首页 > 其他分享 >微分几何:曲线基本理论

微分几何:曲线基本理论

时间:2024-03-31 22:30:51浏览次数:12  
标签:prime 曲线 frac boldsymbol 微分 几何 alpha dot mathrm

参数曲线基本理论

曲线的定义

假设有一个运动的质点,从0到T时刻,质点从A点运动到B点,质点运动的轨迹形成了一条曲线,我们可以将这条路径曲线看成是时间 t ∈ [ 0 , T ] t \in [0,T] t∈[0,T]到空间位置 R R R的映射。
映射的概念在参数化曲线曲面中十分重要,通过对这种映射概念的一般化,我们可以定义曲线:一条曲线是一个连续映射函数 f f f,它把一段一维的区间 [ a , b ] [a,b] [a,b]映射到3维空间中, f f f的自变量 t t t称为 f f f的参数, f f f在3维空间中的像就是这条曲线 r ( t ) \boldsymbol r(t) r(t), 可以记为 r ( t ) = ( x ( t ) ,   y ( t ) ,   z ( t ) ) \boldsymbol r(t) = (x(t), \ y(t),\ z(t)) r(t)=(x(t), y(t), z(t))
image.png

曲线的切向

曲线上的每一点都有一个切向量,切向量的数学定义如下
r ′ ( t 0 ) = lim ⁡ Δ t → 0 r ( t 0 + Δ t ) − r ( t 0 ) Δ t . \mathbf r^{\prime}(t_{0})=\lim_{\Delta t\to0}\frac{\boldsymbol{r}(t_{0}+\Delta t)-\boldsymbol{r}(t_{0})}{\Delta t}. r′(t0​)=limΔt→0​Δtr(t0​+Δt)−r(t0​)​.
image (3).jpg
根据矢量微积分
r ′ ( t ) = d r d t = ( x ′ ( t ) ,   y ′ ( t ) ,   z ′ ( t ) ) \mathbf r'(t) = \frac {d \mathbf r}{dt} = (x'(t), \ y'(t),\ z'(t)) r′(t)=dtdr​=(x′(t), y′(t), z′(t))
image.png
类比于质点的运动轨迹,切向量的物理意义是速度。

  • 注意,切向量是沿切线的向量,而不是曲线上的斜率

如果 r ( t ) \mathbf r(t) r(t)连续可微,且处处 r ′ ( t ) ≠ 0 \mathbf r'(t) \neq 0 r′(t)=0则曲线为正则曲线
r ′ ( t ) = 0 \mathbf r'(t) = 0 r′(t)=0的点称为奇点,可以想象一下,在奇点处速度为0

曲线的长度

曲线的长度即为弧长,计算弧长需要借助一些微积分的知识
d r = r ( t + d t ) − r ( t ) = r ′ ( t ) d t d \mathbf r = \mathbf r(t+dt)- \mathbf r(t)= \mathbf r'(t)dt dr=r(t+dt)−r(t)=r′(t)dt
d s = ∣ d r ∣ ds = |d \mathbf r| ds=∣dr∣
s = ∫ S ∣ r ′ ( t ) ∣ d t s = \int_{S} \mathbf |\mathbf r'(t)| \text{d}t s=∫S​∣r′(t)∣dt
r ′ ( t ) = ( x ′ ( t ) ,   y ′ ( t ) ,   z ′ ( t ) ) \mathbf r'(t) = (x'(t), \ y'(t),\ z'(t)) r′(t)=(x′(t), y′(t), z′(t))
任意参数区间的弧长为
s a b = ∫ a b ∣ r ′ ( t ) ∣ d t s_{ab} = \int_{a} ^{b} \mathbf |\mathbf r'(t)| \text{d}t sab​=∫ab​∣r′(t)∣dt

