Máy Tính Ma Trận Jacobian
Tính ma trận Jacobian của các hàm vectơ nhiều biến. Nhập các thành phần biến đổi như F(x,y) = (x²+y, xy), nhận ma trận Jacobian đầy đủ với tất cả các đạo hàm riêng, định thức, giá trị riêng, lời giải từng bước với MathJax và hình ảnh trực quan hóa sự biến dạng lưới tương tác cho thấy cách phép biến đổi làm biến dạng không gian.
Trình chặn quảng cáo đang ngăn chúng tôi hiển thị quảng cáo
MiniWebtool miễn phí nhờ quảng cáo. Nếu công cụ này hữu ích, hãy ủng hộ bằng Premium (không quảng cáo + nhanh hơn) hoặc cho phép MiniWebtool.com rồi tải lại trang.
- Hoặc nâng cấp Premium (không quảng cáo)
- Cho phép quảng cáo cho MiniWebtool.com, rồi tải lại
Giới thiệu về Máy Tính Ma Trận Jacobian
Máy tính Ma trận Jacobian tính toán ma trận Jacobian của bất kỳ hàm đa biến giá trị vectơ nào. Nhập các thành phần biến đổi như \(F(x,y) = (x^2 + y,\; xy)\), chỉ định các biến của bạn và tùy chọn đánh giá tại một điểm cụ thể. Công cụ sẽ trả về ma trận Jacobian ký hiệu đầy đủ, định thức, các giá trị riêng, lời giải MathJax từng bước và đối với các trường hợp 2×2, một hình ảnh trực quan biến dạng lưới tương tác cho thấy cách phép biến đổi tuyến tính làm giãn, xoay và cắt không gian.
Ma trận Jacobian là gì?
Ma trận Jacobian của một hàm giá trị vectơ \(\mathbf{F}: \mathbb{R}^n \to \mathbb{R}^m\) là ma trận \(m \times n\) của tất cả các đạo hàm riêng cấp một:
$$J = \begin{pmatrix} \frac{\partial F_1}{\partial x_1} & \cdots & \frac{\partial F_1}{\partial x_n} \\ \vdots & \ddots & \vdots \\ \frac{\partial F_m}{\partial x_1} & \cdots & \frac{\partial F_m}{\partial x_n} \end{pmatrix}$$
Jacobian đại diện cho phép xấp xỉ tuyến tính tốt nhất của hàm số gần một điểm nhất định. Nó tổng quát hóa khái niệm đạo hàm cho các hàm giá trị vectơ của nhiều biến.
Các khái niệm chính
Định thức Jacobian
Khi ma trận Jacobian là ma trận vuông (\(m = n\)), định thức của nó có ý nghĩa hình học sâu sắc:
| det(J) | Ý nghĩa Hình học | Ví dụ |
|---|---|---|
| det(J) > 0 | Hướng được bảo toàn, diện tích nhân với det(J) | Giãn nở, quay |
| det(J) < 0 | Hướng bị đảo ngược, diện tích nhân với |det(J)| | Phản chiếu |
| det(J) = 0 | Suy biến — một chiều bị sụp đổ, không thể nghịch đảo tại địa phương | Chiếu xuống chiều thấp hơn |
| |det(J)| = 1 | Diện tích/thể tích được bảo toàn (phép đẳng cự hoặc phép quay) | Ma trận quay |
Các phép biến đổi tọa độ phổ biến
| Phép biến đổi | Ánh xạ | Định thức Jacobian |
|---|---|---|
| Cực → Descartes | \(x = r\cos\theta,\; y = r\sin\theta\) | \(r\) |
| Trụ → Descartes | \(x = r\cos\theta,\; y = r\sin\theta,\; z = z\) | \(r\) |
| Cầu → Descartes | \(x = r\sin\phi\cos\theta,\; y = r\sin\phi\sin\theta,\; z = r\cos\phi\) | \(r^2 \sin\phi\) |
| Quay 2D một góc α | \(x' = x\cos\alpha - y\sin\alpha,\; y' = x\sin\alpha + y\cos\alpha\) | 1 |
| Co giãn | \(x' = ax,\; y' = by\) | \(ab\) |
Ứng dụng của Jacobian
| Lĩnh vực | Ứng dụng | Vai trò của Jacobian |
|---|---|---|
| Giải tích Đa biến | Đổi biến trong tích phân | |det(J)| là hệ số tỷ lệ cho các yếu tố diện tích/thể tích |
