rqcen的数学基础讲义完整合集（20210828初版·待修订）

第一章命题与集合………………………………………………………1
第二章等式与不等式…………………………………………………27
第三章函数初步…………………………………………………………57
第四章幂、指数、对数…………………………………………………91
第五章三角函数基础………………………………………………113
第六章三角恒等变换………………………………………………140
第七章平面向量………………………………………………………160
第八章复数………………………………………………………………182
第九章直线和圆的方程……………………………………………197
第十章圆锥曲线的方程……………………………………………220
第十一章数列与数学归纳法……………………………………241
第十二章排列组合与二项式定理……………………………266
第十三章概率论基础………………………………………………284
第十四章统计学基础………………………………………………300
第十五章随机变量及其分布……………………………………314
第十六章成对数据的统计分析………………………………334
第十七章空间直线与平面………………………………………357
第十八章空间向量…………………………………………………383
第十九章简单几何体………………………………………………407
第二十章导数…………………………………………………………430
补充线性规划、极坐标方程……………………………………466
这是高中数学的第一章。本章与小学和初中数学明显不同，主要
内容以语句和表达式为主，而数字运算较少。从本章开始，数学学习
从简单的“勤学苦练算术题”转变为“苦思冥想推公式”，即从浅显的数
字运算转变为严谨的逻辑推理。
命题与集合是数理逻辑的基础。数理逻辑是学好整个高中数学的
关键。高中数学的全部内容都建立在数理逻辑的基础上，再从核心的
基本概念逐步展开形成体系。所有高考数学题的解法，也都是遵循数
理逻辑逐步分析推导得出答案。
不仅仅是高中数学，所有高中以及未来将要学习的知识和技能，
都离不开对逻辑的运用。这是由于数理逻辑为分析解决客观问题提供
了非常可靠的方法。任何人遇到任何客观问题，都能按照这套方法，
把复杂问题变成简单问题，把没见过的新问题变成熟悉的旧问题，从
而将其解决。
本章的主要包括两方面内容：命题、集合。学习本章时要注重理
解概念和公式中的因果关系，并结合现实生活进行大量练习，将抽象
的原理和公式转化为思维习惯。
一、命题
命题是数理逻辑的核心内容。理解并熟练运用命题的规则对学好
数学至关重要。举例来说，数学的“对”与“错”具有非常清晰明确的判
断标准，这也是命题的根本特征。数学经常需要从一个数量关系推导
出另一个数量关系，这也是命题的主要内容。此外，命题也是将口语
化的日常表达，转化为精确、严谨、简练的数学表达的“翻译工具”。
1.1 命题的基本概念
命题是作出判断的语句。这既是命题的定义，也是判断一个语句
是否是命题的根据。
RQCEN 的数学基础讲义 -1-

命题作出的判断必须非常清晰明确，有准确并且客观的标准来判
断命题是否正确，不能存在模棱两可的情况。例如“这是一杯很烫的
水”就不是一个命题，因为“烫”并没有客观标准。而“这是一杯温度高
于 37℃的水”就是一个命题，因为可以直接测量水温来判断真假。
命题可以是对一件具体事情作出判断，例如“2008 年奥运会在北
京举办”。命题也可以是对一般性规律的判断，例如“月亮围绕地球旋
转”。
可以看出，命题一般是陈述句，而不能是祈使句、感叹句、疑问
句等其他句式，例如：(1)去把垃圾桶倒干净。(2)我太开心了！(3)你
吃早饭了吗？(4)我想踢足球。这些都不是命题。
在数学命题中，判断一般由“是”“不是”“有”“没有”“=”“≠”“＞”
“＜”“≥”“≤”等词语作出。判断通常以代数表达式的形式出现，这些式
子都能根据数学知识和逻辑推断准确地判断对错。
对一个命题 p，将它作出的判断进行否定，就得到了该命题的否
定。如果把 p 叫做原命题，则将 p 否定得到的命题叫做它的非命题，
用符号“┐p”表示，符号“┐”念作“非”。要注意的是，命题的否定是对
原命题所下的判断的否定，具体如下：
“是”的否定为“不是”。“不是”的否定为“是”。
“有”的否定为“没有”。“没有”的否定为“有”。
“=”的否定为“≠”。“≠”的否定为“=”。 “≠”包括“>”和“<”两种情况。
“＞”的否定为“≤”。“≤”的否定为“>”。
“＜”的否定为“≥”。“≥”的否定为“<”。
一个命题的否定的否定，即双重否定，就又变回成原命题，即
┐(┐p)=p。这与语文中“双重否定表示肯定”的原理相同。
1.2 真命题与假命题
正确的命题叫做真命题。错误的命题叫做假命题。任何一个命题
-2- RQCEN 的数学基础讲义

要么是真命题、要么是假命题，不存在第三种可能。
命题的真假需要根据相应的规则进行判断。对于已发生的事实，
一般根据历史记录进行判断。例如“李白是唐代诗人”是真命题。对于
科学命题，一般根据科学知识进行判断。例如“水银在常温常压下是
气体”是假命题。对于数学命题，一般需要根据数学知识进行判断，
例如“对于方程 x 2  6 x  5  0 ，5 是它的一个根”。把 5 代入方程或直接
解方程可知，是真命题。
在数学中，常把命题写成“若…，则…”（或“如果…，那么…”）
的形式。用更数学化的语言表示为：“若 p，则 q”（或“如果 p，那么
q”）。这里 p、q 都是语句，p 叫做条件，q 叫做结论。该命题的含义
为：若 p 陈述的条件被满足，则 q 陈述的结论成立。下面是具体例子：
例 1.2.1 若 x<3，则 x<5。该命题的意思为：若有一个数字小于 3，
则这个数字也小于 5。根据数学知识可以判断，该命题是真命题。
例 1.2.2 若方程 ax 2  bx  c  0 （a≠0）的系数 a、b、c 满足关系：
b 2  4ac ，则方程有 2 个不同的实数根。根据一元二次方程根的判别式
可知，当 b 2 =4ac 时，方程有 2 个相等的实数根，该命题是假命题。

例 1.2.3 若 2 个直角三角形的斜边和 1 条直角边分别相等，则这
2 个直角三角形全等。该命题是用于判断直角三角形全等的“斜边、
直角边公理”，一般把公理视作真命题，该命题是真命题。
1.3 复合命题
前一小节列举的 3 个例子，每个命题都只对一件事情作出判断，
叫做简单命题。2 个或多个简单命题以一定的形式联结在一起，就形
成了复合命题。这里学习 2 种基本的联结方式：且、或。
“且”和“或”
又叫做联结词。
“且”。对于 2 个不同的命题 a 和 b，用“且”连接起来得到复合命
题“a 且 b”。

只有当 a 为真命题、且 b 也为真命题时，“a 且 b”才为真命题。
若 a 和 b 当中有 1 个是假命题，或者 a 和 b 都是假命题时，这 2 种情
况下“a 且 b”都为假命题。
只需要将 a 和 b 中的 1 个进行否定，就得到了“a 且 b”的否定为，
即“┐(a 且 b)=(┐a)或(┐b)”。
同理，对于多个命题 a1、a2、a3…an 全部用“且”连接起来构成的
复合命题“a1 且 a2 且 a3 且…且 an”，只有当 a1、a2、a3…an 全部都为真
命题时，“a1 且 a2 且 a3 且…且 an”才是真命题。只要当中有 1 个是假命
题，该复合命题就是假命题。
例 1.3.1 命题 a：苹果是一种水果。命题 b：梨是一种水果。命
题 a 且 b：苹果是一种水果，且梨是一种水果。用日常生活中的语言
讲就是：苹果和梨都是水果。根据生活常识可知，a 是真命题，b 也
是真命题，因此 a 且 b 也是真命题。
例 1.3.2 命题 a：苹果是一种水果。命题 c：蚂蚁是一种水果。命
题 a 且 c：苹果是一种水果，且蚂蚁是一种水果。用日常生活中的语
言讲就是：苹果和蚂蚁都是水果。根据生活常识可知，a 是真命题，
c 是假命题，因此 a 且 c 是假命题。
“或”。对于 2 个不同的命题 a 和 b，用“或”连接起来得到复合命

