雅可比矩阵机器学习_雅可比矩阵和雅可比行列式

1. 雅可比矩阵和雅可比行列式

本文来源于我在知乎的回答

雅可比行列式?​www.zhihu.com

在此总结一下。

设

是一个函数，它的输入是向量

，输出是向量

:

那么雅可比矩阵是一个m×n矩阵：

由于矩阵描述了向量空间中的运动——变换，而雅可比矩阵看作是将点

转化到点

，或者说是从一个n维的欧式空间转换到m维的欧氏空间。

如果m = n， 可以定义雅可比矩阵

的行列式，也就是

雅可比行列式（Jacobian determinant）。

在微积分换元中，也就是给出了 从x到y的n维体积的比率

2.二维雅可比矩阵的几何意义

在二维情况（有直观的图），雅可比行列式代表xy平面上的面积微元与uv平面上的面积微元的比值。

设

，雅可比行列式是：

如图所示：dA代表dx和dy张成的平行四边形的面积，如果du和dv充分接近于0，那么dA：

二重积分换元：

n维情况以此类推。