一元函数微积分的几何应用:二维平面光滑曲线的曲率公式

ops/2025/2/5 10:30:27/

文章目录

  • 前言
  • 曲率和曲率半径的定义
  • 曲率计算公式
    • 参数方程形式
    • 直角坐标显式方程形式
    • 极坐标形式
    • 向量形式

前言

本文将介绍二维平面光滑曲线的曲率定义以及不同形式的曲率及曲率半径公式的推导。

曲率和曲率半径的定义

(关于二维平面光滑曲线的定义以及弧长公式请参考:一元函数定积分的几何应用:二维平面光滑曲线弧长公式的推导)

对一条光滑曲线上 l l l上的一个曲线段 A B ⌢ \mathop{AB}\limits^ \frown AB, 我们用 A A A点的切线 τ A \tau_A τA B B B点的切线 τ B \tau_B τB之间的夹角 Δ φ \Delta \varphi Δφ来刻画这一段曲线的弯曲程度。当 A B ⌢ \mathop{AB}\limits^ \frown AB的弧长 Δ s \Delta s Δs固定时,若切线的夹角越大,则曲线的弯曲程度越大。因此我们将曲线段 A B ⌢ \mathop{AB}\limits^ \frown AB平均曲率定义如下:

K ‾ = ∣ Δ φ Δ s ∣ \begin{equation} \overline{K}=\left| \dfrac{\Delta \varphi}{\Delta s}\right| \end{equation} K= ΔsΔφ

平均曲率刻画了曲线段 A B ⌢ \mathop{AB}\limits^ \frown AB的平均弯曲程度。当 A , B A,B A,B两点越接近,即 Δ s \Delta s Δs越小,平均曲率则越能精确刻画光滑曲线 l l l A A A点的弯曲程度,因此我们定义在某一个点上的曲率为:

K = lim ⁡ Δ s → 0 ∣ Δ φ Δ s ∣ = ∣ d φ d s ∣ \begin{equation} K=\lim_{\Delta s \rightarrow 0}\left| \dfrac{\Delta \varphi}{\Delta s}\right|=\left|\dfrac{\mathrm{d}\varphi}{\mathrm{d} s}\right| \end{equation} K=Δs0lim ΔsΔφ = dsdφ

若光滑曲线上某一点的曲率不为零,则我们定义该点曲率的倒数为曲线在该点的曲率半径
R = 1 K \begin{equation} R=\dfrac{1}{K} \end{equation} R=K1

曲率计算公式

参数方程形式

设光滑曲线由参数方程
{ x = x ( t ) , y = y ( t ) , t ∈ [ T 1 , T 2 ] \begin{cases}x=x(t), \\ y=y(t),\end{cases} t\in [T_1,T_2] {x=x(t),y=y(t),t[T1,T2]
来确定, x ( t ) , y ( t ) x(t),y(t) x(t),y(t)存在二阶导数,则曲线上点的切线斜率为

d y d x = y ′ ( t ) x ′ ( t ) = tan ⁡ φ \begin{equation} \dfrac{\mathrm{d}y}{\mathrm{d}x}=\dfrac{y'(t)}{x'(t)}=\tan{\varphi} \end{equation} dxdy=x(t)y(t)=tanφ

其中 φ \varphi φ是切线与 x x x轴的夹角。将 φ \varphi φ t t t求导,可以得到:

d φ d t = d d t arctan ⁡ ( y ′ ( t ) x ′ ( t ) ) = 1 1 + [ y ′ ( t ) x ′ ( t ) ] 2 ⋅ x ′ ( t ) y ′ ′ ( t ) − x ′ ′ ( t ) y ′ ( t ) x ′ 2 ( t ) = x ′ ( t ) y ′ ′ ( t ) − x ′ ′ ( t ) y ′ ( t ) x ′ 2 ( t ) + y ′ 2 ( t ) \begin{equation} \dfrac{\mathrm{d}\varphi}{\mathrm{d}t}= \dfrac{\mathrm{d}}{\mathrm{d}t} \arctan\left(\dfrac{y'(t)}{x'(t)}\right) =\dfrac{1}{1+\left[\dfrac{y'(t)}{x'(t)}\right]^2} \cdot\dfrac{x'(t)y''(t)-x''(t)y'(t)}{{x'}^2(t)} =\dfrac{x'(t)y''(t)-x''(t)y'(t)}{{x'}^2(t)+{y'}^2(t)} \end{equation} dtdφ=dtdarctan(x(t)y(t))=1+[x(t)y(t)]21x2(t)x(t)y′′(t)x′′(t)y(t)=x2(t)+y2(t)x(t)y′′(t)x′′(t)y(t)

