The Matrix Cookbook 中文翻译

The Matrix Cookbook 部分翻译，原作者：Kaare Brandt Petersen 和 Michael Syskind Pedersen，版本：November 15, 2012。

The Matrix Cookbook 收集与矩阵有关的事实。译本不提供参考文献，详细的参考文献也需要访问原文。本文只是少部分翻译，并不会按照原文全部写出，待补充。

如果有错误，请反馈到博客 Issue，如果经过查证是原文错误反馈到原作者邮箱 cookbook@2302.dk。

符号定义

符号	含义
$\boldsymbol{A}$	矩阵
$\boldsymbol{A}_{ij}$	矩阵的索引
$\boldsymbol{A}_{i}$	矩阵的索引
$\boldsymbol{A}^{ij}$	矩阵的索引
$\boldsymbol{A}^n$	矩阵的索引或者方阵的 $n$ 次幂
$\boldsymbol{A}^{-1}$	$\boldsymbol{A}$ 的逆矩阵
$\boldsymbol{A}^+$	$\boldsymbol{A}$ 的伪逆
$\boldsymbol{A}^{1/2}$	$\boldsymbol{A}$ 的平方根（如果唯一的话）
$(\boldsymbol{A})_{ij}$	$\boldsymbol{A}$ 的 $(i,\,j)$ 位置的元素
$A_{ij}$	$\boldsymbol{A}$ 的 $(i,\,j)$ 位置的元素
$[\boldsymbol{A}]_{ij}$	$\boldsymbol{A}$ 的 $ij$-子矩阵，指删除了第 $i$ 行和第 $j$ 列的矩阵
$\boldsymbol{a}$	向量（列向量）
$\boldsymbol{a}_i$	向量的索引
$a_i$	向量的索引
$a$	标量
$\Re z$	标量的实数部分
$\Re\boldsymbol{z}$	向量的实数部分
$\Re\boldsymbol{Z}$	矩阵的实数部分
$\Im z$	标量的虚数部分
$\Im\boldsymbol{z}$	向量的虚数部分
$\Im\boldsymbol{Z}$	矩阵的虚数部分
$\det(\boldsymbol{A})$	$\boldsymbol{A}$ 的行列式
$\mathrm{Tr}(\boldsymbol{A})$	$\boldsymbol{A}$ 的迹
$\mathrm{diag}(\boldsymbol{A})$	$\boldsymbol{A}$ 的对角化，例如 $(\mathrm{diag}(\boldsymbol{A}))_{ij} = \delta_{ij}A_{ij}$
$\mathrm{eig}(\boldsymbol{A})$	$\boldsymbol{A}$ 的特征值
$\mathrm{vec}(\boldsymbol{A})$	$\boldsymbol{A}$ 的向量版本
$\sup$	集合的上确界
$\Vert\boldsymbol{A}\Vert$	$\boldsymbol{A}$ 的范数
$\boldsymbol{A}^{\mathsf{T}}$	矩阵的转置
$\boldsymbol{A}^{-\mathsf{T}}$	矩阵的转置的逆矩阵，$\boldsymbol{A}^{-\mathsf{T}} = (\boldsymbol{A}^{-1})^{\mathsf{T}} = (\boldsymbol{A}^{\mathsf{T}})^{-1}$
$\boldsymbol{A}^*$	复共轭矩阵
$\boldsymbol{A}^\mathsf{H}$	转置复共轭矩阵
$\boldsymbol{A}\circ\boldsymbol{B}$	Hadamard 积（元素积）
$\boldsymbol{A}\otimes\boldsymbol{B}$	Kronecker 积
$\boldsymbol{0}$	零矩阵，所有元素为 $0$
$\boldsymbol{I}$	单位矩阵
$\boldsymbol{J}^{ij}$	单值矩阵，只有 $(i,\,j)$ 位置是 $1$，其他是 $0$
$\boldsymbol{\Sigma}$	正定矩阵
$\boldsymbol{\Lambda}$	对角矩阵

