贡献者: 叶月2_
定义 1
设 $V$ 是域 $\mathbb F$ 上的线性空间,映射 $f:V\times V\rightarrow\mathbb F$ 若满足对于任意 $ \boldsymbol{\mathbf{x}} , \boldsymbol{\mathbf{y}} , \boldsymbol{\mathbf{z}} \in V,a,b\in \mathbb F$ 有:
\begin{equation}
\begin{aligned}
f(a \boldsymbol{\mathbf{x}} +b \boldsymbol{\mathbf{y}} , \boldsymbol{\mathbf{z}} )&=af( \boldsymbol{\mathbf{x}} , \boldsymbol{\mathbf{z}} )+bf( \boldsymbol{\mathbf{y}} , \boldsymbol{\mathbf{z}} )=0\\
f( \boldsymbol{\mathbf{z}} ,a \boldsymbol{\mathbf{x}} +b \boldsymbol{\mathbf{y}} )&=af( \boldsymbol{\mathbf{z}} , \boldsymbol{\mathbf{x}} )+bf( \boldsymbol{\mathbf{z}} , \boldsymbol{\mathbf{y}} )=0
\end{aligned}~,
\end{equation}
则称 $f$ 是 $V$ 上的一个双线性函数。
显然,当固定一个向量不变时,双线性函数就是 $V$ 上的一个线性函数。
双线性函数可以用矩阵表示。设 $\{ \boldsymbol{\mathbf{e}} _i\}$ 为 $V$ 上的一组基,任意向量 $ \boldsymbol{\mathbf{x}} =a^i \boldsymbol{\mathbf{e}} _i, \boldsymbol{\mathbf{y}} =b^i \boldsymbol{\mathbf{e}} _i$,则 $f(a^i \boldsymbol{\mathbf{e}} _i,b^j \boldsymbol{\mathbf{e}} _j)=a^ib^jf( \boldsymbol{\mathbf{e}} _i, \boldsymbol{\mathbf{e}} _j)= \boldsymbol{\mathbf{x}} ^TA \boldsymbol{\mathbf{y}} $。称 $A$ 是 $f$ 在基 $\{ \boldsymbol{\mathbf{e}} _i\}$ 下的度量矩阵。
例 1
\begin{equation}
\boldsymbol{\mathbf{x}} ^TA \boldsymbol{\mathbf{y}} =\begin{pmatrix}
a_1 &a_2 &a_3
\end{pmatrix}
\begin{pmatrix}
f( \boldsymbol{\mathbf{e}} _1, \boldsymbol{\mathbf{e}} _1)& f( \boldsymbol{\mathbf{e}} _1, \boldsymbol{\mathbf{e}} _2) &f( \boldsymbol{\mathbf{e}} _1, \boldsymbol{\mathbf{e}} _3) \\
f( \boldsymbol{\mathbf{e}} _2, \boldsymbol{\mathbf{e}} _1) &f( \boldsymbol{\mathbf{e}} _2, \boldsymbol{\mathbf{e}} _2) &f( \boldsymbol{\mathbf{e}} _2, \boldsymbol{\mathbf{e}} _3) \\
f( \boldsymbol{\mathbf{e}} _3, \boldsymbol{\mathbf{e}} _1) & f( \boldsymbol{\mathbf{e}} _3, \boldsymbol{\mathbf{e}} _2) &f( \boldsymbol{\mathbf{e}} _3, \boldsymbol{\mathbf{e}} _3)
\end{pmatrix}
\begin{pmatrix}
b^1 &b^2 &b^3
\end{pmatrix}~.