根据弧长的微分公式我们可以得到

d s d t = x ′ 2 ( t ) + y ′ 2 ( t ) \begin{equation} \dfrac{\mathrm{d}s}{\mathrm{d}t}=\sqrt{{x'}^2(t)+{y'}^2(t)} \end{equation} dtds=x2(t)+y2(t)

因此该点的曲率为

K = ∣ d φ d s ∣ = ∣ d φ d t d s d t ∣ = ∣ x ′ ( t ) y ′ ′ ( t ) − x ′ ′ ( t ) y ′ ( t ) ∣ [ x ′ 2 ( t ) + y ′ 2 ( t ) ] 3 2 \begin{equation} K=\left|\dfrac{\mathrm{d}\varphi}{\mathrm{d}s}\right|=\left| \dfrac{\dfrac{\mathrm{d}\varphi}{\mathrm{d}t}}{\dfrac{\mathrm{d}s}{\mathrm{d}t}}\right|=\dfrac{\left|x'(t)y''(t)-x''(t)y'(t)\right|}{[{x'}^2(t)+{y'}^2(t)]^{\frac{3}{2}}} \end{equation} K= dsdφ = dtdsdtdφ =[x2(t)+y2(t)]23x(t)y′′(t)x′′(t)y(t)

直角坐标显式方程形式

若曲线由 y = f ( x ) , x ∈ [ a , b ] y=f(x), x\in[a,b] y=f(x),x[a,b]表示,且 y y y存在二阶导数,则曲线上某一点的斜率为

tan ⁡ φ = y ′ \begin{equation} \tan{\varphi}=y' \end{equation} tanφ=y

则夹角的微分为

d φ = y ′ ′ 1 + y ′ 2 d x \begin{equation} \mathrm{d}\varphi=\dfrac{y''}{1+{y'}^2}\mathrm{d}x \end{equation} dφ=1+y2y′′dx

弧长的微分为

d s = 1 + y ′ 2 d x \begin{equation} \mathrm{d}s=\sqrt{1+{y'}^2}\mathrm{d}x \end{equation} ds=1+y2 dx

因此相应的曲率计算公式为

K = ∣ d φ d s ∣ = ∣ y ′ ′ ∣ ( 1 + y ′ 2 ) 3 2 \begin{equation} K=\left|\dfrac{\mathrm{d}\varphi}{\mathrm{d}s}\right|=\dfrac{|y''|}{(1+{y'}^2)^{\frac{3}{2}}} \end{equation} K= dsdφ =(1+y2)23y′′

极坐标形式

假设曲线的极坐标方程为 r = r ( θ ) , θ ∈ [ α , β ] ⊂ [ 0 , 2 π ] r=r(\theta), \theta \in [\alpha, \beta]\subset[0, 2\pi] r=r(θ),θ[α,β][0,2π],且 r r r二阶可导。则点 ( r , θ ) (r, \theta) (r,θ)处的直角坐标为
x ( θ ) = r cos ⁡ θ , y ( θ ) = r sin ⁡ θ x ′ ( θ ) = r ′ cos ⁡ θ − r sin ⁡ θ , y ′ ( θ ) = r ′ sin ⁡ θ + r cos ⁡ θ x ′ ′ ( θ ) = r ′ ′ ( θ ) cos ⁡ θ − 2 r ′ sin ⁡ θ − r cos ⁡ θ y ′ ′ ( θ ) = r ′ ′ sin ⁡ θ + 2 r ′ cos ⁡ θ − r sin ⁡ θ \begin{align} &x(\theta)=r\cos{\theta}, y(\theta)=r\sin{\theta} \\ &x'(\theta)=r'\cos{\theta}-r\sin{\theta}, y'(\theta)=r'\sin{\theta}+r\cos{\theta} \\ &x''(\theta)=r''(\theta)\cos{\theta}-2r'\sin{\theta}-r\cos{\theta} \\ &y''(\theta)=r''\sin{\theta}+2r'\cos{\theta}-r\sin{\theta} \end{align} x(θ)=rcosθ,y(θ)=rsinθx(θ)=rcosθrsinθ,y(θ)=rsinθ+rcosθx′′(θ)=r′′(θ)cosθ2rsinθrcosθy′′(θ)=r′′sinθ+2rcosθrsinθ

