야코비 행렬 계산기

야코비 행렬 계산기 정보

야코비 행렬 계산기(Jacobian Matrix Calculator)는 모든 벡터 값 다변수 함수의 야코비 행렬을 계산합니다. \(F(x,y) = (x^2 + y,\; xy)\)와 같은 변환 구성 요소를 입력하고 변수를 지정한 후, 선택적으로 특정 지점에서의 값을 계산할 수 있습니다. 이 도구는 전체 기호 야코비 행렬, 행렬식, 고윳값, 단계별 MathJax 풀이를 제공하며, 2×2 행렬의 경우 선형 변환이 공간을 어떻게 늘리고, 회전하고, 전단하는지 보여주는 대화형 격자 변형 시각화를 제공합니다.

야코비 행렬이란 무엇인가요?

벡터 값 함수 \(\mathbf{F}: \mathbb{R}^n \to \mathbb{R}^m\)의 야코비 행렬은 모든 1계 편도함수를 포함하는 \(m \times n\) 행렬입니다.

$$J = \begin{pmatrix} \frac{\partial F_1}{\partial x_1} & \cdots & \frac{\partial F_1}{\partial x_n} \\ \vdots & \ddots & \vdots \\ \frac{\partial F_m}{\partial x_1} & \cdots & \frac{\partial F_m}{\partial x_n} \end{pmatrix}$$

야코비 행렬은 주어진 점 근처에서 함수의 최적 선형 근사를 나타냅니다. 이는 여러 변수를 가진 벡터 값 함수에 대해 도함수의 개념을 일반화한 것입니다.

주요 개념

야코비 행렬식

야코비 행렬이 정사각 행렬(\(m = n\))일 때, 그 행렬식은 깊은 기하학적 의미를 갖습니다.

일반적인 좌표 변환

야코비 행렬의 응용

야코비 행렬 계산기 사용 방법

1. 함수 구성 요소 입력: 벡터 값 함수의 각 구성 요소를 세미콜론으로 구분하여 입력합니다. 예를 들어, \(\mathbf{F}(x,y) = (x^2+y, xy)\)의 경우 x^2 + y; x*y라고 입력합니다. 지수는 ^, 곱셈은 *를 사용하며 sin, cos, exp, ln, sqrt와 같은 표준 함수를 사용할 수 있습니다.
2. 변수 지정: 변수 이름을 쉼표로 구분하여 입력합니다 (예: x, y 또는 r, t). 변수의 개수가 야코비 행렬의 열 개수를 결정합니다.
3. 계산 지점 입력 (선택 사항): 야코비 행렬을 수치적으로 계산할 좌표 값을 입력합니다. pi나 e와 같은 상수를 사용할 수 있습니다.
4. 야코비 계산 클릭: 기호 야코비 행렬, 모든 편도함수, 행렬식(정사각 행렬인 경우), 고윳값 및 단계별 풀이를 확인합니다.
5. 시각화 탐색: 2×2 야코비 행렬의 경우, 행렬이 원본 격자, 단위 원 및 기저 벡터를 어떻게 변환하는지 보여주는 대화형 격자 변형을 확인합니다. 격자, 원, 또는 둘 다 보기 모드로 전환할 수 있습니다.

풀이 예시: 극좌표

극좌표에서 직교좌표로의 변환 \(F(r, \theta) = (r\cos\theta,\; r\sin\theta)\)의 야코비 행렬 구하기:

단계 1: 편도함수 계산: \(\frac{\partial F_1}{\partial r} = \cos\theta\), \(\frac{\partial F_1}{\partial \theta} = -r\sin\theta\), \(\frac{\partial F_2}{\partial r} = \sin\theta\), \(\frac{\partial F_2}{\partial \theta} = r\cos\theta\).

단계 2: 행렬 조립: \(J = \begin{pmatrix} \cos\theta & -r\sin\theta \\ \sin\theta & r\cos\theta \end{pmatrix}\)

단계 3: 행렬식: \(\det(J) = r\cos^2\theta + r\sin^2\theta = r\). 이것이 극좌표에서의 면적 요소가 \(r\,dr\,d\theta\)인 이유입니다.

다른 개념과의 관계

야코비 행렬은 수학의 여러 기초 개념과 연결됩니다.

• 그래디언트 (Gradient): 스칼라 함수 \(f: \mathbb{R}^n \to \mathbb{R}\)의 경우, 야코비 행렬은 \(1 \times n\) 행 벡터이며, 이는 그래디언트 \(\nabla f\)의 전치와 같습니다.
• 헤세 행렬 (Hessian): 헤세 행렬은 그래디언트의 야코비 행렬입니다: \(H(f) = J(\nabla f)\).
• 발산(Divergence)과 회전(Curl): 발산은 야코비 행렬의 추적(trace)이며, 회전은 비대각 반대칭 성분과 관련이 있습니다.
• 연쇄 법칙 (Chain Rule): 합성 함수의 경우, \(J(\mathbf{G} \circ \mathbf{F}) = J(\mathbf{G}) \cdot J(\mathbf{F})\)가 성립하여 연쇄 법칙이 야코비 행렬의 곱셈으로 표현됩니다.

자주 묻는 질문 (FAQ)