矩陣求導


向量變元的實值標量函數

    $f(\boldsymbol{x}), \boldsymbol{x}=\left[x_{1}, x_{2}, \cdots, x_{n}\right]^{T}$

  梯度向量形式

    $\nabla_{x} f(\boldsymbol{x})=\frac{\partial f(\boldsymbol{x})}{\partial \boldsymbol{x}}=\left[\frac{\partial f}{\partial x_{1}}, \frac{\partial f}{\partial x_{2}}, \cdots, \frac{\partial f}{\partial x_{n}}\right]^{T}$


 

四個法則

常數求導

  與一元函數常數求導相同:結果為零向量

    $\frac{\partial c}{\partial \boldsymbol{x}}=\mathbf{0}_{n \times 1}$

  其中, $c$ 為常數。

線性法則

  與一元函數求導線性法則相同:相加再求導等於求導再相加,常數提外面

    $\frac{\partial\left[c_{1} f(\boldsymbol{x})+c_{2} g(\boldsymbol{x})\right]}{\partial \boldsymbol{x}}=c_{1} \frac{\partial f(\boldsymbol{x})}{\partial \boldsymbol{x}}+c_{2} \frac{\partial g(\boldsymbol{x})}{\partial \boldsymbol{x}}$

  其中,$c_{1}, c_{2}$ 為常數。

乘積法則

  與一元函數求導乘積法則相同:前導后不導 加 前不導后導

     $\frac{\partial[f(\boldsymbol{x}) g(\boldsymbol{x})]}{\partial \boldsymbol{x}}=\frac{\partial f(\boldsymbol{x})}{\partial \boldsymbol{x}} g(\boldsymbol{x})+f(\boldsymbol{x}) \frac{\partial g(\boldsymbol{x})}{\partial \boldsymbol{x}}$

商法則

  與一元函數求導商法則相同:(上導下不導 減 上不導下導)除以(下的平方):

    $\frac{\partial\left[\frac{f(\boldsymbol{x})}{g(\boldsymbol{x})}\right]}{\partial \boldsymbol{x}}=\frac{1}{g^{2}(\boldsymbol{x})}\left[\frac{\partial f(\boldsymbol{x})}{\partial \boldsymbol{x}} g(\boldsymbol{x})-f(\boldsymbol{x}) \frac{\partial g(\boldsymbol{x})}{\partial \boldsymbol{x}}\right]$

  $\text { 其中, } g(\boldsymbol{x}) \neq 0 \text { 。 }$


 

幾個公式

公式 1 

    $\frac{\partial\left(\boldsymbol{x}^{T} \boldsymbol{a}\right)}{\partial \boldsymbol{x}}=\frac{\partial\left(\boldsymbol{a}^{T} \boldsymbol{x}\right)}{\partial \boldsymbol{x}}=\boldsymbol{a}$

  其中, $\boldsymbol{a} $ 為常數向量, $\boldsymbol{a}=\left(a_{1}, a_{2}, \cdots, a_{n}\right)^{T}$  。

公式 2 

    $\frac{\partial\left(\boldsymbol{x}^{T} \boldsymbol{x}\right)}{\partial \boldsymbol{x}}=2 \boldsymbol{x}$

公式 3 

    $\frac{\partial\left(\boldsymbol{x}^{T} \boldsymbol{A} \boldsymbol{x}\right)}{\partial \boldsymbol{x}}=\boldsymbol{A} x+\boldsymbol{A}^{T} \boldsymbol{x}$

  其中,$\boldsymbol{A}_{n \times n}$  是常數矩陣,$\boldsymbol{A}_{n \times n}=\left(a_{i j}\right)_{i=1, j=1}^{n, n}$

公式 4 

    $\frac{\partial\left(\boldsymbol{a}^{T} \boldsymbol{x} \boldsymbol{x}^{T} \boldsymbol{b}\right)}{\partial \boldsymbol{x}}=\boldsymbol{a} \boldsymbol{b}^{T} \boldsymbol{x}+\boldsymbol{b} \boldsymbol{a}^{T} \boldsymbol{x}$

  其中,$  \boldsymbol{a}, \boldsymbol{b}$  為常數向量,$  \boldsymbol{a}=\left(a_{1}, a_{2}, \cdots, a_{n}\right)^{T}, \boldsymbol{b}=\left(b_{1}, b_{2}, \cdots, b_{n}\right)^{T}$

 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM