第八章 向量代数和空间解析几何

——made by njtech Melody

文章目录

  • 第八章 向量代数和空间解析几何
    • 一、基本概念
    • 二、平面
      • 1.平面的点法式方程
      • 2.平面的一般式方程
      • 3.平面的截距式方程
    • 三、直线
      • 1.空间直线的一般式方程
      • 2.直线的点向式 (对称式) 方程
      • 3.直线的参数式方程
      • 4.平面束方程
    • 四、距离
      • 1.点到点的距离
      • 2.点到平面的距离
      • 3.点到直线的距离
      • 4.两平行平面之间的距离
    • 五、夹角
      • 1.两向量之间的夹角
      • 2.两直线之间的夹角
      • 3.两平面之间的夹角
      • 4.直线与平面之间的夹角
    • 五、投影
      • 1.线线投影
    • 六、旋转曲面
    • 七、柱面
      • 1.圆柱面
      • 2.抛物柱面
      • 3.椭圆柱面
    • 八、二次曲面
      • 1.椭球面
      • 2.抛物面
      • 3.双曲抛物面(马鞍面)
      • 4.单叶双曲面
      • 5.双叶双曲线
      • 6.椭圆锥面
    • 九、常考题型
      • 1.向量运算
        • ①混合积
      • 2.平面
        • ①点法式方程
        • ②平面束方程
      • 3.直线
        • ①点向式方程

一、基本概念

(若高中学过则仅一带而过)

  1. 向量——既有大小又有方向的量
  2. 向量的数量积

a ⃗ ⋅ b ⃗ = a 1 a 2 + b 1 b 2 + c 1 c 2 . \vec{a} \cdot \vec{b}=a_{1} a_{2}+b_{1} b_{2}+c_{1} c_{2} . a ⋅b =a1​a2​+b1​b2​+c1​c2​.
5. 向量的向量积
5.

a ⃗ × b ⃗ = ∣ i ⃗ j ⃗ k ⃗ a 1 b 1 c 1 a 2 b 2 c 2 ∣ = { ∣ b 1 c 1 b 2 c 2 ∣ , − ∣ a 1 c 1 a 2 c 2 ∣ , ∣ a 1 b 1 a 2 b 2 ∣ } . \vec{a} \times \vec{b}=\left|\begin{array}{ccc} \vec{i} & \vec{j} & \vec{k} \\ a_{1} & b_{1} & c_{1} \\ a_{2} & b_{2} & c_{2} \end{array}\right|=\left\{\left|\begin{array}{cc} b_{1} & c_{1} \\ b_{2} & c_{2} \end{array}\right|,-\left |\begin{array}{cc} a_{1} & c_{1} \\ a_{2} & c_{2} \end{array}\right|,\left|\begin{array}{ll} a_{1} & b_{1} \\ a_{2} & b_{2} \end{array}\right|\right\} . a ×b = ​i a1​a2​​j ​b1​b2​​k c1​c2​​ ​={ ​b1​b2​​c1​c2​​ ​,− ​a1​a2​​c1​c2​​ ​, ​a1​a2​​b1​b2​​ ​}.

  • 满足分配律: ( a ⃗ + b ⃗ ) × c ⃗ = a ⃗ × c ⃗ + b ⃗ × c ⃗ (\vec{a}+\vec{b}) \times \vec{c}=\vec{a} \times \vec{c}+\vec{b} \times \vec{c} (a +b )×c =a ×c +b ×c
  1. 向量的混合积

设  a ⃗ = ( a x , a y , a z ) , b ⃗ = ( b x , b y , b z ) , c ⃗ = ( c x , c y , c z ) [ a ⃗ b ⃗ c ⃗ ] = ( a ⃗ × b ⃗ ) ⋅ c ⃗ = ∣ a x a y a z b x b y b z c x c y C z ∣ \text { 设 } \vec{a}=\left(a_{x}, a_{y}, a_{z}\right), \vec{b}=\left(b_{x}, b_{y}, b_{z}\right), \vec{c}=\left(c_{x}, c_{y}, c_{z}\right)\\ {[\vec{a} \space \vec{b} \space \vec{c}] } =(\vec{a} \times \vec{b}) \cdot \vec{c}= \left|\begin{array}{ccc} \boldsymbol{a}_{\boldsymbol{x}} & \boldsymbol{a}_{\boldsymbol{y}} & \boldsymbol{a}_{z} \\ \boldsymbol{b}_{\boldsymbol{x}} & \boldsymbol{b}_{\boldsymbol{y}} & \boldsymbol{b}_{z} \\ \boldsymbol{c}_{\boldsymbol{x}} & \boldsymbol{c}_{\boldsymbol{y}} & \mathcal{C}_{\boldsymbol{z}} \end{array}\right|  设 a =(ax​,ay​,az​),b =(bx​,by​,bz​),c =(cx​,cy​,cz​)[a  b  c ]=(a ×b )⋅c = ​ax​bx​cx​​ay​by​cy​​az​bz​Cz​​ ​

​ 性质:

​ (1) 三个非零向量 a ⃗ , b ⃗ , c ⃗ \vec{a}, \vec{b}, \vec{c} a ,b ,c 共面的充要条件是
[ a ⃗ b ⃗ c ⃗ ] = 0 [\vec{a} \space \vec{b} \space \vec{c}]=0 [a  b  c ]=0
​ (2) 轮换对称性 :
[ a ⃗ b ⃗ c ⃗ ] = [ b ⃗ c ⃗ a ⃗ ] = [ c ⃗ a ⃗ b ⃗ ] [\vec{a} \space \vec{b} \space \vec{c}]=[\vec{b} \space \vec{c} \space \vec{a}]=[\vec{c} \space \vec{a} \space \vec{b}] [a  b  c ]=[b  c  a ]=[c  a  b ]

