雅可比矩阵的意义

雅可比矩阵的意义

雅可比矩阵的应用场景是进行坐标基变换的时候，揭露微元之间的关系。

设一个在 $xy$ 坐标下的向量 $\overrightarrow{m}$ ，用这个坐标系的基来表示：$\overrightarrow{m}=m_x\overrightarrow{x}+m_y\overrightarrow{y}$

设 $\overrightarrow{m}$ 通过函数 $f$ 变换到了 $uv$ 坐标系后成为 $\overrightarrow{n}$ ，用新基表示：$\overrightarrow{n}=n_u\overrightarrow{u}+n_v\overrightarrow{v}$ ，并且有：
$$f(\overrightarrow{m})=\overrightarrow{n}$$
对于二元函数泰勒公式，我们有：
$$f(x+△x,y+△y)=f(x,y)+△x\cdot \frac{\partial f}{\partial x}+△y\cdot \frac{\partial f}{\partial y}+o^2$$
对于复杂的函数 $f$ ，其映射的规律是难以讨论的。微积分的思想永远是用“直线”，“平面”来拟合"曲线"，“曲面”，在这里也是这样，我们假设 $f$ 对向量 $\overrightarrow{m}$ 的向量空间邻域内的所有的向量的映射都是线性的，即泰勒公式忽略二次项以后的所有项：
$$f(x+△x,y+△y)=f(x,y)+△x\cdot \frac{\partial f}{\partial x}+△y\cdot \frac{\partial f}{\partial y}$$
我们设向量 $\overrightarrow{m}$ 邻域内的另一个向量 $\overrightarrow{m^{\prime }}$ ，则有 $\overrightarrow{m^{\prime }}=(m_x+△x)\overrightarrow{x}+(m_y+△y)\overrightarrow{y}$ ，其经过 $f$ 映射到向量 $\overrightarrow{n^{\prime }}$

将函数 $f$ 拆分成两个函数：$U，V$ ，即有：
$$\begin{gathered} U(m_x,m_y)=n_u \\ V(m_x,m_y)=n_v \end{gathered}$$
这个拆分说明了向量 $\overrightarrow{n}$ 的u和v坐标，和x，y都有关，而不是仅仅是简单的u和x对应，v和y对应。

对U，V做线性的泰勒展开：
$$U(m_x+△x\overrightarrow{x},m_y+△y\overrightarrow{y})=U(m_x,m_y)+△x\overrightarrow{x}\cdot \frac{\partial U}{\partial x}+△y\overrightarrow{y}\cdot \frac{\partial U}{\partial y}=n_u+△x\overrightarrow{x}\cdot \frac{\partial U}{\partial x}+△y\overrightarrow{y}\cdot \frac{\partial U}{\partial y}$$

$$V(m_x+△x\overrightarrow{x},m_y+△y\overrightarrow{y})=V(m_x,m_y)+△x\overrightarrow{x}\cdot \frac{\partial V}{\partial x}+△y\overrightarrow{y}\cdot \frac{\partial V}{\partial y}=n_v+△x\overrightarrow{x}\cdot \frac{\partial V}{\partial x}+△y\overrightarrow{y}\cdot \frac{\partial V}{\partial y}$$

写成矩阵的形式：

$$\left(\begin{array}{c}U(m_x+△x\overrightarrow{x},m_y+△y\overrightarrow{y})\\ V(m_x+△x\overrightarrow{x},m_y+△y\overrightarrow{y})\end{array}\right)=\left(\begin{array}{c}U(m_x,m_y)\\ V(m_x,m_y)\end{array}\right)+\left(\begin{array}{c}△x\overrightarrow{x}\cdot \frac{\partial U}{\partial x}+△y\overrightarrow{y}\cdot \frac{\partial U}{\partial y}\\ △x\overrightarrow{x}\cdot \frac{\partial V}{\partial x}+△y\overrightarrow{y}\cdot \frac{\partial V}{\partial y}\end{array}\right)$$

即：

$$\overrightarrow{n’}=\overrightarrow{n}+\left(\begin{array}{cc}\frac{\partial U}{\partial x}& \frac{\partial U}{\partial y}\\ \frac{\partial V}{\partial x}& \frac{\partial V}{\partial y}\end{array}\right)\left(\begin{array}{c}△x\overrightarrow{x}\\ △y\overrightarrow{y}\end{array}\right)$$
我们将矩阵 $\left(\begin{array}{cc}\frac{\partial U}{\partial x}& \frac{\partial U}{\partial y}\\ \frac{\partial V}{\partial x}& \frac{\partial V}{\partial y}\end{array}\right)$ 记作雅可比矩阵 $J$

显然，我们由如下的结论：

$$\left(\begin{array}{c}△u\overrightarrow{u}\\ △v\overrightarrow{v}\end{array}\right)=J\cdot \left(\begin{array}{c}△x\overrightarrow{x}\\ △y\overrightarrow{y}\end{array}\right)$$

雅可比矩阵联系起了不同微元之间的关系。

$$因为：\left(\begin{array}{c}△u\overrightarrow{u}\\ △v\overrightarrow{v}\end{array}\right)=\left(\begin{array}{c}△x\overrightarrow{x}\cdot \frac{\partial U}{\partial x}+△y\overrightarrow{y}\cdot \frac{\partial U}{\partial y}\\ △x\overrightarrow{x}\cdot \frac{\partial V}{\partial x}+△y\overrightarrow{y}\cdot \frac{\partial V}{\partial y}\end{array}\right)$$
我们将矩阵上下叉积：
$$△u△v=\frac{\partial u}{\partial x}\frac{\partial v}{\partial y}△x△y-\frac{\partial u}{\partial y}\frac{\partial v}{\partial x}△x△y=\left|\begin{array}{cc}\frac{\partial U}{\partial x}& \frac{\partial U}{\partial y}\\ \frac{\partial V}{\partial x}& \frac{\partial V}{\partial y}\end{array}\right|△x△y$$
可见，雅可比矩阵的行列式 $|J|$ 就是二维面积微元的比例。

一般的，对于三维，这个结论依然成立，雅可比行列式是体积微元的比例