弧长参数化

上面可知,弧长和曲线上的点也是一、一映射的关系,因此可以用弧长作为参数,记为
r ( s ) = ( x ( s ) ,   y ( s ) ,   z ( s ) ) \mathbf r(s) = (x(s), \ y(s),\ z(s)) r(s)=(x(s), y(s), z(s))
image.png
弧长和参数t之间也满足一种映射关系
s = ∫ S ∣ r ′ ( t ) ∣ d t s = \int_{S} \mathbf |\mathbf r'(t)| \text{d}t s=∫S​∣r′(t)∣dt,其满足 d s / d t = ∣ r ′ ( t ) ∣ ds/dt = |\boldsymbol r'(t)| ds/dt=∣r′(t)∣
弧长参数化也叫自参数

曲线的弯曲和扭转

可以很直观的看到,不同曲线的弯曲程度是不一样的,同一曲线,在不同的位置弯曲程度也是不一样的,大地看起来是平的,一个圆看起来很弯曲,稍后我们将以曲率来度量曲线的弯曲程度
在这里插入图片描述

对于复杂的空间曲线,光用曲率显然无法描述曲线的弯曲特性,曲线除了弯曲,还有扭转,稍后我们将以挠率来度量曲线的弯曲程度

密切平面

通过一点以及该点切向量的平面有无数多个,其中有一个最贴近曲线的平面,我们称之为密切平面。密切平面的定义,需要用到一些极限的知识,取曲线上P点附近的一个点Q,过直线PQ和P点切向量可以定义一个平面,当Q点趋近于P点时,定义的平面即为密切平面,通过推导可知,密切平面过向量 r ′ ′ ( t ) \mathbf r''(t) r′′(t),因此可以表达为
( R − r ( t 0 ) , r ′ ( t 0 ) , r ′ ′ ( t 0 ) ) = 0 \left(\mathbf{R}-\mathbf{r}(t_{0}),\mathbf{r}^{\prime}(t_{0}),\mathbf{r}^{\prime\prime}(t_{0})\right)=0 (R−r(t0​),r′(t0​),r′′(t0​))=0
image.png