题“a 或 b”。a 和 b 都是真命题时，“a 或 b”是真命题。只要 a 和 b 当
中有 1 个是真命题，即使另 1 个是假命题，“a 或 b”依然是真命题。
只有当 a 和 b 都是假命题时，“a 或 b”才是假命题。
需要将 a 和 b 全都进行否定，得到的才是“a 或 b”的否定，即：
“┐(a 或 b)= (┐a)且(┐b)”。
同理，对于多个命题 a1、a2、a3…an 全部用“或”连接起来构成的
复合命题“a1 或 a2 或 a3 或…或 an”，只要 a1、a2、a3…an 当中有 1 个是
真命题，“a1 或 a2 或 a3 或…或 an”就是真命题。只有它们全部都是假命

题时，该复合命题才是假命题。
例 1.3.3 命题 a：苹果是一种水果。命题 b：梨是一种水果。命
题 a 或 b：苹果是一种水果，或梨是一种水果。用日常生活中的话来
说就是：苹果或梨（至少）有一种是苹果。根据生活常识可知，a 是
真命题，b 也是真命题，因此 a 或 b 是真命题。
例 1.3.4 命题 a：苹果是一种水果。命题 c：蚂蚁是一种水果。命
题 a 或 c：苹果是一种水果，或蚂蚁是一种水果。用日常生活中的话
来说就是：苹果或蚂蚁（至少）有一种是水果。根据生活常识可知，
a 是真命题，c 是假命题，因此 a 或 c 是真命题。
例 1.3.5 命题 c：蚂蚁是一种水果。命题 d：蚂蚁是一种蔬菜。
命题 c 或 d：蚂蚁是一种水果，或蚂蚁是一种蔬菜。用日常生活中的
话来说就是：蚂蚁要么是一种水果，要么是一种蔬菜。根据生活常识
可知，c 是假命题，d 是假命题，c 或 d 是假命题。
简而言之，“且”是一种很“严格”的关系，需要每个成员都是“真”，
才能保证这个团体也是“真”。否则，只要有 1 个成员是“假”，这个团
体就是“假”。“且”的关系相当于多条电线依次相“串联”形成的一段电
路，需要每条电线都连通（真），才能确保整段电路连通（真）。
“或”则是一种很“宽容”的关系，只要成员中有 1 个是“真”，这个
团体就是“真”。只有所有的成员都是“假”时，这个团体才是“假”。“或”
的关系相当于多条电线相互并联形成的一段电路，只要有 1 根电线连
通，这条并联电路就连通了。
下表概括了 2 个命题分别以“且”“或”形式联结成复合命题的真假
与原命题真假的关系，要从逻辑的角度理解“且”和“或”的含义。
a b a且b a或b
1 真真真真

2 真假假真
3 假真假真
4 假假假假
在数学中，常用的大于等于（≥）表达的是“或”的关系。即：大
于（>）或等于（=），只要满足其中的 1 种就成立。例如：由于 4>3，
因此 4≥3 是真命题；又由于 3=3，因此 3≥3 也是真命题。小于等于（≤）
同理。
1.4 原命题、非命题、逆命题、否命题、逆否命题
对于一个命题“若 p，则 q”进行语句上的变换，可以得到其他命
题。
首先，选取某个命题“若 p，则 q”，把它定为原命题。
条件 p 不变，把结论改为 q 的否定，得到“若 p，则非 q”，叫做
（原命题的）非命题，其实就是原命题的否定。命题 a 的非命题用符
__
号a（在字母上加一条横线）表示，“若 p，则非 q”可以用符号“若
p，则┐q”表示。
要注意的是，在读题时要注意区分，相应的字母究竟是表示完整
的命题，还是只表示命题中的条件或结论。
把“若 p，则 q”的条件 p 和结论 q 调换位置，把 q 变成条件，p
变成结论，得到“若 q，则 p”，叫做（原命题的）逆命题。
分别把“若 p，则 q”的条件 p 和结论 q 都否定，把条件改为┐p、
结论改为┐q，得到“若┐p，则┐q”，叫做（原命题的）否命题。
先把“若 p，则 q”的条件 p 和结论 q 调换位置，再分别进行否定，
即条件改为┐q，结论改为┐p，得到“若┐q，则┐p”，叫做（原命题的）
逆否命题。

