e = ( 0 0 1 0 ) , f = ( 0 1 0 0 ) , h = ( 1 0 0 − 1 ) [ e , f ] = h , [ h , e ] = 2 e , [ h , f ] = − 2 f .
这几个李代数之间有着密切的关系. 首先, 我们知道 SU ( 2 ) 是 SO ( 3 ) 上的二重覆叠, 这就给出了相应的实李代数 (切空间) 的同构: i σ 1 ↦ − 2 J x , i σ 2 ↦ − 2 J y , i σ 3 ↦ − 2 J z .
作为实流形有嵌入 SU ( 2 ) → SL ( 2 , C ) . 这给出实李代数的嵌入: su ( 2 ) → sl ( 2 , C ) . 但 sl ( 2 , C ) 实际上是复李代数. 因此有su ( 2 ) C → sl ( 2 , C ) . 这是一个同构, 其具体表达式为i σ 1 ↦ i ( e + f ) , i σ 2 ↦ e − f , i σ 3 ↦ i h .
在上面的各个李代数的例子里, 我们都可以定义一个双线性型:
x , y ↦ − Tr ( x y ) , 这个双线性型在
Ad G 的作用下保持不变.
一点表示论 这一部分主要介绍表示论当中的一些基本结果. 如无特殊声明, 我们总是考虑有限维的复表示.
设 G 是李群, g 是其李代数, V 是一个有限维的复线性空间.
一个李群 G 的表示是指一个线性空间 V 连同同态 ρ : G → GL ( V ) .
一个李代数 g 的表示是指一个线性空间 V 连同李代数同态 ρ : g → gl ( V ) .
两个李群的表示之间的态射是指一个线性映射 V → V ′ , 与群元素的作用交换. 李代数的表示之间的态射是类似的.
一个李群表示 ρ : G → GL ( V ) 诱导一个李代数的表示 ρ : g → gl ( V ) .
若 G 单连通, 则 G 和 g 的表示之间有一一对应, 这是一个范畴等价.
李群的具体结构一般比较复杂, 但其李代数是有限维的, 所以研究李代数的表示是比较方便的. 如果
G 不是单连通, 我们可以商去一个离散子群, 再取其万有覆叠.
我们知道, 一个 G 的复表示相当于一个 C [ G ] -模. 我们可以用研究模的方式来研究表示.
设 g 是李代数, g C 是其复化, 则 g 与 g C 的表示是等价的.
子表示: 若 W ⊂ V 是子空间, 且在 G 下稳定, 则为子对象.
按我们熟知的方式, 可以得到商表示.
直和与张量积: 两个空间 V 1 , V 2 上的 G 作用可以得到 V 1 ⊕ V 2 , V 1 ⊗ V 2 上的 G 作用, 分别称为表示的直和与张量积.
李代数作用在张量积上的方式略有不同:
g → gl ( V 1 ⊗ V 2 ) , v ( x ⊗ y ) = ρ 1 ( v ) x ⊗ y + x ⊗ ρ 2 ( v ) y .
伴随表示: V 的对偶空间 V ∗ 上有自然的 G 表示结构: ρ ∗ ( g ) ( v ∗ ) = ρ ( g − 1 ) t v ∗ .
表示 Hom ( V , W ) G = Hom G ( V , W ) .
若 V 没有真子表示, 称其为不可约表示.
如果 V 不能写成两个真子表示的直和, 称其为不可分解表示.
称 V 是半单的, 如果 V 可以写成不可约表示的直和. 在有限的情况, 我们可以把一个半单表示写成 V = ⨁ V i n i .
设 A : V → V 是表示的态射. 若 A 半单 (可对角化) , 那么每个特征子空间 V λ 都是子表示.
(Schur 引理) 若 V 不可约, V → V 的同态只可能是恒等的常数倍.
若 V , W 是不同构的不可约表示, 那么 V → W 的表示态射只有零态射.
设 V = ⨁ V i n i , V i 是互不同构的不可约表示, φ 是 V → V 的表示态射. 那么 φ 形如 ⊕ φ i .
一个酉表示是指一个表示 V 配上一个非退化 Hermite 双线性型, 使得 G 作用保持此双线性型.
对李代数, 相应的条件是 ( ρ ( g ) v , w ) + ( v , ρ ( g ) w ) = 0 .
对酉表示来说, 我们可以取一个子表示的正交补, 从而任一可约表示是可分解的.
Haar 测度 我们总是希望通过巧妙地选取 Hermite 型, 把一个表示变成酉表示. 在有限群的时候, 只要取出一个 Hermite 型 ( − , − ) , 并对 G 取平均: ∣ G ∣ 1 g ∈ G ∑ ( gx , g y ) . 这就有了我们想要的双线性型.
为了过渡到连续版本, 我们希望使用积分来代替求和: ∫ G ( gx , g y ) d g .
要实现积分, 首先要求可定向性. 好在对李群来说, 这是自动满足的: 在单位元处任意选取一个标架, 通过李群的平移作用, 我们自然能够将其延拓到整个李群上, 保持光滑性与非退化性. 从而李群总是可以定向的.
