![Python快乐编程:人工智能深度学习基础](https://wfqqreader-1252317822.image.myqcloud.com/cover/181/44510181/b_44510181.jpg)
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:
![](https://epubservercos.yuewen.com/507925/23721665909549406/epubprivate/OEBPS/Images/Figure-P70_15466.jpg?sign=1739280911-WVkfQrQHlvlydJWFVONkdJ7ZQcLV8qtq-0-f9be8708940393b390cc3164807717dd)
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:
![](https://epubservercos.yuewen.com/507925/23721665909549406/epubprivate/OEBPS/Images/Figure-P70_15468.jpg?sign=1739280911-hopLUPItIWJkUHJxAIHzyMuCMgJkWcY7-0-f526f7fd05f4eb8dd9e2f1ed70787c91)
(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:
![](https://epubservercos.yuewen.com/507925/23721665909549406/epubprivate/OEBPS/Images/Figure-P70_15472.jpg?sign=1739280911-aE39TNnyalvIcOqVA3HJNWh4FSwYoelk-0-38115547b8286b7e2e0bf6f2d158424c)
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)。