原命题、非命题、逆命题、否命题、逆否命题的真假性具有以下
规律：
(1)原命题和非命题，二者之间有并且只有一个是真命题，另一个
是假命题。不存在同为真或同为假的情况。
(2)原命题和逆否命题的真假性一致，要么都是真命题，要么都是
假命题。不存在一真一假的情况。
(3)原命题和逆命题的真假性之间无必然联系。原命题和否命题的
真假性之间也无必然联系。
此外，根据变化方式可以看出：逆命题和否命题互为逆否命题，
因此它们之间的真假性一致。实际上，原命题和它逆命题、否命题、
逆否命题这 4 个命题是一组命题，选取其中 1 个命题规定为“原命题”
后，另外 3 个命题的“身份”可以根据它与原命题的关系进行确定。
要特别注意的是，在根据原命题提出它的非命题和否命题时，作
否定时要把情况考虑完整，不要遗漏了情况。可以利用上述的规律(1)
和(2)进行验证。
另外，要区分清楚非命题（命题的否定）和否命题。命题的否定
是对整个命题作出的判断进行否定，而否命题是对条件和结论分别进
行否定。对于“若 p，则 q”形式的命题，其否定为“不否定条件、只否
定结论”，即“若 p，则┐q”。而其否命题“既否定条件、又否定结论”，
即“若┐p，则┐q”。对于不具有“若 p，则 q”形式的命题，则要认真研
究整个命题的含义，再进行变换。
继续使用 1.2 小节中的 3 个例子：

例 1.4.1 原命题：若 x  3 ，则 x  5 。该命题的判断为：若有一个
数字小于 3，则这个数字也小于 5。（真命题）
非命题：若 x  3 ，则 x  5 。要注意： x  5 的否定是“x 不小于 5”，
即 x  5 ，不要遗漏了 x =5 的情况。根据数学知识可判断，这是假命题，

与原命题真假性相反。
逆命题：若 x  5 ，则 x  3 。把条件和结论调换位置即可。根据数
学知识可知，小于 5 的数字中，有些小于 3，有些大于 3 或等于 3，
因此这是假命题。
否命题：若 x  3 ，则 x  5 。根据数学知识可知，大于等于 3 的数
字中，有些大于 5，有些小于 5 或等于 5，因此这是假命题。
逆否命题：若 x  5 ，则 x  3 。根据数学知识可知，大于等于 5 的
数字必定大于等于 3，因此这是真命题，与原命题真假性一致。
此外，还可以发现：否命题和逆命题之间也互为逆否命题，它们
的真假性也一致。
例 1.4.2 原命题：若方程 ax 2  bx  c  0 （a≠0）的系数 a、b、c 满
足关系： b 2  4ac ，则该方程有 2 个不同的实数根。（假命题）
非命题：若方程 ax 2  bx  c  0 （a≠0）的系数 a、b、c 满足关系：
b 2  4ac ，则该方程有 2 个相同的实数根或没有实根。（真命题）
逆命题：若方程 ax 2  bx  c  0 （a≠0）有 2 个不同的实数根，则该

方程的系数 a、b、c 满足关系： b 2  4ac 。（真命题）
否命题：若方程 ax 2  bx  c  0 （a≠0）的系数 a、b、c 满足关系：
b 2  4ac ，则该方程有 2 个相同的实数根或没有实根。（真命题）
逆否命题：若方程 ax 2  bx  c  0（a≠0）有 2 个相同的实数根或没

有实根，则该方程的系数 a、b、c 满足关系： b 2  4ac 。（假命题）
例 1.4.3 若 2 个直角三角形的斜边和 1 条直角边分别相等，则这
2 个直角三角形全等。（真命题）
非命题：若 2 个直角三角形的斜边和 1 条直角边分别相等，则这
2 个直角三角形不全等。（假命题）
逆命题：若 2 个直角三角形全等，则这 2 个直角三角形的斜边和
1 条直角边分别相等。（真命题）
否命题：若 2 个直角三角形的斜边不相等，或 2 条直角边都不相