\end{equation}
例 2
欧几里得内积是特殊的度量矩阵,表示为单位矩阵 $\boldsymbol E$。
内积具有双线性、正定性和对称性。我们可以把只保留双线性的度量矩阵看作广义内积。
在前文我们已经知道,相似变换可以改变线性映射和向量的表示。度量矩阵的意义便在于保持向量内积在新基下不变。
设 $Q$ 为过渡矩阵,$B$ 为 $f$ 在新基下的表示,由内积不变得 $ \boldsymbol{\mathbf{x}} ^TA \boldsymbol{\mathbf{y}} =x^T(Q^{-1})^TBQ^{-1} \boldsymbol{\mathbf{y}} $,则 $B=Q^{T}AQ$。也就是说,合同变换实际上是改变双线性函数的度量矩阵表示。由于合同变换不改变矩阵的秩,因此把秩称作 $f$ 的矩阵秩。
定义 2
设 $f$ 是域 $f$ 上线性空间 $V$ 的双线性函数,称 $V$ 的下述子集
\begin{equation}
\{ \boldsymbol{\mathbf{x}} \in V \mid f( \boldsymbol{\mathbf{x}} , \boldsymbol{\mathbf{y}} )=0, \forall \boldsymbol{\mathbf{y}} \in V\}~
\end{equation}
为 $f$ 在 $V$ 上的
左根,类似于群论中的左零因子。同理,“右零因子” 被称作
右根。
易见,左根和右根在数乘和加法下封闭,是 $V$ 的子空间。
定义 3
若 $f$ 在 $V$ 上的左根和有根都为 ${ \boldsymbol{\mathbf{0}} }$,则称 $f$ 在 $V$ 上非退化。称不满足该条件的 $f$ 是退化的。
$f$ 的矩阵秩是判断其退化性的直接依据。
定理 1
$f$ 在 $V$ 上非退化 $\Leftrightarrow f$ 满秩。
证明:
非退化意味着左根和右根都为 $ \boldsymbol{\mathbf{0}} $。
设任意向量 $ \boldsymbol{\mathbf{y}} =b^j \boldsymbol{\mathbf{e}} _j$,左根 $ \boldsymbol{\mathbf{x}} =a^i \boldsymbol{\mathbf{e}} _i$ 满足 $f(a^i \boldsymbol{\mathbf{e}} _i,b^j \boldsymbol{\mathbf{e}} _j)=b^ja^if( \boldsymbol{\mathbf{e}} _i, \boldsymbol{\mathbf{e}} _j)=0$,则必有 $a^if( \boldsymbol{\mathbf{e}} _i, \boldsymbol{\mathbf{e}} _j)= \boldsymbol{\mathbf{x}} ^T A=(A^Tx)^T= \boldsymbol{\mathbf{0}} $。解集为 $ \boldsymbol{\mathbf{0}} $ 意味着 $f$ 是个单射,即满秩。同理可证,右根为 $ \boldsymbol{\mathbf{0}} $ 当且仅当 $f$ 满秩。
$f$ 的对称性
定义 4
$f,V, \boldsymbol{\mathbf{x}} , \boldsymbol{\mathbf{y}} $ 同上设。
- 若满足 $f( \boldsymbol{\mathbf{x}} , \boldsymbol{\mathbf{y}} )=f( \boldsymbol{\mathbf{y}} , \boldsymbol{\mathbf{x}} )$,则称 $f$ 是对称的,;
- 若满足 $f( \boldsymbol{\mathbf{x}} , \boldsymbol{\mathbf{y}} )=-f( \boldsymbol{\mathbf{y}} , \boldsymbol{\mathbf{x}} )$,则称 $f$ 是反对称(斜对称)的;
- 若满足 $f( \boldsymbol{\mathbf{x}} , \boldsymbol{\mathbf{x}} )=0$ 则称 $f$ 是交错的。
交错性相当于幂零性,在特征不为 $2$ 的域下是可以推出反对称性的,由 $f( \boldsymbol{\mathbf{x}} + \boldsymbol{\mathbf{y}} , \boldsymbol{\mathbf{x}} + \boldsymbol{\mathbf{y}} )=0$ 可得。而在特征为 $2$ 的域下相当于是对称性。因此,本篇下述只研究对称性和反对称性双线性函数的性质。
如果 $f$ 是对称的,则有 $f(a^i \boldsymbol{\mathbf{e}} _i,b^j \boldsymbol{\mathbf{e}} _j)=a^ib^jf( \boldsymbol{\mathbf{e}} _i, \boldsymbol{\mathbf{e}} _j)=f(b^j \boldsymbol{\mathbf{e}} _j,a^i \boldsymbol{\mathbf{e}} _i)=a^ib^jf( \boldsymbol{\mathbf{e}} _j, \boldsymbol{\mathbf{e}} _i)$,则其度量矩阵是对称的。
同理可证,若 $f$ 是反对称的,则其度量矩阵是反对称的。
- $f$ 是对称的 $\Leftrightarrow$ 其度量矩阵是对称的。
- $f$ 是反对称的 $\Leftrightarrow$ 其度量矩阵是反对称的。
由于对称矩阵相似于对角矩阵,且其过渡矩阵是正交矩阵,因此这也是个合同变换的过程。所以对于线性空间 $V$ 上的对称双线性函数 $f$,我们总能找到一组基,使其度量矩阵在该基下为对角矩阵。
反对称双线性函数也有较为简单的度量矩阵形式。
定理 2
设域 $K$ 的特征不为 $2$,$V$ 是域 $K$ 的 $n$ 维线性空间,$f$ 是 $V$ 上的反对称双线性函数。则存在一组基 $ \boldsymbol{\mathbf{\varepsilon}} _1, \boldsymbol{\mathbf{\varepsilon}} _2, \boldsymbol{\mathbf{\eta}} '_3... \boldsymbol{\mathbf{\eta}} '_n$,使得 $f$ 的度量矩阵具有如下形式:
