【数学】【矩阵】迹(Trace)及相关性质

这篇具有很好参考价值的文章主要介绍了【数学】【矩阵】迹(Trace)及相关性质。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

很多数学上的性质都记不牢,每次用到都需要重新推导。为了减少此类时间浪费,决定以后每次使用时彻底整理好,自用之余也可造福读者。
本文所有内容均已严格查证并推导,但限于水平,难免有误。恳请发现问题的各位予以指正,谢谢!

1. 迹的定义

在线性代数中,将 n n n阶方阵(即 n × n n\times n n×n矩阵) A {\bf A} A的主对角线上各个元素的和称为方阵 A {\bf A} A的迹(trace),记为 t r ( A ) {\rm tr}(\bf A) tr(A)

这里需要注意的是,迹是在方阵上定义的。如果不是方阵,那么就没有迹。MATLAB中可以对方阵A直接使用trace函数来得到其迹(代码:trace(A)),但如果对非方阵使用trace函数,将报错“矩阵必须为方阵”。

2. 迹运算的基本性质

(1) 转置不改变迹: t r ( A T ) = t r ( A ) {\rm tr}({\bf A}^{\rm T}) = {\rm tr}(\bf A) tr(AT)=tr(A)
(2) 迹运算是线性运算: t r ( a A + b B ) = a ⋅ t r ( A ) + b ⋅ t r ( B ) {\rm tr}(a{\bf A}+b{\bf B}) = a\cdot{\rm tr}({\bf A}) + b\cdot{\rm tr}({\bf B}) tr(aA+bB)=atr(A)+btr(B)
(3) 交换矩阵乘法顺序不改变迹:
t r ( A B ) = t r ( B A ) {\rm tr}({\bf AB})={\rm tr}({\bf BA}) tr(AB)=tr(BA)
t r ( A B C ) = t r ( C A B ) = t r ( B C A ) {\rm tr}({\bf ABC})={\rm tr}({\bf CAB})={\rm tr}({\bf BCA}) tr(ABC)=tr(CAB)=tr(BCA)