其次, 出于对积分收敛性的考虑, 我们希望操作紧支的函数. 但不幸的是, 通常我们还希望我们的对象有 G 不变性. 所以我们假定 G 是紧李群. 我们有C ( G ) → C , f → ∫ G f ω . 如果 f ≥ 0 , 这是一个线性泛函. 根据 Riesz 表示定理, 我们可以得到一个 Borel 测度 μ , 使得∫ G f ω = ∫ G f d μ . ω 的 G 左乘不变性给出 μ 的左平移不变性. 称其为李群 G 的 Haar 测度.
紧李群上的 Haar 测度在相差一个常数因子的意义下是唯一的.
其证明使用了测度论中的 Lesbesgue-Radon-Nikodym 定理, 我们不在此给出.
我们总是可以适当地选择常数, 使得∫ X d μ = 1.
证明概要. 对
t ∈ g ,
μ t : A → μ ( A t ) 也是一个左不变的 Haar 测度. 于是
μ t 和
μ 相差一个常数
Δ ( t ) . 可以证明这是一个从
G 映到
R × 的连续函数. 但连续函数总把紧集映到紧集, 而
R × 的紧子群只有
1 .
有了 Haar 测度, 参考之前 “取平均” 的证明思路, 很容易证明有限维表示
V 都是半单的. 事实上, 对无限维表示同样如此: 考虑
V 的子表示族
{ V i } , 使得同一族中的表示空间两两交为
0 . 应用 Zorn 引理即可得到证明.
证明需要一点泛函分析的知识. 我们在此呈现黎景辉《拓扑群引论》中对紧群给出的更一般的证明:
证明. 设 ( π , V ) 是紧群的酉表示. 我们不妨设 V 是 Hilbert 空间, π 是循环的, u ∈ V 是相应模长 1 的循环向量. 考虑新的内积⟨ v , w ⟩ = ∫ G ( π ( x ) v , u ) ( u , π ( x ) v ) d x . 根据 Cauchy-Schwartz 不等式, ⟨ v , w ⟩ ≤ ∥ v ∥∥ w ∥ . 于是存在有界 Hermite 算子 A , 使得 ⟨ v , w ⟩ = ( A v , w ) . 有( A v , v ) = ∫ G ∣ ( π ( x ) v , u ) ∣ 2 d x ≥ 0 , 同时 x ↦ ( π ( x ) v , u ) 连续, ( A v , v ) = 0 可推出 ( π ( x ) v , u ) = 0 对一切 x 成立, 故 v = 0 . 如果 v = 0 使得 A v = λ v , 则有 λ > 0 . 又由于( A π ( x ) v , w ) = ∫ G ( π ( s ) π ( s ) v , u ) ( u , π ( s ) w ) d s = ∫ G ( π ( s ) v , u ) ( u , π ( s x − 1 ) w ) d s ) = ( A v , π ( x − 1 ) w ) = ( π ( x ) A v , w ) , π ( x ) 和 A 可以交换. 令 V λ = { v ∈ V ∣ A v = λ v } , 则 π ( x ) V λ ⊂ V λ .
下面我们来证明 A 是一个紧算子. 在 Hilbert 空间里, 我们只用证 A 将弱收敛序列映为按范数收敛的序列.
设 v n 弱收敛于 v , 则由 Banach-Steinhaus 定理, 存在 M 使得 ∥ v n ∥ ≤ M . 于是∣ ( π ( x ) v n , u ) ( u , π ( s ) v n ) ( π ( s x − 1 ) u , u ) ∣ ≤ M 2 . 故根据 Lesbesgue 控制收敛定理, n → + ∞ lim ∥ A v n ∥ 2 = n → ∞ lim ( A v n , A v n ) = n → + ∞ lim ∫ G ( π ( x ) v n , u ) ( u , π ( x ) A v n ) d x = n → + ∞ lim ∫ G ∫ G ( π ( x ) v n , u ) ( u , π ( s ) v n ) ( π ( s ) π ( x − 1 ) u , u ) d x d s = ∫ G ∫ G ( π ( x ) v , u ) ( u , π ( s ) v ) ( π ( s ) π ( x − 1 ) u , u ) d x d s = ∥ A v ∥ 2 . 同时 n → + ∞ lim ( A v , A ( v − v n )) = 0 . 由此可以推出 n → + ∞ lim ∥ A v − A v n ∥ = 0 , 因此 A 是紧算子.
于是根据紧算子的谱分解定理,
V=\bigoplus_\limits{\lambda}V_\lambda . 同时
dim ( V λ ) < + ∞ . 每个
V λ 都是不变的.
由证明过程可以看出, 若 π 可和紧算子交换, 则 π 可写成有限维不可约表示的直和.
Peter-Weyl 定理 我们知道, L 2 周期函数可以展成 Fourier 级数. 如何看待这一事实? 通过表示论当中的一些结果, 我们可以给这一现象一个比较合理的解释.
