【射影几何13 】梅氏定理和塞瓦定理探讨

梅氏定理和塞瓦定理

目录

一、说明

在射影几何中,梅涅劳斯(Menelaus)定理和塞瓦定理是非常重要的基本定理。通过这两个定理,可以导出多项结论,如:极点-极线性质、德萨格定理、pascal定理等;本篇专门叙述这两个定理证明。及相关启发。

二、梅涅劳斯(Menelaus)定理

梅涅劳斯(Menelaus)定理(简称梅氏定理)最早出现在由古希腊数学家梅涅劳斯的著作《球面学》(Sphaerica)中。
定理定义
   当一条直线交 Δ A B C \Delta ABC ΔABC三边所在的直线 B C , A C , A B BC,AC,AB BC,AC,AB分别于点 D , E , F D,E,F D,E,F时,则有
A F F B B D D C C E E A = 1 \frac{AF}{FB} \frac{BD}{DC}\frac{CE}{EA}=1 FBAFDCBDEACE=1

分析:显然, D , E , F D,E,F D,E,F分别为线段 B C , A C , A B BC,AC,AB BC,AC,AB的定比分点。因此:
A F F B = λ 1 ;    B D D C = λ 2 ; C E E A = λ 3 \frac{AF}{FB}=\lambda_1 ; \; \frac{BD}{DC} =\lambda_2;\frac{CE}{EA}=\lambda_3 FBAF=λ1;DCBD=λ2;EACE=λ3
因此,等价说法是:
λ 1 λ 2 λ 3 = 1 \lambda_1 \lambda_2\lambda_3=1 λ1λ2λ3=1
[定理证明]

过点A作 A G ∥ D B AG\parallel DB AG∥DB交 B C BC BC的延长线于G点, 则:
A F F B = λ 1 = D G B D \frac{AF}{FB}=\lambda_1=\frac{DG}{BD} FBAF=λ1=BDDG
C E E A = λ 3 = C D D G \frac{CE}{EA}=\lambda_3=\frac{CD}{DG} EACE=λ3=DGCD
∴ A F F B B D D C C E E A = λ 1 λ 2 λ 3 = D G B D B D D C C D D G = 1 \therefore \frac{AF}{FB} \frac{BD}{DC}\frac{CE}{EA}= \lambda_1 \lambda_2\lambda_3=\frac{DG}{BD} \frac{BD}{DC}\frac{CD}{DG}=1 ∴FBAFDCBDEACE=λ1λ2λ3=BDDGDCBDDGCD=1
[证毕]

三、塞瓦(Giovanni Ceva)定理

塞瓦(Giovanni Ceva,1648~1734)意大利水利工程师,数学家。塞瓦定理载于塞瓦于1678年发表的《直线论》一书,也有书中说塞瓦定理是塞瓦重大发现。
【定理说明】
   塞瓦定理是指在△ABC内任取一点O,延长AO、BO、CO分别交对边于D、E、F,则 (BD/DC)×(CE/EA)×(AF/FB)=1。

分析:

四、塞瓦点的推广

当塞瓦点在三角形外部,如下图:🔺ABC的三条线段的交点O位于三角形ABC的外部:
A F F B B D D C C E E A = 1 \frac{AF}{FB} \frac{BD}{DC}\frac{CE}{EA}=1 FBAFDCBDEACE=1

【证明】
B D D C = S Δ A B D S Δ A D C = S Δ O B D S Δ O D C \frac{BD}{DC} = \frac{S_{\Delta ABD}}{S_{\Delta ADC}} =\frac{S_{\Delta OBD}}{S_{\Delta ODC}} DCBD=SΔADCSΔABD=SΔODCSΔOBD
更比定理:
B D D C = S Δ A B D − S Δ O B D S Δ A D C − S Δ O B D = S Δ O B A S Δ C A O \frac{BD}{DC} = \frac{S_{\Delta ABD}-S_{\Delta OBD}}{S_{\Delta ADC}-S_{\Delta OBD}} =\frac{S_{\Delta OBA}}{S_{\Delta CAO}} DCBD=SΔADC−SΔOBDSΔABD−SΔOBD=SΔCAOSΔOBA
C E E A = S Δ B C O S Δ A B O \frac{CE}{EA} = \frac{S_{\Delta BCO}}{S_{\Delta ABO}} EACE=SΔABOSΔBCO
A F F B = S Δ C A O S Δ B C O \frac{AF}{FB} = \frac{S_{\Delta CAO}}{S_{\Delta BCO}} FBAF=SΔBCOSΔCAO

A F F B B D D C C E E A = S Δ C A O S Δ B C O S Δ O B A S Δ C A O S Δ B C O S Δ A B O = 1 \frac{AF}{FB} \frac{BD}{DC}\frac{CE}{EA}= \frac{S_{\Delta CAO}}{S_{\Delta BCO}}\frac{S_{\Delta OBA}}{S_{\Delta CAO}}\frac{S_{\Delta BCO}}{S_{\Delta ABO}} = 1 FBAFDCBDEACE=SΔBCOSΔCAOSΔCAOSΔOBASΔABOSΔBCO=1

【证毕】

相关推荐
励志成为糕手21 小时前
循环神经网络(RNN):时序数据的深度学习模型
人工智能·rnn·深度学习·gru·lstm
前端开发工程师请求出战21 小时前
Advanced RAG实战:评估闭环与持续优化体系
人工智能·全栈
Nturmoils21 小时前
基于Rokid CXR-M SDK实现AR智能助手应用:让AI大模型走进AR眼镜
人工智能·aigc
java_logo21 小时前
LobeHub Docker 容器化部署指南
运维·人工智能·docker·ai·容器·ai编程·ai写作
清云逸仙1 天前
AI Prompt应用实战:评论审核系统实现
人工智能·经验分享·ai·语言模型·prompt·ai编程
正宗咸豆花1 天前
Prompt Minder:重塑 AI 时代的提示词工程基础设施
人工智能·prompt
清云逸仙1 天前
使用AI(GPT-4)实现AI prompt 应用--自动审核评论系统
人工智能·经验分享·ai·语言模型·ai编程
Mintopia1 天前
Claude Code CLI UI
人工智能·aigc·全栈
Mr.Winter`1 天前
基于Proto3和单例模式的系统参数配置模块设计(附C++案例实现)
c++·人工智能·单例模式·机器人
Mintopia1 天前
🌐 动态网络环境下的 WebAIGC 断点续传与容错技术
前端·人工智能·aigc