news 2026/4/7 10:57:17

空间直线方程

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
空间直线方程

空间直线的方向向量

直线上任意两点的坐标差就是该直线的方向向量,用二维空间很容易表示出来。
先看以下图:

图中AB是直线上任意两点,OA和OB则是这两点表示的的向量,OD是OA反方向等长的,所以AB两点的坐标差就相当于O B → + O D → \overrightarrow{OB}+\overrightarrow{OD}OB+OD,根据平行四边形法则就是O C → \overrightarrow{OC}OC.因为B C ‾ = O D ‾ = O A ‾ \overline{BC}=\overline{OD}=\overline{OA}BC=OD=OA且BC平行于AD这条直线,所以OABC是一个平行四边形。那么OC就平行与AB所在的直线,所以直线上AB两点坐标差就是直线的方向向量O C → \overrightarrow{OC}OC
该图绘图代码为:

\documentclass{article} \usepackage{tikz} \begin{document} \begin{tikzpicture} % 定义绘图范围 \draw[->] (-3,0) -- (3,0) node[right] {$x$}; % x 轴 \draw[->] (0,-2) -- (0,2) node[above] {$y$}; % y 轴 % 添加刻度 \foreach \x in {-2,-1,1,2} \draw (\x cm,1pt) -- (\x cm,-1pt) node[anchor=north] {$\x$}; \foreach \y in {-1,1} \draw (1pt,\y cm) -- (-1pt,\y cm) node[anchor=east] {$\y$}; \coordinate (A1) at (-2.5, -1.5); \coordinate (A) at (-1.5, -0.5); \coordinate (B) at (0.5, 1.5); \coordinate (B1) at (2.0, 3.0); \coordinate (C) at (2, 2); \coordinate (D) at (1.5, 0.5); \coordinate (O) at (0, 0); \node[yshift=-5pt] at (A) {A}; \node[yshift=5pt] at (B) {B}; \node[yshift=5pt] at (C) {C}; \node[xshift=5pt] at (D) {D}; \node[xshift=-5pt,yshift=-5pt] at (O) {O}; \draw[->] (A) -> (D); \draw (D) --(C) -- (B) ; \draw (A1) -- (B1); \draw[->] (O) -> (B); \draw[->] (O) -> (C); \end{tikzpicture} \end{document}

空间直线的对称式方程

假设空间直线经过一个点A 0 A_0A0,坐标为( x 0 , y 0 , z 0 ) (x_0,y_0,z_0)(x0,y0,z0),且有一个方向向量为(m,n,p),那么根据上述结论,直线上任意一点( x , y , z ) (x,y,z)(x,y,z)A 0 A_0A0的坐标差与方向向量就有坐标比例关系,那么就有:
x − x 0 = t m y − y 0 = t n z − z 0 = t p ⟹ x − x 0 m = y − y 0 n = z − z 0 p = t x-x_0=tm\\ y-y_0=tn\\ z-z_0=tp\\ \implies \frac{x-x_0}{m}=\frac{y-y_0}{n}=\frac{z-z_0}{p}=txx0=tmyy0=tnzz0=tpmxx0=nyy0=pzz0=t
这就是直线的对称式方程,也叫点向式方程。同时也容易得到参数方程:
x = t m + x 0 y = t n + y 0 z = t p + z 0 x=tm+x_0\\ y=tn+y_0\\ z=tp+z_0x=tm+x0y=tn+y0z=tp+z0

直线的夹角

直线的夹角θ \thetaθ,用方向向量的2-范数很容易求出来了。假设两个方向向量是v 1 , v 2 \bm{v_1} , \bm{v_2}v1,v2,就可以用下面的公式了:
cos ⁡ ( θ ) = ∣ v 1 ⋅ v 2 ∣ ∥ v 1 ∥ 2 ∥ v 2 ∥ 2 \cos(\theta)=\frac{|\bm{v_1} \cdot \bm{v_2}|}{\lVert \bm{v_1} \rVert_2\lVert \bm{v_2} \rVert_2}cos(θ)=v12v22v1v2
这里加上绝对值是为了把钝角变成锐角,所以和线性代数里不加绝对值的公式不同。

