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
1.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
∂x∂y
- 一组标量
yi,i=1,2,...,m来对一个标量x的求导,为
∂x∂yi,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
∂x∂y
-
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 |
∂x∂y |
∂x∂y |
∂x∂Y |
向量x |
∂x∂y |
∂x∂y |
∂x∂Y |
矩阵X |
∂X∂y |
∂X∂y |
∂X∂Y |
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
∂x∂y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是一个m维的列向量,那么求导结果
∂x∂y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。
- 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
∂x∂y=⎝⎜⎜⎜⎜⎛∂x1∂y1∂x1∂y2⋮∂x1∂ym∂x2∂y1∂x2∂y2⋮∂x2∂ym⋯⋯⋱⋯∂xn∂y1∂xn∂y2⋮∂xn∂ym⎠⎟⎟⎟⎟⎞
一般叫做雅克比(Jacobian)矩阵,可用
∂xT∂y来定义。
- 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
∂x∂y=⎝⎜⎜⎜⎜⎛∂x1∂y1∂x2∂y1⋮∂xn∂y1∂x1∂y2∂x2∂y2⋮∂xn∂y2⋯⋯⋱⋯∂x1∂ym∂x2∂ym⋮∂xn∂ym⎠⎟⎟⎟⎟⎞
一般叫做梯度矩阵,可用
∂x∂yT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 |
/ |
∂x∂y 分子布局:m维列向量(默认);分母布局:m维行向量 |
∂x∂Y 分子布局:pxq矩阵(默认);分母布局:qxp矩阵 |
列向量x |
∂x∂y 分子布局:n维行向量;分母布局:n维列向量(默认) |
∂x∂y 分子布局:mxn雅克比矩阵(默认);分母布局:nxm梯度矩阵 |
/ |
矩阵X |
∂X∂y 分子布局:nxm矩阵;分母布局:mxn矩阵(默认) |
/ |
/ |
2.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:Rn→R, 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
Tx
,求解
∂x
∂a
Tx
根据定义,先对
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:
∂xi∂a
Tx
=∂xi∂∑j=1najxj=∂xi∂aixi=ai
可见,对向量的第i个分量的求导结果就等于向量
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
:
∂x
∂a
Tx
=a
同样的思路,可直接得到:
∂x
∂x
Ta
=a
∂x
∂x
Tx
=2x
e.g
y=x
TA
x
,求解
∂x
∂x
TA
x
对
x
的第k个分量进行求导:
∂x
k∂x
TA
x
=∂xk∂∑j=1n∑j=1nxiAijxj=i=1∑nAikxi+j=1∑nAkjxj
∂x∂xT
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都是实值函数,
c1,c2为常数,则:
∂x∂(c1f(x)+c2g(x))=c1∂x∂f(x)+c2∂x∂g(x)
3)乘法法则:如果
f,g都是实值函数,则:
∂x∂f(x)g(x)=f(x)∂x∂g(x)+∂x∂g(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都是实值函数,且
g(x)=0,则:
∂x∂f(x)/g(x)=g2(x)1(g(x)∂x∂f(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
TX
b
,求解
∂X∂a
TXb
,其中
a
是m维向量,
b
是n维向量,X是mxn的矩阵
对矩阵X的任意一个位置的
Xij求导,如下:
∂Xij∂a
TXb
=∂Xij∂∑p=1m∑q=1napApqbq=∂Xij∂aiAijbj=aibj
在
(i.j)位置的求导结果是
a
向量第i个分量和
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
abT,所以最后的求导结果为:
∂X∂a
TXb
=abT
如果是比较复杂的标量对矩阵求导,比如
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
=Ax
,其中A为nxm的矩阵。
x
,y
分别为m,n维向量。需要求导
∂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:
∂xj∂Aix
=∂xj∂Aijxj=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
