← Mục lục
Làm toán AI ✍️ · Toán × AI
Phiếu in A4 · tính tay
Mức: nhập môn · Phần A
Bài A15

Ma trận Jacobian — Jacobian

Họ tên: Ngày: Thời gian: ~13 phút
Vì sao quan trọng. Mỗi lớp mạng là một hàm vectơ → vectơ. Để lan gradient qua lớp, ta cần biết mỗi đầu ra nhạy thế nào với mỗi đầu vào — đúng là Jacobian. Nó là "gradient" cho hàm nhiều đầu ra.
f: ℝⁿ → ℝᵐ    Jij = ∂fi / ∂xj    (J là ma trận m×n)
💡 Trực giác Jacobian xếp chồng các gradient: mỗi hàng là gradient của một đầu ra. Tại một điểm, nó là phép biến đổi tuyến tính xấp xỉ hàm — cho biết một nhiễu nhỏ ở đầu vào lan ra đầu ra thế nào.
0

Cho sẵn hàm vectơ→vectơ

f: ℝ²→ℝ²
f₁ = x² + y  ,  f₂ = x·y  ;  xét tại ( 1, 2 )
Hai đầu ra (f₁, f₂), hai đầu vào (x, y) → Jacobian là ma trận 2×2.
1

Hàng 1 = ∇f₁

đầu ra f₁
∂f₁/∂x = 2x =  ;  ∂f₁/∂y =   (tại ( 1, 2 ))
Vì sao: hàng i chỉ quan tâm đầu ra fᵢ; mỗi cột là một biến đầu vào (x trước, y sau).
2

Hàng 2 = ∇f₂

đầu ra f₂
∂f₂/∂x = y =  ;  ∂f₂/∂y = x =
f₂ = x·y nên đạo hàm theo x là y, theo y là x (biến kia đóng vai hằng số nhân).
3

Gom thành J(1, 2)

2×2
J
Vị trí (i, j) = ∂fᵢ/∂xⱼ. Hàng trên = ∇f₁, hàng dưới = ∇f₂.
4

Ý nghĩa: biến đổi cục bộ

J·dx
Một nhiễu nhỏ dx = (Δx, Δy) đổi đầu ra ≈ J·dx (đúng phép ma trận × vectơ ở A8). det J = hệ số phóng đại diện tích cục bộ; det J = 0 ⇒ lớp "ép phẳng" thông tin.
✎ Tự kiểm tra
  1. f: ℝⁿ→ℝᵐ thì Jacobian kích thước gì? →
  2. Mỗi hàng của Jacobian là gì? →
Làm toán AI ✍️ — Bài A15 · Ma trận JacobianTrang 1/2 · ĐỀ
Làm toán AI ✍️ · Toán × AI
ĐÁP ÁN
Bài A15

Ma trận Jacobian — lời giải

1

Hàng 1 = ∇f₁

∂f₁/∂x = 2x = 2 ; ∂f₁/∂y = 1
2

Hàng 2 = ∇f₂

∂f₂/∂x = y = 2 ; ∂f₂/∂y = x = 1
3

J(1, 2)

J
2
1
2
1
det J = 2·11·2 = 0
det J = 0 ⇒ tại điểm này lớp ép phẳng (suy biến).

Sơ đồ: J biến hình vuông → hình bình hành

xấp xỉ cục bộ
Hai cột của J là ảnh của hai vectơ đơn vị: lam (2, 2) và cam (1, 1). Diện tích vùng tô = |det J|. Vùng dẹt ⇒ thông tin bị nén.
✎ Tự kiểm tra — đáp án
  1. Kích thước Jacobian? → m×n.
  2. Mỗi hàng là? → Gradient của một thành phần đầu ra.
Rút ra. Jacobian = chồng các gradient = xấp xỉ tuyến tính cục bộ của hàm vectơ→vectơ; backprop nhân các Jacobian dọc mạng. Hết phần giải tích nền. Bài tiếp (A16): sang xác suất — kỳ vọng & phương sai.
Làm toán AI ✍️ — Bài A15 · Ma trận JacobianTrang 2/2 · ĐÁP ÁN