야코비안

이 문서는 토막글입니다.

이 문서는 토막글로 분류되는 800바이트 이하의 문서입니다. 토막글을 채우는 것은 기여자의 따뜻한 손길입니다. 이 틀을 적용할 시 틀의 매개변수로 분류:토막글의 하위 분류 중 적절한 분류를 지정해 주시기 바랍니다.

Jacobian, 야코비안

1 대학교 미분적분학에서의 야코비안

1.1 개요

다중적분(Multiple integral)(Area, Volume, Surface integral)을 할 때, 뒤에 붙는 dA, dV, dS 등을 같은 dimension의 좌표계끼리 변환시켜 주는 데 쓰이는 행렬이다. 예를 들어, 면적분의 변수를 바꾸기 위해 [math](x, y)[/math]로 표현되는 좌표를 [math]( r, \theta )[/math]으로 바꿔줄 때 [math]{ J } = \left|\begin{array}{cc} \dfrac{ \partial x }{ \partial r } \quad \dfrac{ \partial x }{ \partial \theta }\\ \dfrac{ \partial y }{ \partial r } \quad \dfrac{ \partial y }{ \partial \theta }\end{array}\right|[/math] 임을 이용하여

• [math]dA = \left| { J } \right| drd\theta = rdrd\theta[/math]

로 바꿔주어 적분하게 된다. 이것을 이용하면 그나마 라플라시안의 노가다를 줄이게 해준다

1.2 유도

벡터를 이용한 면적의 넓이 공식 및 다변수 함수의 전미분으로부터 유도할 수 있다.
간단하게 2차원 직교 좌표계의 경우를 보자.

[math]\displaystyle \text{d}x[/math], [math]\text{d}y[/math]가 각각 [math]x[/math]축, [math]y[/math]축에 평행한 미소 길이므로 단위 벡터 [math]e_{1} = \begin{pmatrix} 1 \\ 0 \end{pmatrix}, e_{2} = \begin{pmatrix} 0 \\ 1 \end{pmatrix}[/math]를 이용하여 나타내면 각각
[math]\displaystyle \text{d}x e_{1} = \begin{pmatrix} \text{d}x \\ 0 \end{pmatrix}, \text{d}y e_{2} = \begin{pmatrix} 0 \\ \text{d}y \end{pmatrix}[/math]
가 된다. 두 벡터를 변으로 삼는 직사각형의 넓이는 각 열벡터를 병합한 2차 정방 행렬의 행렬식이므로 xy직교좌표계에서의 미소 면적의 넓이는

[math] \displaystyle \begin{Vmatrix} \text{d}x & 0 \\ 0 & \text{d}y \end{Vmatrix} = \left| \text{d}x\text{d}y \right|[/math]
로 주어진다.

한편 [math] \displaystyle x, \ y[/math]가 극좌표 매개변수 [math] \displaystyle r, \ \theta[/math]로 나타낼 수 있는 함수 [math] \displaystyle x \left(r, \ \theta \right), y \left(r, \ \theta \right)[/math]라고 할 때 각각의 전미분 [math] \displaystyle \text{d}x, \ \text{d}y[/math]는 다음과 같이 된다.
[math] \displaystyle \text{d}x = \frac{\partial x}{\partial r} \text{d}r + \frac{\partial x}{\partial \theta} \text{d}\theta[/math]
[math] \displaystyle \text{d}y = \frac{\partial y}{\partial r} \text{d}r + \frac{\partial y}{\partial \theta} \text{d}\theta [/math]

위의 표기를 행렬 표현을 이용하면 다음과 같이 되는데

[math] \displaystyle \begin{pmatrix} \text{d}x \\ \text{d}y \end{pmatrix} = \begin{pmatrix} \frac{\partial x}{\partial r} \text{d}r + \frac{\partial x}{\partial \theta} \text{d}\theta \\ \frac{\partial y}{\partial r} \text{d}r + \frac{\partial y}{\partial \theta} \text{d}\theta \end{pmatrix} = \begin{pmatrix} \frac{\partial x}{\partial r} & \frac{\partial y}{\partial r} \\ \frac{\partial x}{\partial \theta} & \frac{\partial y}{\partial \theta} \end{pmatrix} \begin{pmatrix} \text{d}r \\ \text{d}\theta \end{pmatrix} [/math]

[math] \displaystyle \text{d}r, \text{d}\theta[/math]를 단위로 삼는 벡터에 계수 행렬이 곱해진 꼴이라는 것을 알 수 있다.
[math] \displaystyle \text{d}r, \text{d}\theta[/math] 역시 서로 독립된 변수이므로 직교하는 벡터라 볼 수 있다. 미소 넓이를 구하기 위해 단위 벡터 [math] e_{1}, e_{2} [/math]를 이용하여 각각 분리하고
[math] \displaystyle \text{d}r e_{1} = \begin{pmatrix} \text{d}r \\ 0 \end{pmatrix}, \text{d}\theta e_{2} = \begin{pmatrix} 0 \\ \text{d}\theta \end{pmatrix} [/math]
위의 열벡터를 병합한 2차 정방행렬을 [math]\displaystyle \text{d}x[/math], [math]\text{d}y[/math]의 2차 정방행렬과 함께 각각 위 식의 좌우변에 대입하여 행렬식을 씌워준다.