设 V , W 是两个不同构的 G 的有限维不可约表示, 以 ρ ij V ( g ) 表示某组基下矩阵 ρ V ( g ) 的 ij 分量, 则∫ G ρ ij V ( g ) ρ k l W ( g ) = 0. 如若 f : V → V 是表示态射, 那么∫ G ρ ij V ( g ) ρ k l V ( g ) = dim V δ ik δ j l .
对有限维表示
V , 我们选取一个 Hermite 内积
( − , − ) 使得
V 成为一个酉表示, 那么对偶空间
V ∗ 上也就有了相应的 Hermite 内积, 使其同样成为一个酉表示. 我们同样可以在空间
C ∞ ( G ) 上定义一个内积:
( f 1 , f 2 ) = ∫ G f 1 ( g ) f 2 ( g ) d g . 于是上面的
ρ ij V g 成为
C ∞ ( G ) 中两两正交的向量.
我们定义 m : V i ∈ Irr ( G ) ⨁ V i ∗ ⊗ V i → C ∞ ( G ) ,f ⊗ v ↦ ( g ↦ f ( gv )) .
其中
V i 上和
V i ∗ 上的内积诱导
V ∗ ⊗ V 上的内积:
( f 1 ⊗ v 1 , f 2 ⊗ v 2 ) = dim V ( f 1 , f 2 ) ( v 1 , v 2 ) , 进而诱导
V i ∈ Irr ( G ) ⨁ V i ∗ ⊗ V i 上的内积. 不难发现
m : V ⊗ V ∗ → C ∞ ( G ) 保内积, 因此是一个单射. 两边进行完备化, 我们得到
⨁ ( V i ∗ ⊗ V i ) → L 2 ( G ) . 由于映射保持内积, 这还是一个单射.
证明.
我们使用如下的 Weierstrass-Stone 定理: 任意可区分点的、含 1 的、对取复共轭封闭的子代数可以逼近连续函数.
我们想要证明: ⨁ V i ∗ ⊗ V i 的像满足定理条件, 从而在 C ( G ) 内稠密, 因此其闭包是整个 L 2 ( G ) . 注意到, L 2 ( G ) 是一个 G 的酉表示, 因而是不可约表示的直和.
我们不妨把其中一个点取成单位元. 对任意
g = 1 , 取一个
1 的开邻域
U , 使得
U ∩ gU = ∅ . 于是
g 在
1 U 上的作用非平凡, 从而在
L 2 ( g ) 的某个不可约子表示
V i 上作用非平凡. 于是直和项
V i ∗ ⊗ V i 即可区分
g 和
1 . 剩余条件是容易验证的. 于是上述映射的像可以逼近连续函数, 从而取闭包后是整个
L 2 ( G ) .
矩阵的系数给出 V i ∗ ⊗ V i 的一组正交基底. 于是有推论:
所有不可约表示在某组基下的矩阵系数 ρ ij V ( g ) 构成 L 2 ( G ) 的一组正交基.
现在我们来用表示论的观点看待 Fourier 级数.
考虑环面 T n , 其 Haar 测度继承自 R n . 由于环面是交换的, 其不可约表示是 1 维的. 给一个标准参数化( e i θ 1 , … , e i θ n ) . 一个 T n 的一维表示需要满足 Cauchy 方程, 在光滑的条件下可以得到其为线性函数. 从而其由( θ 1 , … , θ n ) ↦ ( m 1 θ 1 , … , m n θ n ) , m 1 , … , m n ∈ Z 给出. 按照前面的定理, 我们得到( e i θ 1 , … , e i θ n ) ↦ ( e i m 1 θ 1 , … , e i m n θ n ) , m 1 , … , m n ∈ Z . 是 L 2 ( T n ) 上的一组正交基. 这正是我们通常进行的 Fourier 展开.
除了矩阵系数之外, 我们还经常考虑不可约表示的特征标. 模仿有限群的情形, 可以得到其定义: χ V ( g ) = Tr ( ρ ( g )) = i ∑ ρ ii V ( g ) . 但我们知道特征标在共轭作用下是不变的, 所以我们能够逼近的 L 2 ( G ) 中的函数也应如此:
{ χ V ∣ V ∈ Irr ( G )} 构成 ( L 2 ( G ) ) Ad 的一组正交基. 其中 ( L 2 ( G ) ) Ad 是指 L 2 ( G ) 中在 G 共轭作用下不变的部分.
sl ( 2 , C ) 的不可约表示 (正在码字)如果没有特别声明, 我们总是研究有限维的不可约表示.
我们知道, sl ( 2 , C ) 是 su ( 2 ) 的复化. 所以它们的有限维复表示是一样的.
和之前一样, 我们取基e = ( 0 0 1 0 ) , f = ( 0 1 0 0 ) , h = ( 1 0 0 − 1 ) [ e , f ] = h , [ e , h ] = − 2 e , [ f , h ] = 2 f . 在这个矩阵表达式里, e , f 不可对角化, 但 h 可以. 如果任给定一个不可约表示 V , 我们能不能也将其分解成为 h 的特征子空间的直和?
