矩阵求导术（下）

本文承接上篇 https://zhuanlan.zhihu.com/p/24709748，来讲矩阵对矩阵的求导术。使用小写字母x表示标量，粗体小写字母表示列向量，大写字母X表示矩阵。矩阵对矩阵的求导采用了向量化的思路，常应用于二阶方法求解优化问题。

首先来琢磨一下定义。矩阵对矩阵的导数，需要什么样的定义？第一，矩阵F(p×q)对矩阵X(m×n)的导数应包含所有mnpq个偏导数，从而不损失信息；第二，导数与微分有简明的联系，因为在计算导数和应用中需要这个联系；第三，导数有简明的从整体出发的算法。我们先定义向量(p×1)对向量(m×1)的导数(m×p)，有；再定义矩阵的（按列优先）向量化(mn×1)，并定义矩阵F对矩阵X的导数(mn×pq)。导数与微分有联系。几点说明如下：

1. 按此定义，标量f对矩阵X(m×n)的导数是mn×1向量，与上篇的定义不兼容，不过二者容易相互转换。为避免混淆，用记号表示上篇定义的m×n矩阵，则有。虽然本篇的技术可以用于标量对矩阵求导这种特殊情况，但使用上篇中的技术更方便。读者可以通过上篇中的算例试验两种方法的等价转换。
   
2. 标量对矩阵的二阶导数，又称Hessian矩阵，定义为(mn×mn)，是对称矩阵。对向量或矩阵求导都可以得到Hessian矩阵，但从矩阵出发更方便。