假设 A A A为 m × n m\times n m×n 的矩阵， x x x 为 n n n 维列向量（通常向量都是以列向量的形式表示）
则对于 A x Ax Ax 其结果为 m m m 维的列向量，有 d ( A x ) d x = A T \dfrac {\mathrm{d}(Ax)}{\mathrm{d}x}=A^T dxd(Ax)=AT
A x = ( ∑ j = 1 n a 1 j × x j , ∑ j = 1 n a 2 j × x j , ⋯ , ∑ j = 1 n a m j × x j ) T Ax=(\sum\limits_{j=1}^{n}{a_{1j}\times x_{j}},\sum\limits_{j=1}^{n}{a_{2j}\times x_{j}},\cdots,\sum\limits_{j=1}^{n}{a_{mj}\times x_{j}})^T Ax=(j=1∑na1j×xj,j=1∑na2j×xj,⋯,j=1∑namj×xj)T
d ( A x ) d x \dfrac {\mathrm{d}(Ax)} {\mathrm{d}x} dxd(Ax) 即是求 A x Ax Ax 的梯度，对 A x Ax Ax 中的每个 x i x_i xi 分量求偏导有
d ( A x ) d x = \dfrac {\mathrm{d}(Ax)}{\mathrm{d}x}= dxd(Ax)= [ a 11 a 21 ⋯ a m 1 a 12 a 22 ⋯ a m 2 ⋮ ⋮ ⋱ ⋮ a 1 n a 2 n ⋯ a m n ] \begin{bmatrix} a_{11}& a_{21} & \cdots & a_{m1}\\ a_{12}& a_{22} & \cdots & a_{m2}\\ \vdots & \vdots & \ddots & \vdots\\ a_{1n} & a_{2n} & \cdots & a_{mn} \end{bmatrix} ⎣⎢⎢⎢⎡a11a12⋮a1na21a22⋮a2n⋯⋯⋱⋯am1am2⋮amn⎦⎥⎥⎥⎤
d ( x T A ) d x = A \dfrac {\mathrm{d}(x^TA)}{\mathrm{d}x}=A dxd(xTA)=A
d ( x T A x ) d x = ( A + A T ) x \dfrac {\mathrm{d}(x^TAx)}{\mathrm{d}x}=(A+A^T)x dxd(xTAx)=(A+AT)x ， x T A x x^TAx xTAx 为二次型
扫一扫
2144
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
