{
  "id": "polar-coordinates",
  "title": "极坐标",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "极坐标以到固定原点的距离和方向描述平面上的点，可简化圆形几何、积分及旋转对称问题。",
  "category": "mathematics",
  "subcategory": "geometry",
  "type": "concept",
  "aliases": [
    "极坐标系",
    "平面极坐标"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/polar-coordinates/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/polar-coordinates/",
      "json": "https://aiwiki.page/en/polar-coordinates.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "极坐标是一种平面坐标系，用点到某个固定点的距离，以及相对于某条固定参考射线的方向来确定该点的位置。这个固定点称为极点，参考射线称为极轴，坐标通常记作 \\((r,\\theta)\\)。径向坐标 \\(r\\) 表示距离，角坐标 \\(\\theta\\) 表示方向。笛卡尔坐标系用相互垂直的直线方向上的位移来描述位置，而极坐标则将位置分解为径向分量和角向分量。\n\n当问题涉及圆、旋转、螺线或指向某个固定中心的力时，这种描述方式尤其有效。以极点为圆心的圆，其方程可简单地写成 \\(r=a\\)；绕极点旋转则只改变角坐标。因此，极坐标广泛应用于解析几何、微积分、复分析和物理学。不过，使用极坐标时也必须注意几个重要特点：角度具有周期性，极点没有唯一确定的方向，而一个微小坐标矩形所对应的面积取决于它到极点的距离。"
    },
    {
      "heading": "坐标约定与几何基础",
      "text": "要在选定了定向的欧几里得平面上建立极坐标，需要选取一个极点 \\(O\\)、一条以 \\(O\\) 为起点的极轴，以及一个旋转正方向。数学中通常将水平向右的半轴作为极轴，并规定逆时针方向为角度的正方向。在 \\(r\\geq 0\\) 的约定下，点 \\(P\\neq O\\) 用距离 \\(r=OP\\) 和从极轴转到射线 \\(OP\\) 的角 \\(\\theta\\) 表示。坐标曲线是同心圆 \\(r=\\text{constant}\\) 和射线 \\(\\theta=\\text{constant}\\)。除极点外，这两族曲线处处正交。\n\n角度可以用度表示，但分析中的公式通常使用弧度。旋转一周为 \\(2\\pi\\) 弧度。采用弧度制时，弧长与角度的比例关系直接写为 \\(s=r\\theta\\)，无需额外的换算因子。这是标准微分和积分公式成立的关键：例如，当变量以弧度计量时，\\(\\sin\\theta\\) 的导数为 \\(\\cos\\theta\\)。\n\n极坐标表示并不唯一。对于任意整数 \\(k\\)，都有\n\n\\[(r,\\theta)\\sim(r,\\theta+2\\pi k).\\]\n\n如果允许径向坐标为负，还存在以下等价关系：\n\n\\[(r,\\theta)\\sim(-r,\\theta+\\pi).\\]\n\n负半径意味着沿角度所指方向的反方向移动。因此，\\((-2,\\pi/6)\\) 和 \\((2,7\\pi/6)\\) 表示同一个点。当 \\(r=0\\) 时，任意角度值都表示极点。这些是坐标表示本身的性质，并不意味着对应的几何点存在歧义。\n\n对于需要在极点以外采用唯一表示的计算，常见的约定是取 \\(r>0\\) 且 \\(0\\leq\\theta<2\\pi\\)，也可以改取 \\(-\\pi<\\theta\\leq\\pi\\)。这样的角度区间在首尾衔接处必然存在不连续性：从两侧趋近水平正半轴的点，其角度可能分别趋近 \\(0\\) 和 \\(2\\pi\\)，尽管这些点的位置正在彼此接近。在去掉原点的整个平面上，不可能选取一个处处连续的单值实数角度函数。\n\n早在现代坐标术语出现之前，天文学和几何学中就已发展出利用距离与方向描述位置的方法。公元前三世纪，阿基米德研究了如今以他命名的螺线，描述了一种将匀速旋转与沿旋转直线的匀速运动相结合的构造方法。现代极坐标将这类构造转化为方程，也为那些需要严格区分点、点的坐标表示以及到达该点所经路径的运算提供了基础。"
    },
    {
      "heading": "与笛卡尔坐标的转换及变换",
      "text": "当笛卡尔坐标系的原点与极点重合，且 \\(x\\) 轴正半轴为极轴时，由初等三角学可得\n\n\\[x=r\\cos\\theta,\\qquad y=r\\sin\\theta.\\]\n\n这些方程定义了从极坐标参数到平面的坐标映射。当半径取非负值时，反求半径的公式为\n\n\\[r=\\sqrt{x^2+y^2}.\\]\n\n求角度时则需要更加谨慎。方程 \\(\\tan\\theta=y/x\\) 无法确定角度所在的象限，而且在 \\(x=0\\) 时无定义。因此，计算系统通常使用双参数函数 \\(\\operatorname{atan2}(y,x)\\)，根据两个坐标的符号，在指定区间内选取角度。在 \\((0,0)\\) 处，无论软件采用何种数值约定，几何意义上的角度始终没有定义。\n\n例如，笛卡尔坐标为 \\((-1,\\sqrt{3})\\) 的点满足 \\(r=2\\)，其角度可取 \\(\\theta=2\\pi/3\\)。如果仅使用 \\(\\arctan(y/x)\\)，按照通常的主值约定会得到 \\(-\\pi/3\\)，从而错误地选中方向相反的射线。这一区别在导航、图形处理以及任何根据向量分量求取方向的计算中都十分重要。\n\n由余弦定理可得，坐标分别为 \\((r_1,\\theta_1)\\) 和 \\((r_2,\\theta_2)\\) 的两点之间的距离满足：\n\n\\[d^2=r_1^2+r_2^2-2r_1r_2\\cos(\\theta_1-\\theta_2).\\]\n\n与笛卡尔坐标不同，不能简单地将半径之差与角度之差分别平方后相加。同样的角度差，在半径更大时对应的实际距离也更大。在局部，这一事实给出了线元 \\(ds^2=dr^2+r^2d\\theta^2\\)。\n\n旋转和缩放在极坐标下的表达尤为简单。逆时针旋转 \\(\\alpha\\) 会将 \\((r,\\theta)\\) 变为 \\((r,\\theta+\\alpha)\\)，而按正比例因子 \\(c\\) 缩放则会将其变为 \\((cr,\\theta)\\)。关于极轴的反射会将 \\((r,\\theta)\\) 变为 \\((r,-\\theta)\\)。这些公式说明了为什么极坐标适合处理以旋转对称性或尺度对称性为主要特征的问题。相比之下，平移通常会使半径与角度以不太便于处理的方式相互耦合。\n\n转换方程时，需要留意特殊点和符号限制。笛卡尔坐标方程 \\(x^2+y^2=ax\\) 转换后为 \\(r^2=ar\\cos\\theta\\)。两边除以 \\(r\\) 得到 \\(r=a\\cos\\theta\\)，但这一步仅在 \\(r\\neq0\\) 时成立；极点必须单独检验。在这个例子中，极点属于两条曲线，但在其他情况下，除法、平方或乘以分母的操作可能会丢失原本满足方程的点，或引入不满足原方程的点。因此，坐标转换是一个同时涉及方程及其允许定义域的等价性问题。"
    },
    {
      "heading": "曲线、对称性与极坐标方程",
      "text": "极坐标方程规定了半径与角度之间的关系。它不一定是单值方程 \\(r=f(\\theta)\\)，尽管这种形式很常见。以极点为圆心的圆可表示为 \\(r=a\\)，而过极点的直线则具有模 \\(\\pi\\) 意义下的固定方向。一条到极点的垂直距离为 \\(d>0\\)、法线方向为 \\(\\alpha\\) 的直线，可以写成\n\n\\[r\\cos(\\theta-\\alpha)=d.\\]\n\n若约定半径非负，则只有使分母为正的角度才能给出这条直线上的点。因此，即使是简单的极坐标方程，也必须结合所采用的角度和半径约定来理解。\n\n当极点取在焦点上时，极坐标特别适合描述圆锥曲线。适当选取方向后，椭圆、抛物线或双曲线都具有如下方程：\n\n\\[r=\\frac{p}{1+e\\cos\\theta},\\]\n\n其中，\\(p>0\\) 是半通径，\\(e\\) 是离心率。当 \\(0\\leq e<1\\) 时，这个方程描述椭圆，其中 \\(e=0\\) 时为圆。\\(e=1\\) 时得到抛物线；\\(e>1\\) 时，在 \\(r\\) 为正的角度区间内得到双曲线的一支。这个公式可由圆锥曲线的焦点—准线定义推导出来，也会在平方反比力作用下的轨道动力学中再次出现。\n\n阿基米德螺线的方程可写为\n\n\\[r=a+b\\theta.\\]\n\n相邻两圈的半径相差 \\(2\\pi b\\)，因此各圈之间的径向间距恒定。相比之下，对数螺线的方程为\n\n\\[r=ae^{b\\theta},\\qquad a>0.\\]\n\n角度每增加一个固定量，半径就乘以一个固定因子。因此，将曲线旋转后再作适当缩放，就能与原曲线重合。它与各条径向直线的交角也恒定不变，这一几何性质使它有别于阿基米德螺线。\n\n其他常见的曲线族包括心形线、蚶线和玫瑰线。当 \\(a>0\\) 时，方程 \\(r=a(1+\\cos\\theta)\\) 描述一条在极点处有尖点的心形线。对于正整数 \\(n\\)，若允许半径取负值，则玫瑰线 \\(r=a\\cos(n\\theta)\\) 在 \\(n\\) 为奇数时有 \\(n\\) 个花瓣，在 \\(n\\) 为偶数时有 \\(2n\\) 个花瓣。这种差异源于负半径会将相差 \\(\\pi\\) 的方向联系起来，使它们能够表示同一点。\n\n对称性检验提供了一些有用的充分条件：方程在变换 \\(\\theta\\mapsto-\\theta\\) 下保持不变，意味着曲线关于极轴反射对称；在变换 \\(\\theta\\mapsto\\theta+\\pi\\) 下保持不变，则意味着曲线关于极点中心对称。这些检验表面上不成立，并不总能否定曲线的几何对称性，因为不同的参数值可能表示同一个点。同样，求两条曲线的交点时，也不能总是仅将同一角度下的两个半径函数相等。极点以及利用有符号半径表示同一点的其他方式，都需要另行考察。"
    },
    {
      "heading": "切线、弧长与曲率",
      "text": "可微的极坐标曲线 \\(r=f(\\theta)\\) 可以表示为直角坐标系中的参数曲线：\n\n\\[x(\\theta)=f(\\theta)\\cos\\theta,\\qquad y(\\theta)=f(\\theta)\\sin\\theta.\\]\n\n记 \\(r'=dr/d\\theta\\)，求导可得\n\n\\[x'=r'\\cos\\theta-r\\sin\\theta,\\qquad y'=r'\\sin\\theta+r\\cos\\theta.\\]\n\n因此，在 \\(x'\\neq0\\) 处，切线斜率为\n\n\\[\\frac{dy}{dx} = \\frac{r'\\sin\\theta+r\\cos\\theta} {r'\\cos\\theta-r\\sin\\theta}.\\]\n\n水平切线要求 \\(y'=0\\) 且 \\(x'\\neq0\\)；竖直切线要求 \\(x'=0\\) 且 \\(y'\\neq0\\)。如果两个导数都为零，就不能用这个比值确定切线，而必须考察更高阶的局部性质。\n\n相对于角参数的速率为\n\n\\[\\sqrt{(x')^2+(y')^2}=\\sqrt{r^2+(r')^2}.\\]\n\n因此，参数化曲线在 \\([\\alpha,\\beta]\\) 上的弧长为\n\n\\[L=\\int_\\alpha^\\beta \\sqrt{r^2+\\left(\\frac{dr}{d\\theta}\\right)^2}\\,d\\theta.\\]\n\n这是一种曲线积分计算：它度量的是沿曲线的距离，而不是曲线围成的面积。对于圆 \\(r=a>0\\)，上式化为 \\(L=a(\\beta-\\alpha)\\)。对于螺线 \\(r=b\\theta\\)，其中 \\(b>0\\)，参数从 \\(0\\) 到 \\(T\\) 的弧长为\n\n\\[L=\\frac b2 \\left[ T\\sqrt{1+T^2} +\\log\\!\\left(T+\\sqrt{1+T^2}\\right) \\right].\\]\n\n在正则点处，无符号曲率为\n\n\\[\\kappa= \\frac{\\left|r^2+2(r')^2-r r''\\right|} {\\left(r^2+(r')^2\\right)^{3/2}}.\\]\n\n对于 \\(r=a\\)，由此得到预期的常数值 \\(1/a\\)。对于对数螺线 \\(r=ae^{b\\theta}\\)，则有\n\n\\[\\kappa=\\frac{1}{r\\sqrt{1+b^2}}.\\]\n\n因此，它的曲率与到极点的距离成反比，随距离增大而减小。该公式适用于分母非零的情形；奇异参数值需要另行处理。\n\n曲线在极点处的表现尤其值得考察。如果 \\(r(\\theta_0)=0\\)，但 \\(r'(\\theta_0)\\neq0\\)，则切向量为\n\n\\[r'(\\theta_0)(\\cos\\theta_0,\\sin\\theta_0),\\]\n\n所以切线的方向角为 \\(\\theta_0\\)。如果 \\(r\\) 和 \\(r'\\) 均为零，该点则可能是尖点或其他奇点。此外，多个角度值可能对应同一个点，从而在该点产生不同的分支或切线。因此，即使极径是角度的完全光滑函数，极坐标曲线仍可能自交。"
