0
点赞
收藏
分享

微信扫一扫

线性代数之矩阵导数微分


                           线性代数之矩阵导数微分

 矩阵微分及性质

矩阵微分的形式见下:

线性代数之矩阵导数微分_线性代数

类似函数的微分,矩阵微分有如下性质:

线性代数之矩阵导数微分_线性代数_02

其中矩阵转置的微分等于矩阵微分的转置:

线性代数之矩阵导数微分_矩阵转置_03

 矩阵导数与微分

矩阵微分和导数有如下关系: 

线性代数之矩阵导数微分_转置_04

 再结合矩阵迹和矩阵导数,则有:

线性代数之矩阵导数微分_转置_05

二次型函数矩阵求导

假设有如下二次型函数

线性代数之矩阵导数微分_机器学习_06

,求其对x的导数。这里A是个方阵,x是个列向量。

解决过程:

Step 1 由矩阵微分定义有:

线性代数之矩阵导数微分_线性代数_07

Step 2  由微分矩阵迹的性质:

线性代数之矩阵导数微分_线性代数_08

则可将上式变换为:

线性代数之矩阵导数微分_线性代数_09

Step 3 再有乘积矩阵的微分性质

线性代数之矩阵导数微分_转置_10

则上式展开为:

线性代数之矩阵导数微分_线性代数_11

Step 4 其中Step 3里的右式里仍是乘积矩阵的微分,再次展开

线性代数之矩阵导数微分_转置_12

Step 5 这里A是个常量,所以

线性代数之矩阵导数微分_线性代数_13

是0矩阵,即有:

线性代数之矩阵导数微分_线性代数_14

Step 6 由迹的性质,两个矩阵和的迹等于各自迹的和:

线性代数之矩阵导数微分_机器学习_15

则可以展开为:

线性代数之矩阵导数微分_矩阵转置_16

Step 7 再由如下性质:

1 矩阵的迹等于矩阵逆的迹的性质

线性代数之矩阵导数微分_线性代数_17

2 矩阵乘逆的性质

线性代数之矩阵导数微分_机器学习_18

3 矩阵转置的微分的性质

线性代数之矩阵导数微分_机器学习_19

则上式转换为:

线性代数之矩阵导数微分_线性代数_20

Step 8 在根据由迹的性质,两个矩阵和的迹等于各自迹的和,得

线性代数之矩阵导数微分_矩阵转置_21

Step 9 合并相同的项,则得

线性代数之矩阵导数微分_矩阵转置_22

Step 10 由矩阵导数微分的性质

线性代数之矩阵导数微分_转置_23

则 上式里的矩阵导数为:

线性代数之矩阵导数微分_机器学习_24

即得最终结果。

特别的如何A是个对称矩阵,则

线性代数之矩阵导数微分_线性代数_25

举报

相关推荐

0 条评论