矩阵运算
矩阵相乘求导
假设a,b为可以相互点乘的向量,对b求导为a,同理对a求导为b,这是因为在矩阵的点积运算中a的每一行会乘以b的每一列,求导的过程实际是对b的过程,,所以最后保留下来的是a而不是
矩阵求导规则:
对于 形式的表达式,其中 A是对称矩阵,求导结果是:
对于非对称矩阵A,有:
求解矩阵的逆:
求解矩阵 H(x) 的逆矩阵 通常涉及线性代数的几个方法。以下是常用的方法:
- 直接求逆:,其中det(H(x))是矩阵H(x) 的行列式。adj(H(x)) 是H(x)的伴随矩阵。这种及算法复杂度较高,对大规模矩阵效率较低。
- LU分解:将矩阵 H(x)分解为一个下三角矩阵L 和一个上三角矩阵U: ,通过解两个三角矩阵的逆矩阵,最终得到H(x)的逆矩阵。将和相乘,即可得到:
- Cholesky分解:如果H(x)是正定的(这是海森矩阵常见的性质),我们可以使用 Cholesky 分解,它更为高效:将矩阵H(x)分解为一个下三角矩阵L及其转置:,通过解两个三角矩阵的逆矩阵(与 LU 分解类似)来求出 。
- 共轭梯度法:对于非常大的矩阵,直接求逆是不切实际的。在这种情况下,共轭梯度法是一种常用的迭代方法,用于求解H(x)p = -∇L(x)这样的线性方程组,而无需显式求出 。
伴随矩阵:
伴随矩阵是线性代数中的一个概念,与矩阵的逆和行列式有关。对于一个给定的方阵A,伴随矩阵 adj(A)是一个矩阵,其元素是A的代数余子式(cofactor)的转置。
具体来说,给定一个的矩阵A,伴随矩阵adj(A)的计算步骤如下:
1 计算代数余子式:对于矩阵A中的每一个元素,计算其代数余子式。代数余子式是去掉i行和j列后,剩余矩阵的行列式,再乘以.
2 形成代数余子式矩阵:将所有代数余子式 组成一个新的矩阵 C,这个矩阵称为代数余子式矩阵.
3 转置:对代数余子式矩阵C进行转置,得到伴随矩阵 adj(A)。
伴随矩阵有一个重要的性质,就是对于任意的方阵 A,有: 其中 det(A)是矩阵A的行列式,I是单位矩阵.
伴随矩阵在计算矩阵的逆时也非常有用,特别是当矩阵A可逆时: