雅克比(Jacobian)矩阵
来源:互联网 发布:mac的迅雷下载速度0 编辑:程序博客网 时间:2024/04/28 10:47
雅可比矩阵
还有,在代数几何中,代数曲线的雅可比量表示雅可比簇:伴随该曲线的一个群簇,曲线可以嵌入其中。
它们全部都以数学家卡尔·雅可比命名;英文雅可比量"Jacobian"可以发音为[ja?ko bi ?n]或者[?? ?ko bi ?n]。
目录
- 1 雅可比矩阵
- 1.1 例子
- 1.2 在动态系统中
- 2 雅可比行列式
- 2.1 例子
雅可比矩阵
雅可比矩阵的重要性在于它体现了一个可微方程与给出点的最优线性逼近。因此,雅可比矩阵类似于多元函数的导数。
假设F:Rn→Rm是一个从欧式n维空间转换到欧式m维空间的函数。这个函数由m个实函数组成: y1(x1,...,xn), ...,ym(x1,...,xn). 这些函数的偏导数(如果存在)可以组成一个m行n列的矩阵,这就是所谓的雅可比矩阵:
此矩阵表示为:
- ,或者
这个矩阵的第i行是由梯度函数的转置yi(i=1,...,m)表示的
如果p是Rn中的一点,F在p点可微分,那么在这一点的导数由JF(p)给出(这是求该点导数最简便的方法)。在此情况下,由F(p)描述的线性算子即接近点p的F的最优线性逼近,x逼近与p
- }-
编辑] 例子
由球坐标系到直角坐标系的转化由F函数给出:R× [0,π] × [0,2π] → R3
此坐标变换的雅可比矩阵是
R4的f函数:
其雅可比矩阵为:
此例子说明雅可比矩阵不一定为方矩阵。
编辑] 在动态系统中
考虑形为x' =F(x)的动态系统,F
编辑] 雅可比行列式
如果m =n,那么F是从n维空间到n维空间的函数,且它的雅可比矩阵是一个方块矩阵。于是我们可以取它的行列式,称为雅可比行列式。
在某个给定点的雅可比行列式提供了F在接近该点时的表现的重要信息。例如,如果连续可微函数F在p点的雅可比行列式不是零,那么它在该点具有反函数。这称为反函数定理。更进一步,如果p点的雅可比行列式是正数,则F在p点的取向不变;如果是负数,则F的取向相反。而从雅可比行列式的绝对值,就可以知道函数F在p点的缩放因子;这就是为什么它出现在换元积分法中。
例子
设有函数F
则它的雅可比行列式为:
从中我们可以看到,当x1和x2同号时,F的取向相反;该函数处处具有反函数,除了在x1= 0和x2 = 0时以外。
- 雅克比(Jacobian)矩阵
- 六自由度机器人Jacobian(雅克比)矩阵计算类
- 雅克比矩阵(Jacobian Matrix)的意义
- 【math】梯度(gradient)、雅克比矩阵(Jacobian)、海森矩阵(Hessian)
- Theano(4):Theano更多示例,默认参数值、多输出function;随机数;梯度、Jacobian雅克比矩阵、Hessian嗨森矩阵;
- 雅可比(Jacobian)矩阵
- Jacobian矩阵
- 雅克比矩阵
- Jacobian矩阵、Hessian矩阵
- Jacobian矩阵和Hessian矩阵
- Jacobian矩阵和Hessian矩阵
- Jacobian矩阵和Hessian矩阵
- Jacobian矩阵和Hessian矩阵
- Jacobian矩阵和Hessian矩阵
- Jacobian矩阵和Hessian矩阵
- Jacobian矩阵和Hessian矩阵
- Jacobian矩阵和Hessian矩阵
- Jacobian矩阵和Hessian矩阵
- LDA导读
- php 加载字体 并保存成图片
- 多项分布 多项式分布
- java正则表达式入门文档
- nutch elipse 配置的一些事项
- 雅克比(Jacobian)矩阵
- 如何在Struts2中实现系统的初始化…
- 解决tomcat启动出现in production environments was not found on the java.library.path:xxx
- 用监听器listener获得工程的跟路径
- java实现 tfidf
- 混游戏行业必须懂得基础用语知识
- 2011年06月20日
- java调用libsvm
- Mallet之源文件结构