坐标换与雅克比矩阵 Jacobian

====================球面坐标系========================

坐标换与雅克比矩阵 Jacobian_第1张图片坐标换与雅克比矩阵 Jacobian_第2张图片

它以坐标原点为参考点,由方位角\small \phi、仰角\small \theta和距离\small r构成。球坐标系在地理学、天文学中都有着广泛应用。

显然,这里r,θ,φ的变化范围为r∈[0,+∞),θ∈[0, π], φ∈[0,2π] 

当r,θ或φ分别为常数时,可以表示如下特殊曲面:r = 常数,即以原点为心的球面;θ= 常数,即以原点为顶点、z轴为轴的圆锥面;φ= 常数,即过z轴的半平面。

1).球坐标系(r,θ,φ)与直角坐标系(x,y,z)的转换关系: [1] 

x=rsinθcosφ.        y=rsinθsinφ.     z=rcosθ.

看成 球坐标到直角坐标的映射\small F:(r,\theta,\varphi )\rightarrow (x,y,z),(x,y,z) 都是因变量,x,y,z 全都关于 ,球坐标的三个变量求偏导数,那么有9个导,与三个因变量之一对应的三个偏导数排成一行,构成\small 3 \times 3导数矩阵,叫做雅克比矩阵,当时方阵的时候,可以求行列式,则是的行列式称为  雅克比行列式 。

2).反之,直角坐标系(x,y,z)与球坐标系(r,θ,φ)的转换关系为:

 

 

===========================雅克比矩阵==================================

假设

  

是一个从n维欧氏空间  映射到         m维欧氏空间          的函数。 这个函数由m个实函数组成:

    所做个向量。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,这个矩阵就是所谓的雅可比矩阵:

 

 

球坐标到直角坐标的转换是这样一个函数映射,其雅克比矩阵可以写为:

 

 

 

考虑映射\small F:(x_1,x_2,x_3)\rightarrow (y_1,y_2,y_3,y_4)

\small \left\{\begin{matrix} y_1=x_1\\ y_2=5x_3\\ y_3=4x_{2}^{2}-2x_3\\ y4=x_3\sin x_1\end{matrix}\\ 这是一个3维坐标到4维坐标的映射,其雅可比矩阵为:坐标换与雅克比矩阵 Jacobian_第3张图片

 此例子说明雅可比矩阵不一定为方阵;      一点理解:也就是说并不是维度相同的空间才可以坐标变换!

 

 

 

你可能感兴趣的:(机器学习)