在几何空间$V$中,内积$\vec a \cdot \vec b = |\vec a| |\vec b| \cos\langle \vec a , \vec b \rangle$,它们满足:
类似引入双线性函数
定义
设$V$是域$\mathbb F$上的一个线性空间,$V \times V$到$\mathbb F$的一个映射$f$如果满足:
- $f(k_1 \alpha_1+ k_2\alpha_2, \beta ) = k_1 f(\alpha_1, \beta) + k_2 f(\alpha_2 , \beta), \forall \alpha_1, \alpha_2, \beta \in V, \forall k_1, k_2 \in \mathbb F$
- $f(\alpha, l_1 \beta_1 + l_2 \beta_2) = l_1 f(\alpha, \beta_1) + l_2 f(\alpha, \beta_2) , \forall \alpha,\beta_1, \beta_2\in V, \forall l_1, l_2 \in \mathbb F$
那么称$f$是$V$上的一个双线性函数。
任给$\alpha \in V$,映射$\alpha_L (\beta) := f(\alpha,\beta), \forall \beta \in V$,易验证$\alpha_L$ 是$V$上的一个线性函数。
任给$\beta \in V$,映射$\beta_R(\alpha):= f(\alpha, \beta) ,\forall \alpha \in V$,易验证$\beta_R$是$V$上的一个线性函数。
设$\dim V = n$,在$V$中取一个基$\alpha_1, \alpha_2, \dots, \alpha_n$,$V$中任一向量$\alpha = (\alpha_1, \dots, \alpha_n)(x_1,\dots, x_n)^T = (\alpha_1, \dots, \alpha_n) X$,$\beta = (\alpha_1, \dots, \alpha_n)(y_1, \dots, y_n)^T = (\alpha_1, \dots, \alpha_n)Y$。设$f$是$V$上的一个双线性函数,则
\begin{pmatrix} \sum_{i=1}^n x_i f(\alpha_i, \alpha_1) & \cdots & \sum_{i=1}^n x_i f(\alpha_i, \alpha_n) \end{pmatrix} \begin{pmatrix} y_1 \\ \vdots \\ y_n \end{pmatrix}
= \begin{pmatrix} x_1 & x_2 & \cdots & x_n \end{pmatrix} \begin{pmatrix} f(\alpha_1, \alpha_1) & \cdots & f(\alpha_1, \alpha_n) \\ \vdots & \ddots & \vdots \\ f(\alpha_n, \alpha_1) & \cdots & f(\alpha_n, \alpha_n) \end{pmatrix} \begin{pmatrix} y_1 \\ y_2 \\ \vdots \\ y_n \end{pmatrix} = X^T A Y $$
其中的矩阵$A$被$f$和给定的基所决定,因此将其称为是$f$在基$\alpha_1, \dots, \alpha_n$下的度量矩阵。
将$f(\alpha, \beta) = \sum_{i=1}^n \sum_{j=1}^n x_iy_jf(\alpha_i, \alpha_j)$ 和$f(\alpha, \beta) = X^T A Y$都称为$f$在基$\alpha_1, \dots, \alpha_n$下的表达式。
反之,任给$A\in M_n(\mathbb F)$,令$f(\alpha, \beta) := X^T A Y$,易验证$f$是$V$上的一个双线性函数,且$f$在基Z$\alpha_1, \dots, \alpha_n$下的度量矩阵是$A$。
<aside> 💡 给定双线性函数可以得到一个矩阵,给定一个矩阵,可以得到一个双线性函数。
</aside>
下面探讨同一个双线性函数不同基下的度量矩阵之间的关系
设$f$是域$\mathbb F$上$n$维线性空间$V$上的双线性函数,$V$的两个基之间$(\beta_1, \dots, \beta_n) = (\alpha_1, \dots, \alpha_n) C$,$f$在基$\alpha_1, \dots, \alpha_n$下的度量矩阵为$A$,在基$\beta_1, \dots, \beta_n$下的度量矩阵为$B$,则$B = C^T A C$。
- 证明
定义: