机器学习|矩阵知识汇总(迹函数,标量、向量和矩阵相互求导,链式法则)|学习笔记

此笔记学习和整理自刘建平-机器学习中的矩阵向量求导1-4
此篇学习笔记md文档支持Typora检索,可参考
理科生学习笔记制作/markdown+Latex / Typora
md文档下载链接文末

矩阵向量求导

*没有说明的向量都为列向量

一、求导定义与求导布局

1.矩阵向量求导引入

  • 标量对标量的求导,如标量y对标量x的求导为 ∂ y ∂ x \frac{\partial y}{\partial x} xy

    • 一组标量 y i , i = 1 , 2 , . . . , m y_i,i=1,2,...,m yi,i=1,2,...,m来对一个标量x的求导,为 ∂ y i ∂ x , i = 1 , 2 , . . . , m \frac{\partial y_i}{\partial x},i=1,2,...,m xyi,i=1,2,...,m
  • 向量对标量的求导,就是向量里的每个分量分别对标量的求导

    • 维度为m的一个向量y对一个标量x的求导,结果也为一个m维的向量为 ∂ y ∂ x \frac{\partial y}{\partial x} xy
  • 类似结论也存在与标量对向量的求导,向量对向量的求导,向量对矩阵的求导,矩阵对向量的求导,以及矩阵对矩阵的求导

  • 向量矩阵求导本质是多元函数求导,仅仅是把函数的自变量,因变量以及标量求导的结果排列成了向量矩阵的形式,方便表达与计算,更简洁

    求导的自变量用x表示标量,x表示n维向量,X表示mxn维度的举证,求导的因变量用y表示标量,y表示m维向量,Y表示pxq维度的矩阵

2. 矩阵向量求导定义

自变量\因变量标量y向量y矩阵Y
标量x ∂ y ∂ x \frac{\partial y}{\partial x} xy ∂ y ∂ x \frac{\partial y}{\partial x} xy ∂ Y ∂ x \frac{\partial Y}{\partial x} xY
向量x ∂ y ∂ x \frac{\partial y}{\partial x} xy ∂ y ∂ x \frac{\partial y}{\partial x} xy ∂ Y ∂ x \frac{\partial Y}{\partial x} xY
矩阵X ∂ y ∂ X \frac{\partial y}{\partial X} Xy ∂ y ∂ X \frac{\partial y}{\partial X} Xy ∂ Y ∂ X \frac{\partial Y}{\partial X} XY

3. 矩阵向量求导布局

  • 目的:为了解决矩阵向量求导的结果不唯一,即在机器学习算法优化过程中,如果行向量或者列向量随便写,那么结果不唯一

  • 基本的求导布局:分子布局(numerator layout)和分母布局(denominator layout)

    • 分子布局:求导结果的维度以分子为主

      e.g 向量y是一个m维的列向量,那么求导结果 ∂ y ∂ x \frac{\partial y}{\partial x} xy也是一个m维列向量。

    • 分母布局:求导结果的维度以分母为主

      e.g 向量 y y y是一个m维的列向量,那么求导结果 ∂ y ∂ x \frac{\partial y}{\partial x} xy是一个m维行向量。

    • 分子布局和分母布局的结果相差一个转置

      e.g 标量y对矩阵X,如果按分母布局,则求导结果的维度和矩阵X的维度mxn是一致的。如果是分子布局,则求导结果的维度为nxm

      因此,对于标量对向量或者矩阵求导,向量或者矩阵对标量求导这4种情况,对应的分子布局和分母布局的排列方式已经确定了

  • 列向量对列向量的求导

    e.g m维列向量y对n维列向量x求导

    对于这两个向量的求导,一共有m*n个标量对标量的求导。求导结果是排列为一个矩阵。

    1. 如果是分子布局,则矩阵的第一个维度以分子为准,即结果是一个mxn的矩阵

    ∂ y ∂ x = ( ∂ y 1 ∂ x 1 ∂ y 1 ∂ x 2 ⋯ ∂ y 1 ∂ x n ∂ y 2 ∂ x 1 ∂ y 2 ∂ x 2 ⋯ ∂ y 2 ∂ x n ⋮ ⋮ ⋱ ⋮ ∂ y m ∂ x 1 ∂ y m ∂ x 2 ⋯ ∂ y m ∂ x n ) \frac{\partial y}{\partial x} = \begin{pmatrix} \frac{\partial y_1}{\partial x_1} & \frac{\partial y_1}{\partial x_2} & \cdots & \frac{\partial y_1}{\partial x_n} \\ \frac{\partial y_2}{\partial x_1} & \frac{\partial y_2}{\partial x_2} & \cdots & \frac{\partial y_2}{\partial x_n} \\ \vdots & \vdots & \ddots & \vdots \\ \frac{\partial y_m}{\partial x_1} & \frac{\partial y_m}{\partial x_2} & \cdots & \frac{\partial y_m}{\partial x_n} \\ \end{pmatrix} xy=x1y1x1y2x1ymx2y1x2y2x2ymxny1xny2xnym

    一般叫做雅克比(Jacobian)矩阵,可用 ∂ y ∂ x T \frac{\partial y}{\partial x^T} xTy来定义。

    1. 如果是分母布局,则求导的结果矩阵的第一维度以分母为准,即结果是一份nxm的矩阵

    ∂ y ∂ x = ( ∂ y 1 ∂ x 1 ∂ y 2 ∂ x 1 ⋯ ∂ y m ∂ x 1 ∂ y 1 ∂ x 2 ∂ y 2 ∂ x 2 ⋯ ∂ y m ∂ x 2 ⋮ ⋮ ⋱ ⋮ ∂ y 1 ∂ x n ∂ y 2 ∂ x n ⋯ ∂ y m ∂ x n ) \frac{\partial y}{\partial x} = \begin{pmatrix} \frac{\partial y_1}{\partial x_1} & \frac{\partial y_2}{\partial x_1} & \cdots & \frac{\partial y_m}{\partial x_1} \\ \frac{\partial y_1}{\partial x_2} & \frac{\partial y_2}{\partial x_2} & \cdots & \frac{\partial y_m}{\partial x_2} \\ \vdots & \vdots & \ddots & \vdots \\ \frac{\partial y_1}{\partial x_n} & \frac{\partial y_2}{\partial x_n} & \cdots & \frac{\partial y_m}{\partial x_n} \\ \end{pmatrix} xy=x1y1x2y1xny1x1y2x2y2xny2x1ymx2ymxnym

    一般叫做梯度矩阵,可用 ∂ y T ∂ x \frac{\partial y^T}{\partial x} xyT来定义

    对于上面5种求导类型,可以各选择一种布局来求导,但是对于某以种类型求导类型,不能同时使用分子布局和分母布局求导

    (在机器学习算法原理资料推导中,一般会使用混合布局的思路,即如果是向量或者矩阵对标量求导,则会使用分子布局为准,如果是标量对向量或者是矩阵求导,则以分母布局为准。对于向量对向量的求导,有些分歧)