Frenet活动标架

弧长参数化和一般参数化之间可以相互转化,弧长参数化有一些优良的性质
弧长参数化下的切向量 r ′ ( s ) = d r d s \boldsymbol{r'}(s) = \frac{d \boldsymbol r}{ds} r′(s)=dsdr​
∣ r ′ ( s ) ∣ = ∣ d r d s ∣ = 1 \begin{vmatrix}\boldsymbol{r'}(s)\end{vmatrix}=\begin{vmatrix}\frac{\mathrm{d}\boldsymbol{r}}{\mathrm{d}s}\end{vmatrix}=1 ​r′(s)​ ​= ​dsdr​​ ​=1,即线速度为1
r ˙ = d r d s , r ¨ = d 2 r d s 2 \dot{\mathbf r}=\frac{\mathrm{d}\boldsymbol{r}}{\mathrm{d}s},\ddot{\boldsymbol{r}}=\frac{\mathrm{d}^2\boldsymbol{r}}{\mathrm{d}s^2} r˙=dsdr​,r¨=ds2d2r​
构造单位基矢 α \boldsymbol \alpha α
α = r ˙ = d r d s \boldsymbol \alpha=\dot{ \mathbf r}=\frac{\mathrm{d}\boldsymbol{r}}{\mathrm{d}s} α=r˙=dsdr​ 由于 α \boldsymbol \alpha α的模长为1,可以得到
α ˙ ⊥ α \dot{\boldsymbol \alpha}\perp \boldsymbol \alpha α˙⊥α r ¨ ⊥ r ˙ \ddot{r}\perp\dot{r} r¨⊥r˙
构造单位基矢 β \boldsymbol \beta β
β = a ˙ ∣ α ˙ ∣ = r ¨ ∣ r ¨ ∣ \boldsymbol \beta =\frac{\dot{a}}{|\dot{\alpha}|}=\frac{\ddot{r}}{|\ddot{r}|} β=∣α˙∣a˙​=∣r¨∣r¨​
构造单位基矢 γ \boldsymbol \gamma γ
γ = α × β \boldsymbol \gamma=\boldsymbol \alpha\times \boldsymbol \beta γ=α×β
上面构造的三个正交的单位向量,形成frenet标架,可以看到三个基矢的形式非常简单,而且具有很直观的物理意义,他们与密切平面,从切平面,法平面的关系如下图所示:
image.png
上面公式的形式是弧长参数化的形式,可以转化为任意参数化 r ( t ) \boldsymbol r(t) r(t)的形式
r ′ ( t ) \boldsymbol{r'}(t) r′(t)归一化可以得到 α \boldsymbol \alpha α
r ′ ( t ) \boldsymbol{r'}(t) r′(t)和 r ′ ′ ( t ) \boldsymbol{r''}(t) r′′(t)都在密切平面,因而可以先得到 γ \boldsymbol \gamma γ
关于 r ′ ′ ( t ) \boldsymbol{r''}(t) r′′(t)在密切平面上可以稍作推导:
r ′ = d r d s d s d t = r ˙ d s d t , r ′ ′ = ( r ˙ ) ′ d s d t + r ˙ d 2 s d t 2 = d r ˙ d s ( d s d t ) 2 + r ˙ d 2 s d t 2 = r ¨ ( d s d t ) 2 + r ˙ d 2 s d t 2 , \begin{gathered}\boldsymbol{r}^{\prime}=\frac{\mathrm{d}\boldsymbol{r}}{\mathrm{d}s}\frac{\mathrm{d}s}{\mathrm{d}t}=\dot{\boldsymbol{r}}\frac{\mathrm{d}s}{\mathrm{d}t},\\\boldsymbol{r}^{\prime\prime}=(\dot{\boldsymbol{r}})^{\prime}\frac{\mathrm{d}s}{\mathrm{d}t}+\dot{\boldsymbol{r}}\frac{\mathrm{d}^2s}{\mathrm{d}t^2}=\frac{\mathrm{d}\dot{\boldsymbol{r}}}{\mathrm{d}s}(\frac{\mathrm{d}s}{\mathrm{d}t})^2+\dot{\boldsymbol{r}}\frac{\mathrm{d}^2s}{\mathrm{d}t^2}=\ddot{\boldsymbol{r}}\left(\frac{\mathrm{d}s}{\mathrm{d}t}\right)^2+\dot{\boldsymbol{r}}\frac{\mathrm{d}^2s}{\mathrm{d}t^2},\end{gathered} r′=dsdr​dtds​=r˙dtds​,r′′=(r˙)′dtds​+r˙dt2d2s​=dsdr˙​(dtds​)2+r˙dt2d2s​=r¨(dtds​)2+r˙dt2d2s​,​
通过 α \boldsymbol \alpha α和 γ \boldsymbol \gamma γ可以得到 β \boldsymbol \beta β
α = r ′ ∣ r ′ ∣ \boldsymbol \alpha=\frac{r^{\prime}}{|r^{\prime}|} α=∣r′∣r′​
γ = r ′ × r ′ ′ ∣ r ′ × r ′ ′ ∣ \boldsymbol \gamma=\frac{r^{\prime}\times r^{\prime\prime}}{|r^{\prime}\times r^{\prime\prime}|} γ=∣r′×r′′∣r′×r′′​
β = γ × α = ( r ′ ⋅ r ′ ) r ′ ′ − ( r ′ ⋅ r ′ ′ ) r ′ ∣ r ′ ∣ ∣ r ′ × r ′ ′ ∣ \boldsymbol \beta=\boldsymbol \gamma\times \boldsymbol \alpha=\frac{(r^{\prime}\cdot r^{\prime})r^{\prime\prime}-(r^{\prime}\cdot r^{\prime\prime})r^{\prime}}{\mid r^{\prime}\mid\mid r^{\prime}\times r^{\prime\prime}\mid} β=γ×α=∣r′∣∣r′×r′′∣(r′⋅r′)r′′−(r′⋅r′′)r′​

曲率和挠率

曲率表示曲线的弯曲程度,其物理意义是切向量对弧长的转动率,即切矢量夹角和弧长增量比值的极限:
image.png
k ( s ) = lim ⁡ Δ s → 0 ∣ Δ φ Δ s ∣ k(s)=\lim_{\Delta s\to0}\left|\frac{\Delta\varphi}{\Delta s}\right| k(s)=limΔs→0​ ​ΔsΔφ​ ​,为了理解曲率的计算,我们充分利用自然参数下切向量为单位向量的特性:
如下图所示,切向量 α \boldsymbol \alpha α是单位向量,故其对于ds的增量为 d α d\boldsymbol \alpha dα,其模长等于 d θ × 1 d\theta \times1 dθ×1,方向和 α \boldsymbol \alpha α垂直
image.png
d α d s = d θ n ⃗ d s \frac { d \boldsymbol \alpha } {ds} = \frac { d \theta \vec n }{ds} dsdα​=dsdθn

固可以得到:
k ( s ) = d θ d s = ∣ α ˙ ∣ = ∣ r ¨ ∣ k(s)=\frac { d \theta}{ds}=|\dot{\boldsymbol \alpha}| = |\ddot{\boldsymbol r}| k(s)=dsdθ​=∣α˙∣=∣r¨∣
同理可以定义挠率为弧长微量变化时,副法向量的夹角和弧长变化的比值:

image.png
类同曲率推到可得:
∣ γ ˙ ∣ = lim ⁡ Δ s → 0 ∣ Δ ψ Δ s ∣ , \mid\dot{\boldsymbol{\gamma}}\mid=\lim_{\Delta s\to0}\left|\frac{\Delta\psi}{\Delta s}\right|, ∣γ˙​∣=limΔs→0​ ​ΔsΔψ​ ​,
记挠率为:
τ ( s ) = { + ∣ γ ˙ ∣ , 当 γ ˙ 和 β 异向 , − ∣ γ ˙ ∣ , 当 γ ˙ 和 β 同向 . \tau(s)=\begin{cases}+\left|\dot{\boldsymbol{\gamma}}\right|,\text{当}\dot{\boldsymbol{\gamma}}\text{和}\beta {异向,}\\-\left|\dot{\boldsymbol{\gamma}}\right|,\text{当}\dot{\boldsymbol{\gamma}}\text{和}\beta\text{同向}.\end{cases} τ(s)={+∣γ˙​∣,当γ˙​和β异向,−∣γ˙​∣,当γ˙​和β同向.​

经过微分法则的一些推导,我们可以采用一般参数化来表示曲率,挠率:
κ = ∣ r ′ × r ′ ′ ∣ ∣ r ′ ∣ 3 \kappa=\frac{|\boldsymbol r^{\prime}\times \boldsymbol r^{\prime\prime}|}{| \boldsymbol r^{\prime}|^{3}} κ=∣r′∣3∣r′×r′′∣​
τ = ( r ′ , r ′ ′ , r ′ ′ ) ( r ′ × r ′ ′ ) 2 \tau= \frac{(\boldsymbol r^{\prime}, \boldsymbol r^{\prime\prime}, \boldsymbol r^{\prime\prime})}{(\boldsymbol r^{\prime}\times \boldsymbol r^{\prime\prime})^{2}} τ=(r′×r′′)2(r′,r′′,r′′)​

