判断一个矩阵全为0_雅可比矩阵、黑森矩阵、泰勒展开式

1 雅可比矩阵

假设某函数从

， 从

映射到 向量

， 其雅可比矩阵是

m× n 的矩阵，换句话讲也就是从

到

的线性映射，其重要意义在于它表现了一个多变数向量函数的最佳线性逼近。因此，雅可比矩阵类似于单变数函数的导数。

此函数 f 的雅可比矩阵 J 为 m×n 的矩阵，一般由以下方式定义:

矩阵的分量可表示成：

示例：

2 黑森矩阵

黑塞矩阵（德语：Hesse-Matrix；英语：Hessian matrix或Hessian），又译作海森矩阵、海塞矩阵或海瑟矩阵等，是一个由多变量实值函数的所有二阶偏导数组成的方块矩阵。

假设有一实值函数