向量对向量求导，麻烦看一下，我是哪一步错了？

最新推荐文章于 2024-06-27 11:30:47 发布
最新推荐文章于 2024-06-27 11:30:47 发布
阅读量1.1w 收藏 13
点赞数 1
文章标签： math matrix_rules
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ignorant_resentment/article/details/81277391
版权

    这是我在一份文档看到的一个数学结论，由于大学不是数学系，没怎么接触过向量对向量求导方面的知识，还请各位大大不吝赐教。如下图一，其中，X是一个矩阵，\Theta是一个列向量。

                                                                                       

                                                                                                 图一

    图二图三是我找到的一些关于（列）向量对（列）向量求导的数学结论。

                                                                                             图二

                                                   

                                                                                               图三

 

以下是我基于自己的理解举的一个例子，但是发现与图一第一条公式的结论不相吻合（我的求导结果是矩阵X，而图一的结果是X的转置），是哪一步推导过程出错了么？

难道又是东西方数学之间的差异，就像凸凹函数的定义~

 

 

 

 

 

Only_i_and_Not_r
关注
  • 1
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
标量、向量、矩阵求导（两种布局方式）
a6822342的博客
01-11 7697
问题引入 首先以一个网上很多博文引用的例子来开篇，例子见下图 问题初试 在了解向量和向量求导的时候，我看过以下一些公式： 首先Ax是个m维的列向量，它对x求偏导是个列向量对列向量求偏导的格式，所以可以套用上述公式(10)，那么得到的是： 那么就转换成了标量对向量的求偏导的形式了，可以套用上面的公式(5),于是化简成接下来的样子： 这样最后得到的化简结果是一个m*n维的列向量和网上得到的答...
向量
绿
07-23 704
线性组合：对于给定的B，可以有向量组a1，a2……an表示，就称向量B是向量组的限性组合。非齐次线性方程组AX=b是否有解，相当于向量b是否可有A的列向量表示。零向量是任何一组向量的限性组合。向量组a1，a2……an中的任意向量aj；都是此向量组的线性组合。任何一个n维向量，都是
各种矩阵（向量）求导
岁月如歌
04-15 2709
一个准则：按照单变量求导来做，然后调整下维数就可以了。 比如 对矩阵的求导，结果一定是和矩阵维数一致才对 今天早上遇到@tornadomeet在deep learning高质量群里问：一个列向量对一个列向量求导的结果，也就是下面的第一个公式：Y = A * X --> DY/DX = A’。我这才意识到矩阵里的很多知道又忘了，这些东西一旦不用，忘了就很快。矩阵和概率论的东西真心很重要，下...
范数的概念
最新发布
weixin_44685702的博客
06-27 729
向量的ℓp\ell_pℓp​范数通用公式为∥x∥p∑i1n∣xi∣p1p∥x∥p​∑i1n​∣xi​∣p1/p。矩阵的ℓp\ell_pℓp​范数通用公式为∥A∥p∑ij∣Aij∣p1p∥A∥p​∑ij​∣Aij​∣p1/p。特定范数（如ℓ1\ell_1ℓ1​范数、ℓ2\ell_2ℓ2​范数、ℓ∞ℓ∞​范数等）是这些通用公式的特殊情况。
标量、向量、矩阵之间求导笔记
XindaBlack的博客
12-06 716
记录一些平时碰到的标量、向量、矩阵之间求导的公式以及个人的理解。
数学：关于对向量、矩阵求导常见公式
qq_35896136的博客
04-13 3813
对向量、矩阵求导，和对标量求导还是有点区别，特别是转置和不转置，在网上参考了其他资料整理一下。 介绍： 在矩阵求导中，分为两种布局：分别是分子布局（Numerator Layout）和分母布局（Denominator Layout）。 考虑x,yx,yx,y分别是n,mn,mn,m 维列向量, AAA是 m×nm×nm×n 矩阵,zzz是标量. Numerator Layout 想象分子不变,...
