### Python代码：根据顶点和焦点坐标确定抛物面方程 当已知抛物面的顶点 $ V(x_v, y_v, z_v) $ 和焦点 $ F(x_f, y_f, z_f) $，且二者连线不平行于坐标轴时，可以通过坐标变换方法将抛物面的对称轴旋转到与某一坐标轴（如 $ z $ 轴）对齐，从而构造出抛物面的标准方程。 #### 代码实现 ```python import numpy as np def normalize(v): """归一化向量""" norm = np.linalg.norm(v) return v / norm if norm != 0 else v def rotation_matrix_from_vectors(vec1, vec2): """计算将vec1旋转到vec2的旋转矩阵""" a, b = normalize(vec1), normalize(vec2) v = np.cross(a, b) c = np.dot(a, b) s = np.linalg.norm(v) if s == 0: return np.eye(3) k = np.array([[0, -v[2], v[1]], [v[2], 0, -v[0]], [-v[1], v[0], 0]]) rotation_matrix = np.eye(3) + k + np.dot(k, k) * ((1 - c) / (s ** 2)) return rotation_matrix def paraboloid_equation(x, y, z, vertex, focus): """计算点(x, y, z)是否满足抛物面方程""" V = np.array(vertex) F = np.array(focus) d = F - V p = np.linalg.norm(d) / 2 # 焦距的一半 u = normalize(d) R = rotation_matrix_from_vectors(u, np.array([0, 0, 1])) # 旋转至z轴对齐 point = np.array([x, y, z]) transformed_point = np.dot(R, (point - V)) x_prime, y_prime, z_prime = transformed_point return z_prime - (x_prime**2 + y_prime**2) / (4 * p) # 示例：顶点在(1, 1, 1)，焦点在(2, 2, 2) vertex = [1, 1, 1] focus = [2, 2, 2] # 测试一个点是否位于抛物面上 x, y, z = 3, 3, 3 result = paraboloid_equation(x, y, z, vertex, focus) print(f"点({x}, {y}, {z})是否位于抛物面上：{'是' if abs(result) < 1e-6 else '否'}") ``` 该代码首先计算顶点与焦点之间的方向向量，并将其归一化以获得对称轴方向。接着构造旋转矩阵，将该方向向量旋转至与 $ z $ 轴对齐。在新坐标系下，抛物面的标准方程为 $ z' = \frac{x'^2 + y'^2}{4p} $，其中 $ p $ 为焦距。最后将任意点变换回原始坐标系，判断其是否满足该方程。 #### 注意事项 - 该方法适用于任意方向的抛物面，包括对称轴不平行于坐标轴的情况。 - 使用了 `numpy` 进行向量运算和旋转矩阵计算，确保数值稳定性。 - 抛物面方程通过隐式形式表示，适用于三维空间中任意方向的抛物面。 --- ###