Quivers：通过绘制箭头完成的一年线性代数之旅

来源：Hacker News 原文标题：Quivers: A year of linear algebra by drawing arrows

背景

在代数领域，有一个核心概念叫做“表示”（Representations），尤其是线性表示。这一概念的重要性甚至超越了纯数学范畴，以至于化学专业的课程中通常也会包含有限群的表示论，因为这些理论对原子和分子的结构有着深远的影响。

这篇文章的核心观点是：研究特定类型对象（即 Quivers，中文常译为“箭图”或“夸克图”）的表示，可以被视为对大学标准线性代数课程（通常为期一年）的一种推广和直观化。

为了理解这一概念，我们需要先回顾一下“表示”的基本思想。数学中，某些对象比其他对象更容易研究和理解。例如，置换（Permutations）比一般群（Group）中的元素更容易操作，且存在定理表明任何群都可以表示为某个置换群。而在数学中，我们理解得最透彻的对象之一是矩阵——它们在“无处不在”与“拥有深刻、丰富且有用的理论”之间达到了完美的平衡。事实上，我们可以将许多对象表示为矩阵，这被称为线性表示。

核心内容

从复数到矩阵表示

文章首先通过复数的矩阵表示来引入线性表示的概念。复数 $i$ 定义为方程 $i^2 = -1$ 的根。为了用实值矩阵表示 $i$，我们需要找到一个满足该方程的矩阵。注意，这里的 $-1$ 需要替换为对角线上为 $-1$ 的标量矩阵（因为在矩阵代数中，它有效地充当数字 $-1$ 的角色）。

容易找到一个平方后等于 $-1$ 的矩阵： [ \begin{pmatrix}0 & -1 \ 1 & 0\end{pmatrix}^2 = \begin{pmatrix}-1 & 0 \ 0 & -1\end{pmatrix} ] 这个矩阵实际上是旋转 $90^\circ$ 的矩阵，这并非巧合。

如果我们也将实数 $a$ 表示为标量矩阵 $\begin{pmatrix}a & 0 \ 0 & a\end{pmatrix}$，那么复数 $a+bi$ 就可以表示为矩阵： [ a+bi \mapsto \begin{pmatrix}a & -b \ b & a\end{pmatrix} ] 这种形式的矩阵在加法和乘法运算上完全等同于复数，所有其他性质也保持一致（技术术语为：此类矩阵构成的代数同构于复数）。

范畴论视角与基的重要性

从范畴论的角度来看，表示的定义最为简洁。例如，取一个群，将其转化为一个单对象范畴（以群的元素作为态射，即对群进行范畴化以获得群胚 Groupoid），那么该群的表示仅仅是从这个群胚到另一个范畴的函子（Functor）。到 $\operatorname{Set}$ 的函子给出置换表示，而到 $\operatorname{Vect}_K$（向量空间范畴）的函子给出线性表示。

文章特别强调了一个常被忽视但至关重要的概念：向量与坐标的区别。

• 我们习惯用坐标表示向量，这便于直接计算，但抽象向量并不等同于坐标列表。
• 我们可以选择不同的基（Basis），向量的坐标会随之改变，但向量本身（作为某种具体的、尽管是抽象的几何对象）不会改变，它不依赖于我们任意选择的编码方案。
• 同理，矩阵只是一张数字表格；只有选定基向量后，矩阵才具有几何意义，即表示作用在这些向量上的线性算子。
• 选择巧妙的基可以将复杂的对象简化为简单的形式。因此，在后续讨论中，追踪基的变化至关重要。

什么是 Quiver（箭图）？

Quiver 的定义非常简单：它是一个有向图。 具体来说，它是一个允许多重边（Multiple Edges）和自环（Loops）的有向图，通常被称为多重有向图（Multidigraph）。

• 两个顶点之间可以有多个边。
• 边可以从顶点出发并回到同一个顶点。

之所以称为 Quiver 而不是简单的多重有向图，取决于研究视角：

• 如果你关注最短路径、连通分量或平面性，你会称其为多重有向图。
• 如果你关注表示论和范畴论结构，你会称其为 Quiver。

Quiver 的表示

Quiver 的表示定义如下：

1. 对于 Quiver 的每个顶点，选择一个向量空间（例如 $\mathbb{R}^n$）。
2. 对于 Quiver 的每条有向边，选择一个线性映射，该映射连接该边起始顶点对应的向量空间与终止顶点对应的向量空间。

或者用更具体的描述：

1. 对于每个顶点，选择一个非负整数（代表向量空间的维数）。
2. 对于每条有向边，选择一个 $N \times M$ 矩阵，其中 $M$ 是边起点的整数，$N$ 是边终点的整数。

示例 1：对于 $\bullet\rightarrow\bullet$ 这种 Quiver，其表示是一对向量空间及其间的线性映射。选定基后，这等价于一个 $N \times M$ 矩阵（即任意矩阵）。

示例 2：对于 $\bullet\circlearrowleft$（一个顶点，一个自环）这种 Quiver，其表示是选择一个向量空间以及该空间到自身的算子。选定基后，这等价于一个 $N \times N$ 矩阵（即任意方阵）。

表示的分类与直和

研究表示的首要任务是分类所有可能的表示。虽然对于上述简单 Quiver，我们已经知道其表示对应于所有矩阵或所有方阵，但这并未揭示其作为表示的结构。

我们可以对同一 Quiver 的表示执行一种简单的操作：直和（Direct Sum）。 如果 $A$ 和 $B$ 是两个表示，它们的直和 $A \oplus B$ 构造如下：

• 对于每个顶点，对应的向量空间是 $A$ 和 $B$ 在该顶点分配的向量空间的直和。
• 对于每条边，对应的线性映射是 $A$ 和 $B$ 在该边分配的线性映射的直和。

在坐标层面：

• 向量空间的直和对应于简单地拼接坐标数组。
• 线性映射的直和对应于形成块对角矩阵，如 $\begin{pmatrix}A & 0 \ 0 & B\end{pmatrix}$。

这种操作之所以有用，是因为 $A$ 和 $B$ 部分在表示中独立行为。如果我们可以将表示分解为不可分解的部分，就能更好地理解其结构。

关键要点

• 表示的本质：表示是将抽象代数对象（如群、环、Quiver）映射到更易于处理的线性代数对象（如矩阵、向量空间）的过程，从而保留其结构性质。
• 基的相对性：矩阵本身只是数字表格，其几何意义依赖于基的选择。改变基会改变矩阵元素，但不改变其代表的线性算子本质。
• Quiver 的定义：Quiver 是允许自环和多重边的有向图。名称的选择取决于研究视角（图论 vs. 表示论）。
• Quiver 表示的构造：
  • 顶点 $\rightarrow$ 向量空间（或维数）。
  • 边 $\rightarrow$ 线性映射（或矩阵）。
• 简单 Quiver 的等价性：
  • 单边 $\bullet\rightarrow\bullet$ 的表示等价于任意矩阵。
  • 自环 $\bullet\circlearrowleft$ 的表示等价于任意方阵。
• 直和运算：表示可以通过直和组合，对应于向量空间的直和与块对角矩阵的形成，这为分解复杂表示提供了基础。

意义与影响

这篇文章通过直观的几何图形（箭头）和具体的矩阵例子，将抽象的表示论概念与基础的线性代数课程联系起来。它揭示了：

1. 线性代数的普适性：线性代数不仅仅是计算矩阵，它是理解更复杂代数结构（如群表示、Quiver 表示