矩阵求导最终都是华为标量求导,迹就是最简单的衡量标量 一定要掌握

  • 迹求导原因
    • 总结
    • 技巧

迹求导原因

矩阵求导最终都是华为标量求导,迹就是最简单的衡量标量 一定要掌握

总结

Tr(AB)=Tr(BA)Tr(AB) =Tr(BA)Tr(AB)=Tr(BA)
Tr(ABC)=Tr(BCA)=Tr(CAB)Tr(ABC) = Tr(BCA) = Tr(CAB)Tr(ABC)=Tr(BCA)=Tr(CAB)
Tr(A)=Tr(A′)Tr(A) = Tr(A')Tr(A)=Tr(A′)
d(Tr(XB))=d(Tr(BX))=B′d(Tr(XB))=d(Tr(BX)) = B'd(Tr(XB))=d(Tr(BX))=B′
X作为自变量(矩阵),若
d(Tr(X′B))=d(Tr(B′X)=Bd(Tr(X'B)) = d(Tr(B'X)=Bd(Tr(X′B))=d(Tr(B′X)=B
dTr(A′XB′)=dTr(BX′A)=dTr(X′AB)=ABdTr(A'XB')=dTr(BX'A)=dTr(X'AB)=ABdTr(A′XB′)=dTr(BX′A)=dTr(X′AB)=AB
还有终极的二次X:
dTr(AXBX′)=Tr(AXBd(X′))+Tr(XB′d(X′)A′)=AXB+A′XB′dTr(AXBX')=Tr(AXBd(X'))+Tr(XB'd(X')A')=AXB+A'XB'dTr(AXBX′)=Tr(AXBd(X′))+Tr(XB′d(X′)A′)=AXB+A′XB′

技巧

掌握根本的定义公式足够应付形式的千变万化;
【定义】矩阵迹就是对对角线求和:
Tr(A)=ΣaiiTr(A) = \Sigma{a_{ii}}Tr(A)=Σaii​
自然,转置时候,aii不动的,Tr(A) = Tr(A’)
【AB矩阵乘】AB大小分别为mxn和nxm,那么迹就是
Tr(AB)=ΣimΣjnaijbjiTr(AB) = \Sigma{_i^m \Sigma{_j^n a_{ij}b_{ji}}}Tr(AB)=Σim​Σjn​aij​bji​
关键就在AB乘积,迹是遍历两个维度m,n维度的有序ab乘积,所以颠倒乘法顺序,仍然是Tr(AB)=ΣjnΣimbjiaij=Tr(BA)Tr(AB) = \Sigma{_j^n \Sigma{_i^mb_{ji} a_{ij}}}=Tr(BA)Tr(AB)=Σjn​Σim​bji​aij​=Tr(BA)没有任何差异。
【求导】因为和XijX_{ij}Xij​配对的永远是bjib_{ji}bji​,所以有
d(Tr(AB))/d(aji)=d(ΣimΣjnaijbji)/d(aij)=bjid(Tr(AB))/d(a_{ji}) =d( \Sigma{_i^m \Sigma{_j^n a_{ij}b_{ji}}})/d(a_{ij})=b_{ji}d(Tr(AB))/d(aji​)=d(Σim​Σjn​aij​bji​)/d(aij​)=bji​
所以自然Tr(AB)偏导为B’,有个转置,这是由于矩阵乘法行列相差的关联关系导致的。

所有相关的偏导都会有这个结果:
d(Tr(X′B))=d(Tr(B′X)=Bd(Tr(X'B)) = d(Tr(B'X)=Bd(Tr(X′B))=d(Tr(B′X)=B
dTr(A′XB′)=dTr(BX′A)=dTr(X′AB)=ABdTr(A'XB')=dTr(BX'A)=dTr(X'AB)=ABdTr(A′XB′)=dTr(BX′A)=dTr(X′AB)=AB
还有终极的二次X:
dTr(AXBX′)=Tr(AXBd(X′))+Tr(XB′d(X′)A′)=AXB+A′XB′dTr(AXBX')=Tr(AXBd(X'))+Tr(XB'd(X')A')=AXB+A'XB'dTr(AXBX′)=Tr(AXBd(X′))+Tr(XB′d(X′)A′)=AXB+A′XB′

【矩阵运算】矩阵的迹以及迹对矩阵求导总结相关推荐

  1. 转载:汇总详解:矩阵的迹以及迹对矩阵求导

    矩阵的迹概念 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),可知tra(A)=∑aii,1<=i<=n. 定理:tr(AB) = tr(BA) 证明 定理:t ...

  2. 矩阵的迹以及迹对矩阵求导

    ref: https://blog.csdn.net/u012421852/article/details/79594933 矩阵的迹概念 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, ...