等，则这 2 个直角三角形不全等。（真命题）
逆否命题：若 2 个直角三角形不全等，则这 2 个直角三角形的斜
边不相等，或 2 条直角边都不相等。（真命题）
该命题的条件是复合条件，其原理与复合命题相似。原命题的条
件为“斜边和 1 条直角边分别相等”，由“斜边相等”和“1 条直角边相等”
这 2 个条件用“且”相连接。因此只要否定这 2 个条件中的 1 个，就否
定了该条件。
1.5 命题之间的推出关系
对于两个命题 a、b。若命题 a 成立，可以推出命题 b 成立，则记
作 a=>b，念作“a 推出 b”，称 a 是 b 的充分条件，b 是 a 的必要条件。
从语文词汇的角度解释，“充分”是“充足”“足够”“足以”的意思。“a
是 b 的充分条件”是说：只要 a 成立，就“足以”让 b 也成立，即“根据
a，足以推出 b”。
“必要”是“必须”“一定”的意思。如果让 a 成立的情况下，一定能
推出 b 成立。那么如果发现“a 成立”，就必须也发现“b 一定成立”。
反过来说，如果“b 不成立成立”，那么 a 就一定不能成立，即 b 成立
对 a 成立是必要的。
若命题 a、b 既满足 a=>b，同时也满足 b=>a，我们称命题 a 是命
题 b 的充分必要条件，简称充要条件。同样的，命题 b 也是命题 a 的
充要条件。记作 a<=>b。互为充要条件的两个命题 a 和 b 叫做等价命
题，即这 2 个命题的含有相同的数学含义。
若 3 个命题 a、b、c 之间具有关系 a=>b，b=>c，则可得出关系
a=>c。这个过程叫做推演。
类似的，若多个命题 a1、a2、a3…an-1、an 之间具有关系 a1=>a2、
a2=>a3…an-1=>an，则 a1=>an。
这种逐步从一个命题推出一个新的命题的推研过程，是解决所有

