贡献者： 叶月2_
本节利用集合语言，介绍 Clifford 代数上的二元线性运算1。通过线性性可以将这些运算推广到 Clifford 代数的其他元素上。我们也会证明，更改线性空间的正交基并不会改变运算的形式。
外积与正交基
定义 1 外积
给定 Clifford 代数 $\mathrm {Cl(X,R,s)}$，对于 $A,B\in 2^x$，定义
\begin{equation}
A \wedge B=\left\{\begin{aligned}
A B,\quad& A \cap B=\varnothing \\
0,\quad& A \cap B \neq \varnothing~,
\end{aligned}\right.
\end{equation}
并称之为外积（outer product or exterior product）或楔积（wedge product）。我们可以通过线性性将该运算拓展到任意元素之间的外积。
在上一节，我们说过，集合语言的阐述实际上是指定了线性空间的正交基。正交性体现为 CLifford 积的反对称性。因而对于正交基 $\{\mathrm {e_i}\}$，我们有 $\mathrm{e_i\wedge e_j=-e_j\wedge e_i}$。所以对线性空间的任意两个向量作外积，反对称性亦能满足。
不仅如此，基底之间的正交关系不随线性变换而改变。例如某线性空间下有两组正交基 $\{e_i\},\{\theta_i\}$，且 $\mathrm {\theta_1=a^ie_i,\theta_2=b^ie_i}$，那么由线性性我们可以展开得到后一组基的 Clifford 积：
\begin{equation}
\left\{\begin{array}{l}
\theta_1 \theta_2=\left(a^i e_i\right) \wedge\left(b^j e_j\right)+\sum_k\left(a^k b^k s(e_k)\right) \\
\theta_2 \theta_1=\left(b^j e_j\right) \wedge\left(a^i e_i\right)+\sum_k\left(b^k a^k s(e_k)\right)
\end{array}\right.~,
\end{equation}
$a^i,b^i$ 是过渡矩阵里的两个列向量。由于从标准正交基到标准正交基的矩阵为正交矩阵，因而这两个列向量正交，上式右端第二项都为 0。所以我们依然有 $\theta_1\theta_2=-\theta_2\theta_1$
左内积
定义 2
给定 Clifford 代数 $\mathrm {Cl(X,R,s)}$，对于 $A,B\in 2^x$，定义
\begin{equation}
A\left\llcorner B=\left\{\begin{aligned}
A B,\quad & A \subseteq B ; \\
0,\quad & A \nsubseteq B .
\end{aligned}\right.\right.~,
\end{equation}
并称之为左内积（left inner product or left interior product）。我们依然可以通过线性性将运算推广到 Clifford 代数的任意元素上。
右内积的定义是对偶的，即:
定义 3 右内积
\begin{equation}
A\lrcorner B=\left\{\begin{aligned}
A B,\quad & A \supseteq B ; \\
0,\quad & A \nsupseteq B .
\end{aligned}\right.~,
\end{equation}
下面我们只研究左内积。
与外积相同，左内积也具有 “正交基形式不变性”。
例如，在同一线性空间中选取两组正交基，$\{e_i\}$,$\{\theta _i\}$，且 $\mathrm {\theta_1=a^ie_i,\theta_2=b^ie_i},\theta_3=c^ie_i$。那么我们有：
\begin{equation}
\begin{aligned}
\theta_1\left\llcorner\theta_2\right. & =\left(a^i e_i\right)\left\llcorner\left(b^j e_j\right)\right. \\
& =\sum_i s(i) a^i b^i=0
\end{aligned}~,
\end{equation}
习题 1
证明：$\theta_1\left\llcorner(\theta_2\theta_3)\right.$=0。提示：证明每一个分量为 0.