V = λ ⨁ V λ , 其中 λ 取遍 h 的特征值.
证明. 我们只要证明上式右侧是 g 不变的.
对 v ∈ V λ , h f v = f h v − 2 f v = ( λ − 2 ) f v . 于是 f v ∈ V ( λ − 2 ) .
类似地, e v ∈ V ( λ + 2 ) . 于是 λ ⨁ V λ 是 g 不变的.
我们看到一个有趣的现象: 在这个分解里,
e 和
f 的作用分别使这个分解中的
λ ——我们暂且称为权——增加
2 和减少
2 . 由于
V 是有限维的, 我们取使得
V λ = 0 的
λ 中实部最大者
λ 0 (
V λ 0 中的元素称为 “最高权向量”) . 此时
e 的作用已不能使权继续增大, 故
e 在
V λ 0 上的作用是
0 .
取 v ∈ V λ 0 , 那么V = n ≥ 0 ⨁ C f n v .
证明概要. 和之前的思路完全一致, 我们只需要证明右端对 e , f , h 都不变即可.
由于 v 是最高权向量, e v = 0 , 且 h v = λ 0 v . 对 n 归纳不难证明: h f k v = ( λ 0 − 2 k ) f k v , e f k v = k ( λ 0 − k + 1 ) f k − 1 v ,
由于
V 是有限维的, 存在一个最大的
n , 使得
f n v = 0 , 于是
e f n + 1 v = n ( λ 0 − n ) f n v = 0 . 从而我们得到
λ 0 = n , 且
f n + 1 v = 0 . 于是
V = 0 ≤ k ≤ n ⨁ V λ 0 − 2 k , 且每个
V λ 0 − 2 k 由
f k v 张成.
反过来, 对每个自然数 n , 都可以构造一个 sl ( 2 , C ) 的不可约表示使得 n 为最高权, 且 e , f , h 的作用如上所述. 这样, 我们就分类了 sl ( 2 , C ) 的所有有限维不可约表示.
我们来考虑 SO ( 3 ) 的表示.
SU ( 2 ) → SO ( 3 ) 的核为 ± I . 观察到 − I = exp ( i π 0 0 − i π ) = exp ( i πh ) , i πh ∈ ker ρ . 故 SO ( 3 ) 的有限维表示恰好是 sl ( 2 , C ) 的表示中 λ 0 为偶数的那些诱导出来的表示.
有了 sl ( 2 , C ) 的例子, 我们来研究 sl ( 3 , C ) 的表示.
我们取基E ij ( i = j ) , E 11 − E 22 , E 11 − E 33 . 我们记 h = span ( E 11 − E 22 , E 11 − E 33 ) . 刚才我们找了 h 的特征子空间, 现在我们要对 h 做这件事.
记 V λ = { v ∈ V ∣ ∀ A ∈ h , A v = λ ( A ) v , λ ( A ) ∈ C } .
完全一致的论证给出V = λ ⨁ V λ . 与之前不同的是, 现在 λ ( A ) 是由 λ ( E 11 − E 22 ) 和 λ ( E 11 − E 33 ) 两个参数决定的.
先前有关于 sl ( 2 , C ) 表示的讨论也会有所帮助, 因为 sl ( 2 , C ) 可以以很多种方式嵌入 sl ( 3 , C ) 作为子代数. 比如, E 11 − E 22 , E 12 , E 21 生成的子代数同构于 sl ( 2 , C ) . 我们知道, sl ( 2 , C ) 的表示的权具有 “对称性”, 所以 sl ( 3 , C ) 的表示的也具有某个方向上的对称性. 反映在图中, 也就是 E 12 、E 21 所对应的 “移动方向”.
对剩余两个方向, 也同样如此. 于是表示的权应该在三个方向都具有对称性. 我们在图中展示几个不可约表示:
泛包络代数与 PBW 定理 接下来我们使用一些比较代数的手段来研究李代数本身的结构. 如果你愿意, 甚至可以暂时把李群的概念忘掉. 如无特殊声明, 我们讨论的都是域 k 上有限维的李代数.
在李代数上, 我们最感兴趣的是满足反对称性和 Jacobi 恒等式的李括号 [ − , − ] . 在我们曾经见过的许多例子里, 这个李括号都是以 “交换子” 的身份出现的: [ x , y ] = x y − y x . 但对抽象的李代数来说, 我们并没有这样一个乘法, 使得这个关系成立.
为此, 我们要制造出这样一个乘法来. 对任意线性空间 V , 如何形式地在 V 上给出一个结合的乘法? 答案是考虑如下的张量代数: T V = n ≥ 0 ⨁ T n V , T 0 V = k , T n V = V ⊗ n . 这是一个 k 代数, 其上的乘法由( v 1 ⊗ ⋯ ⊗ v m ) ⋅ ( w 1 ⊗ ⋯ ⊗ w n ) = v 1 ⊗ ⋯ ⊗ v m ⊗ w 1 ⊗ ⋯ ⊗ w n 给出. 其中 v 1 ⊗ ⋯ ⊗ v m , w 1 ⊗ ⋯ ⊗ w n 和 v 1 ⊗ ⋯ ⊗ v m ⊗ w 1 ⊗ ⋯ ⊗ w n 分别视作 T m V , T n V 和 T m + n V 中的元素.
