当前位置: 首页 > news >正文

EM@直线的参数方程

文章目录

    • abstract
    • 直线参数方程
      • 从运动轨迹的角度
      • 从普通方程转换导参数方程
      • 向量法
    • 参数方程间的转换
      • 从第3型转化为第2型方程组

abstract

  • 平面直线的参数方程的3种表示形式
  • 直线参数方程间的转换

直线参数方程

  • 以下从不同角度推导直线参数方程
  • 分别记为第1,2,3形式参数方程

从运动轨迹的角度

  • 直线可以看作是质点匀速运动的曲线
  • 设质点从 M 0 ( x 0 , y 0 ) M_0(x_0,y_0) M0(x0,y0)出发,沿着与 x x x轴成 α \alpha α角的方向作匀速直线运动,其速录为 v 0 v_0 v0,把速度再 x , y x,y x,y轴上分解,大小分别为 v x = v 0 cos ⁡ α v_x=v_0\cos\alpha vx=v0cosα, v y = v 0 sin ⁡ α v_y=v_0\sin{\alpha} vy=v0sinα
  • M ( x , y ) M(x,y) M(x,y) t t t时刻质点所在位置,则如下参数方程组(1) ( t ⩾ 0 ) (t\geqslant{0}) (t0)
    • x = x 0 + v x t = x 0 + t v 0 cos ⁡ α x=x_0+v_x{t}=x_0+tv_0\cos\alpha x=x0+vxt=x0+tv0cosα;
    • y = y 0 + v y t = y 0 + t v 0 sin ⁡ α y=y_0+v_y{t}=y_0+tv_0\sin\alpha y=y0+vyt=y0+tv0sinα;
  • 若不考虑物理意义,取参数 t ∈ ( − ∞ , + ∞ ) t\in(-\infin,+\infin) t(,+),方程组(1)就是直线的一种参数方程,参数为 t t t

从普通方程转换导参数方程

  • 设直线的点斜式方程为 y − y 0 = k ( x − x 0 ) y-y_0=k(x-x_0) yy0=k(xx0)
    • 其中 k = tan ⁡ α k=\tan{\alpha} k=tanα, α \alpha α直线的倾斜角( α ∈ [ 0 , π ) \alpha\in[0,\pi) α[0,π));
    • y − y 0 = tan ⁡ α ( x − x 0 ) y-y_0=\tan{\alpha}(x-x_0) yy0=tanα(xx0)= sin ⁡ α cos ⁡ α ( x − x 0 ) \frac{\sin{\alpha}}{\cos\alpha}(x-x_0) cosαsinα(xx0), ( α ≠ π 2 ) (\alpha\neq{\frac{\pi}{2}}) (α=2π)
    • x − x 0 cos ⁡ α \frac{x-x_0}{\cos{\alpha}} cosαxx0= y − y 0 sin ⁡ α \frac{y-y_0}{\sin{\alpha}} sinαyy0,令其比值为参数 t t t,即有
      • x − x 0 = t cos ⁡ α x-x_0=t\cos\alpha xx0=tcosα, y − y 0 y-y_0 yy0= t sin ⁡ α t\sin\alpha tsinα
      • 这里的参数 t t t有明显的几何意义: ∣ t ∣ |t| t表示直线上的任一点 M M M到定点 M 0 M_0 M0的距离
    • 整理:得方程组(2)参数 t ∈ R t\in{\mathbb{R}} tR,
      • x = x 0 + t cos ⁡ α x=x_0+t\cos{\alpha} x=x0+tcosα;
      • y = y 0 + t sin ⁡ α y=y_0+t\sin\alpha y=y0+tsinα

向量法

  • 设直线过点 M 0 ( x 0 , y 0 ) M_0(x_0,y_0) M0(x0,y0),且与平面向量 a = ( l , m ) \bold{a}=(l,m) a=(l,m)平行 ( l , m ≠ 0 ) (l,m\neq{0}) (l,m=0),

  • 在直线上任取点 M ( x , y ) M(x,y) M(x,y),则向量 M 0 M → / / a \overrightarrow{M_0M}//\bold{a} M0M //a, M 0 M → \overrightarrow{M_0M} M0M = ( x − x 0 , y − y 0 ) (x-x_0,y-y_0) (xx0,yy0)

  • 两向量平行的充要条件是 x − x 0 l = y − y 0 m \frac{x-x_0}{l}=\frac{y-y_0}{m} lxx0=myy0,记该比值式比值为 t t t,

  • 整理得方程组(3)

    • x = x 0 + l t x=x_0+lt x=x0+lt,
    • y = y 0 + m t y=y_0+mt y=y0+mt,
    • 参数 t ∈ R t\in\mathbb{R} tR

参数方程间的转换

从第3型转化为第2型方程组

  • 方法1:

    • 设(3)转换的第2型方程组为

      • x = x 0 + u cos ⁡ α x=x_0+u\cos\alpha x=x0+ucosα
      • y = y 0 + u sin ⁡ α y=y_0+u\sin\alpha y=y0+usinα
    • 和(3)比较可知, u cos ⁡ α = l t u\cos\alpha=lt ucosα=lt; u sin ⁡ α = m t u\sin\alpha=mt usinα=mt,则 tan ⁡ α = m l \tan{\alpha}=\frac{m}{l} tanα=lm

    • 只要求出 cos ⁡ α \cos\alpha cosα, sin ⁡ α \sin\alpha sinα关于 l , m l,m l,m的表示式即可:

      • cos ⁡ α \cos\alpha cosα= ± l m 2 + l 2 \pm{\frac{l}{\sqrt{m^2+l^2}}} ±m2+l2 l

      • sin ⁡ α = ± m m 2 + l 2 \sin\alpha=\pm\frac{m}{\sqrt{m^2+l^2}} sinα=±m2+l2 m

      • 根据 α \alpha α的来取定两个式子的符号:

      • cos ⁡ α = l m 2 + l 2 \cos\alpha=\frac{l}{\sqrt{m^2+l^2}} cosα=m2+l2 l

      • sin ⁡ α = m m 2 + l 2 \sin\alpha=\frac{m}{\sqrt{m^2+l^2}} sinα=m2+l2 m

  • 方法2:

    • 由于2型方程中的 α \alpha α是直线的倾斜角,因此,根据直线某个同向方向向量 ( l , m ) (l,m) (l,m)可得
    • l 1 l_1 l1: cos ⁡ α = l m 2 + l 2 \cos\alpha=\frac{l}{\sqrt{m^2+l^2}} cosα=m2+l2 l; sin ⁡ α = m m 2 + l 2 \sin\alpha=\frac{m}{\sqrt{m^2+l^2}} sinα=m2+l2 m
    • l 2 l_2 l2: cos ⁡ α = − l m 2 + l 2 \cos\alpha=-\frac{l}{\sqrt{m^2+l^2}} cosα=m2+l2 l; sin ⁡ α = − m m 2 + l 2 \sin\alpha=-\frac{m}{\sqrt{m^2+l^2}} sinα=m2+l2 m
    • 两组都可以:验证:
      • l 1 l_1 l1: x = x 0 + t cos ⁡ α x=x_0+t\cos{\alpha} x=x0+tcosα; y = y 0 + t sin ⁡ α y=y_0+t\sin\alpha y=y0+tsinα
      • l 2 l_2 l2: x = x 0 − t cos ⁡ α x=x_0-t\cos{\alpha} x=x0tcosα; y = y 0 − t sin ⁡ α y=y_0-t\sin\alpha y=y0tsinα
      • t = 1 t=1 t=1 ( x 0 + cos ⁡ α , y 0 + sin ⁡ α ) (x_0+\cos\alpha,y_0+\sin\alpha) (x0+cosα,y0+sinα) t = − 1 t=-1 t=1 ( x 0 − cos ⁡ α , y 0 − sin ⁡ α ) (x_0-\cos\alpha,y_0-\sin\alpha) (x0cosα,y0sinα)都同时在 l 1 , l 2 l_1,l_2 l1,l2上,说明 l 1 , l 2 l_1,l_2 l1,l2是同一条直线
      • 或者分别将 l 1 l_1 l1, l 2 l_2 l2化为普通方程,可得相同的直角坐标方程: y − y 0 x − x 0 = tan ⁡ α \frac{y-y_0}{x-x_0}=\tan{\alpha} xx0yy0=tanα
  • 设直线 x = 5 + 3 t x=5+3t x=5+3t; y = 10 − 4 t y=10-4t y=104t;将其表示为第2形式参数方程

  • 从第3型转化为第2型:

    • cos ⁡ α = 3 3 2 + 4 2 \cos\alpha=\frac{3}{\sqrt{3^2+4^2}} cosα=32+42 3= 3 5 \frac{3}{5} 53; sin ⁡ α \sin\alpha sinα= − 4 3 2 + 4 2 \frac{-4}{\sqrt{3^2+4^2}} 32+42 4= − 4 5 -\frac{4}{5} 54
    • 另一组取值 cos ⁡ α = − 3 5 \cos\alpha=-\frac{3}{5} cosα=53, sin ⁡ α = 4 5 \sin\alpha=\frac{4}{5} sinα=54也可以
    • 两组取值都有( tan ⁡ α = − 4 3 \tan\alpha=-\frac{4}{3} tanα=34)
    • 所以
      • x = 5 + 3 5 u x=5+\frac{3}{5}u x=5+53u; y = 10 − 4 5 u y=10-\frac{4}{5}u y=1054u
      • x = 5 − 3 5 u x=5-\frac{3}{5}u x=553u; y = 10 + 4 5 u y=10+\frac{4}{5}u y=10+54u

相关文章:

EM@直线的参数方程

文章目录 abstract直线参数方程从运动轨迹的角度从普通方程转换导参数方程向量法 参数方程间的转换从第3型转化为第2型方程组例 abstract 平面直线的参数方程的3种表示形式直线参数方程间的转换 直线参数方程 以下从不同角度推导直线参数方程分别记为第1,2,3形式参数方程 从…...

day08-注册功能、前端登录注册页面复制、前端登录功能、前端注册功能

1 注册功能 补充(开放文件夹内) 2 前端登录注册页面复制 4 前端注册功能 1 注册功能 # 分析前端:携带数据格式 {mobile:,code:,password}后端:-1 视图类---》注册方法-2 序列化类---》校验,保存(表中字段多,传的少---…...

rust: function

///file: nestd.rs ///ide: RustRover 233.8264.22 /// /// /// /***自定义函数*/ pub fn function() {println!("called my::nested::function()"); }#[allow(dead_code)] fn private_function() {println!("called my::nested::private_function()"); }/…...

零代码编程:用ChatGPT批量下载谷歌podcast上的播客音频

谷歌podcast有很多播客音频,如何批量下载到电脑呢? 以这个播客为例: https://podcasts.google.com/feed/aHR0cHM6Ly9oYWRhcnNoZW1lc2guY29tL2ZlZWQvcG9kY2FzdC8?saX&ved0CAkQlvsGahcKEwi4uauWsvKBAxUAAAAAHQAAAAAQAg 查看网页源代码&a…...

nginx.4——正向代理和反向代理(七层代理和四层代理)

1、正向代理反向代理 nginx当中有两种代理方式 七层代理(http协议) 四层代理(tcp/udp流量转发) 七层代理 七层代理:代理的是http的请求和响应。 客户端请求代理服务器,由代理服务器转发给客户端http请求。转发到内部服务器(可以单台&#…...

基于RuoYi-Flowable-Plus的若依ruoyi-nbcio支持自定义业务表单流程(三)

更多ruoyi-nbcio功能请看演示系统 gitee源代码地址 前后端代码: https://gitee.com/nbacheng/ruoyi-nbcio 演示地址:RuoYi-Nbcio后台管理系统 相应的后端也要做一些调整 1、启动流程修改如下: /*** 启动流程实例*/private R startProce…...

Spring-事务源码解析2

上一篇文章我们介绍了事务开启注解EnableTransactionManagement源码解析《Spring-事务源码解析1》 里面提到了2个关键组件,这里我们分析下Spring如何利用这2个组件来给Bean创建代理对象。 本篇文章我们看下当一个类里面包含了Transactional注解,Spring如…...

基于ssm008医院门诊挂号系统+jsp【附PPT|开题|任务书|万字文档(LW)和搭建文档】

主要功能 后台登录:4个角色 管理员: ①个人中心、修改密码、个人信息 ②药房管理、护士管理、医生管理、病人信息管理、科室信息管理、挂号管理、诊断信息管理、病例库管理、开药信息管理、药品信息管理、收费信息管理 药房: ①个人中心、修…...

【Linux常用命令11】Linux文件与权限详解

权限 r :读权限,用数字4表示 w :写权限,用数字2表示 x :执行权限,用数字1表示 常用权限 644:代表所有者拥有读、写权限,而所属组和其他人拥有只读权限。 755:代表所有…...

BAT026:删除当前目录指定文件夹以外的文件夹

引言:编写批处理程序,实现删除当前目录指定文件夹以外的文件夹。 一、新建Windows批处理文件 参考博客: CSDNhttps://mp.csdn.net/mp_blog/creation/editor/132137544 二、写入批处理代码 1.右键新建的批处理文件,点击【编辑】…...

Python浏览器自动化

如果你正在进行手机爬虫的工作,并且希望通过模拟浏览器行为来抓取数据,那么Pyppeteer将会是你的理想选择。Pyppeteer是一个强大的Python库,它可以让你控制浏览器进行自动化操作,如点击按钮、填写表单等,从而实现数据的…...

基于tornado BELLE 搭建本地的web 服务

我的github 将BELLE 封装成web 后端服务,采用tornado 框架 import timeimport torch import torch.nn as nnfrom gptq import * from modelutils import * from quant import *from transformers import AutoTokenizer import sys import json #import lightgbm a…...

信息系统漏洞与风险管理制度

1、总则 1.1、目的 为了进一步规范XXXXX单位信息系统风险管理活动,提升风险管理工作的可操纵性和适用性,使信息网络正常运行,防止网络攻击,保证业务的正常进行,依据XXXXX单位员的相关规范和标准规定,特制…...

Hadoop3教程(十七):MapReduce之ReduceJoin案例分析

文章目录 (113)ReduceJoin案例需求分析(114)ReduceJoin案例代码实操 - TableBean(115)ReduceJoin案例代码实操 - TableMapper(116)ReduceJoin案例代码实操 - Reducer及Driver参考文献…...

BAT026:删除当前目录及子目录下的空文件夹

引言:编写批处理程序,实现批量删除当前目录及子目录下的空文件夹。 一、新建Windows批处理文件 参考博客: CSDNhttps://mp.csdn.net/mp_blog/creation/editor/132137544 二、写入批处理代码 1.右键新建的批处理文件,点击【编辑…...

nodejs+vue网课学习平台

目 录 摘 要 I ABSTRACT II 目 录 II 第1章 绪论 1 1.1背景及意义 1 1.2 国内外研究概况 1 1.3 研究的内容 1 第2章 相关技术 3 2.1 nodejs简介 4 2.2 express框架介绍 6 2.4 MySQL数据库 4 第3章 系统分析 5 3.1 需求分析 5 3.2 系统可行性分析 5 3.2.1技术可行性:…...

Can Language Models Make Fun? A Case Study in Chinese Comical Crosstalk

本文是LLM系列文章,针对《Can Language Models Make Fun? A Case Study in Chinese Comical Crosstalk》的翻译。 语言模型能制造乐趣吗?中国滑稽相声个案研究 摘要1 引言2 问题定义3 数据集4 使用自动评估生成基准5 人工评估6 讨论7 结论与未来工作 摘要 语言是…...

阿里云云服务器实例使用教学

目录 云服务器免费试用 详细步骤 Xshell 远程连接 云服务器免费试用 阿里云云服务器网址:阿里云免费试用 - 阿里云 详细步骤 访问阿里云免费试用。单击页面右上方的登录/注册按钮,并根据页面提示完成账号登录(已有阿里云账号)…...

promisify 是 Node.js 标准库 util 模块中的一个函数

promisify 是 Node.js 标准库 util 模块中的一个函数。它用于将遵循 Node.js 回调风格的函数转换为返回 Promise 的函数。这使得你可以使用 async/await 语法来等待异步操作完成,从而让异步代码看起来更像同步代码。 在 Node.js 的回调风格中,函数通常接…...

ArcGIS在VUE框架中的构建思想

项目快要上线了,出乎意料的有些空闲时间。想着就把其他公司开发的一期代码里面,把关于地图方面的代码给优化一下。试运行的时候,客户说控制台有很多飘红的报错,他们很在意,虽然很不情愿,但能改的就给改了吧…...

AutoConnect:ESP32/ESP8266 运行时 Wi-Fi 配网与 OTA 一体化方案

1. AutoConnect 库深度技术解析:面向嵌入式工程师的 ESP32/ESP8266 运行时 Wi-Fi 配置系统AutoConnect 是一个专为 ESP32 和 ESP8266 平台设计的 Arduino 库,其核心目标是在设备运行时(runtime)通过 Web 界面完成 Wi-Fi 网络的动态…...

Java面向对象实战:从0到1手写奇偶判断工具类[特殊字符]新手保姆级教程

🌸你好呀!我是断弦承露🌟感谢陪伴~ 小白博主在线求友🌿 跟着小白学/Java/软件设计/鸿蒙开发/芯片开发📖专栏汇总:《软件设计师》专栏 | 《Java》专栏 | 《 RISC-V 处理器实战》专栏 | 《Flutter…...

别再让PowerBI报告挤成一团了!用按钮+书签,一个页面搞定趋势和明细分析

PowerBI交互设计进阶:用按钮与书签打造空间魔术 当业务分析报告遇上数据爆炸时代,信息过载与界面拥挤成为每个分析师挥之不去的噩梦。我曾见过某零售企业的季度分析仪表板——12个图表密密麻麻挤在A4纸大小的画布上,趋势线相互缠绕&#xff…...

2026年03月26日全球AI前沿动态

一句话总结全球AI领域密集发布技术、产品、企业动态,覆盖通用/垂直大模型、专项技术、智能体、机器人、硬件基建等全赛道,中国AI在视频、音乐、办公智能体领域领跑,OpenAI关停Sora战略转型,Arm、苹果、腾讯等大厂新品落地&#xf…...

从教程到实战:在快马平台部署企业级openclaw数据采集与监控系统

今天想和大家分享一个实战经验:如何把openclaw这个数据采集工具从教程变成真正的企业级应用。最近我在InsCode(快马)平台上完整走通了从开发到部署的全流程,整个过程比想象中顺畅很多。 任务调度器的实现 首先需要解决的是任务调度问题。传统教程里可能…...

Unity引擎开发过的VR大场景项目有哪些?用到的网络技术,资源处理及热更新方案有哪些

我梳理了Unity引擎开发的VR大场景代表性项目,并从网络技术、资源处理、热更新方案三个核心技术维度进行了详细分析。一、代表性VR大场景项目 1. 基于VR的数字孪生智慧城市平台 开发方:香港理工大学温州技术创新研究院技术特点:整合GIS地理信息…...

别再只会抓HTTP了!手把手教你配置Fiddler抓取手机App的HTTPS请求(含证书安装避坑)

移动端HTTPS抓包实战:Fiddler配置与证书避坑指南 每次看到App里那些神秘的网络请求,你是不是也好奇它们到底在传输什么数据?作为开发者或测试人员,能够抓取和分析这些请求是基本功。但面对HTTPS加密流量,很多新手往往束…...

Wan2.2-I2V-A14B部署教程:系统盘50GB+数据盘40GB最小化配置实操

Wan2.2-I2V-A14B部署教程:系统盘50GB数据盘40GB最小化配置实操 1. 镜像概述与核心特性 Wan2.2-I2V-A14B是一款专为文生视频任务优化的私有部署镜像,特别针对RTX 4090D 24GB显存显卡进行了深度优化。这个镜像最大的特点是开箱即用,内置了完整…...

实战LangGraph构建智能客服系统:在快马平台实现工单自动分类与处理全流程

今天想和大家分享一个用LangGraph构建智能客服系统的实战经验。这个项目主要解决工单自动分类和处理的问题,整个过程在InsCode(快马)平台上完成,从开发到部署一气呵成。 项目背景与需求分析 传统客服系统需要人工处理大量工单,效率低下且容易…...

安全第一:OpenClaw+GLM-4.7-Flash的本地化数据处理方案

安全第一:OpenClawGLM-4.7-Flash的本地化数据处理方案 1. 为什么我们需要本地化AI解决方案 上个月我帮一位律师朋友处理合同审查任务时,遇到了一个棘手问题——他需要分析上百份涉及商业机密的文件,但担心使用云端AI服务会导致数据泄露。这…...