定义
设 V 在域 K 上的 n 维向量空间。映射 是这个空间上的对称双线性形式,如果:
-
-
-
最后两个公理只蕴涵在第一个参数中的线性,但是第一个公理直接蕴涵了在第二个参数中的线性。
矩阵表示
设 是 V 的基。定义 矩阵 A 通过 。矩阵 A 是对称的完全由于双线性形式的对称性。如果 矩阵 x 表示关于这个基的一个向量 v,类似的 y 表示 w,则 给出为:
- 。
假设 C' 是 V 的另一个基,有着可逆的 矩阵 S 使得:
。现在对称双线性形式的新矩阵表示给出为
- 。
正交性和奇异性
对称双线性形式总是自反的。定义两个向量 v 和 w 是关于双线性形式 B 是正交的,如果 ,由于自反性它等价于 。
双线性形式 B 的根是正交于 V 中所有其他向量的向量的集合。你可以轻易查出它是 V 的子空间。在使用关于特定基的矩阵表示 A 的时候,由 x 表示的 v 在根中,当且仅当
-
矩阵 A 是奇异的,当且仅当根是不平凡的。
如果 W 是 V 的子空间,则正交于 W 中所有向量的集合 也是子空间。当 B 的根是平凡的时候, 的维度是 n − dim(W)。
正交基
基 关于 B 是正交的,当且仅当:
-
在域的特征不是2的时候,总存在正交基。这可以通过归纳法证明。
基 C 是正交的,当且仅当矩阵表示 A 是对角矩阵。
西尔维斯特惯性定理与惯性指数
一般情况下,西尔维斯特发现的惯性定理声称,在K为有序域的时候,简化后的二次型的矩阵表示中的对角元素等于 0、正或负的数目独立于正交基的选择。后两个数被称为双线性形式的正、负惯性指数[1]。
实数情况
当工作于在实数上的空间的时候,可以走的远一点。
设 是正交基。
我们定义一个新基
-
现在,新矩阵表示 A 将是在对角线上只有 0,1 和 -1 的对角矩阵。零将出现当且仅当根是非平凡的。
复数情况
当工作于在复数之上的空间中的时候,可以相当容易的走的更远一点。
设 是正交基。
我们定义新的基 :
-
现在新矩阵表示 A 将是在对角线上只有 0 和 1 的对角矩阵。零将出现当且仅当根是非平凡的。
正交极性
设 B 是双线性形式,它带有不同于 2 的特征的域 K 上的空间 V 上的根。现在可以定义从 V 的所有子空间的集合 D(V) 到自身的映射:
-
这个映射是在投影空间 PG(W) 上的正交极性。反过来说,你可以证明所有正交极性可以用这种方式引出,并且带有平凡根的两个对称双线性形式引发同样的极化,当且仅当它们差一个标量乘法。
参考文献