直线与平面的夹角

对于一般的平面a x + b y + c z = d ax+by+cz=dax+by+cz=d,其中一个法向量就是( a , b , c ) (a,b,c)(a,b,c)。至于为什么,可以取平面上任意两点就可以了。假设有两点A 1 ( x 1 , y 1 , z 1 ) , A 2 ( x 2 , y 2 , z 2 ) A_1(x_1,y_1,z_1),A_2(x_2,y_2,z_2)A1(x1,y1,z1),A2(x2,y2,z2)在该平面上,那么两点的坐标差就是这两点的方向向量( x 1 − x 2 , y 1 − y 2 , z 1 − z 2 ) (x_1-x_2,y_1-y_2,z_1-z_2)(x1x2,y1y2,z1z2),该方向向量和( a , b , c ) (a,b,c)(a,b,c)的内积为:
a ( x 1 − x 2 ) + b ( y 1 − y 2 ) + c ( z 1 − z 2 ) = a x 1 + b y 1 + c z 1 − a x 2 − b y 2 − c z 2 = d − d = 0 a(x_1-x_2)+b(y_1-y_2)+c(z_1-z_2)\\ =ax_1+by_1+cz_1-ax_2-by_2-cz_2\\ =d-d=0a(x1x2)+b(y1y2)+c(z1z2)=ax1+by1+cz1ax2by2cz2=dd=0
所以平面上任意两点的方向向量都垂直于( a , b , c ) (a,b,c)(a,b,c)这个向量,那毫无疑问是法向量了。
那么直线和平面的夹角θ \thetaθ,假设直线的方向向量是v 1 \bm{v_1}v1,平面的法向量是v 2 \bm{v_2}v2,夹角θ \thetaθ就可以按下面公式求了:
sin ⁡ ( θ ) = ∣ v 1 ⋅ v 2 ∣ ∥ v 1 ∥ 2 ∥ v 2 ∥ 2 \sin(\theta)=\frac{|\bm{v_1} \cdot \bm{v_2}|}{\lVert \bm{v_1} \rVert_2\lVert \bm{v_2} \rVert_2}sin(θ)=v12v22v1v2

版权声明: 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。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/2 18:05:26

深度学习之噬菌体特异性蛋白质预测:代码实现与解析

使用深度学习方法预测噬菌体特异性蛋白质完整代码实现,含数据集。 该方法对噬菌体特异性蛋白(TerL、Portal和TerS)具有良好的预测精度,也可用于从病毒组数据预测序列。 CNN可以自动学习蛋白质序列模式,同时根据学习到的…

作者头像 李华
网站建设 2026/4/3 5:37:56

Applite:颠覆传统的Homebrew图形化管理神器

Applite:颠覆传统的Homebrew图形化管理神器 【免费下载链接】Applite User-friendly GUI macOS application for Homebrew Casks 项目地址: https://gitcode.com/gh_mirrors/ap/Applite 在macOS生态中,Homebrew以其强大的软件管理能力著称&#x…

作者头像 李华
网站建设 2026/4/3 23:45:20

23、Linux网络工具与Samba客户端使用指南

Linux网络工具与Samba客户端使用指南 1. 非交互式下载工具 1.1 使用wget下载网站 在Linux系统中,wget是一个强大的非交互式下载工具。如果你有多个链接需要下载,可以将它们放在一个文件中,然后使用 -i 选项配合 wget 进行下载。例如,通过 dog 和 grep 创建了一个包含链接…

作者头像 李华
网站建设 2026/4/2 4:34:42

TypeScript开发基础(4)——数据类型高级特性

1. 联合类型在TypeScript中,联合类型(Union Types)允许你表示一个值可以是几种类型之一。这对于处理多种可能的数据类型非常有用,通过使用竖线符号(|)来定义一个联合类型。let arr:(number|string)[][1,a,2…

作者头像 李华
网站建设 2026/4/4 1:48:35

LobeChat多轮对话优化:如何减少重复提问?

LobeChat多轮对话优化:如何减少重复提问? 在构建智能对话系统时,一个常见的尴尬场景是:用户刚刚解释完自己的需求,稍作补充后却发现AI“忘了”之前的对话内容,不得不重新说明背景。这种体验不仅低效&#x…

作者头像 李华