    自变量\因变量标量y列向量y矩阵Y
    标量x/ ∂ y ∂ x \frac{\partial y}{\partial x} xy 分子布局:m维列向量(默认);分母布局:m维行向量 ∂ Y ∂ x \frac{\partial Y}{\partial x} xY 分子布局:pxq矩阵(默认);分母布局:qxp矩阵
    列向量x ∂ y ∂ x \frac{\partial y}{\partial x} xy 分子布局:n维行向量;分母布局:n维列向量(默认) ∂ y ∂ x \frac{\partial y}{\partial x} xy 分子布局:mxn雅克比矩阵(默认);分母布局:nxm梯度矩阵/
    矩阵X ∂ y ∂ X \frac{\partial y}{\partial X} Xy 分子布局:nxm矩阵;分母布局:mxn矩阵(默认)//

二、矩阵向量求导之定义法

1. 用定义法求解标量对向量求导

  • 定义:实际是实值函数对向量的求导。即定义实值函数 f : R n → R f:R^n\to R f:RnR, 自变量x是n维向量,而输出y是标量。

  • 实质:标量(实值函数)对向量里的每个分量分别求导,找到规律,最后把求导的结果排列在一起,按一个向量表示(结果向量)

    e.g y = a ⃗ T x ⃗ y=\vec{a}^T\vec{x} y=a Tx ,求解 ∂ a ⃗ T x ⃗ ∂ x ⃗ \frac{\partial {\vec{a}^T \vec{x}}}{\partial \vec{x}} x a Tx

    根据定义,先对 x ⃗ \vec{x} x 的第i个分量进行求导,这是一个标量对标量的求导,如下:
    ∂ a ⃗ T x ⃗ ∂ x i = ∂ ∑ j = 1 n a j x j ∂ x i = ∂ a i x i ∂ x i = a i \frac{\partial \vec{a}^T\vec{x}}{\partial x_i}=\frac{\partial \sum_{j=1}^{n}a_jx_j}{\partial x_i}=\frac{\partial a_ix_i}{\partial x_i}=a_i xia Tx =xij=1najxj=xiaixi=ai
    可见,对向量的第i个分量的求导结果就等于向量 a ⃗ \vec{a} a 的第i个分量。由于是分母布局,最后所有求导结果的分量组成的是一个n维向量。也就是向量 a ⃗ \vec{a} a
    ∂ a ⃗ T x ⃗ ∂ x ⃗ = a ⃗ \frac{\partial{\vec{a}^T\vec{x}}}{\partial{\vec{x}}}=\vec{a} x a Tx =a
    同样的思路,可直接得到:
    ∂ x ⃗ T a ⃗ ∂ x ⃗ = a ⃗ \frac{\partial{\vec{x}^T\vec{a}}}{\partial{\vec{x}}}=\vec{a} x x Ta =a

    ∂ x ⃗ T x ⃗ ∂ x ⃗ = 2 x ⃗ \frac{\partial{\vec{x}^T\vec{x}}}{\partial{\vec{x}}}=2\vec{x} x x Tx =2x

    e.g y = x ⃗ T A ⃗ x ⃗ y=\vec{x}^T\vec{A}\vec{x} y=x TA x ,求解 ∂ x ⃗ T A ⃗ x ⃗ ∂ x ⃗ \frac{\partial \vec{x}^T\vec{A}\vec{x}}{\partial \vec{x}} x x TA x

    x ⃗ \vec{x} x 的第k个分量进行求导:
    ∂ x ⃗ T A ⃗ x ⃗ ∂ x ⃗ k = ∂ ∑ j = 1 n ∑ j = 1 n x i A i j x j ∂ x k = ∑ i = 1 n A i k x i + ∑ j = 1 n A k j x j \frac{\partial \vec{x}^T\vec{A}\vec{x}}{\partial \vec{x}_k}=\frac{\partial \sum_{j=1}^{n}\sum_{j=1}^nx_iA_{ij}x_j}{\partial x_k}= \sum_{i=1}^nA_{ik}x_i+\sum_{j=1}^nA_{kj}x_j x kx TA x =xkj=1nj=1nxiAijxj=i=1nAikxi+j=1nAkjxj

    ∂ x T ⃗ A ⃗ x ⃗ ∂ x = A ⃗ T x ⃗ + A ⃗ x ⃗ \frac{\partial \vec{x^T}\vec{A}\vec{x}}{\partial x}=\vec{A}^T\vec{x}+\vec{A}\vec{x} xxT A x =A Tx +A x

    复杂的实值函数就算求出了任意一个分量的导数,要排列出最终的求导结果仍很麻烦

2. 标量对向量求导的一些基本法则

1)常亮对向量的求导结果为0

2)线性法则:如果 f , g f,g f,g都是实值函数, c 1 , c 2 c_1,c_2 c1,c2为常数,则:
∂ ( c 1 f ( x ) + c 2 g ( x ) ) ∂ x = c 1 ∂ f ( x ) ∂ x + c 2 ∂ g ( x ) ∂ x \frac{\partial (c_1f(x)+c_2g(x))}{\partial x}=c_1\frac{\partial f(x)}{\partial x}+c_2\frac{\partial g(x)}{\partial x} x(c1f(x)+c2g(x))=c1xf(x)+c2xg(x)
3)乘法法则:如果 f , g f,g f,g都是实值函数,则:
∂ f ( x ) g ( x ) ∂ x = f ( x ) ∂ g ( x ) ∂ x + ∂ g ( x ) ∂ x g ( x ) \frac{\partial f(x)g(x)}{\partial x}=f(x)\frac{\partial g(x)}{\partial x} + \frac{\partial g(x)}{\partial x}g(x) xf(x)g(x)=f(x)xg(x)+xg(x)g(x)
*如果不是实值函数,则不能这么使用乘法法则

4)除法法则:如果 f , g f,g f,g都是实值函数,且 g ( x ) ≠ 0 g(x)\neq0 g(x)=0,则:
∂ f ( x ) / g ( x ) ∂ x = 1 g 2 ( x ) ( g ( x ) ∂ f ( x ) ∂ x − f ( x ) ∂ g ( x ) ∂ ( x ) ) \frac{\partial f(x)/g(x)}{\partial x}=\frac{1}{g^2(x)}(g(x)\frac{\partial f(x)}{\partial x}-f(x)\frac{\partial g(x)}{\partial(x)}) xf(x)/g(x)=g2(x)1(g(x)xf(x)f(x)(x)g(x))

