矩阵求导（二）

最新推荐文章于 2024-08-02 11:17:36 发布

dinkwad

最新推荐文章于 2024-08-02 11:17:36 发布

阅读量8k

点赞数

矩阵求导术（下）

转自：https://zhuanlan.zhihu.com/p/24863977

4 个月前
本文承接上篇 https://zhuanlan.zhihu.com/p/24709748，来讲矩阵对矩阵的求导术。使用小写字母x表示标量，粗体小写字母 $\boldsymbol{x}$ 表示列向量，大写字母X表示矩阵。矩阵对矩阵的求导采用了向量化的思路，常应用于二阶方法求解优化问题。

首先来琢磨一下定义。矩阵对矩阵的导数，需要什么样的定义？第一，矩阵 $F(p×q)$ 对矩阵 $X(m×n)$ 的导数应包含所有 $mnpq$ 个偏导数 $\frac{\partial F_{kl}}{\partial X_{ij}}$ ，从而不损失信息；第二，导数与微分有简明的联系，因为在计算导数和应用中需要这个联系；第三，导数有简明的从整体出发的算法。我们先定义向量 $\boldsymbol{f}(p×1)$ 对向量 $\boldsymbol{x}(m×1)$ 的导数

\partial f \partial x : = ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ \partial f 1 \partial x 1 \partial f 1 \partial x 2 ⋮ \partial f 1 \partial x m \partial f 2 \partial x 1 \partial f 2 \partial x 2 ⋮ \partial f 2 \partial x m \dots \dots ⋱ \dots \partial f p \partial x 1 \partial f p \partial x 2 ⋮ \partial f p \partial x m ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ (m \times p)

$\frac{\partial \boldsymbol{f}}{\partial \boldsymbol{x}} := \begin{bmatrix} \frac{\partial f_1}{\partial x_1} & \frac{\partial f_2}{\partial x_1} & \cdots & \frac{\partial f_p}{\partial x_1}\\ \frac{\partial f_1}{\partial x_2} & \frac{\partial f_2}{\partial x_2} & \cdots & \frac{\partial f_p}{\partial x_2}\\ \vdots & \vdots & \ddots & \vdots\\ \frac{\partial f_1}{\partial x_m} & \frac{\partial f_2}{\partial x_m} & \cdots & \frac{\partial f_p}{\partial x_m}\\ \end{bmatrix}(m×p)$ ，有

df=∂f∂xTdx $d\boldsymbol{f} = \frac{\partial \boldsymbol{f} }{\partial \boldsymbol{x} }^T d\boldsymbol{x}$ ；再定义矩阵的（按列优先）向量化

v e c (X) : = [X 11, \dots, X m 1, X 12, \dots, X m 2, \dots, X 1 n, \dots, X m n] T (m n \times 1)

$\mathrm{vec}(X) := [X_{11}, \ldots, X_{m1}, X_{12}, \ldots, X_{m2}, \ldots, X_{1n}, \ldots, X_{mn}]^T(mn×1)$ ，并定义矩阵F对矩阵X的导数

∂F∂X:=∂vec(F)∂vec(X)(mn×pq) $\frac{\partial F}{\partial X} := \frac{\partial \mathrm{vec}(F)}{\partial \mathrm{vec}(X)}(mn×pq)$ 。导数与微分有联系

vec(dF)=∂F∂XTvec(dX) $\mathrm{vec}(dF) = \frac{\partial F}{\partial X}^T \mathrm{vec}(dX)$ 。几点说明如下：

按此定义，标量f对矩阵 $X(m×n)$ 的导数 $\frac{\partial f}{\partial X}$ 是mn×1向量，与上篇的定义不兼容，不过二者容易相互转换。为避免混淆，用记号 $\nabla_X f$ 表示上篇定义的m×n矩阵，则有 $\frac{\partial f}{\partial X}=\mathrm{vec}(\nabla_X f)$ 。虽然本篇的技术可以用于标量对矩阵求导这种特殊情况，但使用上篇中的技术更方便。读者可以通过上篇中的算例试验两种方法的等价转换。
标量对矩阵的二阶导数，又称Hessian矩阵，定义为 $\nabla^2_X f := \frac{\partial^2 f}{\partial X^2} = \frac{\partial \nabla_X f}{\partial X}(mn×mn)$ ，是对称矩阵。对 $\frac{\partial f}{\partial X}或\nabla_X f$ 求导都可以得到Hessian矩阵，但从矩阵 $\nabla_X f$ 出发更方便。

\partial F \partial X = \partial v e c ( F ) \partial X = \partial F \partial v e c ( X ) = \partial v e c ( F ) \partial v e c ( X )

$\frac{\partial F}{\partial X} = \frac{\partial\mathrm{vec} (F)}{\partial X} = \frac{\partial F}{\partial \mathrm{vec}(X)} = \frac{\partial\mathrm{vec}(F)}{\partial \mathrm{vec}(X)}$ ，求导时矩阵被向量化，弊端是这在一定程度破坏了矩阵的结构，会导致结果变得形式复杂；好处是多元微积分中关于梯度、Hessian矩阵的结论可以沿用过来，只需将矩阵向量化。例如优化问题中，牛顿法的更新

ΔX $\Delta X$ ，满足

vec(ΔX)=−(∇2Xf)−1vec(∇Xf) $\mathrm{vec}(\Delta X) = -(\nabla^2_X f)^{-1}\mathrm{vec}(\nabla_X f)$ 。
在资料中，矩阵对矩阵的导数还有其它定义，比如

∂F∂X:=[∂Fkl∂X](mp×nq) $\frac{\partial F}{\partial X} := \left[\frac{\partial F_{kl}}{\partial X}\right](mp×nq)$ ，它能兼容上篇中的标量对矩阵导数的定义，但微分与导数的联系（

dF $dF$ 等于

∂F∂X $\frac{\partial F}{\partial X}$ 中每个m×n子块分别与

dX $dX$ 做内积）不够简明，不便于计算和应用。

然后来建立运算法则。仍然要利用导数与微分的联系 $\mathrm{vec}(dF) = \frac{\partial F}{\partial X}^T \mathrm{vec}(dX)$ ，求微分的方法与上篇相同，而从微分得到导数需要一些向量化的技巧：

线性： $\mathrm{vec}(A+B) = \mathrm{vec}(A) + \mathrm{vec}(B)$ 。
矩阵乘法： $\mathrm{vec}(AXB) = (B^T \otimes A) \mathrm{vec}(X)$ ，其中 $\otimes$ 表示Kronecker积， $A(m×n)$ 与 $B(p×q)$ 的Kronecker积是 $A\otimes B := [A_{ij}B](mp×nq)$ 。此式证明见张贤达《矩阵分析与应用》第107-108页。
转置： $\mathrm{vec}(A^T) = K_{mn}\mathrm{vec}(A)$ ， $A$ 是 $m×n$ 矩阵，其中 $K_{mn}(mn×mn)$ 是交换矩阵(commutation matrix)。
逐元素乘法： $\mathrm{vec}(A\odot X) = \mathrm{diag}(A)\mathrm{vec}(X)$ ，其中 $\mathrm{diag}(A)(mn×mn)$ 是用 $A$ 的元素（按列优先）排成的对角阵。

观察一下可以断言，若矩阵函数 $F$ 是矩阵 $X$ 经加减乘法、行列式、逆、逐元素函数等运算构成，则使用相应的运算法则对 $F$ 求微分，再做向量化并使用技巧将其它项交换至 $vec(dX)$ 左侧，即能得到导数。

再谈一谈复合：假设已求得 $\frac{\partial F}{\partial Y}$ ，而Y是X的函数，如何求 $\frac{\partial F}{\partial X}$ 呢？从导数与微分的联系入手， $\mathrm{vec}(dF) = \frac{\partial F}{\partial Y}^T\mathrm{vec}(dY) = \frac{\partial F}{\partial Y}^T\frac{\partial Y}{\partial X}^T\mathrm{vec}(dX)$ ，可以推出链式法则 $\frac{\partial F}{\partial X} = \frac{\partial Y}{\partial X}\frac{\partial F}{\partial Y}$ 。

和标量对矩阵的导数相比，矩阵对矩阵的导数形式更加复杂，从不同角度出发常会得到形式不同的结果。有一些Kronecker积和交换矩阵相关的恒等式，可用来做等价变形：

(A \otimes B) T = A T \otimes B T 。 v e c (a b T) = b \otimes a 。 (A \otimes B) (C \otimes D) = (A C) \otimes (B D)

$(A\otimes B)^T = A^T \otimes B^T。 \mathrm{vec}(\boldsymbol{ab}^T) = \boldsymbol{b}\otimes\boldsymbol{a}。 (A\otimes B)(C\otimes D) = (AC)\otimes (BD)$ 。可以对

F=DTBTXAC $F = D^TB^TXAC$ 求导来证明，一方面，直接求导得到

∂F∂X=(AC)⊗(BD) $\frac{\partial F}{\partial X} = (AC) \otimes (BD)$ ；另一方面，引入

Y=BTXA $Y = B^T X A$ ，有

∂F∂Y=C⊗D,∂Y∂X=A⊗B $\frac{\partial F}{\partial Y} = C \otimes D, \frac{\partial Y}{\partial X} = A \otimes B$ ，用链式法则得到

