机器学习-入门

【介绍】矩阵迹的定义与运算

作者 : 老饼 发表日期 : 2023-01-31 14:00:02 更新日期 : 2024-12-21 09:32:38
本站原创文章,转载请说明来自《老饼讲解-机器学习》www.bbbdata.com



矩阵的迹一般用tr表示,它代表矩阵主对角元素的和,同时也是所有特征值之和

本文讲解矩阵迹的定义,以及矩阵迹的一些常用公式与用途,并给出迹的相关公式证明

通过本文,可以了解矩阵的迹是什么,以及矩阵迹的常用运算法则及其推导过程




   01. 矩阵的迹是什么   




本节讲解矩阵迹的定义,以及迹的常用运算




   矩阵的迹是什么   


矩阵迹的定义
矩阵的迹用tr表示,矩阵的迹是矩阵主对角元素之和
 例如,A的迹表示为,它代表A的主对角元素之和:
 
特别地,可以证明,矩阵A的迹也是A的所有特征值之和





       迹的常用公式      


矩阵迹的运算 
 
矩阵迹的常用运算如下:
1. 迹内两者可交换    :                             
2. 迹内多者可循环    : 
3. 迹可线性分解       :    
矩阵迹的特殊用法
 相当于 A与B对应元素相乘再求总和
即如下:
 
 其中,是哈达玛(Hadamard)积,即矩阵对应元素相乘
该公式双向都是常用的,在实际计算时,常常把转换为来计算,更加简洁
而在证明定理时,又往往喜欢把转换为,这样可以利用迹的运算公式来辅助证明







   02. 迹的运算法则证明    




本节对上节的运算法则进行证明




    迹的运算法则证明    


迹内两者可交换
证明 
 证明:
方法一:
AB第i个对角元素为, 则所有对角线元素之和为:
BA 第i个对角元素为,则所有对角线元素之和为:


即AB与BA对角元素之和一致,即迹一致
 
方法二:
 
式中 是因为的意义 是A和对应元素相乘后求和
则两者同时转置并不影响对应关系 
迹内多者可循环
证明
 证明:
1.
2.

迹可线性分解
证明
 证明:
 






好了,以上就是矩阵迹的定义以及常用的运算公式了~








 End 



联系老饼