\begin{equation}
\operatorname{diag}\left\{\left(\begin{array}{rr}
0 & 1 \\
-1 & 0
\end{array}\right), \cdots,\left(\begin{array}{rr}
0 & 1 \\
-1 & 0
\end{array}\right), 0, \cdots, 0\right\} \text {, }
~.\end{equation}
证明:1
由对称矩阵的性质可知,$n< 3$ 时定理自然成立。下面假设维度小于 $n$ 时成立,需要证明维度为 $n$ 时定理依然成立。
由于 $f$ 是反对称的,因此必然至少有两个向量其内积不为 $0$,如 $f( \boldsymbol{\mathbf{\varepsilon}} _1, \boldsymbol{\mathbf{x}} _2)=k\neq 0$,设 $ \boldsymbol{\mathbf{\varepsilon}} _2=k^{-1} \boldsymbol{\mathbf{x}} _2$,则可得 $f( \boldsymbol{\mathbf{\varepsilon}} _1, \boldsymbol{\mathbf{\varepsilon}} _2)=1$。拓展这两个向量至 $V$ 上的一组基:
\begin{equation}
\boldsymbol{\mathbf{\varepsilon}} _1, \boldsymbol{\mathbf{\varepsilon}} _2, \boldsymbol{\mathbf{\eta}} _3,... \boldsymbol{\mathbf{\eta}} _n~,
\end{equation}
设 $f( \boldsymbol{\mathbf{\eta}} _i, \boldsymbol{\mathbf{\varepsilon}} _1)=k_i,f( \boldsymbol{\mathbf{\eta}} _i, \boldsymbol{\mathbf{\varepsilon}} _2)=k'_i$,并令
\begin{equation}
\boldsymbol{\mathbf{\eta}} '_i= \boldsymbol{\mathbf{\eta}} _i-k'_i \boldsymbol{\mathbf{\varepsilon}} _1+k_i \boldsymbol{\mathbf{\varepsilon}} _2,i=3...n~,
\end{equation}
则有:
\begin{equation}
\begin{aligned}
f( \boldsymbol{\mathbf{\eta}} '_i, \boldsymbol{\mathbf{\varepsilon}} _1)&=f( \boldsymbol{\mathbf{\eta}} _i, \boldsymbol{\mathbf{\varepsilon}} _1)+k_if( \boldsymbol{\mathbf{\varepsilon}} _2,\varepsilon_1)\\
&=k_i-k_i=0\\
f( \boldsymbol{\mathbf{\eta}} '_i, \boldsymbol{\mathbf{\varepsilon}} _2)&=f( \boldsymbol{\mathbf{\eta}} _i, \boldsymbol{\mathbf{\varepsilon}} _2)-k'_if( \boldsymbol{\mathbf{\varepsilon}} _1,\varepsilon_2)\\
&=k'_i-k'_i=0
\end{aligned}~.
\end{equation}
因此 $ \boldsymbol{\mathbf{\eta}} '_i\in \left( \operatorname {Span}\{ \boldsymbol{\mathbf{\varepsilon}} _1, \boldsymbol{\mathbf{\varepsilon}} _2\}\right)^{\bot}$。
可以证明 $\{ \boldsymbol{\mathbf{\varepsilon}} _1, \boldsymbol{\mathbf{\varepsilon}} _2, \boldsymbol{\mathbf{\eta}} '_3... \boldsymbol{\mathbf{\eta}} '_n\}$ 依然构成 $V$ 上的一组基。因此 $V=\{ \boldsymbol{\mathbf{\varepsilon}} _1, \boldsymbol{\mathbf{\varepsilon}} _2\}\oplus \operatorname {Span}\{ \boldsymbol{\mathbf{\eta}} '_i\}_{i=3}^n$。
由题设可知,$f$ 在 $ \operatorname {Span}\{ \boldsymbol{\mathbf{\eta}} '_i\}_{i=3}^n$ 上存在一组基,使得在该子空间上的度量矩阵为定理所示形式,又因 $f( \boldsymbol{\mathbf{\eta}} '_i,\varepsilon_1)=f( \boldsymbol{\mathbf{\eta}} '_i,\varepsilon_2)=0$ 及 $f( \boldsymbol{\mathbf{\varepsilon}} _1,
\boldsymbol{\mathbf{\varepsilon}} _2)=1$,定理得证。
1. ^ 引自丘维声《抽象代数》
致读者: 小时百科一直以来坚持所有内容免费无广告,这导致我们处于严重的亏损状态。 长此以往很可能会最终导致我们不得不选择大量广告以及内容付费等。 因此,我们请求广大读者
热心打赏 ,使网站得以健康发展。 如果看到这条信息的每位读者能慷慨打赏 20 元,我们一周就能脱离亏损, 并在接下来的一年里向所有读者继续免费提供优质内容。 但遗憾的是只有不到 1% 的读者愿意捐款, 他们的付出帮助了 99% 的读者免费获取知识, 我们在此表示感谢。