Logo

深度专题：雅可比行列式

雅可比的故事

一位早逝的数学天才

卡尔·古斯塔夫·雅可比（Carl Gustav Jacob Jacobi，1804-1851），德国数学家，与阿贝尔并称为椭圆函数论的创始人。他在行列式理论、数论、微分方程、分析力学等领域都有重要贡献。

雅可比行列式是他在研究多重积分变量替换时引入的，后来成为多元微积分、微分几何、热力学、统计力学等领域的基本工具。雅可比47岁时因天花去世，但他留下的数学遗产影响深远。

“局部缩放率”的本质

雅可比行列式的核心思想是：在变量替换时，它度量了变换在每一点处的”局部面积（体积）缩放率”。就像一元函数换元积分中的 ∣f′(x)∣|f'(x)| 度量了长度缩放率一样，雅可比行列式度量了高维变换的面积/体积缩放率。

雅可比矩阵与雅可比行列式

定义

雅可比矩阵与雅可比行列式

设变换 T:(u1,u2,…,un)↦(x1,x2,…,xn)T: (u_1, u_2, \ldots, u_n) \mapsto (x_1, x_2, \ldots, x_n) 由 xi=xi(u1,…,un)x_i = x_i(u_1, \ldots, u_n)（i=1,…,ni=1,\ldots,n）给出，且各偏导数连续，则矩阵

JT=∂(x1,…,xn)∂(u1,…,un)=(∂x1∂u1⋯∂x1∂un⋮⋱⋮∂xn∂u1⋯∂xn∂un)J_T = \frac{\partial(x_1, \ldots, x_n)}{\partial(u_1, \ldots, u_n)} = \begin{pmatrix} \frac{\partial x_1}{\partial u_1} & \cdots & \frac{\partial x_1}{\partial u_n} \\ \vdots & \ddots & \vdots \\ \frac{\partial x_n}{\partial u_1} & \cdots & \frac{\partial x_n}{\partial u_n} \end{pmatrix}

称为变换 TT 的雅可比矩阵，其行列式称为雅可比行列式，记作

∣JT∣=∣∂(x1,…,xn)∂(u1,…,un)∣\left| J_T \right| = \left| \frac{\partial(x_1, \ldots, x_n)}{\partial(u_1, \ldots, u_n)} \right|

二维情形

对于平面变换 x=x(u,v), y=y(u,v)x = x(u,v), \, y = y(u,v)：

J=∂(x,y)∂(u,v)=∣∂x∂u∂x∂v∂y∂u∂y∂v∣=∂x∂u∂y∂v−∂x∂v∂y∂uJ = \frac{\partial(x,y)}{\partial(u,v)} = \begin{vmatrix} \frac{\partial x}{\partial u} & \frac{\partial x}{\partial v} \\ \frac{\partial y}{\partial u} & \frac{\partial y}{\partial v} \end{vmatrix} = \frac{\partial x}{\partial u}\frac{\partial y}{\partial v} - \frac{\partial x}{\partial v}\frac{\partial y}{\partial u}

三维情形

对于空间变换 x=x(u,v,w), y=y(u,v,w), z=z(u,v,w)x = x(u,v,w), \, y = y(u,v,w), \, z = z(u,v,w)：

J=∂(x,y,z)∂(u,v,w)=∣∂x∂u∂x∂v∂x∂w∂y∂u∂y∂v∂y∂w∂z∂u∂z∂v∂z∂w∣J = \frac{\partial(x,y,z)}{\partial(u,v,w)} = \begin{vmatrix} \frac{\partial x}{\partial u} & \frac{\partial x}{\partial v} & \frac{\partial x}{\partial w} \\ \frac{\partial y}{\partial u} & \frac{\partial y}{\partial v} & \frac{\partial y}{\partial w} \\ \frac{\partial z}{\partial u} & \frac{\partial z}{\partial v} & \frac{\partial z}{\partial w} \end{vmatrix}

几何意义：局部缩放率

直观理解

雅可比矩阵的列向量是变换后坐标曲线的切向量：

  • 第一列 (∂x∂u,∂y∂u)(\frac{\partial x}{\partial u}, \frac{\partial y}{\partial u}) 是 uu-曲线的切向量
  • 第二列 (∂x∂v,∂y∂v)(\frac{\partial x}{\partial v}, \frac{\partial y}{\partial v}) 是 vv-曲线的切向量