1. 基础

$$\begin{align} (\boldsymbol{AB})^{-1} &= \boldsymbol{B}^{-1}\boldsymbol{A}^{-1} \\ (\boldsymbol{ABC}\cdots)^{-1} &= \cdots\boldsymbol{C}^{-1}\boldsymbol{B}^{-1}\boldsymbol{A}^{-1} \\ (\boldsymbol{A}^{\mathsf{T}})^{-1} &= (\boldsymbol{A}^{-1})^{\mathsf{T}} \\ (\boldsymbol{A} + \boldsymbol{B})^{\mathsf{T}} &= \boldsymbol{A}^{\mathsf{T}} + \boldsymbol{B}^{\mathsf{T}} \\ (\boldsymbol{A}\boldsymbol{B})^{\mathsf{T}} &= \boldsymbol{B}^{\mathsf{T}}\boldsymbol{A}^{\mathsf{T}} \\ (\boldsymbol{ABC}\cdots)^{\mathsf{T}} &= \cdots\boldsymbol{C}^{\mathsf{T}}\boldsymbol{B}^{\mathsf{T}}\boldsymbol{A}^{\mathsf{T}} \\ (\boldsymbol{A}^{\mathsf{H}})^{-1} &= (\boldsymbol{A}^{-1})^{\mathsf{H}} \\ (\boldsymbol{A} + \boldsymbol{B})^{\mathsf{H}} &= \boldsymbol{A}^{\mathsf{H}} + \boldsymbol{B}^{\mathsf{H}} \\ (\boldsymbol{A}\boldsymbol{B})^{\mathsf{H}} &= \boldsymbol{B}^{\mathsf{H}}\boldsymbol{A}^{\mathsf{H}} \\ (\boldsymbol{ABC}\cdots)^{\mathsf{H}} &= \cdots\boldsymbol{C}^{\mathsf{H}}\boldsymbol{B}^{\mathsf{H}}\boldsymbol{A}^{\mathsf{H}} \\ \end{align}$$

1.1 迹（Trace）

$$\begin{align} \mathrm{Tr}(\boldsymbol{A}) &= \textstyle\sum_i A_{ii} \\ \mathrm{Tr}(\boldsymbol{A}) &= \textstyle\sum_i \lambda_{i}, \quad \lambda_i = \mathrm{eig}(\boldsymbol{A}) \\ \mathrm{Tr}(\boldsymbol{A}) &= \mathrm{Tr}(\boldsymbol{A}^{\mathsf{T}}) \\ \mathrm{Tr}(\boldsymbol{AB}) &= \mathrm{Tr}(\boldsymbol{BA}) \\ \mathrm{Tr}(\boldsymbol{A} + \boldsymbol{B}) &= \mathrm{Tr}(\boldsymbol{A}) + \mathrm{Tr}(\boldsymbol{B}) \\ \mathrm{Tr}(\boldsymbol{ABC}) &= \mathrm{Tr}(\boldsymbol{BCA}) = \mathrm{Tr}(\boldsymbol{CAB}) \\ \boldsymbol{a}^{\mathsf{T}}\boldsymbol{a} &= \mathrm{Tr}(\boldsymbol{a}\boldsymbol{a}^{\mathsf{T}}) \end{align}$$

1.2 行列式（Determinant）

设 $\boldsymbol{A}$ 是一个 $n \times n$ 方阵。

$$\begin{align} \det(\boldsymbol{A}) &= \prod_i \lambda_i, \quad \lambda_i = \mathrm{eig}(\boldsymbol{A}) \\ \det(c\boldsymbol{A}) &= c^n\det(\boldsymbol{\boldsymbol{A}}), \quad \text{if } \boldsymbol{A} \in \R^{n \times n} \\ \det(\boldsymbol{A}^{\mathsf{T}}) &= \det(\boldsymbol{A}) \\ \det(\boldsymbol{AB}) &= \det(\boldsymbol{A})\det(\boldsymbol{B}) \\ \det(\boldsymbol{A}^{-1}) &= 1 / \det(\boldsymbol{A}) \\ \det(\boldsymbol{A}^n) &= \det(\boldsymbol{A})^n \\ \det(\boldsymbol{I} + \boldsymbol{uv}^{\mathsf{T}}) &= 1 + \boldsymbol{u}^{\mathsf{T}}\boldsymbol{v} \end{align}$$

