The Matrix Cookbook(译)

最新推荐文章于 2024-07-21 22:22:19 发布

xmpp10

最新推荐文章于 2024-07-21 22:22:19 发布

阅读量1.8w

点赞数 4

分类专栏：数学相关文章标签： matrix

数学相关专栏收录该内容

2 篇文章 2 订阅

订阅专栏

本文是《Matrix Cookbook》的翻译摘要，重点介绍了矩阵的迹、行列式以及2*2矩阵的特殊性质，旨在帮助读者更好地理解和应用这些概念。

摘要由CSDN通过智能技术生成

The Matrix Cookbook(译)

（其实也没什么好翻译的，全是公式，为了了解记忆，哈哈）

A - 1 表 示 A 的 逆 矩 阵; A T 表 示 A 的 转 置; A H 表 示 H e r m i t i a n 矩 阵 (A 的 共 轭 转 置 矩 阵 A * = = A) (A B) - 1 = B - 1 A - 1 (A B C . . .) - 1 = . . . C - 1 B - 1 A - 1 (A T) - 1 = (A - 1) T (A + B) T = A T + B T (A B) T = B T A T (A B C . . .) T = . . . C T B T A T (A H) - 1 = (A - 1) H (A + B) H = A H + B H (A B) H = B H A H (A B C . . .) H = . . . C H B H A H

$A^{-1}表示A的逆矩阵;A^T表示A的转置;A^H表示Hermitian矩阵(A的共轭转置矩阵A^*==A)\\ (AB)^{-1} = B^{-1}A^{-1}\\ (ABC...)^{-1} =...C^{-1} B^{-1}A^{-1}\\ (A^T)^{-1}=(A^{-1})^T\\ (A+B)^T=A^T+B^T\\ (AB)^T=B^TA^T\\ (ABC...)^T = ...C^TB^TA^T\\ (A^H)^{-1} = (A^{-1})^H \\ (A + B)^H = A^H + B^H\\ (AB)^H = B^HA^H\\ (ABC...)^H = ...C^HB^HA^H\\$

1 迹（Trace）

* * * e i g (A) 表 示 A 的 特 征 值 * * * T r (A) = \sum i A i i T r (A) = \sum i λ i, λ i = e i g (A) T r (A) = T r (A T) T r (A B) = T r (B A) T r (A + B) = T r (A) + T r (B) T r (A B C) = T r (B C A) = T r (C A B) a T a = T r (a a T)

$***eig(A)表示A的特征值***\\ Tr(A)=\sum_iA_{ii}\\ Tr(A)=\sum_i\lambda_i,\lambda_i=eig(A)\\ Tr(A) = Tr(A^T ) \\ Tr(AB) = Tr(BA) \\ Tr(A + B) = Tr(A) + Tr(B) \\ Tr(ABC) = Tr(BCA) = Tr(CAB) \\ a^T a = Tr(aa^T )$

2 行列式（Determinant）

* * * 令 A \in R n \times n; e i g (A) 表 示 A 的 特 征 值 * * * d e t (A) = \prod i λ i, λ i = e i g (A) d e t (c A) = c n d e t (A) d e t (A T) = d e t (A) d e t (A B) = d e t (A) d e t (B) d e t (A - 1) = 1 d e t ( A ) d e t (A n) = d e t (A) n d e t (I + u v T) = I + u T v 对 于 n = 2 : d e t (I + A) = 1 + d e t (A) + T r (A) 对 于 n = 3 : d e t (I + A) = 1 + d e t (A) + T r (A) + 1 2 T r (A) 2 - 1 2 T r (A 2) 对 于 小 ε : d e t (I + ε A) ⋍ 1 + d e t (A) + ε T r (A) + 1 2 ε 2 T r (A) 2 - 1 2 ε 2 T r (A 2)

$***令A\in \mathbb{R}^{n\times n};eig(A)表示A的特征值***\\ det(A)=\prod_i\lambda_i,\lambda_i=eig(A)\\ det(cA)=c^ndet(A)\\ det(A^T ) = det(A)\\ det(AB) = det(A) det(B)\\ det(A^{-1}) =\frac{1}{ det(A)}\\ det(A^n) = det(A)^n \\ det(I+ uv^T ) = I+ u^T v\\ 对于n=2:det(I+A)=1+det(A)+Tr(A)\\ 对于n=3:det(I+A)=1+det(A)+Tr(A)+\frac{1}{2}Tr(A)^2-\frac{1}{2}Tr(A^2)\\ 对于小\varepsilon:det(I+\varepsilon A)\backsimeq1+det(A)+\varepsilon Tr(A)+\frac{1}{2}\varepsilon ^2Tr(A)^2-\frac{1}{2}\varepsilon ^2Tr(A^2)$

3 特例2*2矩阵

考 虑 A \in R 2 \times 2 : A = [A 11 A 12 A 21 A 22] 有 : d e t (A) = A 11 A 22 - A 12, A 21; T r (A) = A 11 + A 22 特 征 值 : λ 2 - λ \cdot T r (A) + d e t (A) = 0 逆; A - 1 = 1 d e t ( A ) [A 22 - A 12 - A 21 A 11]

$考虑A\in\mathbb{R}^{2\times2}:A=\left[\begin{matrix}A_{11}\;\;A_{12}\\A_{21}\;\;A_{22}\end{matrix}\right]\\ 有:det(A)=A_{11}A_{22}-A_{12},A_{21};Tr(A)=A_{11}+A_{22}\\ 特征值:\lambda^2-\lambda\cdot Tr(A)+det(A)=0\\ 逆;A^{-1}=\frac{1}{det(A)}\left[\begin{matrix}A_{22}\;\;-A_{12}\\-A_{21}\;\;A_{11}\end{matrix}\right]\\$
慢慢来，后续ing。。。