本章总设. \(\mathbb{F}\) 表示 \(\mathbb{R}\) 或 \(\mathbb{C}\);\(\,V\) 表示 \(\mathbb{F}\) 上有限维的非零向量空间。
一、双线性型
第 6、7 章在内积空间上展开:内积把一对向量映为一个标量,对第一个变元线性、对第二个变元(在复情形)共轭线性,还带有共轭对称性与正定性。本节把其中「对两个变元分别线性」这一条抽象出来,舍弃对称性与正定性,得到双线性型的概念。它是本章多重线性代数的起点:双线性型是 \(2\)-线性函数,9.B 节将把它推广为 \(m\)-线性函数,并由此引出行列式。
定义 9.1(双线性型,bilinear form). \(V\) 上的一个双线性型是指函数 \(\beta\colon V\times V\to\mathbb{F}\),使得对每个 \(u\in V\),映射 \[ v\mapsto \beta(v,u) \qquad\text{与}\qquad v\mapsto \beta(u,v) \] 都是 \(V\) 上的线性泛函。
换言之,固定任意一个变元,剩下那个变元便得到一个线性泛函。「双线性型」这一术语沿用习惯(更一致的叫法应是「双线性泛函」,因为取值在标量域中)。
与内积的关系. 若 \(V\) 是实内积空间,则 \((u,v)\mapsto\langle u,v\rangle\) 是双线性型。若 \(V\) 是非零复内积空间,则它不是双线性型:复标量从第二个变元中提出时变为共轭,\(v\mapsto\langle u,v\rangle\) 只是共轭线性。在实数域上,双线性型与内积的差别在于:内积还要求对称性(\(\beta(v,w)=\beta(w,v)\))与正定性(\(\beta(v,v)>0\) 对一切 \(v\ne 0\)),而双线性型不必满足这两条;反之,实的对称正定双线性型恰好就是内积。
例 9.2(双线性型举例).
(a) 函数 \(\beta\colon\mathbb{F}^3\times\mathbb{F}^3\to\mathbb{F}\) 定义为 \[ \beta\big((x_1,x_2,x_3),(y_1,y_2,y_3)\big)=x_1y_2-5x_2y_3+2x_3y_1, \] 它是 \(\mathbb{F}^3\) 上的双线性型。
(b) 设 \(A\) 是元素属于 \(\mathbb{F}\) 的 \(n\times n\) 矩阵,第 \(j\) 行第 \(k\) 列元素为 \(A_{j,k}\)。定义 \(\mathbb{F}^n\) 上的函数 \[ \beta_A\big((x_1,\dots,x_n),(y_1,\dots,y_n)\big)=\sum_{k=1}^{n}\sum_{j=1}^{n}A_{j,k}\,x_jy_k, \] 则 \(\beta_A\) 是双线性型。(a) 是 (b) 取 \(n=3\)、 \(A=\begin{pmatrix}0&1&0\\0&0&-5\\2&0&0\end{pmatrix}\) 的特例。
(c) 设 \(V\) 是实内积空间,\(T\in\mathcal{L}(V)\),则 \(\beta(u,v)=\langle u,Tv\rangle\) 是 \(V\) 上的双线性型(练习 4 将证明实内积空间上的双线性型都是这个样子)。
(d) 设 \(n\) 为正整数,则 \(\beta(p,q)=p(2)\cdot q'(3)\) 是 \(\mathcal{P}_n(\mathbb{R})\) 上的双线性型:求值 \(p\mapsto p(2)\) 与「求导后求值」\(q\mapsto q'(3)\) 都是线性泛函。
(e) 设 \(\varphi,\tau\in V'\)(\(V\) 的对偶空间),则 \(\beta(u,v)=\varphi(u)\cdot\tau(v)\) 是双线性型;更一般地,\(\varphi_1,\dots,\varphi_n,\tau_1,\dots,\tau_n\in V'\) 时, \[ \beta(u,v)=\varphi_1(u)\tau_1(v)+\cdots+\varphi_n(u)\tau_n(v) \] 也是双线性型。练习 2 将证明:取 \(n=\dim V\) 时,\(V\) 上每个双线性型都可以写成这种形式。
双线性型是 \(V\times V\to\mathbb{F}\) 的函数,而 \(V\times V\) 本身是向量空间,于是自然要问:双线性型会不会恰好也是 \(V\times V\) 上的线性映射?答案基本是否定的:例 9.2 中的双线性型除零型外都不是线性映射,练习 3 证明「双线性 + 线性」必然是零。这正是「多重线性」与「线性」的分野,也是本章的出发点。
定义 9.3(记号 \(V^{(2)}\)). \(V\) 上全体双线性型之集记为 \(V^{(2)}\)。在函数通常的加法与数乘下,\(V^{(2)}\) 是一个向量空间。
二、双线性型的矩阵
对 \(n\) 维空间 \(V\) 上的算子 \(T\),我们曾用它在基下的 \(n\times n\) 矩阵来把握它。对双线性型同样可行。
定义 9.4(双线性型的矩阵,\(\mathcal{M}(\beta)\)). 设 \(\beta\in V^{(2)}\),\(e_1,\dots,e_n\) 是 \(V\) 的基。\(\beta\) 关于该基的矩阵是 \(n\times n\) 矩阵 \(\mathcal{M}(\beta)\),其第 \(j\) 行第 \(k\) 列元素为 \[ \mathcal{M}(\beta)_{j,k}=\beta(e_j,e_k). \] 若基在上下文中不明确,则记作 \(\mathcal{M}\big(\beta,(e_1,\dots,e_n)\big)\)。
回忆 \(\mathbb{F}^{n,n}\) 表示元素属于 \(\mathbb{F}\) 的 \(n\times n\) 矩阵组成的向量空间,\(\dim\mathbb{F}^{n,n}=n^2\)。下面的定理说明「取矩阵」把双线性型的空间同构地送到矩阵空间。
