7.36 야코비안을 이용한 좌표 변환 적분

다중 적분에서 좌표 변환을 수행할 때, 새로운 좌표계에서의 미소 면적 또는 미소 체적이 어떻게 변환되는지를 정확히 기술해야 한다. 야코비안(Jacobian)은 이 변환 비율을 나타내는 행렬식으로, 좌표 변환 적분의 수학적 기반이 된다. 로봇공학에서는 관절 공간과 작업 공간 사이의 변환, 비정형 단면을 가진 링크의 물성 계산 등에 야코비안 기반 좌표 변환 적분이 폭넓게 활용된다.

1. 야코비안의 정의

1.1 차원 좌표 변환

변환 $T: (u, v) \to (x, y)$ 가 다음과 같이 주어진다고 하자.

$x = x(u, v), \quad y = y(u, v)$

이 변환의 야코비안 행렬(Jacobian matrix) $\mathbf{J}$ 는 다음과 같다.

$\mathbf{J} = \frac{\partial(x, y)}{\partial(u, v)} = \begin{pmatrix} \dfrac{\partial x}{\partial u} & \dfrac{\partial x}{\partial v} \\[8pt] \dfrac{\partial y}{\partial u} & \dfrac{\partial y}{\partial v} \end{pmatrix}$

야코비안 행렬식(Jacobian determinant)은 다음과 같다.

$J = \det \mathbf{J} = \frac{\partial x}{\partial u}\frac{\partial y}{\partial v} - \frac{\partial x}{\partial v}\frac{\partial y}{\partial u}$

1.2 차원 좌표 변환

변환 $T: (u, v, w) \to (x, y, z)$ 에 대해 야코비안 행렬은 다음과 같다.

$\mathbf{J} = \frac{\partial(x, y, z)}{\partial(u, v, w)} = \begin{pmatrix} \dfrac{\partial x}{\partial u} & \dfrac{\partial x}{\partial v} & \dfrac{\partial x}{\partial w} \\[8pt] \dfrac{\partial y}{\partial u} & \dfrac{\partial y}{\partial v} & \dfrac{\partial y}{\partial w} \\[8pt] \dfrac{\partial z}{\partial u} & \dfrac{\partial z}{\partial v} & \dfrac{\partial z}{\partial w} \end{pmatrix}$

야코비안 행렬식 $J = \det \mathbf{J}$ 는 변환에 의한 미소 체적의 변환 비율을 나타낸다.

2. 좌표 변환 적분 정리

2.1 차원 변환 적분

영역 $D$ 에서의 이중 적분을 새로운 좌표 $(u, v)$ 로 변환하면 다음과 같다. 변환 $T$ 가 영역 $S$ 에서 $D$ 로의 일대일 대응이고 $C^1$ 급이면 다음이 성립한다.

$\iint_D f(x, y) \, dx \, dy = \iint_S f(x(u, v), y(u, v)) \left\vert \frac{\partial(x, y)}{\partial(u, v)} \right\vert du \, dv$

여기서 $\left\vert \frac{\partial(x,y)}{\partial(u,v)} \right\vert$ 는 야코비안 행렬식의 절댓값이다.

2.2 차원 변환 적분

$\iiint_E f(x, y, z) \, dx \, dy \, dz = \iiint_{E'} f(x(u,v,w), y(u,v,w), z(u,v,w)) \left\vert \frac{\partial(x,y,z)}{\partial(u,v,w)} \right\vert du \, dv \, dw$

3. 표준 좌표계의 야코비안

3.1 극좌표

$x = r\cos\theta$ , $y = r\sin\theta$ 이므로 다음과 같다.

$J = \frac{\partial(x, y)}{\partial(r, \theta)} = \begin{vmatrix} \cos\theta & -r\sin\theta \\ \sin\theta & r\cos\theta \end{vmatrix} = r\cos^2\theta + r\sin^2\theta = r$

따라서 $dA = r \, dr \, d\theta$ 이다.

3.2 원통 좌표

$x = r\cos\theta$ , $y = r\sin\theta$ , $z = z$ 이므로 다음과 같다.

$J = \frac{\partial(x, y, z)}{\partial(r, \theta, z)} = \begin{vmatrix} \cos\theta & -r\sin\theta & 0 \\ \sin\theta & r\cos\theta & 0 \\ 0 & 0 & 1 \end{vmatrix} = r$

따라서 $dV = r \, dr \, d\theta \, dz$ 이다.

3.3 구면 좌표

$x = \rho\sin\phi\cos\theta$ , $y = \rho\sin\phi\sin\theta$ , $z = \rho\cos\phi$ 이므로 다음과 같다.

$J = \frac{\partial(x, y, z)}{\partial(\rho, \phi, \theta)} = \begin{vmatrix} \sin\phi\cos\theta & \rho\cos\phi\cos\theta & -\rho\sin\phi\sin\theta \\ \sin\phi\sin\theta & \rho\cos\phi\sin\theta & \rho\sin\phi\cos\theta \\ \cos\phi & -\rho\sin\phi & 0 \end{vmatrix}$

3행에 대해 여인수 전개를 수행하면 다음을 얻는다.

$J = \rho^2 \sin\phi$

따라서 $dV = \rho^2 \sin\phi \, d\rho \, d\phi \, d\theta$ 이다.

