1 概念与定义
双线性型（bilinear form）是在向量空间上定义的一类“同时对两个变量线性”的函数。给定域 \(F\) 上的向量空间 \(V\)，双线性型通常记为 \[ B:V\times V\to F, \] 其含义是对其中每个自变量单独固定后，关于另一个自变量的变化是线性的。
1.1 双线性型的形式化定义
设 \(V\) 为 \(F\) 上的向量空间。函数 \(B:V\times V\to F\) 称为双线性型，若对任意 \(u,v,w\in V\) 与任意标量 \(a\in F\)，满足：
- 关于第一个变量线性：
\[ B(au+v,w)=aB(u,w)+B(v,w). \]
- 关于第二个变量线性：
\[ B(u,aw+v)=aB(u,w)+B(u,v). \]
由这两条可推出更一般的双线性展开形式，例如 \[ B(u+u',v+v')=B(u,v)+B(u,v')+B(u',v)+B(u',v'). \]
1.2 线性性条件与双线性分解
双线性型可以看作“两个线性结构的耦合”。一种常见处理方式是固定其中一个变量，将其视为从 \(V\) 到 \(F\) 的线性泛函。例如对给定 \(v\in V\)，定义 \[ \phi_v(u)=B(u,v). \] 则 \(\phi_v\in V^*\)（对所有 \(u\) 线性）。同理，也可固定第一个变量得到关于第二个变量的线性泛函。
因此，双线性型既可视为“从第二个变量产生线性泛函的映射”，也可视为“从第一个变量产生线性泛函的映射”，本质上对应到某种由双线性性诱导的线性算子/同构结构。
1.3 矩阵表示与基依赖性
若 \(V\) 有有限维且选取一组基 \(\{e_i\}_{i=1}^n\)，则双线性型可由其在基上的值确定。令 \[ b_{ij}=B(e_i,e_j), \] 则可形成矩阵 \( [B] = (b_{ij}) \)。
对任意向量 \(u=\sum_i x_i e_i\)、\(v=\sum_j y_j e_j\)，有 \[ B(u,v)=x^\mathsf{T}[B]\,y \] （在域 \(F\) 上以对应的转置/乘法解释为准）。当更换基时，矩阵不以普通相似方式变化，而是以“同变/伴随”样式变化（详见第 4 章）。
1.4 与一元线性型/双射之间的关系
“从一个变量得到线性泛函”的观点把双线性型与一元线性型（线性泛函）联系起来。具体而言，上述 \(\phi_v\) 是从 \(V\) 到 \(F\) 的线性映射；同样地，对每个 \(u\) 也有 \[ \psi_u(v)=B(u,v), \] 并且双线性性保证这些映射随固定变量线性变化。
若进一步要求由双线性型诱导的映射在合适条件下成为双射，则会引出非退化概念（见第 2.3），并与 \(V\cong V^*\) 的结构联系（见第 3.3）。
2 基本性质
双线性型的性质通常从对称性、交替性（或更准确地说“是否满足某种自对项条件”）、退化程度以及正交关系等方面展开。
2.1 对称双线性型与反对称双线性型
- 对称双线性型：满足
\[ B(u,v)=B(v,u),\quad \forall u,v\in V. \] 在矩阵层面表现为 \( [B] \) 为对称矩阵（\( [B]^\mathsf{T}=[B] \)）。
- 反对称双线性型：满足
\[ B(u,v)=-B(v,u),\quad \forall u,v\in V. \] 矩阵层面对应 \( [B]^\mathsf{T}=-[B] \)。
这两类在分类和化简中常成为第一步的划分依据。需要注意的是，在特征为 2 的情形，“对称”和“反对称”会出现相容性或退化的现象（例如反对称的条件可能不再强迫 \(B(u,u)\) 为零），因此通常会结合域的特征讨论。
2.2 交替（交错）双线性型
双线性型称为交替（也常写作交错）若对所有 \(u\in V\)， \[ B(u,u)=0. \] 交替条件与反对称条件在特征不为 2 的域上关系紧密：反对称双线性型必为交替，而交替型在特征不为 2 的条件下也可以推出反对称性。
