当前位置: 首页 > news >正文

高数下 - Ac1d

Chapter 8 向量代数与空间解析几何


Section 1 向量及其线性运算


1.1 方向角和方向余弦

\(\overrightarrow{r} = \overrightarrow{OM} = (x,y,z)\)

\(\overrightarrow{r}\) 与坐标轴正向的夹角为方向角, 范围是 \([o,\pi]\)
\(cos\alpha , cos\beta , cos\gamma\)\(\overrightarrow{r}\)方向余弦

\[cos\alpha = \frac{x}{\sqrt{x^2+y^2+z^2}} \]

\[cos\beta = \frac{y}{\sqrt{x^2+y^2+z^2}} \]

\[cos\gamma = \frac{z}{\sqrt{x^2+y^2+z^2}} \]

\[\overrightarrow{e}_{\overrightarrow{r}} = (cos\alpha , cos\beta , cos\gamma) \]

注意:

\[cos^2\alpha + cos^2\beta + cos^2\gamma = 1 \]

\[\overrightarrow{t} = (cos\alpha , cos\beta , cos\gamma) = (\frac{x}{|\overrightarrow{r}|} , \frac{y}{|\overrightarrow{r}|} , \frac{z}{|\overrightarrow{r}|}) \]


1.2 向量在轴上的投影

![[Pasted image 20260420150408.png]]

方法:
\(M\) 作与 \(u\) 垂直的平面 \(\pi\)
\(\pi\)\(u\) 轴的交点为 \(M'\)
\(\overrightarrow{OM'}\)\(\overrightarrow{OM}\)\(u\) 轴的分向量
\(\overrightarrow{OM'} = \lambda \overrightarrow{e}\) , 则 \(\lambda\)\(\overrightarrow{OM}\)\(u\) 轴的投影

\[所以投影是一个数而并非向量 \]

性质:

\[①~Prj_{u}~\overrightarrow{OM} =|\overrightarrow{OM}|cos\varphi~~~~(\varphi \in [0,\pi]) \]

\[②~Prj_u~(\overrightarrow{a}+\overrightarrow{b}) = Prj_u~\overrightarrow{a} + Prj_u~\overrightarrow{b} \]

\[③~Prj_u~\overrightarrow{\lambda a} = \lambda~Prj_u~\overrightarrow{a} \]

\[④~ \left\{\begin{matrix} Prj_\overrightarrow{b}~\overrightarrow{a} = |\overrightarrow{a}|cos\varphi \\ Prj_\overrightarrow{a}~\overrightarrow{b} = |\overrightarrow{b}|cos\varphi \end{matrix}\right.\]


Section 2 数量积、向量积、混合积


数量积(点乘)

大小:

\[\overrightarrow{a}~\cdot~\overrightarrow{b} = |\overrightarrow{a}|\cdot|\overrightarrow{b}|\cdot cos\theta \]

\(\overrightarrow{a} = (x_1,y_1,z_1)\) , \(\overrightarrow{b} = (x_2,y_2,z_2)\)

\[\overrightarrow{a}~\cdot~\overrightarrow{b} = x_1x_2 + y_1y_2 + z_1z_2 \]

其中夹角余弦:

\[cos\theta = \left\{\begin{matrix} \frac{|\overrightarrow{a} \cdot \overrightarrow{b}|}{|\overrightarrow{a}| \cdot |\overrightarrow{b}|} \\ \frac{x_1x_2 + y_1y_2 + z_1z_2}{\sqrt{x_1^2+y_1^2+z_1^2} \cdot \sqrt{x_2^2+y_2^2+z_2^2}} \end{matrix}\right. \]

向量积(叉乘)

大小:

\[\overrightarrow{a}~\times~\overrightarrow{b} = |\overrightarrow{a}|\cdot|\overrightarrow{b}|\cdot sin\theta \]

方向:右手准则 \(\Longrightarrow\)\(a\)\(b\) 绕,大拇指所指方向
矩阵计算:

\[\overrightarrow{a}~\times~\overrightarrow{b} = \begin{vmatrix}\overrightarrow{i} & \overrightarrow{j} & \overrightarrow{k} \\x_1 & y_1 & z_1 \\x_2 & y_2 & z_2 \end{vmatrix} \]