  3. 线性代数之 矩阵求导(4)矩阵微分,迹与求导

    线性代数之 矩阵求导(4)迹与矩阵求导 前言 矩阵微分定义 矩阵微分计算法则 常矩阵 线性 乘积 转置 迹 通过矩阵微分进行求导 常用的矩阵微分 后记 前言 本次将记录如何进行矩阵求导(标量对矩阵). ...

  4. 最小二乘估计,矩阵求导法(正规方程)全推导

    1.矩阵求导: 函数自变量是矩阵,求导是对矩阵的每一个元素分别求导后,组成新的矩阵. 例: 2.矩阵的迹: 矩阵迹的常用性质: 矩阵迹与矩阵求导相关结论: 3.证明最小二乘的正规方程(矩阵求导法):

  5. 动手学深度学习——矩阵求导之矩阵的迹和微分

    目录 一.矩阵的迹 1. 迹的定义 2. 迹的性质 二.微分与全微分 1. (全)微分的表达式 2. (全)微分的法则 三. 矩阵的微分 1. 矩阵微分的实质 2. 矩阵微分的意义 3. 矩阵微分的法 ...

  6. 向量和矩阵求导(运用迹性质求导)

    文章目录 矩阵对标量求导 标量对矩阵求导 向量对向量求导(雅可比矩阵) 向量求导的链式法则 矩阵迹 实值函数对向量求导 参考资料 1. 机器学习中的矩阵.向量求导 矩阵对标量求导 求导结果与函数(矩阵 ...

  7. 矩阵求导术(上、下)

    点击上方"Datawhale",选择"星标"公众号 第一时间获取价值内容 矩阵求导的技术,在统计学.控制论.机器学习等领域有广泛的应用.鉴于我看过的一些资料或言 ...

  8. 『科学计算_理论』矩阵求导

    上篇原文链接 下篇原文链接 标量对矩阵求导 矩阵求导的技术,在统计学.控制论.机器学习等领域有广泛的应用.鉴于我看过的一些资料或言之不详.或繁乱无绪,本文来做个科普,分作两篇,上篇讲标量对矩阵的求导术 ...

  9. 标量、向量、矩阵求导大全

    1.正则化 原定的损失函数: J = − 1 m ∑ i = 1 m ( y ( i ) log ⁡ ( a [ L ] ( i ) ) + ( 1 − y ( i ) ) log ⁡ ( 1 − a ...

  10. 矩阵求导(一)-- 求导的定义和布局约定

    本系列主要参考张贤达的<矩阵分析与应用>第三章 矩阵微分和下面的博客内容进行学习,并整理成学习笔记.学习路线参考SinclairWang的文章--矩阵求导入门学习路线,按下面推荐顺序学习, ...

最新文章

  1. 分布式概念-去中心化副本控制实现
  2. Linux下的vim文本替换,Linux下文本的vim文本替换
  3. mysql8.0.19.0_分享MySql8.0.19 安装采坑记录
  4. 解决替换weblogic的commons-fileupload.jar后引发的问题
  5. springboot接收json参数_Springboot + Vue + shiro 实现前后端分离、权限控制
  6. OLAP引擎:基于Druid组件进行数据统计分析
  7. OJ1085: 求奇数的乘积(多实例测试)(C语言)
  8. Redis-Bitmap介绍及使用
  9. ht1621b和单片机电平匹配_基于HT1621B段式液晶模块的驱动应用
  10. 广告流量分析之评价指标的选择(二)
  11. Convert Sorted List to Binary Search Tree ------C++ 递归创建平衡二叉查找树
  12. 正态分布的前世今生(下)
  13. 深度解析京东个性化推荐系统演进史
  14. python爬虫 - 爬取堆糖图片
  15. HQChart使用教程11-如何把K线数据API替换成自己的API数据
  16. Linux中 vi、删除和退出 简单操作
  17. 作为程序猿要多注意身体(华佗教你睡觉)
  18. 4、ArrayList的详细扩容过程
  19. 100集华为HCIE安全培训视频教材整理 | 流量型攻击防范技术-DNS
  20. DLL与MFC DLL

热门文章

  1. Ifconfig网络配置工具详解(from fixdown.com)
  2. 龙芯2F 8089D 安装 debian 8.10
  3. 计算机大类专业学习c语言之重要性
  4. 基于STM32的简易交通灯设计
  5. 如何建设数据中台:精益数据创新体系
  6. 破解安装谷歌翻译软件 Translate Client ( 含文件下载链接 )
  7. Transforming Cooling Optimization for Green Data Center via Deep Reinforcement Learning 笔记
  8. energy plus matlab,Energyplus教程系列1—Energyplus到底能干啥.ppt
  9. 计算机基础及wps office应用_中职2020《计算机应用基础》期末考试试卷
  10. 使用PHP连接MySQL数据库的代码