主要内容

高等代数 多项式与线性代数

6.5 线性映射的运算

在本节中,我们将所从线性空间\(V\)到线性空间\(U\)的所有线性映射(即\(\mathcal{L}(V,U)\))看成一个整体,为这个集合中的元素定义一些运算,并讨论相关的性质。

子节 6.5.1 线性映射的加法与数乘

我们首先定义\(\mathcal{L}(V,U)\)上的加法和数乘运算。

定义 6.5.1.

\(V\)\(U\)为数域\(\F\)上的两个线性空间,对于任意\(\varphi, \psi \in \mathcal{L}(V,U)\)以及\(c \in \F\),定义线性映射的加法和数乘运算如下
  • 加法运算 \(\varphi + \psi\)\((\varphi+ \psi) (\alpha) = \varphi(\alpha) + \psi(\alpha), \forall \alpha \in V\)
  • 数乘运算 \(c \varphi\)\((c\varphi) (\alpha) = c \varphi(\alpha), \forall \alpha \in V\)
我们可以验证,对线性映射进行加法和数乘运算之后得到的映射还是线性映射。首先考虑加法运算,给定任意\(\alpha, \beta \in V\)以及\(c_{1}, c_{2} \in \F\),根据线性映射加法运算的定义6.5.1,对于任意\(\varphi, \psi \in \mathcal{L}(V,U)\)我们有
\begin{equation*} (\varphi + \psi)(c_{1} \alpha + c_{2} \beta) = \varphi(c_{1} \alpha + c_{2} \beta) + \psi(c_{1} \alpha + c_{2} \beta). \end{equation*}
由于\(\varphi, \psi\)\(V\)\(U\)的线性映射,我们可进一步展开得
\begin{align*} (\varphi + \psi)(c_{1} \alpha + c_{2} \beta) \amp = c_{1} \varphi(\alpha) + c_{2} \varphi(\beta) + c_{1} \psi(\alpha) + c_{2} \psi(\beta) \\ \amp = c_{1} (\varphi + \psi)(\alpha) + c_{2} (\varphi + \psi) (\beta), \end{align*}
其中最后一个等式再次用到了线性映射加法运算的定义。因而\(\varphi + \psi\)保持线性运算,由命题6.3.11知,\(\varphi + \psi\)是线性映射。
接下来考虑数乘运算。类似地,对于任意\(\alpha, \beta \in V\)以及\(c, c_{1}, c_{2} \in \F\)我们有
\begin{align*} (c \varphi)(c_{1} \alpha + c_{2} \beta)\amp = c \varphi(c_{1} \alpha + c_{2} \beta)\\ \amp = c c_{1} \varphi(\alpha) + c c_{2} \varphi(\beta)\\ \amp = c_{1} (c\varphi)(\alpha) + c_{2} (c\varphi)(\beta). \end{align*}
因此,\((c \varphi)\)也是保持线性运算的线性映射。
根据上述讨论,线性映射的加法运算和数乘运算关于\(\mathcal{L}(V,U)\)都满足封闭性。此外,不难验证线性映射的加法和数乘运算同时满足定义6.1.1和定义6.1.2中要求的其他性质,我们将具体的验证工作留给读者作为练习。
由此,我们引出本节的一个重要结论:线性映射集合本身构成一个线性空间。

子节 6.5.2 线性映射的乘法

本小节,我们讨论关于线性映射的另一种运算:乘法运算。

定义 6.5.3.

\(U,V,W\)为数域\(\F\)上的线性空间,给定线性映射\(\varphi \in \mathcal{L}(V,U)\)\(\psi \in \mathcal{L}(U,W)\)\(\psi\)\(\varphi\)乘积 \(\psi \varphi \in \mathcal{L}(V,W)\)定义如下
\begin{equation*} \psi \varphi (\alpha) = \psi ( \varphi(\alpha)), \quad \forall \alpha \in V. \end{equation*}
显然\(\psi \varphi\)确实是\(V\)\(W\)的映射。不过,为了说明上述定义是合法的,我们还需验证\(\psi \varphi\)是线性映射。由线性映射乘法的定义以及\(\varphi\)\(\psi\)的线性性,对于任意\(\alpha, \beta \in V\)以及\(c_{1}, c_{2} \in \F\)我们有
\begin{align*} \psi \varphi(c_{1} \alpha + c_{2} \beta) \amp = \psi ( \varphi (c_{1} \alpha + c_{2} \beta)) \\ \amp = \psi (c_{1} \varphi(\alpha) + c_{2} \varphi(\beta))\\ \amp = c_{1} \psi(\varphi (\alpha)) + c_{2} \psi (\varphi(\beta))\\ \amp = c_{1} \psi \varphi(\alpha) + c_{2} \psi \varphi(\beta), \end{align*}
\(\psi \varphi\)确实是从\(V\)\(W\)的线性映射。

备注 6.5.4.

