\[
% general purpose
\newcommand{\ctext}[1]{\raise0.2ex\hbox{\textcircled{\scriptsize{#1}}}}
% mathematics
% general purpose
\DeclarePairedDelimiterX{\parens}[1]{\lparen}{\rparen}{#1}
\DeclarePairedDelimiterX{\braces}[1]{\lbrace}{\rbrace}{#1}
\DeclarePairedDelimiterX{\bracks}[1]{\lbrack}{\rbrack}{#1}
\DeclarePairedDelimiterX{\verts}[1]{|}{|}{#1}
\DeclarePairedDelimiterX{\Verts}[1]{\|}{\|}{#1}
\newcommand{\as}{{\quad\textrm{as}\quad}}
\newcommand{\st}{{\textrm{ s.t. }}}
\DeclarePairedDelimiterX{\setComprehension}[2]{\lbrace}{\rbrace}{#1\,\delimsize\vert\,#2}
\newcommand{\naturalNumbers}{\mathbb{N}}
\newcommand{\integers}{\mathbb{Z}}
\newcommand{\rationalNumbers}{\mathbb{Q}}
\newcommand{\realNumbers}{\mathbb{R}}
\newcommand{\complexNumbers}{\mathbb{C}}
\newcommand{\field}{\mathbb{F}}
\newcommand{\func}[2]{{#1}\parens*{#2}}
\newcommand*{\argmax}{\operatorname*{arg~max}}
\newcommand*{\argmin}{\operatorname*{arg~min}}
% set theory
\newcommand{\range}[2]{\braces*{#1,\dotsc,#2}}
\providecommand{\complement}{}\renewcommand{\complement}{\mathrm{c}}
\newcommand{\ind}[2]{\mathbbm{1}_{#1}\parens*{#2}}
\newcommand{\indII}[1]{\mathbbm{1}\braces*{#1}}
% number theory
\newcommand{\abs}[1]{\verts*{#1}}
\newcommand{\combi}[2]{{_{#1}\mathrm{C}_{#2}}}
\newcommand{\perm}[2]{{_{#1}\mathrm{P}_{#2}}}
\newcommand{\GaloisField}[1]{\mathrm{GF}\parens*{#1}}
% analysis
\newcommand{\NapierE}{\mathrm{e}}
\newcommand{\sgn}[1]{\operatorname{sgn}\parens*{#1}}
\newcommand*{\rect}{\operatorname{rect}}
\newcommand{\cl}[1]{\operatorname{cl}#1}
\newcommand{\Img}[1]{\operatorname{Img}\parens*{#1}}
\newcommand{\dom}[1]{\operatorname{dom}\parens*{#1}}
\newcommand{\norm}[1]{\Verts*{#1}}
\newcommand{\floor}[1]{\left\lfloor#1\right\rfloor}
\newcommand{\ceil}[1]{\left\lceil#1\right\rceil}
\newcommand{\expo}[1]{\exp\parens*{#1}}
\newcommand*{\sinc}{\operatorname{sinc}}
\newcommand*{\nsinc}{\operatorname{nsinc}}
\newcommand{\GammaFunc}[1]{\Gamma\parens*{#1}}
\newcommand*{\erf}{\operatorname{erf}}
% inverse trigonometric functions
\newcommand{\asin}[1]{\operatorname{Sin}^{-1}{#1}}
\newcommand{\acos}[1]{\operatorname{Cos}^{-1}{#1}}
\newcommand{\atan}[1]{\operatorname{{Tan}^{-1}}{#1}}
\newcommand{\atanEx}[2]{\atan{\parens*{#1,#2}}}
% convolution
\newcommand{\cycConv}[2]{{#1}\underset{\text{cyc}}{*}{#2}}
% derivative
\newcommand{\deriv}[3]{\frac{\operatorname{d}^{#3}#1}{\operatorname{d}{#2}^{#3}}}
\newcommand{\derivLong}[3]{\frac{\operatorname{d}^{#3}}{\operatorname{d}{#2}^{#3}}#1}
\newcommand{\partDeriv}[3]{\frac{\operatorname{\partial}^{#3}#1}{\operatorname{\partial}{#2}^{#3}}}
\newcommand{\partDerivLong}[3]{\frac{\operatorname{\partial}^{#3}}{\operatorname{\partial}{#2}^{#3}}#1}
\newcommand{\partDerivIIHetero}[3]{\frac{\operatorname{\partial}^2#1}{\partial#2\operatorname{\partial}#3}}
\newcommand{\partDerivIIHeteroLong}[3]{{\frac{\operatorname{\partial}^2}{\partial#2\operatorname{\partial}#3}#1}}
% integral