当 $n = 2$ 时：

$$\begin{align} \det(\boldsymbol{I} + \boldsymbol{A}) &= 1 + \det(\boldsymbol{A}) + \mathrm{Tr}(\boldsymbol{A}) \end{align}$$

当 $n = 3$ 时：

$$\begin{align} \det(\boldsymbol{I} + \boldsymbol{A}) &= 1 + \det(\boldsymbol{A}) + \mathrm{Tr}(\boldsymbol{A}) + \frac{1}{2}\mathrm{Tr}(\boldsymbol{A})^2 - \frac{1}{2}\mathrm{Tr}(\boldsymbol{A}^2) \end{align}$$

当 $n = 4$ 时：

$$\begin{equation} \begin{aligned} \det(\boldsymbol{I} + \boldsymbol{A}) &= 1 + \det(\boldsymbol{A}) + \mathrm{Tr}(\boldsymbol{A}) + \frac{1}{2} + \mathrm{Tr}(\boldsymbol{A})^2 & \\ &- \frac{1}{2}\mathrm{Tr}(\boldsymbol{A}^2) + \frac{1}{6}\mathrm{Tr}(\boldsymbol{A})^3 \\ &- \frac{1}{2}\mathrm{Tr}(\boldsymbol{A})\mathrm{Tr}(\boldsymbol{A}^2) + \frac{1}{3}\mathrm{Tr}(\boldsymbol{A}^3) \end{aligned} \end{equation}$$

对于小的数 $\varepsilon$，下面的近似成立

$$\begin{align} \det(\boldsymbol{I} + \varepsilon\boldsymbol{A}) &\cong 1 + \det(\boldsymbol{A}) + \varepsilon\mathrm{Tr}(\boldsymbol{A}) + \frac{1}{2}\varepsilon^2\mathrm{Tr}(\boldsymbol{A})^2 - \frac{1}{2}\varepsilon^2\mathrm{Tr}(\boldsymbol{A}^2) \end{align}$$

1.3 2x2 的特殊情况

考虑矩阵 $\boldsymbol{A}$

$$\boldsymbol{A} = \begin{bmatrix} A_{11} & A_{12} \\ A_{21} & A_{22} \end{bmatrix}$$

行列式和迹

$$\begin{align} \det(\boldsymbol{A}) &= A_{11}A_{22} - A_{12}A_{21} \\ \mathrm{Tr}(\boldsymbol{A}) &= A_{11} + A_{22} \end{align}$$

特征值

$$\begin{aligned} \lambda_1 &= \frac{\mathrm{Tr}(\boldsymbol{A}) + \sqrt{\mathrm{Tr}(\boldsymbol{A})^2 - 4\det(\boldsymbol{A})}}{2} \\ \lambda_2 &= \frac{\mathrm{Tr}(\boldsymbol{A}) - \sqrt{\mathrm{Tr}(\boldsymbol{A})^2 - 4\det(\boldsymbol{A})}}{2} \end{aligned}$$

$$\begin{aligned} \lambda_1 + \lambda_2 &= \mathrm{Tr}(\boldsymbol{A}) \\ \lambda_1\lambda_2 &= \det(\boldsymbol{A}) \end{aligned}$$

特征向量

$$\begin{aligned} \boldsymbol{v}_1 &\propto \begin{bmatrix} A_{12} \\ \lambda_1 - A_{11} \end{bmatrix} \\ \boldsymbol{v}_2 &\propto \begin{bmatrix} A_{12} \\ \lambda_2 - A_{12} \end{bmatrix} \end{aligned}$$

$$\begin{align} \boldsymbol{A}^{-1} &= \frac{1}{\det(\boldsymbol{A})}\begin{bmatrix} A_{22} & -A_{12} \\ -A_{21} & A_{11} \end{bmatrix} \end{align}$$