    },
    {
      "heading": "面积、雅可比矩阵与多重积分",
      "text": "半径为 \\(r\\)、圆心角为微小角度 \\(d\\theta\\) 的扇形，其面积为 \\(\\tfrac12r^2d\\theta\\)。由此可得常见的极坐标面积公式：\n\n\\[A=\\frac12\\int_\\alpha^\\beta f(\\theta)^2\\,d\\theta\\]\n\n该公式适用于由极点与曲线 \\(r=f(\\theta)\\) 围成的区域，前提是所选区间描绘该区域时没有重复覆盖。若外边界为 \\(r=g(\\theta)\\)，内边界为 \\(r=f(\\theta)\\)，且 \\(0\\leq f\\leq g\\)，则相应的公式为\n\n\\[A=\\frac12\\int_\\alpha^\\beta \\left[g(\\theta)^2-f(\\theta)^2\\right]\\,d\\theta.\\]\n\n更一般的理论基础是二重积分的换元定理。极坐标映射的雅可比矩阵为\n\n\\[\\frac{\\partial(x,y)}{\\partial(r,\\theta)} = \\begin{pmatrix} \\cos\\theta&-r\\sin\\theta\\\\ \\sin\\theta&r\\cos\\theta \\end{pmatrix},\\]\n\n其行列式为 \\(r\\)。按照 \\(r\\geq0\\) 的标准约定，\n\n\\[dx\\,dy=r\\,dr\\,d\\theta.\\]\n\n从几何上看，一个微小坐标网格单元的径向宽度约为 \\(dr\\)，横向宽度约为 \\(r\\,d\\theta\\)，因此其面积近似等于两者的乘积。因子 \\(r\\) 不可省略：坐标间隔相同时，离极点越远，所覆盖的实际面积就越大。\n\n对于半径为 \\(R\\) 的圆盘，由此可得\n\n\\[\\iint_{x^2+y^2\\leq R^2}F(x,y)\\,dx\\,dy = \\int_0^{2\\pi}\\int_0^R F(r\\cos\\theta,r\\sin\\theta)\\,r\\,dr\\,d\\theta.\\]\n\n取 \\(F=1\\)，得到 \\(\\pi R^2\\)。取 \\(F=x^2+y^2\\)，得到 \\(\\pi R^4/2\\)，这一数值与面积矩有关。如果一个区域沿每条射线的边界都能由一个径向函数给出，积分就特别方便；对于更复杂的区域，则可能需要划分多个角度区间，或在同一条射线上划分多个径向子区间。\n\n极坐标积分还给出了高斯积分的经典求值方法。若\n\n\\[I=\\int_{-\\infty}^{\\infty}e^{-x^2}\\,dx,\\]\n\n则利用非负函数的二重积分，可得\n\n\\[I^2 = \\int_0^{2\\pi}\\int_0^\\infty e^{-r^2}r\\,dr\\,d\\theta =\\pi.\\]\n\n由于 \\(I>0\\)，因此 \\(I=\\sqrt{\\pi}\\)。这一计算方法之所以奏效，是因为被积函数仅取决于到原点的距离。\n\n要区分几何面积与形式上的参数积分，有两点需要注意。第一，重复遍历可能导致同一区域被多次计入。第二，坐标映射在 \\(r=0\\) 处退化。对于通常的面积积分，极点和角度接缝在平面上的面积均为零，不影响结果。不过，对于有奇点的被积函数，仍需检验其可积性。在极点附近，\\(r^{-p}\\) 的面积积分有限，当且仅当 \\(p<2\\)，因为相应的径向积分为 \\(\\int_0^\\varepsilon r^{1-p}\\,dr\\)。"
    },
    {
      "heading": "复数、辐角分支与拓扑学",
      "text": "复数 \\(z=x+iy\\) 的极形式为\n\n\\[z=r(\\cos\\theta+i\\sin\\theta)=re^{i\\theta},\\]\n\n其中 \\(r=|z|\\)，\\(\\theta\\) 是 \\(z\\) 的一个辐角。欧拉公式揭示了指数函数与角度旋转之间的关系。非零复数的全部辐角为 \\(\\theta+2\\pi k\\)，其中 \\(k\\in\\mathbb Z\\)；辐角主值则根据约定的区间从中选取一个代表值。\n\n极形式使乘法的含义尤为直观。若 \\(z_1=r_1e^{i\\theta_1}\\)，\\(z_2=r_2e^{i\\theta_2}\\)，则\n\n\\[z_1z_2=r_1r_2e^{i(\\theta_1+\\theta_2)}.\\]\n\n因此，乘法相当于将伸缩与旋转结合起来。除法则将模相除、辐角相减。整数次幂满足\n\n\\[(re^{i\\theta})^n=r^ne^{in\\theta},\\]\n\n而非零复数的 \\(n\\) 次方根为\n\n\\[r^{1/n} e^{i(\\theta+2\\pi k)/n}, \\qquad k=0,\\ldots,n-1.\\]\n\n这些根在一个圆周上等距分布，从而赋予代数运算直接的几何解释。\n\n角度的周期性在拓扑学中有更深层的意义。在去掉原点的平面上，无法定义一个全局连续、单值的实数角度。沿圆周绕行一周时，连续追踪的角度必然增加 \\(2\\pi\\)，尽管终点与起点重合。如果要求角度回到某个固定的主值区间，就不可避免地会在某处出现不连续。\n\n不过，从平面中去掉一条以原点为端点的射线后，就可以选取一个连续的辐角分支。由此可以构造复对数的一个分支：\n\n\\[\\log z=\\ln|z|+i\\arg z.\\]\n\n在适当的割平面上，这是一个单值解析函数。它无法延拓为整个去心平面上的单值解析对数函数。这一障碍源于绕过缺失原点的闭合回路，而非对数公式本身有什么不足。\n\n对于一条不经过原点的分段光滑闭曲线，\n\n\\[\\frac{1}{2\\pi} \\oint \\frac{-y\\,dx+x\\,dy}{x^2+y^2}\\]\n\n是一个整数，表示该曲线绕原点的净圈数。局部而言，被积式中的分式就是角度微分 \\(d\\theta\\)，尽管在整个去心平面上并不存在全局定义的单值角度。局部有效的坐标与全局结构之间的这种区别，是微分几何的一个基本主题。极坐标提供了一个具体例子：平面本身在原点处是光滑的，但角坐标及其对应的基底在那里却无法唯一定义。"
    },
    {
      "heading": "向量微积分与微分方程",
      "text": "极坐标中自然选取的单位向量为\n\n\\[\\mathbf e_r=(\\cos\\theta,\\sin\\theta),\\qquad \\mathbf e_\\theta=(-\\sin\\theta,\\cos\\theta).\\]\n\n它们在每个满足 \\(r>0\\) 的点处构成一组标准正交基，但与笛卡尔坐标的基向量不同，它们随位置而变化。它们对角度的导数为\n\n\\[\\frac{\\partial\\mathbf e_r}{\\partial\\theta} =\\mathbf e_\\theta,\\qquad \\frac{\\partial\\mathbf e_\\theta}{\\partial\\theta} =-\\mathbf e_r.\\]\n\n坐标切向量为 \\(\\partial\\mathbf x/\\partial r=\\mathbf e_r\\) 和 \\(\\partial\\mathbf x/\\partial\\theta=r\\mathbf e_\\theta\\)。因此，沿角向单位向量的分量，并不等同于角坐标切向量前的系数。\n\n对于标量场 \\(f(r,\\theta)\\)，其梯度为\n\n\\[\\nabla f = \\mathbf e_r\\frac{\\partial f}{\\partial r} + \\mathbf e_\\theta\\frac1r\\frac{\\partial f}{\\partial\\theta}.\\]\n\n因子 \\(1/r\\) 将单位角度的变化率换算为单位实际距离的变化率。如果向量场以单位向量分量表示为 \\(\\mathbf A=A_r\\mathbf e_r+A_\\theta\\mathbf e_\\theta\\)，则其散度为\n\n\\[\\nabla\\cdot\\mathbf A = \\frac1r\\frac{\\partial(rA_r)}{\\partial r} + \\frac1r\\frac{\\partial A_\\theta}{\\partial\\theta}.\\]\n\n其旋度垂直于平面的分量为\n\n\\[(\\nabla\\times\\mathbf A)_z = \\frac1r \\left[ \\frac{\\partial(rA_\\theta)}{\\partial r} -\\frac{\\partial A_r}{\\partial\\theta} \\right].\\]\n\n对梯度取散度，即得到拉普拉斯算子：\n\n\\[\\nabla^2f = \\frac{\\partial^2f}{\\partial r^2} +\\frac1r\\frac{\\partial f}{\\partial r} +\\frac1{r^2}\\frac{\\partial^2f}{\\partial\\theta^2}.\\]\n\n对于径向场 \\(f=f(r)\\)，角向项为零。因此，拉普拉斯方程在圆环域上的径向解满足 \\((rf')'=0\\)，从而得到 \\(f=A\\ln r+B\\)。非零的对数项在原点处具有奇性，因此圆环域上的解未必能光滑地延拓到整个圆盘。\n\n极坐标还使许多偏微分方程能够采用分离变量法求解。在完整的圆盘内，角向的单值性通常要求采用整数频率的模态 \\(\\cos(n\\theta)\\) 和 \\(\\sin(n\\theta)\\)。对于亥姆霍兹方程 \\(\\nabla^2u+k^2u=0\\)，相应的径向方程为\n\n\\[r^2R''+rR'+(k^2r^2-n^2)R=0,\\]\n\n其解为贝塞尔函数。这些函数描述了圆膜振动等问题中的径向模态形状。\n\n因子 \\(1/r\\) 和 \\(1/r^2\\) 表明坐标存在奇点，但并不一定意味着物理场存在奇性。原点处的光滑性要求各角向模态满足相容条件。例如，\\(r\\cos\\theta=x\\) 在原点处是光滑的，而 \\(\\cos\\theta=x/\\sqrt{x^2+y^2}\\) 在原点处没有唯一的极限值。"
    },
    {
      "heading": "运动、中心力与轨道几何",
      "text": "对于运动的粒子，极坐标成为时间的函数 \\(r(t)\\) 和 \\(\\theta(t)\\)。由于基向量随粒子的方位而旋转，对位置求导时，不能只对标量分量求导。用上方的点表示对时间的导数，速度为\n\n\\[\\mathbf v=\\dot r\\,\\mathbf e_r+r\\dot\\theta\\,\\mathbf e_\\theta,\\]\n\n加速度为\n\n\\[\\mathbf a= (\\ddot r-r\\dot\\theta^2)\\mathbf e_r + (r\\ddot\\theta+2\\dot r\\dot\\theta)\\mathbf e_\\theta.\\]\n\n径向项 \\(-r\\dot\\theta^2\\) 给出圆周运动中的向心加速度。角向项 \\(2\\dot r\\dot\\theta\\) 则源于径向距离的变化和基向量的旋转。\n\n对于质量为 \\(m\\) 的粒子，动能为\n\n\\[T=\\frac m2\\left(\\dot r^2+r^2\\dot\\theta^2\\right).\\]\n\n如果势能仅取决于径向距离，即 \\(V=V(r)\\)，那么拉格朗日量 \\(L=T-V\\) 就不显含 \\(\\theta\\)。由欧拉—拉格朗日方程可知，下式所表示的量守恒：\n\n\\[\\ell=\\frac{\\partial L}{\\partial\\dot\\theta} =mr^2\\dot\\theta.\\]\n\n这是角动量在垂直于运动平面的方向上的分量。它的守恒体现了旋转对称性，也等价于粒子的径向矢量在相等时间内扫过相等面积，因为\n\n\\[\\frac{dA}{dt} =\\frac12r^2\\dot\\theta =\\frac{\\ell}{2m}.\\]\n\n消去 \\(\\dot\\theta\\)，可将径向运动的能量方程化为\n\n\\[E=\\frac m2\\dot r^2+V_{\\mathrm{eff}}(r), \\qquad V_{\\mathrm{eff}}(r)=V(r)+\\frac{\\ell^2}{2mr^2}.\\]\n\n第二项是角动量对有效势的贡献。借助有效势，可以将转向点和圆轨道的分析化为一维径向问题。圆轨道对应于 \\(V_{\\mathrm{eff}}\\) 的驻点；其稳定性取决于有效势在该点附近的局部性质。\n\n对于指向力心、大小与距离平方成反比的加速度，\n\n\\[\\mathbf a=-\\frac{\\mu}{r^2}\\mathbf e_r,\\]\n\n定义 \\(h=r^2\\dot\\theta\\)，并令 \\(u=1/r\\)。当 \\(h\\) 非零时，轨道方程变为\n\n\\[\\frac{d^2u}{d\\theta^2}+u=\\frac{\\mu}{h^2}.\\]\n\n求解可得\n\n\\[r= \\frac{h^2/\\mu} {1+e\\cos(\\theta-\\theta_0)}.\\]\n\n因此，轨迹是一条以力心为焦点的圆锥曲线。偏心率决定轨迹是椭圆、抛物线还是双曲线，而 \\(\\theta_0\\) 则确定其朝向。因此，圆锥曲线的极坐标方程既是几何描述，也是动力学定律的推论。\n\n这些公式假定运动是相对于惯性参考系描述的，尽管坐标基向量随位置而变化。如果参考系本身随时间旋转，就会引入额外的惯性力项。区分随位置变化的基向量与实际旋转的参考系，可以避免混淆这两种不同来源的旋转项。"