定理 9.5(\(\dim V^{(2)}=(\dim V)^2\)). 设 \(e_1,\dots,e_n\) 是 \(V\) 的基,则映射 \(\beta\mapsto\mathcal{M}(\beta)\) 是 \(V^{(2)}\) 到 \(\mathbb{F}^{n,n}\) 上的同构。从而 \(\dim V^{(2)}=(\dim V)^2\)。
证明. 映射 \(\beta\mapsto\mathcal{M}(\beta)\) 显然是 \(V^{(2)}\to\mathbb{F}^{n,n}\) 的线性映射。对 \(A\in\mathbb{F}^{n,n}\),定义 \(V\) 上的双线性型 \[ \beta_A\Big(\sum_{j=1}^n x_je_j,\ \sum_{k=1}^n y_ke_k\Big)=\sum_{k=1}^{n}\sum_{j=1}^{n}A_{j,k}\,x_jy_k \] (当 \(V=\mathbb{F}^n\) 且取标准基时,它就是例 9.2(b) 中的 \(\beta_A\))。线性映射 \(\beta\mapsto\mathcal{M}(\beta)\) 与 \(A\mapsto\beta_A\) 互为逆映射:一方面 \(\mathcal{M}(\beta_A)=A\),因为两边的 \((j,k)\) 元素同为 \(A_{j,k}\);另一方面 \(\beta_{\mathcal{M}(\beta)}=\beta\),因为双线性型由其在基向量上的取值经双线性展开唯一确定: \[ \beta\Big(\sum_j x_je_j,\ \sum_k y_ke_k\Big)=\sum_{k=1}^n\sum_{j=1}^n x_jy_k\,\beta(e_j,e_k). \] 于是两个映射都是同构,且 \(\dim V^{(2)}=\dim\mathbb{F}^{n,n}=n^2=(\dim V)^2\)。
下面的简单引理给出双线性型与算子复合时矩阵的规律,它是换基公式的技术核心。回忆 \(C^{\mathrm{t}}\) 表示矩阵 \(C\) 的转置。
命题 9.6(双线性型与算子的复合). 设 \(\beta\in V^{(2)}\),\(T\in\mathcal{L}(V)\)。定义 \(V\) 上的双线性型 \[ \alpha(u,v)=\beta(u,Tv) \qquad\text{与}\qquad \rho(u,v)=\beta(Tu,v). \] 设 \(e_1,\dots,e_n\) 是 \(V\) 的基,则 \[ \mathcal{M}(\alpha)=\mathcal{M}(\beta)\,\mathcal{M}(T) \qquad\text{且}\qquad \mathcal{M}(\rho)=\mathcal{M}(T)^{\mathrm{t}}\,\mathcal{M}(\beta). \]
证明. 对 \(j,k\in\{1,\dots,n\}\),写 \(Te_k=\sum_{m=1}^n\mathcal{M}(T)_{m,k}e_m\),则 \[ \mathcal{M}(\alpha)_{j,k}=\alpha(e_j,e_k) =\beta\Big(e_j,\sum_{m=1}^n\mathcal{M}(T)_{m,k}e_m\Big) =\sum_{m=1}^n\beta(e_j,e_m)\,\mathcal{M}(T)_{m,k} =\big(\mathcal{M}(\beta)\mathcal{M}(T)\big)_{j,k}, \] 故 \(\mathcal{M}(\alpha)=\mathcal{M}(\beta)\mathcal{M}(T)\)。第二个等式类似:\(\mathcal{M}(\rho)_{j,k}=\beta(Te_j,e_k)=\sum_m \mathcal{M}(T)_{m,j}\beta(e_m,e_k)=\big(\mathcal{M}(T)^{\mathrm{t}}\mathcal{M}(\beta)\big)_{j,k}\)。
定理 9.7(换基公式). 设 \(\beta\in V^{(2)}\),\(e_1,\dots,e_n\) 与 \(f_1,\dots,f_n\) 都是 \(V\) 的基。令 \[ A=\mathcal{M}\big(\beta,(e_1,\dots,e_n)\big),\qquad B=\mathcal{M}\big(\beta,(f_1,\dots,f_n)\big),\qquad C=\mathcal{M}\big(I,(e_1,\dots,e_n),(f_1,\dots,f_n)\big). \] 则 \[ A=C^{\mathrm{t}}BC. \]
证明. 由线性映射引理,存在 \(T\in\mathcal{L}(V)\) 使 \(Tf_k=e_k\) 对每个 \(k\) 成立,且 \(\mathcal{M}\big(T,(f_1,\dots,f_n)\big)=C\)。定义双线性型 \[ \alpha(u,v)=\beta(u,Tv),\qquad \rho(u,v)=\alpha(Tu,v)=\beta(Tu,Tv). \] 由于 \(e_j=Tf_j\),\(e_k=Tf_k\),有 \(\beta(e_j,e_k)=\rho(f_j,f_k)\),即 \(A=\mathcal{M}\big(\rho,(f_1,\dots,f_n)\big)\)。接连两次应用命题 9.6: \[ \mathcal{M}\big(\rho,(f_1,\dots,f_n)\big)=\mathcal{M}(T)^{\mathrm{t}}\,\mathcal{M}\big(\alpha,(f_1,\dots,f_n)\big)=C^{\mathrm{t}}\,\mathcal{M}(\beta,(f_1,\dots,f_n))\,\mathcal{M}(T)=C^{\mathrm{t}}BC, \] 其中中间一步用了 \(\mathcal{M}(\alpha)=\mathcal{M}(\beta)\mathcal{M}(T)=BC\)。故 \(A=C^{\mathrm{t}}BC\)。