考试题目和现实技术问题的最主要方法。根据题目给出的已知条件，
运用数学或其他学科的知识，先建立起初步的联系（命题），再经过
一步步推演得到新的命题，最终得到题目求数据或需要证明的式子。
1.6 全称量词命题与存在量词命题
在数学中，有 2 类命题较为常见，一类是针对“所有”对象是否
具有某种性质作判断，另一类是针对具有某种性质的对象“是否存在”
作判断。
对某个集体的全部成员所具有的性质作出判断的命题叫做全称
量词命题。这类命题的对象通常带有“全部”“所有”“任意一个”
等短语，这 3 个短语以及意思相同的其他短语叫做全称量词。
对于全称量词命题，只有它的对象中的全部成员（即任意一个成
员）都符合判断，该命题才是真命题。只要有 1 个成员不符合，就是
假命题。类似于对所有成员分别进行判断，并以“且”相连。
全称量词“全部”“所有”“任意”用符号“∀”（上下颠倒的“A”）表示，
该符号读作“任意”“全体”“所有”或其他意思相同的短语都可以。把汉
语语句“翻译”成数学表述是数学学习重要能力。
下面是具体例子：
例 1.6.1 全部大于 5 的实数都大于 3。
翻译：∀实数 x>5，x>3
例 1.6.2 所有一元二次方程都有 2 个不同的实根。
翻译：∀ ax 2  bx  c  0 （a、b、c 是系数，a≠0），有 2 个实根 x1、
x2，且 x1≠x2。
例 1.6.3 所有负实数的平方的平方根等于它的相反数。
翻译：∀x<0， x 2   x 。
针对具有某种性质的对象“是否存在”作判断的命题叫做存在量
- 10 - RQCEN 的数学基础讲义
词命题。这类命题的对象通常带有“存在一个”“至少有一个”等短语，
这 2 个短语以及意思相同的其他短语叫做存在量词。
对于存在量词命题，只要它的对象中的有至少 1 个成员符合判
断，该命题就是真命题。只有所有成员都不符合，才是假命题。类似
于对所有成员分别进行判断，并以“或”相连。
存在量词“存在”“有”用符号“∃”（左右颠倒的“E”）表示，读作“存
在”“有”或其他意思相同的短语都可以。
下面是具体例子：
例 1.6.4 ∃实数 x<5，x>4。
例 1.6.5 ∃实数 p，使方程 x 2  x  p  0 有 2 个相等的实根。
例 1.6.6∃平面内的△ABC，AB+AC<BC。
根据全称量词命题和存在量词命题的含义，可以知道全称量词命
题的否定一般是存在量词命题，即“全部某类元素，都满足…”的否定
是“该类元素当中存在某个元素，不满足…”。
存在量词命题的否定一般是全称量词命题。即“存在某个元素，
它满足…”的否定是“对于全部该类元素，全都不满足…”。
继续使用上面的例子：
例 1.6.1-3 原命题：∀实数 x >5，x>3（全部大于 5 的实数都大于
3）。
否定：∃实数>5，使得 x≤3（存在某个大于 5 的实数，它小于或
等于 3）。
例 1.6.2-3 原命题：∀ ax 2  bx  c  0 （a、b、c 是系数，a≠0），有
2 个实根 x1、x2，且 x1≠x2（所有一元二次方程都有 2 个不同的实根）。
否定：∃ ax 2  bx  c  0 （a、b、c 是系数，a≠0），有 2 个相同的实
根或没有实根（存在一元二次方程，有 2 个相同的实根或没有实根）。
例 1.6.5-2 原命题：∃实数 p，使方程 x 2  x  p  0 有 2 个相等的实
RQCEN 的数学基础讲义 - 11 -
根。
∀实数 p，都使得方程 x 2  x  p  0 没有实根或有 2 个不同的实根。
例 1.6.6-2 原命题：∃平面内的三角形 ABC，其 3 条边长满足关
系 AB+AC<BC。
否定：∀平面内的△ABC，其 3 条边长满足关系 AB+AC≥BC。
全称量词命题和存在量词命题的形式经常出现在数学的证明、求
解等问题中。
二、集合
在命题的章节中，表达命题的逻辑关系时，仍然以语言文字的描
述为主。从学习集合开始，数学符号和公式在命题描述中所占的比例
逐渐增大，最终习惯使用“纯粹”的数学语言。
2.1 集合的基本概念
在研究问题时，第一步要做的是确定研究对象，也就是确定哪些
东西是这次研究的，哪些东西是这次不研究的。这种研究对象的确定
性，与命题真假性的确定性，都体现出数学精确、清晰的特点。
例如：在物理研究竖直上抛运动时，把小球作为研究对象，抛球
的手就不是研究对象。在化学研究酸碱中和反应时，把溶液中的酸、
碱、盐、水作为研究对象，烧杯和玻璃棒就不是研究对象。在研数学
究正整数的因式分解时，把正整数作为研究对象，0、负数、分数、
无理数就不是研究对象。
一般的，把研究对象叫做元素。把一些元素的构成的总体叫做集
