空间解析几何之直线与平面:推导直线与直线、直线与平面交点

空间解析几何——直线与平面

三维空间中的直线和平面与二维空间中的性质有一定的类似之处,但是其相交关系的求解方式有所差异。本文回顾了三维空间中直线和平面的解析表达,然后推导线-线线-面交点。

平面

空间平面的表达式为:
A x + B y + C z + D = 0 (1) Ax+By+Cz+D=0\tag{1} Ax+By+Cz+D=0(1)
包含了4个参数 A , B , C , D A,B,C,D A,B,C,D ( A , B , C ) (A,B,C) (A,B,C)是平面的一个法向量。但是它们并非独立的,即法向量的长度可以是任意的。
若限定 A , B , C A,B,C A,B,C三个参数满足:
A 2 + B 2 + C 2 = 1 (2) A^2+B^2+C^2=1\tag{2} A2+B2+C2=1(2)
此时 ( A , B , C ) (A,B,C) (A,B,C)是平面的单位法向量, D D D表示坐标原点到该平面的距离。方便起见,下面的讨论默认平面的A,B,C参数满足(2)式。

本质上,空间平面仅需要三个参数确定: ( n x , n y , 1 ) (n_x,n_y,1) (nx,ny,1)描述其法向量(仅需2参数), d d d描述其到原点的距离,表达式为 n x x + n y y + z + d = 0 n_x x+n_y y+z+d=0 nxx+nyy+z+d=0,与(1)是等价的。

直线

空间直线的一种表达是:两个平面的交。用 π 1 , π 2 \pi_1,\pi_2 π1,π2表示两个不平行、不共面的平面,则一条空间直线可以表达为
l = π 1 ∩ π 2 → 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=\pi_1\cap\pi_2\rightarrow l=\begin{cases}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{cases} l=π1π2l={A1x+B1y+C1z+D1=0A2x+B2y+C2z+D2=0

显然,这种表达方式不是唯一的。一条空间直线可能是无数对平面的交线。
空间直线更常用的表达式为:
x − x 0 a = y − y 0 b = z − z 0 c \dfrac{x-x_0}{a}=\dfrac{y-y_0}{b}=\dfrac{z-z_0}{c} axx0=byy0=czz0

包含6个参数 x 0 , y 0 , z 0 , a , b , c x_0,y_0,z_0, a,b,c x0,y0,z0,a,b,c ( a , b , c ) (a,b,c) (a,b,c)是直线的方向向量,其长度任意,因而相当于只有两个独立参数; ( x 0 , y 0 , z 0 ) (x_0,y_0,z_0) (x0,y0,z0)是直线上一点。因此,一条空间直线只需要5个独立参数即可描述。

点到平面的距离

( x 1 , y 1 , z 1 ) (x_1,y_1,z_1) (x1,y1,z1)到平面 A x + B y + C z + D = 0 Ax+By+Cz+D=0 Ax+By+Cz+D=0的距离为:

d = ∣ A x 1 + B y 1 + C z 1 + D ∣ A 2 + B 2 + C 2 d=\dfrac{|Ax_1+By_1+Cz_1+D|}{\sqrt{A^2+B^2+C^2}} d=A2+B2+C2 Ax1+By1+Cz1+D

点到直线的距离

( x 1 , y 1 , z 1 ) (x_1,y_1,z_1) (x1,y1,z1)到直线 x − x 0 a = y − y 0 b = z − z 0 c \dfrac{x-x_0}{a}=\dfrac{y-y_0}{b}=\dfrac{z-z_0}{c} axx0=byy0=czz0的距离为:

d = ∣ ( x 1 − x 0 , y 1 − y 0 , z 1 − z 0 ) × ( a , b , c ) ∣ a 2 + b 2 + c 2 d=\dfrac{|(x_1-x_0,y_1-y_0,z_1-z_0)\bold{\times} (a,b,c)|}{\sqrt{a^2+b^2+c^2}} d=a2+b2+c2 (x1x0,y1y0,z1z0)×(a,b,c)

表达式中为何出现叉积?这是因为, ∣ a × b ∣ = ∣ a ∣ ∣ b ∣ ∣ sin ⁡ θ ∣ |a\times b |=|a||b||\sin\theta| a×b=a∣∣b∣∣sinθ,而 d d d恰恰就等于 ∣ ( x 1 − x 0 , y 1 − y 0 , z 1 − z 0 ) ∣ ∗ ∣ sin ⁡ θ ∣ |(x_1-x_0,y_1-y_0,z_1-z_0)|*|\sin\theta| (x1x0,y1y0,z1z0)sinθ

在这里插入图片描述

直线之间的距离

两条直线 x − x 0 a = y − y 0 b = z − z 0 c \dfrac{x-x_0}{a}=\dfrac{y-y_0}{b}=\dfrac{z-z_0}{c} axx0=byy0=czz0 x − x 1 a ′ = y − y 1 b ′ = z − z 1 c ′ \dfrac{x-x_1}{a'}=\dfrac{y-y_1}{b'}=\dfrac{z-z_1}{c'} axx1=byy1=czz1,分别通过点P1 ( x 0 , y 0 , z 0 ) (x_0,y_0,z_0) (x0,y0,z0)和P2 ( x 1 , y 1 , z 1 ) (x_1,y_1,z_1) (x1,y1,z1)
两条直线方向向量的叉积即为待求距离所在的方向,我们记作 N = ( a , b , c ) × ( a ′ , b ′ , c ′ ) N=(a,b,c)\times(a',b',c') N=(a,b,c)×(a,b,c)
则它们之间的距离为:

d = ∣ ( x 1 − x 0 , y 1 − y 0 , z 1 − z 0 ) ⋅ N ∣ ∣ ∣ N ∣ ∣ d = \dfrac{|(x_1-x_0,y_1-y_0,z_1-z_0)\cdot N|}{||N||} d=∣∣N∣∣(x1x0,y1y0,z1z0)N
其中, ∣ ∣ ∗ ∣ ∣ ||*|| ∣∣∣∣表示取模。
在这里插入图片描述

直线与直线相交

两条直线 x − x 0 a = y − y 0 b = z − z 0 c \dfrac{x-x_0}{a}=\dfrac{y-y_0}{b}=\dfrac{z-z_0}{c} axx0=byy0=czz0 x − x 1 a ′ = y − y 1 b ′ = z − z 1 c ′ \dfrac{x-x_1}{a'}=\dfrac{y-y_1}{b'}=\dfrac{z-z_1}{c'} axx1=byy1=czz1,分别通过点P1 ( x 0 , y 0 , z 0 ) (x_0,y_0,z_0) (x0,y0,z0)和P2 ( x 1 , y 1 , z 1 ) (x_1,y_1,z_1) (x1,y1,z1)
若两条空间直线相交,则它们必共面。与求解直线的距离类似,为了求两条空间直线的交点,首先计算两条直线方向向量的叉积 N N N

解法一

由于两条直线的方向向量已知,所以求交点 C C C的问题,可以转化为求解CP1长度的问题。将CP1长度记为L,如图所示,显然有:

L = d / ∣ cos ⁡ θ ∣ L=d/|\cos\theta| L=d/∣cosθ

d d d即P1点到另一直线的距离。即有:
d = ∣ ( x 1 − x 0 , y 1 − y 0 , z 1 − z 0 ) × ( a ′ , b ′ , c ′ ) ∣ a ′ 2 + b ′ 2 + c ′ 2 d=\dfrac{|(x_1-x_0,y_1-y_0,z_1-z_0)\bold{\times} (a',b',c')|}{\sqrt{a'^2+b'^2+c'^2}} d=a′2+b′2+c′2 (x1x0,y1y0,z1z0)×(a,b,c)

两直线夹角的余弦为:
∣ cos ⁡ θ ∣ = a a ′ + b b ′ + c c ′ a 2 + b 2 + c 2 a ′ 2 + b ′ 2 + c ′ 2 |\cos\theta|=\dfrac{aa'+bb'+cc'}{\sqrt{a^2+b^2+c^2}\sqrt{a'^2+b'^2+c'^2}} cosθ=a2+b2+c2 a′2+b′2+c′2 aa+bb+cc
在这里插入图片描述
那么,由于距离d没有符号,C点坐标为:
C = P 1 + L ⋅ ( a , b , c ) 或 C = P 1 − L ⋅ ( a , b , c ) C=P1+L\cdot (a,b,c)\text{或}C=P1-L\cdot (a,b,c) C=P1+L(a,b,c)C=P1L(a,b,c)
为确定C坐标为上面两个结果中的哪一个,将它们代入直线 l 2 l_2 l2的表达式,误差较小的那个就是真正的交点。

解法二

设未知数t,由于C在直线 l 1 l_1 l1上,其坐标可以表达为 ( x 0 + t a , y 0 + t b , z 0 + t c ) (x_0+ta,y_0+tb,z_0+tc) (x0+ta,y0+tb,z0+tc);代入直线 l 2 l_2 l2的表达式,有:

{ x 0 + t a − x 1 a ′ = y 0 + t b − y 1 b ′ x 0 + t a − x 1 a ′ = z 0 + t c − z 1 c ′ \begin{cases}\dfrac{x_0+ta-x_1}{a'}=\dfrac{y_0+tb-y_1}{b'}\\\dfrac{x_0+ta-x_1}{a'}=\dfrac{z_0+tc-z_1}{c'}\\\end{cases} ax0+tax1=by0+tby1ax0+tax1=cz0+tcz1

由上面两式,可分别求出两个t值:

t 1 = ( x 1 − x 0 ) b ′ − ( y 1 − y 0 ) a ′ a b ′ − a ′ b t 2 = ( x 1 − x 0 ) c ′ − ( z 1 − z 0 ) a ′ a c ′ − a ′ c t_1=\dfrac{(x_1-x_0)b'-(y_1-y_0)a'}{ab'-a'b}\\ t_2=\dfrac{(x_1-x_0)c'-(z_1-z_0)a'}{ac'-a'c}\\ t1=abab(x1x0)b(y1y0)at2=acac(x1x0)c(z1z0)a
如果 t 1 , t 2 t_1,t_2 t1,t2非常接近,则说明两直线确实交于一点;如果它们差异较大,说明两直线可能不相交(即不共面或平行)。

多条直线相交时,应按照最小二乘法求交点。

直线与平面相交

已知直线 x − x 0 a = y − y 0 b = z − z 0 c \dfrac{x-x_0}{a}=\dfrac{y-y_0}{b}=\dfrac{z-z_0}{c} axx0=byy0=czz0,直线上一点P ( x 0 , y 0 , z 0 ) (x_0,y_0,z_0) (x0,y0,z0),平面方程为: A x + B y + C z + D = 0 Ax+By+Cz+D=0 Ax+By+Cz+D=0,如图所示求交点坐标:

在这里插入图片描述
设未知数t,由于C在直线上,其坐标可以表达为 ( x 0 + t a , y 0 + t b , z 0 + t c ) (x_0+ta,y_0+tb,z_0+tc) (x0+ta,y0+tb,z0+tc)

因为C在平面上,所以满足
A ( x 0 + t a ) + B ( y 0 + t b ) + C ( z 0 + t c ) + D = 0 A(x_0+ta)+B(y_0+tb)+C(z_0+tc)+D=0 A(x0+ta)+B(y0+tb)+C(z0+tc)+D=0

整理可得
t = − A x 0 + B y 0 + C z 0 + D a A + b B + c C t=-\dfrac{Ax_0+By_0+Cz_0+D}{aA+bB+cC} t=aA+bB+cCAx0+By0+Cz0+D

那么,直线与平面的交点坐标为:
C = P + t ∗ ( a , b , c ) C=P+t*(a,b,c) C=P+t(a,b,c)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/755317.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