合同关系,以及与相似的对比. 换基公式 9.7 应与算子矩阵的换基公式 \(\mathcal{M}'=C^{-1}\mathcal{M}C\)(3.84)对照:两者形似,但此处出现的是转置 \(C^{\mathrm{t}}\) 而非逆 \(C^{-1}\)。矩阵关系 \(B\mapsto C^{\mathrm{t}}BC\) 称为合同 (congruence)。于是:算子的矩阵在换基下按相似变化,双线性型的矩阵按合同变化;这是两类对象最本质的差别之一。由 \(C\) 可逆可知 \(C^{\mathrm{t}}BC\) 与 \(B\) 同时可逆或同时不可逆,且保持对称性(\(B\) 对称时 \(C^{\mathrm{t}}BC\) 也对称)。据此可以定义:\(\beta\) 称为非退化 (nondegenerate),若 \(\mathcal{M}(\beta)\) 关于某个(等价地,任一)基可逆;实内积空间上由练习 4 的对应 \(\beta(u,v)=\langle u,Tv\rangle\) 来看,非退化恰好对应 \(T\) 可逆。本节主要定理 9.12 正是一个合同标准形定理:对称双线性型总能在适当的基下合同于对角矩阵。
例 9.8(\(\mathcal{P}_2(\mathbb{R})\) 上双线性型的矩阵). 定义 \(\mathcal{P}_2(\mathbb{R})\) 上的双线性型 \(\beta(p,q)=p(2)\cdot q'(3)\)。取两组基 \[ (1,\ x-2,\ (x-3)^2) \qquad\text{与}\qquad (1,\ x,\ x^2), \] 令 \[ A=\mathcal{M}\big(\beta,(1,x-2,(x-3)^2)\big),\quad B=\mathcal{M}\big(\beta,(1,x,x^2)\big),\quad C=\mathcal{M}\big(I,(1,x-2,(x-3)^2),(1,x,x^2)\big). \] 逐一计算 \(A_{j,k}=p_j(2)\,q_k'(3)\) 与 \(B_{j,k}\)(用 \(1,2,4\) 与 \(0,1,6\) 这些求值、求导值),得 \[ A=\begin{pmatrix}0&1&0\\0&0&0\\0&1&0\end{pmatrix},\qquad B=\begin{pmatrix}0&1&6\\0&2&12\\0&4&24\end{pmatrix},\qquad C=\begin{pmatrix}1&-2&9\\0&1&-6\\0&0&1\end{pmatrix}, \] 直接作矩阵乘法即可验证 \(A=C^{\mathrm{t}}BC\),与定理 9.7 相符。
三、对称双线性型
定义 9.9(对称双线性型,\(V^{(2)}_{\mathrm{sym}}\)). 双线性型 \(\rho\in V^{(2)}\) 称为对称的 (symmetric),若 \[ \rho(u,w)=\rho(w,u)\qquad\text{对一切 }u,w\in V. \] \(V\) 上全体对称双线性型之集记为 \(V^{(2)}_{\mathrm{sym}}\)。
例 9.10(对称双线性型举例).
(a) 实内积空间上 \(\rho(u,w)=\langle u,w\rangle\) 是对称双线性型。
(b) 设 \(V\) 是实内积空间,\(T\in\mathcal{L}(V)\),令 \(\rho(u,w)=\langle u,Tw\rangle\)。则 \(\rho\) 对称当且仅当 \(T\) 自伴。事实上,若 \(T\) 自伴,则 \(\rho(u,w)=\langle u,Tw\rangle=\langle Tu,w\rangle=\langle w,Tu\rangle=\rho(w,u)\);反之,由 \(\rho(u,w)=\rho(w,u)\) 得 \(\langle u,Tw\rangle=\langle w,Tu\rangle=\langle Tu,w\rangle\) 对一切 \(u,w\) 成立,按定义即 \(T=T^*\)。(a) 是 \(T=I\) 的特例。这样,实内积空间上的对称双线性型与自伴算子一一对应(一般双线性型与算子的对应见练习 4)。
(c) 设 \(V\) 是任意有限维向量空间(实或复),在 \(\mathcal{L}(V)\times\mathcal{L}(V)\) 上定义 \[ \rho(S,T)=\operatorname{trace}(ST), \] 则 \(\rho\) 是 \(\mathcal{L}(V)\) 上的对称双线性型:迹是 \(\mathcal{L}(V)\) 上的线性泛函,且由 8.56 有 \(\operatorname{trace}(ST)=\operatorname{trace}(TS)\)。这是「迹型」的典型例子,再次呼应第 8.D 节。
定义 9.11(对称矩阵,symmetric matrix). 方阵 \(A\) 称为对称的,若 \(A=A^{\mathrm{t}}\)。
算子 \(T\in\mathcal{L}(V)\) 的矩阵可能在某些基下对称而在另一些基下不对称。与之形成鲜明对照,下面的定理表明:双线性型的矩阵要么在所有基下对称,要么在任何基下都不对称;而且对称性恰好等价于「某个基下可对角化」。
定理 9.12(对称双线性型可对角化). 设 \(\rho\in V^{(2)}\),则下列条件等价:
(a) \(\rho\) 是 \(V\) 上的对称双线性型;
(b) \(\rho\) 关于 \(V\) 的每个基的矩阵都对称;
(c) \(\rho\) 关于 \(V\) 的某个基的矩阵对称;
(d) \(\rho\) 关于 \(V\) 的某个基的矩阵是对角矩阵。
