Jacobi Matrix

Jacobi Matrix

Die Jacobi-Matrix (benannt nach Carl Gustav Jacob Jacobi; auch Funktionalmatrix oder Ableitungsmatrix genannt) einer differenzierbaren Funktion f\colon {\mathbb{R}^n}  \to {\mathbb{R}^m} \,\! ist die m \times n-Matrix sämtlicher erster partieller Ableitungen. Sie ist eine Darstellungsmatrix, also die Darstellung einer linearen Abbildung mittels einer Matrix, der Ableitung der Funktion f, wenn man als Basis die Standardbasis verwendet. Genutzt wird sie z. B. zur annähernden Berechnung (Approximation) oder Minimierung mehrdimensionaler Funktionen in der Mathematik. Sie wird mit Jf , Df oder \frac{\partial f}{\partial x} bezeichnet.

Inhaltsverzeichnis

Bildung

Bezeichnet man die Koordinaten im Urbildraum \R^n mit x = (x_1, \dots, x_n) und die Komponentenfunktionen von f mit f_1, \dots, f_m, so lautet die Jacobi-Matrix

J_f = \frac{\partial {f}}{\partial {x}} =  \frac{\partial(f_1, \ldots, f_m)}{\partial(x_1, \ldots, x_n)} = \left(\frac{\partial f_i}{\partial x_j}\right)_{i=1,\ldots,m;\ j=1,\ldots,n} ,

beziehungsweise ausführlich

J_f =  \begin{pmatrix}
\frac{\partial f_1}{\partial x_1} & \frac{\partial f_1}{\partial x_2} & \ldots & \frac{\partial f_1}{\partial x_n} \\
\vdots & \vdots & \ddots & \vdots & \\
\frac{\partial f_m}{\partial x_1} & \frac{\partial f_m}{\partial x_2} & \ldots & \frac{\partial f_m}{\partial x_n} \end{pmatrix}.

Um sich leichter merken zu können, in welche Richtung der Index der Koordinaten anwächst und in welche Richtung der Index der Komponentenfunktionen anwächst, kann man die nachfolgende Schreibweise verwenden. Schreibt man 
  f(x) := \left ( \begin{array}{c} f_1(x) \\ \vdots \\ f_m(x) \end{array} \right ),
dann ist die Jacobimatrix in Spaltenschreibweise gegeben durch 
 \left ( \begin{array}{ccc} 
        | & ... & | \\
     \partial x_1 f & ... & \partial x_n f  \\
      | & ... & |
 \end{array} \right ),
wobei natürlich 
\partial x_j f(x) := \left ( \begin{array}{c} \partial x_j f_1(x) \\ \vdots \\ \partial x_j f_m(x) \end{array} \right )
die partiellen Ableitungen der vektorwertigen Funktion f nach der jeweiligen Koordinate darstellt.

Man beachte weiterhin, dass die j-te Zeile der Jacobimatrix den transponierten Gradienten der Komponentenfunktion fj enthält.

Beispiel

Wir betrachten die Funktion 
 f: \mathbb R^3 \rightarrow \mathbb R^2,
die gegeben ist durch 
 f(x,y,z) = \left ( \begin{array}{c} 
             x^2 + y^2 + z \cdot \sin(x) \\
             z^2 + z \cdot \sin(y)
\end{array} \right )

Dann ist


 \partial x f(x,y,z) = \left ( \begin{array}{c} 
             2x + z \cdot \cos(x) \\
              0
           \end{array} \right ), \;\;

 
\partial y f(x,y,z) = \left ( \begin{array}{c} 
             2y \\
              z \cdot \cos(y)
           \end{array} \right ), \;\;


\partial z f(x,y,z) =  \left ( \begin{array}{c} 
             \sin(x) \\
              2z + \sin(y)
           \end{array} \right )

und damit die Jacobi-Matrix

 
Df(x,y,z) = \left ( \begin{array}{ccc}
         2x + z \cdot \cos(x) & 2y  & \sin(x) \\
         0 & z \cdot \cos(y) & 2z + \sin(y)
\end{array} \right )

Anwendungen

Sie kann, wenn man sie für einen Punkt p = (p_1,\dots,p_n) ausrechnet, zur Näherung der Funktionswerte von f in der Nähe von p verwendet werden:


f(x_1,\dots,x_n) \approx f(p_1,\dots,p_n) + J_f(p_1,\dots,p_n) 
\begin{pmatrix}x_1 - p_1 \\ \vdots \\ x_n - p_n \end{pmatrix}.

Diese affine Abbildung entspricht der Taylor-Approximation erster Ordnung (Linearisierung).

