惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

有赞技术团队
有赞技术团队
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
IT之家
IT之家
博客园 - 【当耐特】
罗磊的独立博客
Stack Overflow Blog
Stack Overflow Blog
MyScale Blog
MyScale Blog
WordPress大学
WordPress大学
The GitHub Blog
The GitHub Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Hugging Face - Blog
Hugging Face - Blog
I
InfoQ
B
Blog RSS Feed
腾讯CDC
云风的 BLOG
云风的 BLOG
N
Netflix TechBlog - Medium
Apple Machine Learning Research
Apple Machine Learning Research
GbyAI
GbyAI
雷峰网
雷峰网
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
D
DataBreaches.Net
The Cloudflare Blog
V
V2EX
S
SegmentFault 最新的问题

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания
Давайте объединим линейную и геометрическую алгебры. Част...
Exlt8 · 2026-04-26 · via Все публикации подряд на Хабре

Уровень сложностиСредний

Время на прочтение2 мин

Охват и читатели7

Привет Хабр!

В этот раз воздержусь от обработки статьи нейросетями, для приукрашивания оборотов речи, напишу просто про следующую идею: Матрица Якоби определяет векторную функцию в малой области, линейным способом, за счет чего может обрабатываться методами и линейной и геометрической алгебры.

Формула для линейной аппроксимации из Википедии

Формула для линейной аппроксимации из Википедии

Можно видеть, что "x" в окрестности "x0" может быть любым. При известных матрице Якоби и значении функции в "x0", для любого "x" можно вычислить в этой окрестности значение функции "u".

Так как "x" любой, можно составить матрицу из двух состояний системы относительно точки "x0".

Умножение любой матрицы Х на матрицу J, дает матрицу, составленную из столбцов X, преобразованных умножением на J.

Такое матричное приращение функции кодирует одновременно изменение функции вдоль Δx, и вдоль Δx`. То есть мы работаем с двумя состояниями одновременно. Индексы матрицы по строкам означают номера координат, индексы по столбцам означают состояния.

Матрица двух состояний функции тогда:

Предположим теперь, что мы каким то образом знаем значение функции в трех не совпадающих точках. Тогда нахождение матрицы Якоби из задачи математического анализа, становится задачей линейной алгебры.

Это дает нам возможность вычисления матрицы Якоби по любой паре значений координат аргумента и функции, без вычисления производных. Любым способом определяем в паре точек значения функции, и таким методом можем пересчитать значения функции в любых точках окрестности для любой сетки известных значений и искомых значений. Вычислив матрицу Якоби, мы можем задать значения функции во всех любых других точках области.

Если же задать производные матрицы Якоби по классике и приращения аргумента дифференциалами, получим и результат по классике.

Что касается смысла разложения произвольной матрицы на кватернион и вектор Паули, то писал об этом тут Давайте объединим линейную и геометрическую алгебры. На простом примере. Часть 1. Это дает возможность интерпретировать происходящее хоть и более абстрактным способом, но и более гибким вычислительно.

Кому интересно, так проще разобраться. Мне лично не попадалось литература, где хотя бы попытку делали такой интерпретации. Если знаете и поделитесь, буду признателен.

Спасибо за внимание!