自 2010 年 · 每月支持超过 200 万次工具运行
自 2010 年
添加到 Chrome

我的工具箱

自动模式

还没有收藏的工具。

升级为高级版
相关工具
矩阵指数计算器矩阵幂计算器邻接矩阵计算器克莱姆法则计算器特征值和特征向量计算器梯度计算器多变量函数复合计算器
主页 > 数学 > 线性代数
 

雅可比矩阵计算器

计算向量值多元函数的雅可比矩阵。输入变换的各分量,得到每个偏导数、行列式、特征值、详细步骤及网格形变可视化。

免费使用无需注册即时出结果
雅可比矩阵计算器立即免费试用 ▼
示例：
用 ; 分隔分量  |  语法：x^2, sin(x), cos(y), exp(x), ln(x), sqrt(x), pi, e  |  用 ^ 表示乘方，* 表示相乘
用逗号分隔，如 x, y 或 r, t
与每个变量对应的坐标值
雅可比矩阵预览
输入 F 分量和变量以预览

Embed 雅可比矩阵计算器 Widget

雅可比矩阵计算器

雅可比矩阵计算器可以计算任何向量值多变量函数的雅可比矩阵。输入变换分量，如 \(F(x,y) = (x^2 + y,\; xy)\)，指定你的变量，并可选择在特定点进行计算。该工具会返回完整的符号雅可比矩阵、行列式、特征值、MathJax 分步解答，对于 2×2 情况，还提供交互式网格变形可视化，展示线性变换如何拉伸、旋转和剪切空间。

什么是雅可比矩阵？

向量值函数 \(\mathbf{F}: \mathbb{R}^n \to \mathbb{R}^m\) 的雅可比矩阵是所有一阶偏导数组成的 \(m \times n\) 矩阵：

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

雅可比矩阵代表了函数在给定点附近的最佳线性逼近。它将导数的概念推广到了多变量的向量值函数。

核心概念

⊞
雅可比矩阵
所有偏导数 ∂Fᵢ/∂xⱼ 组成的 m×n 矩阵——矩阵形式的全导数。
◇
行列式
对于方阵 J：det(J) 衡量局部面积/体积的缩放和方向的变化。
↔
反函数定理
如果在某点 det(J) ≠ 0，则该函数在该点局部可逆。
∮
变量替换
在积分中：dA' = |det(J)| dA 用于解释坐标拉伸。

雅可比行列式

当雅可比矩阵为方阵 (\(m = n\)) 时，其行列式具有深刻的几何意义：

det(J)几何意义示例
det(J) > 0保持方向，面积缩放比例为 det(J)膨胀、旋转
det(J) < 0反转方向，面积缩放比例为 |det(J)|反射
det(J) = 0奇异——维度塌缩，局部不可逆投影到低维空间
|det(J)| = 1面积/体积守恒（等距变换或旋转）旋转矩阵

常用坐标变换

变换映射关系雅可比行列式
极坐标 → 直角坐标\(x = r\cos\theta,\; y = r\sin\theta\)\(r\)
柱坐标 → 直角坐标\(x = r\cos\theta,\; y = r\sin\theta,\; z = z\)\(r\)
球坐标 → 直角坐标\(x = r\sin\phi\cos\theta,\; y = r\sin\phi\sin\theta,\; z = r\cos\phi\)\(r^2 \sin\phi\)
2D 旋转 α\(x' = x\cos\alpha - y\sin\alpha,\; y' = x\sin\alpha + y\cos\alpha\)1
缩放\(x' = ax,\; y' = by\)\(ab\)

雅可比矩阵的应用

领域应用雅可比矩阵的作用
多变量微积分重积分中的变量替换|det(J)| 是面积/体积元素的缩放因子
机器人学机械臂运动学将关节速度映射到末端执行器速度
机器学习规范化流 (Normalizing Flows)det(J) 用于计算通过变换后的概率密度变化
物理学坐标变换张量变换法则、度规张量
最优化牛顿法（多变量）梯度的雅可比矩阵 = 黑塞矩阵；用于收敛性分析
计算机图形学纹理映射、网格变形衡量在表面之间映射时的畸变程度