这两个切向量张成的平行四边形的面积就是 ∣J∣|J|。

重要性质

1. 逆变换的雅可比

定理1

若变换 T:(u,v)↦(x,y)T: (u,v) \mapsto (x,y) 的雅可比行列式 J≠0J \neq 0，则逆变换 T−1:(x,y)↦(u,v)T^{-1}: (x,y) \mapsto (u,v) 存在，且

∂(u,v)∂(x,y)=1∂(x,y)∂(u,v)\frac{\partial(u,v)}{\partial(x,y)} = \frac{1}{\frac{\partial(x,y)}{\partial(u,v)}}

即逆变换的雅可比行列式等于原变换雅可比行列式的倒数。

几何解释
推论
证明
符号说明

这个性质在计算中非常有用：当直接计算 J=∂(x,y)∂(u,v)J = \frac{\partial(x,y)}{\partial(u,v)} 困难时，可以先计算 ∂(u,v)∂(x,y)\frac{\partial(u,v)}{\partial(x,y)}，然后取倒数。

2. 复合变换的雅可比

定理2

若 T1:(u,v)↦(s,t)T_1: (u,v) \mapsto (s,t) 和 T2:(s,t)↦(x,y)T_2: (s,t) \mapsto (x,y) 是两个变换，则复合变换 T=T2∘T1:(u,v)↦(x,y)T = T_2 \circ T_1: (u,v) \mapsto (x,y) 的雅可比行列式满足：

∂(x,y)∂(u,v)=∂(x,y)∂(s,t)⋅∂(s,t)∂(u,v)\frac{\partial(x,y)}{\partial(u,v)} = \frac{\partial(x,y)}{\partial(s,t)} \cdot \frac{\partial(s,t)}{\partial(u,v)}

即复合变换的雅可比等于各变换雅可比的乘积。这类似于一元函数的链式法则。

几何解释
推论
证明
符号说明

3. 雅可比为零的意义

当 J=0J = 0 时，变换在该点退化——局部面积缩放率为零，意味着变换将一个小区域压缩为一条线或一个点。这样的点称为临界点，在临界点附近变换不是一一对应的。

常见变换的雅可比

1. 极坐标

变换：x=ρcos⁡θ, y=ρsin⁡θx = \rho\cos\theta, \, y = \rho\sin\theta

J=∂(x,y)∂(ρ,θ)=∣cos⁡θ−ρsin⁡θsin⁡θρcos⁡θ∣=ρcos⁡2θ+ρsin⁡2θ=ρJ = \frac{\partial(x,y)}{\partial(\rho,\theta)} = \begin{vmatrix} \cos\theta & -\rho\sin\theta \\ \sin\theta & \rho\cos\theta \end{vmatrix} = \rho\cos^2\theta + \rho\sin^2\theta = \rho

面积元素：dx dy=ρ dρ dθdx\,dy = \rho \, d\rho \, d\theta

2. 柱坐标

变换：x=ρcos⁡θ, y=ρsin⁡θ, z=zx = \rho\cos\theta, \, y = \rho\sin\theta, \, z = z

J=∂(x,y,z)∂(ρ,θ,z)=∣cos⁡θ−ρsin⁡θ0sin⁡θρcos⁡θ0001∣=ρJ = \frac{\partial(x,y,z)}{\partial(\rho,\theta,z)} = \begin{vmatrix} \cos\theta & -\rho\sin\theta & 0 \\ \sin\theta & \rho\cos\theta & 0 \\ 0 & 0 & 1 \end{vmatrix} = \rho

体积元素：dv=ρ dρ dθ dzdv = \rho \, d\rho \, d\theta \, dz

3. 球坐标

变换：x=rsin⁡ϕcos⁡θ, y=rsin⁡ϕsin⁡θ, z=rcos⁡ϕx = r\sin\phi\cos\theta, \, y = r\sin\phi\sin\theta, \, z = r\cos\phi