证明. (a)\(\Rightarrow\)(b):设 \(\rho\) 对称,\(e_1,\dots,e_n\) 是任意基。由 \(\rho(e_j,e_k)=\rho(e_k,e_j)\) 得 \(\mathcal{M}(\rho)_{j,k}=\mathcal{M}(\rho)_{k,j}\),故矩阵对称。
(b)\(\Rightarrow\)(c):显然。
(c)\(\Rightarrow\)(a):设某基 \(e_1,\dots,e_n\) 下 \(\mathcal{M}(\rho)\) 对称。写 \(u=\sum_j a_je_j\),\(w=\sum_k b_ke_k\),由双线性展开 \[ \rho(u,w)=\sum_{j=1}^n\sum_{k=1}^n a_jb_k\,\rho(e_j,e_k) =\sum_{j=1}^n\sum_{k=1}^n a_jb_k\,\rho(e_k,e_j) =\rho(w,u), \] 中间一步用到了矩阵的对称性。故 \(\rho\) 对称。至此 (a)(b)(c) 等价。
因对角矩阵都对称,显然 (d)\(\Rightarrow\)(c)。剩下证 (a)\(\Rightarrow\)(d),对 \(n=\dim V\) 作归纳。\(n=1\) 时每个 \(1\times1\) 矩阵都是对角的。设 \(n>1\) 且结论对 \(n-1\) 维成立,并设 \(\rho\) 对称。若 \(\rho=0\),任何基下的矩阵都是零矩阵(对角),故可设 \(\rho\ne0\),即存在 \(u,w\) 使 \(\rho(u,w)\ne0\)。由双线性展开, \[ 2\rho(u,w)=\rho(u+w,u+w)-\rho(u,u)-\rho(w,w), \] 左端非零,故右端三项不全为零,于是存在 \(v\in V\) 使 \(\rho(v,v)\ne0\)。
令 \(U=\{u\in V:\rho(u,v)=0\}\),即线性泛函 \(u\mapsto\rho(u,v)\) 的零空间;该泛函非零(因为 \(v\notin U\)),故 \(\dim U=n-1\)。由归纳假设,\(U\) 上存在基 \(e_1,\dots,e_{n-1}\) 使对称双线性型 \(\rho|_{U\times U}\) 的矩阵为对角矩阵。又 \(v\notin U\),故 \(e_1,\dots,e_{n-1},v\) 是 \(V\) 的基。对每个 \(k\le n-1\) 有 \(\rho(e_k,v)=0\),再由 \(\rho\) 对称得 \(\rho(v,e_k)=0\)。于是 \(\rho\) 关于基 \(e_1,\dots,e_{n-1},v\) 的矩阵是对角矩阵。归纳完成。
证明中的恒等式 \(2\rho(u,w)=\rho(u+w,u+w)-\rho(u,u)-\rho(w,w)\) 是本节的钥匙:它说明对角值 \(\rho(v,v)\) 掌控着交叉值 \(\rho(u,w)\)——这正是「极化」思想的雏形,第五节将以二次型的语言把它写得更清楚。另外,经典教材常用拉格朗日配方法(逐个配平方、消交叉项的初等换基)不借助任何内积结构证明同一结论;上面的归纳证明本质上是同一思想的坐标自由版本。
定理 9.12 说明每个对称双线性型都存在使其矩阵对角的基。若 \(V\) 恰好是实内积空间,则还能更进一步:这样的基可以取为标准正交基。注意此处用到的内积与双线性型本身无关,它只是空间额外携带的结构。
定理 9.13(标准正交基下对角化对称双线性型). 设 \(V\) 是实内积空间,\(\rho\) 是 \(V\) 上的对称双线性型,则存在 \(V\) 的标准正交基使 \(\rho\) 的矩阵为对角矩阵。
证明. 取标准正交基 \(f_1,\dots,f_n\),令 \(B=\mathcal{M}(\rho,(f_1,\dots,f_n))\),由 9.12 知 \(B\) 对称。取 \(T\in\mathcal{L}(V)\) 使 \(\mathcal{M}(T,(f_1,\dots,f_n))=B\);在标准正交基下 \(\mathcal{M}(T^*)=\mathcal{M}(T)^{\mathrm{t}}\),故 \(T\) 自伴。由实谱定理 (7.29),存在标准正交基 \(e_1,\dots,e_n\) 使 \(T\) 的矩阵为对角。令 \(C=\mathcal{M}(I,(e_1,\dots,e_n),(f_1,\dots,f_n))\);由算子换基公式 3.84,\(C^{-1}BC\) 是 \(T\) 关于基 \(e_1,\dots,e_n\) 的矩阵,故为对角矩阵。另一方面,由双线性型换基公式 9.7,\(\mathcal{M}(\rho,(e_1,\dots,e_n))=C^{\mathrm{t}}BC\)。而两个标准正交基之间的换基矩阵 \(C\) 是实正交矩阵,\(C^{-1}=C^{\mathrm{t}}\)(见 7.57),于是 \[ \mathcal{M}(\rho,(e_1,\dots,e_n))=C^{\mathrm{t}}BC=C^{-1}BC \] 是对角矩阵。
定理 9.13 是第七章主轴定理 (7.B) 在双线性型语言中的重现:实对称矩阵既相似于对角矩阵(谱定理),又正交合同于对角矩阵(本定理),两件事经同一组特征向量实现。这也解释了例 9.10(b) 的对应——对称双线性型 \(\rho(u,v)=\langle u,Tv\rangle\) 中,\(T\) 自伴,而 \(\rho\) 的「主轴」正是 \(T\) 的特征向量。
四、交错双线性型
与对称型相对的是交错型,它将在 9.B 节推广为交错多重线性型,并最终给出行列式的定义。
定义 9.14(交错双线性型,\(V^{(2)}_{\mathrm{alt}}\)). 双线性型 \(\alpha\in V^{(2)}\) 称为交错的 (alternating),若 \[ \alpha(v,v)=0\qquad\text{对一切 }v\in V. \] \(V\) 上全体交错双线性型之集记为 \(V^{(2)}_{\mathrm{alt}}\)。
例 9.15(交错双线性型举例).