上面构造的张量代数 T V 是 k 模范畴到结合 k 代数范畴的自由函子. 对任意 k 代数 A 和 k 模同态 V → A , 唯一的 k 代数同态 T V → A 使得如下图表交换:
对李代数 g , 定义其泛包络代数 U g 如下: U g = T g / ( x y − y x − [ x , y ]) , x , y ∈ g .
从
T V 的泛性质就可以看出, 这是我们最 “经济” 的构造乘法的方式. 具体来说, 有如下性质:
设 A 是 k 代数, ρ : g → A 是 k 线性映射, 使得 ρ ( x ) ρ ( y ) − ρ ( y ) ρ ( x ) = ρ ([ x , y ]) , 则有唯一的一个代数同态 U g → A , 使得如下图表交换:
回忆一个李代数表示是指一个李代数同态
g → gl ( V ) = End k ( V ) , 我们可以将其提升为一个代数
U g 的表示. 换言之, 一个李代数
g 的表示相当于一个
U g 模. 于是我们可以用研究结合代数表示的方法来研究李代数的表示.
如果李代数 g 是交换的, 即李括号 [ x , y ] = 0 , 那么 U g = S g 是 g 上的对称代数.
需要注意的是, 尽管我们之前经常以矩阵表示李代数中的元素, 但是泛包络代数的乘法和矩阵的乘法未必是一样的. 比如在
sl ( 2 , C ) 里,
e , f , g 如我们之前所选取. 如果考虑矩阵乘法, 那么
e 2 = 0 . 但是在泛包络代数
U g 中,
e 2 = 0 . 这是因为矩阵的乘法是 “外来” 的东西, 而非李代数本身所反映的结构. 正如我们在上一讲中看到的那样, 在大部分
sl ( 2 , C ) 的表示里,
e 2 = 0 .
现在我们来关注 U g 的具体结构. 首先, U g 是否继承了 T g 的分次结构? 答案显然是否定的, 因为对两个二次齐次元素 x y , y x , x y − y x = [ x , y ] 是一次的. 但是如果我们考虑 U g 中不多于 m 个元素乘积生成的 k 线性空间 U m g , 那么k = U 0 g ⊂ U 1 g ⊂ ⋯ , U g = n ≥ 0 ⋃ U n g . 构成 U g 的一个升滤.
有如下性质:
( 1 ) 若 x ∈ U p g , y ∈ U q g , 则 x y ∈ U p + q g .
( 2 ) 若 x ∈ U p g , y ∈ U q g , 则 [ x , y ] ∈ U p + q − 1 g .
( 3 ) 取 g 作为线性空间的一组基 x 1 , … , x n . 那么 U m g 作为线性空间由形如x 1 p 1 ⋯ x n p n , p 1 + ⋯ p n ≤ m 的元素生成 (注意 U g 不交换, 这里 x 1 , … , x n 出现的顺序是固定的.) .
这些性质都不难用归纳的方式证出来, 我们将其留给有兴趣的读者.
( 1 ) 每个 U m g 都是有限维的;
( 2 ) 借由 U g 的滤结构定义的分次代数Gr U g n ≥ 0 ⨁ U n g / U n − 1 g , U − 1 g = 0 是交换的.
我们还想寻求
U g 的一组基. 最自然的想法是诉诸上述性质
( 3 ) 中给出的元素
x 1 p 1 ⋯ x n p n . 幸运的是, 这确实是一组基. 这就是下面我们叙述的 Poincaré-Birkhoff-Witt 定理 (以下简称 PBW 定理) :
设 x 1 , … , x n 是 g 作为线性空间的一组基, 那么x 1 p 1 ⋯ x n p n 构成 U g 的一组基.
换言之, 有自然的同构 S g → Gr U g .
证明概要. 为了证明线性无关性, 我们需要一个合适的表示, 使得这些元素的作用是线性无关的. 注意到定理断言
Gr U g ≅ S g , 我们可以考虑建立一个
U g 在
S g 上的表示. 我们要求
ρ ( x i ) ( x j 1 ⋯ x j n ) = x i x j 1 ⋯ x j n 如果
i ≤ j 1 ≤ ⋯ j n . 但我们还需要对
i > j 1 的情形确定
ρ ( x i ) 在
x j 1 ⋯ x j n 上的作用. 借助如下关系
ρ ( x i ) x j 1 ⋯ x j n = ρ ( x i ) ρ ( x j 1 ) x j 2 ⋯ x j n = ρ ( x j 1 ) ρ ( x i ) x j 2 ⋯ x j n + ρ ([ x i , x j 1 ]) x j 2 ⋯ x j n , 我们可以降低表达式的 “次数”. 通过归纳地构造映射
U g ⊗ ( 0 ≤ i ≤ n ⨁ S i g ) → S g , 我们得到一个良好定义的映射
U g → End ( S g ) . 最后只要验证这是一个李代数表示.