几何意义:三角形面积

\[S_{ABC} = \frac{1}{2}|\overrightarrow{a}\times\overrightarrow{b}| \]

混合积

定义:

\[\left.\begin{matrix} \overrightarrow{a} = (x_1,y_1,z_1) \\ \overrightarrow{b} = (x_2,y_2,z_2) \\ \overrightarrow{c} = (x_3,y_3,z_3) \end{matrix}\right\} \Longrightarrow [\overrightarrow{a}~\overrightarrow{b}~\overrightarrow{c}] = (\overrightarrow{a} \times \overrightarrow{b})\cdot \overrightarrow{c} = |\overrightarrow{a} \times \overrightarrow{b}| \cdot |\overrightarrow{c}| \cdot cos\theta \]

矩阵计算:

\[[\overrightarrow{a}~\overrightarrow{b}~\overrightarrow{c}] = \begin{vmatrix}x_1 & y_1 & z_1 \\x_2 & y_2 & z_2 \\x_3 & y_3 & z_3 \end{vmatrix} \]

几何意义:以三个向量为邻边的平行六面体的体积

\[V_{ABCDEFGH} = |[\overrightarrow{a}~\overrightarrow{b}~\overrightarrow{c}]| = |(\overrightarrow{a} \times \overrightarrow{b})\cdot \overrightarrow{c}| = |\overrightarrow{a} \times \overrightarrow{b}| \cdot |\overrightarrow{c}| \cdot |cos\theta| \]

性质:

\[[[\overrightarrow{a}~\overrightarrow{b}~\overrightarrow{c}]] = [\overrightarrow{b}~\overrightarrow{c}~\overrightarrow{a}] = [\overrightarrow{c}~\overrightarrow{a}~\overrightarrow{b}] \]


Section 3 平面方程


点法式方程

平面法向量 \(\overrightarrow{n} = (A,B,C)\)
平面上有个确定的点 \(M_0(x_0,y_0,z_0)\)
对于平面上任意一点 \(M(x,y,z)\)
点法式方程

\[A(x-x_0)+B(y-y_0)+C(z-z_0)=0 \]

一般式方程

由点法式方程

\[A(x-x_0)+B(y-y_0)+C(z-z_0)=0 \]

可以得到一般式方程

\[Ax+By+Cz+D=0 \]

其中可以得到法向量 \(\overrightarrow{n} = (A,B,C)\)

截距式方程

平面过 \(x,y,z\) 轴上各一点 \(P(a,0,0),Q(0,b,0),R(0,0,c)\)
得到截距式方程

\[\frac{x}{a}+\frac{y}{b}+\frac{z}{c}=1 \]

距离/夹角

点到平面距离:

\[d=|Prj_\overrightarrow{n}~\overrightarrow{P_1P_0}| = \frac{|\overrightarrow{P_1P_0} \cdot \overrightarrow{n}|}{\overrightarrow{n}} = \frac{|A(x_0-x_1)+B(y_0-y_1)+C(z_0-z_1)|}{\sqrt{A^2+B^2+C^2}} \]

两平面夹角:

\[cos\theta = \frac{|\overrightarrow{n_1} \cdot \overrightarrow{n_2}|}{|\overrightarrow{n_1}| \cdot |\overrightarrow{n_2}|} = \frac{|A_1A_2+B_1B_2+C_1C_2|}{\sqrt{A_1^2+B_1^2+C_1^2} \cdot \sqrt{A_2^2+B_2^2+C_2^2}} \]


Section 4 空间直线及方程


4.1 直线方程

一般式方程

即两平面交线

\[\left\{\begin{matrix} A_1x+B_1y+C_1z+D_1=0 \\ A_2x+B_2y+C_2z+D_2=0 \end{matrix}\right. \]

点向式方程

\(M_0(x_0,y_0,z_0)\) 且与 \(\overrightarrow{s} = (m,n,p) \ne \overrightarrow{0}\) 平行的直线方程

\[\frac{x-x_0}{m} = \frac{y-y_0}{n} = \frac{z-z_0}{p} \]

参数式方程

由点向式方程 \(\frac{x-x_0}{m} = \frac{y-y_0}{n} = \frac{z-z_0}{p} = t\)
得到

\[\left\{\begin{matrix} x=x_0+mt \\ y=y_0+nt \\ z=z_0+pt \end{matrix}\right. \]

