矩阵求导入门

作者: Paycation | 来源:发表于2019-04-04 00:09 被阅读0次

机器学习中，往往是对整个数据集操作，“原子化”的运算过于繁琐，将其抽象成矩阵，使得思路更加清晰，也更便于转换成具体的代码。

基本定义

矩阵求导的本质就是普通的求导写成了矩阵的形式，因此我们约定一些规则在下文。这里用粗体小写表示向量，粗体大写表示矩阵。

向量→标量函数求导

向量→标量函数即输入为向量，输出为标量的函数。有函数 $f:\mathbb{R}^n\to\mathbb{R}$ ，输入一个 $n$ 维列向量 $\textbf{x}$ ，输出一个实数。对其求导的定义式：
$\dfrac{\partial f(\textbf{x})}{\partial{\textbf{x}}}=\begin{bmatrix} \dfrac{\partial f(\textbf{x})}{\partial{x_1}}\\ \dfrac{\partial f(\textbf{x})}{\partial{x_2}}\\ ...\\ \dfrac{\partial f(\textbf{x})}{\partial{x_n}} \end{bmatrix}=\nabla f$
这个定义式正好和梯度相符合。

向量→向量函数求导

向量→向量函数即输入输出都是向量的函数。有函数 $f:\mathbb{R}^n\to\mathbb{R}^m$ ，输入一个 $n$ 维列向量 $\textbf{x}$ ，输出一个 $m$ 维列向量。可以视为多个标量函数放到一个列向量中构成这个向量函数，即 $f(\textbf{x})=\begin{bmatrix}f_1(\textbf{x})&f_2(\textbf{x})&...&f_m (\textbf{x})\end{bmatrix}^T$ 。如果只是对一个标量函数求导，那么就和上面一样：
$\dfrac{\partial f_i(\textbf{x})}{\partial{\textbf{x}}}=\begin{bmatrix} \dfrac{\partial f_i(\textbf{x})}{\partial{x_1}}\\ \dfrac{\partial f_i(\textbf{x})}{\partial{x_2}}\\ ...\\ \dfrac{\partial f_i(\textbf{x})}{\partial{x_n}} \end{bmatrix}=\nabla f_i$
现在，把上面的式子“展开”成一个梯度构成的矩阵里，才能完整表达这个向量函数所有的求导结果：
$\dfrac{\partial f(\textbf{x})}{\partial{\textbf{x}}}=\begin{bmatrix} \dfrac{\partial f_1(\textbf{x})}{\partial{x_1}} &\dfrac{\partial f_2(\textbf{x})}{\partial{x_1}} &... &\dfrac{\partial f_m(\textbf{x})}{\partial{x_1}}\\ \dfrac{\partial f_1(\textbf{x})}{\partial{x_2}} &\dfrac{\partial f_2 (\textbf{x})}{\partial{x_2}} &... &\dfrac{\partial f_m(\textbf{x})}{\partial{x_2}}\\ ...&...&...&...\\ \dfrac{\partial f_1(\textbf{x})}{\partial{x_n}} &\dfrac{\partial f_2(\textbf{x})}{\partial{x_n}} &... &\dfrac{\partial f_m(\textbf{x})}{\partial{x_n}} \end{bmatrix}=\begin{bmatrix} \nabla f_1 & \nabla f_2 &...&\nabla f_m \end{bmatrix}$
函数 $f$ 求导后输出了一个 $n\times m$ 的矩阵。第 $i$ 列是 $f$ 的第 $i$ 行的标量函数的梯度。它其实也是Jacobian矩阵的转置。

例

上面是普遍情况，而很多时候这里的 $f(\textbf{x})$ 是由同一个函数组成，比如是一列 $\ln$ 函数，那么有 $\dfrac{\partial f(\textbf{x})}{\partial{\textbf{x}}}=\dfrac{1}{\textbf{x}}$ ，表示向量的每一个元素都取倒数。
也可以这样写： $\ln\textbf{x}=\dfrac{1}{\textbf{x}}$ ，看起来就和单变量的函数一样。
如果复杂一点 $-\textbf{y}\ln(\textbf{1-x})$ 求导，其中 $\textbf{y}$ 是维度和 $\textbf{x}$ 维度相同的常数列向量。
先说一个前提，接下来会使用这样的表示方法： $a^Tb=[a_1b_1+a_2b_2]$ ，而 $ab=\begin{bmatrix}a_1b_1\\a_2b_2\end{bmatrix}$ ，带转置的表示点乘，否则就是元素相乘，不改变原来两个向量的维度。
那么上式只看其中一行的情况： $f(x_i) = -y_i\ln (1-x_i)$ ，求导得 $\dfrac{y_i}{1-x_i}$ ，每行都如此，因此最终的结果写成 $\dfrac{\textbf{y}}{1-\textbf{x}}$ 。这样一来，向量之间的运算看起来就像实数之间的运算。

矩阵→标量函数求导

即输入为矩阵，输出为标量的函数的求导。有函数 $f: \mathbb{R}^{m\times n}\to\mathbb{R}$ ，其参数是 $m\times n$ 矩阵 $\textbf{X}$ 。这和上面向量→标量函数求导相似，其相当于是 $n\times 1$ 矩阵为参数。我们只需要把它展开即可：

$\dfrac{\partial f(\textbf{X})}{\partial{\textbf{X}}}=\begin{bmatrix} \dfrac{\partial f(\textbf{X})}{\partial{\textbf{X}_{11}}}& \dfrac{\partial f(\textbf{X})}{\partial{\textbf{X}_{12}}}& ...& \dfrac{\partial f(\textbf{X})}{\partial{\textbf{X}_{1n}}}\\ \dfrac{\partial f(\textbf{X})}{\partial{\textbf{X}_{21}}}& \dfrac{\partial f(\textbf{X})}{\partial{\textbf{X}_{22}}}& ...& \dfrac{\partial f(\textbf{X})}{\partial{\textbf{X}_{2n}}}\\ ...&...&...&...\\ \dfrac{\partial f(\textbf{X})}{\partial{\textbf{X}_{m1}}}& \dfrac{\partial f(\textbf{X})}{\partial{\textbf{X}_{m2}}}& ...& \dfrac{\partial f(\textbf{X})}{\partial{\textbf{X}_{mn}}} \end{bmatrix}$
相当于是把 $\partial f(\textbf{X})$ 丢到矩阵的每一个元素上面构成一个新的矩阵。而且这些元素的位置不变。

例

举一个具体的例子： $\dfrac{\partial{\textbf{Ax}}}{\partial{\textbf{x}}}$ ，其中 $\textbf{A}=\begin{bmatrix}a_{11}&a_{12}&a_{13}\\a_{21}&a_{22}&a_{23}\end{bmatrix}$ ， $\textbf{x}=\begin{bmatrix}x_1\\x_2\\x_3\end{bmatrix}$ 。
不难看出 $\textbf{Ax}$ 本质是一个向量→向量函数，且满足 $f: \mathbb{R}^3\to\mathbb{R}^2$ 。因此输出的应该是一个 $3\times 2$ 矩阵。我们记 $f_1(\textbf{x})=a_{11}x_1+a_{12}x_2+a_{13}x_3$ ， $f_2(\textbf{x})=a_{21}x_1+a_{22}x_2+a_{23}x_3$ 。
$\dfrac{\partial{\textbf{Ax}}}{\partial{\textbf{x}}}=\begin{bmatrix} \nabla f_1 & \nabla f_2\end{bmatrix}=\begin{bmatrix}a_{11}&a_{21}\\a_{12}&a_{22}\\a_{13} &a_{23}\end{bmatrix}=\textbf{A}^T$