曲线论基本:Frenet公式

我们比较关注的是 α \boldsymbol \alpha α, γ \boldsymbol \gamma γ和 β \boldsymbol \beta β对弧长的变化率:
{ α ˙ = k ( s ) β , β ˙ = − k ( s ) α + τ ( s ) γ , γ ˙ = − τ ( s ) β , \begin{cases}\dot{\boldsymbol{\alpha}}=k(s)\boldsymbol{\beta},\\\dot{\boldsymbol{\beta}}=-k(s)\boldsymbol{\alpha}+\tau(s)\boldsymbol{\gamma},\\\dot{\boldsymbol{\gamma}}=-\tau(s)\boldsymbol{\beta},\end{cases} ⎩ ⎧​α˙=k(s)β,β˙​=−k(s)α+τ(s)γ,γ˙​=−τ(s)β,​
上式的证明也很简单:
β = a ˙ ∣ α ˙ ∣ = r ¨ ∣ r ¨ ∣ \boldsymbol \beta =\frac{\dot{\boldsymbol a}}{|\dot{\boldsymbol \alpha}|}=\frac{\ddot{\boldsymbol r}}{|\ddot{\boldsymbol r}|} β=∣α˙∣a˙​=∣r¨∣r¨​ 得到 α ˙ = k ( s ) β \dot{\boldsymbol{\alpha}}=k(s)\boldsymbol{\beta} α˙=k(s)β
γ ˙ = ( α × β ) ˙ = α ˙ × β + α × β ˙ = k ( s ) β × β + α × β ˙ = α × β ˙ \dot{\boldsymbol \gamma}=\dot{(\boldsymbol \alpha\times \boldsymbol \beta)}=\dot{\boldsymbol \alpha}\times \boldsymbol \beta+ \boldsymbol \alpha\times\dot{\boldsymbol \beta}=k\left(s\right)\boldsymbol \beta\times\boldsymbol \beta+\boldsymbol \alpha\times\dot{\boldsymbol \beta}=\boldsymbol \alpha\times\dot{\boldsymbol \beta} γ˙​=(α×β)˙​=α˙×β+α×β˙​=k(s)β×β+α×β˙​=α×β˙​,所以可知 γ ˙ \dot{\boldsymbol \gamma} γ˙​垂直于 α \boldsymbol \alpha α
由 γ \boldsymbol \gamma γ是单位向量,可得 γ \boldsymbol \gamma γ垂直于 γ ˙ \dot{\boldsymbol \gamma} γ˙​,所以 γ ˙ \dot{\boldsymbol \gamma} γ˙​平行于 β \boldsymbol \beta β
{ α ˙ = k ( s ) β , β ˙ = − k ( s ) α + τ ( s ) γ , γ ˙ = − τ ( s ) β , \begin{cases}\dot{\alpha}=k(s)\beta,\\\dot{\beta}=-k(s)\alpha+\tau(s)\gamma,\\ \dot{\gamma}=-\tau(s)\beta,\end{cases} ⎩ ⎧​α˙=k(s)β,β˙​=−k(s)α+τ(s)γ,γ˙​=−τ(s)β,​
这组公式是空间曲线论的基本公式.它的特点是基本向量 α , β , γ \alpha,\beta,\gamma α,β,γ关于弧长 s 的微商可以用 α , β , γ \alpha,\beta,\gamma α,β,γ的线性组合来表示,它的系数组成反称的方阵
[ 0 k ( s ) 0 − k ( s ) 0 τ ( s ) 0 − τ ( s ) 0 ] \begin{bmatrix}0&k(s)&0\\-k(s)&0&\tau(s)\\0&-\tau(s)&0\end{bmatrix} ​0−k(s)0​k(s)0−τ(s)​0τ(s)0​

标签:prime,曲线,frac,boldsymbol,微分,几何,alpha,dot,mathrm
From: https://blog.csdn.net/leizhengshenglzs/article/details/137089956

