（高数）空间曲线的切线与法平面

类型一：参数方程型：x，y，z都是关于参数t的函数，切向量为x，y，z对于t的导数，从而套入对称式得出切线方程，套入点法式得出法平面方程。类型二：y，z是x的函数，那么切向量为x，y，z对x的导数，从而套入对称式得出切线方程，套入点法式得出法平面方程。类型三：隐函数：方程组都为x，y，z的函数，将y，z看做x的函数，则套用克拉默法则求出x，y，z对x的导数，这就是切向量（与类型二相似）, 从而套

课堂随笔

1326人浏览 · 2024-06-29 23:18:25

课堂随笔 · 2024-06-29 23:18:25 发布

空间曲线的切线与法平面求法：x，y，z的导数为法平面。

类型一：参数方程型：x，y，z都是关于参数t的函数，切向量为x，y，z对于t的导数，从而套入对称式得出切线方程，套入点法式得出法平面方程。

类型二：y，z是x的函数，那么切向量为x，y，z对x的导数，从而套入对称式得出切线方程，套入点法式得出法平面方程。

类型三：隐函数：方程组都为x，y，z的函数，将y，z看做x的函数，则套用克拉默法则求出x，y，z对x的导数，这就是切向量（与类型二相似）, 从而套入对称式得出切线方程，套入点法式得出法平面方程。

2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

C语言入门：HelloWorld程序详解

2048 AI社区

架构师必读：AI在去中心化系统中的缓存

当Web3、区块链、边缘计算成为技术潮流，去中心化系统的性能瓶颈却始终卡在“缓存”这个看似基础的环节：节点分散导致的一致性难题、用户行为碎片化引发的预取低效、节点作恶带来的信任危机……传统缓存策略（如LRU、Redis Cluster）在去中心化场景下如同“穿西装爬雪山”——专业却不合时宜。如何用AI重构去中心化缓存的底层逻辑？用**序列模型（LSTM/Transformer）**解决“预取不准”