Directorio de artículos
Notas personales:
1: fórmula de expansión de Taylor unaria
Ejemplo: f(x) = 3x² + 2x + 5 Expansión de Taylor en x=0 o x=1
Cuando x=0:
Cuando x=1:
No importa cuánto sea igual a Xk, la suma de las fórmulas expandidas finales es igual a f(x) = 3x² + 2x + 5
2: fórmula de expansión binaria de Taylor
Expansión de Taylor de x e y en k:
simplificado:
Simplificación:
①
fxx ′ ′ f''_{xx}Fx x′′ ′′está tomando dos derivadas con respecto a x.
②
fxy ′ ′ f''_{xy}Fx y′′ ′′Es derivar primero con respecto a x y luego derivar con respecto a y.
③
fyx ′ ′ f''_{yx}Fy x′′ ′′Es derivar primero con respecto a y y luego derivar con respecto a x.
(donde ③ = ②)
④
fyy ′ ′ f''_{yy}Fyy _′′ ′′está tomando la derivada dos veces con respecto a y.
3: matriz hessiana de funciones binarias
Función binaria punto f ( x 1 , x 2 ) f(x_1,x_2)f ( x1,X2) enX ( k ) ( x 1 ( k ) , x 2 ( k ) ) X^{(k)}(x_1^{(k)},x_2^{(k)})X( k ) (x1( k ),X2( k )) en el desarrollo de Taylor es:
donde Δ x 1 Δ x_1Δx _1= x 1 x_1X1− x 1 ( k ) x_1^{(k)}X1( k ), Δ x 2 Δ x_2Δx _2= x 2 x_2X2− x 2 ( k ) x_2^{(k)}X2( k )
Ahora mismo:
(1): donde
es f (X) f(X)f ( X ) enX ( k ) X^{(k)}X( k ) Gradiente en el punto.
(2):G ( X ( k ) ) G(X^{(k)})G ( X( k ) )esf ( x 1 , x 2 ) f(x_1,x_2)f ( x1,X2) enX ( k ) X^{(k)}XMatriz de arpilleraen ( k ) . Está dada por la funciónf ( x 1 , x 2 ) f(x_1,x_2)f ( x1,X2) enX ( k ) X^{(k)}XLa matriz cuadrada compuesta por las derivadas parciales de segundo orden en ( k ) .
4: Matriz hessiana de funciones multivariadas
1: Función multivariada f ( x 1 , x 2 , . . . , xn ) f(x_1,x_2,...,x_n)f ( x1,X2,. . . ,Xn) en el puntox ( k ) x^{(k)}XLa expansión de Taylor en ( k )
es: Escriba la expansión de Taylor (Taylor) en forma de matriz:
donde:
esf ( X ) f(X)f ( X ) enX ( k ) X^{(k)}X( k ) Gradiente en el punto.
(2):G ( X ( k ) ) G(X^{(k)})G ( X( k ) )esf ( x 1 , x 2 , . . . , xn ) f(x_1,x_2,...,x_n)f ( x1,X2,. . . ,Xn) enX ( k ) X^{(k)}XMatriz de arpilleraen ( k ) . Está dada por la funciónf ( x 1 , x 2 , . . . , xn ) f(x_1,x_2,...,x_n)f ( x1,X2,. . . ,Xn) enX ( k ) X^{(k)}X( k ) compuesta de derivadas parciales de segundo ordenn ∗ nn*nnorte∗Matriz cuadrada de orden n .
2:
Por ejemplo:
5: Matriz jacobiana de funciones multivariadas (matriz jacobiana)
1. Resumen
Supongamos fff :Rn R^nRnorte →R m R^mRm es una función cuya entrada es un vectorx ∈ R nx ∈ R^nX∈Rn , la salida es el vectory = f ( x ) ∈ R my = f(x)∈ R^my=f ( x )∈Rm , ym ≥ nm ≥ nmetro≥n es un estilo europeonnConvertir espacio n- dimensional a mmeuclidianoLa función del espacio dimensional m , esta función está determinada pormmCompuesto por m funciones reales:f 1 ( x 1 , … , xn ) f_1(x_1,…,x_n)F1( X1,…,Xn) ,…,fm ( x 1 , … , xn ) f_m(x_1,…,x_n)Fm( X1,…,Xn) Las derivadas parciales de estas funciones (si existen) se pueden componer enm∗nm∗nLa matriz de m ∗ n , esta es la llamada matriz jacobiana:
Entonces la matriz jacobiana es una m × nm × nmetro×n matriz, generalmente definida como
2: Ejemplo
Veamos un proceso de ajuste de datos real, entrada:
variable independiente: x = x =X= {1 , 2 , 4 , 5 , 8 1,2,4,5,81 ,2 ,4 ,5 ,8 }
Variable dependiente:y = y =y= {3.2939 , 4.2699 , 7.1749 , 9.3008 , 20.259 3.2939,4.2699,7.1749,9.3008,20.2593 . 2 9 3 9 ,4 . 2 6 9 9 ,7 . 1 7 4 9 ,9 _ 3 0 0 8 ,2 0 . 2 5 9 }
Objetivo: Usar la función f = p 1 ∗ ep 2 ∗ x − yf=p_1 ∗ e^{p_2∗x}−yF=pag1* mipag2∗ x −ypara ajuste, donde la variable independientexxx , variable dependienteyyy , parámetrop 1 p_1pag1y p 2 p_2pag2, para parámetro p 1 p_1pag1y p 2 p_2pag2Toma la derivada:
ep ∗ xe^{p*x}mip ∗ x contrappp se deriva:x ∗ ep ∗ xx*e^{p*x}X∗mipag ∗ x
Descripción de la matriz jacobiana:
Jacobian矩阵 =
[ exp(p2), p1*exp(p2)]
[ exp(2*p2), 2*p1*exp(2*p2)]
[ exp(4*p2), 4*p1*exp(4*p2)]
[ exp(5*p2), 5*p1*exp(5*p2)]
[ exp(8*p2), 8*p1*exp(8*p2)]
Ahora mismo:
referencias
Matrices hessianas y jacobianas
Matriz jacobiana 2
Matriz jacobiana Comprensión intuitiva de imágenes