由 PBW 定理, 我们可以得到一些有用的推论:
( 1 ) g → U g 是单射;
( 2 ) 若 g 1 , g 2 是 g 的子代数, 且作为线性空间有 g = g 1 ⊕ g 2 , 那么作为线性空间, U g = U g 1 ⊗ U g 2 .
( 3 ) 代数 U g 没有零因子.
( 4 ) 如果 Char k = 0 , 那么作为 g 的表示 (而非代数) , 我们有同构S g → U g , x 1 ⋯ x p ↦ p ! 1 σ ∈ S p ∑ x σ ( 1 ) ⋯ x σ ( p ) .
证明概要. ( 1 ) 到 ( 3 ) 都是简单的, 我们只稍微提示一下 ( 4 ) 的证明:
容易验证这是一个
g 表示的同态, 并且是单的. 由于复合
S g → U g → Gr U g 正是 PBW 定理给出的同构, 因而
S g 映满
U n g / U n − 1 g , 从而映满
U n g , 因此映满
U g .
幂零性与可解性 我们先前已经定义过子代数的概念. 出于对结合代数的模仿, 我们还希望定义商代数. 为此, 我们还要定义一个类似于结合代数中 “理想” 的概念. 这就是我们之前所定义过的:
定义一个李代数的理想是指一个子空间 h ⊂ g , 使得对任意 x ∈ h , y ∈ g , 有 [ x , y ] ∈ h .
对子代数 h ⊂ g , N g ( h ) = { x ∈ g ∣ [ x , h ] ⊂ h } 是一个子代数, 称为 h 在 g 中的正规化子. 可以把 h 作为 N g ( h ) 中的理想.
由于李括号总是反交换的, 我们不需要强调左理想、右理想或是双边理想.
对理想 h ⊂ g , g 上的李括号诱导商空间 g / h 上的一个李括号, 从而 g / h 有李代数结构.
对李代数同态 f : g 1 → g 2 , ker f 是 g 1 的理想, im f 是 g 2 的子代数. 同时g 1 / ker f → im f .
设 I 1 , I 2 是 g 的理想, 那么I 1 + I 2 = { x + y ∣ x ∈ I 1 , y ∈ I 2 } , [ I 1 , I 2 ] = span k {[ x , y ] ∣ x ∈ I 1 , y ∈ I 2 } , 以及 I 1 ∩ I 2 都是 g 的理想.
我们称 [ g , g ] 为李代数 g 的换位子代数, 称 z ( g ) = { x ∈ g ∣ [ x , y ] = 0 , ∀ y ∈ g } 为 g 的中心.
g / [ g , g ] 是交换的, 且对任意理想 h , g / h 是交换的当且仅当 [ g , g ] ⊂ h .
我们可以考虑一下 gl ( n , k ) 和 sl ( n , k ) 的换位子代数. 注意到对 i = j , [ E ii − E jj , E ij ] = 2 E ij , E ii − E jj = [ E ij , E ji ] , 同时 gl ( n , k ) 的换位子代数中元素有迹 0 . 因而 gl ( n , k ) 和 sl ( n , k ) 的换位子代数都是 sl ( n , k ) .
仿照群论的情形, 我们可以通过导出列和定义可解李代数和幂零李代数.
我们定义 g 的导出列 D i g 如下: D 0 g = g , D i + 1 g = [ D i g , D i g ] . 则 D 0 g ⊃ D 1 g ⊃ ⋯ 是 g 的理想降链, 且 D i g / D i + 1 g 交换.
如下条件等价:
( 1 ) 对充分大的 n , D n g = 0 ;
( 2 ) 存在一列子代数g = a 0 ⊃ a 1 ⊃ ⋯ a k = 0 , 使得 a i + 1 是 a i 的理想, 且 a i / a i + 1 均交换.
( 3 ) 对充分大的 n , [ ⋯ [[[ x 1 , x 2 ] , [ x 3 , x 4 ]] , [[ x 5 , x 6 ] , [ x 7 , x 8 ]]] ⋯ ] = 0 对一切 x 1 , ⋯ , x 2 n 成立.
称满足上述三条性质的李代数为可解的.
我们知道可解群与方程的根式解是关联的. 实际上, 可解李代数与一个微分方程是否能用 “积分” 的方法求解有关.
我们定义 g 的降中心列 D i g 如下: D 0 g = g , D i + 1 g = [ D i g , g ] . 则 D 0 g ⊃ D 1 g ⊃ ⋯ 是 g 的理想降链, 且 D i g / D i + 1 g 位于 g / D i + 1 g 的中心之内.
如下条件等价:
( 1 ) 对充分大的 n , D n g = 0 ;
( 2 ) 存在一列子代数g = a 0 ⊃ a 1 ⊃ ⋯ a k = 0 , 使得 [ g , a i ] ⊂ a i + 1 .