∂F∂X=(A⊗B)(C⊗D) $\frac{\partial F}{\partial X} = (A\otimes B)(C \otimes D)$ 。

Kmn=KTnm,KmnKnm=I $K_{mn} = K_{nm}^T, K_{mn}K_{nm} = I$ 。

KpmA⊗BKnq=B⊗A $K_{pm}A\otimes B K_{nq} = B\otimes A$ ，

A $A$ 是

m×n $m×n$ 矩阵，

B $B$ 是

p×q $p×q$ 矩阵。可以对

AXBT $AXB^T$ 做向量化来证明，一方面，

vec(AXBT)=(B⊗A)vec(X) $\mathrm{vec}(AXB^T) = (B\otimes A)\mathrm{vec}(X)$ ；另一方面，

v e c (A X B T) = K p m v e c (B X T A T) = (K p m A \otimes B) v e c (X T) = (K p m A \otimes B K n q) v e c (X)

$\mathrm{vec}(AXB^T) = K_{pm}\mathrm{vec}(BX^TA^T) = (K_{pm}A\otimes B)\mathrm{vec}(X^T) = (K_{pm}A\otimes B K_{nq})\mathrm{vec}(X)$ 。

接下来演示一些算例。

例1： $F = AX$ ， $X$ 是 $m×n$ 矩阵，求 $\frac{\partial F}{\partial X}$ 。

解：先求微分： $dF=AdX$ ，再做向量化，使用矩阵乘法的技巧，注意在 $dX$ 右侧添加单位阵： $\mathrm{vec}(dF) = \mathrm{vec}(AdX) = (I_n\otimes A)\mathrm{vec}(dX)$ ，对照导数与微分的关系得到 $\frac{\partial F}{\partial X} = I_n\otimes A^T$ 。

例2： $f = \log |X|$ ， $X$ 是 $n×n$ 矩阵，求 $\nabla_X f$ 和 $\nabla^2_X f$ 。

解：使用上篇中的技术可求得 $\nabla_X f = X^{-1T}$ 。为求 $\nabla^2_X f$ ，先求微分： $d\nabla_X f = -(X^{-1}dXX^{-1})^T$ ，再做向量化，使用转置和矩阵乘法的技巧 $\mathrm{vec}(d\nabla_X f)= -K_{nn}\mathrm{vec}(X^{-1}dX X^{-1}) = -K_{nn}X^{-1T}\otimes X^{-1}\mathrm{vec}(dX)$ ，对照导数与微分的关系得到 $\nabla^2_X f = -K_{nn}X^{-1T}\otimes X^{-1}$ 。注意 $\nabla^2_X f$ 是对称矩阵。在 $X$ 是对称矩阵时，可简化为 $\nabla^2_X f = -X^{-1}\otimes X^{-1}$ 。

例3： $F = A\exp(XB)$ ， $A$ 是 $l×m$ ， $X$ 是 $m×n$ ， $B$ 是 $n×p$ 矩阵， $exp()$ 为逐元素函数，求 $\frac{\partial F}{\partial X}$ 。

解：先求微分： $dF = A(\exp(XB)\odot (dXB))$ ，再做向量化，使用矩阵乘法的技巧： $\mathrm{vec}(dF) = (I_p\otimes A)\mathrm{vec}(\exp(XB)\odot (dXB))$ ，再用逐元素乘法的技巧： $\mathrm{vec}(dF) = (I_p \otimes A) \mathrm{diag}(\exp(XB))\mathrm{vec}(dXB)$ ，再用矩阵乘法的技巧： $\mathrm{vec}(dF) = (I_p\otimes A)\mathrm{diag}(\exp(XB))(B^T\otimes I_m)\mathrm{vec}(dX)$ ，对照导数与微分的关系得到 $\frac{\partial F}{\partial X} = (B\otimes I_m)\mathrm{diag}(\exp(XB))(I_p\otimes A^T)$ 。

最后做个小结。我们发展了从整体出发的矩阵求导的技术，导数与微分的联系是计算的枢纽，标量对矩阵的导数与微分的联系是 $df = \mathrm{tr}(\nabla_X^T f dX)$ ，先对f求微分，再使用迹技巧可求得导数；矩阵对矩阵的导数与微分的联系是 $\mathrm{vec}(dF) = \frac{\partial F}{\partial X}^T \mathrm{vec}(dX)$ ，先对F求微分，再使用向量化的技巧可求得导数。

参考资料：

张贤达. 矩阵分析与应用. 清华大学出版社有限公司, 2004.
Fackler, Paul L. “Notes on matrix calculus.” North Carolina State University(2005).
Petersen, Kaare Brandt, and Michael Syskind Pedersen. “The matrix cookbook.” Technical
University of Denmark 7 (2008): 15.
HU, Pili. “Matrix Calculus: Derivation and Simple Application.” (2012).