形式陈述
设 是有限维实内积空间公理库内积空间Inner product space带正定对称双线性形式或正定 Hermitian 半双线性形式的向量空间。, 线性无关。它们生成的秩 欧氏格是
其中 的第 列是 。格的实张成空间记为 ;它的维数与秩同为 ,却未必等于环境空间的维数。密码学里常取 ,但低秩格仍应在自己的 内讨论体积、对偶与最近点。
等价地,欧氏格是 的离散加法子群:每个有界集合只含有限多个格点。有限生成与离散性缺一不可;若允许生成向量实线性相关,整数线性组合未必离散。格本身是点集与加法群,不连同某一组生成向量;具体的格基公理库格基Lattice basis · 格的基以整数线性组合恰好生成同一欧氏格的一组线性无关向量。只是它的一种坐标表示。
线性无关如何推出离散性可以定量看见。给 选正交坐标后,满列秩矩阵 的最小奇异值 ,所以
半径 球内的格点只能来自 的整数坐标,而这样的 有限。这个论证也说明,坏条件基会让坐标范围看起来很大,却不会破坏格点集本身的离散性。
这里的“格”是几何数论中的 lattice。序理论里的 lattice 要求任意两元素存在交与并,结构由偏序运算决定;两者共享译名,却没有一般的包含关系。本页用“欧氏格”明确区分术语,而不把这种辨析误写成数学上的相反概念。
直觉
欧氏格把连续空间打上周期性刻度。沿每个 只能走整数步,所以局部看见的是彼此隔开的点;允许实系数后,这些方向才填满 。这正好把两类信息分开:内积给长度和角度,整数系数给算术刚性。
一个基本平行多面体
为每个陪集 选出一个代表。空间被平移副本 铺满,边界虽可能共享,内部不会重叠。格问题因此常在两种视角间切换:局部寻找短点,或把任意点约化到一个基本区域。
离散性还意味着存在最小间隔。若 ,则非零长度集合在零附近没有聚点,故最短非零向量长度为正。这个性质让“短于某阈值的所有格点”成为有限集合,也是解码半径能够按最短向量刻画的原因。
例子与边界
在 中取
点 对应 ,而 不在格中:第二坐标迫使 ,第一坐标便必须是偶数。基本平行四边形由 与 张成;把 写成 后逐坐标减去 ,即可把它移回 。这个约化只找陪集代表,并不自动给出离 最近的格点。
低秩例子是 。它的环境有三维,格却只有一维;任何余体积或对偶计算都应在直线 中完成。把垂直于该直线的任意向量也算进对偶,会得到连续方向,从而不再是同秩格。
线性无关条件不能随意删除。在 中, 由两个元素有限生成,却因存在任意好的有理逼近 而在零附近有非零点; 不是欧氏格。反过来,有限集合如 虽离散,却不是加法子群。
推论与应用
选择基以后,欧氏格可用整数矩阵运算表示;改变基只允许行列式为 的整数坐标变换。格行列式公理库格行列式Lattice determinant · Lattice covolume · 格余体积欧氏格基本平行多面体在其实张成空间中的内在体积。测量一个基本区域的内在体积,对偶格公理库对偶格Dual lattice · Reciprocal lattice · 倒易格格张成空间中与每个原格点内积为整数的全部向量所成之格。记录所有对格点取整数值的线性频率。二者都属于格本身,不能依赖绘图时偶然选择的基。
最短向量、最近向量与有界距离解码分别问格中“离零最近”“离目标最近”以及承诺半径内的唯一最近点。密码学归约还会构造带同余约束的 q-ary 格,并在其上使用离散高斯。所有这些后继都复用本页的三个约定:实内积、整数生成、以及低秩时只在 内做几何。
正交变换保持全部长度、角度和余体积,因此把格旋转后得到的是等距格;整体缩放 则把长度乘 、把秩 余体积乘 。这两类变换常用于归一化证明,但只有正交变换保持原来的数值尺度,缩放后的密码参数必须同步调整。
参考资料
- Daniele Micciancio and Shafi Goldwasser, Complexity of Lattice Problems: A Cryptographic Perspective, Kluwer, 2002, Ch. 1。
- Phong Q. Nguyen and Brigitte Vallée (eds.), The LLL Algorithm: Survey and Applications, Springer, 2010, Ch. 1。
- J. W. S. Cassels, An Introduction to the Geometry of Numbers, Springer, 1959, Ch. I。