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
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与 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⌢的平均曲率定义如下:
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在 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=Δs→0lim 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,且 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对 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)]21⋅x′2(t)x′(t)y′′(t)−x′′(t)y′(t)=x′2(t)+y′2(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=x′2(t)+y′2(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 =[x′2(t)+y′2(t)]23∣x′(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+y′2y′′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+y′2dx
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+y′2)23∣y′′∣
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)=r′cosθ−rsinθ,y′(θ)=r′sinθ+rcosθx′′(θ)=r′′(θ)cosθ−2r′sinθ−rcosθy′′(θ)=r′′sinθ+2r′cosθ−rsinθ
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+r′2)23∣r2+2r′2−rr′′∣
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=[x′2(t)+y′2(t)]23∣x′(t)y′′(t)−x′′(t)y′(t)∣=∣r′∣3∣r′×r′′∣
此即向量形式的曲率公式。
相关文章:
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
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…...
ISBN 号码——蓝桥杯
1.题目描述 每一本正式出版的图书都有一个 ISBN 号码与之对应,ISBN 码包括 9 位数字、1 位识别码和 3 位分隔符,其规定格式如 “x-xxx-xxxxx-x”,其中符号“-”是分隔符(键盘上的减号),最后一位是识别码&a…...

Spring Boot - 数据库集成06 - 集成ElasticSearch
Spring boot 集成 ElasticSearch 文章目录 Spring boot 集成 ElasticSearch一:前置工作1:项目搭建和依赖导入2:客户端连接相关构建3:实体类相关注解配置说明 二:客户端client相关操作说明1:检索流程1.1&…...

51单片机CLD1602显示万年历+闹钟+农历+整点报时
1. 硬件设计 硬件是我自己设计的一个通用的51单片机开发平台,可以根据需要自行焊接模块,这是用立创EDA画的一个双层PCB板,所以模块都是插针式,不是表贴的。电路原理图在文末的链接里,PCB图暂时不选择开源。 B站上传的…...
C++ 中的类(class)和对象(object)
在 C 中,类(class)和对象(object)是面向对象编程(OOP)的核心概念。类是一种用户自定义的数据类型,它将数据(成员变量)和操作这些数据的函数(成员函…...
安卓通过网络获取位置的方法
一 方法介绍 1. 基本权限设置 首先需要在 AndroidManifest.xml 中添加必要权限: xml <uses-permission android:name"android.permission.INTERNET" /> <uses-permission android:name"android.permission.ACCESS_NETWORK_STATE" /&g…...

2025 年,链上固定收益领域迈向新时代
“基于期限的债券市场崛起与 Secured Finance 的坚定承诺” 2025年,传统资产——尤其是股票和债券——大规模涌入区块链的浪潮将创造历史。BlackRock 首席执行官 Larry Fink 近期在彭博直播中表示,代币化股票和债券将逐步融入链上生态,将进一…...

npm启动前端项目时报错(vue) error:0308010C:digital envelope routines::unsupported
vue 启动项目时,npm run serve 报下面的错: error:0308010C:digital envelope routines::unsupported at new Hash (node:internal/crypto/hash:67:19) at Object.createHash (node:crypto:133:10) at FSReqCallback.readFileAfterClose [as on…...

11.QT控件:输入类控件
1. Line Edit(单行输入框) QLineEdit表示单行输入框,用来输入一段文本,但是不能换行。 核心属性: 核心信号: 2. Text Edit(多行输入框) QTextEdit表示多行输入框,也是一个富文本 & markdown编辑器。并且能在内容超…...
deepseek核心技术:MLA架构-多头潜在注意力
deepseek核心技术:MLA架构-多头潜在注意力 MLA架构即Multi-Head Latent Attention(多头潜在注意力)架构,是一种优化后的注意力机制。以下是对其及相关示例的具体介绍: 工作原理 输入嵌入:将输入序列中的每个元素转换为向量表示,即嵌入向量。例如在处理文本时,将文本中…...

讯飞星火大模型API使用Python调用
本文仅仅为简单API调用,更多复杂使用方法请参见接口文档 先在科大讯飞开放平台注册账号,点击控制台,在我的应用中创建新应用,新应用的名称可以自定义,这里我写的是ai对话: 在这里我们使用的模型为Speak Ul…...
C#面试常考随笔7:什么是匿名⽅法?还有Lambda表达式?
匿名方法本质上是一种没有显式名称的方法,它可以作为参数传递给需要委托类型的方法,常用于事件处理、回调函数等场景,能够让代码更加简洁和紧凑。 使用场景 事件处理:在处理事件时,不需要为每个事件处理程序单独定义…...

Elasticsearch:如何搜索含有复合词的语言
作者:来自 Elastic Peter Straer 复合词在文本分析和标记过程中给搜索引擎带来挑战,因为它们会掩盖词语成分之间的有意义的联系。连字分解器标记过滤器等工具可以通过解构复合词来帮助解决这些问题。 德语以其长复合词而闻名:Rindfleischetik…...

【Numpy核心编程攻略:Python数据处理、分析详解与科学计算】1.25 视觉风暴:NumPy驱动数据可视化
1.25 视觉风暴:NumPy驱动数据可视化 目录 #mermaid-svg-i3nKPm64ZuQ9UcNI {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-i3nKPm64ZuQ9UcNI .error-icon{fill:#552222;}#mermaid-svg-i3nKPm64ZuQ9UcNI …...

idea maven本地有jar包,但还要从远程下载
idea 中,java 工程执行 maven reimport,报jar报无法下载。 我奇了个怪,我明明在本地仓库有啊,你非得从远程下载? 我从供应商那里拿来的,远程当然没有了。 这太奇葩了吧,折腾好久不行。 后来…...

C++编程语言:抽象机制:模板(Bjarne Stroustrup)
目录 23.1 引言和概观(Introduction and Overview) 23.2 一个简单的字符串模板(A Simple String Template) 23.2.1 模板的定义(Defining a Template) 23.2.2 模板实例化(Template Instantiation) 23.3 类型检查(Type Checking) 23.3.1 类型等价(Type Equivalence) …...
深入解析 Linux 内核中的页面错误处理机制
在现代操作系统中,页面错误(Page Fault)是内存管理的重要组成部分。当程序试图访问未映射到物理内存的虚拟内存地址时,CPU 会触发页面错误异常。Linux 内核通过一系列复杂的机制来处理这些异常,确保系统的稳定性和性能。本文将深入解析 Linux 内核中处理页面错误的核心代码…...

【AIGC专栏】AI在自然语言中的应用场景
ChatGPT出来以后,突然间整个世界都非常的为之一惊。很多人大喊AI即将读懂人类,虽然这是一句夸大其词的话,但是经过未来几十年的迭代,ChatGPT会变成什么样我们还真的很难说。在当前生成式内容来说,ChatGPT毫无疑问在当前…...
Ubuntu 20.04安装Protocol Buffers 2.5.0
个人博客地址:Ubuntu 20.04安装Protocol Buffers 2.5.0 | 一张假钞的真实世界 安装过程 Protocol Buffers 2.5.0源码下载:https://github.com/protocolbuffers/protobuf/tree/v2.5.0。下载并解压。 将autogen.sh文件中以下内容: curl htt…...
解锁豆瓣高清海报(一) 深度爬虫与requests进阶之路
前瞻 PosterBandit 这个脚本能够根据用户指定的日期,爬取你看过的影视最高清的海报,然后使用 PixelWeaver.py 自动拼接成指定大小的长图。 你是否发现直接从豆瓣爬取下来的海报清晰度很低? 使用 .pic .nbg img CSS 选择器,在 我…...

eNSP-Cloud(实现本地电脑与eNSP内设备之间通信)
说明: 想象一下,你正在用eNSP搭建一个虚拟的网络世界,里面有虚拟的路由器、交换机、电脑(PC)等等。这些设备都在你的电脑里面“运行”,它们之间可以互相通信,就像一个封闭的小王国。 但是&#…...
Java 语言特性(面试系列2)
一、SQL 基础 1. 复杂查询 (1)连接查询(JOIN) 内连接(INNER JOIN):返回两表匹配的记录。 SELECT e.name, d.dept_name FROM employees e INNER JOIN departments d ON e.dept_id d.dept_id; 左…...
脑机新手指南(八):OpenBCI_GUI:从环境搭建到数据可视化(下)
一、数据处理与分析实战 (一)实时滤波与参数调整 基础滤波操作 60Hz 工频滤波:勾选界面右侧 “60Hz” 复选框,可有效抑制电网干扰(适用于北美地区,欧洲用户可调整为 50Hz)。 平滑处理&…...
逻辑回归:给不确定性划界的分类大师
想象你是一名医生。面对患者的检查报告(肿瘤大小、血液指标),你需要做出一个**决定性判断**:恶性还是良性?这种“非黑即白”的抉择,正是**逻辑回归(Logistic Regression)** 的战场&a…...
DockerHub与私有镜像仓库在容器化中的应用与管理
哈喽,大家好,我是左手python! Docker Hub的应用与管理 Docker Hub的基本概念与使用方法 Docker Hub是Docker官方提供的一个公共镜像仓库,用户可以在其中找到各种操作系统、软件和应用的镜像。开发者可以通过Docker Hub轻松获取所…...

Java-41 深入浅出 Spring - 声明式事务的支持 事务配置 XML模式 XML+注解模式
点一下关注吧!!!非常感谢!!持续更新!!! 🚀 AI篇持续更新中!(长期更新) 目前2025年06月05日更新到: AI炼丹日志-28 - Aud…...

七、数据库的完整性
七、数据库的完整性 主要内容 7.1 数据库的完整性概述 7.2 实体完整性 7.3 参照完整性 7.4 用户定义的完整性 7.5 触发器 7.6 SQL Server中数据库完整性的实现 7.7 小结 7.1 数据库的完整性概述 数据库完整性的含义 正确性 指数据的合法性 有效性 指数据是否属于所定…...
Web中间件--tomcat学习
Web中间件–tomcat Java虚拟机详解 什么是JAVA虚拟机 Java虚拟机是一个抽象的计算机,它可以执行Java字节码。Java虚拟机是Java平台的一部分,Java平台由Java语言、Java API和Java虚拟机组成。Java虚拟机的主要作用是将Java字节码转换为机器代码&#x…...
NPOI Excel用OLE对象的形式插入文件附件以及插入图片
static void Main(string[] args) {XlsWithObjData();Console.WriteLine("输出完成"); }static void XlsWithObjData() {// 创建工作簿和单元格,只有HSSFWorkbook,XSSFWorkbook不可以HSSFWorkbook workbook new HSSFWorkbook();HSSFSheet sheet (HSSFSheet)workboo…...
SpringAI实战:ChatModel智能对话全解
一、引言:Spring AI 与 Chat Model 的核心价值 🚀 在 Java 生态中集成大模型能力,Spring AI 提供了高效的解决方案 🤖。其中 Chat Model 作为核心交互组件,通过标准化接口简化了与大语言模型(LLM࿰…...