3. 用定义法求解标量对矩阵求导

  • 思路同标量对向量的求导类似,只是最后的结果是一个和自变量同型的矩阵

    e,g y = a ⃗ T X ⃗ b ⃗ y=\vec{a}^T\vec{X}\vec{b} y=a TX b ,求解 ∂ a ⃗ T X b ⃗ ∂ X \frac{\partial \vec{a}^TX\vec{b}}{\partial X} Xa TXb ,其中 a ⃗ \vec{a} a 是m维向量, b ⃗ \vec{b} b 是n维向量,X是mxn的矩阵

    对矩阵X的任意一个位置的 X i j X_{ij} Xij求导,如下:
    ∂ a ⃗ T X b ⃗ ∂ X i j = ∂ ∑ p = 1 m ∑ q = 1 n a p A p q b q ∂ X i j = ∂ a i A i j b j ∂ X i j = a i b j \frac{\partial \vec{a}^TX\vec{b}}{\partial X_{ij}}=\frac{\partial \sum_{p=1}^m\sum_{q=1}^na_pA_{pq}b_q}{\partial X_{ij}}=\frac{\partial a_iA_{ij}b_j}{\partial X_{ij}}=a_ib_j Xija TXb =Xijp=1mq=1napApqbq=XijaiAijbj=aibj
    ( i . j ) (i.j) (i.j)位置的求导结果是 a ⃗ \vec{a} a 向量第i个分量和 b ⃗ \vec{b} b 第j个分量的乘积,将所有的位置的求导结果排列成一个mxn的矩阵,即为 a b T ab^T abT,所以最后的求导结果为:
    ∂ a ⃗ T X b ⃗ ∂ X = a b T \frac{\partial \vec{a}^TX\vec{b}}{\partial X}=ab^T Xa TXb =abT
    如果是比较复杂的标量对矩阵求导,比如 y = a ⃗ T e x p ( X b ⃗ ) y=\vec{a}^Texp(X\vec{b}) y=a Texp(Xb ),对任意标量求导容易,排列起来比较麻烦

4. 用定义法求解向量对向量求导

  • e.g y ⃗ = A x ⃗ \vec{y} = A\vec{x} y =Ax ,其中A为nxm的矩阵。 x ⃗ , y ⃗ \vec{x},\vec{y} x ,y 分别为m,n维向量。需要求导 ∂ A x ⃗ ∂ x ⃗ \frac{\partial A\vec{x}}{\partial \vec{x}} x Ax ,根据定义,结果应该是一个nxm的矩阵。

    先求矩阵的第i行和向量的内积对向量的第j分量求导,用定义法求解如下:
    ∂ A i x ⃗ ∂ x j = ∂ A i j x j ∂ x j = A i j \frac{\partial A_i\vec{x}}{\partial x_j}=\frac{\partial A_{ij}x_j}{\partial x_j}=Aij xjAix =xjAijxj=Aij
    矩阵A的第i行和向量的内积对向量的第j分量求导的结果就是矩阵A的(i,j)位置的值。排列起来就是一个矩阵,由于是分子布局,所以排列出来的结果是A,而不是 A T A^T AT

5. 定义矩阵向量求导的局限

​ 对于复杂的求导式子,中间运算会很复杂,求导出的结果排列也会很头疼。

三、矩阵向量求导之微分法

1. 矩阵微分

  • 高数中标量的导数和微分: d f = f ′ ( x ) d x df=f'(x)dx df=f(x)dx,如果是多变量,则微分为:
    d f = ∑ i = 1 n ∂ f ∂ x i d x i = ( ∂ f ∂ x ⃗ ) T d x ⃗ df=\sum_{i=1}^{n}\frac{\partial f}{\partial x_i}dx_i=(\frac{\partial f}{\partial{\vec x}})^Td\vec{x} df=i=1nxifdxi=(x f)Tdx
    标量对向量的求导和它的向量微分有一个转置的关系

  • 推广到矩阵,对于矩阵微分,定义为:
    d f = ∑ i = 1 m ∑ j = 1 n ∂ f ∂ X i j d X i j = t r ( ( ∂ f ∂ X ) T d X ) df=\sum_{i=1}^m\sum_{j=1}^n\frac{\partial f}{\partial X_{ij}}dX_{ij}=tr((\frac{\partial f}{\partial \bf X})^Td\bf X) df=i=1mj=1nXijfdXij=tr((Xf)TdX)
    第二步使用了矩阵迹的性质,即迹函数等于主对角线的和(标量)。即
    t r ( A T B ) = ∑ i , j A i j B i j tr(\bf A^T\bf B)=\sum_{i,j}A_{ij}B_{ij} tr(ATB)=i,jAijBij
    从上面矩阵微分的式子,可以看到矩阵微分和它的导数也有一个转置的关系,不过是在外面套了一个迹函数而已。由于标量的迹函数就是它本身,那么矩阵微分和向量微分可以统一表示,即:
    d f = t r ( ( ∂ f ∂ X ) T d X ) df=tr((\frac{\partial f}{\partial \bf X})^Td\bf{X}) df=tr((Xf)TdX)

    d f = t r ( ( ∂ f ∂ x ⃗ ) T d x ⃗ ) df = tr((\frac{\partial f}{\partial \vec x})^Td\vec{x}) df=tr((x f)Tdx )

2. 矩阵微分的性质

在使用矩阵微分求导前,先看看矩阵微分的性质:

1)微分加减法: d ( X + Y ) = d X + d Y , d ( X − Y ) = d X − d Y d(\bf X+Y)=dX+dY,d(X-Y)=dX-dY d(X+Y)=dX+dY,d(XY)=dXdY

2)微分乘法: d ( X Y ) = ( d X ) Y + X ( d Y ) d(\bf XY)=(dX)Y + X(dY) d(XY)=(dX)Y+X(dY)

3)微分转置: d ( X T ) = ( d X ) T d(\bf X^T)=(dX)^T d(XT)=(dX)T

4)微分的迹: d t r ( X ) = t r ( d X ) dtr(\bf X)=tr(dX) dtr(X)=tr(dX)

5)微分哈达马乘积: d ( X ⨀ Y ) = X ⨀ d Y + d X ⨀ Y d(\bf X\bigodot Y)=X\bigodot dY+dX\bigodot Y d(XY)=XdY+dXY

6)逐元素求导: d σ ( X ) = σ ′ ( X ) ⨀ d X d\sigma(\bf X)=\sigma'(X)\bigodot dX dσ(X)=σ(X)dX

7)逆矩阵微分: d X − 1 = − X − 1 d X X − 1 d\bf X^{-1}=-X^{-1}dXX^{-1} dX1=X1dXX1

8)行列式微分: d ∣ X ∣ = ∣ X ∣ t r ( X − 1 d X ) d|\bf X| = |X|tr(X^{-1}dX) dX=Xtr(X1dX)

