
上QQ阅读APP看书,第一时间看更新
3.7 迹运算
在不使用求和符号的情况下,有的矩阵运算会难以描述,而通过矩阵乘法和迹运算符号,则可以清楚地进行表示。一个n阶方阵A的主对角线上各个元素的总和被称为矩阵A的迹,迹运算返回的是矩阵对角元素的和:

矩阵的迹有众多的性质,接下来将列出较为重要的几种。
(1)迹运算提供了另一种描述矩阵F范数的方式:

(2)矩阵的迹运算满足多个等价关系。例如,迹运算在转置运算下是不变的:
Tr(A)=Tr(AT)
多个矩阵相乘得到的方阵的迹,和将这些矩阵中最后一个挪到最前面之后相乘的迹是相同的(需要注意的是,在进行该操作时要保证挪动之后的矩阵乘积依然定义良好)。
Tr(ABC)=Tr(CAB)=Tr(BCA)
n个矩阵的有效迹的通用的表达式如下所示:

即使循环置换后矩阵乘积得到的矩阵形状发生改变,迹运算的结果仍然保持不变。例如,假设矩阵A∈Rm×n,矩阵B∈Rn×m,可以得到如下表达式。
Tr(AB)=Tr(BA)
尽管AB∈Rm×m和AB∈Rn×n。值得注意的是,标量在迹运算后仍然是它自身:a=Tr(a)。