参数方程 将点的坐标表示为一个或多个独立变量的函数 ,这些独立变量称为参数 。对于平面曲线,一种典型的表示形式为
x = f ( t ) , y = g ( t ) , t ∈ I , x=f(t),\qquad y=g(t),\qquad t\in I, x = f ( t ) , y = g ( t ) , t ∈ I ,
其中,I I I 是指定的参数取值域。随着 t t t 变化,点 ( f ( t ) , g ( t ) ) (f(t),g(t)) ( f ( t ) , g ( t )) 描出一条曲线。通常,一个参数描述一条曲线,两个参数描述一个曲面,更多参数则用于描述更高维的对象。
参数方程将点所构成的几何集合与这些点的生成方式区分开来。同一个圆可以用不同的速度、沿相反的方向遍历,也可以反复遍历多次,而其本身的形状并不改变。正是这种区分,使参数方法在几何学 、微积分 以及运动的数学描述中占据核心地位。参数方程也能描述闭合曲线、具有竖直切线的曲线,以及无法在整体上用单个形如 y = f ( x ) y=f(x) y = f ( x ) 的方程表示的空间轨迹。
参数方程的应用范围很广,从直线和圆锥曲线的初等描述,到光滑曲面、微分方程的解以及计算机设计的形状,都有涉及。其中的重要问题包括如何选择参数取值域、不同表示之间是否等价、如何检测奇点,以及如何在符号计算或数值计算过程中保留几何信息。
定义、定义域与几何意义 欧几里得空间 R n \mathbb R^n R n 中的参数曲线是一个映射
r : I ⟶ R n , r ( t ) = ( x 1 ( t ) , … , x n ( t ) ) , \mathbf r:I\longrightarrow\mathbb R^n,\qquad \mathbf r(t)=\bigl(x_1(t),\ldots,x_n(t)\bigr), r : I ⟶ R n , r ( t ) = ( x 1 ( t ) , … , x n ( t ) ) ,
其中,I I I 通常是一个实数 区间。各分量对应的方程 x i = x i ( t ) x_i=x_i(t) x i = x i ( t ) 就是参数方程。根据研究领域的不同,坐标函数可能需要满足连续、可微、光滑或为多项式等条件。这些假设至关重要:以区间为定义域的任意映射,其形状未必像通常意义上的曲线。
参数化的轨迹 是集合
C = { r ( t ) : t ∈ I } . C=\{\mathbf r(t):t\in I\}. C = { r ( t ) : t ∈ I } .
这是该映射的像 ,而不是映射本身。轨迹只记录曲线经过哪些点,并不记录经过这些点的顺序、运动速度或重复经过的次数。例如,
r ( t ) = ( cos t , sin t ) \mathbf r(t)=(\cos t,\sin t) r ( t ) = ( cos t , sin t )
无论在 0 ≤ t ≤ 2 π 0\leq t\leq2\pi 0 ≤ t ≤ 2 π 还是 0 ≤ t ≤ 4 π 0\leq t\leq4\pi 0 ≤ t ≤ 4 π 上,其轨迹都是单位圆 。在第二个区间内,曲线被完整地描绘了两遍。然而,如果将定义域限制为 0 ≤ t ≤ π 0\leq t\leq\pi 0 ≤ t ≤ π ,得到的就只有上半圆。
当一个坐标直接用另一个坐标表示时,例如 y = f ( x ) y=f(x) y = f ( x ) ,这种表示称为显式表示 ;当各点由 F ( x , y ) = 0 F(x,y)=0 F ( x , y ) = 0 这样的关系确定时,则称为隐式表示 。参数表示则通过一个辅助变量来表示两个坐标。每个显式函数的图像都有如下参数表示:
x = t , y = f ( t ) , x=t,\qquad y=f(t), x = t , y = f ( t ) ,
但并非每条曲线都是以 x x x 为自变量的函数图像 。圆不满足竖线检验,但用三角函数可以很容易地写出它的参数表示。
参数不一定具有物理意义。它可以是时间、角度、沿曲线的距离,也可以只是一个代数变量。在
x = a cos t , y = b sin t , x=a\cos t,\qquad y=b\sin t, x = a cos t , y = b sin t ,
中,t t t 是变化的参数,而固定的正数 a a a 和 b b b 决定曲线的形状。虽然在更广泛的数学用语中,这些常数也称为参数,但它们与描绘曲线的变量所起的作用不同。
参数的定义域是参数表示的一部分,不可忽略。是否包含端点、是否将周期性重复的参数值视为等同,以及分母或平方根所施加的限制,都会影响所表示的几何对象。在更高维的情形下,参数定义域可以是 R k \mathbb R^k R k 的子集,而不再只是区间;独立参数的数量则表明所表示对象预期的局部维数。
初等曲线与标准构造 经过点 p \mathbf p p 、方向向量为非零向量 v \mathbf v v 的直线可表示为
r ( t ) = p + t v , t ∈ R . \mathbf r(t)=\mathbf p+t\mathbf v,\qquad t\in\mathbb R. r ( t ) = p + t v , t ∈ R .