J=∂(x,y,z)∂(r,ϕ,θ)=∣sin⁡ϕcos⁡θrcos⁡ϕcos⁡θ−rsin⁡ϕsin⁡θsin⁡ϕsin⁡θrcos⁡ϕsin⁡θrsin⁡ϕcos⁡θcos⁡ϕ−rsin⁡ϕ0∣=r2sin⁡ϕJ = \frac{\partial(x,y,z)}{\partial(r,\phi,\theta)} = \begin{vmatrix} \sin\phi\cos\theta & r\cos\phi\cos\theta & -r\sin\phi\sin\theta \\ \sin\phi\sin\theta & r\cos\phi\sin\theta & r\sin\phi\cos\theta \\ \cos\phi & -r\sin\phi & 0 \end{vmatrix} = r^2\sin\phi

体积元素：dv=r2sin⁡ϕ dr dϕ dθdv = r^2\sin\phi \, dr \, d\phi \, d\theta

4. 广义极坐标（椭圆坐标）

变换：x=aρcos⁡θ, y=bρsin⁡θx = a\rho\cos\theta, \, y = b\rho\sin\theta

J=∂(x,y)∂(ρ,θ)=∣acos⁡θ−aρsin⁡θbsin⁡θbρcos⁡θ∣=abρJ = \frac{\partial(x,y)}{\partial(\rho,\theta)} = \begin{vmatrix} a\cos\theta & -a\rho\sin\theta \\ b\sin\theta & b\rho\cos\theta \end{vmatrix} = ab\rho

面积元素：dx dy=abρ dρ dθdx\,dy = ab\rho \, d\rho \, d\theta

5. 线性变换

变换：x=au+bv, y=cu+dvx = au + bv, \, y = cu + dv

J=∣abcd∣=ad−bcJ = \begin{vmatrix} a & b \\ c & d \end{vmatrix} = ad - bc

这是常数，线性变换的缩放率在整个平面上是均匀的。

雅可比行列式在积分中的应用

二重积分的变量替换

定理3

设变换 T:x=x(u,v), y=y(u,v)T: x = x(u,v), \, y = y(u,v) 将 uvuv 平面上的区域 D′D' 一一映射为 xyxy 平面上的区域 DD，且雅可比行列式 J≠0J \neq 0，则

∬Df(x,y) dx dy=∬D′f(x(u,v),y(u,v))∣∂(x,y)∂(u,v)∣du dv\iint_D f(x,y) \, dx\,dy = \iint_{D'} f(x(u,v), y(u,v)) \left| \frac{\partial(x,y)}{\partial(u,v)} \right| du\,dv

几何解释
推论
证明
符号说明

三重积分的变量替换

∭Ωf(x,y,z) dv=∭Ω′f(x(u,v,w),y(u,v,w),z(u,v,w))∣∂(x,y,z)∂(u,v,w)∣du dv dw\iiint_\Omega f(x,y,z) \, dv = \iiint_{\Omega'} f(x(u,v,w), y(u,v,w), z(u,v,w)) \left| \frac{\partial(x,y,z)}{\partial(u,v,w)} \right| du\,dv\,dw

典型例题

例题1：用逆变换求雅可比

设变换 u=x+y, v=x−yu = x+y, \, v = x-y，求 ∂(x,y)∂(u,v)\frac{\partial(x,y)}{\partial(u,v)}。

参考答案(3 个标签)
雅可比逆变换线性变换

解题思路： 先求逆变换 x=u+v2, y=u−v2x = \frac{u+v}{2}, \, y = \frac{u-v}{2}，再计算雅可比；或先算 ∂(u,v)∂(x,y)\frac{\partial(u,v)}{\partial(x,y)} 再取倒数。

详细步骤：

方法一：直接计算

  1. x=u+v2, y=u−v2x = \frac{u+v}{2}, \, y = \frac{u-v}{2}
  2. ∂x∂u=12, ∂x∂v=12, ∂y∂u=12, ∂y∂v=−12\frac{\partial x}{\partial u} = \frac{1}{2}, \, \frac{\partial x}{\partial v} = \frac{1}{2}, \, \frac{\partial y}{\partial u} = \frac{1}{2}, \, \frac{\partial y}{\partial v} = -\frac{1}{2}
  3. J=12⋅(−12)−12⋅12=−14−14=−12J = \frac{1}{2} \cdot (-\frac{1}{2}) - \frac{1}{2} \cdot \frac{1}{2} = -\frac{1}{4} - \frac{1}{4} = -\frac{1}{2}
  4. ∣J∣=12|J| = \frac{1}{2}

