变量变换与雅可比行列式
变量变换的目的,是把原本弯曲、倾斜或难描述的积分区域换成更规则的新坐标区域。坐标改变后,小面积或小体积通常会被拉伸、压缩或翻转,因此积分微元不能直接照搬,必须用雅可比行列式补偿这种局部伸缩。
学习目标
- 理解变量变换对面积和体积微元的影响
- 能计算二维与三维变换的雅可比行列式
- 能在极坐标、柱坐标和一般变换中正确修正积分
为什么需要伸缩因子
设 ,即
在 平面中,一个很小的矩形由边向量 和 张成。经过变换后,这两条边近似变为
它们通常不再垂直,形成一个小平行四边形。这个平行四边形面积与原矩形面积之比,就是雅可比行列式绝对值:
绝对值不能省略,因为行列式的正负表示坐标方向是否翻转,而面积和体积必须非负。

二维雅可比的计算
二维雅可比行列式写作
若 连续可微,在新区域 的内部一一对应,且内部的 非零,且区域有界、边界分段光滑、被积函数连续,就可用换元公式。
其中 是原区域 在新坐标下的对应区域。正确变换需要同时完成三件事:替换被积函数、改写积分区域、乘上雅可比绝对值。
主示例:定向翻转的线性变换
令 ,其中 遍历单位正方形。正方形被映射为平行四边形。雅可比行列式是 ,负号表示方向翻转,面积缩放因子为 。反解得到 、。用新坐标求面积得到 ;若在该平行四边形上积分 ,被积函数变为 ,再乘面积缩放因子后得到 。
下面用顶点的鞋带公式独立核对面积。顶点顺序沿变换前的正方形边界行进。
corners = [(0, 0), (1, 0), (1, 1), (0, 1)]
vertices = [(u + v, 2 * u - v) for u, v in corners]
edges = zip(vertices, vertices[1:] + vertices[:1])
signed_twice_area = sum(x1 * y2 - x2 * y1 for (x1, y1), (x2, y2) in edges)
determinant = 1 * (-1) - 1 * 2
area = abs(signed_twice_area) / 2
print(f"det={determinant}, area={area:g}")
assert signed_twice_area == 2 * determinant
assert area == abs(determinant)
极坐标的雅可比行列式由 得到 。这说明前一课中的径向因子也是同一种面积缩放。
三维变量变换
设三维变换为
对应的体积微元为
例如柱坐标
的雅可比绝对值仍为 ,因此 ,其中 就是竖直坐标。球坐标常写为
其体积微元为
此处约定 、、, 从正 轴量起。由此在单位球内对 积分,得到 。

使用变量变换的检查顺序
先确认新变量确实能让边界或被积函数变简单,再把原区域的每条边界改写成新变量条件。随后检查雅可比是否为零。非零时,可应用逆函数定理得到局部可微逆;为零时,仅凭行列式不能判定是否仍为一一对应。例如 在 处行列式为零,但映射仍一一对应。若退化只发生在零面积边界上,可以在内部应用换元,再处理边界。
最后要确认变换是否重复覆盖区域。例如极坐标若让 取 到 ,单位圆盘会被覆盖两次,积分结果也会重复计算。变量范围与雅可比因子必须一起核对。
常见错误
最常见的错误是只替换 ,忘记修改微元。另一个错误是把 与其倒数混淆;应根据当前积分要从哪组变量变到哪组变量决定方向。
还要注意雅可比必须取绝对值。即使行列式为负,也只表示坐标方向翻转,不代表面积或体积为负。