(a) 设 \(n\ge3\),定义 \(\alpha\colon\mathbb{F}^n\times\mathbb{F}^n\to\mathbb{F}\) 为 \[ \alpha\big((x_1,\dots,x_n),(y_1,\dots,y_n)\big)=x_1y_2-x_2y_1+x_1y_3-x_3y_1, \] 则 \(\alpha\) 是交错双线性型(把 \(y=x\) 代入即得 \(\alpha(x,x)=0\))。
(b) 设 \(\varphi,\tau\in V'\),则 \[ \alpha(u,w)=\varphi(u)\tau(w)-\varphi(w)\tau(u) \] 是交错双线性型。在 \(\mathbb{R}^2\) 上取 \(\varphi,\tau\) 为两个坐标泛函,它就是行列式 \(u_1w_2-u_2w_1\),几何意义是有向平行四边形面积——这正是 9.B、9.C 中「交错型 \(\to\) 行列式 \(\to\) 体积」路线的缩影。
定理 9.16(交错双线性型的刻画). 双线性型 \(\alpha\) 是交错的,当且仅当 \[ \alpha(u,w)=-\alpha(w,u)\qquad\text{对一切 }u,w\in V. \]
证明. 设 \(\alpha\) 交错。对任意 \(u,w\),由 \(\alpha(u+w,u+w)=0\) 及双线性展开, \[ 0=\alpha(u,u)+\alpha(u,w)+\alpha(w,u)+\alpha(w,w)=\alpha(u,w)+\alpha(w,u), \] 故 \(\alpha(u,w)=-\alpha(w,u)\)。反之设上式对一切 \(u,w\) 成立,取 \(w=u\) 得 \(\alpha(u,u)=-\alpha(u,u)\),即 \(\alpha(u,u)=0\),故 \(\alpha\) 交错。
定理 9.17(\(V^{(2)}=V^{(2)}_{\mathrm{sym}}\oplus V^{(2)}_{\mathrm{alt}}\)). \(V^{(2)}_{\mathrm{sym}}\) 与 \(V^{(2)}_{\mathrm{alt}}\) 都是 \(V^{(2)}\) 的子空间,且 \[ V^{(2)}=V^{(2)}_{\mathrm{sym}}\oplus V^{(2)}_{\mathrm{alt}}. \]
证明. 对称型之和、对称型的数乘仍对称,且零型对称,故 \(V^{(2)}_{\mathrm{sym}}\) 是子空间;\(V^{(2)}_{\mathrm{alt}}\) 同理。
先证和为全空间。设 \(\beta\in V^{(2)}\),定义 \[ \rho(u,w)=\frac{\beta(u,w)+\beta(w,u)}{2},\qquad \alpha(u,w)=\frac{\beta(u,w)-\beta(w,u)}{2}. \] 直接验证 \(\rho\) 对称、\(\alpha\) 交错(后者用 9.16 的刻画),且 \(\beta=\rho+\alpha\)。
再证交为零。设 \(\beta\in V^{(2)}_{\mathrm{sym}}\cap V^{(2)}_{\mathrm{alt}}\)。对任意 \(u,w\),由 9.16 有 \(\beta(u,w)=-\beta(w,u)\),又由对称性 \(\beta(w,u)=\beta(u,w)\),故 \(\beta(u,w)=-\beta(u,w)\),即 \(\beta(u,w)=0\),从而 \(\beta=0\)。由直和判定条件 (1.46) 得证。
两个子空间的维数分别是 \(\dim V^{(2)}_{\mathrm{sym}}=\tfrac{n(n+1)}2\) 与 \(\dim V^{(2)}_{\mathrm{alt}}=\tfrac{n(n-1)}2\)(\(n=\dim V\)),见练习 6。用矩阵的话说:任何方阵都可唯一分解为「对称部分 + 斜对称部分」,定理 9.17 正是这一事实的坐标自由表述。
五、二次型
定义 9.18(双线性型关联的二次型,\(q_\beta\)). 设 \(\beta\in V^{(2)}\),定义函数 \(q_\beta\colon V\to\mathbb{F}\) 为 \[ q_\beta(v)=\beta(v,v). \] 函数 \(q\colon V\to\mathbb{F}\) 称为 \(V\) 上的二次型 (quadratic form),若存在双线性型 \(\beta\) 使 \(q=q_\beta\)。
注意 \(q_\beta=0\) 当且仅当 \(\beta\) 交错(按定义 9.14 这就是逐字重述)。因此二次型「看不见」双线性型的交错部分——这一观察与定理 9.17 相结合,将导出下面关键的性质 9.21(b):每个二次型都来自唯一的对称双线性型。
例 9.19. 设 \(\beta\) 是 \(\mathbb{R}^3\) 上的双线性型 \[ \beta\big((x_1,x_2,x_3),(y_1,y_2,y_3)\big)=x_1y_1-4x_1y_2+8x_1y_3-3x_3y_3, \] 则 \[ q_\beta(x_1,x_2,x_3)=x_1^2-4x_1x_2+8x_1x_3-3x_3^2. \] 二次型把双线性型中的 \(x_jy_k\) 换成 \(x_jx_k\),得到一个二次齐次多项式。
定理 9.20(\(\mathbb{F}^n\) 上的二次型). 设 \(n\) 为正整数,\(q\colon\mathbb{F}^n\to\mathbb{F}\)。则 \(q\) 是 \(\mathbb{F}^n\) 上的二次型,当且仅当存在数 \(A_{j,k}\in\mathbb{F}\)(\(j,k\in\{1,\dots,n\}\))使 \[ q(x_1,\dots,x_n)=\sum_{k=1}^n\sum_{j=1}^n A_{j,k}\,x_jx_k\qquad\text{对一切 }(x_1,\dots,x_n)\in\mathbb{F}^n. \]
证明. 设 \(q\) 是二次型,即 \(q=q_\beta\)。取标准基下 \(\beta\) 的矩阵 \(A\),则对一切 \(x\in\mathbb{F}^n\), \[ q(x)=\beta(x,x)=\sum_{k=1}^n\sum_{j=1}^n A_{j,k}x_jx_k. \] 反之,设 \(q\) 具有所述形式。用同一组系数定义双线性型 \[ \beta\big((x_1,\dots,x_n),(y_1,\dots,y_n)\big)=\sum_{k=1}^n\sum_{j=1}^n A_{j,k}x_jy_k \] (例 9.2(b)),则 \(q=q_\beta\),故 \(q\) 是二次型。