3. 使用微分法求解矩阵向量求导

第一节中得到了矩阵微分和导数关系,现在使用微分法来求解矩阵向量求导

若标量函数 f f f是矩阵 X \bf X X经加减乘法、逆、行列式、逐元素函数等运算构成,则使用相应的运算法则对 f f f求微分,再使用迹函数技巧给 d f df df套上迹并将其它项交换至 d X d\bf X dX左侧,那么对于迹函数里面在 d X d\bf X dX左边的部分,我们只需要加一个转置就可以得到导数了。

主要需要用到的迹函数技巧:

1)标量的迹等于自己: t r ( x ) = x tr(x)=x tr(x)=x

2)转置不变: t r ( A T ) = t r ( A ) tr(A^T)=tr(A) tr(AT)=tr(A)

3)交换律: t r ( A B ) = t r ( B A ) tr(AB)=tr(BA) tr(AB)=tr(BA),需要满足 A , B T \bf A,B^T A,BT同纬度

4)加减法: t r ( X + Y ) = t r ( X ) + t r ( Y ) , t r ( X − Y ) = t r ( X ) − t r ( Y ) tr(X+Y)=tr(X)+tr(Y),tr(X-Y)=tr(X)-tr(Y) tr(X+Y)=tr(X)+tr(Y),tr(XY)=tr(X)tr(Y)

5)矩阵乘法和迹交换: t r ( ( A ⨀ B ) T C ) = t r ( A T ( B ⨀ C ) ) tr((A\bigodot B)^TC)=tr(A^T(B\bigodot C)) tr((AB)TC)=tr(AT(BC)),需要满足A,B,C同维度

e.g y = a ⃗ T X b ⃗ y=\vec{a}^T \bf X\vec{b} y=a TXb , ∂ y ∂ X \frac{\partial y}{\partial \bf X} Xy

用微分乘法的性质对 f f f求微分,得:

d y = d a ⃗ T X b ⃗ + a ⃗ T d X b ⃗ + a ⃗ T X d b ⃗ = a ⃗ T d X b ⃗ dy=d\bf \vec a^TX\vec b+\vec a^TdX\vec b +\vec a^TXd\vec b=\vec{a}^TdX\vec{b} dy=da TXb +a TdXb +a TXdb =a TdXb

两边套上迹函数,即:

d y = t r ( d y ) = t r ( a ⃗ T d X b ⃗ ) = t r ( b ⃗ a ⃗ T d X ) dy=tr(dy)=tr(\bf \vec{a}^TdX\vec{b})=tr(\vec{b}\vec{a}^TdX) dy=tr(dy)=tr(a TdXb )=tr(b a TdX)

第一步到第二部使用了迹函数性质1,第三部到第四部用到了上面迹函数的性质3

根据矩阵导数和微分的定义,迹函数里面在 d X d\bf X dX左边的部分 b ⃗ a ⃗ T \bf \vec{b}\vec{a}^T b a T,加上一个转置即为我们要求的导数,即:

∂ f ∂ X = ( b ⃗ a ⃗ T ) T = a b T \frac{\partial f}{\partial \bf X}=(\vec{b}\vec{a}^T)^T=ab^T Xf=(b a T)T=abT

以上就是微分法的基本流程,先求微分再做迹函数变换,最后得到求导结果。比起定义法,我们现在不需要去对矩阵中的单个标量进行求导。

再来看看
y = a ⃗ T e x p ( X b ⃗ ) , ​ ∂ y ∂ X y=\vec{a}^Texp(\bf X\vec{b}),​\frac{\partial y}{\partial \bf X} y=a Texp(Xb )Xy

d y = t r ( d y ) = t r ( a ⃗ T d e x p ( X b ⃗ ) ) = t r ( a ⃗ ( e x p ( X b ⃗ ) ⨀ d ( X b ⃗ ) ) ) = t r ( ( a ⃗ ⨀ e x p ( X b ⃗ ) ) T d X ) = t r ( b ⃗ ( a ⨀ e x p ( X b ⃗ ) ) T d X ) dy=tr(dy)=tr(\vec{a}^Tdexp(\textbf X\vec{b}))=tr(\vec{a}(exp(\textbf X\vec{b})\bigodot d(\textbf X\vec{b})))=tr((\vec{a}\bigodot exp(\textbf X\vec{b}))^Td\textbf X)\\=tr(\vec{b}(a\bigodot exp(\textbf{X}\vec{b}))^Td\textbf X) dy=tr(dy)=tr(a Tdexp(Xb ))=tr(a (exp(Xb )d(Xb )))=tr((a exp(Xb ))TdX)=tr(b (aexp(Xb ))TdX)

其中第三步到第四部使用了上面迹函数的性质5,这样求导结果为:
∂ y ∂ X = ( a ⃗ ⨀ e x p ( X b ⃗ ) ) b ⃗ T \frac{\partial y}{\partial \textbf X}=(\vec{a}\bigodot exp(\textbf X\vec{b}))\vec b^T Xy=(a exp(Xb ))b T

4. 迹函数对向量矩阵求导

由于微分法使用了迹函数的技巧,那么迹函数对向量矩阵求导这一大类问题,使用微分法是最简单直接的。下面是常见的迹函数的求导过程。

  • e.g ∂ t r ( A B ) ∂ A = B T \frac{\partial tr(\bf AB)}{\partial \bf A}=\bf B^T Atr(AB)=BT

  • e.g ∂ t r ( A B ) ∂ B = A T \frac{\partial tr(\bf AB)}{\partial \bf B}=\bf A^T Btr(AB)=AT

  • e.g ∂ t r ( W T A W ) ∂ W : \frac{\partial tr(W^TAW)}{\partial W}: Wtr(WTAW):

    证明: d ( t r ( W T A W ) ) = t r ( d W T A W + W T A d W ) = t r ( d W T A W ) + t r ( W T A d W ) = t r ( ( d W ) T A W ) + t r ( W T A d W ) = t r ( W T A T d W ) + t r ( W T A d W ) = t r ( W T ( A + A T ) d W ) d(tr(W^TAW))=tr(dW^TAW+W^TAdW)=tr(dW^TAW)+tr(W^TAdW)\\=tr((dW)^TAW)+tr(W^TAdW)=tr(W^TA^TdW)+tr(W^TAdW)=tr(W^T(A+A^T)dW) d(tr(WTAW))=tr(dWTAW+WTAdW)=tr(dWTAW)+tr(WTAdW)=tr((dW)TAW)+tr(WTAdW)=tr(WTATdW)+tr(WTAdW)=tr(WT(A+AT)dW)

    因此可以得到:
    ∂ t r ( W T A W ) ∂ W = ( A + A T ) W \frac{\partial tr(W^TAW)}{\partial W}=(A+A^T)W Wtr(WTAW)=(A+AT)W

