[转载]矩阵求导公式

qq70191

原文地址：矩阵求导公式【转】作者：三寅
今天推导公式，发现居然有对矩阵的求导，狂汗--完全不会。不过还好网上有人总结了。吼吼，赶紧搬过来收藏备份。
　　基本公式：
Y = A * X --> DY/DX = A'
Y = X * A --> DY/DX = A
Y = A' * X * B --> DY/DX = A * B'
Y = A' * X' * B --> DY/DX = B * A'
　　1. 矩阵Y对标量x求导：
　　相当于每个元素求导数后转置一下，注意M×N矩阵求导后变成N×M了
　　Y = [y(ij)] --> dY/dx = [dy(ji)/dx]
　　2. 标量y对列向量X求导：
　　注意与上面不同，这次括号内是求偏导，不转置，对N×1向量求导后还是N×1向量
　　y = f(x1,x2,..,xn) --> dy/dX = (Dy/Dx1,Dy/Dx2,..,Dy/Dxn)'
　　3. 行向量Y'对列向量X求导：
　　注意1×M向量对N×1向量求导后是N×M矩阵。
　　将Y的每一列对X求偏导，将各列构成一个矩阵。
　　重要结论：
　　dX'/dX = I
　　d(AX)'/dX = A'
　　4. 列向量Y对行向量X’求导：
　　转化为行向量Y’对列向量X的导数，然后转置。
　　注意M×1向量对1×N向量求导结果为M×N矩阵。
　　dY/dX' = (dY'/dX)'
　　5. 向量积对列向量X求导运算法则：
　　注意与标量求导有点不同。
　　d(UV')/dX = (dU/dX)V' + U(dV'/dX)
　　d(U'V)/dX = (dU'/dX)V + (dV'/dX)U'
　　重要结论：
　　d(X'A)/dX = (dX'/dX)A + (dA/dX)X' = IA + 0X' = A
　　d(AX)/dX' = (d(X'A')/dX)' = (A')' = A
　　d(X'AX)/dX = (dX'/dX)AX + (d(AX)'/dX)X = AX + A'X
　　6. 矩阵Y对列向量X求导：
　　将Y对X的每一个分量求偏导，构成一个超向量。
　　注意该向量的每一个元素都是一个矩阵。
　　7. 矩阵积对列向量求导法则：
　　d(uV)/dX = (du/dX)V + u(dV/dX)
　　d(UV)/dX = (dU/dX)V + U(dV/dX)
　　重要结论：
　　d(X'A)/dX = (dX'/dX)A + X'(dA/dX) = IA + X'0 = A
　　8. 标量y对矩阵X的导数：
　　类似标量y对列向量X的导数，
　　把y对每个X的元素求偏导，不用转置。
　　dy/dX = [ Dy/Dx(ij) ]
　　重要结论：
　　y = U'XV = ΣΣu(i)x(ij)v(j) 于是 dy/dX = [u(i)v(j)] = UV'
　　y = U'X'XU 则 dy/dX = 2XUU'
　　y = (XU-V)'(XU-V) 则 dy/dX = d(U'X'XU - 2V'XU + V'V)/dX = 2XUU' - 2VU' + 0 = 2(XU-V)U'
　　9. 矩阵Y对矩阵X的导数：
　　将Y的每个元素对X求导，然后排在一起形成超级矩阵。
　　10.乘积的导数
　　d(f*g)/dx=(df'/dx)g+(dg/dx)f'
　　结论
　　d(x'Ax)=(d(x'')/dx)Ax+(d(Ax)/dx)(x'')=Ax+A'x   （注意：''是表示两次转置）
　　比较详细点的如下：

　　http://lzh21cen.blog.163.com/blog/static/145880136201051113615571/
　　http://hi.baidu.com/wangwen926/blog/item/eb189bf6b0fb702b720eec94.html
　　其他参考：
Contents

• Notation
  
• Derivatives of Linear Products
  
• Derivatives of Quadratic Products
  

Notation

• d/dx (y)is a vector whose (i) element is dy(i)/dx
  
• d/dx (y) is a vector whose (i) element is dy/dx(i)
  
• d/dx (yT) is a matrix whose (i,j) element is dy(j)/dx(i)
  
• d/dx (Y) is a matrix whose (i,j) element is dy(i,j)/dx
  
• d/dX (y) is a matrix whose (i,j) element is dy/dx(i,j)
  

　　Note that the Hermitian transpose is not used because complex conjugates are not analytic.
　　In the expressions below matrices and vectors A, B, C do not depend on X.
Derivatives of Linear Products

• d/dx (AYB) =A * d/dx (Y) * B
  
• 
  
  
  
  • d/dx (Ay) =A * d/dx (y)
    
  
  
• d/dx(xTA) =A
  
• 
  
  
  
  • d/dx(xT) =I
    
  • d/dx(xTa) = d/dx(aTx) = a
    
  
  
• d/dX(aTXb) = abT
  
• 
  
  
  
  • d/dX(aTXa) = d/dX(aTXTa) = aaT
    
  
  
• d/dX(aTXTb) = baT
  
• d/dx (YZ) =Y * d/dx (Z) + d/dx (Y)* Z
  

Derivatives of Quadratic Products

• d/dx (Ax+b)TC(Dx+e) = ATC(Dx+e) + DTCT(Ax+b)
  
• 
  
  
  
  • d/dx (xTCx) = (C+CT)x
    
  • 
    
    
    
    • [C: symmetric]: d/dx (xTCx) = 2Cx
      
    • d/dx (xTx) = 2x
      
    
    
  • d/dx (Ax+b)T (Dx+e) = AT(Dx+e) + DT(Ax+b)
    
  • 
    
    
    
    • d/dx (Ax+b)T (Ax+b) = 2AT(Ax+b)
      
    
    
  • [C: symmetric]: d/dx (Ax+b)TC(Ax+b) = 2ATC(Ax+b)
    
  
  
• d/dX(aTXTXb) = X(abT+ baT)
  
• 
  
  
  
  • d/dX(aTXTXa) = 2XaaT
    
  
  
• d/dX(aTXTCXb) = CTXabT+ CXbaT
  
• 
  
  
  
  • d/dX(aTXTCXa) = (C + CT)XaaT
    
  • [C:Symmetric] d/dX(aTXTCXa) = 2CXaaT
    
  
  
• d/dX((Xa+b)TC(Xa+b)) = (C+CT)(Xa+b)aT
  

Derivatives of Cubic Products

• d/dx(xTAxxT) = (A+AT)xxT+xTAxI
  

Derivatives of Inverses

• d/dx (Y-1) = -Y-1d/dx (Y)Y-1
  

Derivative of Trace
　　Note: matrix dimensions must result in an n*n argument for tr().

• d/dX(tr(X)) = I
  
• d/dX(tr(Xk)) =k(Xk-1)T
  
• d/dX(tr(AXk)) =SUMr=0:k-1(XrAXk-r-1)T
  
• d/dX(tr(AX-1B)) = -(X-1BAX-1)T
  
  
  
  • d/dX(tr(AX-1)) =d/dX(tr(X-1A)) = -X-TATX-T
    
  
  
• d/dX(tr(ATXBT)) = d/dX(tr(BXTA)) = AB
  
  
  
  • d/dX(tr(XAT)) = d/dX(tr(ATX)) =d/dX(tr(XTA)) = d/dX(tr(AXT)) = A
    
  
  
• d/dX(tr(AXBXT)) =ATXBT + AXB
  
  
  
  • d/dX(tr(XAXT)) =X(A+AT)
    
  • d/dX(tr(XTAX)) =XT(A+AT)
    
  • d/dX(tr(AXTX)) =(A+AT)X
    
  
  
• d/dX(tr(AXBX)) =ATXTBT + BTXTAT
  
• [C:symmetric] d/dX(tr((XTCX)-1A) = d/dX(tr(A (XTCX)-1) =-(CX(XTCX)-1)(A+AT)(XTCX)-1
  
• [B,C:symmetric] d/dX(tr((XTCX)-1(XTBX)) = d/dX(tr( (XTBX)(XTCX)-1) = -2(CX(XTCX)-1)XTBX(XTCX)-1+ 2BX(XTCX)-1
  

Derivative of Determinant
　　Note: matrix dimensions must result in an n*n argument for det().