下面的定理给出二次型的多个等价刻画,其中 (b) 是「极化」的准确含义:二次型与对称双线性型互相唯一决定。
定理 9.21(二次型的刻画). 设 \(q\colon V\to\mathbb{F}\)。下列条件等价:
(a) \(q\) 是二次型;
(b) 存在唯一的对称双线性型 \(\rho\) 使 \(q=q_\rho\);
(c) \(q(\lambda v)=\lambda^2 q(v)\) 对一切 \(\lambda\in\mathbb{F}\)、\(v\in V\),且函数 \((u,w)\mapsto q(u+w)-q(u)-q(w)\) 是对称双线性型;
(d) \(q(2v)=4q(v)\) 对一切 \(v\in V\),且函数 \((u,w)\mapsto q(u+w)-q(u)-q(w)\) 是对称双线性型。
证明. (a)\(\Rightarrow\)(b):设 \(q=q_\beta\)。由 9.17,写 \(\beta=\rho+\alpha\),其中 \(\rho\) 对称、\(\alpha\) 交错。则 \[ q=q_\beta=q_\rho+q_\alpha=q_\rho \] (因 \(q_\alpha=0\))。若对称型 \(\rho'\) 也满足 \(q_{\rho'}=q\),则 \(q_{\rho'-\rho}=0\),即 \(\rho'-\rho\in V^{(2)}_{\mathrm{sym}}\cap V^{(2)}_{\mathrm{alt}}=\{0\}\),故 \(\rho'=\rho\),唯一性得证。
(b)\(\Rightarrow\)(c):设 \(q=q_\rho\),\(\rho\) 对称。则 \(q(\lambda v)=\rho(\lambda v,\lambda v)=\lambda^2\rho(v,v)=\lambda^2q(v)\);且 \[ q(u+w)-q(u)-q(w)=\rho(u+w,u+w)-\rho(u,u)-\rho(w,w)=2\rho(u,w), \] 故 \((u,w)\mapsto q(u+w)-q(u)-q(w)\) 等于 \(2\rho\),是对称双线性型。
(c)\(\Rightarrow\)(d):显然。
(d)\(\Rightarrow\)(a):令 \[ \rho(u,w)=\frac{q(u+w)-q(u)-q(w)}{2}, \] 由假设 \(\rho\) 是对称双线性型。对任意 \(v\), \[ \rho(v,v)=\frac{q(2v)-q(v)-q(v)}{2}=\frac{4q(v)-2q(v)}{2}=q(v), \] 故 \(q=q_\rho\) 是二次型。
例 9.22(二次型关联的对称双线性型). 设 \(q\) 是 \(\mathbb{R}^3\) 上的二次型 \(q(x_1,x_2,x_3)=x_1^2-4x_1x_2+8x_1x_3-3x_3^2\)(例 9.19)。例 9.19 中的 \(\beta\) 并不对称;由 9.21(b),与 \(q\) 配套的对称双线性型是唯一的,它把每个混合项 \(c\,x_jx_k\) 对称地「一半归 \(x_jy_k\)、一半归 \(x_ky_j\)」: \[ \rho\big((x_1,x_2,x_3),(y_1,y_2,y_3)\big)=x_1y_1-2x_1y_2-2x_2y_1+4x_1y_3+4x_3y_1-3x_3y_3. \] 直接代入即见 \(q_\rho=q\)。
补充命题(极化恒等式,polarization identity). 设 \(\rho\) 是对称双线性型,\(q=q_\rho\),则对一切 \(u,w\in V\), \[ q(u+w)=q(u)+q(w)+2\rho(u,w),\qquad q(u-w)=q(u)+q(w)-2\rho(u,w), \] 两式在 \(\mathbb{F}=\mathbb{R}\) 或 \(\mathbb{C}\) 时都成立(证明就是把 \(\rho(u\pm w,u\pm w)\) 展开)。两式相减立得 \[ \rho(u,w)=\frac{q(u+w)-q(u-w)}{4}. \] 这就是经典意义下的极化恒等式:在实向量空间上,对称双线性型完全由其二次型恢复出来,恢复公式即上式;这与 9.21(b) 的唯一性陈述一致。作为对照,复内积空间中由范数恢复内积的极化恒等式 (6.17) 带有共轭,因为内积不是双线性的。
现在给出本节关于二次型的主定理:适当选基,任何二次型都变成纯平方项的加权和,没有交叉项。
定理 9.23(二次型的对角化). 设 \(q\) 是 \(V\) 上的二次型。
(a) 存在 \(V\) 的基 \(e_1,\dots,e_n\) 及 \(\lambda_1,\dots,\lambda_n\in\mathbb{F}\),使
\[ q(x_1e_1+\cdots+x_ne_n)=\lambda_1x_1^2+\cdots+\lambda_nx_n^2\qquad\text{对一切 }x_1,\dots,x_n\in\mathbb{F}; \]
(b) 若 \(\mathbb{F}=\mathbb{R}\) 且 \(V\) 是内积空间,则 (a) 中的基还可取为标准正交基。
证明. (a) 由 9.21 取对称双线性型 \(\rho\) 使 \(q=q_\rho\)。由 9.12,存在基 \(e_1,\dots,e_n\) 使 \(\mathcal{M}(\rho,(e_1,\dots,e_n))\) 为对角矩阵,设对角元为 \(\lambda_1,\dots,\lambda_n\),即 \(\rho(e_j,e_k)=\lambda_j\) (当 \(j=k\))、\(0\) (当 \(j\ne k\))。于是 \[ q\Big(\sum_jx_je_j\Big)=\rho\Big(\sum_jx_je_j,\sum_kx_ke_k\Big)=\sum_{k=1}^n\sum_{j=1}^n x_jx_k\rho(e_j,e_k)=\lambda_1x_1^2+\cdots+\lambda_nx_n^2. \] (b) 由 9.13,该基可取为标准正交基。