| Robot học | Động học cánh tay robot | Ánh xạ vận tốc khớp sang vận tốc điểm cuối |
| Học máy | Normalizing flows | det(J) tính toán sự thay đổi mật độ xác suất qua các phép biến đổi |
| Vật lý | Biến đổi tọa độ | Định luật biến đổi tensor, tensor hệ số |
| Tối ưu hóa | Phương pháp Newton (đa biến) | Jacobian của gradient = Hessian; dùng trong phân tích hội tụ |
| Đồ họa Máy tính | Ánh xạ vân bề mặt, biến dạng lưới | Đo lường sự biến dạng khi ánh xạ giữa các bề mặt |
Cách sử dụng Máy tính Ma trận Jacobian
- Nhập các thành phần hàm số: Nhập từng thành phần của hàm giá trị vectơ phân cách bằng dấu chấm phẩy. Ví dụ:
x^2 + y; x*ycho \(\mathbf{F}(x,y) = (x^2+y, xy)\). Sử dụng^cho số mũ,*cho phép nhân, và các hàm tiêu chuẩn nhưsin,cos,exp,ln,sqrt. - Chỉ định các biến: Nhập tên biến phân cách bằng dấu phẩy (ví dụ:
x, yhoặcr, t). Số lượng biến xác định số cột trong ma trận Jacobian. - Nhập điểm đánh giá (tùy chọn): Cung cấp các giá trị tọa độ để đánh giá Jacobian bằng số. Bạn có thể sử dụng các hằng số như
pivàe. - Nhấp vào Tính toán Jacobian: Xem ma trận Jacobian ký hiệu, tất cả các đạo hàm riêng, định thức (đối với ma trận vuông), các giá trị riêng và lời giải từng bước.
- Khám phá hình ảnh trực quan: Đối với các ma trận Jacobian 2×2, hãy xem biến dạng lưới tương tác cho thấy cách ma trận biến đổi lưới gốc, đường tròn đơn vị và các vectơ cơ sở. Chuyển đổi giữa các chế độ xem Lưới, Đường tròn và Cả hai.
Ví dụ minh họa: Tọa độ cực
Tìm Jacobian của phép biến đổi tọa độ cực sang Descartes \(F(r, \theta) = (r\cos\theta,\; r\sin\theta)\):
Bước 1: Tính các đạo hàm riêng: \(\frac{\partial F_1}{\partial r} = \cos\theta\), \(\frac{\partial F_1}{\partial \theta} = -r\sin\theta\), \(\frac{\partial F_2}{\partial r} = \sin\theta\), \(\frac{\partial F_2}{\partial \theta} = r\cos\theta\).
Bước 2: Lắp ráp: \(J = \begin{pmatrix} \cos\theta & -r\sin\theta \\ \sin\theta & r\cos\theta \end{pmatrix}\)
Bước 3: Định thức: \(\det(J) = r\cos^2\theta + r\sin^2\theta = r\). Đây là lý do tại sao yếu tố diện tích trong tọa độ cực là \(r\,dr\,d\theta\).
Mối liên hệ với các khái niệm khác
Ma trận Jacobian kết nối với nhiều khái niệm cơ bản trong toán học:
- Gradient: Đối với một hàm vô hướng \(f: \mathbb{R}^n \to \mathbb{R}\), Jacobian là một vectơ hàng \(1 \times n\) — là chuyển vị của gradient \(\nabla f\).
- Hessian: Ma trận Hessian là ma trận Jacobian của gradient: \(H(f) = J(\nabla f)\).
- Độ phân kỳ và Roto: Độ phân kỳ là vết (trace) của Jacobian; roto liên quan đến các thành phần phản đối xứng ngoài đường chéo.
- Quy tắc chuỗi: Đối với các hàm hợp, \(J(\mathbf{G} \circ \mathbf{F}) = J(\mathbf{G}) \cdot J(\mathbf{F})\) — quy tắc chuỗi trở thành phép nhân ma trận của các Jacobian.
Câu hỏi thường gặp (FAQ)
Tham khảo nội dung, trang hoặc công cụ này như sau:
"Máy Tính Ma Trận Jacobian" tại https://MiniWebtool.com/vi// từ MiniWebtool, https://MiniWebtool.com/
bởi đội ngũ miniwebtool. Cập nhật: 2026-04-08
Bạn cũng có thể thử AI Giải Toán GPT của chúng tôi để giải quyết các vấn đề toán học của bạn thông qua câu hỏi và trả lời bằng ngôn ngữ tự nhiên.