5. 微分法求导小结

  • 使用矩阵微分,可以在不对向量或矩阵中的某一元素单独求导再拼接,因此会比较方便,当然熟练使用的前提是对上面矩阵微分的性质,以及迹函数的性质熟练运用

  • 微分法主要是用于解决标量对向量、标量对矩阵求导。而向量对向量的求导是不用微分法的

  • 向量对矩阵的求导,比如神经网络中输出层为多个节点时,就是一个向量

四、矩阵向量求导链式法则

本篇中标量对向量的求导,标量对矩阵的求导使用分母布局,向量对向量的求导使用分子布局。

1. 向量对向量求导的链式法则

假设多个向量存在依赖关系,比如三个向量 x ⃗ → y ⃗ → z ⃗ \vec x \to \vec y \to \vec z x y z 存在依赖关系,则有下面的链式求导法则:
∂ z ⃗ ∂ x ⃗ = ∂ z ⃗ ∂ y ⃗ ∂ y ⃗ ∂ x ⃗ \frac{\partial \vec z}{\partial \vec x}=\frac{\partial \vec z}{\partial \vec y}\frac{\partial \vec y}{\partial \vec x} x z =y z x y
该法则可以推广到更多的向量依赖关系。但是所有依赖关系的变量都是向量,如果有一个 Y \bf Y Y是矩阵,比如是 x ⃗ → Y → z ⃗ \vec x \to \textbf Y \to \vec z x Yz ,则上式并不成立。

从矩阵维度相容的角度也很容易理解上面的链式法则,假设 x ⃗ , y ⃗ , z ⃗ \vec x,\vec y,\vec z x ,y ,z 分别是m,n,p维向量,则求导结果 ∂ z ⃗ ∂ x ⃗ \frac{\partial \vec z}{\partial \vec x} x z 是一个pxm的雅克比矩阵,而右边 ∂ z ⃗ ∂ y ⃗ \frac{\partial \vec z}{\partial \vec y} y z 是pxn的雅克比矩阵, ∂ y ⃗ ∂ x ⃗ \frac{\partial \vec y}{\partial \vec x} x y 是一个nxm的矩阵,两个雅克比矩阵的乘积维度刚好是pxm,和左边相容。

2. 标量对多个向量的链式求导法则

在机器学习算法中,最终要优化的一般是一个标量损失函数,因此最后求导的目标是标量,无法使用上一节的链式求导法则,比如两个向量,最后到一标量的依赖关系: x ⃗ → y ⃗ → z \vec x\to \vec y \to z x y z,此时很容易发现维度不相容。

假设 x ⃗ , y ⃗ \vec x, \vec y x ,y 分别是m,n维向量,那么 ∂ z ∂ x ⃗ \frac{\partial z}{\partial \vec x} x z的求导结果是一个mx1的向量,而 ∂ z ∂ y ⃗ \frac{\partial z}{\partial \vec y} y z是一个nx1的向量, ∂ y ⃗ ∂ x ⃗ \frac{\partial \vec y}{\partial \vec x} x y 是一个nxm的雅克比矩阵,右边的向量和矩阵是没法直接乘的。

但是假如把标量求导的部分都做一个转置,那么维度就可以相容了,也就是:
( ∂ z ∂ x ⃗ ) T = ( ∂ z ∂ y ⃗ ) T ∂ y ⃗ ∂ x ⃗ (\frac{\partial z}{\partial \vec x})^T=(\frac{\partial z}{\partial \vec y})^T\frac{\partial \vec y}{\partial \vec x} (x z)T=(y z)Tx y
但是毕竟要求导的是 ∂ z ∂ x ⃗ \frac{\partial z}{\partial \vec x} x z,而不是它的转置,因此两边转置我们可以得到标量对多个向量求导的链式法则。
∂ z ∂ x ⃗ = ( ∂ y ⃗ ∂ x ⃗ ) T ∂ z ∂ y ⃗ \frac{\partial z}{\partial \vec x}=(\frac{\partial \vec y}{\partial \vec x})^T\frac{\partial z}{\partial \vec y} x z=(x y )Ty z
如果是标量对更多向量的求导,比如 y ⃗ 1 → y ⃗ 2 → . . . → y ⃗ n → z \vec y_1 \to \vec y_2\to...\to \vec y_n \to z y 1y 2...y nz,则其链式求导表达式可以表示为:
∂ z ∂ y ⃗ 1 = ( ∂ y ⃗ n ∂ y ⃗ n − 1 ∂ y ⃗ n − 1 ∂ y ⃗ n − 2 . . . ∂ y ⃗ 2 ∂ y ⃗ 1 ) T ∂ z ∂ y ⃗ n \frac{\partial z}{\partial \vec y_1}=(\frac{\partial \vec y_n}{\partial \vec y_{n-1}}\frac{\partial \vec y_{n-1}}{\partial \vec y_{n-2}}...\frac{\partial \vec y_2}{\partial \vec y_1})^T\frac{\partial z}{\partial \vec y_n} y 1z=(y n1y ny n2y n1...y 1y 2)Ty nz
这里给一个最小二乘法求导的例子。最小二乘法优化的目标是最小化如下损失函数:
l = ( X θ ⃗ − y ⃗ ) T ( X θ ⃗ − y ⃗ ) l=(\textbf X \vec \theta-\vec y)^T(\textbf X \vec \theta-\vec y) l=(Xθ y )T(Xθ y )
优化的损失函数 l l l是一个标量,而模型参数 θ \theta θ是一个向量,期望L对 θ \theta θ求导,并求出导数等于0时候的极值点。假设向量 z = X θ ⃗ − y z=\textbf X\vec \theta-y z=Xθ y,则 l = z T z l=z^Tz l=zTz, θ → z → l \theta \to z\to l θzl存在链式求导的关系,因此:
∂ l ∂ θ ⃗ = ( ∂ z ⃗ ∂ θ ⃗ ) T ∂ l ∂ z ⃗ = X ⃗ T ( 2 z ⃗ ) = 2 X ⃗ T ( X ⃗ θ ⃗ − y ⃗ ) \frac{\partial l}{\partial \vec \theta}=(\frac{\partial \vec z}{\partial \vec \theta})^T\frac{\partial l}{\partial \vec z}= \vec X^T(2\vec z)=2\vec X^T(\vec X\vec \theta-\vec y) θ l=(θ z )Tz l=X T(2z )=2X T(X θ y )
其中最后一步转换使用了如下求导公式:
∂ X ⃗ θ ⃗ − y ⃗ ∂ θ ⃗ = X ⃗ ∂ z ⃗ T z ⃗ ∂ z ⃗ = 2 z ⃗ \frac{\partial \vec X\vec \theta-\vec y}{\partial \vec \theta}=\vec X \\ \frac{\partial \vec z^T \vec z}{\partial \vec z}=2\vec z θ X θ y =X z z Tz =2z

