目录
一.写在前面
二.子空间垂直
2.1 理论解释
2.2 举例分析
三. 零空间
3.1 零空间与q-ary垂直格
3.2 零空间与行/列空间
四. 格密码相关
格密码中的很多基础原语都来自于线性代数的基本概念,比如举几个例子:
格密码中的非满秩格------------矩阵的秩,矩阵列向量的线性独立性
格基正交化过程------------------正交矩阵的性质与变换
子格---------------------------------矩阵子空间
正交子格---------------------------正交子空间
q-ary垂直格-----------------------向量与矩阵列空间垂直
本文章将解释线性代数中的子空间,正交矩阵,零空间,矩阵的秩在格密码中的运用。
一个点:0维度
一条线:1维度
一个平面:2维度
一个立体图形:3维度
以此类推。。。。。
子空间垂直要求:一个子空间中的任意向量与另一子空间中的任意向量都垂直。
比如的子空间维度可以是0,1,2,3。0维的子空间只能是原点(如果选其他点的话,必然构成一条线),当然按照惯例,原点形成的0维子空间与任意子空间都垂直。
子空间垂直领域,一条线可以跟一条线垂直,一条线可以跟一个平面垂直,但注意一个平面和一个平面不可能垂直。
注意:此处与以前高中学习的平面垂直是不一样的。
举个例子:
一间教室前面的墙和侧边的墙,我们感觉是垂直的。但不符合子空间垂直的概念,你沿着角落那条线,在前面墙画一条竖线,在侧面墙画一条竖线,这两条竖线很明显平行,并不垂直。
总结以上,子空间垂直的官方定义如下:
Two subspaces V and W of the same space are orthogonal if every vector v in V is orthogonal to every vector w in W: for all v and w.
给出两个向量,很明显这两个向量形成的子空间V为2维的平面。给出向量,很明显这一个向量形成的子空间W为一条线。
根据向量垂直的基础知识,很容易验证既与垂直,也与垂直。
接着很容易推导出,子空间与子空间互相垂直。
在这个例子里面,V的维度是2,W的维度是1,总空间大小是,说明还缺一个维度。再给出一个向量,该向量形成的子空间为L,很明显它既垂直于V,又垂直于W。现在把它们的维度加在一起:2+1+1=4,刚刚好。
对于正整数n和q,选出(密码学通常要求该矩阵随机取),这个矩阵是公开的,如果有一个向量z乘以该矩阵为0向量,那么把满足此条件的向量z全部都组合在一起,就称之为q-ary垂直格,如下:
仔细观察此处的向量z,这不就是线性代数中的零空间!后续讨论中,我们用x来代替z,代表其在线性代数中可以取非整数,如下:
矩阵A的行向量都是n维的,所以行空间是的子空间。向量x也是n维的,所以此零空间也是的子空间。
定理
证明:
给定任意m行n列矩阵A,从其零空间中抽取一个n维向量x,满足Ax=0,该方程组有m个方程,可以理解为矩阵A的每一行都与向量x相乘,如下:
第一行与向量x的内积为0,所以第一行与向量x垂直。以此类推,向量x与每一行都垂直。也就是向量x与每一行的任意线性组合都垂直。这不就是零空间内任意向量x都与行空间内任意向量垂直,写作:
矩阵的列空间也有类似的性质。比如,如下:
向量y垂直于矩阵A的每一列。向量y形成的空间就是所谓的左零空间。通常写作:
代表左零空间,C(A)代表矩阵A的列空间。
3.3 举例
给定一个秩为1的矩阵A,如下:
由此可得该矩阵的行空间和列空间均为一条线。观察发现矩阵A的每一行都是向量的倍数,由此可类推其零空间中包含向量,该向量与矩阵A的任意行都垂直,如下:
行空间的维度为1,零空间的维度也为1,总维度为。总结出规律:
列空间是过点的一条线,左零空间的点记为,根据,需要满足:
这不就是一个平面。总结规律:
格密码的SIS问题与矩阵正交相关。
结论1:
理解:零空间是行空间的正交补集。
结论2:
行空间维度+零空间维度=矩阵列数
列空间维度+左零空间维度=矩阵行数
结论3:
左零空间在上是列空间的正交补集。