    },
    {
      "heading": "概率分布与圆周数据",
      "text": "将平面上的概率密度函数变换到极坐标时，所用的雅可比因子与面积积分中相同。若 \\((X,Y)\\) 的密度为 \\(f_{X,Y}(x,y)\\)，则在固定的角度区间内定义\n\n\\[R=\\sqrt{X^2+Y^2},\\qquad \\Theta=\\operatorname{atan2}(Y,X)\\]\n\n当 \\(r>0\\) 时，\n\n\\[f_{R,\\Theta}(r,\\theta) = f_{X,Y}(r\\cos\\theta,r\\sin\\theta)\\,r.\\]\n\n额外的因子 \\(r\\) 反映了半径越大、相应面积也越大的事实。若分布在原点处含有点概率质量，则需要单独处理，因为从几何上说，原点处的角度没有定义。\n\n若平面上的密度仅取决于半径，即 \\(f_{X,Y}(x,y)=g(\\sqrt{x^2+y^2})\\)，则\n\n\\[f_{R,\\Theta}(r,\\theta)=r\\,g(r).\\]\n\n对角度积分一整周，得到 \\(f_R(r)=2\\pi r g(r)\\)，联合密度可分解为 \\(f_R(r)/(2\\pi)\\)。因此，角度服从均匀分布，且与半径具有统计独立性。旋转对称性使方向均匀分布，但通常并不使半径也均匀分布。\n\n例如，从半径为 \\(a\\) 的圆盘内按面积均匀选取一点，其半径的密度为\n\n\\[f_R(r)=\\frac{2r}{a^2}, \\qquad 0\\leq r\\leq a.\\]\n\n外侧半径区间所对应的面积，大于宽度相同的内侧区间。因此，一种标准的采样构造为\n\n\\[R=a\\sqrt U,\\qquad \\Theta=2\\pi V,\\]\n\n其中，\\(U\\) 和 \\(V\\) 是 \\([0,1]\\) 上相互独立的均匀随机变量。若改用 \\(R=aU\\)，与按面积均匀采样相比，中心附近的点就会被过度采样。这一区别在模拟和蒙特卡洛方法中十分重要。\n\n另一个重要例子是相互独立、均值为零的正态分布随机变量 \\(X\\) 和 \\(Y\\)，两者的方差均为 \\(\\sigma^2\\)。它们的联合密度经变换后为\n\n\\[f_{R,\\Theta}(r,\\theta) = \\frac{r}{2\\pi\\sigma^2} e^{-r^2/(2\\sigma^2)}.\\]\n\n角度服从均匀分布，而半径服从瑞利分布，\n\n\\[f_R(r)=\\frac r{\\sigma^2} e^{-r^2/(2\\sigma^2)},\\qquad r\\geq0.\\]\n\n等价地，\\(R^2/\\sigma^2\\) 服从自由度为 2 的卡方分布。\n\n角度测量也需要采用考虑周期性的统计方法。\\(1^\\circ\\) 和 \\(359^\\circ\\) 的算术平均值为 \\(180^\\circ\\)，尽管这两个观测值都接近 \\(0^\\circ\\)。方向均值则使用\n\n\\[C=\\frac1n\\sum_{j=1}^n\\cos\\theta_j,\\qquad S=\\frac1n\\sum_{j=1}^n\\sin\\theta_j,\\]\n\n并在 \\((C,S)\\neq(0,0)\\) 时取 \\(\\operatorname{atan2}(S,C)\\)。若合成向量为零，则这一平均方向没有定义。选择何种表示方式，还取决于观测对象是有向角还是无向轴；对于无向轴，相差 \\(\\pi\\) 的方向是等价的。"
    },
    {
      "heading": "高维推广与计算实践",
      "text": "在三维空间中，柱坐标通过保留高度坐标，将平面极坐标推广为：\n\n\\[x=r\\cos\\theta,\\qquad y=r\\sin\\theta,\\qquad z=z.\\]\n\n其体积元为\n\n\\[dV=r\\,dr\\,d\\theta\\,dz.\\]\n\n柱坐标适用于管道、圆柱以及绕某一轴对称的场。角坐标在整条轴 \\(r=0\\) 上都没有定义，而不再仅仅是在一个点上没有定义。这说明，增加一个独立坐标后，低维空间中的坐标退化会如何延伸。\n\n球坐标则使用到原点的距离和两个角来描述位置。