首页 > 其他分享 >线性代数2.矩阵的迹&转置&对称矩阵

线性代数2.矩阵的迹&转置&对称矩阵

时间:2024-12-27 23:19:37浏览次数:5  
标签:... 转置 tr sum 矩阵 times cdot 线性代数 矩阵的迹

2.矩阵的迹&转置&对称矩阵

2.1 矩阵的迹

定义:

  • \(n \times n\)矩阵主对角线上元素的总和称为\(矩阵的迹\)
  • 矩阵X的迹记为\(tr(X)\)

示例:

设存在以下\(n \times n\)的矩阵:

\[X_{n \times n}= \begin{bmatrix} x_{11} & x_{12} & x_{13} & ... & x_{1n}\\ x_{21} & x_{22} & x_{23} & ... & x_{2n}\\ x_{31} & x_{32} & x_{33} & ... & x_{3n}\\ &&......\\ x_{n1} & x_{n2} & x_{n3} & ... & x_{nn}\\ \end{bmatrix}\\ \]

则:

\[tr(X)=x_{11}+x_{22}+x_{33}+...+x_{nn}=\sum_{i=0}^n x_{ii} \]

矩阵的迹运算律

\[\tag {1}tr(A\cdot B)=tr(B\cdot A) \]

证明:

\[设A\cdot B=C,B\cdot A=D,则有:\\ tr(A\cdot B)=tr(C)=\sum_{i=1}^nc_{ii}=\sum_{i=1}^n\sum_{j=1}^na_{ij}b_{ji}\\ tr(B\cdot A)=tr(D)=\sum_{i=1}^n\sum_{j=1}^nb_{ij}a_{ji}=\sum_{j=1}^n\sum_{i=1}^na_{ji}b_{ij}=\sum_{i=1}^n\sum_{j=1}^na_{ij}b_{ji}\\ \]

\[\Rightarrow tr(A\cdot B)=tr(B\cdot A) \]

2.2 矩阵的转置

定义:

  • 把一个矩阵的行换成同序数的列,得到一个新的矩阵。
  • 矩阵\(X\)的转置记为\(X^T\)

性质:

  • 若X为\(m \times n\)的矩阵,则\(X^T\)为\(n \times m\)的矩阵
  • 设\(x\)为矩阵\(X\)中的元素,\(x^T\)为矩阵\(X^T\)中的元素,则\(x^T_{ij}=x_{ji}\)

示例:

设存在以下\(m \times n\)的矩阵:

\[X_{m \times n}= \begin{bmatrix} x_{11} & x_{12} & x_{13} & ... & x_{1n}\\ x_{21} & x_{22} & x_{23} & ... & x_{2n}\\ x_{31} & x_{32} & x_{33} & ... & x_{3n}\\ &&......\\ x_{m1} & x_{m2} & x_{m3} & ... & x_{mn}\\ \end{bmatrix}\\ \]

则:

\[X^T_{n \times m}= \begin{bmatrix} x_{11} & x_{21} & x_{31} & ... & x_{m1}\\ x_{12} & x_{22} & x_{32} & ... & x_{m2}\\ x_{13} & x_{23} & x_{33} & ... & x_{m3}\\ &&......\\ x_{1n} & x_{2n} & x_{3n} & ... & x_{mn}\\ \end{bmatrix}\\ \]

矩阵的转置运算律

\[\tag {1}(A^T)^T=A \]

\[\tag {2}(A+B)^T=A^T+B^T \]

\[\tag {3}(\lambda\cdot A)^T=\lambda\cdot A^T \]

\[\tag {4}(A\cdot B)^T=B^T\cdot A^T \]