\newcommand{\integrate}[5]{\int_{#1}^{#2}{#3}{\mathrm{d}^{#4}}#5}
\newcommand{\LebInteg}[4]{\int_{#1} {#2} {#3}\parens*{\mathrm{d}#4}}
% complex analysis
\newcommand{\conj}[1]{\overline{#1}}
\providecommand{\Re}{}\renewcommand{\Re}[1]{{\operatorname{Re}{\parens*{#1}}}}
\providecommand{\Im}{}\renewcommand{\Im}[1]{{\operatorname{Im}{\parens*{#1}}}}
\newcommand*{\Arg}{\operatorname{Arg}}
\newcommand*{\Log}{\operatorname{Log}}
% Laplace transform
\newcommand{\LPLC}[1]{\operatorname{\mathcal{L}}\parens*{#1}}
\newcommand{\ILPLC}[1]{\operatorname{\mathcal{L}}^{-1}\parens*{#1}}
% Discrete Fourier Transform
\newcommand{\DFT}[1]{\mathrm{DFT}\parens*{#1}}
% Z transform
\newcommand{\ZTrans}[1]{\operatorname{\mathcal{Z}}\parens*{#1}}
\newcommand{\IZTrans}[1]{\operatorname{\mathcal{Z}}^{-1}\parens*{#1}}
% linear algebra
\newcommand{\bm}[1]{{\boldsymbol{#1}}}
\newcommand{\matEntry}[3]{#1\bracks*{#2}\bracks*{#3}}
\newcommand{\matPart}[5]{\matEntry{#1}{#2:#3}{#4:#5}}
\newcommand{\diag}[1]{\operatorname{diag}\parens*{#1}}
\newcommand{\tr}[1]{\operatorname{tr}{\parens*{#1}}}
\newcommand{\inprod}[2]{\left\langle#1,#2\right\rangle}
\newcommand{\HadamardProd}{\odot}
\newcommand{\HadamardDiv}{\oslash}
\newcommand{\Span}[1]{\operatorname{span}\bracks*{#1}}
\newcommand{\Ker}[1]{\operatorname{Ker}\parens*{#1}}
\newcommand{\rank}[1]{\operatorname{rank}\parens*{#1}}
% vector
% unit vector
\newcommand{\vix}{\bm{i}_x}
\newcommand{\viy}{\bm{i}_y}
\newcommand{\viz}{\bm{i}_z}
% probability theory
\newcommand{\PDF}[2]{\operatorname{PDF}\bracks*{#1,\;#2}}
\newcommand{\Ber}[1]{\operatorname{Ber}\parens*{#1}}
\newcommand{\Beta}[2]{\operatorname{Beta}\parens*{#1,#2}}
\newcommand{\ExpDist}[1]{\operatorname{ExpDist}\parens*{#1}}
\newcommand{\ErlangDist}[2]{\operatorname{ErlangDist}\parens*{#1,#2}}
\newcommand{\PoissonDist}[1]{\operatorname{PoissonDist}\parens*{#1}}
\newcommand{\GammaDist}[2]{\operatorname{Gamma}\parens*{#1,#2}}
\newcommand{\cind}[2]{\ind{#1\left| #2\right.}} % conditional indicator function
\providecommand{\Pr}{}\renewcommand{\Pr}[1]{\operatorname{Pr}\parens*{#1}}
\DeclarePairedDelimiterX{\cPrParens}[2]{(}{)}{#1\,\delimsize\vert\,#2}
\newcommand{\cPr}[2]{\operatorname{Pr}\cPrParens{#1}{#2}}
\newcommand{\E}[2]{\operatorname{E}_{#1}\bracks*{#2}}
\newcommand{\cE}[3]{\E{#1}{\left.#2\right|#3}}
\newcommand{\Var}[2]{\operatorname{Var}_{#1}\bracks*{#2}}
\newcommand{\Cov}[2]{\operatorname{Cov}\bracks*{#1,#2}}
\newcommand{\CovMat}[1]{\operatorname{Cov}\bracks*{#1}}
% graph theory
\newcommand{\neighborhood}{\mathcal{N}}
% programming
\newcommand{\plpl}{\mathrel{++}}
\newcommand{\pleq}{\mathrel{+}=}
\newcommand{\asteq}{\mathrel{*}=}
\]
目次
はじめに
先日、面白い記事を見つけた。二重数(下記ページでは「双対数」と呼ばれているが、Wikipediaでは「二重数」)を用いると、初等的な関数($e^x,\sin x,\cos x,\log x,\dots$)の加減乗除と合成関数で作られた関数の微分係数を機械的に計算するプログラムを比較的簡単に実装できるという話。
数学的な妥当性の説明が簡単に述べられているが、私の知識不足故か、素直に納得できないところがあったので、自分が気になった箇所について考えてみた。以下それについて述べる。
紹介されている数式の導出
$f(a + b\varepsilon) = f(a) + b\varepsilon f'(a)$の導出