将上面的式子全部带入 ( 7 ) (7) (7)式(此时将 θ \theta θ视为参数),化简后就得到了极坐标下的曲率公式:

K = ∣ r 2 + 2 r ′ 2 − r r ′ ′ ∣ ( r 2 + r ′ 2 ) 3 2 \begin{equation} K=\dfrac{|r^2+2{r'}^2-rr''|}{(r^2+{r'}^2)^{\frac{3}{2}}} \end{equation} K=(r2+r2)23r2+2r2rr′′

向量形式

我们定义二维平面光滑曲线上任意一点的向量为 r = ( x ( t ) , y ( t ) ) \boldsymbol{r}=(x(t),y(t)) r=(x(t),y(t)),则 ( 7 ) (7) (7)式可以改写成

K = ∣ x ′ ( t ) y ′ ′ ( t ) − x ′ ′ ( t ) y ′ ( t ) ∣ [ x ′ 2 ( t ) + y ′ 2 ( t ) ] 3 2 = ∣ r ′ × r ′ ′ ∣ ∣ r ′ ∣ 3 \begin{equation} K=\dfrac{\left|x'(t)y''(t)-x''(t)y'(t)\right|}{[{x'}^2(t)+{y'}^2(t)]^{\frac{3}{2}}}=\dfrac{|\boldsymbol{r}'\times \boldsymbol{r}''|}{|\boldsymbol{r}'|^3} \end{equation} K=[x2(t)+y2(t)]23x(t)y′′(t)x′′(t)y(t)=r3r×r′′

此即向量形式的曲率公式。


http://www.ppmy.cn/ops/155837.html

相关文章

【数据结构】(4) 线性表 List

一、什么是线性表 线性表就是 n 个相同类型元素的有限序列,每一个元素只有一个前驱和后继(除了第一个和最后一个元素)。 数据结构中,常见的线性表有:顺序表、链表、栈、队列。 二、什么是 List List 是 Java 中的线性…

为什么命令“echo -e “\033[9;0]“ > /dev/tty0“能控制开发板上的LCD不熄屏?

为什么命令"echo -e “\033[9;0]” > /dev/tty0"能控制开发板上的LCD不熄屏? 在回答这个问题前请先阅读我之前写的与tty和终端有关的博文 https://blog.csdn.net/wenhao_ir/article/details/145431655 然后再来看这条命令的解释就要容易些了。 这条…

前端知识速记--HTML篇:src和href

前端知识速记–HTML篇:src和href 一、属性概述 1.1 src属性 src(source的缩写)属性用于指定外部资源的来源,通常用于嵌入媒体内容或脚本文件。它告知浏览器去哪个地址加载相应的资源。使用src时,浏览器在解析到该元…

【算法设计与分析】实验5:贪心算法—装载及背包问题

目录 一、实验目的 二、实验环境 三、实验内容 四、核心代码 五、记录与处理 六、思考与总结 七、完整报告和成果文件提取链接 一、实验目的 掌握贪心算法求解问题的思想;针对不同问题,会利用贪心算法进行问题建模、求解以及时间复杂度分析&#x…

deepseek+vscode自动化测试脚本生成

近几日Deepseek大火,我这里也尝试了一下,确实很强。而目前vscode的AI toolkit插件也已经集成了deepseek R1,这里就介绍下在vscode中利用deepseek帮助我们完成自动化测试脚本的实践分享 安装AI ToolKit并启用Deepseek 微软官方提供了一个针对AI辅助的插件,也就是 AI Toolk…

华为小米vivo向上,苹果荣耀OPPO向下

日前,Counterpoint发布的手机销量月度报告显示,中国智能手机销量在2024年第四季度同比下降3.2%,成为2024年唯一出现同比下滑的季度。而对于各大智能手机品牌来说,他们的市场份额和格局也在悄然发生变化。 华为逆势向上 在2024年第…

【Elasticsearch】allow_no_indices

- **allow_no_indices 参数的作用**: 该参数用于控制当请求的目标索引(通过通配符、别名或 _all 指定)不存在或已关闭时,Elasticsearch 的行为。 - **默认行为**: 如果未显式设置该参数,默认值为 …

穷举vs暴搜vs深搜vs回溯vs剪枝系列一>解数独

题目: 解析: 部分决策树: 代码设计&剪枝&回溯: 代码: class Solution {private boolean[][] row, col;private boolean[][][] gird; public void solveSudoku(char[][] board) {//下标->数字&#xff…