方法二：逆变换性质

  1. ∂(u,v)∂(x,y)=∣111−1∣=−2\frac{\partial(u,v)}{\partial(x,y)} = \begin{vmatrix} 1 & 1 \\ 1 & -1 \end{vmatrix} = -2
  2. ∂(x,y)∂(u,v)=1−2=−12\frac{\partial(x,y)}{\partial(u,v)} = \frac{1}{-2} = -\frac{1}{2}

答案：J=−12J = -\frac{1}{2}，∣J∣=12|J| = \frac{1}{2}

例题2：双曲变换的雅可比

设变换 x=a(u2−v2), y=2auvx = a(u^2-v^2), \, y = 2auv（双曲坐标变换），求雅可比行列式。

参考答案(3 个标签)
雅可比双曲变换非线性变换

解题思路： 直接计算偏导数和行列式。

详细步骤：

  1. ∂x∂u=2au, ∂x∂v=−2av\frac{\partial x}{\partial u} = 2au, \, \frac{\partial x}{\partial v} = -2av
  2. ∂y∂u=2av, ∂y∂v=2au\frac{\partial y}{\partial u} = 2av, \, \frac{\partial y}{\partial v} = 2au
  3. J=(2au)(2au)−(−2av)(2av)=4a2u2+4a2v2=4a2(u2+v2)J = (2au)(2au) - (-2av)(2av) = 4a^2u^2 + 4a^2v^2 = 4a^2(u^2+v^2)

答案：J=4a2(u2+v2)J = 4a^2(u^2+v^2)

（注意：这是之前 issue.md 中修复的数学错误的正确结果。原误写为 a2u2+v22a^2\frac{u^2+v^2}{2}，正确为 4a2(u2+v2)4a^2(u^2+v^2)。若变换为 x=au2−v2x = a\sqrt{u^2-v^2} 形式则不同，需具体计算。）

例题3：用变量替换计算积分

计算 ∬D(x+y) dx dy\iint_D (x+y) \, dx\,dy，其中 DD 是由 x+y=1, x+y=2, x−y=0, x−y=1x+y=1, \, x+y=2, \, x-y=0, \, x-y=1 围成的平行四边形。

参考答案(4 个标签)
雅可比变量替换平行四边形线性变换

解题思路： 令 u=x+y, v=x−yu = x+y, \, v = x-y，区域变为矩形 1≤u≤2, 0≤v≤11 \leq u \leq 2, \, 0 \leq v \leq 1。

详细步骤：

  1. 变换：u=x+y, v=x−yu = x+y, \, v = x-y，逆变换 x=u+v2, y=u−v2x = \frac{u+v}{2}, \, y = \frac{u-v}{2}
  2. 雅可比：∣J∣=12|J| = \frac{1}{2}（见例题1）
  3. 被积函数：x+y=ux+y = u
  4. 积分 =∬D′u⋅12du dv=12∫12u du∫01dv=12⋅[u22]12⋅1=12⋅(42−12)=12⋅32=34= \iint_{D'} u \cdot \frac{1}{2} du\,dv = \frac{1}{2}\int_1^2 u \, du \int_0^1 dv = \frac{1}{2} \cdot [\frac{u^2}{2}]_1^2 \cdot 1 = \frac{1}{2} \cdot (\frac{4}{2}-\frac{1}{2}) = \frac{1}{2} \cdot \frac{3}{2} = \frac{3}{4}