Für m = 1 entspricht die Jacobi-Matrix dem Gradienten von f. Je nach Definition des Gradienten, der manchmal als Zeilenvektor und manchmal als Spaltenvektor definiert wird, unterscheidet sich jedoch in diesem Fall die Jacobi-Matrix als Zeilenvektor vom Gradienten.

Ein Beispiel für eine Rechnung mit der Jacobi-Matrix ist die Transformation in Polarkoordinaten.

Weiterhin lässt sich die Jacobimatrix zu Berechnung von Extremstellen in der mehrdimensionalen Analysis benutzen. Eine notwendige Bedingung für das Vorhandensein lokaler Extremstellen einer differenzierbaren Funktion auf einer offenen Definitionsmenge D,  f: D \subset \mathbb R^n \rightarrow \mathbb R, ist durch Df(x) = (gradf)T(x) = 0 gegeben.

Determinante der Jacobi-Matrix

Für den Fall m = n ist f eine n \times n-Abbildung, und die Jacobi-Matrix ist quadratisch. In diesem Fall kann man die Determinante der Jacobi-Matrix berechnen. Die Determinante der Jacobi-Matrix wird Jacobi-Determinante oder Funktionaldeterminante genannt und spielt z. B. bei Transformationen von Integralen eine wichtige Rolle.

Siehe auch


Wikimedia Foundation.

Игры ⚽ Нужен реферат?

Schlagen Sie auch in anderen Wörterbüchern nach:

  • Jacobi matrix — may refer to: * Jacobian matrix (matrix of partial derivatives) * A three diagonal symmetric matrix (see orthogonal polynomials) …   Wikipedia

  • Jacobi-Matrix — Die Jacobi Matrix (benannt nach Carl Gustav Jacob Jacobi; auch Funktionalmatrix oder Ableitungsmatrix genannt) einer differenzierbaren Funktion ist die Matrix sämtlicher erster partieller Ableitungen. Sie bildet die Matrix Darstellung der ersten… …   Deutsch Wikipedia

  • Jacobi — ist der Familienname folgender Personen: Abraham Jacobi (1830–1919), deutsch US amerikanischer Kinderarzt Albano von Jacobi (1854–1928), deutscher Offizier und Diplomat Ariane Jacobi (* 1966), deutsche Jazzsängerin und Moderatorin Arnold Jacobi… …   Deutsch Wikipedia

  • Matrix (mathematics) — Specific elements of a matrix are often denoted by a variable with two subscripts. For instance, a2,1 represents the element at the second row and first column of a matrix A. In mathematics, a matrix (plural matrices, or less commonly matrixes)… …   Wikipedia

  • Jacobi-Determinante — Die Funktionaldeterminante oder Jacobi Determinante ist eine mathematische Größe, die in der mehrdimensionalen Integralrechnung, also der Berechnung von Oberflächen und Volumenintegralen, eine Rolle spielt. Insbesondere findet sie in der… …   Deutsch Wikipedia

  • Jacobi's theorem — can refer to: *Maximum power theorem, in electrical engineering *The result that the determinant of skew symmetric matrices with odd size vanishes, see skew symmetric matrix *Jacobi s four square theorem, in number theory …   Wikipedia

  • Jacobi eigenvalue algorithm — The Jacobi eigenvalue algorithm is a numerical procedure for the calculation of all eigenvalues and eigenvectors of a real symmetric matrix. Description Let varphi in mathbb{R}, , 1 le k < l le n and let J(varphi, k, l) denote the n imes n matrix …   Wikipedia

  • Jacobi method — The Jacobi method is an algorithm in linear algebra for determining the solutions of a system of linear equations with largest absolute values in each row and column dominated by the diagonal element. Each diagonal element is solved for, and an… …   Wikipedia

  • Jacobi-Rotationsverfahren — Das Jacobi Verfahren (nach Carl Gustav Jacob Jacobi (1846)) ist ein iteratives Verfahren zur numerischen Berechnung aller Eigenwerte und vektoren (kleiner) symmetrischer Matrizen. Inhaltsverzeichnis 1 Beschreibung 2 Klassisches und zyklische… …   Deutsch Wikipedia

  • Jacobi-Verfahren — In der numerischen Mathematik ist das Jacobi Verfahren, auch Gesamtschrittverfahren genannt, ein Algorithmus zur näherungsweisen Lösung von linearen Gleichungssystemen Ax = b. Es ist, wie das Gauß Seidel Verfahren und das SOR Verfahren, ein… …   Deutsch Wikipedia

Share the article and excerpts

Direct link
Do a right-click on the link above
and select “Copy Link”