高等代数(十)-双线性函数与辛空间03：双线性函数

§ 3 双线性函数
定义 $3V$ 是数域 $P$ 上二个线性空间,
$f(\mathbf{\alpha },\mathbf{\beta })$ 是 $V$ 上二个二元函数, 即对
$V$ 中任意两个向量 $\mathbf{\alpha },\mathbf{\beta }$, 根据 $f$
都唯一地对应于 $P$ 中一个数
$f(\mathbf{\alpha },\mathbf{\beta })$. 如果
$f(\mathbf{\alpha },\mathbf{\beta })$ 有下列性质:
1)
$f\left(\mathbf{\alpha },k_1{\mathbf{\beta }}_1+k_2{\mathbf{\beta }}_2\right)=k_{1}f\left(\mathbf{\alpha },{\mathbf{\beta }}_1\right)+k_{2}f\left(\mathbf{\alpha },{\mathbf{\beta }}_2\right)$;
2)
$f\left(k_1{\mathbf{\alpha }}_1+k_2{\mathbf{\alpha }}_2,\mathbf{\beta }\right)=k_{1}f\left({\mathbf{\alpha }}_1,\mathbf{\beta }\right)+k_{2}f\left({\mathbf{\alpha }}_2,\mathbf{\beta }\right)$,
其中
$\mathbf{\alpha },{\mathbf{\alpha }}_1,{\mathbf{\alpha }}_2,\mathbf{\beta },{\mathbf{\beta }}_1,{\mathbf{\beta }}_2$
是 $V$ 中任意向量, $k_1,k_2$ 是 $P$ 中任意数, 则称
$f(\mathbf{\alpha },\mathbf{\beta })$ 为 $V$ 上的二个双线性函数.
这个定义实际上是说对于 $V$ 上双线性函数
$f(\mathbf{\alpha },\mathbf{\beta })$, 将其中一个变元固定时是另
一个变元的线性函数.
例 1 欧氏空间 $V$ 的内积是 $V$ 上双线性函数.
例 2 设 $f_1(\mathbf{\alpha }),f_2(\mathbf{\alpha })$
都是线性空间 $V$ 上的线性函数, 则
$$f(\mathbf{\alpha },\mathbf{\beta })=f_1(\mathbf{\alpha })f_2(\mathbf{\beta }),\mathbf{\alpha },\mathbf{\beta }\in V$$
是 $V$ 上的一个双线性函数.
例 3 设 $P^n$ 是数域 $P$ 上 $n$ 维列向量构成的线性空间,
$X,Y\in P^n$, 再设 $A$ 是 $P$ 上一个 $n$ 阶方阵. 令
$$f(\mathbf{X},\mathbf{Y})={\mathbf{X}}^{\top }\mathbf{A}\mathbf{Y},$$
则 $f(X,Y)$ 是 $P^n$ 上的一个双线性函数.
如果设
${\mathbf{X}}^{\top }=\left(x_1,x_2,\cdots ,x_n\right),{\mathbf{Y}}^{\top }=\left(y_1,y_2,\cdots ,y_n\right)$,
并设
$$\mathbf{A}=\left(\begin{array}{cccc}{a}_{11}& a_{12}& \cdots & a_{1n}\\ a_{21}& a_{22}& \cdots & a_{2n}\\ ⋮& ⋮& & ⋮\\ a_{n1}& a_{n2}& \cdots & a_{nn}\end{array}\right),$$
则
$$f(\mathbf{X},\mathbf{Y})=\sum _{i=1}^n\sum _{j=1}^n{a}_{ij}{x}_i{y}_j$$
(1) 或 (2) 实际上是数域 $P$ 上任意 $n$ 维线性空间 $V$ 上的双线性函数
$f(\alpha ,\beta )$ 的一般形式,可以如下地说明这一事实. 取 $V$ 的一组基
${\epsilon }_1,{\epsilon }_2,\cdots ,{\epsilon }_n$, 设
$$\begin{array}{c}\mathbf{\alpha }=\left({\mathbf{\epsilon }}_1,{\mathbf{\epsilon }}_2,\cdots ,{\mathbf{\epsilon }}_n\right)\left(\begin{array}{c}{x}_1\\ x_2\\ ⋮\\ x_n\end{array}\right)=\left({\mathbf{\epsilon }}_1,{\mathbf{\epsilon }}_2,\cdots ,{\mathbf{\epsilon }}_n\right)\mathbf{X},\\ \mathbf{\beta }=\left({\mathbf{\epsilon }}_1,{\mathbf{\epsilon }}_2,\cdots ,{\mathbf{\epsilon }}_n\right)\left(\begin{array}{c}{y}_1\\ y_2\\ ⋮\\ y_n\end{array}\right)=\left({\mathbf{\epsilon }}_1,{\mathbf{\epsilon }}_2,\cdots ,{\mathbf{\epsilon }}_n\right)\mathbf{Y},\end{array}$$

则
$$f(\mathbf{\alpha },\mathbf{\beta })=f\left(\sum _{i=1}^n{x}_i{\mathbf{\epsilon }}_i,\sum _{j=1}^n{y}_j{\mathbf{\epsilon }}_j\right)=\sum _{i=1}^n\sum _{j=1}^{n}f\left({\mathbf{\epsilon }}_i,{\mathbf{\epsilon }}_j\right)x_i{y}_j.$$
令
$$\begin{array}{c}{a}_{ij}=f\left({\mathbf{\epsilon }}_i,{\mathbf{\epsilon }}_j\right),i,j=1,2,\cdots ,n,\\ \mathbf{A}=(\begin{array}{cc}{a}_{11}& a_{12}\\ a_{21}& \\ ⋮& \\ a_{n1}& \end{array}\end{array}$$