对向量求导的常用公式
鲁鹏的博客
05-09 1万+
对向量求导的常用公式 最近经常会遇到常数和向量对向量求导的计算，感觉需要总结点什么了。以后，我还会在这个文档中添加新的公式。
矩阵向量微分求导.zip
07-15
包含了矩阵对矩阵求导，矩阵对向量求导，向量的微分，向量的导数等，多种矩阵、向量的微积分公式和讲解。内容包括： Vector/Matrix Derivatives and Integrals; Vector differentiation; Matrix differentiation; ...
机器学习中的矩阵、向量求导
02-23
机器学习中的矩阵、向量求导 快速掌握矩阵、向量求导法则的学习者，主要面向矩阵、向量求导在机器学习中的应用。因此，本教程而非一 份严格的数学教材，而是希望帮助读者尽快熟悉相关的求导方法并在实践中应用。另外...
[力荐] 矩阵向量求导法则 矩阵微商
07-25
1. 向量、矩阵对元素求导 2 1.1 行向量对元素求导 2 1.2 列向量对元素求导 2 1.3 矩阵对元素求导 2 2. 元素对向量、矩阵求导 3 2.1 元素对行向量求导 3 2.2 元素对列向量求导 3 2.3 元素对矩阵求导 3 3. 向量对向量...
矩阵对向量求导
04-04
详细的矩阵对向量求导公式，包括向量对向量求导等等
矩阵 向量求导法则
04-05
若我们要对这个行向量中的每个元素关于某个变量\(x\)进行求导，结果将会是一个新的行向量： \[ \left[\frac{\partial y_1}{\partial x}, \frac{\partial y_2}{\partial x}, \ldots, \frac{\partial y_n}{\partial x}...
矩阵向量求导
04-08
2. **矩阵对向量、向量对矩阵、矩阵对矩阵求导的结果是什么？** - 在这些情况下，最直接的结果将是三维或更高维度的张量，但这往往难以计算。 - 本文认为，在这些情形下导数是没有定义的。遇到这类问题时，可以...
标量、向量、矩阵求导大全
学渣的博客
09-12 1万+
正则化 原定的损失函数： J=−1m∑i=1m(y(i)log⁡(a[L](i))+(1−y(i))log⁡(1−a[L](i)))(1)J = -\frac{1}{m} \sum\limits_{i = 1}^{m} \large{(}\small y^{(i)}\log\left(a^{[L](i)}\right) + (1-y^{(i)})\log\left(1- a^{[L](i)}\right) \large{)} \tag{1}J=−m1​i=1∑m​(y(i)log(a[L](i))+(1−
矩阵、向量求导
凡心所向.AI
08-27 1012
1、行向量对元素求导 2、列向量对元素求导 例2：略，参考例1，把行向量转成列向量，分别对y向量的每个项进行求导。 3、矩阵对元素求导 4、元素对行向量求导 5、元素对列向量求导 例5：略，参考例4 6、元素对矩阵求导 7、行向量对列向量求导 8、列向量对行向量求导 9、行向量对行向量求导 行对行求导，得到的是行...
线性代数~向量对向量的求导 - 知乎
studyvcmfc的专栏
02-13 825
线性代数~向量对向量的求导 - 知乎
向量对向量求导
wang_zuel的博客
08-07 1660
向量对向量求导 向量对向量求导法则，按照分母为主导，参考：向量对向量求导法则 文件是在网上找的链接，如有侵权请联系博主删除。
向量，标量对向量求导数
热门推荐
06-14 6万+
1.已知 对谁求导数，就以谁（分母）作为主序，得出结果。比如这里x是列向量，求Ax关于x求导数，那么对x的每个分量分别求偏导数(写成一行)，然后整理排成一列（同x一样是列向量）。 同理有 关于x的转置x.T求导数，x.T是行向量，那么Ax分别对x.T向量中的分量求偏导（写成一列），然后整体排成一行（同x.T是行向量）。2.若A是1×n行向量，x是n×1的列向量， 有 3.若A是n
向量积对列向量X求导
08-20
向量积对列向量X求导的结果是UV'[3。其中U和V是已知矩阵，'表示转置操作。这个结果是一个矩阵，维度与X相同。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [数学基础：向量求导整理](https://blog.csdn.net/m0_46628178/article/details/105646744)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [<转>矩阵求导](https://blog.csdn.net/interxuxing/article/details/7583420)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值