  1. 向量关系:

a ⃗ / / b ⃗ ⇄ a ⃗ × b ⃗ = 0 → ⇄ b x a x = b y a y = b z a z a ⃗ ⊥ b ⃗ ⇄ a ⃗ ⋅ b ⃗ = 0 ⇄ a x b x + a y b y + a z b z = 0 a ⃗ , b ⃗ , c ⃗ 共面  ⇄ ( a ⃗ × b ⃗ ) ⋅ c ⃗ = 0 ⇄ ∣ a x a y a z b x b y b z c x c y c z ∣ = 0 \begin{aligned} \vec{a} / / \vec{b} \rightleftarrows \vec{a} \times \vec{b}=\overrightarrow{0} &\rightleftarrows \frac{b_{x}}{a_{x}}=\frac{b_{y}}{a_{y}}=\frac{b_{z}}{a_{z}}\\ \vec{a} \perp \vec{b} &\rightleftarrows \vec{a} \cdot \vec{b}=0 \rightleftarrows a_{x} b_{x}+a_{y} b_{y}+a_{z} b_{z}=0\\ \vec{a}, \vec{b}, \vec{c} \text { 共面 }& \rightleftarrows(\vec{a} \times \vec{b}) \cdot \vec{c}=0\\ &\rightleftarrows\left|\begin{array}{lll} a_{x} & a_{y} & a_{z} \\ b_{x} & b_{y} & b_{z} \\ c_{x} & c_{y} & c_{z} \end{array}\right|=0 \end{aligned} a //b ⇄a ×b =0 a ⊥b a ,b ,c  共面 ​⇄ax​bx​​=ay​by​​=az​bz​​⇄a ⋅b =0⇄ax​bx​+ay​by​+az​bz​=0⇄(a ×b )⋅c =0⇄ ​ax​bx​cx​​ay​by​cy​​az​bz​cz​​ ​=0​

8.方向余弦与方向角

  • 给定 r ⃗ = ( x , y , z ) ≠ 0 → \vec{r}=(x, y, z) \neq \overrightarrow{0} r =(x,y,z)=0 , 称 r ⃗ \vec{r} r 与三坐标轴的夹角 α , β , γ \alpha, \beta, \gamma α,β,γ 为其方向角.

  • 方向角的余弦称为其方向余弦.

cos ⁡ α = x ∣ r ⃗ ∣ = x x 2 + y 2 + z 2 与x轴的夹角 cos ⁡ β = y ∣ r ⃗ ∣ = y x 2 + y 2 + z 2 与y轴的夹角 cos ⁡ γ = z ∣ r ⃗ ∣ = z x 2 + y 2 + z 2 与z轴的夹角 \begin{aligned} &\cos \alpha=\frac{x}{|\vec{r}|}=\frac{x}{\sqrt{x^{2}+y^{2}+z^{2}}} \text{ 与x轴的夹角}\\ &\cos \beta=\frac{y}{|\vec{r}|}=\frac{y}{\sqrt{x^{2}+y^{2}+z^{2}}} \text{ 与y轴的夹角}\\ &\cos \gamma=\frac{z}{|\vec{r}|}=\frac{z}{\sqrt{x^{2}+y^{2}+z^{2}}}\text{ 与z轴的夹角} \end{aligned} ​cosα=∣r ∣x​=x2+y2+z2 ​x​ 与x轴的夹角cosβ=∣r ∣y​=x2+y2+z2 ​y​ 与y轴的夹角cosγ=∣r ∣z​=x2+y2+z2 ​z​ 与z轴的夹角​

二、平面

1.平面的点法式方程

设 M 0 ( x 0 , y 0 , z 0 ) ∈ π M_{0}\left(x_{0}, y_{0}, z_{0}\right) \in \pi M0​(x0​,y0​,z0​)∈π, 又非零向量 n ⃗ = { A , B , C } ⊥ π \vec{n}=\{A, B, C\} \perp \pi n ={A,B,C}⊥π, 则平面 π \pi π 的方程为
π : A ( x − x 0 ) + B ( y − y 0 ) + C ( z − z 0 ) = 0. \pi: A\left(x-x_{0}\right)+B\left(y-y_{0}\right)+C\left(z-z_{0}\right)=0 . π:A(x−x0​)+B(y−y0​)+C(z−z0​)=0.

  • 点法式方程,顾名思义由点和法向量构成的方程 F ( x , y , z ) = 0 F( x, y, z ) = 0 F(x,y,z)=0

2.平面的一般式方程

π : A x + B y + C z + D = 0 , 其中  n ⃗ = { A , B , C } 为平面  π 的法向量.  \pi: A x+B y+C z+D=0, \text { 其中 } \vec{n}=\{A, B, C\} \text { 为平面 } \pi \text { 的法向量. } π:Ax+By+Cz+D=0, 其中 n ={A,B,C} 为平面 π 的法向量.

3.平面的截距式方程

设平而 π \pi π 与三个坐标轴的交点分別为 A ( a , 0 , 0 ) , B ( 0 , b , 0 ) , C ( 0 , 0 , c ) A(a, 0,0), B(0, b, 0), C(0,0, c) A(a,0,0),B(0,b,0),C(0,0,c), 其中 a , b , c a, b, c a,b,c 为非零常数, 则平面 π \pi π 的方程为
π : x a + y b + z c = 1 \pi: \frac{x}{a}+\frac{y}{b}+\frac{z}{c}=1 π:ax​+by​+cz​=1

三、直线

1.空间直线的一般式方程

L : { A 1 x + B 1 y + C 1 z + D 1 = 0 , A 2 x + B 2 y + C 2 z + D 2 = 0. L:\left\{\begin{array}{l} A_{1} x+B_{1} y+C_{1} z+D_{1}=0, \\ A_{2} x+B_{2} y+C_{2} z+D_{2}=0 . \end{array}\right. L:{A1​x+B1​y+C1​z+D1​=0,A2​x+B2​y+C2​z+D2​=0.​

  • 两个平面的交线 L L L

2.直线的点向式 (对称式) 方程

设向量 s ⃗ = { m , n , p } / / L \vec{s}=\{m, n, p\} / / L s ={m,n,p}//L, 点 M 0 ( x 0 , y 0 , z 0 ) ∈ L M_{0}\left(x_{0}, y_{0}, z_{0}\right) \in L M0​(x0​,y0​,z0​)∈L, 则直线 L L L 的点向式方程为
L : x − x 0 m = y − y 0 n = z − z 0 p .  L: \frac{x-x_{0}}{m}=\frac{y-y_{0}}{n}=\frac{z-z_{0}}{p} \text {. } L:mx−x0​​=ny−y0​​=pz−z0​​.

  • 点向式方程,顾名思义由点和方向向量构成的方程

3.直线的参数式方程

空间直线的参数式方程为
L : { x = x 0 + m t , y = y 0 + n t , 其中  s ⃗ = { m , n , p } / / L , M 0 ( x 0 , y 0 , z 0 ) ∈ L .  z = z 0 + p t , L:\left\{\begin{array}{l}x=x_{0}+m t, \\ y=y_{0}+n t, \text { 其中 } \vec{s}=\{m, n, p\} / / L, M_{0}\left(x_{0}, y_{0}, z_{0}\right) \in L \text {. } \\ z=z_{0}+p t,\end{array}\right. L:⎩ ⎨ ⎧​x=x0​+mt,y=y0​+nt, 其中 s ={m,n,p}//L,M0​(x0​,y0​,z0​)∈L. z=z0​+pt,​

  • 点向式方程和参数式方程可以互相转换

4.平面束方程

设直线 L L L 由方程组 { A 1 x + B 1 y + C 1 z + D 1 = 0 A 2 x + B 2 y + C 2 z + D 2 = 0 \left\{\begin{array}{l}A_{1} x+B_{1} y+C_{1} z+D_{1}=0 \\ A_{2} x+B_{2} y+C_{2} z+D_{2}=0\end{array}\right. {A1​x+B1​y+C1​z+D1​=0A2​x+B2​y+C2​z+D2​=0​ 确定

通过定直线的所有平面所构成的集合称为平面束。
A 1 x + B 1 y + C 1 z + D 1 + λ ( A 2 x + B 2 y + C 2 z + D 2 ) = 0 A_{1} x+B_{1} y+C_{1} z+D_{1}+\lambda\left(A_{2} x+B_{2} y+C_{2} z+D_{2}\right)=0 A1​x+B1​y+C1​z+D1​+λ(A2​x+B2​y+C2​z+D2​)=0

  • 由平面束方程可以找到一个平面的含参法向量 n ⃗ = ( A 1 + λ A 2 , B 1 + λ B 2 , C 1 + λ C 2 ) \vec{n} =(A_1+\lambda A_2,B_1+\lambda B_2,C_1+\lambda C_2) n =(A1​+λA2​,B1​+λB2​,C1​+λC2​) 找到合理的条件就可以求出平面

四、距离

1.点到点的距离

设两点 M 1 , M 2 M_{1}, M_{2} M1​,M2​ 的坐标为 M 1 ( x 1 , y 1 , z 1 ) , M 2 ( x 2 , y 2 , z 2 ) M_{1}\left(x_{1}, y_{1}, z_{1}\right), M_{2}\left(x_{2}, y_{2}, z_{2}\right) M1​(x1​,y1​,z1​),M2​(x2​,y2​,z2​), 则这两点之间的距离为
d = ( x 2 − x 1 ) 2 + ( y 2 − y 1 ) 2 + ( z 2 − z 1 ) 2 .  d=\sqrt{\left(x_{2}-x_{1}\right)^{2}+\left(y_{2}-y_{1}\right)^{2}+\left(z_{2}-z_{1}\right)^{2}} \text {. } d=(x2​−x1​)2+(y2​−y1​)2+(z2​−z1​)2 ​.

2.点到平面的距离

设点 M 0 ( x 0 , y 0 , z 0 ) M_{0}\left(x_{0}, y_{0}, z_{0}\right) M0​(x0​,y0​,z0​), 平面 π : A x + B y + C z + D = 0 \pi: A x+B y+C z+D=0 π:Ax+By+Cz+D=0, 则点 M 0 M_{0} M0​ 到平面 π \pi π 的距离为
d = ∣ A x 0 + B y 0 + C z 0 + D ∣ A 2 + B 2 + C 2 d=\frac{\left|A x_{0}+B y_{0}+C z_{0}+D\right|}{\sqrt{A^{2}+B^{2}+C^{2}}} d=A2+B2+C2 ​∣Ax0​+By0​+Cz0​+D∣​

3.点到直线的距离

设点 M 0 ( x 0 , y 0 , z 0 ) M_{0}\left(x_{0}, y_{0}, z_{0}\right) M0​(x0​,y0​,z0​), 直线 L : x − x 1 m = y − y 1 n = z − z 1 p L: \frac{x-x_{1}}{m}=\frac{y-y_{1}}{n}=\frac{z-z_{1}}{p} L:mx−x1​​=ny−y1​​=pz−z1​​, 则点 M 0 M_{0} M0​ 到直线 L L L 的距离为
d = ∣ s ⃗ × M 0 M 1 → ∣ ∣ s ⃗ ∣ d=\frac{\left|\vec{s} \times \overrightarrow{M_{0} M_{1}}\right|}{|\vec{s}|} d=∣s ∣ ​s ×M0​M1​ ​ ​​
其中  M 1 ( x 1 , y 1 , z 1 ) ∈ L , s ⃗ = { m , n , p } . \text { 其中 } M_{1}\left(x_{1}, y_{1}, z_{1}\right) \in L, \vec{s}=\{m, n, p\} .  其中 M1​(x1​,y1​,z1​)∈L,s ={m,n,p}.