関数$f: x \in G \subseteq \mathbb{C} \mapsto f(x) \in \mathbb{C}$は$a_0 \in G$を中心に冪級数展開可能であるとする。$a,b \in \mathbb{C}$とし、$a$は収束領域に入っているものとする。
$$ \begin{aligned} f(a + b\varepsilon) &= \sum_{k=0}^\infty \frac{1}{k!}f^{(k)}(a_0)(a + b\varepsilon – a_0)^k \\ &= f(a_0) + \sum_{k=1}^\infty \frac{1}{k!}f^{(k)}(a_0)(a + b\varepsilon – a_0)^k \\ &= f(a_0) + \sum_{k=1}^\infty \frac{1}{k!}f^{(k)}(a_0) \sum_{l=0}^k \binom{k}{l}(a-a_0)^{k-l}(b\varepsilon)^l \\ &= f(a_0) + \sum_{k=1}^\infty \frac{1}{k!}f^{(k)}(a_0) \left[(a-a_0)^k + b\varepsilon k(a-a_0)^{k-1}\right] \\ &= \sum_{k=0}^\infty \frac{1}{k!}f^{(k)}(a_0)(a-a_0)^k + b\varepsilon\sum_{k=1}^\infty \frac{1}{k!}f^{(k)}(a_0)k(a-a_0)^{k-1} \\ &= f(a) + b\varepsilon\left.\left(\frac{\mathrm{d}}{\mathrm{d}x}\sum_{k=0}^\infty \frac{1}{k!}f^{(k)}(a_0)(x-a_0)^k\right)\right|_{x=a} \\ &= f(a) + b\varepsilon f'(a) \end{aligned} $$$f(\bm{a} + \varepsilon\bm{p}) = f(\bm{a}) + \bm{p}^\top \nabla f(a)$ の導出
$f: \bm{x} \in G \subseteq \realNumbers^n \mapsto f(\bm{x}) \in \mathbb{C}$は$\bm{a}_0$を中心として冪級数展開可能であるとする。このとき$f$は無限回微分可能であり、Youngの定理より$\partial/\partial x_i$と$\partial/\partial x_j$が可換であることに注意する。$\bm{a}, \bm{p} \in \realNumbers$とし、$\bm{a}$は収束領域に入っているものとする。
$$ \begin{aligned} f(\bm{a} + \varepsilon\bm{p}) &= f(\bm{a}_0 + (\bm{a} – \bm{a}_0 + \varepsilon\bm{p})) \\ &= f(\bm{a}_0) + \sum_{k=1}^\infty\frac{1}{k!}\left[(\bm{a} – \bm{a}_0 + \varepsilon\bm{p})^\top\nabla\right]^k (f, \bm{a}_0) \\ &= f(\bm{a}_0) + \sum_{k=1}^\infty\frac{1}{k!}\left[(\bm{a} – \bm{a}_0)^\top\nabla + \varepsilon\bm{p}^\top\nabla\right]^k (f, \bm{a}_0) \\ &= f(\bm{a}_0) + \sum_{k=1}^\infty\frac{1}{k!}\left\{\left[(\bm{a} – \bm{a}_0)^\top\nabla\right]^k + k\left[(\bm{a} – \bm{a}_0)^\top\nabla\right]^{k-1}\varepsilon\bm{p}^\top\nabla\right\} (f, \bm{a}_0) \\ &= f(\bm{a}_0) + \sum_{k=1}^\infty\frac{1}{k!}\left[(\bm{a} – \bm{a}_0)^\top\nabla\right]^k (f, \bm{a}_0) \\ &\phantom{=} + \left\{(\varepsilon\bm{p}^\top\nabla)\sum_{k=1}^\infty\frac{1}{(k-1)!}\left[(\bm{a} – \bm{a}_0)^\top\nabla\right]^{k-1}\right\} (f, \bm{a}_0) \\ &= f(\bm{a}) + (\varepsilon\bm{p}^\top\nabla)\left(\sum_{k=0}^\infty\frac{1}{k!}\left[(\bm{a} – \bm{a}_0)^\top\nabla\right]^k f, \bm{a}_0\right) \\ &= f(\bm{a}) + (\varepsilon\bm{p}^\top\nabla)\left(g, \bm{a}_0\right) \quad \text{where} \quad g: \bm{x} \mapsto f(\bm{x} + (\bm{a}-\bm{a}_0)) \\ &= f(\bm{a}) + \varepsilon\bm{p}^\top\nabla (f, \bm{a}) \end{aligned} $$計算機での実装を意識
計算機で先述の冪級数展開を計算するわけにはいかない。実装上は、まず二重数クラスを定義し、$f(a + b\varepsilon) = f(a) + b\varepsilon f'(a)$を初等的な関数($\sqrt x, e^x, \sin x, \cos x, \tan x, \log x,\dots$)について実装する。
双対数を利用した自動微分についてのメモの解説にあるように、$f + f’\varepsilon, g + g’\varepsilon$型の二重数同士の四則演算が好都合な結果をもたらすので、$f(a + b\varepsilon) = f(a) + b\varepsilon f'(a)$を実装した関数同士の四則演算で構成されたユーザー定義関数$h$については、引数に$a + \varepsilon$を渡すだけで自動的に$h(a) + h'(a)$が計算される。
Juliaでの実装
Juliaで実装したコードをGistで公開している: Automatic differentiation using Dual Number
