机器学习中的矩阵向量求导(五) 矩阵对矩阵的求导

本文介绍了矩阵对矩阵求导的定义、微分法及实例,包括矩阵的列向量化、微分法中的运算规则,并通过例子展示了如何利用微分法求解矩阵对矩阵的导数,帮助理解矩阵在机器学习中的求导应用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 在矩阵向量求导前4篇文章中,我们主要讨论了标量对向量矩阵的求导,以及向量对向量的求导。本文我们就讨论下之前没有涉及到的矩阵对矩阵的求导,还有矩阵对向量,向量对矩阵求导这几种形式的求导方法。

    本文所有求导布局以分母布局为准,为了适配矩阵对矩阵的求导,本文向量对向量的求导也以分母布局为准,这和前面的文章不同,需要注意。

    本篇主要参考了张贤达的《矩阵分析与应用》和长躯鬼侠的矩阵求导术

1. 矩阵对矩阵求导的定义

    假设我们有一个p×qp×q的矩阵FF要对m×nm×n的矩阵XX求导,那么根据我们第一篇求导的定义,矩阵FF中的pqpq个值要对矩阵XX中的mnmn个值分别求导,那么求导的结果一共会有mnpqmnpq个。那么求导的结果如何排列呢?方法有很多种。

    最直观可以想到的求导定义有2种:

    第一种是矩阵FF对矩阵XX中的每个值XijXij求导,这样对于矩阵XX每一个位置(i,j)求导得到的结果是一个矩阵∂F∂Xij∂F∂Xij,可以理解为矩阵XX的每个位置都被替换成一个p×qp×q的矩阵,最后我们得到了一个mp×nqmp×nq的矩阵。

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

文宇肃然

精神和物质鼓励你选一个吧

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值