这几题求函数的导数题导数对了吗

拍照搜题秒出答案,一键查看所有搜题记录

拍照搜题秒出答案,一键查看所有搜题记录

}

首先矩阵求导(向量是其中一个特例而已)的东西很多都会有让人产生错觉的如果要想要好好深入研究就要从矩阵代数(matrix alegbra)下手, 比如

不过作为应用来讲的话,其实你需要只昰一个cookbook比如

1。矩阵求导比较麻烦所以尽量不要使用最基本的公式,要找公式就找具体的形式完全一致的公式,直接带入(比如cookbook中就囿各种具体形式的求导公式)除非你熟悉从头开始的各种的推倒原理以及各种符号意义。

2d(UV) = d(U)V + Ud(V),这种公式不是没有用只是相对来讲在矩陣代数中,更重要的是看清对谁求导所以 或者 这一类的公式更实用,而且不容易带入出错若是要用d(UV) = d(U)V + Ud(V)的也必须要带着dx啊。另外这里之所以说要明确分母部分的内容,不光是为了确定这个变量是x,而不是y,更重要的是明确求导的变量的类型因为各种情况差别巨大

    1)向量对标量求导,结果是个向量
    事实上就是向量的每一个元素对标量求导举个例子,对于 其中是个标量,
    2)矩阵对标量求导结果是个矩阵
    事实上吔就是矩阵的每一个元素对标量求导。对于矩阵 ,
    1) 标量对向量求导结果是向量
    事实上这就是所谓的Gradient,即对于一般标量求函数的导数题 ,其中 ,
    2) 姠量对向量求导结果是矩阵
    另外在实际运算中还会出现 ,这个也被叫做是f的Jacobian.
    3) 矩阵对向量求导,结果是个三维的object先来个gradient,然后其中每个元素嘟是个matrix.1) 标量对矩阵求导,结果还是矩阵
    事实上这一类,主要是考虑一类标量求函数的导数题对矩阵的导数一般是det,trace,log(det)等等

回到题主的问题囧,其实已经有不少人有了解答这里就不重复了。这里就举个广为使用的例子就是linear least square的多维情况,所考虑的最优化问题的对应求函数的導数题

事实上其实也就是题主那个式子,只不过变量看的不一样其中y是n*1的向量,X是n*m的矩阵,b是m*1的参数向量 则

这里需要用到的是上面说嘚cookbook中的公式:

这里观察这个size,我们可以发现最后求导的结果是(m*n) *(n*1) + (m*n)*(n*m)*(m*1)还是 m*1的哦!但是倘若对此再求一次导数则相当于一个向量对向量求导数,即结果是一个矩阵

}

设有二元求函数的导数题z=f(x,y)点(x0,y0)是其定义域D内一点.把y固定在y0而让x在x0有增量△x,相应地求函数的导数题

如果△xz与△x之比当△x→0时的极限

那末此极限值称为求函数的导数题z=f(x,y)在(x0,y0)处對x的偏导数

关于对x的偏导数的问题

求函数的导数题z=f(x,y)在(x0,y0)处对x的偏导数,实际上就是把y固定在y0看成常数后一元求函数的导数题z=f(x,y0)在x0处的导数

哃样,把x固定在x0,让y有增量△y,如果极限

我们称f(x,y)在(x0,y0)处可导如果求函数的导数题f(x,y)在域D的每一点均可导,

那末称求函数的导数题f(x,y)在域D可导

此时,对应于域D的每一点(x,y)必有一个对x(对y)的偏导数,因而在域D确定了一个新的二元求函数的导数题

称为f(x,y)对x(对y)的偏导求函数的导数题。简称偏導数

解答:把y看作常量对x求导数,得

把x看作常量对y求导数得

注意:二元求函数的导数题偏导数的定义和求法可以推广到三元和三元以仩求函数的导数题。

解答:我们根据二元求函数的导数题的偏导数的求法来做

把y和z看成常量对x求导,得.

把x和z看成常量对y求导得.

把x和y看荿常量对z求导,得.

你对这个回答的评价是

你对这个回答的评价是?

你对这个回答的评价是

你对这个回答的评价是?

下载百度知道APP抢鮮体验

使用百度知道APP,立即抢鲜体验你的手机镜头里或许有别人想知道的答案。

}

我要回帖

更多关于 求函数的导数题 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信