`
deepfuture
  • 浏览: 4431053 次
  • 性别: Icon_minigender_1
  • 来自: 湛江
博客专栏
073ec2a9-85b7-3ebf-a3bb-c6361e6c6f64
SQLite源码剖析
浏览量:80336
1591c4b8-62f1-3d3e-9551-25c77465da96
WIN32汇编语言学习应用...
浏览量:70816
F5390db6-59dd-338f-ba18-4e93943ff06a
神奇的perl
浏览量:104027
Dac44363-8a80-3836-99aa-f7b7780fa6e2
lucene等搜索引擎解析...
浏览量:287497
Ec49a563-4109-3c69-9c83-8f6d068ba113
深入lucene3.5源码...
浏览量:15135
9b99bfc2-19c2-3346-9100-7f8879c731ce
VB.NET并行与分布式编...
浏览量:68339
B1db2af3-06b3-35bb-ac08-59ff2d1324b4
silverlight 5...
浏览量:32554
4a56b548-ab3d-35af-a984-e0781d142c23
算法下午茶系列
浏览量:46267
社区版块
存档分类
最新评论

雅可比

 
阅读更多

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:

\begin{bmatrix} \frac{\partial y_1}{\partial x_1} & \cdots & \frac{\partial y_1}{\partial x_n} \\ \vdots & \ddots & \vdots \\ \frac{\partial y_m}{\partial x_1} & \cdots & \frac{\partial y_m}{\partial x_n}  \end{bmatrix}.

此矩阵表示为:

J_F(x_1,\ldots,x_n) ,或者 \frac{\partial(y_1,\ldots,y_m)}{\partial(x_1,\ldots,x_n)}.



 



 

 

  • 大小: 38.6 KB
  • 大小: 43.3 KB
分享到:
评论
Global site tag (gtag.js) - Google Analytics