首页 > 其他分享 >将军饮马模型

将军饮马模型

时间:2023-11-08 09:34:08浏览次数:56  
标签:prime OM AB 饮马 dfrac 模型 将军 OB

将军饮马模型

一 模型背后故事

相传亚历山大有一位精通数学和物理的学者,名字叫海伦,有一天,一位罗马将军专程去拜访他,并向他请教一个百思不得其解的问题.
如图,将军每天从军营\(A\)出发,先到河边饮(yìn)马,然后再去河岸同侧的\(B\)地开会,应该怎样走才能使得行走的路程最短?
image.png
据说,海伦稍加思索就解决了它,此后,这个问题就被称为“将军饮马”,并流传至今.

二 模型归纳

故事模型

如下图,点\(A\),\(B\)在直线\(l\)的同侧,在直线\(l\)上取一点\(P\),使得\(PA+PB\)最小.
image.png
作法 作点\(A\)关于直线\(l\)的对称点\(A^{\prime}\),连接\(A^{\prime}B\)与直线\(l\)交于点\(P\).
image.png
简证 \(PA+PB=PA^{\prime}+PB=A^{\prime}B\),\(P^{\prime}A+P^{\prime}B=P^{\prime}A^{\prime}+P^{\prime}B\),
因为\(P^{\prime} A^{\prime}+P^{\prime} B≥A^{\prime}B\),所以\(P^{\prime}A+P^{\prime}B≥PA+PB\),
所以点\(P\)为所求点.
image.png

变形模型

模型1 如下图,点\(A\),\(B\)在直线\(l\)的异侧,在直线\(l\)上取一点\(P\),使得\(PA+PB\)最小.
两点间线段最短,连接\(AB\),交直线\(l\)于点\(P\),此时\(PA+PB\)最小,其最小值为\(AB\).
image.png
模型2 如下图,点\(P\)是\(∠MON\)内的一定点,分别在\(OM\),\(ON\)上做点\(A\),\(B\),使得\(∆PAB\)的周长最小.
作点\(P\)关于\(OM\),\(ON\)的对称点\(P_1\),\(P_2\),连接\(P_1 P_2\),交\(OM\),\(ON\)于点\(A^{\prime}\),\(B^{\prime}\),
此时\(∆PAB\)的周长最小,其最小值为\(P_1 P_2\).
image.png
模型3 如下图,点\(P\),\(Q\)是\(∠MON\)内的两点,分别在\(OM\),\(ON\)上做点\(A\),\(B\),使得四边形\(PAQB\)的周长最小.
作点\(P\)关于\(OM\)的对称点\(P^{\prime}\),作点\(Q\)关于\(ON\)的对称点\(Q^{\prime}\),连接\(P^{\prime}Q^{\prime}\),交\(OM\),\(ON\)于点\(A^{\prime}\),\(B^{\prime}\),
此时四边形\(PAQB\)的周长最小,其最小值为\(P^{\prime}Q^{\prime}\).
image.png
模型4 如下图,点\(A\)是\(∠MON\)外的一点,在射线\(OM\)上找到点\(P\),使\(PA+PB\)(点\(P\)到射线\(ON\)的距离)最小.
过点\(A\)作\(AB^{\prime}⊥ON\),则\((P A+P B)_{\min }=A B^{\prime}\).
image.png
模型5 如下图,点\(A\)是\(∠MON\)内的一点,在射线\(OM\)上找到点\(P\),使\(PA+PB\)(点\(P\)到射线\(ON\)的距离)最小.
如左图,作\(A\)关于\(OM\)的对称点\(A^{\prime}\),过点\(A^{\prime}\)作\(A^{\prime}B^{\prime}⊥ON\),则\((P A+P B)_{\text {min }}=A^{\prime} B^{\prime}\);
如右图,作\(ON\)关于\(OM\)的对称线\(ON^{\prime}\),过点\(A\)作\(AB^{\prime}⊥ON^{\prime}\),则\((P A+P B)_{\text {min }}=AB^{\prime}\).
image.png image.png

