# sparsejacobian
标量函数的梯度向量
函数库: TySymbolicMath
# 语法
sparsejacobian(O,vars;simplify)
# 说明
sparsejacobian(f,v) 计算 f 相对于 v 的雅可比矩阵。 结果的 (i,j) 元素是
# 示例
向量函数的雅可比矩阵
向量函数的雅可比矩阵是该函数的偏导数矩阵。
计算 [x*y*z, y^2, x + z] 相对于 [x, y, z] 的雅可比矩阵。
using TySymbolicMath
@variables x y z
sparsejacobian([x*y*z, y^2, x + z], [x, y, z])
ans = 3×3 SparseArrays.SparseMatrixCSC{Num, Int64} with 6 stored entries:
y*z x*z x*y
⋅ 2y ⋅
1 ⋅ 1
现在,计算 [x*y*z, y^2, x + z] 相对于 [x; y; z]。
sparsejacobian([x*y*z, y^2, x + z], [x; y; z])
ans = 3×3 SparseArrays.SparseMatrixCSC{Num, Int64} with 6 stored entries:
y*z x*z x*y
⋅ 2y ⋅
1 ⋅ 1
雅可比矩阵对于向量在第二个输入位置的方向是不变的。
# 输入参数
f - 标量或向量函数符号表达式 | 符号向量
标量或向量函数,指定为符号表达式、函数或向量。 如果 f 是标量,则 f 的雅可比矩阵是 f 的转置梯度。
数据类型: Num
v - 计算雅可比行列式的变量向量符号变量向量
相对于您找到梯度向量的向量,指定为符号向量。
数据类型: Num
# 详细信息
雅可比矩阵
向量函数的雅可比矩阵$$f=\left(f_{1}\left(x_{1}, \ldots, x_{n}\right), \ldots, f_{n}\left(x_{1}, \ldots, x_{n}\right)\right)$$是 f 的导数矩阵: