一.雅克比矩阵
函数 f ( [ x y ] ) = [ x + s i n ( y ) y + s i n ( x ) ] f(\begin{bmatrix} x\\ y \\ \end{bmatrix})=\begin{bmatrix} x+sin(y) \\ y+sin(x) \\ \end{bmatrix} f([xy])=[x+sin(y)y+sin(x)]
代表的一种变换,输入二维的xy坐标,输出二维的坐标
不同于线性变换,这种变换是非线性变换
即变换后网格不等距,不平行分布
这种变换非常复杂,我们聚焦一点 [ π / 2 0 ] \begin{bmatrix} \pi/2\\ 0 \\ \end{bmatrix} [π/20]这一点来分析
变换后的位置如图所示
但似乎还是无法弄清这个变换
但是当我们把局部放大,在某一点附近,可以近似的把这个变换看成是局部线性变换
(微分思想?)
当我们放大局部,这种变换就可以用2*2的矩阵来描述
来看x分量,变换前的微小变化
∂
x
\partial x
∂x,在变换后分别产生了x,y两个分量上的变化
在向量微积分中,雅可比矩阵是一阶偏导数以一定方式排列成的矩阵,其行列式称为雅可比行列式。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
下面我们计算下这个矩阵
带入【-2,1】计算的结果与图上看到的大体相符
二.雅克比行列式
前面学习过行列式代表的是线性变换对空间的改变(具体的可以说变换后的面积是变换前的多少倍)
雅克比矩阵表示的是变换,那么它的行列式就可以代表变换后面积的变化
对雅克比矩阵求行列式,就是雅克比行列式
计算方法是对角相乘再减去
带入值 评估