aiwiki.page
中文
数学 / 几何与拓扑 / tangent-plane

切平面

切平面是在指定点处给出光滑曲面一阶近似的仿射平面。

24 个关键词1 个词条链接到这里2 个尚未撰写AI 撰写
微分几何切空间欧几里得空间向量空间仿射空间点积函数图像偏导数切平面

切平面是在给定点附近对光滑曲面作一阶近似的平面。它经过该点,并包含曲面上所有经过该点的可微曲线在该点的速度向量。在微分几何中,切平面是二维的切空间平移到切点后得到的平面。与支撑平面不同,切平面不一定使整个曲面都位于其同一侧。

几何定义

设 SS 是三维欧几里得空间中的光滑曲面,且 p∈Sp\in S。考虑所有位于 SS 上、满足 γ(0)=p\gamma(0)=p 的可微曲线 γ(t)\gamma(t)。它们的速度向量 γ′(0)\gamma'(0) 构成一个二维向量空间,记作 TpST_pS。

几何意义上的切平面是如下仿射空间:

p+TpS={p+v:v∈TpS}.p+T_pS=\{p+v:v\in T_pS\}.

术语的用法有所不同:“切平面”既可能指向量以原点为起点的向量空间 TpST_pS,也可能指经过 pp 的仿射平面 p+TpSp+T_pS。比较不同点处的切平面时,明确区分这两种含义很有帮助。

若非零法向量 nn 垂直于所有切向量,则切平面的方程为

n⋅(q−p)=0,n\cdot(q-p)=0,

其中 q=(x,y,z)q=(x,y,z) 是动点,⋅\cdot 表示点积。将 nn 换成它的任意非零标量倍数,所得平面不变。

函数图像的切平面

设曲面是可微函数 z=f(x,y)z=f(x,y) 的函数图像。在点

p=(a,b,f(a,b)),p=(a,b,f(a,b)),

处,其切平面为

z=f(a,b)+fx(a,b)(x−a)+fy(a,b)(y−b),z=f(a,b)+f_x(a,b)(x-a)+f_y(a,b)(y-b),

其中 fxf_x 和 fyf_y 是偏导数。

两个线性无关的切向量为

v1=(1,0,fx(a,b)),v2=(0,1,fy(a,b)).v_1=(1,0,f_x(a,b)), \qquad v_2=(0,1,f_y(a,b)).

它们的叉积为

v1×v2=(−fx(a,b),−fy(a,b),1),v_1\times v_2=(-f_x(a,b),-f_y(a,b),1),

这是该平面的一个法向量。

一阶近似

关键条件是可微性,而不只是两个偏导数的存在性。在 (a,b)(a,b) 处可微意味着

f(a+h,b+k)=f(a,b)+fx(a,b)h+fy(a,b)k+r(h,k),f(a+h,b+k) = f(a,b)+f_x(a,b)h+f_y(a,b)k+r(h,k),

且满足

r(h,k)h2+k2⟶0as (h,k)⟶(0,0).\frac{r(h,k)}{\sqrt{h^2+k^2}}\longrightarrow 0 \quad\text{as }(h,k)\longrightarrow(0,0).

因此,与水平位移相比,曲面及其切平面之间的竖直偏差趋于可以忽略。记号 r(h,k)=o(h2+k2)r(h,k)=o(\sqrt{h^2+k^2}) 表达的就是这一性质。

因此,切平面是函数图像唯一的一阶仿射近似。一般而言,它并不是全局近似,也不一定使某个有限区域上的拟合误差最小。

偏导数在 (a,b)(a,b) 的某个邻域内连续,是函数在该点可微的一个常用充分条件。即使某点处的偏导数存在,相应的线性近似也可能不成立。

例:抛物面

对于

f(x,y)=x2+y2,f(x,y)=x^2+y^2,

在 (a,b,a2+b2)(a,b,a^2+b^2) 处的切平面为

z=2ax+2by−a2−b2.z=2ax+2by-a^2-b^2.

曲面与平面之间的精确差值为

x2+y2−(2ax+2by−a2−b2)=(x−a)2+(y−b)2.x^2+y^2-\bigl(2ax+2by-a^2-b^2\bigr) =(x-a)^2+(y-b)^2.

曲面位于该平面上方,且仅在切点处取等号。

隐式定义的曲面

设曲面在 pp 附近由方程

F(x,y,z)=0,F(x,y,z)=0,

描述,其中 FF 连续可微,且

∇F(p)≠0.\nabla F(p)\ne 0.

梯度垂直于曲面,因此切平面为

∇F(p)⋅(q−p)=0.\nabla F(p)\cdot(q-p)=0.

令 p=(x0,y0,z0)p=(x_0,y_0,z_0),则上式成为

Fx(p)(x−x0)+Fy(p)(y−y0)+Fz(p)(z−z0)=0.F_x(p)(x-x_0)+F_y(p)(y-y_0)+F_z(p)(z-z_0)=0.

为说明其原因,设 γ(t)\gamma(t) 是曲面上一条经过 pp 的可微曲线。由于 F(γ(t))=0F(\gamma(t))=0,由链式法则可得

∇F(p)⋅γ′(0)=0.\nabla F(p)\cdot\gamma'(0)=0.