从上述定义可以看出,\(\psi\)\(\varphi\)的乘积本质上就是两个线性映射的合成(见定义B.2.30

备注 6.5.5.

此外,需要注意,不是任意两个线性映射都能相乘,\(\psi\)的原像空间与\(\varphi\)的像空间须要匹配才能相乘。然而,作为特殊情况,从同一个线性空间到自身的不同线性变换可以任意相乘。这也为线性变换带来更丰富的代数结构,我们将在第7章做更深入的讨论。
下面,我们举一个由矩阵乘法诱导的线性映射乘法的重要例子(我们将在第6.7节中看到,对于有限维线性空间来说,线性映射乘法等价与矩阵乘法)。

6.5.6.

设有矩阵\(A \in \F^{m \times n}, B \in \F^{n \times p}\),定义线性映射\(\varphi: \F^{p} \to \F^{n}, \alpha \mapsto B \alpha\)\(\psi: \F^{n} \to \F^{m}, \beta \mapsto A \beta\),则\(\psi\)\(\varphi\)的乘积可由下面的映射给出
\begin{equation*} \psi \varphi (\alpha) = \psi (\varphi(\alpha)) = \psi(B \alpha) = AB \alpha, \quad \forall \alpha \in \F^{p}, \end{equation*}
\(\psi\)\(\varphi\)相乘对应了\(A\)\(B\)的矩阵相乘。
本节的最后,我们列举一些线性映射乘法的性质。

证明.

对任意\(\alpha \in V\),由线性映射乘法运算的定义以及恒等映射的定义得
\begin{equation*} \varphi{\rm id}_{V} (\alpha) = \varphi({\rm id}_{V}(\alpha)) = \varphi(\alpha) ={\rm id}_{U} (\varphi(\alpha)) ={\rm id}_{U} \varphi(\alpha). \end{equation*}

证明.

对任意\(\alpha \in V_{1}\),我们有
\begin{equation*} \delta (\psi \varphi) (\alpha) = \delta ( \psi (\varphi(\alpha))) = \delta \psi (\varphi(\alpha)) = (\delta \psi) \varphi (\alpha). \end{equation*}

证明.

我们证明第一部分的右乘分配律,第二部分的左乘分配律可通过类似的方法证明。
对任意\(\alpha \in V\),由线性映射乘法的定义得
\begin{equation*} (\psi_{1} + \psi_{2}) \varphi (\alpha) = (\psi_{1} + \psi_{2}) ( \varphi(\alpha)). \end{equation*}
再由线性映射加法的定义得
\begin{equation*} (\psi_{1} + \psi_{2}) \varphi (\alpha) = \psi_{1}( \varphi(\alpha)) + \psi_{2} (\varphi(\alpha)) = \psi_{1} \varphi (\alpha) + \psi_{2} \varphi (\alpha). \end{equation*}

备注 6.5.10.

我们注意到,上述关于线性映射乘法的性质可推广到一般映射的合成,并不依赖于线性映射保持线性运算的具体性质。
最后,我们指出,由于矩阵乘法是线性映射乘法的特例(见例6.5.6),一般情况下线性映射的乘法不满足交换律。下面我们举另一个例子说明。

6.5.11. 线性映射乘法的非交换性.

考虑例6.3.6中的映射\(\varphi: \R[x] \to \R[x], p(x) \mapsto x p(x)\)和例6.3.7中的映射\(D : D[a,b] \to \R, f \mapsto f'\)
给定多项式\(p \neq 0 \in \R[x]\),一方面我们有
\begin{equation*} D \varphi (p) (x) = D (\varphi(p))(x) = D(xp)(x) = p(x) + xp'(x). \end{equation*}
另一方面,
\begin{equation*} \varphi D(p)(x) = \varphi( D(p))(x) = \varphi(p')(x) = x p'(x). \end{equation*}
所以,\(D \varphi \neq \varphi D\),交换律不成立。