1 定义
迹运算返回的是矩阵对角元素的和：
T
r
(
A
)
=
∑
i
A
i
i
Tr(A)=\sum_iA_{ii}
Tr(A)=i∑Aii
若不使用求和符号，有些矩阵运算很难描述，而通过矩阵乘法和迹运算符号可以清楚地表示。例如，迹运算提供了另一种描述矩阵Frobenius范数的方式：
∣
∣
A
∣
∣
F
=
T
r
(
A
A
T
)
||A||_F=\sqrt{Tr(AA^T)}
∣∣A∣∣F=Tr(AAT)
2 性质
用迹运算表示表达式，我们可以使用很多有用的等式巧妙地处理表达式。例如迹运算在转置运算下是不变的：
T
r
(
A
)
=
T
r
(
A
T
)
Tr(A)=Tr(A^T)
Tr(A)=Tr(AT)
矩阵提出常数后，迹是不变的：
T
r
(
k
A
)
=
k
∗
T
r
(
A
)
Tr(kA)=k*Tr(A)
Tr(kA)=k∗Tr(A)
矩阵的迹的和等于矩阵和的迹：
T
r
(
A
+
B
)
=
T
r
(
A
)
+
T
r
(
B
)
Tr(A+B)=Tr(A)+Tr(B)
Tr(A+B)=Tr(A)+Tr(B)
多个矩阵相乘得到的方阵的迹，和将这些矩阵中的最后一个挪到最前面之后相乘的迹是相同的。当然，我们需要考虑挪动之后矩阵乘积依然定义良好：
T
r
(
A
B
C
)
=
T
r
(
C
A
B
)
=
T
r
(
B
C
A
)
Tr(ABC)=Tr(CAB)=Tr(BCA)
Tr(ABC)=Tr(CAB)=Tr(BCA)
即使循环置换后矩阵乘积得到的矩阵形状变了，迹运算的结果依然不变：
T
r
(
A
B
)
=
T
r
(
B
A
)
Tr(AB)=Tr(BA)
Tr(AB)=Tr(BA)
证明： T r ( A B ) = T r ( B A ) Tr(AB)=Tr(BA) Tr(AB)=Tr(BA)
标量在迹运算后仍然是它自己：
a
=
T
r
(
a
)
a=Tr(a)
a=Tr(a)
有关偏导的性质
- ∂ T r ( A B ) ∂ A = B T \frac{\partial Tr(AB)}{\partial A}=B^T ∂A∂Tr(AB)=BT
证明：
∂
T
r
(
A
B
)
∂
A
=
∂
∑
i
=
1
m
∑
j
=
1
n
a
i
j
b
j
i
∂
∑
i
=
1
m
∑
j
=
1
n
a
i
j
=
∑
i
=
1
m
∑
j
=
1
n
b
j
i
=
B
T
\frac{\partial Tr(AB)}{\partial A}=\frac{\partial \sum\limits_{i=1}^m\sum\limits_{j=1}^na_{ij}b_{ji}}{\partial\sum\limits_{i=1}^m\sum\limits_{j=1}^na_{ij}}=\sum\limits_{i=1}^m\sum\limits_{j=1}^nb_{ji}=B^T
∂A∂Tr(AB)=∂i=1∑mj=1∑naij∂i=1∑mj=1∑naijbji=i=1∑mj=1∑nbji=BT
- ∂ T r ( A B A T C ) ∂ A = C A B + C T A B T \frac{\partial Tr(ABA^TC)}{\partial A}=CAB+C^TAB^T ∂A∂Tr(ABATC)=CAB+CTABT
证明：
∂
T
r
(
A
B
A
T
C
)
∂
A
=
∂
T
r
(
A
T
C
A
B
)
∂
A
=
∂
T
r
(
A
C
T
A
T
B
T
)
∂
A
=
C
A
B
+
(
B
A
T
C
)
T
=
C
A
B
+
C
T
A
B
T
\frac{\partial Tr(ABA^TC)}{\partial A}=\frac{\partial Tr(A^TCAB)}{\partial A}=\frac{\partial Tr(AC^TA^TB^T)}{\partial A}=CAB+(BA^TC)^T=CAB+C^TAB^T
∂A∂Tr(ABATC)=∂A∂Tr(ATCAB)=∂A∂Tr(ACTATBT)=CAB+(BATC)T=CAB+CTABT