在下式中将 t t t 限制在 [ 0 , 1 ] [0,1] [ 0 , 1 ] 内,
r ( t ) = ( 1 − t ) p + t q \mathbf r(t)=(1-t)\mathbf p+t\mathbf q r ( t ) = ( 1 − t ) p + t q
便得到连接 p \mathbf p p 和 q \mathbf q q 的线段。这些公式都是关于参数的仿射映射 ,适用于任意有限维空间。它们能统一处理竖直直线和非竖直直线,避免了斜截式方程所固有的特殊情形。
标准圆锥曲线 的参数表示尤为简单。以原点为中心、半轴长为 a , b > 0 a,b>0 a , b > 0 的椭圆 可表示为
x = a cos t , y = b sin t , 0 ≤ t ≤ 2 π . x=a\cos t,\qquad y=b\sin t,\qquad 0\leq t\leq2\pi. x = a cos t , y = b sin t , 0 ≤ t ≤ 2 π .
对于抛物线 y 2 = 4 a x y^2=4ax y 2 = 4 a x ,其中 a ≠ 0 a\ne0 a = 0 ,可以写成
x = a t 2 , y = 2 a t , t ∈ R . x=at^2,\qquad y=2at,\qquad t\in\mathbb R. x = a t 2 , y = 2 a t , t ∈ R .
对于双曲线 x 2 / a 2 − y 2 / b 2 = 1 x^2/a^2-y^2/b^2=1 x 2 / a 2 − y 2 / b 2 = 1 的右支,一种方便的表示为
x = a cosh t , y = b sinh t . x=a\cosh t,\qquad y=b\sinh t. x = a cosh t , y = b sinh t .
将 x x x 的符号反转,即得到左支。这些公式中的参数通常既不是弧长,也不是通常意义上的极角。
对于由运动定义的曲线,使用参数方程尤其自然。圆沿直线无滑动地滚动时,圆周上一点描出的轨迹称为摆线 。设滚动圆的半径为 a > 0 a>0 a > 0 ,则
x = a ( t − sin t ) , y = a ( 1 − cos t ) . x=a(t-\sin t),\qquad y=a(1-\cos t). x = a ( t − sin t ) , y = a ( 1 − cos t ) .
这里的参数表示圆转过的角度。圆的平移贡献了位移项 a t at a t ,而转动则贡献了正弦项和余弦项。0 ≤ t ≤ 2 π 0\leq t\leq2\pi 0 ≤ t ≤ 2 π 对应一个拱,两端均为尖点。
在三维空间中,圆螺旋线 的方程为
x = a cos t , y = a sin t , z = b t . x=a\cos t,\qquad y=a\sin t,\qquad z=bt. x = a cos t , y = a sin t , z = b t .
当 a > 0 a>0 a > 0 且 b ≠ 0 b\ne0 b = 0 时,它到 z z z 轴的距离保持不变,每转一周的有向升高量为 2 π b 2\pi b 2 π b 。与平面上的圆不同,它在转过一个完整的角周期后并不闭合,因为其第三个坐标仍在持续变化。
在极坐标 中由 r = ρ ( θ ) r=\rho(\theta) r = ρ ( θ ) 给出的曲线,可通过下式转化为直角坐标下的参数表示:
x = ρ ( θ ) cos θ , y = ρ ( θ ) sin θ . x=\rho(\theta)\cos\theta,\qquad y=\rho(\theta)\sin\theta. x = ρ ( θ ) cos θ , y = ρ ( θ ) sin θ .
通过这种转换,便可用直角坐标下的微积分方法处理螺线以及许多由角度几何关系定义的曲线。这也说明,选择适合几何构造的参数,可以简化曲线的描述;若用单个隐式方程表示,同样的描述可能会十分繁琐。
消参、隐式化与有理参数化 消去参数 是指推导出坐标之间不再含有参数的关系。由
x = a cos t , y = b sin t x=a\cos t,\qquad y=b\sin t x = a cos t , y = b sin t
利用恒等式 cos 2 t + sin 2 t = 1 \cos^2t+\sin^2t=1 cos 2 t + sin 2 t = 1 ,可得
x 2 a 2 + y 2 b 2 = 1. \frac{x^2}{a^2}+\frac{y^2}{b^2}=1. a 2 x 2 + b 2 y 2 = 1.
这一关系描述了整个椭圆,但如果参数只在某个受限区间内取值,所描述的可能只是一段椭圆弧。因此,消参所得的方程必须附上必要的限制条件,才能还原原来的轨迹。
消参也可能引入多余的点。例如,对于
x = t 2 , y = t 4 , t ∈ R , x=t^2,\qquad y=t^4,\qquad t\in\mathbb R, x = t 2 , y = t 4 , t ∈ R ,
关系 y = x 2 y=x^2 y = x 2 是必要条件,却不是充分条件:实际轨迹还满足 x ≥ 0 x\geq0 x ≥ 0 。对方程两边平方、清除分母,以及将实数解扩展为复数解等操作,同样可能改变所表示的点集。在代数计算中,隐式化 通常旨在求出一个多项式关系,或求出参数化映像的代数闭包,而后者未必与实际的实数轨迹完全相同。
有理参数化 使用多项式 的商来表示坐标。单位圆可以表示为
x = 1 − t 2 1 + t 2 , y = 2 t 1 + t 2 , t ∈ R . x=\frac{1-t^2}{1+t^2},\qquad y=\frac{2t}{1+t^2},\qquad t\in\mathbb R. x = 1 + t 2 1 − t 2 , y = 1 + t 2 2 t , t ∈ R .
将直线 y = t ( x + 1 ) y=t(x+1) y = t ( x + 1 ) 与圆 x 2 + y 2 = 1 x^2+y^2=1 x 2 + y 2 = 1 联立求交,即可得到这一表示。一个交点是固定点 ( − 1 , 0 ) (-1,0) ( − 1 , 0 ) ,另一个交点则给出上述公式。圆上除 ( − 1 , 0 ) (-1,0) ( − 1 , 0 ) 以外的每一点都对应某个有限实数 t t t 。当 ∣ t ∣ → ∞ |t|\to\infty ∣ t ∣ → ∞ 时,所得点趋近于这个缺失的点。
这一构造与极射投影 密切相关,也是正切半角代换的基础:令 t = tan ( θ / 2 ) t=\tan(\theta/2) t = tan ( θ /2 ) ,便可将正弦和余弦转化为有理表达式。在射影几何 中,为参数直线添加一个无穷远点,就能补上圆上缺失的点,使这一表示在更自然的意义下变得完整。
并非所有代数曲线都能用这样的有理形式描述。在代数几何 中,复数域上的非奇异射影曲线是有理曲线,当且仅当其亏格为零。在其他域上,还需考虑额外条件:实数域上的光滑二次曲线必须具有实点,才能进行实有理参数化。非奇异的椭圆曲线 的亏格为一,因此不存在能在相应双有理意义下覆盖整条曲线的有理参数化。
多项式消元可以使用结式或格罗布纳基,但所得结果可能掩盖轨迹的遍历信息和定义域限制。反过来,从隐式关系推导坐标表达式,可能需要用到代数函数、三角函数或特殊函数。因此,参数形式与隐式形式所表达的信息相互关联,却不能彼此替代。
正则性、重新参数化与定向 对于可微曲线 r ( t ) \mathbf r(t) r ( t ) ,若某个参数值满足
r ′ ( t ) ≠ 0. \mathbf r'(t)\ne\mathbf0. r ′ ( t ) = 0 .
则称该参数值是正则的 。正则曲线在定义域内处处具有非零的瞬时切向量。如果导数为零,则该参数化在相应参数值处是奇异的,但其几何轨迹本身未必存在奇点。例如,
r ( t ) = ( t 3 , 0 ) \mathbf r(t)=(t^3,0) r ( t ) = ( t 3 , 0 )
在 t = 0 t=0 t = 0 处的导数为零,但其轨迹只是 x x x 轴,而 x x x 轴也可以用正则参数化 ( u , 0 ) (u,0) ( u , 0 ) 表示。
半立方抛物线则具有真正的几何奇点:
r ( t ) = ( t 2 , t 3 ) . \mathbf r(t)=(t^2,t^3). r ( t ) = ( t 2 , t 3 ) .
其轨迹满足 y 2 = x 3 y^2=x^3 y 2 = x 3 ,且在原点处有一个尖点。在这里,导数为零的同时,几何结构本身也使得尖点附近的一段曲线无法表示为正则光滑曲线。另一种不同的现象是自交:两个不同的参数值可能对应同一点,而这两个参数值处的导数都不为零。因此,正则性是一个局部条件,并不意味着曲线在全局上是一一对应的。
重新参数化 是用新参数 u u u 替换 t t t :
r ~ ( u ) = r ( ϕ ( u ) ) . \widetilde{\mathbf r}(u)=\mathbf r(\phi(u)). r ( u ) = r ( ϕ ( u )) .
对于满足 ϕ ′ ( u ) ≠ 0 \phi'(u)\ne0 ϕ ′ ( u ) = 0 的光滑可逆参数变换,由链式法则 可得
r ~ ′ ( u ) = r ′ ( ϕ ( u ) ) ϕ ′ ( u ) . \widetilde{\mathbf r}'(u) =\mathbf r'(\phi(u))\,\phi'(u). r ′ ( u ) = r ′ ( ϕ ( u )) ϕ ′ ( u ) .
这样的变换保持轨迹不变,但会改变沿曲线运动的速率。若 ϕ ′ > 0 \phi'>0 ϕ ′ > 0 ,则保持定向;若 ϕ ′ < 0 \phi'<0 ϕ ′ < 0 ,则反转定向。如果代换不是一一对应的,则可能导致曲线的某些部分被重复描绘或往返描绘。
一种特别重要的选择是以弧长 为参数。对于正则曲线,定义
s ( t ) = ∫ t 0 t ∥ r ′ ( u ) ∥ d u . s(t)=\int_{t_0}^{t}\|\mathbf r'(u)\|\,du. s ( t ) = ∫ t 0 t ∥ r ′ ( u ) ∥ d u .
由于 d s / d t > 0 ds/dt>0 d s / d t > 0 ,这个函数具有局部反函数,因此可以用 s s s 来表示曲线。所得参数化满足
∥ d r d s ∥ = 1. \left\|\frac{d\mathbf r}{ds}\right\|=1. d s d r = 1.
弧长参数化消除了速率的任意变化,在微分几何 中具有基础性地位,不过所需的积分或反函数可能无法用初等函数表示。
对于闭曲线,局部与全局行为的区别同样重要。圆可以用模 2 π 2\pi 2 π 的角度光滑地参数化,但若用闭区间作为参数域,终点就会重复起点。将参数域本身视为一个圆,便可避免这种人为的重复。这类例子促使我们通过合适的参数空间来描述几何对象,而不必拘泥于单个实数区间。
切线、导数与曲率 对于平面曲线 x = x ( t ) x=x(t) x = x ( t ) 、y = y ( t ) y=y(t) y = y ( t ) ,求导可以将坐标的变化与参数的变化联系起来。当 x ′ ( t ) ≠ 0 x'(t)\ne0 x ′ ( t ) = 0 时,
d y d x = y ′ ( t ) x ′ ( t ) . \frac{dy}{dx}=\frac{y'(t)}{x'(t)}. d x d y = x ′ ( t ) y ′ ( t ) .
这是链式法则的推论,而不是对彼此独立的无穷小量作形式上的约分。它给出了曲线局部表示为函数图像时的切线斜率。若 x ′ = 0 x'=0 x ′ = 0 且 y ′ ≠ 0 y'\ne0 y ′ = 0 ,曲线仍然是正则的,但其切线为竖直线,在 x , y x,y x , y 坐标图中的斜率不是有限值。
再求一次导数可得
d 2 y d x 2 = 1 x ′ ( t ) d d t ( y ′ ( t ) x ′ ( t ) ) = x ′ y ′ ′ − y ′ x ′ ′ ( x ′ ) 3 . \frac{d^2y}{dx^2} = \frac{1}{x'(t)} \frac{d}{dt}\left(\frac{y'(t)}{x'(t)}\right) = \frac{x'y''-y'x''}{(x')^3}. d x 2 d 2 y = x ′ ( t ) 1 d t d ( x ′ ( t ) y ′ ( t ) ) = ( x ′ ) 3 x ′ y ′′ − y ′ x ′′ .
例如,抛物线 x = t , y = t 2 x=t,\ y=t^2 x = t , y = t 2 的斜率为 2 t 2t 2 t ,二阶导数为 2 2 2 。采用 x = t 3 , y = t 6 x=t^3,\ y=t^6 x = t 3 , y = t 6 会得到相同的轨迹,但上述商式在 t = 0 t=0 t = 0 处无法使用,因为所选参数化在该处的运动速度为零。在零点以外,这些公式仍可得出 d y / d x = 2 x dy/dx=2x d y / d x = 2 x 。
在正则参数值 t 0 t_0 t 0 处,切线为
ℓ ( λ ) = r ( t 0 ) + λ r ′ ( t 0 ) . \boldsymbol\ell(\lambda) =\mathbf r(t_0)+\lambda\mathbf r'(t_0). ℓ ( λ ) = r ( t 0 ) + λ r ′ ( t 0 ) .
这种向量形式适用于任意维数。它不必选定某个坐标作为因变量,在平面曲线的斜率公式失效时仍然有意义。单位切向量
T = r ′ ∥ r ′ ∥ , \mathbf T=\frac{\mathbf r'}{\|\mathbf r'\|}, T = ∥ r ′ ∥ r ′ ,
将运动方向与速率区分开来。
对于足够光滑的正则平面曲线,曲率 为
κ ( t ) = ∣ x ′ y ′ ′ − y ′ x ′ ′ ∣ ( ( x ′ ) 2 + ( y ′ ) 2 ) 3 / 2 . \kappa(t) = \frac{|x'y''-y'x''|} {\bigl((x')^2+(y')^2\bigr)^{3/2}}. κ ( t ) = ( ( x ′ ) 2 + ( y ′ ) 2 ) 3/2 ∣ x ′ y ′′ − y ′ x ′′ ∣ .
在三维空间中,相应的表达式为
κ ( t ) = ∥ r ′ × r ′ ′ ∥ ∥ r ′ ∥ 3 , \kappa(t) = \frac{\|\mathbf r'\times\mathbf r''\|} {\|\mathbf r'\|^3}, κ ( t ) = ∥ r ′ ∥ 3 ∥ r ′ × r ′′ ∥ ,
其中 × \times × 表示叉积 。从几何上说,曲率衡量的是单位切向量随弧长的变化率。半径为 a a a 的圆具有恒定曲率 1 / a 1/a 1/ a ,而直线的曲率为零。
空间曲线还有一个不变量,即挠率,用于描述曲线偏离瞬时弯曲平面的程度。当 r ′ × r ′ ′ ≠ 0 \mathbf r'\times\mathbf r''\ne0 r ′ × r ′′ = 0 时,
τ = det ( r ′ , r ′ ′ , r ′ ′ ′ ) ∥ r ′ × r ′ ′ ∥ 2 . \tau = \frac{\det(\mathbf r',\mathbf r'',\mathbf r''')} {\|\mathbf r'\times\mathbf r''\|^2}. τ = ∥ r ′ × r ′′ ∥ 2 det ( r ′ , r ′′ , r ′′′ ) .
对于螺旋线 ( a cos t , a sin t , b t ) (a\cos t,a\sin t,bt) ( a cos t , a sin t , b t ) ,曲率和挠率分别为
κ = a a 2 + b 2 , τ = b a 2 + b 2 . \kappa=\frac{a}{a^2+b^2}, \qquad \tau=\frac{b}{a^2+b^2}. κ = a 2 + b 2 a , τ = a 2 + b 2 b .
这些公式说明,坐标函数的导数可以给出曲线的形状性质,而这些性质不随正则参数化中沿曲线运动速率的任意选择而改变。
长度、面积与沿曲线的积分 参数方程将曲线上的积分转化为参数区间上的积分。对于连续可微曲线 r : [ a , b ] → R n \mathbf r:[a,b]\to\mathbb R^n r : [ a , b ] → R n ,其长度为
L = ∫ a b ∥ r ′ ( t ) ∥ d t . L=\int_a^b\|\mathbf r'(t)\|\,dt. L = ∫ a b ∥ r ′ ( t ) ∥ d t .
在平面上,这一公式变为
L = ∫ a b ( x ′ ( t ) ) 2 + ( y ′ ( t ) ) 2 d t . L=\int_a^b\sqrt{(x'(t))^2+(y'(t))^2}\,dt. L = ∫ a b ( x ′ ( t ) ) 2 + ( y ′ ( t ) ) 2 d t .
因子 ∥ r ′ ( t ) ∥ \|\mathbf r'(t)\| ∥ r ′ ( t ) ∥ 衡量参数增量与所走距离之间的伸缩比例。这一公式可以推广到更广泛的可求长曲线,但此时需要更谨慎地处理其适用条件和含义。
重复描绘的次数很重要。在 [ 0 , 4 π ] [0,4\pi] [ 0 , 4 π ] 上对单位圆进行参数化,得到的长度为 4 π 4\pi 4 π ,尽管其轨迹的周长只有 2 π 2\pi 2 π 。积分衡量的是沿参数化路径实际走过的距离。对于螺旋线 ( a cos t , a sin t , b t ) (a\cos t,a\sin t,bt) ( a cos t , a sin t , b t ) ,速率为常数:
∥ r ′ ( t ) ∥ = a 2 + b 2 . \|\mathbf r'(t)\|=\sqrt{a^2+b^2}. ∥ r ′ ( t ) ∥ = a 2 + b 2 .
因此,从 t = α t=\alpha t = α 到 t = β t=\beta t = β (其中 α < β \alpha<\beta α < β )的长度为 ( β − α ) a 2 + b 2 (\beta-\alpha)\sqrt{a^2+b^2} ( β − α ) a 2 + b 2 。
标量曲线积分 用一个函数对弧长加权:
∫ C f d s = ∫ a b f ( r ( t ) ) ∥ r ′ ( t ) ∥ d t . \int_C f\,ds = \int_a^b f(\mathbf r(t))\|\mathbf r'(t)\|\,dt. ∫ C f d s = ∫ a b f ( r ( t )) ∥ r ′ ( t ) ∥ d t .
对于线密度为 f f f 的细线,这一积分计算的是总质量。向量曲线积分则将向量场 与位移作点积:
∫ C F ⋅ d r = ∫ a b F ( r ( t ) ) ⋅ r ′ ( t ) d t . \int_C\mathbf F\cdot d\mathbf r = \int_a^b\mathbf F(\mathbf r(t))\cdot\mathbf r'(t)\,dt. ∫ C F ⋅ d r = ∫ a b F ( r ( t )) ⋅ r ′ ( t ) d t .
这种形式可用于描述机械功等物理量。反转曲线方向不会改变标量弧长积分的值,却会改变向量曲线积分的符号。
一条取正向的、分段光滑的平面简单闭曲线所围成的面积可以写为
A = 1 2 ∮ C ( x d y − y d x ) = 1 2 ∫ a b ( x ( t ) y ′ ( t ) − y ( t ) x ′ ( t ) ) d t . A=\frac12\oint_C(x\,dy-y\,dx) =\frac12\int_a^b\bigl(x(t)y'(t)-y(t)x'(t)\bigr)\,dt. A = 2 1 ∮ C ( x d y − y d x ) = 2 1 ∫ a b ( x ( t ) y ′ ( t ) − y ( t ) x ′ ( t ) ) d t .
这是格林定理 的推论。在 0 ≤ t ≤ 2 π 0\leq t\leq2\pi 0 ≤ t ≤ 2 π 上代入 x = a cos t , y = b sin t x=a\cos t,\ y=b\sin t x = a cos t , y = b sin t ,可得 A = π a b A=\pi ab A = π ab 。对于自相交或被重复描绘的曲线,同一表达式给出的是以绕数加权的有向面积,不一定是各个被围区域并集的通常面积。
这些构造区分了仅依赖几何形状的量,以及还依赖方向或重复描绘次数的量。符合条件的一一重参数化不会改变相应的几何积分,因为导数的变化与积分变量替换带来的变化会相互抵消。这种不变性是参数化描述适用于曲线上分析的一个核心原因。
曲面、坐标片与高维情形 三维空间中的参数曲面由两个独立参数描述:
X ( u , v ) = ( x ( u , v ) , y ( u , v ) , z ( u , v ) ) , ( u , v ) ∈ D ⊆ R 2 . \mathbf X(u,v)=\bigl(x(u,v),y(u,v),z(u,v)\bigr), \qquad (u,v)\in D\subseteq\mathbb R^2. X ( u , v ) = ( x ( u , v ) , y ( u , v ) , z ( u , v ) ) , ( u , v ) ∈ D ⊆ R 2 .
在偏导数 X u \mathbf X_u X u 与 X v \mathbf X_v X v 线性无关的点,曲面是正则的。等价地,
X u × X v ≠ 0. \mathbf X_u\times\mathbf X_v\ne\mathbf0. X u × X v = 0 .
这两个向量张成切平面 ,而它们的叉积则确定法线方向和面积缩放因子。
半径为 R R R 的球面有如下常见的参数表示:
X ( θ , ϕ ) = ( R sin ϕ cos θ , R sin ϕ sin θ , R cos ϕ ) . \mathbf X(\theta,\phi) = \bigl( R\sin\phi\cos\theta,\, R\sin\phi\sin\theta,\, R\cos\phi \bigr). X ( θ , ϕ ) = ( R sin ϕ cos θ , R sin ϕ sin θ , R cos ϕ ) .
其中 0 ≤ θ < 2 π 0\leq\theta<2\pi 0 ≤ θ < 2 π ,0 ≤ ϕ ≤ π 0\leq\phi\leq\pi 0 ≤ ϕ ≤ π 。在两极,θ \theta θ 的所有取值都对应同一个点,且微分的秩下降。这是该坐标系的缺陷,而不是球面本身的奇点。圆柱面提供了一个更简单的例子:
X ( u , v ) = ( R cos u , R sin u , v ) . \mathbf X(u,v)=(R\cos u,R\sin u,v). X ( u , v ) = ( R cos u , R sin u , v ) .
它的角坐标具有周期性,因此,除非将相应的边界点视为同一点,否则矩形参数域会带来一条接缝。
对于正则曲面片,其面积为
A = ∬ D ∥ X u × X v ∥ d u d v , A=\iint_D\|\mathbf X_u\times\mathbf X_v\|\,du\,dv, A = ∬ D ∥ X u × X v ∥ d u d v ,
前提是除可忽略的边界重叠外,该曲面片对所表示的曲面恰好覆盖一次。系数
E = X u ⋅ X u , F = X u ⋅ X v , G = X v ⋅ X v E=\mathbf X_u\cdot\mathbf X_u,\qquad F=\mathbf X_u\cdot\mathbf X_v,\qquad G=\mathbf X_v\cdot\mathbf X_v E = X u ⋅ X u , F = X u ⋅ X v , G = X v ⋅ X v
描述了诱导的度量张量 :
d s 2 = E d u 2 + 2 F d u d v + G d v 2 . ds^2=E\,du^2+2F\,du\,dv+G\,dv^2. d s 2 = E d u 2 + 2 F d u d v + G d v 2 .
面积因子为 E G − F 2 \sqrt{EG-F^2} E G − F 2 。因此,参数导数既刻画了曲面内在的长度和角度,也刻画了曲面在空间中的位置与形态。
更一般地,当映射 X : U ⊆ R k → R n \mathbf X:U\subseteq\mathbb R^k\to\mathbb R^n X : U ⊆ R k → R n 的雅可比矩阵 的秩为 k k k 时,它可以在局部描述一个 k k k 维几何对象。满秩是局部条件;从整体来看,不同参数值仍可能对应同一点,从而造成重叠或自交。要构成坐标片,映射还需满足适当的一一对应条件,且定义在其像上的逆映射必须连续。
流形 通过彼此相容的局部坐标来描述,而不一定能用单个全局参数化来描述。球面等紧致曲面需要多个通常意义下的坐标片,才能避免退化以及不同参数值对应同一点的情形。这一区别将便于绘图的公式与真正的全局坐标系区分开来。因此,参数方程既为曲面提供了实用的表示方式,也为任意维数的几何提供了局部构件。
多项式曲线、样条与几何计算 在几何设计中,参数形式使形状的坐标不必受任何单个坐标须单调递增的要求所限制。设计者可以用同一套数学框架表示环形曲线、悬伸结构和三维路径。分段多项式构造尤其有用,因为它既能高效求值,又能直接控制端点的位置和导数。
一条 n n n 次贝塞尔曲线 为
B ( t ) = ∑ i = 0 n ( n i ) ( 1 − t ) n − i t i P i , 0 ≤ t ≤ 1 , \mathbf B(t) = \sum_{i=0}^{n} \binom ni(1-t)^{n-i}t^i\mathbf P_i, \qquad 0\leq t\leq1, B ( t ) = i = 0 ∑ n ( i n ) ( 1 − t ) n − i t i P i , 0 ≤ t ≤ 1 ,
其中,P i \mathbf P_i P i 为控制点。各系数均非负,且总和为一,因此曲线位于其控制点的凸包 内。曲线的两个端点为 P 0 \mathbf P_0 P 0 和 P n \mathbf P_n P n ,并且
B ′ ( 0 ) = n ( P 1 − P 0 ) , B ′ ( 1 ) = n ( P n − P n − 1 ) . \mathbf B'(0)=n(\mathbf P_1-\mathbf P_0),\qquad \mathbf B'(1)=n(\mathbf P_n-\mathbf P_{n-1}). B ′ ( 0 ) = n ( P 1 − P 0 ) , B ′ ( 1 ) = n ( P n − P n − 1 ) .
这些恒等式明确给出了控制端点切向量的方法。
德卡斯特里奥算法通过反复进行线性插值来计算贝塞尔曲线上的点。它从控制点出发,在每对相邻点之间进行插值,得到一组新点;再对新点序列重复这一操作,直到只剩一个点。同样的构造还可以将一条曲线细分为两段贝塞尔曲线。由于采用了仿射组合,这一算法非常适合几何处理,也避开了用单项式基对高次多项式求值时遇到的一些困难。
B样条 将控制点与由节点序列定义的分段多项式基函数相结合。与单个高次多项式不同,B样条支持局部形状调整:移动一个控制点,只会影响其对应基函数非零的那些区间。对于通常的 p p p 次样条构造,当 m ≤ p m\leq p m ≤ p 时,重数为 m m m 的内部节点至少保证 C p − m C^{p-m} C p − m 连续性;特殊的控制点配置可以使曲线更加光滑。
有理形式的构造引入了权重:
C ( t ) = ∑ i w i N i , p ( t ) P i ∑ i w i N i , p ( t ) . \mathbf C(t) = \frac{\sum_i w_iN_{i,p}(t)\mathbf P_i} {\sum_i w_iN_{i,p}(t)}. C ( t ) = ∑ i w i N i , p ( t ) ∑ i w i N i , p ( t ) P i .
当 N i , p N_{i,p} N i , p 为B样条基函数时,这类曲线就是非均匀有理B样条 。它们可以精确表示圆锥曲线弧,而多项式参数曲线段无法精确表示非退化圆弧。有理曲线也可以很自然地借助齐次坐标 来处理。
要实现光滑拼接,必须注意参数化方式。两段曲线在连接处的切线方向可能一致,但导数的大小却不同。这意味着它们具有通常称为 G 1 G^1 G 1 的几何切向连续性,却未必在所选参数下具有 C 1 C^1 C 1 连续性。当设计出的路径随后被解释为随时间变化的运动时,这一区别就很重要:视觉上光滑的连接仍可能导致速度突变。
运动、微分方程与数值应用 当参数为时间时,参数曲线就成为运动轨迹。位置、速度和加速度分别为
r ( t ) , v ( t ) = r ′ ( t ) , a ( t ) = r ′ ′ ( t ) . \mathbf r(t),\qquad \mathbf v(t)=\mathbf r'(t),\qquad \mathbf a(t)=\mathbf r''(t). r ( t ) , v ( t ) = r ′ ( t ) , a ( t ) = r ′′ ( t ) .
对于在恒定向下加速度 g g g 作用下运动、且不受空气阻力影响的抛射体,有
x = x 0 + v 0 x t , y = y 0 + v 0 y t − 1 2 g t 2 . x=x_0+v_{0x}t,\qquad y=y_0+v_{0y}t-\frac12gt^2. x = x 0 + v 0 x t , y = y 0 + v 0 y t − 2 1 g t 2 .