3.标量对多个矩阵的链式求导法则

假设有这样的依赖关系: X → Y → z \textbf X \to \textbf Y\to z XYz,那么我们有:
∂ z ∂ X i j = ∑ k , l ∂ z ∂ Y k l ∂ Y k l ∂ X i j = t r ( ( ∂ z ∂ Y ) T ∂ Y ∂ X i j ) \frac{\partial z}{\partial X_{ij}}=\sum_{k,l}\frac{\partial z}{\partial Y_{kl}}\frac{\partial Y_{kl}}{\partial X_{ij}}=tr((\frac{\partial z}{\partial \textbf Y})^T\frac{\partial \textbf Y}{\partial X_{ij}}) Xijz=k,lYklzXijYkl=tr((Yz)TXijY)
这里并没有给出基于矩阵整体的链式求导法则,主要原因是矩阵对矩阵的求导是比较复杂的定义,目前也为未涉及。因此只能给出对矩阵中一个标量的链式求导方法。这个方法并不实用,因为我们并不想每次都基于定义法来求导,最后再去排列求导结果。

虽然没有全局的标量对矩阵 的链式求导法则,但是对于一些线性关系的链式求导,还是有一些有用的结论。

常见问题: A , X , B , Y \bf A,X,B,Y A,X,B,Y都是矩阵,z是标量,其中 z = f ( Y ) , Y = A X + B z=f(\textbf Y),\textbf Y=A\textbf X+B z=f(Y),Y=AX+B,我们要求出 ∂ z ∂ X \frac{\partial z}{\partial \textbf X} Xz,这个问题在机器学习中是很常见的。此时,并不能直接整体使用矩阵的链式求导法则,因为矩阵对矩阵的求导结果不好处理。

因此这里使用定义法试一试,先使用上面的标量链式求导公式:
∂ z ∂ X i j = ∑ k , l ∂ z ∂ Y k l ∂ Y k l ∂ X i j \frac{\partial z}{\partial X_{ij}}=\sum_{k,l}\frac{\partial z}{\partial Y_{kl}}\frac{\partial Y_{kl}}{\partial X_{ij}} Xijz=k,lYklzXijYkl
后半部分的导数:
∂ Y k l ∂ X i j = ∂ ∑ s ( A k s X s l ) ∂ X i j = ∂ A k i X i l ∂ X i j = A k i δ l j \frac{\partial Y_{kl}}{\partial X_{ij}}=\frac{\partial \sum_s(A_{ks}X_{sl})}{\partial X_{ij}}=\frac{\partial A_{ki}X_{il}}{\partial X_{ij}}=A_{ki}\delta_{lj} XijYkl=Xijs(AksXsl)=XijAkiXil=Akiδlj
其中 δ l j \delta_{lj} δlj l = j l=j l=j时为1,否则为0。

那么最终的标签链式求导公式转化为:
∂ z ∂ x i j = ∑ k , l ∂ z ∂ Y k l A k i δ l j = ∑ k ∂ z ∂ Y k j A k j \frac{\partial z}{\partial x_{ij}}=\sum_{k,l}\frac{\partial z}{\partial Y_{kl}}A_{ki}\delta_{lj}=\sum_{k}\frac{\partial z}{\partial Y_{kj}}A_{kj} xijz=k,lYklzAkiδlj=kYkjzAkj
即矩阵 A T \bf A^T AT的第i行和 ∂ z ∂ Y \frac{\partial z}{\partial \bf Y} Yz的第j列的内积。排列成矩阵即为:
∂ z ∂ X = A T ∂ z ∂ Y \frac{\partial z}{\partial \bf X}=\textbf A^T\frac{\partial z}{\partial \bf Y} Xz=ATYz
总结下就是:
z = f ( Y ) , Y = A X + B → ∂ z ∂ X = A T ∂ z ∂ Y z=f(\textbf Y),\textbf Y=A\textbf X+B \to \frac{\partial z}{\partial \textbf X}=A^T\frac{\partial z}{\partial \textbf Y} z=f(Y),Y=AX+BXz=ATYz
这结论 x \bf x x是一个向量时也成立,即:
z = f ( y ⃗ ) , y ⃗ = A x ⃗ + b → ∂ z ∂ x ⃗ = A T ∂ z ∂ y ⃗ z=f(\vec y),\vec y=A\vec x+b\to \frac{\partial z}{\partial \vec x}=A^T\frac{\partial z}{\partial \vec y} z=f(y ),y =Ax +bx z=ATy z
如果要求导的自变量在左边,线性变换在右边,也有类似稍有不同的结论,证明方法是类似的,这里直接给出结论.
z = f ( Y ) , Y = X A + B → ∂ z ∂ X = ∂ z ∂ Y A T z=f(\textbf Y),\textbf Y=\textbf XA+B \to \frac{\partial z}{\partial \textbf X}=\frac{\partial z}{\partial \textbf Y}A^T z=f(Y),Y=XA+BXz=YzAT

z = f ( y ⃗ ) , y ⃗ = x ⃗ a + b → ∂ z ∂ x ⃗ = ∂ z ∂ y ⃗ a T z=f(\vec y),\vec y=\vec xa+b\to \frac{\partial z}{\partial \vec x}=\frac{\partial z}{\partial \vec y}a^T z=f(y ),y =x a+bx z=y zaT

使用好上述四个结论,对于机器学习尤其是深度学习里的求导问题可以非常快的解决

4. 矩阵向量求导小结

  • 矩阵向量求导在前面讨论了三种方法,定义法、微分法和链式求导法。在同等情况下,优先考虑链式求导方法,尤其是第三节的四个结论。其次选择微分法,在没有好的求导方法时使用定义法是最后的保底方案。

  • 链式法面对向量对矩阵的导数是不行的,只能用定义法做

  • 这四篇对矩阵向量求导的介绍,对于机器学习中出现的矩阵向量求导问题已足够。剩下的是矩阵对矩阵的求导,还有矩阵对向量,向量对矩阵求导这三种形式,是其他应用的数学问题。

五、矩阵的迹以及迹对矩阵求导

  • 概念:矩阵的迹就是矩阵的主对角线上所有元素的和

    矩阵A的迹,记作tr(A),即 t r ( A ) = ∑ i = 1 n a i i tr(A)=\sum_{i=1}^{n}a_{ii} tr(A)=i=1naii

  • 定理1: t r ( A B ) = t r ( B A ) , ( A n × m , B m × n 或 A m × n , B n × m ) tr(AB)=tr(BA),(A_{n\times m},B_{m\times n}或A_{m\times n},B_{n\times m}) tr(AB)=tr(BA),(An×m,Bm×nAm×n,Bn×m)