补充(惯性定理,超出原书本节范围). 在实向量空间上还能更进一步:把定理 9.23(a) 中的基向量 \(e_j\) 换成 \(e_j/\sqrt{|\lambda_j|}\)(对 \(\lambda_j\ne0\) 的下标),平方项系数便归一化为 \(\pm1\),于是 \[ q=x_1^2+\cdots+x_p^2-x_{p+1}^2-\cdots-x_{p+r}^2 \quad (p+r\le n). \] Sylvester 惯性定律 (law of inertia) 断言数对 \((p,r)\) 与基的选取无关(\(p\)、\(r\) 分别称为正、负惯性指数)。证一小段:设上式关于基 \(e\) 成立,关于基 \(f\) 的正、负指数为 \((p',r')\)。令 \(U_+=\mathrm{span}(e_1,\dots,e_p)\),在 \(U_+\setminus\{0\}\) 上 \(q>0\);令 \(W=\mathrm{span}(f_{p'+1},\dots,f_n)\),在 \(W\) 上 \(q\le0\)。若 \(v\in U_+\cap W\) 且 \(v\ne0\),则 \(q(v)>0\ge q(v)\),矛盾;故 \(U_+\cap W=\{0\}\),\(p+(n-p')\le n\),即 \(p\le p'\)。对称地 \(p'\le p\),故 \(p=p'\);同理 \(r=r'\)。于是「正项个数、负项个数、零项个数」是二次型自身的坐标自由不变量。称 \(q\) 为正定 (positive definite),若 \(q(v)>0\) 对一切 \(v\ne0\);在实内积空间中由 9.23(b)(或谱定理),这等价于对角系数(即对应自伴算子的特征值)全为正,也等价于练习 5 中的「\(T\) 是可逆正算子」。二阶情形有便捷判别:\(2\times2\) 实对称矩阵 \(A\) 正定 \(\iff\det A>0\) 且 \(\operatorname{trace}A>0\),因为 \(\lambda_1+\lambda_2=\operatorname{trace}A\)、\(\lambda_1\lambda_2=\det A\)——又一次用到了 8.D 的迹。配方法同样能给出一套初等的对角化程序,但惯性定律中「指数不变」的证明以上述维数论证最为干净。
六、几何应用:二次曲线的主轴化
定理 9.23(b) 与实谱定理合起来,就是解析几何中「消去二次曲线交叉项」的主轴方法。下面给出一个完整的 \(2\times2\) 例子。
例(斜椭圆的主轴化). 考虑 \(\mathbb{R}^2\) 上的二次型 \[ q(x,y)=5x^2+4xy+8y^2, \] 其对称矩阵为 \[ A=\begin{pmatrix}5&2\\2&8\end{pmatrix},\qquad \det(\lambda I-A)=\lambda^2-13\lambda+36=(\lambda-4)(\lambda-9). \] 解特征向量:\(\lambda=4\) 时 \((A-4I)v=0\) 即 \(v_1+2v_2=0\),取 \(e_1=\frac{1}{\sqrt5}(2,-1)\);\(\lambda=9\) 时 \(-4v_1+2v_2=0\),取 \(e_2=\frac{1}{\sqrt5}(1,2)\)。\(e_1,e_2\) 是 \(\mathbb{R}^2\) 的标准正交基,令 \((x,y)=ue_1+ve_2\),由 9.23(b) 交叉项消失: \[ q=4u^2+9v^2. \] 考察水平集 \(q=36\): \[ \frac{u^2}{9}+\frac{v^2}{4}=1, \] 这是一个半轴为 \(3\) 与 \(2\) 的椭圆,长轴沿特征值 \(4\) 的特征方向 \(e_1\)(与 \(x\) 轴夹角约 \(26.6^{\circ}\)),短轴沿 \(e_2\)。换基矩阵 \[ C=\frac{1}{\sqrt5}\begin{pmatrix}2&1\\-1&2\end{pmatrix}\quad(\det C=1) \] 是旋转约 \(26.6^{\circ}\) 的正交矩阵,旋转后椭圆到达标准位置(图 1)。
判型. 水平集 \(q=c\)(\(c>0\))的形状由特征值符号决定,即由 \(q\) 的定性决定:特征值全正(正定)时是椭圆;一正一负(不定)时是双曲线,例如把上例中的矩阵换成 \(B=\begin{pmatrix}1&2\\2&1\end{pmatrix}\)(特征值 \(3\) 与 \(-1\)),水平集 \(q=1\) 化为 \(3u^2-v^2=1\),是一条双曲线;特征值全负(负定)时水平集无实轨迹。三个变量的情形同理,正定/负定/不定的二次型分别给出椭球面、虚椭球面与双曲面——二次型在原点附近的局部形状正是这三种「碗形、倒碗形、马鞍形」(图 2)。这与 7.B 的主轴定理、7.C 的正算子理论一脉相承:判断 \(q\) 正定,等价于判断相应的自伴算子是可逆正算子,二阶时即上面的「迹、行列式」判别法。
承上启下. 本节是第四版新增的内容:第三版的行列式一章直接从多重线性型开始,第四版则先铺设双线性型与二次型,使行列式理论有了更平缓的入口。它向上承接第 6–7 章(内积、自伴算子、谱定理、正算子)与 8.D(迹——见例 9.10(c) 的迹型与上面的二阶正定判别),向下开启本章余下部分:9.B 把「交错」推广到 \(m\) 个变元,证明 \(n\) 维空间上交错 \(n\)-线性型空间是一维的;9.C 据此给出算子行列式的基自由定义并证明其基本性质;9.D 介绍张量积。几何图景也在此交汇:双线性型与二次型的「几何」是二次曲面(主轴、惯性),而交错多重线性型的「几何」是有向面积与体积——行列式正是体积的乘法因子。
练习
练习 9.A-1
证明:若 \(\beta\) 是一维空间 \(\mathbb{F}\) 上的双线性型,则存在 \(c\in\mathbb{F}\) 使 \(\beta(x,y)=cxy\) 对一切 \(x,y\in\mathbb{F}\)。
解答令 \(c=\beta(1,1)\)。对任意 \(x,y\in\mathbb{F}\),利用 \(\beta\) 对两个变元分别线性, \[ \beta(x,y)=\beta(x\cdot1,\,y\cdot1)=xy\,\beta(1,1)=cxy. \] 这与定理 9.5(\(\dim V^{(2)}=1\))一致:\(\mathbb{F}\) 上的双线性型由一个常数决定。
练习 9.A-2
设 \(\beta\colon V\times V\to\mathbb{F}\) 是双线性型,同时又是 \(V\times V\) 上的线性映射(把 \(V\times V\) 视为按分量运算的向量空间)。证明 \(\beta=0\)。