若 v 0 x ≠ 0 v_{0x}\ne0 v 0 x = 0 ,消去时间后可得到一条抛物线。参数形式保留了轨迹的隐式表示所不包含的信息,包括到达某一点的时间以及在该点的速度。
常微分方程 可以在不提供坐标的闭式公式的情况下生成参数曲线。方程组
r ′ ( t ) = F ( r ( t ) , t ) \mathbf r'(t)=\mathbf F(\mathbf r(t),t) r ′ ( t ) = F ( r ( t ) , t )
规定了坐标如何演变。在自治系统中,F \mathbf F F 只依赖于状态空间中的位置,其解描绘出动力系统 的轨迹。状态空间的坐标不一定是空间坐标,也可以表示位置与动量、化学物质的浓度或其他变量。
数值计算通常通过采样点、插值或局部多项式近似来表示这类曲线。参数的等步长变化通常不会产生均匀的空间间距。对于椭圆 ( a cos t , b sin t ) (a\cos t,b\sin t) ( a cos t , b sin t ) ,速率为
a 2 sin 2 t + b 2 cos 2 t , \sqrt{a^2\sin^2t+b^2\cos^2t}, a 2 sin 2 t + b 2 cos 2 t ,
因此,除非 a = b a=b a = b ,否则按角度等间隔取得的采样点在曲线上的间距并不相等。运动控制和几何采样常通过对弧长函数进行近似求逆,使沿曲线的行进更加均匀。
绘图也会遇到相关困难。过于稀疏的采样可能遗漏小环、尖点或自交点;跨越不连续处连接采样点,则可能画出不属于曲线的线段。自适应方法根据几何偏差、导数变化或局部近似误差的估计来细分区间。在奇点附近,或在几何特征的尺度差异很大的区域,仅依赖导数估计可能并不可靠。
求交问题可以用参数形式表示为
r ( t ) = q ( u ) . \mathbf r(t)=\mathbf q(u). r ( t ) = q ( u ) .
这会得到一个关于 t t t 和 u u u 的非线性方程组,通常结合区间细分与牛顿法 求解。要使计算成功,必须区分真正的交点与彼此接近但并未相交的情形,并考虑多组参数对表示同一点的情况。相切交点尤其棘手,因为线性化后的方程组可能变得奇异或病态。因此,参数表示虽然能改善许多几何计算问题的表述方式,却不能消除数值稳定性 、完备性或退化性方面的问题。
历史发展与学科联系 参数描述源自多种传统,并非某一项公认的单独发明。古代的几何作图就已通过独立的运动或角度来确定点。公元前3世纪,阿基米德 研究过这样一种螺线:一个点沿射线匀速运动,同时射线本身也在匀速转动。用现代记号表示,阿基米德螺线满足 r = a θ r=a\theta r = a θ ,因此
x = a θ cos θ , y = a θ sin θ . x=a\theta\cos\theta,\qquad y=a\theta\sin\theta. x = a θ cos θ , y = a θ sin θ .
古代的几何研究虽未使用现代坐标方程,但其中用于生成曲线的变量,起着类似参数的作用。
17世纪的解析几何 在方程与曲线之间建立起系统的联系。勒内·笛卡尔于1637年出版的《几何学》以及皮埃尔·德·费马 的研究,对这一发展起到了关键作用。笛卡尔坐标方程并没有取代基于运动的描述。摆线等曲线仍然十分重要,因为它们的生成方式引出了切线、面积和力学问题,而这些问题很难通过将一个坐标表示为另一个坐标的函数来处理。
微积分的发展使坐标的变化率成为一种通用的分析工具。17世纪后期,艾萨克·牛顿和戈特弗里德·威廉·莱布尼茨 的工作,使切线、运动和积分得以系统地处理。1696年,约翰·伯努利提出最速降线问题,要求找出在重力作用下,物体在两个适当选定的固定点之间下滑用时最短的曲线。其解是一条摆线,说明了这类天然适合用参数方程描述的曲线在早期变分法 中的重要性。
18至19世纪,曲线与曲面的研究日益注重将几何性质与任意选取的坐标区分开来。莱昂哈德·欧拉 、卡尔·弗里德里希·高斯 以及后来的微分几何学家发展了曲率、曲面度量和内蕴几何等理论。高斯于1827年发表的《曲面的一般研究》是对曲面理论的一项重大贡献。在这一背景下,参数化曲面片成为研究几何量的工具,而这些几何量的意义并不依赖于所选的坐标。
20世纪的工业计算为参数表示开辟了新的用途。20世纪50至60年代,雪铁龙公司的保罗·德卡斯特里奥和雷诺公司的皮埃尔·贝塞尔为工业外形设计开发了多项式曲线方法。此后,样条和有理样条技术成为计算机辅助设计、制造、动画及几何数据交换中的标准组成部分。
在这些领域中,参数有着不同的含义。力学利用参数保留时间信息;微分几何寻求在更换参数后保持不变的量;代数几何研究哪些类型的坐标函数是可能的;几何设计则选择便于编辑且计算高效的表示方式。这些不同用途解释了为何同一个几何对象可以通过多组参数方程来研究:每组方程都是针对不同的数学或实际任务而选取的。