合。为便于区分，元素通常用小写字母 a、b、c…表示，集合通常用
大写字母 A、B、C…表示。表示元素和集合的大小写字母之间不需
要有对应关系，只要方便使用就行。
集合具有确定性、互异性、无序性 3 个特点。
确定性是指对于一个元素 a 与一个集合 P，它们只有 2 种关系：
元素 a 属于集合 P，或元素 a 不属于集合 P。不存在第三种关系。
“属于”用符号“∈”表示，该符号念作“属于”。“不属于”用符号“∉”
表示，该符号念作“不属于”。元素 a 属于集合 P 记作：a∈P。元素 a
不属于集合 P 记作：a∉P。
互异性是指一个集合中的元素不能重复，每个元素都应当与其他
元素不同。这里的“不同”不仅仅指形式上的不同，也包括实质上的不
同。例如：“方程 x+2=4 的解”“10/5”“ 4 ”实质上都是“2”，因此它们
不能在同一个集合中同时出现。
无序性是指一个集合中的元素之间没有顺序，没有哪个元素更
“优先”、也没有哪个元素更“靠后”，一般按照一定顺序书写仅仅是为
了书写和记忆的方便而已。
集合中的元素可以是任何对象，集合本身也可以作为元素构成新
的集合。集合中的元素个数可以是有限的，叫做有限集。集合中的元
素个数也可以是无限的，叫做无限集。集合中可以没有任何元素，这
样的集合叫做空集，用符号“Ø”表示。
2.2 集合的表示
数学中常用的集合有：
自然数集，由 0、1、2、3 等人类最初用来数数的数字构成的集
合，即 0 和全体正整数，一般用 N 表示。
正整数集，由正整数构成的集合，一般用 N+或 N*表示。
整数集，由正整数、负整数、0 构成的集合，一般用 Z 表示。
有理数集，由整数和分数构成的集合，一般用 Q 表示，所有的
有理数都能写为 2 个整数的商（除数不能为 0）。
实数集，由全体有理数和无理数构成的集合，一般用 R 表示。
此外，正整数集、负整数集、正有理数集、负有理数集、正实数
集、负实数集一般分别在相应字母的右下角加上“+”或“-”表示，
分别为：Z+、Z-、Q+、Q-、R+、R-（Z+、N+、N*都能表示正整数）。
用大写字母只是抽象地表示集合，并不能反映出集合所含有的元
素和集合的特点。要具体地表示出集合所含有的元素和特点，有 2 种
方法：列举法、描述法。
列举法最为直观，直接把集合中的元素一一罗列出来，元素之间
用逗号（,）隔开，再把全部元素用花括号（{}）起来就可以。下面
是具体例子：
A={-1, 3} ；
B={{1, 3}, Ø, {2}}（该集合有 3 个元素，这 3 个元素都是集合）；
C={2, 4, 6, 8……}（这是一个无限集，它的元素是全体正偶数。
用列举法表示规律性很强的无限集时，一般只需要列举出能体现规律
的部分元素即可。但是由于容易引起误解，还是尽量不用列举法表示
无限集）；
D={狮子, 2, λ, 橡皮, 香蕉, {{1, 3}, Ø, {2}}}（这是随意选取几个
元素构造的一个集合。举这个例子是为了说明“集合”只是一种元素
构成的集体，这些元素之间可以具有某种共性，也可以毫无规律。在
数学中常见的集合，往往是由符合共同数学特点的元素组成）。
描述法是用语句或数学公式描述集合的方法，在花括号（{}）中
加入描述元素的语句或数学公式即可。对于数字构成的集合（即“数
集”），通常用竖线（|）分为 2 部分，左边注明代表元素的字母，以
及元素所属的数域，右边写出符合和具体条件。
数域是指数的范围，高中常见的有整数、有理数、实数。如无专
门说明，一般默认是实数域。下面是具体例子：
A’={x∈R | x 2  2 x  3  0 }；
C’={x | x=2n，n∈Z+}；
E={x∈N | ( x  1)( x  2)( x  0.5)( x  1.1)  0 } 。
根据 A’和 C’的描述公式，可以发现 A’的元素与前面例子中的 A
相同，C’的元素与 C 相同。因此 A 与 A’实质上是同一个集合的不同
描述方式，C 与 C’也是。
在数学中，有一种方便的方法用来表示连续的实数集：先写出这
个连续的实数集中的最小值和最大值并用逗号（,）隔开，再用括号
括起来。
如果这个集合包括两端的最大值和最小值，就用方括号（[ ]），
这样的集合叫做闭区间。
如果这个集合不包括两端的最大值和最小值，就用圆括号（( )），
这样的集合叫做开区间。
如果集合只包括最大值、不包括最小值，或只包括最小值、不包
括最大值，则包括的那边用方括号，不包括的那边用圆括号，这样的
集合叫做半开半闭区间，有时也会精确地叫做左开右闭区间（ ]或左
闭右开区间[ ）。下面是具体例子：
E={x | 3≤x≤5 }可以表示为[3, 5]（闭区间）；
F={x | -20<x<-1 }可以表示为(-20, -1)（开区间）；