相关文章

  • STLExporter 是用于将 Three.js 场景中的几何体数据导出为 STL 格式的类。
    demo案例STLExporter是用于将Three.js场景中的几何体数据导出为STL格式的类。下面是关于STLExporter的入参、出参、方法和属性的讲解:入参(Parameters):scene:THREE.Scene类型的参数,表示要导出为STL格式的Three.js场景对象。出参(ReturnValue):string:......
  • 追光几何Lite用户分享之项目管理
    在我作为项目管理人员的职业生涯中,面对众多跨领域的项目,我不断地寻找高效的方法和工具来优化项目文件的管理。在众多尝试中,我发现了追光几何Lite,一款简洁实用的本地文件版本管理软件,它极大地提升了我的工作效率和文件管理的质量。项目管理过程中会产生众多文件和文档,从项目计......
  • QCustomPlot多段y轴公用x轴、动态增加/移除曲线显示功能
    备注:1、动态增加/移除坐标系;2、多段y轴,共用同一个x轴;3、x轴y轴数据同步,当放大缩小表格时;4、通过定时器0.5s更新一次数据;****亲,感觉不错的话点个赞哦****一、项目中结合树形目录勾选框,进行动态增加和删除勾选框,通过定时器模拟数据进行显示connect(m_treeWidget,&Tr......
  • 追光几何Lite用户分享之机械设计
    作为一名机械工程师,我每天都要处理大量的设计文件和数据,有效的文件版本管理对于保证设计质量和提高团队效率至关重要。每一份设计图纸、每一个CAD模型、乃至每一次参数调整,都可能直接影响到产品的性能和可靠性。因此,找到一个能够有效管理这些文件和版本历史的工具,对于我们的工......
  • 追光几何Lite用户分享之工程设计
    作为一名拥有近十年经验的土木工程设计师,我是最近几个月开始采用追光几何进行文件管理,感觉真是“清爽无比”。很多人可能误以为我们大部分时间都是坐在桌前画画图,实际上,我们的日常工作远比这复杂得多。首先,作为设计师需要对施工地址进行勘察。这包括分析勘测报告和其他地形或......
  • d3d12龙书阅读----绘制几何体(上)
    d3d12龙书阅读----绘制几何体(上)本节主要介绍了构建一个简单的彩色立方体所需流程与重要的api下面主要结合立方体代码分析本节相关知识顶点输入装配器阶段的输入首先,我们需要定义立方体的八个顶点顶点结构体:structVertex{XMFLOAT3Pos;XMFLOAT4Color;};当然......
  • 视觉里程计之对极几何
    视觉里程计之对极几何前言上一个章节介绍了视觉里程计关于特征点的一些内容,相信大家对视觉里程计关于特征的描述已经有了一定的认识。本章节给大家介绍视觉里程计另外一个概念,对极几何。对极几何对极几何是立体视觉中的几何关系,描述相机从不同位置拍摄3D场景时,3D点与相......
  • 【插件更新日志】新发布的1.5.0版本插件中的增强模式,作用几何?
    近日,我们的插件迎来了自发布以来的首个大更新,发布了1.5.0版,更新了多个新特性,今天就带您来了解一下其中的【增强】模式。一、令人头疼的兼容性问题如上图所示,这是在MTK天玑7200-Ultra芯片下测试同一人体姿态识别的效果,未开启【增强】模式时,识别出的关键点错位严重,根本无法使......
  • 高等数学基础篇(数二)之微分方程(高阶线性微分方程)
    高阶线性微分方程:1.线性微分方程的解的结构2.常系数齐次线性微分方程3.常系数非齐次线性微分方程4.欧拉方程5.差分方程目录1.线性微分方程的解的结构2.常系数齐次线性微分方程3.常系数非齐次线性微分方程4.欧拉方程5.差分方程1.线性微分方程的解的结构2.......
  • 计算几何(广州大学第十八届ACM大学生程序设计竞赛)
    题目描述2023年赛季中,污渍与小夨相约,区域赛上一定要先看SUA的计算几何题,并且成功偷鸡;遗憾的是,赛季结束后,两人只能举起可乐向着一轮残月:“****,退钱!!!”;为了弥补遗憾,小夨决定出一道简单的计算几何题,并且期待赛场上的朋友们能够将其通过。以上为题目背景;给定n 个点(编号1∼n),你......