    证明:
    t r ( A B ) = ∑ i = 1 n ( A B ) i i = ∑ i = 1 n ∑ j = 1 n A i j B j i tr(AB)=\sum_{i=1}^{n}(AB)_{ii}=\sum_{i=1}^{n}\sum_{j=1}^nA_{ij}B_{ji} tr(AB)=i=1n(AB)ii=i=1nj=1nAijBji

    t r ( B A ) = ∑ i = 1 n ( B A ) i i = ∑ i = 1 n ∑ j = 1 n B i j A j i = ∑ i = 1 n ∑ j = 1 n A j i B i j = ∑ j = 1 n ( A B ) j j = t r ( A B ) tr(BA)=\sum_{i=1}^{n}(BA)_{ii}=\sum_{i=1}^{n}\sum_{j=1}^{n}B_{ij}A_{ji}=\sum_{i=1}^n\sum_{j=1}^nA_{ji}B_{ij}=\sum_{j=1}^n(AB)_{jj}=tr(AB) tr(BA)=i=1n(BA)ii=i=1nj=1nBijAji=i=1nj=1nAjiBij=j=1n(AB)jj=tr(AB)

    实例证明:
    A = ( a 1 a 2 a 3 a 4 a 5 a 6 a 7 a 8 a 9 ) B = ( b 1 b 2 b 3 b 4 b 5 b 6 b 7 b 8 b 9 ) A= \begin{pmatrix} a_1 & a_2 & a_3 \\ a_4 & a_5 & a_6 \\ a_7 & a_8 & a_9 \end{pmatrix} \quad B = \begin{pmatrix} b_1 & b_2 & b_3 \\ b_4 & b_5 & b_6 \\ b_7 & b_8 & b_9 \end{pmatrix} A=a1a4a7a2a5a8a3a6a9B=b1b4b7b2b5b8b3b6b9
    方法1:
    t r ( A B ) = a 1 b 1 + a 2 b 4 + a 3 b 7 + a 4 b 2 + a 5 b 5 + a 6 b 8 + a 7 b 3 + a 8 b 6 + a 9 b 9 t r ( B A ) = b 1 a 1 + b 2 a 4 + b 3 a 7 + b 4 a 2 + b 5 a 5 + b 6 a 8 + b 7 a 3 + b 8 a 6 + b 9 a 9 = t r ( A B ) tr(AB)=a_1b_1+a_2b_4+a_3b_7+a_4b_2+a_5b_5+a_6b_8+a_7b_3+a_8b_6+a_9b_9 \\ tr(BA)=b_1a_1+b_2a_4+b_3a_7+b_4a_2+b_5a_5+b_6a_8+b_7a_3+b_8a_6+b_9a_9=tr(AB) tr(AB)=a1b1+a2b4+a3b7+a4b2+a5b5+a6b8+a7b3+a8b6+a9b9tr(BA)=b1a1+b2a4+b3a7+b4a2+b5a5+b6a8+b7a3+b8a6+b9a9=tr(AB)
    可发现
    ∀ a i b j ∈ t r ( A B ) , 一 定 有 a i b j ∈ t r ( B A ) ∀ a i b j ∈ t r ( B A ) , 一 定 有 a i b j ∈ t r ( A B ) \forall a_ib_j\in tr(AB),一定有a_ib_j \in tr(BA) \\ \forall a_ib_j\in tr(BA),一定有a_ib_j \in tr(AB) aibjtr(AB),aibjtr(BA)aibjtr(BA),aibjtr(AB)
    所以 一定有 t r ( A B ) = t r ( B A ) tr(AB)=tr(BA) tr(AB)=tr(BA)

  • 定理2: 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)

    证明:由 t r ( A B ) = t r ( B A ) tr(AB)=tr(BA) tr(AB)=tr(BA)可知:
    t r ( A B C ) = t r ( ( A B ) C ) = t r ( C A B ) t r ( A B C ) = t r ( A ( B C ) ) = t r ( B C A ) tr(ABC)=tr((AB)C)=tr(CAB)\\ tr(ABC)=tr(A(BC))=tr(BCA) tr(ABC)=tr((AB)C)=tr(CAB)tr(ABC)=tr(A(BC))=tr(BCA)
    定理的实质是:ABC的各种循环形式的矩阵乘函数的迹都相等,如下解释:

    ABC的循环形式有三种:ABC、BCA、CAB

    就是从ABCABC中依次取以A,B,C开头且含有A、B、C的依次是:ABC、BCA、CAB,他们三个的迹相等

  • 定理3: t r ( A ) = t r ( A T ) tr(A)=tr(A^T) tr(A)=tr(AT)

    证明:矩阵转置不改变矩阵的主对角线上的所有元素

  • 定理4: d ( t r ( A B ) ) = d ( t r ( B A ) ) = B T , ( A m × n , B n × m 矩 阵 ) d(tr(AB))=d(tr(BA))=B^T,(A_{m\times n},B_{n\times m}矩阵) d(tr(AB))=d(tr(BA))=BT,(Am×n,Bn×m)

    证明:
    t r ( A B ) = ∑ i = 1 n a 1 i b i 1 + ∑ i = 1 n a 2 i b i 2 + . . . + ∑ i = 1 n a m i b i m = ∑ j = 1 m ∑ i = 1 n a j i b i j tr(AB)=\sum_{i=1}^na_{1i}b_{i1}+\sum_{i=1}^na_{2i}b_{i2}+...+\sum_{i=1}^na_{mi}b_{im}=\sum_{j=1}^m\sum^n_{i=1}a_{ji}b_{ij} tr(AB)=i=1na1ibi1+i=1na2ibi2+...+i=1namibim=j=1mi=1najibij
    t r ( A B ) = ∑ i = 1 m ∑ j = 1 n a i j b j i tr(AB)=\sum^m_{i=1}\sum^n_{j=1}a_{ij}b_{ji} tr(AB)=i=1mj=1naijbji

