转载，雅克比矩阵可以逼近线性化---我好笨啊

转载自https://blog.csdn.net/Danielalves/article/details/72285980

单变量情况，如果f:R→R

,则有：

f′(x)=lim∇x→0f(x+∇x)−f(x)∇x

以一种非常有用的方式考虑f′(x)就是：

f(x+∇x)≈f(x)+f′(x)∇x

 

上述方程在n维欧式空间到m维欧式空间的映射F:Rn→Rm

同样非常有意义：

F(x+∇x)≈F(x)+F′(x)∇x

 

• 其中F′(x)

就是函数在一点x的导数也就是Jacobian矩阵JF(x)

•  
• x∈Rn
• , F(x)∈Rm,JF(x)为 m×n
• ：可见上式完成了不同维度空间的线性映射
• 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
• 雅可比矩阵类似于单变数函数的导数
• Jacobian矩阵JF(x)
• 允许我们通过线性函数（affine function）估计一个函数F locally