4.两平行平面之间的距离

设 π 1 : A x + B y + C z + D 1 = 0 , π 2 : A x + B y + C z + D 2 = 0 \pi_{1}: A x+B y+C z+D_{1}=0, \pi_{2}: A x+B y+C z+D_{2}=0 π1​:Ax+By+Cz+D1​=0,π2​:Ax+By+Cz+D2​=0 为两平行平面, 则平面 π 1 \pi_{1} π1​ 与 π 2 \pi_{2} π2​ 之间的距离为
d = ∣ D 2 − D 1 ∣ A 2 + B 2 + C 2 d=\frac{\left|D_{2}-D_{1}\right|}{\sqrt{A^{2}+B^{2}+C^{2}}} d=A2+B2+C2 ​∣D2​−D1​∣​

五、夹角

1.两向量之间的夹角

设 α ⃗ , β ⃗ \vec{\alpha}, \vec{\beta} α ,β ​ 为两个向量,则 α ⃗ , β ⃗ \vec{\alpha}, \vec{\beta} α ,β ​ 的夹角为
c o s θ = α ⃗ ⋅ β ⃗ ∣ a ⃗ ∣ ∣ β ⃗ ∣ cos\theta= \frac{\vec{\alpha} \cdot \vec{\beta}}{|\vec{a}||\vec{\beta}|} cosθ=∣a ∣∣β ​∣α ⋅β ​​

2.两直线之间的夹角

设 L 1 : x − x 1 m 1 = y − y 1 n 1 = z − z 1 p 1 , L 2 : x − x 2 m 2 = y − y 2 n 2 = z − z 2 p 2 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}} L1​:m1​x−x1​​=n1​y−y1​​=p1​z−z1​​,L2​:m2​x−x2​​=n2​y−y2​​=p2​z−z2​​ 为两条直线.

s 1 → = { m 1 \overrightarrow{s_{1}}=\left\{m_{1}\right. s1​ ​={m1​, n 1 , p 1 } , s 2 → = { m 2 , n 2 , p 2 } \left.n_{1}, p_{1}\right\}, \overrightarrow{s_{2}}=\left\{m_{2}, n_{2}, p_{2}\right\} n1​,p1​},s2​ ​={m2​,n2​,p2​} 为直线 L 1 L_{1} L1​ 和 L 2 L_{2} L2​ 的方向向量

则 L 1 L_{1} L1​ 和 L 2 L_{2} L2​ 的夹角为
c o s θ = ∣ s 1 → ⋅ s 2 → ∣ ∣ s 1 → ∣ ∣ s 2 → ∣ cos\theta= \frac{\left|\overrightarrow{s_{1}} \cdot \overrightarrow{s_{2}}\right|}{\left|\overrightarrow{s_{1}}\right|\left|\overrightarrow{s_{2}}\right|} cosθ= ​s1​ ​ ​ ​s2​ ​ ​ ​s1​ ​⋅s2​ ​ ​​

3.两平面之间的夹角

设 π 1 : A 1 x + B 1 y + C 1 z + D 1 = 0 , π 2 : A 2 x + B 2 y + C 2 z + D 2 = 0 \pi_{1}: A_{1} x+B_{1} y+C_{1} z+D_{1}=0, \pi_{2}: A_{2} x+B_{2} y+C_{2} z+D_{2}=0 π1​:A1​x+B1​y+C1​z+D1​=0,π2​:A2​x+B2​y+C2​z+D2​=0 为两个平面, n 1 → = { A 1 \overrightarrow{n_{1}}=\left\{A_{1}\right. n1​ ​={A1​, B 1 , C 1 } , n 2 → = { A 2 , B 2 , C 2 } \left.B_{1}, C_{1}\right\}, \overrightarrow{n_{2}}=\left\{A_{2}, B_{2}, C_{2}\right\} B1​,C1​},n2​ ​={A2​,B2​,C2​} 为平面 π 1 \pi_{1} π1​ 和 π 2 \pi_{2} π2​ 的法向量

则平面 π 1 \pi_{1} π1​ 和 π 2 \pi_{2} π2​ 的夹角为
c o s θ = ∣ n 1 → ⋅ n 2 → ∣ ∣ n 1 → ∣ ∣ n 2 → ∣ . cos\theta= \frac{\left|\overrightarrow{n_{1}} \cdot \overrightarrow{n_{2}}\right|}{\left|\overrightarrow{n_{1}}\right|\left|\overrightarrow{n_{2}}\right|} . cosθ= ​n1​ ​ ​ ​n2​ ​ ​ ​n1​ ​⋅n2​ ​ ​​.