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。
3.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:
df=f′(x)dx,如果是多变量,则微分为:
df=i=1∑n∂xi∂fdxi=(∂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:
df=i=1∑mj=1∑n∂Xij∂fdXij=tr((∂X∂f)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
tr(ATB)=i,j∑AijBij
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:
df=tr((∂X∂f)TdX)
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)=dX+dY,d(X−Y)=dX−dY
2)微分乘法:
d(XY)=(dX)Y+X(dY)
3)微分转置:
d(XT)=(dX)T
4)微分的迹:
dtr(X)=tr(dX)
5)微分哈达马乘积:
d(X⨀Y)=X⨀dY+dX⨀Y
6)逐元素求导:
dσ(X)=σ′(X)⨀dX
7)逆矩阵微分:
dX−1=−X−1dXX−1
8)行列式微分:
d∣X∣=∣X∣tr(X−1dX)
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是矩阵
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求微分,再使用迹函数技巧给
df套上迹并将其它项交换至
dX左侧,那么对于迹函数里面在
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:
tr(x)=x
2)转置不变:
tr(AT)=tr(A)
3)交换律:
tr(AB)=tr(BA),需要满足
A,BT同纬度
4)加减法:
tr(X+Y)=tr(X)+tr(Y),tr(X−Y)=tr(X)−tr(Y)
5)矩阵乘法和迹交换:
tr((A⨀B)TC)=tr(AT(B⨀C)),需要满足A,B,C同维度
e.g
y=a
TXb
,
∂X∂y
用微分乘法的性质对
f求微分,得:
dy=da
TXb
+a
TdXb
+a
TXdb
=a
TdXb
两边套上迹函数,即:
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
dX左边的部分
b
a
T,加上一个转置即为我们要求的导数,即:
∂X∂f=(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
Texp(Xb
),∂X∂y
dy=tr(dy)=tr(a
Tdexp(Xb
))=tr(a
(exp(Xb
)⨀d(Xb
)))=tr((a
⨀exp(Xb
))TdX)=tr(b
(a⨀exp(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:
∂X∂y=(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
∂A∂tr(AB)=BT
-
e.g
∂B∂tr(AB)=AT
-
e.g
∂W∂tr(WTAW):
证明:
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:
∂W∂tr(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
4.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
存在依赖关系,则有下面的链式求导法则:
∂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是矩阵,比如是
x
→Y→z
,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
分别是m,n,p维向量,则求导结果
∂x
∂z
是一个pxm的雅克比矩阵,而右边
∂y
∂z
是pxn的雅克比矩阵,
∂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,此时很容易发现维度不相容。
假设
x
,y
分别是m,n维向量,那么
∂x
∂z的求导结果是一个mx1的向量,而
∂y
∂z是一个nx1的向量,
∂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:
(∂x
∂z)T=(∂y
∂z)T∂x
∂y
但是毕竟要求导的是
∂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。
∂x
∂z=(∂x
∂y
)T∂y
∂z
如果是标量对更多向量的求导,比如
y
1→y
2→...→y
n→z,则其链式求导表达式可以表示为:
∂y
1∂z=(∂y
n−1∂y
n∂y
n−2∂y
n−1...∂y
1∂y
2)T∂y
n∂z
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=(Xθ
−y
)T(Xθ
−y
)
优化的损失函数
l是一个标量,而模型参数
θ是一个向量,期望L对
