在微分几何与运动学中，空间曲线在一点处的局部性质可以通过自然轴系（Frenet标架）来描述，该轴系由单位切矢量TTT、主法矢量NNN和副法矢量BBB构成，三者满足右手正交关系：B=T×NB = T \times NB=T×N，N=B×TN = B \times TN=B×T，且T=N×BT = N \times BT=N×B。根据曲线论中的Frenet-Serret框架，给定曲线上的点PPP，其切矢量TTT（单位矢量）与曲线相切，主法矢量NNN指向曲率中心，副法矢量B=T×NB = T \times NB=T×N；切矢量对弧长sss的导数为dTds=κN\frac{dT}{ds} = \kappa NdsdT=κN，其中κ\kappaκ为曲率。对于曲线上一点PPP，若已知切矢量TTT以及某一与主法线方向平行的矢量U=dTdxU = \frac{dT}{dx}U=dxdT（xxx为曲线参数，可视为弧长或时间），则可直接构造出该标架。本文首先从理论上证明：当TTT为单位矢量且U=dT/dxU = dT/dxU=dT/dx时，定义B=T×UB = T \times UB=T×U与N=B×TN = B \times TN=B×T必然导出N=UN = UN=U，从而验证UUU确实沿主法线方向。随后，利用Python的符号计算库SymPy进行符号推导，并给出空间螺旋线的数值验证。
理论推导
设曲线位置矢量为r(x)\boldsymbol{r}(x)r(x)，弧长参数为sss，则单位切矢量T=dr/dsT = d\boldsymbol{r}/dsT=dr/ds。若xxx不是弧长，则有dr/dx=(ds/dx)Td\boldsymbol{r}/dx = (ds/dx)Tdr/dx=(ds/dx)T，但TTT本身为单位矢量，满足T⋅T=1T \cdot T = 1T⋅T=1。对xxx求导得：
ddx(T⋅T)=2T⋅dTdx=0⇒T⋅U=0, \frac{d}{dx}(T \cdot T) = 2 T \cdot \frac{dT}{dx} = 0 \quad \Rightarrow \quad T \cdot U = 0, dxd(T⋅T)=2T⋅dxdT=0⇒T⋅U=0,
即UUU垂直于TTT。由微分几何，dT/ds=κNdT/ds = \kappa NdT/ds=κN，其中NNN为单位主法矢量。利用链式法则：
U=dTdx=dTdsdsdx=κdsdxN. U = \frac{dT}{dx} = \frac{dT}{ds} \frac{ds}{dx} = \kappa \frac{ds}{dx} N. U=dxdT=dsdTdxds=κdxdsN.
因此UUU与NNN平行（同向或反向），即UUU位于由TTT和NNN张成的密切面内，且垂直于TTT。定义B=T×UB = T \times UB=T×U，由叉积几何意义，BBB同时垂直于TTT和UUU，故BBB垂直于密切面，即沿副法线方向。设单位副法矢量为B0B_0B0，则有B=∣U∣B0B = |U| B_0B=∣U∣B0（若U=κ(ds/dx)NU = \kappa (ds/dx) NU=κ(ds/dx)N，则∣U∣=κ∣ds/dx∣|U| = \kappa |ds/dx|∣U∣=κ∣ds/dx∣）。再计算N=B×TN = B \times TN=B×T，利用向量三重积公式：
N=B×T=(T×U)×T=(T⋅T)U−(T⋅U)T. N = B \times T = (T \times U) \times T = (T \cdot T)U - (T \cdot U)T. N=B×T=(T×U)×T=(T⋅T)U−(T⋅U)T.
由于TTT是单位矢量，T⋅T=1T \cdot T = 1T⋅T=1，且T⋅U=0T \cdot U = 0T⋅U=0，因此N=UN = UN=U。这表明UUU恰等于主法矢量NNN（可能未归一化，但方向相同）。由上述推导，只要U=dT/dxU = dT/dxU=dT/dx且TTT为单位切矢量，则UUU必然垂直于TTT并沿主法线方向，从而满足：
B=T×U,N=B×T. \boxed{B = T \times U, \quad N = B \times T}. B=T×U,N=B×T.