( 3 ) 对充分大的 n , [ ⋯ [[[ x 1 , x 2 ] , x 3 ] , x 4 ] ⋯ ] = 0 对一切 x 1 , ⋯ , x n 成立 (换言之, [ g , − ] 是幂零的) .
称满足上述三条性质的李代数为幂零的.
( 1 ) 若实李代数 g 是可解 (幂零) 的, 那么 g C 同样是可解 (幂零) 的.
( 2 ) 若 g 可解 (幂零) , 那么 g 的子代数、商代数同样可解 (幂零) .
( 3 ) 若 g 幂零, 则 g 可解.
( 4 ) 设 I ⊂ g 是理想, I 和 g / I 均可解, 那么 g 可解.
证明. ( 1 ) 和 ( 2 ) 可以由相应的 “换位子为零” 的条件推出.
( 3 ) 只需注意降中心列满足 D i g ⊂ D i g .
( 4 ) 设 φ : g → g / I , 那么 φ ( D i g ) = D i ( g / I ) . 于是对充分大的 n , φ ( D n g ) = 0 ⇒ D n g ⊂ I . 于是存在 k , 使得 D k I = 0 , 因此D n + k g ⊂ D k I = 0.
(请考虑: 如果把可解换成幂零, 这个证明成立吗? )
我们考虑线性空间 V 中的一个旗 F , 也就是一串子空间0 = V 0 ⊂ V 1 ⊂ V 2 ⊂ ⋯ ⊂ V n = V , 使得 dim ( V i + 1 ) = dim ( V i ) + 1 . 定义b ( F ) = { x ∈ gl ( V ) ∣ x V i ⊂ V i , 0 ≤ i ≤ n } n ( F ) = { x ∈ gl ( V ) ∣ x V i ⊂ V i − 1 , 0 ≤ i ≤ n } 我们来证明 b 是可解的, n 是幂零的. 为此我们定义a k ( F ) = { x ∈ gl ( V ) ∣ x V i ⊂ V i − k , k ≤ i ≤ n } 于是 b ( F ) = a 0 , n ( F ) = a 1 . 对 x ∈ a k 和 y ∈ a l , 有 x y ∈ a k + l . 从而 D i n ⊂ a i + 1 , 于是 n 是幂零的.
至于 b 的可解性, 注意到: 由于 V i + 1 / V i 是一维的, 对任意 x , y ∈ b , x y 和 y x 在 V i + 1 / V i 上诱导出相同的线性映射. 故 [ b , b ] ⊂ a 1 , 因此 D i + 1 b ⊂ a 2 i , 故 b 可解.
我们可以把 b 和 n 写成更具体的矩阵形式: b 是全体上三角矩阵, 而 n ⊂ b 是对角线元素全为零的上三角矩阵.
注意到, b 一般不是幂零的. 我们取 x = diag ( λ 1 , … , λ n ) , 那么 [ x , E ij ] = ( λ i − λ j ) E ij .
Lie 定理和 Engel 定理 在这一节, 我们假定 k 是一个特征 0 代数闭域. 所有的对象都在代数闭域的情形考虑.
在线性代数里我们见过这样的事实: 一族相互交换的矩阵可以被同时上三角化.“相互交换” 的条件意味着这些矩阵实际上构成了一个李括号平凡的李代数. 这族矩阵可被同时上三角化的事实可以被推广, 这就是我们将要叙述的 Lie 定理:
设 ( V , ρ ) 是可解李代数 g 的一个有限维复表示, 那么存在一组基使得每个 ρ ( x ) ( x ∈ g ) 在这组基下取上三角形式.
和线性代数中的情形一致, 我们首先来证明如下引理:
在定理的假设下, 存在 v ∈ V − { 0 } 是每一个 ρ ( x ) ( x ∈ g ) 的特征向量.
证明. 我们对 dim ( g ) 进行归纳. 如果 dim ( g ) = 0 , 1 , 命题是显然成立的.
如果 dim ( g ) > 1 , 由可解性知 dim ([ g , g ]) < dim ( g ) . 取 g ′ 为 g 的一个包含 g 且余维数为 1 的子空间: g = g ′ ⊕ k x . 那么 g ′ 成为 g 的一个理想, 从而也是可解的. 于是由归纳假设我们得到 v ∈ V 是 g ′ 中全体元素的公共特征向量: 对一切 w ∈ g ′ , w v = λ ( w ) v .
考虑由 x n v 张成的线性子空间 W . 容易发现这是一个 g ′ 不变的子空间, 因为对任意 w ∈ g ′ , w x n v = x w x n − 1 v + [ w , x ] x n − 1 v = ⋯ = x n w v + k < n ∑ x k a kn v , 其中 a kn ∈ g ′ .
