矩阵求导

矩阵求导

矩阵求导1 简单求导

假设我有A和B两个张量(可以是1x1的标量也可以是向量或者矩阵)，所谓矩阵求导 $\frac{\partial A}{\partial B}$， 就是矩阵A当中的每一个元素对B中的每一元素进行求导，所以求到之后的张量的元素的个数有以下情形：

那么现在我们来复习一下函数的几种形式： 1️⃣标量函数：$f(x)={x_1}^2+3*{x_2}^5-4x_3 + ...$,像这种$[f(x)]_{1*1}$称为标量函数。
2️⃣那么向量函数或者矩阵函数的定义就显而易见了，刑如$[f(x)]_{m*n}$的函数称为向量函数，就好比如：

$$\begin{bmatrix} f_{11}(x_1,x_2) f_{12}(x_1,x_2)& \\ f_{21}(x_1,x_2) f_{22}(x_1,x_2) & \end{bmatrix}_{2*2}$$

矩阵求导有两个法则：分母、分子布局，但是在这一篇文章中我们都会以分母布局作为演示。用简单一点的话来说就是，求导出来的形状和分母的形状相同。

分子布局虽然没有说，但是按照上面讲的定义，就是求导出来的形状都会与分子的形状相同。

矩阵求导2 公式求导

1.$f(x)=A^Tx$求导 -----> $\frac{\partial A^Tx}{\partial x} = A$


2.$f(x)=x^TAx$求导 -----> $\frac{\partial x^TAx}{\partial x} = (A^T+A)x$

3.最小二乘法：$\hat{S}(b)=\sum_{i=1}^p(y_i-x_i^Tb)^2 = (Y-xb)^T(Y-xb)$求导 -----> $\frac{\partial (Y-xb)^T(Y-xb)}{\partial b}= 2x^Txb-2x^TY$

矩阵求导3 常用的矩阵求导公式介绍

总结

1.矩阵求导的结果有很多种，这要看使用的是什么求导的方式：分子/分母/混合布局等等。所以不同的人求导出来的结果不一样很正常。
2.使用什么布局没有什么优劣之分，但是要注意前后求导的一致性，比如前面一条公式我使用分子求导，后面一条公式我却用了分母求导，这样得到的结果相乘或者做一些其他运算必然会出错。
3.我们要学会反推别人的求导方式，我们可以通过维度上的信息进行判断，或者直接按照别人的公式推导一次，因为在大多数论文中都是没有说明是分子/分母布局的。
4.我这里推荐几个矩阵求导讲的特别好的大佬:
B站：空狐公子
个人博客：zdaiot
维基百科(矩阵求导)
Po-chen Wu ppt
码字不易，创作辛苦，请点个赞吧。(如果有错误的话请斧正，感谢！！你的支持是我最大的动力)