4.直线与平面之间的夹角

设直线 L : x − x 0 m = y − y 0 n = z − z 0 p L: \frac{x-x_{0}}{m}=\frac{y-y_{0}}{n}=\frac{z-z_{0}}{p} L:mx−x0​​=ny−y0​​=pz−z0​​, 平面 π : A x + B y + C z + D = 0 \pi: A x+B y+C z+D=0 π:Ax+By+Cz+D=0

s ⃗ = { m , n , p } \vec{s}=\{m, n, p\} s ={m,n,p} 与 n ⃗ \vec{n} n = { A , B , C } =\{A, B, C\} ={A,B,C} 分别为直线 L L L 的方向向量和平面 π \pi π 的法向量

则直线 L L L 与平面 π \pi π 之间的夹角为
s i n φ = ∣ s ⃗ ⋅ n ⃗ ∣ ∣ s ⃗ ∣ ∣ n ⃗ ∣ sin\varphi=\frac{|\vec{s} \cdot \vec{n}|}{|\vec{s}||\vec{n}|} sinφ=∣s ∣∣n ∣∣s ⋅n ∣​

五、投影

1.线线投影

设两个非零向量 a ⃗ \vec{a} a 与 β ⃗ \vec{\beta} β ​ 的夹角为 θ \theta θ ,则将 ∣ β ⃗ ∣ ⋅ cos ⁡ θ |\vec{\beta}| \cdot \cos \theta ∣β ​∣⋅cosθ 叫做向量 β ⃗ \vec{\beta} β ​ 在向量 $ 方向上|\vec{a}|$的投影或称标投影 (scalar projection) 。
l = ∣ β ⃗ ∣ cos ⁡ θ = c o s θ = α ⃗ ⋅ β ⃗ ∣ a ⃗ ∣ l=|\vec{\beta}| \cos \theta=cos\theta= \frac{\vec{\alpha} \cdot \vec{\beta}}{|\vec{a}|} l=∣β ​∣cosθ=cosθ=∣a ∣α ⋅β ​​

六、旋转曲面

(1) 设曲线 L : { f ( x , y ) = 0 , z = 0 L:\left\{\begin{array}{l}f(x, y)=0, \\ z=0\end{array}\right. L:{f(x,y)=0,z=0​ 为 x O y x O y xOy 平面内的曲线, 则曲线 L L L 绕 x x x 轴旋转而成的曲面为
Σ x : f ( x , ± y 2 + z 2 ) = 0 ; \Sigma_{x}: f\left(x, \pm \sqrt{y^{2}+z^{2}}\right)=0 ; Σx​:f(x,±y2+z2 ​)=0;
(2) 曲线 L L L 绕 y y y 轴旋转而成的曲面为
Σ y : f ( ± x 2 + z 2 , y ) = 0 \Sigma_{y}: f\left(\pm \sqrt{x^{2}+z^{2}}, y\right)=0 Σy​:f(±x2+z2 ​,y)=0

  • 绕什么轴,什么变量不变,把另外一个变量替换

七、柱面

母线平行于坐标轴的柱面

(1) Σ : f ( x , y ) = 0 \Sigma: f(x, y)=0 Σ:f(x,y)=0 为母线平行于 z z z 轴的柱面;

(2) Σ : f ( y , z ) = 0 \Sigma: f(y, z)=0 Σ:f(y,z)=0 为母线平行于 x x x 轴的柱面;

(3) Σ : f ( z , x ) = 0 \Sigma: f(z, x)=0 Σ:f(z,x)=0 为母线平行于 y y y 轴的柱面.

1.圆柱面

  • 满足方程 x 2 + y 2 = R 2 x^{2}+y^{2}=R^{2} x2+y2=R2

2.抛物柱面

  • 满足方程 y 2 = 2 p x y^2=2px y2=2px

3.椭圆柱面

  • 满足方程 x 2 a 2 + y 2 b 2 = 1 \frac{x^{2}}{a^{2}}+\frac{y^{2}}{b^{2}}=1 a2x2​+b2y2​=1

八、二次曲面

三元二次方程,如:
A x 2 + B y 2 + C z 2 + D x y + E y x + F z x + G x + H y + I z + J = 0 ( 二次项系数不全为 0 ) \begin{aligned} A x^{2}+B y^{2}+C z^{2}+D x y+E y x+F z x +G x+H y+I z+J=0 \\ (二次项系数不全为 0 ) \end{aligned} Ax2+By2+Cz2+Dxy+Eyx+Fzx+Gx+Hy+Iz+J=0(二次项系数不全为0)​
的图形通常为二次曲面. 其基本类型有:椭球面、拋物面、双曲面、锥面

研究二次曲面特性的基本方法:截痕法。

1.椭球面

x 2 a 2 + y 2 b 2 + z 2 c 2 = 1 ( a , b , c 为正数  ) \frac{x^{2}}{a^{2}}+\frac{y^{2}}{b^{2}}+\frac{z^{2}}{c^{2}}=1 \quad(a, b, c \text { 为正数 }) a2x2​+b2y2​+c2z2​=1(a,b,c 为正数 )

  • a = b a=b a=b 时为旋转椭球面; a = b = c a=b=c a=b=c 时为球面

  • 截痕之后是个椭圆

2.抛物面

x 2 2 p + y 2 2 q = z ( p 与  q 同号)  \frac{x^{2}}{2 p}+\frac{y^{2}}{2 q}=z \quad(p \text { 与 } q \text { 同号) } 2px2​+2qy2​=z(p 与 q 同号)

  • 当 p = q p=q p=q 时为旋转抛物面

  • 截痕之后,纵切是抛物线,横切是圆

3.双曲抛物面(马鞍面)

− x 2 2 p + y 2 2 q = z (  p 与  q 同号)  -\frac{x^{2}}{2 p}+\frac{y^{2}}{2 q}=z \text { ( } p \text { 与 } q \text { 同号) } −2px2​+2qy2​=z ( p 与 q 同号) 

4.单叶双曲面

x 2 a 2 + y 2 b 2 − z 2 c 2 = 1 ( a , b , c 为正数  ) \frac{x^{2}}{a^{2}}+\frac{y^{2}}{b^{2}}-\frac{z^{2}}{c^{2}}=1(a, b, c \text { 为正数 }) a2x2​+b2y2​−c2z2​=1(a,b,c 为正数 )

  • 截痕之后,中心纵切是双曲线,沿 ∣ y ∣ = b |y|=b ∣y∣=b 纵切是相交直线,沿 ∣ y ∣ > b |y|>b ∣y∣>b 纵切是双曲线

5.双叶双曲线

x 2 a 2 + y 2 b 2 − z 2 c 2 = − 1 ( a , b , c 为正数)  \frac{x^{2}}{a^{2}}+\frac{y^{2}}{b^{2}}-\frac{z^{2}}{c^{2}}=-1 \text{$(a, b, c$ 为正数) } a2x2​+b2y2​−c2z2​=−1(a,b,c 为正数) 

  • 截痕之后,横切是椭圆,纵切是双曲线

Warning:单叶双曲线和双叶双曲线的区别仅仅右边的常系数!!!