3. 迹与偏导的常见混合运算

(1) ∂ t r ( A B ) ∂ A = B T \frac{\partial{\rm tr}({\bf AB})}{\partial {\bf A}}= {\bf B}^{\rm T} Atr(AB)=BT, ∂ t r ( A B ) ∂ B = A T \frac{\partial{\rm tr}({\bf AB})}{\partial {\bf B}}= {\bf A}^{\rm T} Btr(AB)=AT
(2) ∂ t r ( A A T ) ∂ A = 2 A \frac{\partial {\rm tr}( {\bf A} {\bf A}^{\rm T} )}{\partial {\bf A}}= 2{\bf A} Atr(AAT)=2A
证明: ∂ t r ( A A T ) ∂ A \frac{\partial {\rm tr}( {\bf A} {\bf A}^{\rm T} )}{\partial {\bf A}} Atr(AAT)
= ∂ t r ( A 不变 A T ) ∂ A + ∂ t r ( A A 不变 T ) ∂ A =\frac{\partial {\rm tr}( {\bf A}_{不变} {\bf A}^{\rm T} )}{\partial {\bf A}}+\frac{\partial {\rm tr}( {\bf A} {\bf A}^{\rm T}_{不变} )}{\partial {\bf A}} =Atr(A不变AT)+Atr(AA不变T)
= 2 ∂ t r ( A A 不变 T ) ∂ A =2\frac{\partial {\rm tr}( {\bf A} {\bf A}^{\rm T}_{不变} )}{\partial {\bf A}} =2Atr(AA不变T)(利用2中性质(1),有 ∂ t r ( A 不变 A T ) ∂ A = ∂ t r ( A A 不变 T ) ∂ A \frac{\partial {\rm tr}( {\bf A}_{不变} {\bf A}^{\rm T} )}{\partial {\bf A}}=\frac{\partial {\rm tr}( {\bf A} {\bf A}^{\rm T}_{不变} )}{\partial {\bf A}} Atr(A不变AT)=Atr(AA不变T)
= 2 A =2{\bf A} =2A
(3) ∂ t r ( A B A T C ) ∂ A = C A B + C T A B T \frac{\partial {\rm tr}( {\bf AB} {\bf A}^{\rm T}{\bf C} )}{\partial {\bf A}}= {\bf CAB} + {\bf C}^{\rm T} {\bf A}{\bf B}^{\rm T} Atr(ABATC)=CAB+CTABT
证明: ∂ t r ( A B A T C ) ∂ A \frac{\partial {\rm tr}( {\bf AB} {\bf A}^{\rm T}{\bf C} )}{\partial {\bf A}} Atr(ABATC)
= ∂ t r ( A 不变 B A T C ) ∂ A + ∂ t r ( A B A 不变 T C ) ∂ A =\frac{\partial {\rm tr}( {\bf A}_{不变} {\bf B} {\bf A}^{\rm T}{\bf C} )}{\partial {\bf A}}+\frac{\partial {\rm tr}( {\bf AB} {\bf A}^{\rm T}_{不变}{\bf C} )}{\partial {\bf A}} =Atr(A不变BATC)+Atr(ABA不变TC)
= ∂ t r ( A T C A 不变 B ) ∂ A + ∂ t r ( A B A 不变 T C ) ∂ A =\frac{\partial {\rm tr}({\bf A}^{\rm T} {\bf C} {\bf A}_{不变} {\bf B})}{\partial {\bf A}}+\frac{\partial {\rm tr}( {\bf AB} {\bf A}^{\rm T}_{不变}{\bf C} )}{\partial {\bf A}} =Atr(ATCA不变B)+Atr(ABA不变TC)(利用2中性质(1))
= ∂ t r ( B T A 不变 T C T A ) ∂ A + ∂ t r ( A B A 不变 T C ) ∂ A =\frac{\partial {\rm tr}({\bf B}^{\rm T} {\bf A}_{不变}^{\rm T} {\bf C}^{\rm T} {\bf A})}{\partial {\bf A}}+\frac{\partial {\rm tr}( {\bf AB} {\bf A}^{\rm T}_{不变}{\bf C} )}{\partial {\bf A}} =Atr(BTA不变TCTA)+Atr(ABA不变TC)(利用2中性质(3))
= ( B T A T C T ) T + ( B A T C ) T ={({\bf B}^{\rm T} {\bf A}^{\rm T} {\bf C}^{\rm T})}^{\rm T}+{({\bf B} {\bf A}^{\rm T}{\bf C})}^{\rm T} =(BTATCT)T+(BATC)T(利用3中结果(1))
= C A B + C T A B T ={\bf CAB} + {\bf C}^{\rm T} {\bf A}{\bf B}^{\rm T} =CAB+CTABT文章来源地址https://www.toymoban.com/news/detail-782409.html

到了这里,关于【数学】【矩阵】迹(Trace)及相关性质的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 宋浩线性代数笔记(二)矩阵及其性质

    更新线性代数第二章——矩阵,本章为线代学科最核心的一章,知识点多而杂碎,务必仔细学习。 重难点在于: 1.矩阵的乘法运算 2.逆矩阵、伴随矩阵的求解 3.矩阵的初等变换 4.矩阵的秩 (去年写的字,属实有点ugly,大家尽量看。。。) 首先来看一下考研数学一种对这一章

    2024年02月15日
    浏览(58)
  • 线性代数矩阵秩的8大性质、重要定理以及关系

             

    2024年02月11日
    浏览(33)
  • 线性代数本质系列(一)向量,线性组合,线性相关,矩阵

    本系列文章将从下面不同角度解析线性代数的本质,本文是本系列第一篇 向量究竟是什么? 向量的线性组合,基与线性相关 矩阵与线性相关 矩阵乘法与线性变换 三维空间中的线性变换 行列式 逆矩阵,列空间,秩与零空间 克莱姆法则 非方阵 点积与对偶性 叉积 以线性变换

