矩阵求导法则
来源:互联网 发布:js输入框不可编辑 编辑:程序博客网 时间:2024/04/30 07:55
转载自:http://wenku.baidu.com/view/0002f26648d7c1c708a14563.html
在网上看到有人贴了如下求导公式:
Y = A * X --> DY/DX = A'
Y = X * A --> DY/DX = A
Y = A' * X * B --> DY/DX = A * B'
Y = A' * X' * B --> DY/DX = B * A'
于是把以前学过的矩阵求导部分整理一下:
1. 矩阵Y对标量x求导:
相当于每个元素求导数后转置一下,注意M×N矩阵求导后变成N×M了
Y = [y(ij)] --> dY/dx = [dy(ji)/dx]
2. 标量y对列向量X求导:
注意与上面不同,这次括号内是求偏导,不转置,对N×1向量求导后还是N×1向量
y = f(x1,x2,..,xn) --> dy/dX = (Dy/Dx1,Dy/Dx2,..,Dy/Dxn)'
3. 行向量Y'对列向量X求导:
注意1×M向量对N×1向量求导后是N×M矩阵。
将Y的每一列对X求偏导,将各列构成一个矩阵。
重要结论:
dX'/dX = I
d(AX)'/dX = A'
4. 列向量Y对行向量X’求导:
转化为行向量Y’对列向量X的导数,然后转置。
注意M×1向量对1×N向量求导结果为M×N矩阵。
dY/dX' = (dY'/dX)'
5. 向量积对列向量X求导运算法则:
注意与标量求导有点不同。
d(UV')/dX = (dU/dX)V' + U(dV'/dX)
d(U'V)/dX = (dU'/dX)V + (dV'/dX)U'
重要结论:
d(X'A)/dX = (dX'/dX)A + (dA/dX)X' = IA + 0X' = A
d(AX)/dX' = (d(X'A')/dX)' = (A')' = A
d(X'AX)/dX = (dX'/dX)AX + (d(AX)'/dX)X = AX + A'X
6. 矩阵Y对列向量X求导:
将Y对X的每一个分量求偏导,构成一个超向量。
注意该向量的每一个元素都是一个矩阵。
7. 矩阵积对列向量求导法则:
d(uV)/dX = (du/dX)V + u(dV/dX)
d(UV)/dX = (dU/dX)V + U(dV/dX)
重要结论:
d(X'A)/dX = (dX'/dX)A + X'(dA/dX) = IA + X'0 = A
8. 标量y对矩阵X的导数:
类似标量y对列向量X的导数,
把y对每个X的元素求偏导,不用转置。
dy/dX = [ Dy/Dx(ij) ]
重要结论:
y = U'XV = ΣΣu(i)x(ij)v(j) 于是 dy/dX = = UV'
y = U'X'XU 则 dy/dX = 2XUU'
y = (XU-V)'(XU-V) 则 dy/dX = d(U'X'XU - 2V'XU + V'V)/dX = 2XUU' - 2VU' + 0 = 2(XU-V)U'
9. 矩阵Y对矩阵X的导数:
将Y的每个元素对X求导,然后排在一起形成超级矩阵。
- 矩阵求导计算法则
- 矩阵、向量求导法则
- 矩阵求导法则
- 矩阵-向量求导法则
- 矩阵、向量求导法则
- 矩阵向量求导法则
- 矩阵、向量求导法则
- 矩阵、向量求导法则
- 矩阵、向量求导法则
- 矩阵、向量求导法则
- 矩阵、向量求导法则
- 矩阵、向量求导法则
- 矩阵、向量求导法则
- 矩阵、向量求导法则
- 矩阵求导法则
- 矩阵、向量求导法则
- 矩阵、向量求导法则
- 矩阵求导法则
- 导入实用程序支持的表锁定方式
- listview多选模式详解CHOICE_MODE_MULTIPLE_MODAL
- 仅使用css,当body高度不足时,让footer始终底部显示。
- Hibernate中Criteria的完整用法
- scp: /tmp/slow_queries_3306.log.1128_0000: Permission denied
- 矩阵求导法则
- 关于数据库监听
- Android提高 - Android 数字签名学习
- 设置A链接点击不触发任何事件
- UIResponse响应者链
- JavaScript RegExp 对象
- 2015.4.28类、对象的初步学习(构建类,成员变量、方法的调用)
- POJ 3621 Sightseeing Cows 最优比率环
- COCOS 遗留问题