6.椭圆锥面

x 2 a 2 + y 2 b 2 = z 2 (  a , b 为正数) \frac{x^{2}}{a^{2}}+\frac{y^{2}}{b^{2}}=z^{2} \text{( $a, b$ 为正数)} a2x2​+b2y2​=z2( a,b 为正数)

  • 截痕之后,横切是椭圆,纵切是直线

九、常考题型

基本运算在高中已经学过,基本上大部分基础题都能啃老本写出来,不再赘述,这里主要分享大学的知识点

1.向量运算

①混合积

设  a ⃗ = ( a x , a y , a z ) , b ⃗ = ( b x , b y , b z ) , c ⃗ = ( c x , c y , c z ) [ a ⃗ b ⃗ c ⃗ ] = ( a ⃗ × b ⃗ ) ⋅ c ⃗ = ∣ a x a y a z b x b y b z c x c y C z ∣ \text { 设 } \vec{a}=\left(a_{x}, a_{y}, a_{z}\right), \vec{b}=\left(b_{x}, b_{y}, b_{z}\right), \vec{c}=\left(c_{x}, c_{y}, c_{z}\right)\\ {[\vec{a} \space \vec{b} \space \vec{c}] } =(\vec{a} \times \vec{b}) \cdot \vec{c}= \left|\begin{array}{ccc} \boldsymbol{a}_{\boldsymbol{x}} & \boldsymbol{a}_{\boldsymbol{y}} & \boldsymbol{a}_{z} \\ \boldsymbol{b}_{\boldsymbol{x}} & \boldsymbol{b}_{\boldsymbol{y}} & \boldsymbol{b}_{z} \\ \boldsymbol{c}_{\boldsymbol{x}} & \boldsymbol{c}_{\boldsymbol{y}} & \mathcal{C}_{\boldsymbol{z}} \end{array}\right|  设 a =(ax​,ay​,az​),b =(bx​,by​,bz​),c =(cx​,cy​,cz​)[a  b  c ]=(a ×b )⋅c = ​ax​bx​cx​​ay​by​cy​​az​bz​Cz​​ ​

  • 三向量共线,则 [ a ⃗ b ⃗ c ⃗ ] = 0 [\vec{a} \space \vec{b} \space \vec{c}]=0 [a  b  c ]=0
  • 注意格式
  • 轮换对称性 [ a ⃗ b ⃗ c ⃗ ] = [ b ⃗ c ⃗ a ⃗ ] = [ c ⃗ a ⃗ b ⃗ ] [\vec{a} \space \vec{b} \space \vec{c}]=[\vec{b} \space \vec{c} \space \vec{a}]=[\vec{c} \space \vec{a} \space \vec{b}] [a  b  c ]=[b  c  a ]=[c  a  b ]

【例】设向量 a = { − 1 , 3 , 2 } , b = { 2 , − 3 , − 4 } , c = { − 3 , 12 , 6 } a=\{-1,3,2\}, b=\{2,-3,-4\}, c=\{-3,12,6\} a={−1,3,2},b={2,−3,−4},c={−3,12,6}, 试证向量 a , b , c a, b, c a,b,c 共面,

【解】 [ a ⃗ b ⃗ c ⃗ ] = ∣ − 1 3 2 2 − 3 − 4 − 3 12 6 ∣ = 0 [\vec{a}\space \vec{b}\space\vec{c}]= \left|\begin{array}{ccc} -1 & 3 & 2 \\ 2 & -3 & -4 \\ -3 & 12 & 6 \end{array}\right| = 0 [a  b  c ]= ​−12−3​3−312​2−46​ ​=0 所以三向量共面

【例】设有向量 a , b , c a, b, c a,b,c, 且 ( a × b ) ⋅ c = 2 (a \times b) \cdot c=2 (a×b)⋅c=2, 求 [ ( a + b ) × ( b + c ) ] ⋅ ( c + a ) [(a+b) \times(b+c)] \cdot(c+a) [(a+b)×(b+c)]⋅(c+a) 的值.

【解】(自己和自己的叉乘为0)
原式 = [ a ⃗ × b ⃗ + a ⃗ × c ⃗ + b ⃗ × b ⃗ + b ⃗ × c ⃗ ] ⋅ ( c ⃗ + a ⃗ ) = ( a ⃗ × b ⃗ ) ⋅ c ⃗ + ( a ⃗ × c ⃗ ) ⋅ c ⃗ + ( b ⃗ × c ⃗ ) ⋅ c ⃗ + ( a ⃗ × b ⃗ ) ⋅ a ⃗ + ( a ⃗ × c ⃗ ) ⋅ a ⃗ + ( b ⃗ × c ⃗ ) ⋅ a ⃗ = 2 ( a ⃗ × b ⃗ ) ⋅ c ⃗ = 4 \begin{align*} 原式&= [\vec{a}×\vec{b} +\vec{a}× \vec{c} +\vec{b}× \vec{b} +\vec{b}× \vec{c}]\cdot (\vec{c}+\vec{a}) \\ &=(\vec{a}×\vec{b})\cdot\vec{c}+(\vec{a}× \vec{c})\cdot\vec{c}+(\vec{b}× \vec{c})\cdot\vec{c}+(\vec{a}× \vec{b})\cdot\vec{a}+(\vec{a}× \vec{c})\cdot\vec{a}+(\vec{b}× \vec{c})\cdot\vec{a} \\ &=2(\vec{a}×\vec{b})\cdot\vec{c} =4 \end{align*} 原式​=[a ×b +a ×c +b ×b +b ×c ]⋅(c +a )=(a ×b )⋅c +(a ×c )⋅c +(b ×c )⋅c +(a ×b )⋅a +(a ×c )⋅a +(b ×c )⋅a =2(a ×b )⋅c =4​


在下面的空间几何题中,一旦题目变得抽象就要画图来找条件!!


2.平面

①点法式方程

  • 利用平面内两条线叉乘求出平面的法向量,从而应用点法式方程
  • 利用一切方法求出法向量,从而应用点法式方程

【例】求过 A ( 1 , 1 , − 1 ) , B ( − 2 , − 2 , 2 ) A(1,1,-1),B(-2,-2,2) A(1,1,−1),B(−2,−2,2) 和 C ( 1 , − 1 , 2 ) C(1,-1,2) C(1,−1,2) 三点的平面方程.

【解】 A B ⃗ = ( 3 , 3 , − 3 ) = 3 ( 1 , 1 − 3 ) \vec{AB} =(3,3,-3)=3(1,1-3) AB =(3,3,−3)=3(1,1−3) A C ⃗ = ( 0 , 2 , − 3 ) \vec{AC} =(0,2,-3) AC =(0,2,−3) n ⃗ = ∣ i j k 1 1 − 1 0 2 − 3 ∣ = ( − 1 , 3 , 2 ) \vec{n}=\left|\begin{array}{lll} i & j & k \\ 1 & 1 & -1 \\ 0 & 2 & -3 \end{array}\right|=(-1,3,2) n = ​i10​j12​k−1−3​ ​=(−1,3,2)

​ 所以,方程为
1 ( x − 1 ) − 3 ( y − 1 ) − 2 ( z + 1 ) = 0 ⟹ x − 3 y − 2 z = 0 1(x-1)-3(y-1)-2(z+1)=0 \Longrightarrow x-3y-2z=0 1(x−1)−3(y−1)−2(z+1)=0⟹x−3y−2z=0

②平面束方程

  • 利用平面束方程求出一个含参法向量,结合题目解出参数,从而求出平面

【例】求过直线 { x + 5 y + z = 0 5 y + 2 z − 4 = 0 \left\{\begin{array}{l}x+5 y+z=0 \\ 5 y+2 z-4=0\end{array}\right. {x+5y+z=05y+2z−4=0​ 且与平面 x − 4 y − 8 z − 10 = 0 x-4 y-8 z-10=0 x−4y−8z−10=0 成 π 4 \frac{\pi}{4} 4π​ 角的平面方程.

【解】
平面束方程: ( x + 5 y + z ) + λ ( 5 y + 2 z − 4 ) = 0 法向量: n ⃗ = ( 1 + 5 λ , 5 + 2 λ , 1 − 4 λ ) c o u θ = 2 2 ⟹ λ = − 1 , λ = 3 x + 20 y + 7 z − 12 = 0 or  x − z + 4 = 0 \text{平面束方程:}(x+5y+z)+\lambda(5y+2z-4)=0 \\ \text{法向量:}\vec{n}=(1+5\lambda,5+2\lambda,1-4\lambda)\\ cou\theta=\frac{\sqrt{2}}{2} \Longrightarrow \lambda=-1,\lambda=3 \\ x+20y+7z-12=0 \space \text{or} \space x-z+4=0 平面束方程:(x+5y+z)+λ(5y+2z−4)=0法向量:n =(1+5λ,5+2λ,1−4λ)couθ=22 ​​⟹λ=−1,λ=3x+20y+7z−12=0 or x−z+4=0

3.直线

①点向式方程

  • 不惜一切代价找线内的点,不惜一切代价找方向向量

【例】求过点 ( − 1 , 0 , 4 ) (-1,0,4) (−1,0,4) 且平行于平面 3 x − 4 y + z − 10 = 0 3 x-4 y+z-10=0 3x−4y+z−10=0, 又与直线 x + 1 1 = y − 3 1 = z 2 \frac{x+1}{1}=\frac{y-3}{1}=\frac{z}{2} 1x+1​=1y−3​=2z​ 相交的直线方程.

【解】(我写的时候感觉抽象的一批!!所以我决定画图~)

知平面的法向量 n ⃗ = ( 3 , − 4 , 1 ) \vec{n}=(3,-4,1) n =(3,−4,1)


x + 1 1 = y − 3 1 = z 2 = k ⇒ { x = k − 1 y = k + 3 z = 2 k 设 p ⃗ = ( k − 1 , k + 3 , 2 k ) \begin{array}{l} \frac{x+1}{1}=\frac{y-3}{1}=\frac{z}{2}=k\\ \Rightarrow\left\{\begin{array}{l} x=k-1 \\ y=k+3 \\ z=2 k \end{array}\right.\\ 设\vec{p}=(k-1, k+3,2 k) \end{array} 1x+1​=1y−3​=2z​=k⇒⎩ ⎨ ⎧​x=k−1y=k+3z=2k​设p ​=(k−1,k+3,2k)​

则方向向量  a ⃗ = ( k , k + 3 , 2 k − 4 ) 则方向向量与法向量相乘为0 a ⃗ ⋅ n ⃗ = 0 k = 16 x + 1 16 = y 19 = z − 4 28 \text{则方向向量 }\vec{a}=(k,k+3,2k-4)\\ \text{则方向向量与法向量相乘为0} \\ \vec{a}\cdot \vec{n}=0\\ k=16 \\ \frac{x+1}{16}=\frac{y}{19}=\frac{z-4}{28} 则方向向量 a =(k,k+3,2k−4)则方向向量与法向量相乘为0a ⋅n =0k=1616x+1​=19y​=28z−4​

高等数学 第八章 向量代数和空间解析几何相关推荐

  1. 空间平面方程matlab求解,向量代数和空间解析几何MATLAB求解.ppt

    向量代数和空间解析几何MATLAB求解 第11章 向量代数与空间解析几何MATLAB求解;Outline;11.1 向量及其线性运算;11.2 数量积.向量积与混合积;11.3 曲面及其方程;3.柱面 ...