交替性在几何与代数中常用来构造类辛结构、研究对应的李代数形式等（本文重点仍放在一般性质层面）。
2.3 非退化双线性型
双线性型 \(B\) 称为非退化，若当某个向量与所有向量都“配对”为零时，它本身必须为零。更精确地说，令 \[ \operatorname{Rad}_L=\{u\in V:\ B(u,v)=0,\ \forall v\in V\}, \] \[ \operatorname{Rad}_R=\{v\in V:\ B(u,v)=0,\ \forall u\in V\}. \] 若 \(\operatorname{Rad}_L=\{0\}\) 且 \(\operatorname{Rad}_R=\{0\}\)，则称为非退化。若 \(B\) 是对称型或双线性型在合适条件下左右等价，常可只需检查一侧的退化空间。
非退化意味着由 \(B\) 诱导的“到对偶空间”的映射不会丢失信息，从而与第 3 章中的同构建立直接联系。
2.4 核、像与维数对应
从映射视角出发，把双线性型转化为线性映射后，核、像与维数之间的关系可用标准线性代数定理处理。以 \[ \phi:V\to V^*,\quad \phi(v)(u)=B(u,v) \] 为例，则 \(\ker\phi\) 正是左/右退化空间之一（与左右约定有关）。当 \(\phi\) 非退化时，\(\ker\phi=\{0\}\)。
若 \(\dim V=n\)，则由秩—零化度量（rank-nullity）可得 \[ \dim(\operatorname{Im}\phi)=n-\dim(\ker\phi). \] 因此，退化的维数刻画了“有多少方向无法被 \(B\) 检测到”。
2.5 正交补与正交性概念
给定双线性型 \(B\)，可定义关于 \(B\) 的正交性：对任意子空间 \(W\subseteq V\)，其正交补常定义为 \[ W^\perp=\{v\in V:\ B(v,w)=0,\ \forall w\in W\}, \] 或也可能采用 \(B(w,v)=0\) 的右正交补；在对称情形两者一致，在一般情形需要明确选择哪一种。
正交补的维数与包含关系也与非退化性紧密相关：在非退化情形下，往往能得到 \(W\) 的双重正交补与 \(W\) 的关系（例如 \(W^{\perp\perp}=W\) 在适当定义与有限维条件下成立），从而使“正交分解”成为可能。
3 伴随与对应结构
双线性型与线性代数中的“伴随”“对偶空间”结构相互连接。通过适当的诱导映射，双线性型会自然地对应到某类与 \(V^*\) 相关的对象。
3.1 伴随映射的定义与刻画
如前所述，固定一个变量可以把 \(B\) 看成对偶空间中的线性泛函。更一般地，可以定义如下线性映射： \[ \phi:V\to V^*,\quad \phi(v)=B(\cdot,v), \] 即 \(\phi(v)(u)=B(u,v)\)。
同样也可定义另一映射（若需要区分左/右形式）： \[ \psi:V\to V^*,\quad \psi(u)=B(u,\cdot), \] 即 \(\psi(u)(v)=B(u,v)\)。
它们的核恰对应不同方向的退化空间。对称或反对称等特殊情形下，左、右的结构往往可以相互转换，简化分析。
3.2 自伴随算子与双线性型的兼容性
给定双线性型 \(B\)，对线性算子 \(T:V\to V\)，可讨论与 \(B\) 的兼容性：例如称 \(T\) 自伴随（或 \(B\)-对伴随、与 \(B\) 兼容）如果 \[ B(Tu,v)=B(u,Tv),\quad \forall u,v\in V. \] 该条件可视为“把 \(T\) 从左移到右”时不改变双线性值的要求。
在矩阵层面，这通常导向某种“伴随关系”与 \(B\) 的矩阵 \( [B] \) 的公式（例如使用矩阵表示时，可写成与转置和 \( [B] \) 相关的方程）。这类概念在研究对称性、对角化与标准形时常起到组织作用。