NCV33172DR2G运算放大器芯片中文资料规格书PDF数据手册引脚图产品概述功能

产品概述: MC33071/72/74 系列单片运算放大器采用了带有创新设计概念的优质双极制造。此类器件根据放大器在 180 A 下运行,提供 1.8 MHz 增益带宽积和 2.1 V/s 摆率,而不采用 JFET 器件技术。尽管此系列可基于分割电源运行,但它尤…

Linux服务器部署若依(ruoyi-vue),从购买服务器到部署完成保姆级教程

零、购买服务器 Huawei Cloud EulerOS 还是 centos7,纠结了一段时间,了解到EulerOS是对centos8的延续版本,相当于官方不对centos8继续维护了, 最后还是选 CentOS 7.9 64bit,网上可查找的工具更多且官方还在持续维护。…

PHP反序列化--_wakeup()绕过

一、漏洞原理&#xff1a; 二、靶场复现: 进入靶场&#xff0c;分析源代码&#xff1a; <?php error_reporting(0); class secret{var $fileindex.php;public function __construct($file){$this->file$file;}function __destruct(){include_once($this->file);ech…

算法沉淀——贪心算法三(leetcode真题剖析)

算法沉淀——贪心算法三 01.买卖股票的最佳时机 II02.K 次取反后最大化的数组和03.按身高排序04.优势洗牌 01.买卖股票的最佳时机 II 题目链接&#xff1a;https://leetcode.cn/problems/best-time-to-buy-and-sell-stock-ii/ 给你一个整数数组 prices &#xff0c;其中 pric…

算法第三十天-矩阵中移动的最大次数

矩阵中移动的最大次数 题目要求 解题思路 网格图 DFS 从第一列的任一单元格 ( i , 0 ) (i,0) (i,0) 开始递归。枚举往右上/右/右下三个方向走&#xff0c;如果走一步后&#xff0c;没有出界&#xff0c;且格子值大于 g r i d [ i ] [ j ] grid[i][j] grid[i][j]&#xff0c;则…

未来十年 人工智能的发展前景是什么?

所谓AIGC就是用人工智能来进行内容生产,它的特点就是有非常强大的内容生产力,可以大幅提升内容生产的质量和效率,未来也会极大地丰富大家的数字生活。 是不是感觉现在说数字生活还是很虚,但仔细想想一切都是有迹可循——从Stable Diffusion ChatGPT,再到Midjour-ney V5和…

面向未来的电子元器件批发商城:智能化服务与用户体验革新

面向未来的电子元器件批发商城必须不断地进行智能化服务与用户体验的革新&#xff0c;以适应快速发展的科技趋势和不断变化的市场需求。以下是一些关键的方向和策略&#xff1a; 智能化供应链管理&#xff1a; 引入先进的人工智能和大数据分析技术&#xff0c;实现供应链的智能…

Springboot-软件授权License

无意中看到了一个简单方便的授权方式&#xff0c;只需几步就可集成到boot项目中。 先上地址&#xff1a;smart-license: 保护个人与企业的软件作品权益&#xff0c;降低盗版造成的损失。PS&#xff1a;因个人精力有限&#xff0c;不再提供该项目的咨询答疑服务。 Smart-licen…

Java代码审计安全篇-反序列化漏洞

前言&#xff1a; 堕落了三个月&#xff0c;现在因为被找实习而困扰&#xff0c;着实自己能力不足&#xff0c;从今天开始 每天沉淀一点点 &#xff0c;准备秋招 加油 注意&#xff1a; 本文章参考qax的网络安全java代码审计和部分师傅审计思路以及webgoat靶场&#xff0c;记录…

计算机基础入门2:GPU

GPU&#xff08;Graphics Processing Unit&#xff0c;图形处理器&#xff09;又被称作显示核心、视觉处理器、显示芯片&#xff0c;是一种专为并行处理而设计的微型处理器&#xff0c;非常擅长处理大量简单任务&#xff0c;包括图形和视频渲染。 GPU根据接入系统方式分为集成…

深度学习_卷积

卷积 卷积&#xff08;Convolution&#xff09;是数学和计算机科学中的一个重要概念&#xff0c;特别在信号处理和图像处理中应用广泛。在信号处理领域&#xff0c;卷积是两个函数之间的一种数学操作&#xff0c;它表示两个函数的重叠部分的积分量。 在图像处理中&#xff0c…