  2. 数一独有:向量代数和空间解析几何

    文章目录: 一:空间直角坐标系 二:向量的概念 三:向量的运算 四:平面方程.直线方程

  3. 高等数学:第七章 空间解析几何(1)空间解析几何与向量代数 向量的加减法、数乘、坐标

    §7.1  空间直角坐标系 一.空间点的直角坐标 平面直角坐标系使我们建立了平面上的点与一对有序数组之间的一一对应关系,沟通了平面图形与数的研究. 为了沟通空间图形与数的研究, 我们用类似于平面解析几 ...

  4. 第八章 向量代数与空间解析几何

    目录 一.向量的基本概念及线性运算 二.空间直角坐标系.利用坐标作向量的线性运算 三.向量模.两点的距离公式.方向角.方向余弦 四.向量在轴上的投影.数量积.向量积 五.混合积.平面及其方程(点法式. ...

  5. matlab求两向量夹角_高等数学之向量代数与空间解析几何知识点与题型总结

    向量代数与空间解析几何知识点: (1)向量代数知识点 (2)两平面夹角与两直线夹角公式 两平面夹角和两直线夹角公式 (3)点到直线的距离公式 点到直线的距离 (4)常见二次曲线 常见二次曲线 题型一: ...

  6. 高等数学笔记-乐经良老师-第七章-向量代数与空间解析几何(Ⅱ)

    高等数学笔记-乐经良老师 第七章 向量代数与空间解析几何(Ⅱ) 第四节 平面与直线 一.平面 01 确定平面方程的条件 一个平面上的点 + 一个法向量 一个平面上的点 + 两个平行于平面的不共线向量 ...

  7. 考研:研究生考试(十五天学完)之【数学考试】—《高等数学-上册/下册》、《线性代数与空间解析几何》、《概率与统计》的研究生学霸重点知识点总结之考试内容各科占比及其知识结构重点

    考研:研究生考试(十五天学完)之[数学考试]-<高等数学-上册/下册>.<线性代数与空间解析几何>.<概率与统计>的研究生学霸重点知识点总结之考试内容各科占比及其知 ...

  8. 考研:研究生考试(五天学完)之《线性代数与空间解析几何》研究生学霸重点知识点总结之第三课向量与向量空间

    考研:研究生考试(五天学完)之<线性代数与空间解析几何>研究生学霸重点知识点总结之第三课向量与向量空间 目录

  9. 高等数学 · 空间解析几何与向量代数理论笔记小结

    空间解析几何与向量代数理论笔记小结 一.向量代数 1. 向量的定义 2. 向量的模 3. 基本单位向量 4. 向量的方向角与方向余弦 5. 向量的坐标表示 6. 向量的线性运算 7. 向量的数量积 8 ...

最新文章

  1. 深圳腾讯内部Jetpack宝典意外流出!极致经典,堪称Android架构组件的天花板
  2. 优化器 Adam和SGD的结合体AdaBelief
  3. 中国研究的超级系统计算机,[公告]超级系统恢复--学习电脑 Book 3 V1.1
  4. ASP.NET AJAX文档-ASP.NET AJAX 概述[翻译](1)
  5. [蓝桥杯][基础练习VIP]FJ的字符串-递归
  6. [react] React为什么不要直接修改state?如果想修改怎么做?
  7. ccs6 linux安装教程,【图片】【吧主帖】在LINUX(ubuntu)系统下装CCSv6方法(原创)【dsp吧】_百度贴吧...
  8. 由浅到深理解ROS(4)
  9. 简单分析STM32和51的区别
  10. python怎么用圆周率_Python语言中,如何使用圆周率?
  11. 腾讯云linux服务器怎么使用图形化界面_winscp使用方法,winscp使用方法详细说明...
  12. 加密原理公钥私钥CA
  13. 2019开发者调查:Python 或成赢家,Java 最不赚钱?
  14. 通过Chrome扩展来批量复制知乎好友
  15. 非线性最小二乘求解方法详解
  16. linux的打开文件工具,xdg-open|从Liunx终端工具打开文件系统说起
  17. 登录注册,文件增删查改实现
  18. css3 描两个边,CSS3 / 指定四条边中图像的显示方法 - 汇智网
  19. dreamweaver CC 快捷键
  20. PHP是世界上最好语言吗?

热门文章

  1. NX二次开发 获取基准坐标系特征的坐标原点、基准轴、基准面对象 UF_MODL_ask_datum_csys_components
  2. 【SSL】ssl证书简介、ssl证书生成工具与ssl证书生成步骤
  3. SAP连接电脑串口读数(电子称,磅等数据读取)
  4. FireEye事件新动态:APT 攻击 SolarWinds 全球供应链(详解)
  5. HTML+CSS+JAXA+Bootstrap
  6. 白鹭(egret)序列帧图片打包动画资源
  7. Alink连接Kafka数据源(Java版本)
  8. Salesforce宣布与阿里巴巴达成战略合作 向全国开放CRM平台
  9. R语言手动绘制分类Logistic回归模型的校准曲线(Calibration curve)(3)
  10. 还原计算机或重装windows,windows一键还原,教您怎么解决