    2024年02月04日
    浏览(43)
  • 【学习笔记】(数学)线性代数-矩阵的概念和特殊矩阵

    由 m × n mtimes n m × n 个数按一定的次序排成的 m m m 行 n n n 列的矩形数表成为 m × n mtimes n m × n 的矩阵,简称 矩阵 (matrix)。 横的各排称为矩阵的 行 ,竖的各列称为矩阵的 列 。 元素为实数的称为 实矩阵 ,一般情况下我们所讨论的矩阵均为实矩阵。 1 行 n n n 列的矩阵称为

    2024年02月09日
    浏览(34)
  • 图解AI数学基础 | 线性代数与矩阵论

    一个标量就是一个单独的数。 只具有数值大小,没有方向 (部分有正负之分),运算遵循一般的代数法则。 一般用小写的变量名称表示。 质量mmm、速率vvv、时间ttt、电阻ρrhoρ 等物理量,都是数据标量。 向量指具有大小和方向的量,形态上看就是一列数。 通常赋予向量

    2024年04月10日
    浏览(38)
  • 线性代数的学习和整理20,关于向量/矩阵和正交相关,相似矩阵等

    目录 1 什么是正交 1.1 正交相关名词 1.2 正交的定义 1.3 正交向量 1.4 正交基 1.5 正交矩阵的特点 1.6 正交矩阵的用处 orthogonal set 正交向量组 正交变换 orthogonal matrix 正交矩阵 orthogonal basis 正交基 orthogonal decomposition 正交分解 正交的定义:内积为0 正交一定线性无关 其实不共线也

    2024年02月09日
    浏览(44)
  • 线性代数的学习和整理20,关于向量/矩阵和正交相关,相似矩阵等(草稿)

    目录 1 什么是正交 1.1 正交相关名词 1.2 正交的定义 1.3 正交向量 1.4 正交基 1.5 正交矩阵的特点 1.6 正交矩阵的用处 orthogonal set 正交向量组 正交变换 orthogonal matrix 正交矩阵 orthogonal basis 正交基 orthogonal decomposition 正交分解 正交的定义:内积为0 正交一定线性无关 其实不共线也

    2024年02月09日
    浏览(36)
  • 【考研数学】线性代数第六章 —— 二次型(3,正定矩阵与正定二次型)

    (1)二次型 f ( x 1 , x 2 , x 3 ) = x 1 2 + 3 x 2 2 + 2 x 3 2 = X T A X f(x_1,x_2,x_3)=x_1^2+3x_2^2+2x_3^2=pmb{X^TAX} f ( x 1 ​ , x 2 ​ , x 3 ​ ) = x 1 2 ​ + 3 x 2 2 ​ + 2 x 3 2 ​ = X T A X 有如下特点: 对任意的 x 1 , x 2 , x 3 x_1,x_2,x_3 x 1 ​ , x 2 ​ , x 3 ​ ,有 f ( x 1 , x 2 , x 3 ) ≥ 0 f(x_1,x_2,x_3)geq0 f ( x 1 ​

    2024年02月07日
    浏览(35)
  • 线性代数|证明:线性空间的基本性质

    性质 1 零向量是唯一的。 证明 设 0 1 , 0 2 boldsymbol{0}_1, boldsymbol{0}_2 0 1 ​ , 0 2 ​ 是线性空间 V V V 中的两个零向量,即对任何 α ∈ V boldsymbol{alpha} in V α ∈ V ,有 α + 0 1 = α α + 0 2 = α begin{align*} boldsymbol{alpha} + boldsymbol{0}_1 = boldsymbol{alpha} tag{1} \\\\ boldsymbol{alpha} + bold

    2024年02月07日
    浏览(34)
  • 线性代数|线性空间的定义与性质

    定义 1 设 V V V 是一个非空集合, R R R 为实数域。如果在 V V V 中定义了一个 加法 ,即对于任意两个元素 α , β ∈ V boldsymbol{alpha}, boldsymbol{beta} in V α , β ∈ V ,总有唯一的一个元素 γ ∈ V boldsymbol{gamma} in V γ ∈ V 与之对应,称为 α boldsymbol{alpha} α 与 β boldsymbol{beta

    2024年02月07日
    浏览(37)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包