空间解析几何
空间平面与直线
平面方程
- 一般式: A x + B y + C z + D = 0 ( A 2 + B 2 + C 2 ≠ 0 ) Ax+By+Cz+D=0(A^2+B^2+C^2\neq 0) Ax+By+Cz+D=0(A2+B2+C2=0),其中 n = A i + B j + C k \mathbf{n} = A\mathbf{i}+B\mathbf{j}+C\mathbf{k} n=Ai+Bj+Ck为法向量
- 点法式:过点
M
(
x
0
,
y
0
,
z
0
)
M(x_0, y_0, z_0)
M(x0,y0,z0),且法向量
n
=
{
A
,
B
,
C
}
\mathbf{n} = \{A, B, C\}
n={A,B,C}的平面方程为
A ( x − x 0 ) + B ( y − y 0 ) + C ( z − z 0 ) = 0 A(x-x_0)+B(y-y_0)+C(z-z_0) = 0 A(x−x0)+B(y−y0)+C(z−z0)=0 - 截距式:过三点
(
a
,
0
,
0
)
,
(
0
,
b
,
0
)
,
(
0
,
0
,
c
)
(a, 0, 0), (0, b, 0), (0, 0, c)
(a,0,0),(0,b,0),(0,0,c)的平面方程为
x a + y b + z c = 1 \frac{x}{a}+\frac{y}{b}+\frac{z}{c} = 1 ax+by+cz=1
其中 a , b , c a, b, c a,b,c分别为平面在坐标轴上的截距
直线方程
- 一般式(两平面的交线):
{ 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{aligned} A_1x+B_1y+C_1z+D_1 = 0,\\ A_2x+B_2y+C_2z+D_2 = 0, \end{aligned} \right. {A1x+B1y+C1z+D1=0,A2x+B2y+C2z+D2=0, - 对称式:
l
i
+
m
j
+
n
k
l\mathbf{i}+m\mathbf{j}+n\mathbf{k}
li+mj+nk是方向向量
x − x 0 l = y − y 0 m = z − z 0 n \frac{x-x_0}{l} = \frac{y-y_0}{m} = \frac{z-z_0}{n} lx−x0=my−y0=nz−z0 - 参数式:过点
M
(
x
0
,
y
0
,
z
0
)
M(x_0, y_0, z_0)
M(x0,y0,z0),且方向向量为
S
=
{
l
,
m
,
n
}
S=\{l, m, n\}
S={l,m,n}的方程为
{ x = x 0 + l t , y = y 0 + m t , z = z 0 + n t \left\{ \begin{aligned} x = x_0+lt,\\ y = y_0+mt,\\ z = z_0+nt \end{aligned} \right. ⎩ ⎨ ⎧x=x0+lt,y=y0+mt,z=z0+nt
平面和直线的位置关系
无论是平面和平面的位置关系,还是直线与平面的位置关系,抑或是直线与直线的位置关系。都是在考虑方向向量的位置关系和法向量的位置关系,因此只需要记住两点即可
- 向量垂直则有 a ⋅ b = 0 \mathbf{a}\cdot\mathbf{b} = 0 a⋅b=0
- 向量平行则有 a × b = 0 \mathbf{a}\times\mathbf{b} = 0 a×b=0
点到面的距离
点
(
x
0
,
y
0
,
z
0
)
(x_0, y_0, z_0)
(x0,y0,z0)到平面
A
x
+
B
y
+
C
z
+
D
=
0
Ax+By+Cz+D=0
Ax+By+Cz+D=0的距离
d
=
∣
A
x
0
+
B
y
0
+
C
z
0
+
D
∣
A
2
+
B
2
+
C
2
d = \frac{|Ax_0+By_0+Cz_0+D|}{\sqrt{A^2+B^2+C^2}}
d=A2+B2+C2∣Ax0+By0+Cz0+D∣
- A x + B y + C z + D = 0 Ax+By+Cz+D=0 Ax+By+Cz+D=0中 D D D变化,平面则沿着法向量方向平移
点到直线的距离
点
(
x
0
,
y
0
,
z
0
)
(x_0, y_0, z_0)
(x0,y0,z0)到直线
x
−
x
1
l
=
y
−
y
1
m
=
z
−
z
1
n
\frac{x-x_1}{l} = \frac{y-y_1}{m} = \frac{z-z_1}{n}
lx−x1=my−y1=nz−z1的距离为
d
=
∣
(
x
1
−
x
0
,
y
1
−
y
0
,
z
1
−
z
0
)
×
(
l
,
m
,
n
)
∣
l
2
+
m
2
+
n
2
d = \frac{|(x_1-x_0, y_1-y_0, z_1-z_0)\times (l, m, n)|}{\sqrt{l^2+m^2+n^2}}
d=l2+m2+n2∣(x1−x0,y1−y0,z1−z0)×(l,m,n)∣
- 这个距离求法相当于是:平行四边形面积/底边长
多元函数极限微分
多元函数的极限与连续
重极限的概念
设函数
f
(
x
,
y
)
f(x, y)
f(x,y)在开区域(或闭区域)D内有定义,
P
0
(
x
0
,
y
0
)
P_0(x_0, y_0)
P0(x0,y0)是
D
D
D的内点或边界点,如果对任意给定的
ϵ
>
0
\epsilon>0
ϵ>0,
∃
δ
>
0
\exist \delta>0
∃δ>0,使得对满足不等式
0
<
(
x
−
x
0
)
2
+
(
y
−
y
0
)
2
<
δ
0<\sqrt{(x-x_0)^2+(y-y_0)^2}<\delta
0<(x−x0)2+(y−y0)2<δ
的一切的
P
(
x
,
y
)
∈
D
P(x, y)\in D
P(x,y)∈D,都有
∣
f
(
x
,
y
)
−
A
∣
<
ϵ
|f(x, y)-A|<\epsilon
∣f(x,y)−A∣<ϵ,则称
A
A
A为
f
(
x
,
y
)
f(x, y)
f(x,y)当
x
→
x
0
,
y
→
y
0
x\rightarrow x_0, y\rightarrow y_0
x→x0,y→y0时的极限,记为
lim
x
→
x
0
,
y
→
y
0
f
(
x
,
y
)
=
A
\lim_{x\rightarrow x_0, y\rightarrow y_0} f(x, y) = A
limx→x0,y→y0f(x,y)=A
- 二元函数重极限的定义是指定义域 D D D中的点 P ( x , y ) P(x, y) P(x,y)以任何方式趋近于点 P 0 ( x 0 , y 0 ) P_0(x_0, y_0) P0(x0,y0)时,函数 f ( x , y ) f(x, y) f(x,y)都无限趋近于同一常数 A A A
- 证明重极限不存在常用的有效方法:
- 沿两条不同的路径趋于 P 0 ( x 0 , y 0 ) P_0(x_0, y_0) P0(x0,y0)时, f ( x , y ) f(x, y) f(x,y)趋于不同常数
- 沿某条路径趋于 P 0 ( x 0 , y 0 ) P_0(x_0, y_0) P0(x0,y0)时, f ( x , y ) f(x, y) f(x,y)的极限不存在
二元函数连续的概念
设函数 f ( x , y ) f(x, y) f(x,y)在开区域(或闭区域) D D D内有定义, P 0 ( x 0 , y 0 ) P_0(x_0, y_0) P0(x0,y0)是 D D D的内点或边界点,且 P 0 ∈ D P_0\in D P0∈D,如果 lim x → x 0 , y → y 0 f ( x , y ) = f ( x 0 , y 0 ) \lim_{x\rightarrow x_0, y\rightarrow y_0} f(x, y) = f(x_0, y_0) limx→x0,y→y0f(x,y)=f(x0,y0),则称函数 f ( x , y ) f(x, y) f(x,y)在点 P 0 ( x 0 , y 0 ) P_0(x_0, y_0) P0(x0,y0)处连续。
多元连续函数的性质
- 连续函数的和、差、积、商(分母不为零)仍是连续函数,连续函数的复合函数仍为连续函数。
- 最大最小值定理:在有界闭区域 D D D上的连续函数,在该区域 D D D上有最小值和最大值。
- 介值定理:在有界闭区域 D D D上的连续函数,可取到它在该区域上的最小值和最大值之间的任何值
多元函数微分
二元函数的偏导数
设函数
z
=
f
(
x
,
y
)
z = f(x, y)
z=f(x,y)在点
(
x
0
,
y
0
)
(x_0, y_0)
(x0,y0)的某一邻域内有定义,如果
lim
Δ
x
→
0
f
(
x
0
+
Δ
x
,
y
0
)
−
f
(
x
0
,
y
0
)
Δ
x
\lim_{\Delta x\rightarrow 0} \frac{f(x_0+\Delta x, y_0)-f(x_0, y_0)}{\Delta x}
Δx→0limΔxf(x0+Δx,y0)−f(x0,y0)
存在,则称此极限为函数
z
=
f
(
x
,
y
)
z = f(x, y)
z=f(x,y)在点
(
x
0
,
y
0
)
(x_0, y_0)
(x0,y0)处对
x
x
x的偏导数,记为
f
x
′
(
x
0
,
y
0
)
f'_x(x_0, y_0)
fx′(x0,y0)或
∂
f
(
x
0
,
y
0
)
/
∂
x
\partial f(x_0, y_0)/\partial x
∂f(x0,y0)/∂x
- 偏导数的几何意义:表示曲面 z = f ( x , y ) z=f(x, y) z=f(x,y)与平面 y = y 0 y=y_0 y=y0的交线在点 M 0 ( x 0 , y 0 , f ( x 0 , y 0 ) ) M_0(x_0, y_0, f(x_0, y_0)) M0(x0,y0,f(x0,y0))处的切线 T x T_x Tx对 x x x轴的斜率
二元函数的全微分
如果函数
z
=
f
(
x
,
y
)
z = f(x, y)
z=f(x,y)在点
(
x
,
y
)
(x, y)
(x,y)处的全增量
Δ
z
=
f
(
x
+
Δ
x
,
y
+
Δ
y
)
−
f
(
x
,
y
)
\Delta z = f(x+\Delta x, y+\Delta y)-f(x, y)
Δz=f(x+Δx,y+Δy)−f(x,y)可表示为
Δ
z
=
A
Δ
x
+
B
Δ
+
o
(
ρ
)
\Delta z = A\Delta x+B\Delta+o(\rho)
Δz=AΔx+BΔ+o(ρ)
其中
A
,
B
A, B
A,B不依赖于
Δ
x
,
Δ
y
\Delta x, \Delta y
Δx,Δy,而仅与
x
,
y
x, y
x,y有关,
ρ
=
(
Δ
x
)
2
+
(
Δ
y
)
2
\rho = \sqrt{(\Delta x)^2+(\Delta y)^2}
ρ=(Δx)2+(Δy)2,则称函数
z
=
f
(
x
,
y
)
z = f(x, y)
z=f(x,y)在点
(
x
,
y
)
(x, y)
(x,y)可微,
A
Δ
x
+
B
Δ
y
A\Delta x+B\Delta y
AΔx+BΔy称为函数
z
=
f
(
x
,
y
)
z=f(x, y)
z=f(x,y)在点
(
x
,
y
)
(x, y)
(x,y)的全微分,记为
d
z
=
A
d
x
+
B
d
y
\,d z = A\,d x+B\,d y
dz=Adx+Bdy
- 全微分存在的必要条件:该点的偏导数均存在
- 全微分存在的充分条件,该点的偏导数连续
- 注意,在多元函数中,一阶偏导数都存在,无法得到该点函数连续