三 例题详解

例1 如图,四边形\(ABCD\)是菱形,\(AC=8\),\(DB=6\),\(DH⊥AB\)于点\(H\).点\(E\)是\(AD\)上一点,且\(DE=\dfrac{1}{5} A D\),点\(F\)是\(DH\)的中点.点\(P\)是线段\(BD\)上一动点.点\(P\)在运动过程中,\(PE+PF\)的最小值为\(\underline{\quad \quad}\) .
image.png
解析
1 确定模型
动点\(P\)线段\(BD\)上,而动点\(E\),\(F\)在直线\(BD\)同侧,属于将军饮马模型.
2 作对称
如图,在\(DC\)上取\(D I=\dfrac{1}{5} D C\),
image.png
\(∵\)四边形\(ABCD\)是菱形关于为\(BD\)对称,\(∴PI=PE\),
(将军饮马往往与“对称图形”有缘,比如角平分线、中垂线、等腰三角形、菱形、正方形等)
\(∴PE+PF=PF+PI≥FI\),
3 求解
\(\because O D=\dfrac{1}{2} BD=3\), \(O C=\dfrac{1}{2} AC=4\),
\(∴CD=5\),\(∴AB=CD=5\),
\(\because S_{\text {菱形 } A B C D}=\dfrac{1}{2} A C \cdot B D=A B \cdot D H\),\(∴\dfrac{1}{2}×6×8=5DH\), (等积法)
\(\therefore D H=\dfrac{24}{5}\),\(\therefore D F=\dfrac{1}{2} DH=\dfrac{12}{5}\),
\(∵\)四边形\(ABCD\)是菱形,\(∴AB∥CD\),
\(\therefore \angle F D I=\angle A H D=90^{\circ}\),
\(Rt△FDI\)中,\(D I=\dfrac{1}{5}DC=1\),\(F I=\sqrt{F D^2+D I^2}=\sqrt{\left(\dfrac{12}{5}\right)^2+1^2}=\dfrac{13}{5}\),
\(∴PE+PF\)的最小值为\(\dfrac{13}{5}\).
 

例2 已知\(∠AOB=30^{\circ}\),在\(∠AOB\)内有一定点\(P\),点\(M\),\(N\)分别是\(OA\),\(OB\)上的动点,若\(△PMN\)的周长最小值为\(3\),则\(OP\)的长为\(\underline{\quad \quad}\) .
image.png
解析
1 确定模型
由于\(M\),\(N\)是动点,动点\(P\)在\(∠AOB\)内,则\(△PMN\)的周长最小值问题属于变形模型中的模型二.
2 作对称
分别作点\(P\)关于\(OB\)、\(OA\)的对称点\(C\)、\(D\),连接\(CD\),分别交\(OA\)、\(OB\)于点\(M\)、\(N\),连接\(OC、OD、PM、PN、MN\),如图所示:
image.png
所以\(△PMN\)的周长\(PM+MN+PN=DM+MN+NC\),
当\(C,N,M,D\)四点共线时,\(DM+MN+NC\)取到最小值\(DC\),
因为\(△PMN\)的周长最小值为\(3\),所以\(DC=3\),
3 求解
由于前面作的对称,\(∴OP=OD\),\(∠DOA=∠POA\);\(OP=OC\),\(∠COB=∠POB\),
\(∴OC=OP=OD\),\(∠COD=2∠AOB=60^{\circ}\),
\(∴△COD\)是等边三角形,
\(∴OP=OC=DC=3cm\).
 

例3 如图,在\(Rt△ABO\)中,\(∠OAB=90^{\circ}\),\(B(6,6)\),点\(D\)在边\(AB\)上,\(AD=5BD\),点\(C\)为\(OA\)的中点,点\(P\)为边\(OB\)上的动点,则使四边形\(PCAD\)周长最小的点\(P\)的坐标为\(\underline{\quad \quad}\).
image.png
解析
1 确定模型
因为\(A\),\(C\),\(D\)是定点,求四边形\(PCAD\)周长最小值相当于求\(PD+PC\)的最小值,
而动点\(P\)在线段\(OB\)上,定点\(C\),\(D\)在直线\(OB\)同侧,属于将军饮马模型.
2 作对称
作\(C\)关于直线\(OB\)的对称点\(E\),连接\(ED\)交\(OB\)于\(P^{\prime}\),连接\(CP^{\prime}\),
image.png
则\(PD+PC=PD+PE≥DE\),即使四边形\(PCAD\)周长最小的点为点\(P^{\prime}\).
3 求解
\(∵B(6,6)\),\(∴AB=OA=6\),\(∠AOB=45^{\circ}\),
\(∵AD=5BD\),点\(C\)为\(OA\)的中点,
\(∴D(6,5)\),\(E(0,3)\),
设直线\(ED\)的解析式为\(y=kx+b\),
\(\therefore\left\{\begin{array}{l} b=3 \\ 6 k+b=5 \end{array}\right.\),解得\(\left\{\begin{array}{l} k=\dfrac{1}{3} \\ b=3 \end{array}\right.\),
\(∴\)直线\(ED\)的解析式为\(y=\dfrac{1}{3} x+3\),
\(∵B(6,6)\),\(∴\)直线\(OB\)的解析式为\(y=x\),
由\(\left\{\begin{array}{l} y=x \\ y=\dfrac{1}{3} x+3 \end{array}\right.\)解得\(\left\{\begin{array}{l} x=\dfrac{9}{2} \\ y=\dfrac{9}{2} \end{array}\right.\),(点\(P^{\prime}\)为直线\(ED\)和直线\(OB\)的交点)
\(\therefore P^{\prime}\left(\dfrac{9}{2}, \dfrac{9}{2}\right)\).