两点式方程

\[\frac{x-x_1}{x_2-x_1} = \frac{y-y_1}{y_2-y_1} = \frac{z-z_1}{z_2-z_1} \]


4.2 各类夹角

两向量夹角 \(\theta \in [0,\pi]\)

\[\left\{\begin{matrix} \overrightarrow{a} = (m_1,n_1,p_1) \\ \overrightarrow{b} = (m_2,n_2,p_2) \end{matrix}\right. \]

得到夹角

\[cos\theta = \left\{\begin{matrix} \frac{|\overrightarrow{a} \cdot \overrightarrow{b}|}{|\overrightarrow{a}| \cdot |\overrightarrow{b}|} \\ \frac{m_1m_2 + n_1n_2 + p_1p_2}{\sqrt{m_1^2+n_1^2+p_1^2} \cdot \sqrt{m_2^2+n_2^2+p_2^2}} \end{matrix}\right. \]

两直线夹角 \(\varphi \in [0,\frac{\pi}{2}]\)

\[\left\{\begin{matrix} l_1 : \frac{x-x_1}{m_1} = \frac{y-y_1}{n_1} = \frac{z-z_1}{p_1} \\ l_2 : \frac{x-x_2}{m_2} = \frac{y-y_2}{n_2} = \frac{z-z_2}{p_2} \end{matrix}\right. \]

得到夹角

\[cos\varphi = \frac{m_1m_2 + n_1n_2 + p_1p_2}{\sqrt{m_1^2+n_1^2+p_1^2} \cdot \sqrt{m_2^2+n_2^2+p_2^2}} \]

直线与平面的夹角 \(\varphi \in [0,\frac{\pi}{2}]\)

\[\left\{\begin{matrix} l : \frac{x-x_0}{m} = \frac{y-y_0}{n} = \frac{z-z_0}{p} \\ \overrightarrow{s} = (m,n,p) \end{matrix}\right. \]

\[\left\{\begin{matrix} \pi : Ax+By+Cz+D=0 \\ \overrightarrow{n} = (A,B,C) \end{matrix}\right. \]

得到夹角

\[sin\varphi = |cos\theta| = \frac{|Am+Bn+Cp|}{\sqrt{A^2+B^2+C^2} \cdot \sqrt{m^2+n^2+p^2}} \]

两平面夹角 \(\varphi \in [0,\frac{\pi}{2}]\)

\[\left\{\begin{matrix} \pi_1 : A_1x+B_1y+C_1z+D_1=0 \\ \pi_2 : A_2x+B_2y+C_2z+D_2=0 \end{matrix}\right. ~~~~\Longrightarrow \left\{\begin{matrix} \overrightarrow{n_1} = (A_1,B_1,C_1) \\ \overrightarrow{n_2} = (A_2,B_2,C_2) \end{matrix}\right. \]

得到夹角

\[cos\varphi = \frac{|A_1A_2+B_1B_2+C_1C_2|}{\sqrt{A_1^2+B_1^2+C_1^2} \cdot \sqrt{A_2^2+B_2^2+C_2^2}} \]


4.3各类距离

点到点

\[\left\{\begin{matrix} P_1(x_1,y_1,z_1) \\ P_2(x_2,y_2,z_2) \end{matrix}\right. \]

得到距离

\[d=|\overrightarrow{P_2P_1}|=\sqrt{(x_1-x_2)^2+(y_1-y_2)^2+(z_1-z_2)^2} \]

点到线

\[\left\{\begin{matrix} P_0(x_0,y_0,z_0) \\ \frac{x-x_1}{m} = \frac{y-y_1}{n} = \frac{z-z_1}{p} \Longrightarrow P_1(x_1,y_1,z_1)~,~\overrightarrow{s} = (m,n,p) \end{matrix}\right. \]

得到距离

\[d=\frac{|\overrightarrow{P_1P_0}\times\overrightarrow{s}|}{|\overrightarrow{s}|}=\frac{|\overrightarrow{P_1P_0}|\cdot|\overrightarrow{s}|\cdot sin\theta}{|\overrightarrow{s}|} = |\overrightarrow{P_1P_0}| \cdot sin\theta \]

点到面

\[\left\{\begin{matrix} P_0(x_0,y_0,z_0) \\ Ax+By+Cz+D=0 \Longrightarrow \overrightarrow{n} = (A,B,C) \end{matrix}\right. \]