若约定 \\(\\rho\\) 为距离，\\(\\vartheta\\) 为与正 \\(z\\) 轴的夹角，\\(\\varphi\\) 为方位角，则有\n\n\\[x=\\rho\\sin\\vartheta\\cos\\varphi,\\qquad y=\\rho\\sin\\vartheta\\sin\\varphi,\\qquad z=\\rho\\cos\\vartheta,\\]\n\n相应的体积元为\n\n\\[dV=\\rho^2\\sin\\vartheta\\,d\\rho\\,d\\vartheta\\,d\\varphi.\\]\n\n这两个角的名称和符号因学科而异，因此给出公式时必须说明所采用的约定。在 \\(n\\) 维欧几里得空间中，对应的径向积分因子为 \\(r^{n-1}\\)，反映了球壳随半径增大而增长的规律。\n\n在平面极坐标中，度量张量为\n\n\\[g= \\begin{pmatrix} 1&0\\\\ 0&r^2 \\end{pmatrix}, \\qquad ds^2=dr^2+r^2d\\theta^2.\\]\n\n它刻画了距离，并给出了面积因子 \\(\\sqrt{\\det g}=r\\)。这也解释了数值计算中的一个实际问题：固定的角度网格间距 \\(\\Delta\\theta\\) 对应的实际空间间距约为 \\(r\\Delta\\theta\\)。网格单元在原点附近较窄，在半径较大处较宽。针对圆形区域的计算方法必须考虑这种实际空间间距的不均匀性，并对中心点作特殊处理。\n\n极坐标绘图和采样图像还会带来其他复杂问题。当曲线经过极点时，如果角度采样过于稀疏，绘图程序可能错误地连接不同分支，或遗漏一个小环。对于径向函数值可正可负的情况，自动将负半径替换为零会改变曲线；将 \\((r,\\theta)\\) 替换为 \\((-r,\\theta+\\pi)\\) 则不会改变其对应的点。在图像重采样中，角度接缝需要按周期性边界处理，而中心附近的插值必须考虑到，许多不同角度的采样点实际上对应彼此接近甚至完全相同的位置。\n\n可靠的数值转换通常采用经过缩放的斜边长度算法计算 \\(\\sqrt{x^2+y^2}\\)，以避免不必要的上溢或下溢，并使用 \\(\\operatorname{atan2}\\) 计算方向。角度差通常要对 \\(2\\pi\\) 取模，归入选定的区间，而不是直接相减后不作调整。沿采样路径连续跟踪角度时，可能需要加上 \\(2\\pi\\) 的整数倍，这一过程称为角度解缠。然而，在 \\(r=0\\) 附近，笛卡尔坐标的微小扰动就可能引起角度的大幅变化。这种敏感性是极坐标几何所固有的，无法仅靠提高运算精度来消除。"
    }
  ],
  "links": [
    "cartesian-coordinate-system",
    "analytic-geometry",
    "calculus",
    "complex-analysis",
    "physics",
    "euclidean-space",
    "circle",
    "radian",
    "integer",
    "archimedes",
    "trigonometry",
    "conic-section",
    "archimedean-spiral",
    "line-integral",
    "integral",
    "jacobian-matrix",
    "determinant",
    "complex-number",
    "exponential-function",
    "topology",
    "logarithm",
    "analytic-function",
    "differential-geometry",
    "orthonormal-basis",
    "gradient",
    "vector-field",
    "laplace-operator",
    "laplace-equation",
    "partial-differential-equation",
    "mass",
    "euler-lagrange-equations",
    "angular-momentum",
    "probability-density-function",
    "statistical-independence",
    "monte-carlo-method",
    "normal-distribution",
    "chi-squared-distribution",
    "metric-tensor"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}