标签:prime,OM,AB,饮马,dfrac,模型,将军,OB
From: https://www.cnblogs.com/zhgmaths/p/17816621.html

相关文章

  • 倾斜摄影三维模型的根节点合并的并行处理技术分析
    倾斜摄影三维模型的根节点合并的并行处理技术分析 倾斜摄影三维模型的根节点合并是指将多个倾斜摄影拍摄得到的三维模型中的根节点进行合并,以减少模型大小和复杂度。在处理大规模的倾斜摄影数据时,传统的串行处理方法效率较低,因此需要使用并行处理技术来加速根节点合并的过程。......
  • matlab贝叶斯隐马尔可夫hmm模型实现|附代码数据
    原文链接:http://tecdat.cn/?p=7973原文出处:拓端数据部落公众号  最近我们被客户要求撰写关于贝叶斯隐马尔可夫hmm的研究报告,包括一些图形和统计输出。贝叶斯隐马尔可夫模型是一种用于分割连续多变量数据的概率模型。该模型将数据解释为一系列隐藏状态生成。每个状态都是重尾......
  • R语言Copula模型分析股票市场板块相关性结构|附代码数据
    原文链接:http://tecdat.cn/?p=25804 原文出处:拓端数据部落公众号  最近我们被客户要求撰写关于Copula的研究报告,包括一些图形和统计输出。这篇文章是关于copulas和重尾的。在全球金融危机之前,许多投资者是多元化的。看看下面这张熟悉的图:黑线是近似正态的。红线代表Cau......
  • TorchScript模型
    TorchScript模型目录TorchScript模型Tracing(跟踪)Scripting(脚本)保存和加载特别注意yolov8模型导出说明参考资料TorchScript是PyTorch模型(nn.Module的子类)的中间表示,可以在高性能环境(例如C++)中运行具有一下特点:1.TorchScript代码可以在其自己的解释器中调用,不被全局解释器......
  • 生产者消费者模型
    生产者消费者问题是一个常见而且经典的问题,相信了解过多线程或者消息队列的同学对这个名词并不陌生。正如Java常用的设计模式一样,生产者消费者问题是为了解决某一类问题而存在,参阅维基百科对Producer–consumerproblem的描述:Incomputing,theproducer–consumerproblem[1][2......
  • 自回归模型/向量自回归模型
    自回归模:利用前期若干时刻的随机变量的线性组合来描述以后某时刻随机变量的线性回归模型。向量自回归模型(简称VAR模型)是一种常用的计量经济模型,由克里斯托弗·西姆斯(ChristopherSims)提出。它是AR模型的推广。  http://zh.wikipedia.org/wiki/%E5%90%91%E9%87%8F%E8%87%AA%E5%9......
  • 大模型训练对底层模型的影响及优化策略
    在深度学习和人工智能领域,模型训练是实现算法和应用的关键步骤。然而,对于大型模型训练,人们普遍关注其性能和精度,而忽略了对底层模型的影响。本文将探讨“大模型训练会影响底模型吗”这一话题,分析可能的影响及应对策略。一、大模型训练对底层模型的影响计算资源占用大型模型训练需要......
  • Django动态创建表模型,并使用drf
    序列化器fromrest_frameworkimportserializersclassMySerializer(serializers.ModelSerializer):"""序列化器"""classMeta:model=None#可以设置为None,动态生成之后,再通过反射来重新设置。fields='__all__'......
  • 如何平衡三维模型的顶层合并构建的文件大小与质量关系
    如何平衡三维模型的顶层合并构建的文件大小与质量关系 倾斜摄影超大场景的三维模型的顶层合并的数据文件大小与质量之间存在一定的关系。本文将对这种关系进行分析和总结。一、数据文件大小的影响因素数据分辨率:数据分辨率是影响数据文件大小的重要因素之一。通常情况下,分辨......
  • 多分类问题:模型输出结果,和标签的顺序
     背景:在多分类问题中,模型输出的结果是一个矩阵,某个值为1,其他的值为0.怎么知道值为1的那个位置,代表的是哪个标签?? 二分类常见的约定的惯例第一个位置通常对应"负类别":这是因为通常情决定了负类别是标签0或其他表示非目标类别的值。第二个位置通常对应"正类别":同样地,正......