得到距离

\[d=\frac{|Ax_0+By_0+Cz_0+D|}{\sqrt{A^2+B^2+C^2}} \]

线到线

\[\left\{\begin{matrix} l_1 : \frac{x-x_1}{m_1} = \frac{y-y_1}{n_1} = \frac{z-z_1}{p_1} \\ l_2 : \frac{x-x_2}{m_2} = \frac{y-y_2}{n_2} = \frac{z-z_2}{p_2} \end{matrix}\right. \]

得到距离

\[d=\frac{|(\overrightarrow{s_1} \times \overrightarrow{s_2}) \cdot \overrightarrow{P_1P_2}|}{|\overrightarrow{s_1} \times \overrightarrow{s_2}|} \]

面到面

\[\left\{\begin{matrix} Ax+By+Cz+D_1=0 \\ Ax+By+Cz+D_2=0 \end{matrix}\right. \]

得到距离

\[d=\frac{|D_1-D_2|}{\sqrt{A^2+B^2+C^2}} \]


Section 5 曲面及其方程


5.1旋转曲面

http://www.jsqmd.com/news/672456/

相关文章:

  • 2026年腾讯企业邮箱开通流程,企业微信快速开通全步骤 - 品牌2025
  • 视觉Transformer在姿态估计领域的范式革新:ViTPose技术深度解析
  • 西门子Smart200 PLC精确控制:加减速调整与高响应工艺轴的脉冲输出
  • 2026 RFID电子标签厂家推荐:芯片研发深度与系统集成能力深度评测 - 品牌排行榜
  • 腾讯企业邮箱开通怎么选服务商:2026年最新渠道与授权服务全解析 - 品牌2025
  • 别再手动敲AT指令了!用STM32CubeMX HAL库驱动ESP8266连接OneNET的保姆级教程
  • 排版鲜花页面
  • 终极鼠标增强方案:Mac Mouse Fix让你的普通鼠标在macOS上超越苹果触控板
  • 告别Ghost!用官方镜像给NVMe硬盘装Win11,驱动加载这一步很多人会错
  • OpenAI发布GPT-6,200万Token上下文窗口实现40%性能提升 | AI信息日报 | 2026年4月20日 星期一
  • FFmpeg 升级指北
  • 告别手忙脚乱!Windows Terminal、Tmux、Tabby、WindTerm四大终端分屏快捷键保姆级对比
  • 访客+员工一体化管理解决方案:登记,门禁控制,梯控,车牌识别 - 智能硬件-产品评测
  • 5步掌握Whisper.cpp离线语音识别:从零到精通的实践手册
  • TouchGal 完全指南:5步掌握Galgame文化社区核心功能
  • C语言完美演绎8-12
  • 2026年4月广西亲子游旅行社/老人团旅行社/私人定制团旅行社/自由行旅行社/小团游旅行社哪家好 - 2026年企业推荐榜
  • 2026年亲测!维修师傅乱收费维权方法大分享 - 小何家电维修
  • 使用Python和YahooQuery增强财务数据分析
  • 从气象云图到地形渲染:用Python Matplotlib的contourf函数实现数据可视化实战
  • 别再手动重启了!用Keepalived+Haproxy+Nginx搭建双主高可用集群,实现服务零中断
  • C语言完美演绎8-13
  • 2026巨果西西品牌怎么样?社区水果消费新体验解析 - 品牌排行榜
  • VSCode插件CodeSnap实战:5分钟搞定技术分享PPT与公众号文章的代码配图
  • 3DMAX插件避坑指南:MCG Pipes管道生成时接头扭曲、路径不对齐怎么办?
  • 超越Agent:当服务器不让装软件时,用Zabbix SNMP监控的3种高阶玩法与模板优化
  • 从Overleaf网页版回归本地:TexStudio搭配TexLive 2024,打造你的离线高效LaTeX工作流
  • OpCore Simplify:黑苹果EFI一键生成的终极指南
  • 2026年企业微信费用最新标准,基础免费增值功能收费详情 - 品牌2025
  • 【微软内部验证通过】:C# 14 原生 AOT 部署 Dify 客户端的5步黄金流程,从本地构建到K8s Pod就绪仅需83秒