4. 야코비안의 기하학적 의미

야코비안 행렬식의 절댓값 $\vert J \vert$ 는 좌표 변환에 의한 면적(2차원) 또는 체적(3차원)의 국소적 신축(local scaling) 비율을 나타낸다. 즉, $(u, v)$ 공간의 미소 영역 $du \, dv$ 가 $(x, y)$ 공간에서 $\vert J \vert \, du \, dv$ 의 면적을 차지한다.

$\vert J \vert > 1$ 이면 변환에 의해 면적(체적)이 확대되고, $\vert J \vert < 1$ 이면 축소된다. $J = 0$ 인 점에서는 변환이 퇴화(degenerate)하며, 이를 특이점(singular point)이라 한다.

5. 일반적인 좌표 변환의 응용

5.1 타원 영역에서의 적분

타원 $\frac{x^2}{a^2} + \frac{y^2}{b^2} \leq 1$ 위에서의 적분은 변환 $x = au$ , $y = bv$ 를 사용하면 단위 원판 위의 적분으로 환원된다.

$J = \frac{\partial(x,y)}{\partial(u,v)} = \begin{vmatrix} a & 0 \\ 0 & b \end{vmatrix} = ab$

$\iint_{\text{타원}} f(x, y) \, dx \, dy = ab \iint_{u^2+v^2 \leq 1} f(au, bv) \, du \, dv$

5.2 아핀 변환

일반적인 아핀 변환 $\mathbf{x} = \mathbf{A}\mathbf{u} + \mathbf{b}$ 에서 야코비안은 $J = \det \mathbf{A}$ 이다. 이는 상수이므로 적분 밖으로 나올 수 있다.

$\iint_D f(\mathbf{x}) \, d\mathbf{x} = \vert \det \mathbf{A} \vert \iint_{D'} f(\mathbf{A}\mathbf{u} + \mathbf{b}) \, d\mathbf{u}$

6. 로봇공학에서의 야코비안 좌표 변환

6.1 관절 공간 적분의 작업 공간 변환

관절 변수 $\mathbf{q} = (q_1, q_2, \ldots, q_n)^T$ 와 작업 공간 좌표 $\mathbf{x} = (x_1, x_2, \ldots, x_m)^T$ 사이의 순기구학 관계가 $\mathbf{x} = \mathbf{f}(\mathbf{q})$ 일 때, 로봇 야코비안은 다음과 같다.

$\mathbf{J}(\mathbf{q}) = \frac{\partial \mathbf{f}}{\partial \mathbf{q}}$

관절 공간에서 정의된 함수 $g(\mathbf{q})$ 의 적분을 작업 공간으로 변환하면 다음과 같다.

$\int_{\mathcal{Q}} g(\mathbf{q}) \, d\mathbf{q} = \int_{\mathcal{W}} g(\mathbf{f}^{-1}(\mathbf{x})) \frac{1}{\vert \det \mathbf{J} \vert} d\mathbf{x}$

여기서 $\mathcal{Q}$ 는 관절 공간의 영역, $\mathcal{W}$ 는 대응되는 작업 공간의 영역이다.

6.2 조작성 지표와 야코비안

로봇의 조작성(manipulability) 지표는 야코비안의 행렬식으로 정의된다.

$w(\mathbf{q}) = \sqrt{\det(\mathbf{J}(\mathbf{q})\mathbf{J}^T(\mathbf{q}))}$

작업 공간 전체에 걸친 평균 조작성은 다음의 적분으로 계산된다.

$\bar{w} = \frac{1}{V_{\mathcal{Q}}} \int_{\mathcal{Q}} w(\mathbf{q}) \, d\mathbf{q}$

여기서 $V_{\mathcal{Q}}$ 는 관절 공간의 체적이다.

7. 역변환의 야코비안

변환 $T: (u, v) \to (x, y)$ 의 야코비안과 역변환 $T^{-1}: (x, y) \to (u, v)$ 의 야코비안 사이에는 다음의 관계가 성립한다.

$\frac{\partial(x, y)}{\partial(u, v)} \cdot \frac{\partial(u, v)}{\partial(x, y)} = 1$

즉, 역변환의 야코비안 행렬식은 원래 변환의 야코비안 행렬식의 역수이다.

$\frac{\partial(u, v)}{\partial(x, y)} = \left[\frac{\partial(x, y)}{\partial(u, v)}\right]^{-1}$

이 관계는 역변환이 존재하기 위해 $J \neq 0$ 이어야 함을 함축한다.

8. 합성 변환의 야코비안

두 변환 $T_1: (u, v) \to (s, t)$ 와 $T_2: (s, t) \to (x, y)$ 의 합성에 대해 연쇄 법칙이 적용된다.

$\frac{\partial(x, y)}{\partial(u, v)} = \frac{\partial(x, y)}{\partial(s, t)} \cdot \frac{\partial(s, t)}{\partial(u, v)}$

이 성질은 복잡한 좌표 변환을 여러 단계로 분해하여 각 단계의 야코비안을 개별적으로 계산한 후 곱하는 것을 가능하게 한다.

참고 문헌

Stewart, J. (2015). Calculus: Early Transcendentals. 8th ed., Cengage Learning.
Kreyszig, E. (2011). Advanced Engineering Mathematics. 10th ed., Wiley.
Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2009). Robotics: Modelling, Planning and Control. Springer.
Yoshikawa, T. (1985). “Manipulability of Robotic Mechanisms”. International Journal of Robotics Research, 4(2), 3-9.

v 0.1