[math] \displaystyle \begin{Vmatrix} \text{d}x & 0 \\ 0 & \text{d}y \end{Vmatrix} = \begin{Vmatrix} \begin{pmatrix} \frac{\partial x}{\partial r} & \frac{\partial y}{\partial r} \\ \frac{\partial x}{\partial \theta} & \frac{\partial y}{\partial \theta} \end{pmatrix} \begin{pmatrix} \text{d}r & 0 \\ 0 & \text{d}\theta \end{pmatrix} \end{Vmatrix} = \begin{Vmatrix} \frac{\partial x}{\partial r} & \frac{\partial y}{\partial r} \\ \frac{\partial x}{\partial \theta} & \frac{\partial y}{\partial \theta} \end{Vmatrix} \begin{Vmatrix} \text{d}r & 0 \\ 0 & \text{d}\theta \end{Vmatrix}[/math]
[math] = \left| \text{d}x\text{d}y \right| = \left| J \right| \left| \text{d}r\text{d}\theta \right|[/math]

일반적으로 [math] \text{d}x\text{d}y, \text{d}r\text{d}\theta [/math]가 양의 값이 되도록 좌표축을 잡으므로

[math] \text{d}x\text{d}y = \left| J \right| \text{d}r\text{d}\theta [/math]

3차원 공간 좌표계를 이용해서도 같은 방법으로 유도할 수 있다.

1.3 예시

• 직교 좌표계 → 극좌표계로의 변환

양수 [math] a, b [/math]에 대하여
[math] \begin{cases} x = ar \cos{\theta} \\ y = br \sin{\theta} \end{cases}[/math]
에서
[math] \left| J \right| = \begin{Vmatrix} a \cos{\theta} & -ar \sin{\theta} \\ b \sin{\theta} & br \cos{\theta} \end{Vmatrix} = ab \left| r \right| [/math]
r이 음수가 안 되도록 범위를 잡으면 [math] \left| J \right| = abr[/math]
[math]a \ne b[/math] 일 때 타원이며 [math] a = b [/math]일 때 원. 두 경우 모두 [math]r[/math]의 범위가 [math] 0 \le r \le 1[/math]로 주어지는 특징이 있다. 원에 한해서는 그냥 [math]a = b = 1[/math]로 하고 반지름 [math]R[/math]에 대해 [math]r[/math]의 범위를 [math]0 \le r \le R[/math]로 잡아도 된다.

• 공간 좌표계 → 원통 좌표계로의 변환

[math] \begin{cases} x = r \cos{\theta} \\ y = r \sin{\theta} \\ z = \zeta \end{cases}[/math]
에서
[math] \left| J \right| = \begin{Vmatrix} \cos{\theta} & -r \sin{\theta} & 0 \\ \sin{\theta} & r \cos{\theta} & 0 \\ 0 & 0 & 1 \end{Vmatrix} = \left| r \right| [/math]
[math]xy[/math]평면에 평행한 단면이 타원일 경우 역시 위의 값에 [math]ab[/math]를 곱한다. [math]r[/math]이 음수가 안 되도록 범위를 잡으면 절댓값 기호를 그냥 벗길 수 있다.

• 공간 좌표계 → 구좌표계로의 변환

[math] \begin{cases} x = r \sin{\theta} \cos{\phi} \\ y = r \sin{\theta} \sin{\phi} \\ z = r \cos{\theta} \end{cases}[/math]
에서
[math] \left| J \right| = \begin{Vmatrix} \sin{\theta}\cos{\phi} & r \cos{\theta} \cos{\phi} & -r \sin{\theta} \sin{\phi} \\ \sin{\theta} \sin{\phi} & r \cos{\theta} \sin{\phi} & r \sin{\theta} \cos{\phi} \\ \cos{\theta} & -r \sin{\theta} & 0 \end{Vmatrix} = \left| r^{2} \sin{\theta} \right| = r^{2} \left| \sin{\theta} \right| [/math]

[math]\sin{\theta}[/math]값이 음수가 안 되도록 범위를 잡으면 절댓값 기호를 그냥 벗길 수 있다.

타원이나 마름모꼴같이 변수들의 범위를 잡기 힘든 경우에 요긴하게 자주 쓰이는 [math]x+y=u, x-y=v[/math]변환의 경우는 야코비안 값이 [math]J=1/2[/math]이다. 대학수학때 이것만 알아도 야코비안 값 구하는 시간을 벌 수 있어 아주 요긴한 녀석이다. 추가로 덩달아 자주 쓰이는[math]2x-y=u, y=v[/math]의 경우에도 [math]J=1/2[/math].

2 대학교 선형대수학에서의 야코비안

선형대수학이나 공업수학의 상미분방정식 파트의 연립상미분방정식(system of ODE)에서 등장한다. non-homogeneous ODE의 critical point 근처에서의 거동을 알아보기 위해 non--homogeneous항을 선형성있게 행렬로 근사한 후 값을 대입하여 solution curve의 개형을 알아본다.

n원일차연립방정식에서는 n x n의 야코비 행렬이 쓰인다.

만약 critical point 근처라면, x'(t)와 y'(t)는 다음과 같은 합으로 나타낼 수 있다.

()

여기서, critical point 근처에서는 x'(t)≈0, y'(t)≈0이므로 oo항을 날릴 수 있다.

(미완성)