SIFT高斯差分（DOG）函数泰勒展开求极值（矩阵求导，程序化）

对泰勒展开求导，为什么要令其为零？

答案是，用来求函数极值，或者说求函数最优解。

比如说函数f=+的极小值是多少？我们如何用编程的方法来求函数最优解？

这就要用泰勒展开，并求泰勒展开导数=0

假定△x=x-x0；△y=y-y0；下面是函数的泰勒展开

f（x，y）=f（x0，y0）+f'x*△x+f'y*△y+1/2*f''xx*+1/2*f''yy*+f''xy*△x*△y

A：求泰勒展开针对X偏导数=0，上式中一，二阶导数都是一个确定的值，而非变量，所以

0=0+f'x+0+1/2*f''xx*2*△x+0+f''xy*△y=f'x+f''xx*△x+f''xy*△y

A：求泰勒展开针对Y偏导数=0，上式中一，二阶导数都是一个确定的值，而非变量，所以

0=0+0+f'y+0+1/2*f''yy*2*△y+f''xy*△x=f'y+f''yy*△y+f''xy*△x

我们想说什么呢？

我们已经可以函数求导程序化，那么泰勒展开仍然是一个函数，那么泰勒函数展开求导也可以程序化，这是第一层意思，第二，我们想说的是，我们的矩阵求导是否可以程序化呢？

我们前面只是会矩阵的一般运算，加减乘（左乘，右乘）除（求逆），关于矩阵求导仍然没有尝试过，仅仅是手工求导。

我们分两步走，第一，求出矩阵中每一项的导数，第二，导数矩阵参与一般运算。

首先，我们引入梯度的概念，即就是一阶偏导，（f'x  f'y）

其次，=，X的梯度=，A=

我们把上面的泰勒展开换一种写法，

f（x，y）=f（x0，y0）+转置*X的梯度+（1/2）*转置*A*

f(X)=f()+转置*X的梯度()+（1/2）*转置*A()*

好，这个矩阵形式的泰勒展开，我们对他求导，并置零向量==X的梯度()+*A()*=

+=

即0=f'x+f''xx*△x+f''xy*△y

0=f'y+f''yy*△y+f''xy*△x

所以，f()+转置*X的梯度()+（1/2）*转置*A()*=f(X)矩阵求导就等于0向量，可以写成

=X的梯度()+*A()*=+=

好，我们的两步走已经完成，只剩下编程序了，程序就留作业吧！

另外，sift算法中的三阶矩阵泰勒展开求导与上面相同：泰勒表达式不变，多了下列项f''xz，f''yz，f''zx，f''zy，f''zz，

所以，f()+转置*X的梯度()+（1/2）*转置*A()*=f(X)矩阵求导就等于0向量，可以写成

+==X的梯度()+*A()*

这样，我们就可以用程序的方式来求最优解，再也不用手工稿纸上去验算求导了。