答案：34\frac{3}{4}

练习题

练习1

求变换 x=u+v, y=uvx = u+v, \, y = uv 的雅可比行列式。

参考答案(3 个标签)
雅可比非线性变换偏导数

解题思路： 直接计算偏导数和行列式。

详细步骤：

  1. ∂x∂u=1, ∂x∂v=1\frac{\partial x}{\partial u} = 1, \, \frac{\partial x}{\partial v} = 1
  2. ∂y∂u=v, ∂y∂v=u\frac{\partial y}{\partial u} = v, \, \frac{\partial y}{\partial v} = u
  3. J=1⋅u−1⋅v=u−vJ = 1 \cdot u - 1 \cdot v = u - v

答案：J=u−vJ = u - v

练习2

用广义极坐标计算椭圆 x2a2+y2b2≤1\frac{x^2}{a^2}+\frac{y^2}{b^2} \leq 1 的面积。

参考答案(4 个标签)
雅可比广义极坐标椭圆面积变量替换

解题思路： 令 x=aρcos⁡θ, y=bρsin⁡θx = a\rho\cos\theta, \, y = b\rho\sin\theta，雅可比 ∣J∣=abρ|J| = ab\rho。

详细步骤：

  1. 变换：x=aρcos⁡θ, y=bρsin⁡θx = a\rho\cos\theta, \, y = b\rho\sin\theta，0≤ρ≤1, 0≤θ≤2π0 \leq \rho \leq 1, \, 0 \leq \theta \leq 2\pi
  2. 雅可比：∣J∣=abρ|J| = ab\rho
  3. 面积 =∬Ddx dy=∫02πdθ∫01abρ dρ=2π⋅ab⋅12=πab= \iint_D dx\,dy = \int_0^{2\pi} d\theta \int_0^1 ab\rho \, d\rho = 2\pi \cdot ab \cdot \frac{1}{2} = \pi ab

答案：πab\pi ab

总结

本文出现的符号

符号类型读音/说明在本文中的含义
JTJ_T雅可比矩阵Jacobian matrix变换的偏导数矩阵
∥J∥\|J\|雅可比行列式Jacobian determinant雅可比矩阵的行列式
∂(x,y)∂(u,v)\frac{\partial(x,y)}{\partial(u,v)}雅可比行列式Jacobian determinant二维变换的雅可比
∂(x,y,z)∂(u,v,w)\frac{\partial(x,y,z)}{\partial(u,v,w)}雅可比行列式Jacobian determinant三维变换的雅可比
du dvdu\,dv面积元素area element原坐标系的面积元素
dx dydx\,dy面积元素area element变换后的面积元素

中英对照

中文术语英文术语音标说明
雅可比矩阵Jacobian matrix/dʒəˈkoʊbiən ˈmeɪtrɪks/变换的偏导数矩阵
雅可比行列式Jacobian determinant/dʒəˈkoʊbiən dɪˈtɜːrmɪnənt/雅可比矩阵的行列式
变量替换change of variables/tʃeɪndʒ əv ˈvɛriəbəlz/积分中的坐标变换
面积缩放率area scaling factor/ˈɛəriə ˈskeɪlɪŋ ˈfæktər/变换的局部面积放大倍数
体积缩放率volume scaling factor/ˈvɒljuːm ˈskeɪlɪŋ ˈfæktər/变换的局部体积放大倍数
临界点critical point/ˈkrɪtɪkəl pɔɪnt/雅可比为零的点
逆变换inverse transformation/ˈɪnvɜːrs ˌtrænsfərˈmeɪʃən/变换的逆映射
复合变换composite transformation/kəmˈpɒzɪt ˌtrænsfərˈmeɪʃən/多个变换的复合
双曲坐标hyperbolic coordinates/ˌhaɪpərˈbɒlɪk koʊˈɔːrdɪnəts/基于双曲线的坐标系
椭圆坐标elliptic coordinates/ɪˈlɪptɪk koʊˈɔːrdɪnəts/基于椭圆的坐标系
线性变换linear transformation/ˈlɪniər ˌtrænsfərˈmeɪʃən/由矩阵表示的变换
上一章节深度专题：斯托克斯公式深入探讨斯托克斯公式的历史背景、几何意义、与格林公式和高斯公式的统一关系，以及在电磁学中的应用。
下一章节多元函数积分学综合练习题通过12道跨章节综合练习题，巩固二重积分、三重积分、变量替换、线面积分、向量场及应用的核心知识。
多元函数积分学