θ求导,并求出导数等于0时候的极值点。假设向量
z=Xθ
−y,则
l=zTz,
θ→z→l存在链式求导的关系,因此:
∂θ
∂l=(∂θ
∂z
)T∂z
∂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:
∂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,那么我们有:
∂Xij∂z=k,l∑∂Ykl∂z∂Xij∂Ykl=tr((∂Y∂z)T∂Xij∂Y)
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都是矩阵,z是标量,其中
z=f(Y),Y=AX+B,我们要求出
∂X∂z,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:
∂Xij∂z=k,l∑∂Ykl∂z∂Xij∂Ykl
后半部分的导数:
∂Xij∂Ykl=∂Xij∂∑s(AksXsl)=∂Xij∂AkiXil=Akiδlj
其中
δlj在
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:
∂xij∂z=k,l∑∂Ykl∂zAkiδlj=k∑∂Ykj∂zAkj
即矩阵
AT的第i行和
∂Y∂z的第j列的内积。排列成矩阵即为:
∂X∂z=AT∂Y∂z
总结下就是:
z=f(Y),Y=AX+B→∂X∂z=AT∂Y∂z
这结论在
x是一个向量时也成立,即:
z=f(y
),y
=Ax
+b→∂x
∂z=AT∂y
∂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=XA+B→∂X∂z=∂Y∂zAT
z=f(y
),y
=x
a+b→∂x
∂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。
5.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
tr(A)=∑i=1naii
-
定理1:
tr(AB)=tr(BA),(An×m,Bm×n或Am×n,Bn×m)
证明:
tr(AB)=i=1∑n(AB)ii=i=1∑nj=1∑nAijBji
tr(BA)=i=1∑n(BA)ii=i=1∑nj=1∑nBijAji=i=1∑nj=1∑nAjiBij=j=1∑n(AB)jj=tr(AB)
实例证明:
A=⎝⎛a1a4a7a2a5a8a3a6a9⎠⎞B=⎝⎛b1b4b7b2b5b8b3b6b9⎠⎞
方法1:
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
∀aibj∈tr(AB),一定有aibj∈tr(BA)∀aibj∈tr(BA),一定有aibj∈tr(AB)
所以 一定有
tr(AB)=tr(BA)
-
定理2:
tr(ABC)=tr(CAB)=tr(BCA)
证明:由
tr(AB)=tr(BA)可知:
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:
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(tr(AB))=d(tr(BA))=BT,(Am×n,Bn×m矩阵)
证明:
tr(AB)=i=1∑na1ibi1+i=1∑na2ibi2+...+i=1∑namibim=j=1∑mi=1∑najibij
即
tr(AB)=∑i=1m∑j=1naijbji
则
∂A∂tr(AB)=∂矩阵∂标量=∂aij∂∑i=1m∑j=1naijbji=bij
∂A∂tr(AB)=⎝⎜⎜⎜⎜⎛∂a11∂tr(AB)∂a21∂tr(AB)⋮∂am1∂tr(AB)∂a12∂tr(AB)∂a22∂tr(AB)⋮∂am2∂tr(AB)⋯⋯⋱⋯∂a1n∂tr(AB)∂a2n∂tr(AB)⋮∂amn∂tr(AB)⎠⎟⎟⎟⎟⎞=⎝⎜⎜⎜⎛b11b12⋮b1mb21b22⋮b2m⋯⋯⋱⋯bn1bn2⋮bnm⎠⎟⎟⎟⎞=⎝⎜⎜⎜⎛b11b12⋮b1mb21b22⋮b2m⋯⋯⋱⋯bn1bn2⋮bnm⎠⎟⎟⎟⎞T=BT
因为
tr(AB)=tr(BA),所以
∂A∂AB=∂A∂tr(BA)=BT
-
定理5:
∂A∂ATB=∂A∂tr(BAT)=B,(Am×n,Bn×m方阵)
-
定理6:如果
a∈R,则有
tr(a)=a
-
定理7:
∂X∂tr(X)=I
矩阵的迹对矩阵自身求导为单位矩阵
I
∂X∂tr(X)=∂矩阵∂标量=⎝⎜⎜⎜⎜⎛x11∑i=1nxiix21∑i=1nxii⋮xm1∑i=1nxiix12∑i=1nxiix22∑i=1nxii⋮xm2∑i=1nxii⋯⋯⋱⋯x1n∑i=1nxiix2n∑i=1nxii⋮xmn∑i=1nxii⎠⎟⎟⎟⎟⎞=I
-
定理8:
dtr(ATXBT)=dtr(BXTA)=AB
证明:
$\because tr(ATXBT)=tr(ATXBT)T=tr(BXTA)=tr(ABX^T) \$
∴dtr(ATXBT)=dtr(BXTA)=dtr(ABXT)
∵dtr(ABXT)=AB
∴dtr(ATXBT)=dtr(BXTA)=AB
哈达马乘积
对于同为mxn阶的矩阵
A和
B,
A和
B的哈达马乘积定义为:
(A⨀B)i,j=(A)i,j(B)i,j
矩阵求导的基本规则
∂B∂AB=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