• d/dX(det(X)) = d/dX(det(XT)) = det(X)*X-T
  
• 
  
  
  
  • d/dX(det(AXB)) = det(AXB)*X-T
    
  • d/dX(ln(det(AXB))) = X-T
    
  
  
• d/dX(det(Xk)) = k*det(Xk)*X-T
  
  
  
  • d/dX(ln(det(Xk))) = kX-T
    
  
  
• [Real] d/dX(det(XTCX)) = det(XTCX)*(C+CT)X(XTCX)-1
  
• 
  
  
  
  • [C: Real,Symmetric] d/dX(det(XTCX)) = 2det(XTCX)* CX(XTCX)-1
    
  
  
• [C: Real,Symmetricc] d/dX(ln(det(XTCX))) = 2CX(XTCX)-1
  

Jacobian
　　If y is a function of x, then dyT/dx is the Jacobian matrix of y with respect to x.
　　Its determinant, |dyT/dx|, is the Jacobian of y with respect to x and represents the ratio of the hyper-volumes dy and dx. The Jacobian occurs when changing variables in an integration: Integral(f(y)dy)=Integral(f(y(x)) |dyT/dx| dx).
Hessian matrix
　　If f is a function of x then the symmetric matrix d2f/dx2 = d/dxT(df/dx) is the Hessian matrix of f(x). A value of x for which df/dx = 0 corresponds to a minimum, maximum or saddle point according to whether the Hessian is positive definite, negative definite or indefinite.

• d2/dx2 (aTx) = 0
  
• d2/dx2 (Ax+b)TC(Dx+e) = ATCD + DTCTA
  
• 
  
  
  
  • d2/dx2 (xTCx) = C+CT
    
  • 
    
    
    
    • d2/dx2 (xTx) = 2I
      
    
    
  • d2/dx2 (Ax+b)T (Dx+e) = ATD + DTA
    
  • 
    
    
    
    • d2/dx2 (Ax+b)T (Ax+b) = 2ATA
      
    
    
  • [C: symmetric]: d2/dx2 (Ax+b)TC(Ax+b) = 2ATCA
    
  
  

http://www.psi.toronto.edu/matrix/calculus.html
　　http://www.stanford.edu/~dattorro/matrixcalc.pdf
　　http://www.colorado.edu/engineering/CAS/courses.d/IFEM.d/IFEM.AppD.d/IFEM.AppD.pdf
　　http://www4.ncsu.edu/~pfackler/MatCalc.pdf
　　http://center.uvt.nl/staff/magnus/wip12.pdf
　　补充

原文地址：机器学习中常用的矩阵求导公式作者：MachineLearner

矩阵求导好像读书的时候都没学过，因为讲矩阵的课程上不讲求导，讲求导的课又不提矩阵。如果从事机器学习方面的工作，那就一定会遇到矩阵求导的东西。维基百科上：http://en.wikipedia.org/wiki/Matrix_calculus ， 根据Y与X的不同类型（实值，向量，矩阵），给出了具体的求导公式，以及一堆相关的公式，查起来都费劲。


其实在实际的机器学习工作中，最常用到的就是实值函数y对向量X的求导，定义如下（其实就是y对向量X的每一个元素求导）：


实值函数对矩阵X求导也类似：


因为机器学习（这里指的是有监督的机器学习）的一般套路是给定输入X，选择一个模型f作为决策函数，由f(X)预测出Y'。而得到f的参数θ（往往是向量），需要定义一个loss函数（一般都是实值函数），描述当前f预测值Y'与实际的Y值的接近程度。模型学习的过程就是求使得 loss函数 L(f(X),Y)最小的参数θ。这是一个最优化问题，实际应用中都是用和梯度相关的最优化方法，如梯度下降，共轭梯度，拟牛顿法等等。

其实只要掌握上面这个公式，就能搞定很多问题了。

为了方便推导，下面列出一些机器学习中常用的求导公式，其中andrew ng那一套用矩阵迹的方法还是挺不错的，矩阵的迹也是实值的，而一个实数的迹等于其本身，实际工作中可以将loss函数转化成迹，然后在求导，可能会简化推导的步骤。



以上只是一些最基本的公式，能够解决一些问题，主要是减少大家对矩阵求导的恐惧感。关于矩阵方面的更多信息可以参考上面的wiki链接以及《Matrix cookbook》（感谢 @王树森 CS 推荐）。