3.3 双线性型诱导的同构：\(V \cong V^*\)
当双线性型 \(B\) 非退化时，上述映射 \(\phi:V\to V^*\) 成为同构（双射）。直观上，非退化意味着“给定一个向量后，它与所有向量的配对信息足够确定该向量”，因此能把 \(V\) 嵌入到其对偶空间并且反过来可恢复。
因此，非退化双线性型为有限维空间提供了一种自然的“标定”：把向量转换为线性泛函的方式不依赖额外结构，从而让伴随、对称算子等概念可直接用同构后的对偶空间语言表达。
3.4 与双对偶空间的联系
对有限维向量空间而言，存在自然的同构 \(V\cong V^{**}\)。双线性型通过诱导映射 \(V\to V^*\) 再到 \(V^{**}\)，可以将“对偶的两次过程”与“由 \(B\) 建立的标定”对齐。其结果是：许多在一般对偶框架下需要额外说明的对象（例如某些伴随算子的定义方式），在使用非退化双线性型时可以获得更简洁一致的表述。
在分类问题中，这种联系也常被用来解释为何某些不变量在合适变换下保持。
4 变换、等价与分类
双线性型的研究不仅关注定义本身，还关注在基变换或更一般的等价关系下，哪些性质保持不变，进而实现分类。
4.1 同变（congruence）与等价的含义
在基变换 \(u=P u'\)、\(v=P v'\)（其中 \(P\) 为可逆矩阵）下，双线性型矩阵会发生与 \(P\) 的“同变”相关的变化。通常讨论的等价关系是：若存在可逆线性变换 \(S:V\to V\)，使得对所有 \(u,v\in V\) \[ B'(u,v)=B(Su,Sv), \] 则称 \(B\) 与 \(B'\) 在该意义下等价（常称为同余/同变等价，对应“合同”思想）。
这种等价保留了双线性型的本质几何或代数信息，而不是仅保留某个基下的矩阵数值。
4.2 基变换下的矩阵变换规则
设 \( [B] \) 是在某基下的矩阵，基更换由可逆矩阵 \(P\) 表示。常见结论是新矩阵满足 \[ [B'] = P^\mathsf{T}[B]\,P \] （当双线性型以 \(x^\mathsf{T}[B]y\) 表示时，这是与同变等价相匹配的标准形式）。
该规则直接解释了为什么对称性、反对称性、交替性等性质能在等价类中保持：因为转置与取负号在该变换下相容。
4.3 合同类、不变量与分类策略
在给定等价关系（同变/合同）下，分类策略通常寻找在变换下保持不变的量，例如：
- 非退化性（是否存在非平凡核）；
- 秩（在非退化与退化混合情形下，秩反映退化维数）；
- 对称型、反对称型、交替型的类型；
- 进一步的细分不变量（例如在某些域上对称型会引入额外的判别信息）。
分类往往分步骤进行：先区分对称/反对称/交替，再在同一类型下利用可逆变换把矩阵尽量化简，最后用剩余参数区分合同类。
4.4 标准形与化简思路（概览）
“标准形”通常指：在给定等价关系下，能将双线性型的矩阵通过可逆变换化为某种结构更简单的矩阵，从而使分类问题转化为参数识别。
对称双线性型的化简思想通常涉及分解成若干基本块；对交替型则常出现由 2 维或特定秩结构组成的块式表达；反对称型与交替在合适特征条件下关系紧密，因此标准块也会高度相似。本文在此仅作概览性描述，核心在于说明：标准形是“化简 + 分类参数”的结合，而非单纯的行列式或秩计算。
4.5 特殊情形：对称、反对称与交替的差异
三类特殊形在分类与性质上呈现差异：
- 对称型强调 \(B(u,v)\) 与 \(B(v,u)\) 的一致性，常与自伴随算子、正交分解等自然结构耦合。
- 反对称型强调符号翻转，常与“配对值的抵消”有关；在特定特征下其与交替条件产生简化关系。
- 交替型以 \(B(u,u)=0\) 为特征，在许多体系中其标准化块结构更直接，且与某些“几何上偏斜”的配对概念相吻合。
在实际分类中，先确定类型能显著缩小等价类搜索空间，并简化标准形推导的步骤。