如何通过SymPy获取梯度的未展开矩阵表达式？

问题分析 #

你尝试通过手动求和定义最小二乘损失函数并求导，但无论是否使用.as_explicit()，得到的都是展开的元素求和式，无法得到预期的紧凑矩阵形式2Aᵀ(Ax - y)（注：你写的A.应为矩阵转置Aᵀ，否则维度不匹配）。这是因为手动遍历元素求和的方式，SymPy无法自动将零散的元素导数重新合并为矩阵运算形式。

解决方案 #

直接利用SymPy的矩阵内积定义损失函数，借助矩阵微积分规则让SymPy自动推导紧凑形式的梯度：

import sympy as sp

# 定义矩阵与向量符号
A = sp.MatrixSymbol('A', 3, 2)
x = sp.MatrixSymbol('x', 2, 1)
y = sp.MatrixSymbol('y', 3, 1)

# 最小二乘损失函数：||Ax - y||² = (Ax - y)ᵀ · (Ax - y)
f = (A * x - y).T @ (A * x - y)

# 对向量x求梯度，derive_by_array返回行向量，转置为列向量形式
gradient = sp.derive_by_array(f, x).T

# 化简表达式
gradient_simplified = sp.simplify(gradient)
print(gradient_simplified)

结果说明 #

运行上述代码后，会直接得到紧凑的矩阵形式结果：2*A.T*(A*x - y)，完全符合你的预期。

为什么之前的方法无效？ #

• 使用Sum手动遍历元素时，SymPy会将损失函数视为标量求和，对每个x元素的导数会单独展开为求和表达式，无法自动识别并合并为矩阵乘法的形式。
• 直接用矩阵内积定义损失，SymPy能利用内置的矩阵求导规则，直接推导出紧凑的矩阵梯度表达式，无需手动处理元素求和。

内容的提问来源于stack exchange，提问作者Olivier_s_j