对运算律(4)进行证明:

\[设存在矩阵A_{m\times t},矩阵B_{t\times n},且A_{m\times t}\cdot B_{t\times n}=C_{n\times n},则:\\ c_{ij}=\sum_{k=1}^ta_{ik}\cdot b_{kj}\\ \]

\[由矩阵转置的相关性质可知:\\c^T_{ij}=c_{ji}=\sum_{k=1}^ta_{jk}\cdot b_{ki}\\ \]

\[设B^T_{n \times s}\cdot A^T_{s \times n} =D_{n\times n},则:\\ d_{ij}=\sum_{k=1}^tb^T_{ik}\cdot a^T_{kj}=\sum_{k=1}^tb_{ki}\cdot a_{jk}=\sum_{k=1}^ta_{jk}\cdot b_{ki}=c^T_{ij} \]

\[\Rightarrow (A\cdot B)^T=B^T \cdot A^T \]

标签:...,转置,tr,sum,矩阵,times,cdot,线性代数,矩阵的迹
From: https://www.cnblogs.com/efancn/p/18636894

相关文章

  • 线性代数1.矩阵的基本概念&意义&特殊矩阵&基本运算
    1.矩阵的基本概念&意义&特殊矩阵&基本运算1.1矩阵的定义:矩阵是由\(m\timesn\)个数排成的数表。如以下矩阵:\[X=\begin{bmatrix}x_{11}&x_{12}&x_{13}&...&x_{1n}\\x_{21}&x_{22}&x_{23}&...&x_{2n}\\x_{31}&x_{32}&x_{......
  • 《线性代数》学习笔记
    \(\newcommand{\a}{\alpha}\newcommand{\b}{\beta}\newcommand{\la}{\lambda}\newcommand{\ga}{\gamma}\newcommand{\si}{\sigma}\newcommand{\al}{\mathcal}\newcommand{\sp}[1]{\operatorname{Span}(#1)}\newcommand{\di}[1]{\operatornam......
  • python怎么转置
    方法一:使用常规的思路def transpose(M):  # 初始化转置后的矩阵  result = []  # 获取转置前的行和列  row, col = shape(M)  # 先对列进行循环  for i in range(col):    # 外层循环的容器    item = []     # 在列循......
  • Yolov8-pose关键点检测:单图像超分辨率 | 空间频率注意力和通道转置注意力,恢复高频细节
    ......
  • Unity Shader学习日记 part 3 线性代数--矩阵变换
            之前我们学到了矩阵的相关基础,了解矩阵使用了进行变幻的。可是在三维空间中我们不管是表示点还是向量,都是通过x,y,z来表示的。那我们如何在三维向量中,表示出来变换的呢?齐次坐标    齐次坐标:将原本的n维向量用n+1维来表示。    原因:1.不论是......
  • C语言-稀疏数组转置
    1.题目要求 2.代码实现 #include<stdio.h>#defineMAX_TERM80//定义稀疏矩阵结构体typedefstructjuzhen{introw;intcol;intvalue;}Juzhen;//显示稀疏矩阵voidshow(Juzhena[],intcount_a){printf("irowcolval\n");f......
  • shader 线性代数 矩阵
               ......
  • 《C++与 Armadillo:线性代数助力人工智能算法简化之路》
    在人工智能领域,线性代数运算可谓是构建各类模型与算法的基石。从神经网络中的矩阵乘法、向量运算,到数据处理中的特征分解、奇异值分解等,无一不依赖高效且精准的线性代数计算。而C++作为一种强大且高效的编程语言,在人工智能开发中有着独特的地位。Armadillo库的出现,则为在......
  • 7-4 sdut- C语言实验-矩阵转置
    7-4sdut-C语言实验-矩阵转置分数9全屏浏览切换布局作者 马新娟单位 山东理工大学输入N*N的矩阵,输出它的转置矩阵。输入格式:第一行为整数N(1≤N≤100)。接着是一个N*N的矩阵。输出格式:转置矩阵。输入样例:21212输出样例:1122#include<stdio.h>i......
  • 【线性代数】矩阵的初等变换与线性方程组
    线性代数第三章矩阵的初等变换与线性方程组\(\S1\)矩阵的初等变换定义1初等变换(i)对换两行;(ii)以数\(k(k\not=0)\)乘某一行中的所有元;(iii)把某一行所有元的\(k\)倍加到另一行对应的元上去。显然上述三种变换均为可逆变换。将上述的行改为列即可得到初等列变......