现设 n 是最小的自然数, 使得 v , xv , … , x n v 张成的空间包含 x n + 1 v . 那么 x i v ( 1 ≤ i ≤ n ) 线性无关, 且张成整个 W . 在这组基下, 对一切 w ∈ g ′ , ρ ( w ) 都是上三角的, 并且对角线上的元素均是 λ ( w ) . 从而 Tr W ( ρ ( w )) = ( n + 1 ) λ ( w ) . 但对一切 w ∈ g ′ , Tr W ([ x , w ]) = 0 , 因此 λ ([ x , w ]) = 0 . 于是 w xv = x w v + [ w , x ] v = x w v . 由归纳进一步可得w x n v = x n w v = λ ( w ) x n v . 从而 W − { 0 } 中每一个元素都是 g ′ 中元素的公共特征向量. 我们取 w 为 x 的一个特征向量即可.
由引理我们立即得到 Lie 定理的证明:
证明. 对
dim ( V ) 进行归纳.
dim ( V ) = 1 时无需任何证明, 设
dim ( V ) = n + 1 ≥ 2 , 取
v 为
g 中元素的一个公共特征向量, 在商空间
V / k v 中取一组基
v 1 ′ , … , v n ′ , 使得
g 中元素的矩阵是上三角的. 将
v i ′ 提升到
v i ∈ V , 则在基
v , v 1 , … , v n 下
g 中元素的矩阵都是上三角的.
( 1 ) 每一个可解李代数 g 的不可约表示都是一维的.
( 2 ) 若 g 可解, 则有 g 的理想链 0 ⊂ I 1 ⊂ I 2 ⊂ ⋯ ⊂ I n = g , 使得 I k + 1 / I k 都是一维的.
( 3 ) g 可解当且仅当 [ g , g ] 幂零.
证明. ( 1 ) 使用引理即可.
( 2 ) 将 Lie 定理用于 g 的伴随表示. 我们得到一个不变子空间组成的旗, 但不变子空间都是理想.
( 3 ) 由于
g / [ g , g ] 交换,
[ g , g ] 的可解性自动推出
g 的可解性. 反之, 根据 Lie 定理在伴随表示上的应用, 存在旗
F 使得
g ⊂ b ( F ) , 从而由上一节的例子得到
[ g , g ] ⊂ n ( F ) , 故
[ g , g ] 是幂零的.
对幂零李代数, 我们当然期望得到更强的结论, 但仅仅把 Lie 定理中的 “上三角” 换成 “严格上三角” 显然是不对的 (比如, 令交换李代数 g 中元素对角地作用) . 我们应该稍微进行一些调整:
若 g ⊂ gl ( V ) 是仅包含 (作为自同态的) 幂零算子的子代数, 那么存在一组基使得 g 中元素同时取严格上三角矩阵的形式.
这个定理的证明和 Lie 定理的证明非常相似. 我们也需要一个引理:
在定理假设下, 存在 v ∈ V − { 0 } 被每一个 g 中元素零化.
证明引理. 首先, 让我们注意到这样一个事实: 如果 x 是幂零算子, 那么 ad x 也是幂零的. 这是因为, 如果我们把左乘 x 和右乘 x 分别记作 L x 和 R x , 那么 L x , R x 均幂零且彼此可交换. 从而对充分大的 n , ad x n = ( L x − R x ) n = 0. 现在我们对 dim ( g ) 进行归纳. 当 dim ( g ) = 0 , 1 时, 命题是显然成立的.
当 dim ( g ) ≥ 2 , 取 g ′ = g 是 g 的一个极大的真子代数.g ′ 以共轭的方式作用在 g 上, g ′ 是其不变子空间, 所以 g ′ 作用在 g / g ′ 上, 同时每个 g ′ 中的元素作用在 g / g ′ 上都是幂零的自同态. 根据归纳假设, 我们可以找到 x ∈ g − g ′ , 使得 [ g ′ , x ] ⊂ g ′ . 这说明 N g ( g ′ ) 严格包含 g ′ , 从而是 g 本身. 于是 g ′ 是一个理想. 如果 g ′ 的余维数大于 1 , 在 g / g ′ 里取一个一维子代数, 提升成 g 的一个子代数, 就违背了 g ′ 的极大性. 于是 g ′ 的余维数是 1 . 我们设 g = g ′ ⊕ k x .
根据归纳假设, 存在
V 中的非零元素
w , 使得
w 被
g ′ 零化. 记所有这样的
w 生成的子空间为
W . 显然
W 是
g ′ 不变的. 由于对任意
w ∈ W 和
y ∈ g ′ , 有
[ y , x ] ∈ g ′ , 故
y x w = x y w + [ y , x ] w = 0. 从而
W 是
g 不变子空间. 我们取
w ∈ W 是
x 的一个特征向量, 则由
x 幂零知其特征值为
0 , 故
w 就是我们需要的向量.
由引理对 dim ( V ) 归纳, 就能得到上面的定理. 我们将其留给读者.
作为推论, 我们可以得到 Engel 定理:
g 是幂零的, 当且仅当对一切 x ∈ g , ad x : y ↦ [ x , y ] 是幂零的.
证明. “⇒ ” 的方向是明显的: 由于 [ g , − ] 幂零, 每个 ad x ( x ∈ g ) 都是幂零的.
“
⇐ ” 对伴随表示, 由上面的定理, 我们可以将
g 嵌入某个
n ( F ) 中, 因而是幂零的.