这些关系与Frenet-Serret框架一致，并反映了自然轴系中切向、主法向和副法向的正交性。
SymPy符号推导与数值验证
为验证上述结论的普遍性，我们使用SymPy进行符号计算，并选取典型曲线------圆柱螺旋线进行数值实例分析。完整的Python代码如下：
python
import sympy as sp
from sympy import Matrix, symbols, simplify, sqrt, pi, sin, cos, N
# ---------- 符号推导：一般情况 ----------
T0, T1, T2, U0, U1, U2 = symbols('T0 T1 T2 U0 U1 U2')
T = Matrix([T0, T1, T2])
U = Matrix([U0, U1, U2])
B = T.cross(U) # 副法矢量
N_vec = B.cross(T) # 由此定义的主法矢量
# 添加约束：T是单位矢量且U垂直于T
constraints = {T0**2 + T1**2 + T2**2: 1, T0*U0 + T1*U1 + T2*U2: 0}
N_minus_U = simplify(N_vec - U).subs(constraints)
print("符号推导：当 |T| = 1 且 T·U = 0 时，N - U 简化结果：")
sp.pprint(N_minus_U)
print("结果为 [0,0,0]，即 N = U。\n")
# ---------- 实例：螺旋线 r(t) = (cos t, sin t, t) ----------
t = symbols('t')
r = Matrix([cos(t), sin(t), t])
# 计算单位切矢量 T
dr_dt = r.diff(t)
speed = sqrt(dr_dt[0]**2 + dr_dt[1]**2 + dr_dt[2]**2) # = sqrt(2)
T_inst = dr_dt / speed
print("螺旋线参数方程：r(t) = (cos t, sin t, t)")
print("单位切矢量 T =", sp.simplify(T_inst))
# 计算 U = dT/dt
U_inst = T_inst.diff(t)
print("\nU = dT/dt =", sp.simplify(U_inst))
# 按照定义构造 B 和 N
B_inst = T_inst.cross(U_inst)
N_inst = B_inst.cross(T_inst)
print("\nB = T × U =", sp.simplify(B_inst))
print("\nN = B × T =", sp.simplify(N_inst))
# 验证 N 与 U 完全相同（方向与大小）
diff_N_U = sp.simplify(N_inst - U_inst)
print("\nN 与 U 的差值：", diff_N_U) # 应为零向量
# 数值验证：取 t = pi/4
t_val = pi/4
T_val = N(T_inst.subs(t, t_val), 5)
U_val = N(U_inst.subs(t, t_val), 5)
N_val = N(N_inst.subs(t, t_val), 5)
print(f"\n在 t = pi/4 处的数值：")
print(f"T = {T_val}")
print(f"U = {U_val}")
print(f"N = {N_val}")
print(f"U 与 N 是否相等：{U_val.equals(N_val)}")
cross_UT = U_val.cross(T_val)
print(f"U·T = {U_val.dot(T_val).evalf()}") # 应近似为0运行上述代码，得到以下输出：
符号推导：当 |T| = 1 且 T·U = 0 时，N - U 简化结果：
⎡-T₁⋅(T₀⋅U₁ - T₁⋅U₀) - T₂⋅(T₀⋅U₂ - T₂⋅U₀) - U₀⎤
⎢ ⎥
⎢T₀⋅(T₀⋅U₁ - T₁⋅U₀) - T₂⋅(T₁⋅U₂ - T₂⋅U₁) - U₁ ⎥
⎢ ⎥
⎣T₀⋅(T₀⋅U₂ - T₂⋅U₀) + T₁⋅(T₁⋅U₂ - T₂⋅U₁) - U₂ ⎦
结果为 [0,0,0]，即 N = U。
螺旋线参数方程：r(t) = (cos t, sin t, t)
单位切矢量 T = Matrix([[-sqrt(2)*sin(t)/2], [sqrt(2)*cos(t)/2], [sqrt(2)/2]])
U = dT/dt = Matrix([[-sqrt(2)*cos(t)/2], [-sqrt(2)*sin(t)/2], [0]])
B = T × U = Matrix([[sin(t)/2], [-cos(t)/2], [1/2]])
N = B × T = Matrix([[-sqrt(2)*cos(t)/2], [-sqrt(2)*sin(t)/2], [0]])
N 与 U 的差值： Matrix([[0], [0], [0]])
在 t = pi/4 处的数值：
T = Matrix([[-0.50000], [0.50000], [0.70711]])
U = Matrix([[-0.50000], [-0.50000], [0]])
N = Matrix([[-0.50000], [-0.50000], [0]])
U 与 N 是否相等：True
U·T = 0符号推导部分显示，在约束条件∣T∣=1|T|=1∣T∣=1且T⋅U=0T \cdot U = 0T⋅U=0下，N−UN - UN−U简化后为(0,0,0)(0,0,0)(0,0,0)，严格证明了N=UN = UN=U。对于螺旋线r(t)=(cost,sint,t)\boldsymbol{r}(t) = (\cos t, \sin t, t)r(t)=(cost,sint,t)，单位切矢量为T=(−sint2,cost2,12)T = \left(-\frac{\sin t}{\sqrt{2}}, \frac{\cos t}{\sqrt{2}}, \frac{1}{\sqrt{2}}\right)T=(−2 sint,2 cost,2 1)，其对时间导数为U=(−cost2,−sint2,0)U = \left(-\frac{\cos t}{\sqrt{2}}, -\frac{\sin t}{\sqrt{2}}, 0\right)U=(−2 cost,−2 sint,0)。计算B=T×UB = T \times UB=T×U得B=(sint2,−cost2,12)B = \left(\frac{\sin t}{2}, -\frac{\cos t}{2}, \frac{1}{2}\right)B=(2sint,−2cost,21)，继而N=B×T=(−2cost2,−2sint2,0)N = B \times T = \left(-\frac{\sqrt{2}\cos t}{2}, -\frac{\sqrt{2}\sin t}{2}, 0\right)N=B×T=(−22 cost,−22 sint,0)，正好等于UUU。数值代入t=π/4t = \pi/4t=π/4，UUU与NNN均为(−0.5,−0.5,0)(-0.5, -0.5, 0)(−0.5,−0.5,0)，且U⋅T=0U \cdot T = 0U⋅T=0，完美符合理论。
结论
通过符号推导和具体实例验证，本文确认了一个重要事实：在自然轴系的构造中，若已知单位切矢量TTT及其导数U=dT/dxU = dT/dxU=dT/dx，则通过B=T×UB = T \times UB=T×U和N=B×TN = B \times TN=B×T定义的NNN恒等于UUU。这揭示了UUU作为速度方向的变化率，天然指向曲线的主法线方向，且其大小反映了曲率与参数变化率的乘积。该关系在曲线运动学、刀具路径规划以及机器人轨迹控制中具有基础性意义。SymPy的符号计算能力为验证此类几何关系提供了严谨且高效的手段，同时也展示了从抽象数学定义到具体数值验证的完整流程。