如何使用雅可比矩阵计算器

  1. 输入函数分量： 输入向量值函数的每个分量，用分号分隔。例如，对于 \(\mathbf{F}(x,y) = (x^2+y, xy)\)，输入 x^2 + y; x*y。使用 ^ 表示指数，* 表示乘法，并支持 sin、cos、exp、ln、sqrt 等标准函数。
  2. 指定变量： 输入以逗号分隔的变量名称（例如 x, y 或 r, t）。变量的数量决定了雅可比矩阵的列数。
  3. 输入计算点（可选）： 提供坐标值以进行雅可比矩阵的数值计算。你可以使用 pi 和 e 等常数。
  4. 点击计算雅可比矩阵： 查看符号雅可比矩阵、所有偏导数、行列式（针对方阵）、特征值以及分步解答。
  5. 探索可视化： 对于 2×2 雅可比矩阵，查看交互式网格变形，展示矩阵如何变换原始网格、单位圆和基向量。可在“网格”、“圆”和“两者”视图之间切换。

计算实例：极坐标

求极坐标到直角坐标变换 \(F(r, \theta) = (r\cos\theta,\; r\sin\theta)\) 的雅可比矩阵：

第 1 步： 计算偏导数： \(\frac{\partial F_1}{\partial r} = \cos\theta\)，\(\frac{\partial F_1}{\partial \theta} = -r\sin\theta\)， \(\frac{\partial F_2}{\partial r} = \sin\theta\)，\(\frac{\partial F_2}{\partial \theta} = r\cos\theta\)。

第 2 步： 组合矩阵：\(J = \begin{pmatrix} \cos\theta & -r\sin\theta \\ \sin\theta & r\cos\theta \end{pmatrix}\)

第 3 步： 行列式：\(\det(J) = r\cos^2\theta + r\sin^2\theta = r\)。 这就是为什么极坐标中的面积元素是 \(r\,dr\,d\theta\)。

与其他概念的关系

雅可比矩阵与数学中的许多基本概念相关联：

常见问题解答

什么是雅可比矩阵？
雅可比矩阵是向量值函数的所有一阶偏导数组成的矩阵。对于从 R^n 到 R^m 的函数 F，雅可比矩阵是一个 m 乘 n 矩阵，其中第 (i,j) 个元素是第 i 个输出对第 j 个输入变量的偏导数。它代表了函数在某点附近的最佳线性逼近，是多变量微积分、微分方程和许多应用数学领域的基础。
雅可比行列式代表什么？
雅可比行列式（针对方阵雅可比矩阵）衡量变换在局部缩放面积或体积的程度。行列式为 2 意味着面积翻倍，行列式为 -1 意味着面积保持不变但方向反转，行列式为 0 则意味着变换在该点使维度塌缩。在积分中，雅可比行列式的绝对值在变量替换时被用作缩放因子。
雅可比矩阵如何用于坐标变换？
在多变量微积分中，当在重积分中变换变量时，雅可比行列式作为缩放因子出现。例如，从直角坐标转换为极坐标需要乘以雅可比行列式的绝对值 |r|，从而得到熟悉的面积元素 r dr dθ。这解释了无限小面积或体积元素在坐标映射下是如何变化的。
雅可比矩阵和黑塞矩阵有什么区别？
雅可比矩阵是向量值函数（映射 R^n 到 R^m）的一阶导数矩阵。黑塞矩阵是标量值函数（映射 R^n 到 R）的二阶导数矩阵。标量函数 f 的黑塞矩阵等于其梯度的雅可比矩阵：H(f) = J(∇f)。雅可比矩阵描述变换如何拉伸空间；黑塞矩阵描述表面的曲率。
雅可比矩阵什么时候可逆？
当雅比矩阵是方阵 (m = n) 且其行列式不为零时，该矩阵在某点是可逆的。根据反函数定理，如果雅可比矩阵在某点可逆，则该函数在该点附近局部可逆，这意味着存在光滑的局部反函数。这是微分拓扑中的一个基石结论，广泛用于隐函数理论和非线性分析。

引用此内容、页面或工具为：

"雅可比矩阵计算器" 于 https://MiniWebtool.com/zh-cn/雅可比矩阵计算器/，来自 MiniWebtool，https://MiniWebtool.com/

由 miniwebtool 团队制作。更新日期：2026-04-08

开发者 API 可用: 用一次 JSON HTTP 请求，把这个工具接入你的应用、自动化流程或智能体。 查看 API 文档

您还可以尝试我们的 AI数学解题器 GPT，通过自然语言问答解决您的数学问题。

线性代数:

热门与最新工具:

矩阵计算器矩阵迹计算器矩阵对角化计算器查看全部 →
主页 > 数学 > 线性代数 > 雅可比矩阵计算器