从上述证明里，我们也可以清晰地看到，左内积的结果可以给出不同的分次结构：
\begin{equation}
A\left\llcorner B=\langle A B\rangle_{s-k} .\right.~,
\end{equation}
标量积
标量积是一种特殊情况，即左右内积相等。
定义 4 标量积
给定 Clifford 代数 $\mathrm {Cl(X,R,s)}$，对于 $A,B\in 2^x$，
\begin{equation}
A * B=\left\{\begin{array}{cc}
A B, & A=B \\
0, & A \neq B .
\end{array}\right.~,
\end{equation}
读者可以自行证明标量积的正交基形式不变性。
在上一节，我们证明了 $e_Ae_B\propto e_{A\Delta B}$。实际上这里的系数是 A 与 B 交集部分的标量积（默认下标都是从小到大排列），我们用 $g_{AB}$ 表示，即标量积可视作利用 V 上二次型 q 诱导出几何代数上的二次型。
定理 1
已知几何代数 $\mathcal {G}(V, q)$ 上的二次型 $q$ 在某基下表示为矩阵 $g_{ij}$，$q $ 诱导的标量积则表示为 $g_{AB}$，其中 $A,B$ 是复杂指标。则
\begin{equation}
g_{A B}=e_A*e_B=\left\{\begin{aligned}
0,\quad & A \neq B \\
(-1)^{\frac{|A|(|A|-1)}{2}} \prod_{i \in A} g_{i i}, \quad& A=B
\end{aligned}\right.~,
\end{equation}
Proof. 按照标量积定义，$A \neq B$ 时，$g_{AB}$=0。$A = B$ 时，$\frac{|A|(|A|-1)}{2}$ 是 $e_B$ 进行对换，使得 $e_i$ 相邻所需要跨过的总次数。比如从 $e_1e_2e_3e_1e_2e_3$ 变换到 $e_1e_1e_2e_2e_3e_3$ 的总步数。根据正交性，每一次变换位置都需要乘以-1。得证。
投影，对合，反转以及共轭
定义 5 投影
给定 Clifford 代数 $\mathrm {Cl(X,R,s)}$，对于 $A,B\in 2^x$，定义
\begin{equation}
\langle A\rangle_k=\left\{\begin{array}{cc}
A, & |A|=k \\
0, & |A| \neq k
\end{array}\right.~,
\end{equation}
并称之为在 k-次子空间上的投影。
定义 6 按次对合
给定 Clifford 代数 $\mathrm {Cl(X,R,s)}$，对于 $A,B\in 2^x$，定义
\begin{equation}
A^{\star}=(-1)^{|A|}A~,
\end{equation}
并称之为按次对合（grade involution）、第一类对合（first main
involution）或者简称为 main involution。
定义 7 反转
给定 Clifford 代数 $\mathrm {Cl(X,R,s)}$，对于 $A,B\in 2^x$，定义
\begin{equation}
A^{\dagger}=(-1)^{\frac{|A|(|A|-1)}{2}}A~,
\end{equation}
并称之为反转（reversion）、第二类对合（second main involution）或者主反自同构（principal anti-automorphism）。反转是下指标重排的过程：
$$(e_1e_2...e_n)^{\dagger}=e_ne_{n-1}...e_2e_1~,$$
定义 8 共轭
定 Clifford 代数 $\mathrm {Cl(X,R,s)}$，对于 $A,B\in 2^x$，定义
\begin{equation}
A^{\square}=A^{\star \dagger}~,
\end{equation}
并称之为 Clifford 共轭（Clifford conjugate）。
习题 2
已知 $\mathcal G(\mathbb R^{0,1})\cong \mathbb C,G(\mathbb R^{0,2})\cong \mathbb H$，证明：按次对合和 Clifford 共轭在 $\mathbb C$ 上就是复共轭，而 Clifford 共轭在 $\mathbb H$ 上是四元数共轭
几何代数上的对偶
1. ^ 本文参考 Jie Peter《代数学讲义》
致读者： 小时百科一直以来坚持所有内容免费，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 10 元，我们一个星期内就能脱离亏损， 并保证在接下来的一整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。