偶然间看到向量求导，发现自己竟然没有什么印象了，从网上扒来这篇总结，稍作修改贴在这里。原文：http://hujianjust.blog.163.com/blog/static/7245507220108138818616/
矩阵（向量）求导
1. 矩阵Y对标量x求导：
相当于每个元素求导数后转置一下，注意M×N矩阵求导后变成N×M了
Y = [y(ij)] --> dY/dx = [dy(ji)/dx]
2. 标量y对列向量X求导：
注意与上面不同，这次括号内是求偏导，不转置，对N×1向量求导后还是N×1向量
y = f(x1,x2,..,xn) --> dy/dX = (Dy/Dx1,Dy/Dx2,..,Dy/Dxn)\'
3. 行向量Y\'对列向量X求导：
注意1×M向量对N×1向量求导后是N×M矩阵。
将Y的每一列对X求偏导，将各列构成一个矩阵。
重要结论：
dX\'/dX = I
d(AX)\'/dX = A\'
4. 列向量Y对行向量X’求导：
转化为行向量Y’对列向量X的导数，然后转置。
注意M×1向量对1×N向量求导结果为M×N矩阵。
dY/dX\' = (dY\'/dX)\'
5. 向量积对列向量X求导运算法则：
注意与标量求导有点不同。
d(UV\')/dX = (dU/dX)V\' + U(dV\'/dX)
d(U\'V)/dX = (dU\'/dX)V + (dV\'/dX)U\'
重要结论：
d(X\'A)/dX = (dX\'/dX)A + (dA/dX)X\' = IA + 0X\' = A
d(AX)/dX\' = (d(X\'A\')/dX)\' = (A\')\' = A
d(X\'AX)/dX = (dX\'/dX)AX + (d(AX)\'/dX)X = AX + A\'X
6. 矩阵Y对列向量X求导：
将Y对X的每一个分量求偏导，构成一个超向量。
注意该向量的每一个元素都是一个矩阵。
7. 矩阵积对列向量求导法则：
d(uV)/dX = (du/dX)V + u(dV/dX)
d(UV)/dX = (dU/dX)V + U(dV/dX)
重要结论：
d(X\'A)/dX = (dX\'/dX)A + X\'(dA/dX) = IA + X\'0 = A
8. 标量y对矩阵X的导数：
类似标量y对列向量X的导数，
把y对每个X的元素求偏导，不用转置。
dy/dX = [ Dy/Dx(ij) ]
重要结论：
y = U\'XV = ΣΣu(i)x(ij)v(j) 于是 dy/dX = = UV\'
y = U\'X\'XU 则 dy/dX = 2XUU\'
y = (XU-V)\'(XU-V) 则 dy/dX = d(U\'X\'XU - 2V\'XU + V\'V)/dX = 2XUU\' - 2VU\' + 0 = 2(XU-V)U\'
9. 矩阵Y对矩阵X的导数：
将Y的每个元素对X求导，然后排在一起形成超级矩阵。
另附几个重要文献，是矩阵微积分方面的数学知识。
矩阵求导 属于 矩阵计算，应该查找 Matrix Calculus 的文献：
http://www.psi.toronto.edu/matrix/intro.html#Intro
http://www.psi.toronto.edu/matrix/calculus.html
http://www.stanford.edu/~dattorro/matrixcalc.pdf
http://www.colorado.edu/engineering/CAS/courses.d/IFEM.d/IFEM.AppD.d/IFEM.AppD.pdf