1,Jacobian matrix and determinant
在向量微积分学中,雅可比矩阵是向量对应的函数(就是多变量函数,多个变量可以理解为一个向量,因此多变量函数就是向量函数)的一阶偏微分以一定方式排列形成的矩阵。
如果这个矩阵为方阵,那么这个方阵的行列式叫雅可比行列式。
2,雅可比矩阵数学定义
假设函数f可以将一个n维向量undefinedxundefined(undefinedxundefined∈Rn)变成一个m维向量f(undefinedxundefined),undefinedf(xundefined)∈Rm,
(显然f是由m个实函数组成的函数)
则函数f的雅可比矩阵undefinedJf可以定义如下:
undefinedJf=[∂x1∂f...∂xn∂f]=⎣⎢⎡∂x1∂f1⋮∂x1∂fm...⋱...∂xn∂f1⋮∂xn∂fm⎦⎥⎤
对于单个元素而言,可以定义如下:
undefinedJij=∂xj∂fi
函数f的雅可比矩阵的其它标记方法为undefined∂(x1,...,xn∂(f1,...,fm)
3,例子
3.1 设函数f为二维空间到二维空间的变换
在这里插入图片描述
3.2 极坐标到笛卡尔坐标的变换
在这里插入图片描述
3.3 球坐标到笛卡尔坐标的变换
在这里插入图片描述
3.4 三维空间到四维空间的变换
在这里插入图片描述
3.5 三维空间到三维空间的变换
在这里插入图片描述
4,雅可比矩阵意义
雅可比矩阵undefinedJf(p)就是函数f在n维空间某点p处的导数,它是一个线性映射(因为它是一个矩阵,矩阵本身代表着线性变换),它代表着函数f在点p处的最优线性逼近,也就是当x足够靠近点p时,我们有
undefinedf(x)≈f(p)+Jf(p)∗(x−p)
这跟2维空间中在某点附近线性逼近一段曲线很类似,如果雅可比矩阵只有一个元素,它就等于2维空间中曲线在某点处的导数。
Note: 微分的本质就是线性化,在局部用线性变化代替非线性变化。
5,雅可比行列式意义
代表经过变换后的空间与原空间的面积(2维)、体积(3维)等等的比例,也有人称缩放因子。