    ∂ t r ( A B ) ∂ A = ∂ 标 量 ∂ 矩 阵 = ∂ ∑ i = 1 m ∑ j = 1 n a i j b j i ∂ a i j = b i j \frac{\partial tr(AB)}{\partial A}=\frac{\partial 标量}{\partial 矩阵}=\frac{\partial \sum^m_{i=1}\sum^n_{j=1}a_{ij}b_{ji}}{\partial a_{ij}}=b_{ij} Atr(AB)==aiji=1mj=1naijbji=bij
    ∂ t r ( A B ) ∂ A = ( ∂ t r ( A B ) ∂ a 11 ∂ t r ( A B ) ∂ a 12 ⋯ ∂ t r ( A B ) ∂ a 1 n ∂ t r ( A B ) ∂ a 21 ∂ t r ( A B ) ∂ a 22 ⋯ ∂ t r ( A B ) ∂ a 2 n ⋮ ⋮ ⋱ ⋮ ∂ t r ( A B ) ∂ a m 1 ∂ t r ( A B ) ∂ a m 2 ⋯ ∂ t r ( A B ) ∂ a m n ) = ( b 11 b 21 ⋯ b n 1 b 12 b 22 ⋯ b n 2 ⋮ ⋮ ⋱ ⋮ b 1 m b 2 m ⋯ b n m ) = ( b 11 b 21 ⋯ b n 1 b 12 b 22 ⋯ b n 2 ⋮ ⋮ ⋱ ⋮ b 1 m b 2 m ⋯ b n m ) T = B T \frac{\partial tr(AB)}{\partial A}=\begin{pmatrix}\frac{\partial tr(AB)}{\partial a_{11}} & \frac{\partial tr(AB)}{\partial a_{12}} & \cdots & \frac{\partial tr(AB)}{\partial a_{1n}} \\\frac{\partial tr(AB)}{\partial a_{21}} & \frac{\partial tr(AB)}{\partial a_{22}} & \cdots & \frac{\partial tr(AB)}{\partial a_{2n}} \\\vdots & \vdots & \ddots & \vdots \\\frac{\partial tr(AB)}{\partial a_{m1}} & \frac{\partial tr(AB)}{\partial a_{m2}} & \cdots & \frac{\partial tr(AB)}{\partial a_{mn}} \\\end{pmatrix}\\=\begin{pmatrix}b_{11} & b_{21} & \cdots & b_{n1} \\b_{12} & b_{22} & \cdots & b_{n2} \\\vdots & \vdots & \ddots & \vdots \\b_{1m} & b_{2m} & \cdots & b_{nm}\end{pmatrix}=\begin{pmatrix}b_{11} & b_{21} & \cdots & b_{n1} \\b_{12} & b_{22} & \cdots & b_{n2} \\\vdots & \vdots & \ddots & \vdots \\b_{1m} & b_{2m} & \cdots & b_{nm}\end{pmatrix}^T=B^T Atr(AB)=a11tr(AB)a21tr(AB)am1tr(AB)a12tr(AB)a22tr(AB)am2tr(AB)a1ntr(AB)a2ntr(AB)amntr(AB)=b11b12b1mb21b22b2mbn1bn2bnm=b11b12b1mb21b22b2mbn1bn2bnmT=BT
    因为 t r ( A B ) = t r ( B A ) tr(AB)=tr(BA) tr(AB)=tr(BA),所以 ∂ A B ∂ A = ∂ t r ( B A ) ∂ A = B T \frac{\partial AB}{\partial A}=\frac{\partial tr(BA)}{\partial A}=B^T AAB=Atr(BA)=BT

  • 定理5: ∂ A T B ∂ A = ∂ t r ( B A T ) ∂ A = B , ( A m × n , B n × m 方 阵 ) \frac{\partial A^TB}{\partial A}=\frac{\partial tr(BA^T)}{\partial A}=B,(A_{m \times n},B_{n \times m}方阵) AATB=Atr(BAT)=B,(Am×n,Bn×m)

  • 定理6:如果 a ∈ R a \in \bf R aR,则有 t r ( a ) = a tr(a)=a tr(a)=a

  • 定理7: ∂ t r ( X ) ∂ X = I \frac{\partial tr(X)}{\partial X}=I Xtr(X)=I

    矩阵的迹对矩阵自身求导为单位矩阵 I I I
    ∂ t r ( X ) ∂ X = ∂ 标 量 ∂ 矩 阵 = ( ∑ i = 1 n x i i x 11 ∑ i = 1 n x i i x 12 ⋯ ∑ i = 1 n x i i x 1 n ∑ i = 1 n x i i x 21 ∑ i = 1 n x i i x 22 ⋯ ∑ i = 1 n x i i x 2 n ⋮ ⋮ ⋱ ⋮ ∑ i = 1 n x i i x m 1 ∑ i = 1 n x i i x m 2 ⋯ ∑ i = 1 n x i i x m n ) = I \frac{\partial tr(X)}{\partial X}=\frac{\partial 标量}{\partial 矩阵}= \begin{pmatrix} \frac{\sum^n_{i=1}x_{ii}}{x_{11}} & \frac{\sum^n_{i=1}x_{ii}}{x_{12}} & \cdots & \frac{\sum^n_{i=1}x_{ii}}{x_{1n}} \\ \frac{\sum^n_{i=1}x_{ii}}{x_{21}} & \frac{\sum^n_{i=1}x_{ii}}{x_{22}} & \cdots & \frac{\sum^n_{i=1}x_{ii}}{x_{2n}} \\ \vdots & \vdots & \ddots & \vdots \\ \frac{\sum^n_{i=1}x_{ii}}{x_{m1}} & \frac{\sum^n_{i=1}x_{ii}}{x_{m2}} & \cdots & \frac{\sum^n_{i=1}x_{ii}}{x_{mn}} \\ \end{pmatrix} = I Xtr(X)==x11i=1nxiix21i=1nxiixm1i=1nxiix12i=1nxiix22i=1nxiixm2i=1nxiix1ni=1nxiix2ni=1nxiixmni=1nxii=I

  • 定理8: d t r ( A T X B T ) = d t r ( B X T A ) = A B dtr(A^TXB^T)=dtr(BX^TA)=AB dtr(ATXBT)=dtr(BXTA)=AB

    证明:

    $\because tr(ATXBT)=tr(ATXBT)T=tr(BXTA)=tr(ABX^T) \$

    ∴ d t r ( A T X B T ) = d t r ( B X T A ) = d t r ( A B X T ) \therefore dtr(A^TXB^T)=dtr(BX^TA)=dtr(ABX^T) dtr(ATXBT)=dtr(BXTA)=dtr(ABXT)

    ∵ d t r ( A B X T ) = A B \because dtr(ABX^T)=AB dtr(ABXT)=AB

    ∴ d t r ( A T X B T ) = d t r ( B X T A ) = A B \therefore dtr(A^TXB^T)=dtr(BX^TA)=AB dtr(ATXBT)=dtr(BXTA)=AB

哈达马乘积

对于同为mxn阶的矩阵 A \bf A A B \bf B B A \bf A A B \bf B B的哈达马乘积定义为:
( A ⨀ B ) i , j = ( A ) i , j ( B ) i , j (A\bigodot B)_{i,j}=(A)_{i,j}(B)_{i,j} (AB)i,j=(A)i,j(B)i,j

矩阵求导的基本规则

∂ AB ∂ B = A T \frac{\partial \textbf {AB}}{\partial \textbf B} = A^T BAB=AT

此学习笔记《矩阵向量求导》下载
链接:https://pan.baidu.com/s/15i2l4r50aE6HwmX90mcyaQ 密码:0cd5

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值