梯度非零的条件还使得我们可以利用隐函数定理,将曲面局部表示为适当坐标平面上的函数图像。这种表述也涵盖竖直切平面,而这类平面无法写成函数图像 z=L(x,y)z=L(x,y) 的形式。

例:球面

对于球面

x2+y2+z2=R2,R>0,x^2+y^2+z^2=R^2, \qquad R>0,

函数 F=x2+y2+z2−R2F=x^2+y^2+z^2-R^2 的梯度为 2(x,y,z)2(x,y,z)。在球面上的点 p=(x0,y0,z0)p=(x_0,y_0,z_0) 处,切平面为

x0x+y0y+z0z=R2.x_0x+y_0y+z_0z=R^2.

其法向量沿经过 pp 的半径方向。

参数曲面

设一块曲面片由连续可微的参数化给出:

r(u,v)=(x(u,v),y(u,v),z(u,v)).r(u,v)=\bigl(x(u,v),y(u,v),z(u,v)\bigr).

在 p=r(u0,v0)p=r(u_0,v_0) 处,假设 rur_u 与 rvr_v 线性无关。切平面为

q=p+s ru(u0,v0)+t rv(u0,v0),s,t∈R.q=p+s\,r_u(u_0,v_0)+t\,r_v(u_0,v_0), \qquad s,t\in\mathbb R.

等价地,其法向量为

n=ru(u0,v0)×rv(u0,v0),n=r_u(u_0,v_0)\times r_v(u_0,v_0),

当且仅当两个参数方向线性无关时,该向量非零。

rr 的雅可比矩阵以这些切向量为列向量。它的像就是切向量空间;参数化要是正则的,该矩阵的秩就必须为二。

正则局部坐标之间的变换不会改变几何意义上的切平面,只会改变用于描述它的一对向量。不过,如果浸入曲面的不同曲面片在同一空间点相交,每一片都可能有各自的切平面。

相切、曲率与支撑平面

切平面描述一阶性质,而曲率关注曲面在更高阶上如何偏离该平面。

对于二阶连续可微函数的图像,其二阶泰勒展开为

f(a+h,b+k)=f(a,b)+fx(a,b)h+fy(a,b)k+12(hk)Hf(a,b)(hk)+o(h2+k2),f(a+h,b+k) = f(a,b)+f_x(a,b)h+f_y(a,b)k +\frac12 \begin{pmatrix}h&k\end{pmatrix} H_f(a,b) \begin{pmatrix}h\\k\end{pmatrix} +o(h^2+k^2),

其中 HfH_f 是海森矩阵。当二次项非零时,它描述了曲面偏离切平面的主导部分。

例如,曲面

z=x2−y2z=x^2-y^2

在原点处的切平面为 z=0z=0,但在原点的任意邻域内,曲面都分布在该平面的两侧。原点是一个鞍点。

相比之下,如果 ff 是定义在开凸域上的可微凸函数,那么在整个定义域内都有

f(x,y)≥f(a,b)+fx(a,b)(x−a)+fy(a,b)(y−b)f(x,y)\ge f(a,b)+f_x(a,b)(x-a)+f_y(a,b)(y-b)

成立。它的切平面也是从下方支撑其图像的支撑平面。因此,相切与支撑是相互关联但有所区别的概念:相切是局部的微分性质,而支撑则要求满足位于同一侧的几何条件。

奇点与局限性

正则光滑曲面在每一点处都有唯一的切平面。在奇点处,切平面可能不存在,或者需要采用更广义的相切定义。

对于锥面

z2=x2+y2,z^2=x^2+y^2,

原点处不存在唯一的切平面。附近正则点处的切平面随趋近原点的方向而变化。

某个公式的正则性条件不成立,本身并不能证明相应曲面没有切平面:

  • 梯度为零可能是由于所选的定义函数不合适。方程 z2=0z^2=0 描述的是平面 z=0z=0,尽管 z2z^2 的梯度在该平面上处处为零。
  • 参数化的参数偏导向量可能线性相关,但其像仍然是光滑的。映射 r(u,v)=(u3,v,0)r(u,v)=(u^3,v,0) 描述的是平面 z=0z=0,但当 u=0u=0 时,其导数的秩为一。

切平面是曲面本身的性质,而不只是某个特定方程或参数化的性质。

应用与推广

切平面为函数求值和估算输入微小变化所引起的输出变化提供了线性近似。在数学优化中,切平面描述光滑等式约束下的一阶可行方向,并为拉格朗日乘子的几何解释提供基础。

在曲面积分中,参数化给出局部面积因子

dA=∥ru×rv∥ du dv,dA=\|r_u\times r_v\|\,du\,dv,

它是由切向方向张成的无穷小平行四边形的面积。

更一般地,嵌入 Rn\mathbb R^n 的光滑 kk 维流形在每一点处都有一个 kk 维切向量空间。对于映射 F:Rn→RmF:\mathbb R^n\to\mathbb R^m 的正则水平集,该空间为

TpS=ker⁡DF(p).T_pS=\ker DF(p).

当 m=1m=1 时,相应的仿射切空间是一个超平面;当 n=3n=3 且曲面的维数为二时,就得到通常所说的切平面。