笔记：矩阵行列式求导以及矩阵的逆的求导

一、结论

设$A=(a_{ij}(t){)}_{n\times n}$，
$$\begin{array}{rl}& \frac{d|A|}{dt}=|A|tr\left(A^{-1}\frac{dA}{dt}\right)\\ & \frac{d{A}^{-1}}{dt}=-A^{-1}\frac{dA}{dt}{A}^{-1}\end{array}$$
以下两节给一个简要的推导，可能并不严格。

二、矩阵的行列式求导

根据链式法则，
$$\frac{d|A|}{dt}=\sum _i\sum _j\frac{\partial |A|}{\partial a_{ij}}\frac{d{a}_{ij}}{dt}$$我们注意到，
$$\frac{\partial |A|}{\partial a_{ij}}=\underset{\epsilon \to 0}{\lim }\frac{|A+\epsilon I_{ij}|-|A|}{\epsilon }=\underset{\epsilon \to 0}{\lim }\frac{\epsilon A_{ij}}{\epsilon }=A_{ij}$$其中，$I_{ij}$为只有$(i,j)$元是1，其他都是0的矩阵，$A_{ij}$表示矩阵$A$在$(i,j)$处的代数余子式。于是链式法则求得的式子变为如下形式，
$$\frac{d|A|}{dt}=\sum _i\sum _j{A}_{ij}\frac{d{a}_{ij}}{dt}$$又由，
$$\begin{array}{rl}& \frac{d{a}_{ij}}{dt}={\left(\frac{dA}{dt}\right)}_{ij}\\ & A^{\ast }A=|A|I_n\Rightarrow A^{\ast }=|A|A^{-1}\Rightarrow A_{ij}=|A|{\left(A^{-1}\right)}_{ji}\end{array}$$其中$A^{\ast }$为$A$的伴随矩阵，则有，
$$\begin{array}{rl}\frac{d|A|}{dt}& =\sum _i\sum _j{A}_{ij}\frac{d{a}_{ij}}{dt}\\ & =\sum _j\sum _i|A|{\left(A^{-1}\right)}_{ji}{\left(\frac{dA}{dt}\right)}_{ij}\\ & =|A|\sum _j{\left(A^{-1}\frac{dA}{dt}\right)}_{jj}\\ & =|A|tr\left(A^{-1}\frac{dA}{dt}\right)\end{array}$$

三、矩阵的逆的导数

首先，
$$0_{n\times n}=\frac{\partial I_n}{\partial t}=\frac{\partial A{A}^{-1}}{\partial t}=\frac{\partial A}{\partial t}{A}^{-1}+A\frac{\partial A^{-1}}{\partial t}$$则有，
$$\frac{d{A}^{-1}}{dt}=-A^{-1}\frac{dA}{dt}{A}^{-1}$$

参考资料：

1. 行列式的导数 by 苏剑林.
2. 逆矩阵求导.