【Excel自动化办公】使用openpyxl对Excel进行读写操作

目录 一、环境安装 1.1 创建python项目 1.2 安装openpyxl依赖 二、Excel数据读取操作 三、Excel数据写入操作 3.1 创建空白工作簿 3.2 写数据 四、设置单元格样式 4.1 字体样式 4.2 设置单元格背景填充色 4.3 设置单元格边框样式 4.4 单元格对齐方式 4.5 数据筛选…

打造精益标杆生产线:从理念到实践的全面升级!

在制造业竞争日益激烈的今天&#xff0c;精益生产已成为企业提升效率、降低成本、增强竞争力的重要手段。那么&#xff0c;如何打造一条精益标杆生产线呢&#xff1f;本文&#xff0c;天行健精益制造咨询公司将从理念导入、流程优化、员工培训、持续改进等方面&#xff0c;为大…

MybatisPlus逆向工程

目录 &#x1f9c2;1.前提说明 &#x1f37f;2.引入依赖 &#x1f32d;3.使用导入模板 1.前提说明 注意 适用版本&#xff1a;mybatis-plus-generator 3.5.1 以下版本&#xff0c;3.5.1 及以上的请参考 3.5.1以上参考官网&#xff1a;3.5.1以上逆向工程 2.引入依赖 …

【Java Web基础】一些网页设计基础(一)

文章目录 1. 父盒子下子盒子的左右浮动布局2. 浮动布局中&#xff0c;高度较小的盒子撑起整个盒子的高度3. 在2中&#xff0c;logo和title都是顶着放置的&#xff0c;让logo和title垂直居中4. 字体大小自适应5. 响应式布局 1. 父盒子下子盒子的左右浮动布局 父盒子CSS&#xff…

汽车制造产生的污废水如何处理排放

汽车制造业是一个重要的工业领域&#xff0c;然而&#xff0c;伴随着汽车制造过程中的各种化学反应和材料加工&#xff0c;大量污废水也随之产生。为了保护环境和社会的可持续发展&#xff0c;汽车制造产生的污废水需要得到妥善处理和排放。 首先&#xff0c;针对汽车制造中涉及…

二阶段提交的理解

两阶段提交2PC是分布式事务中最强大的事务类型之一&#xff0c;两段提交就是分两个阶段提交&#xff1a; 第一阶段询问各个事务数据源是否准备好。第二阶段才真正将数据提交给事务数据源。 为了保证该事务可以满足ACID&#xff0c;就要引入一个协调者&#xff08;Cooradinator…

如何使用phpStudy在Windows系统部署静态站点并实现无公网IP远程访问

文章目录 使用工具1. 本地搭建web网站1.1 下载phpstudy后解压并安装1.2 打开默认站点&#xff0c;测试1.3 下载静态演示站点1.4 打开站点根目录1.5 复制演示站点到站网根目录1.6 在浏览器中&#xff0c;查看演示效果。 2. 将本地web网站发布到公网2.1 安装cpolar内网穿透2.2 映…

Zookeeper(二)一致性协议2PC,3PC

目录 1.1 2PC协议1.1.1 协议说明1.1.2 优缺点同步阻塞单点问题数据不一致容错性不好 1.2 3PC 协议1.2.1 协议说明1.2.2 优缺点 官网&#xff1a;Apache ZooKeeper 1.1 2PC协议 2PC&#xff0c;是Two-Phase Commit的缩写&#xff0c;即二阶段提交&#xff0c;是计算机网络尤其…

Java实现定时发送邮件(基于Springboot工程)

1、功能概述&#xff1f; 1、在企业中有很多需要定时提醒的任务&#xff1a;如每天下午四点钟给第二天的值班人员发送值班消息&#xff1f;如提前一天给参与第二天会议的人员发送参会消息等。 2、这种定时提醒有很多方式如短信提醒、站内提醒等邮件提醒是其中较为方便且廉价的…