解答对任意 \(u,v\in V\),注意 \((u,v)=(u,0)+(0,v)\)。由 \(\beta\) 是 \(V\times V\) 上的线性映射, \[ \beta(u,v)=\beta\big((u,0)+(0,v)\big)=\beta(u,0)+\beta(0,v). \] 而固定第一个变元后 \(v\mapsto\beta(u,v)\) 是线性泛函,故 \(\beta(u,0)=0\);同理 \(\beta(0,v)=0\)。于是 \(\beta(u,v)=0\) 对一切 \(u,v\) 成立,即 \(\beta=0\)。
练习 9.A-3
设 \(V\) 是实内积空间,\(\beta\in V^{(2)}\)。证明:存在唯一的算子 \(T\in\mathcal{L}(V)\) 使 \(\beta(u,v)=\langle u,Tv\rangle\) 对一切 \(u,v\in V\) 成立。
解答存在性. 固定 \(v\in V\),则 \(u\mapsto\beta(u,v)\) 是 \(V\) 上的线性泛函。由第 6 章的 Riesz 表示定理,存在唯一向量(记作 \(Tv\))使 \(\beta(u,v)=\langle u,Tv\rangle\) 对一切 \(u\) 成立。如此得到映射 \(T\colon V\to V\)。
线性. 对 \(a,b\in\mathbb{R}\) 与 \(v_1,v_2\in V\),对一切 \(u\) 有 \[ \langle u,\,T(av_1+bv_2)\rangle=\beta(u,av_1+bv_2)=a\beta(u,v_1)+b\beta(u,v_2)=\langle u,\,aTv_1+bTv_2\rangle. \] 内积的非退化性(对一切 \(u\) 成立即两向量相等)给出 \(T(av_1+bv_2)=aTv_1+bTv_2\),故 \(T\in\mathcal{L}(V)\)。
唯一性. 若 \(S\) 也满足条件,则 \(\langle u,Tv-Sv\rangle=0\) 对一切 \(u,v\) 成立;取 \(u=Tv-Sv\) 得 \(\|Tv-Sv\|^2=0\),故 \(Sv=Tv\) 对一切 \(v\) 成立。
结合例 9.10(b):如此对应的 \(\beta\) 对称当且仅当 \(T\) 自伴。
练习 9.A-4
承练习 3,设 \(T\) 是满足 \(\beta(u,v)=\langle u,Tv\rangle\) 的唯一算子。证明:\(\beta\) 是 \(V\) 上的内积,当且仅当 \(T\) 是可逆的正算子(见 7.C)。
解答注意 \(\beta(v,v)=\langle Tv,v\rangle\)。
(\(\Rightarrow\)) 设 \(\beta\) 是内积。\(\beta\) 对称,并利用实内积自身的对称性,对一切 \(u,v\) 有 \[ \langle u,Tv\rangle=\beta(u,v)=\beta(v,u)=\langle v,Tu\rangle=\langle Tu,v\rangle, \] 故 \(T=T^*\),即 \(T\) 自伴;又 \(\beta(v,v)>0\)(\(v\ne0\))给出 \(\langle Tv,v\rangle>0\),于是 \(T\) 是正算子。若 \(Tv=0\),则 \(\langle Tv,v\rangle=0\),与正定性矛盾(\(v\ne0\)),故 \(\ker T=\{0\}\),有限维情形 \(T\) 可逆。
(\(\Leftarrow\)) 设 \(T\) 是可逆正算子。\(\beta\) 的双线性性由练习 3 保证;对称性:\(\beta(u,v)=\langle u,Tv\rangle=\langle Tu,v\rangle=\langle v,Tu\rangle=\beta(v,u)\)。正定性:设 \(T=\sqrt{T}\,\sqrt{T}\)(正算子的平方根,7.C),则对 \(v\ne0\), \[ \beta(v,v)=\langle Tv,v\rangle=\langle \sqrt{T}v,\sqrt{T}v\rangle=\|\sqrt{T}v\|^2>0, \] 最后一步是因为 \(\sqrt{T}\) 仍可逆(正且无零特征值),故 \(\sqrt{T}v\ne0\)。于是 \(\beta\) 满足实内积的全部公理。
练习 9.A-5
证明或反驳:若 \(\rho\) 是 \(V\) 上的对称双线性型,则 \(\{v\in V:\rho(v,v)=0\}\) 是 \(V\) 的子空间。
解答反驳. 取 \(V=\mathbb{R}^2\),\(\rho(u,w)=u_1w_1-u_2w_2\)。则 \[ \{v:\rho(v,v)=0\}=\{(x,y):x^2=y^2\}=\{(x,y):y=x\}\cup\{(x,y):y=-x\}, \] 是两条对角直线之并。\((1,1)\) 与 \((1,-1)\) 都属于该集合,但其和 \((2,0)\) 满足 \(\rho\big((2,0),(2,0)\big)=4\ne0\),不属于该集合,故它对加法不封闭,不是子空间。(顺带可见该二次型 \(q=x^2-y^2\) 不定,正定型时该集合只有 \(\{0\}\)。)
练习 9.A-6
求 \(\dim V^{(2)}_{\mathrm{sym}}\) 与 \(\dim V^{(2)}_{\mathrm{alt}}\) 关于 \(n=\dim V\) 的公式。
解答由定理 9.5,取基后 \(\beta\mapsto\mathcal{M}(\beta)\) 是 \(V^{(2)}\to\mathbb{F}^{n,n}\) 的同构;由 9.12(a)\(\Leftrightarrow\)(b),它把 \(V^{(2)}_{\mathrm{sym}}\) 一一对应到对称矩阵全体。对称矩阵空间有一组基:对角矩阵 \(E_{j,j}\)(\(1\le j\le n\),共 \(n\) 个)与 \(E_{j,k}+E_{k,j}\)(\(1\le j<k\le n\),共 \(\tfrac{n(n-1)}2\) 个),故 \[ \dim V^{(2)}_{\mathrm{sym}}=n+\frac{n(n-1)}{2}=\frac{n(n+1)}{2}. \] 再由定理 9.17 的直和分解, \[ \dim V^{(2)}_{\mathrm{alt}}=\dim V^{(2)}-\dim V^{(2)}_{\mathrm{sym}}=n^2-\frac{n(n+1)}{2}=\frac{n(n-1)}{2}. \] (另一途径:由 9.16,\(V^{(2)}_{\mathrm{alt}}\) 对应斜对称矩阵 \(A^{\mathrm{t}}=-A\),其基为 \(E_{j,k}-E_{k,j}\),\(j<k\)。)