G={x | -8≤x<0 }可以表示为[-8, 0)（左闭右开）；
H={x | 0<x≤-1 }可以表示为(0, -1]（左开右闭）；
I={x | x≤-1 }可以表示为(-∞, -1]；
J={x | x>100 }可以表示为(100, +∞)。
在集合 I 中，“-∞”叫做“负无穷大”，表示绝对值无穷大的负数，
在数轴负方向的无穷远处。任何一个确定的实数，其值都大于-∞，但
是绝对值都小于| -∞| 。“∞”是横过来写的“8”。
在集合 J 中，“+∞”叫做“正无穷大”，表示绝对值无穷大的正数，
在数轴正方向的无穷远处。任何一个确定的实数，其值都小于+∞，
并且绝对值也小于| +∞| 。
由于正负无穷大是人类抽象出来的虚拟值，不可能真正达到，因
此正负无穷大所在的一侧只能是开区间。一般不会比较-∞和+∞的大
小，可以认为它们的绝对值相同。全体实数集 R 也可以表示为(-∞, +∞)
2.3 集合之间的包含关系
集合是由元素构成的集体，集合之间的关系也由其所含有的元素
决定。
对于集合 A 和 B，若 A 中的全部元素都属于 B，则称集合 A 包
含于集合 B，记作 A⊆B。A 叫做 B 的子集。
若 A 中的全部元素都属于 B，并且 B 中存在元素不属于 A，则
称 A 真包含于 B，记作 A⫋B。A 叫做 B 的真子集。
若 A 中的全部元素都属于 B，且 B 中的全部元素也都属于 A，
即 A⊆B 且 B⊆A，则称 A 等于 B，记作 A=B。其实质为相等的 2 个
集合的构成元素相同。
根据上述关系可以看出，A⊆B 共包括 2 种情况，一种是 A⫋B，
另一种是 A=B。即任何 B 的子集包括 2 部分：全部真子集、它自身。
根据包含和真包含的定义可知：Ø 包含于任何集合，即空集是任
何集合的子集。同时，Ø 真包含于任何非空集合，即 Ø 是任何非空
集合的真子集。
根据包含的定义，很容易得出：若 A⊆B 且 B⊆C，则 A⊆C。
若集合 A 和 B 中都含有对方所没有的元素，则这 2 个集合之间
没有包含关系，记作 A⊄B 且 B⊄A。除非题目专门要求，否则一般不
会“多此一举”地专门把不包含关系写出来。
下面是集合间包含关系的具体例子：
A={1, 2, 3, 4, 5, 6, 7, 8, 9, 10}； B={2, 4, 6, 8, 10}；
C={x∈N | 0<x<11}； D={x∈R | 0<x<11}；
(1)由于 B 中的全部元素都属于 A，因此 B⫋A。
(2)根据 C 的描述，用列举法描述 C 集合后可知：A=C。
(3)比较 A 和 D 的描述，可知 A⫋D。
(4)此外，根据 B⫋A 和 A⫋D，可得 B⫋D。直接比较 B 和 D 的元
素也能得到该结论。
很多情况下，题目不会直接给出具体的集合，而是只给出集合间
抽象的相互关系。对于这种抽象的情况，用韦恩图可以把抽象的数学
语句转化为直观的图像。
其方法如下：用一个封闭曲线表示一个集合，曲线的内部空间表
示属于该集合的元素，曲线的外部空间表示不属于该集合的元素，
（曲
线上的点不专门考虑）。若一个封闭曲线被完全包裹在另一个封闭曲
线内，则表示里边的集合真包含于外边的集合。例如下图中：D⫋C。
韦恩图除了用平面图形外，有时候也用数轴来表示集合间的关
系，数轴上的一段表示一个集合。若一段较短的区间被完全包含在一
段较长的区间内，则表示集合间的真包含于关系。
要注意区分：元素与集合之间是“属于（∈）”和“不属于（∉）”
的关系。集合与集合之间是“包含于（⊆）”和“不包含于（⊄）”的关系。
对于有 n 个元素的集合 A，它的子集总共有 2n 个（包括 Ø 和 A

自身）。其推导如下：
当 A 含有 1 个元素时，A={a1}，它有 2 个子集：
(1) Ø（不含 a1）
(2){a1}（含有 a1）。
当 A 含有 2 个元素时，A={a1, a2}，它有 2×2 个子集：
(1-1) Ø（不给 Ø 加入 a2）；
(1-2) {a2}（给 Ø 加入 a2）；
(2-1) {a1}（不给{a1}加入 a2）;
(2-2) {a1, a2}（给{a1}加入 a2）。
当 A 含有 3 个元素时，A={a1, a2, a3}，它有 2×2×2 个子集：
(1-1-1) Ø（不给 Ø 加入 a3）;
(1-1-2) {a3}（给 Ø 加入 a3）；
(1-2-1) {a2}（不给{a2}加入 a2）；
(1-2-2) {a2, a3}（给{a2}加入 a2）；
(2-1-1) {a1}（不给{a1}加入 a2）;
(2-1-2) {a1, a3}（给{a1}加入 a2）；
(2-2-1) {a1, a2}（不给{a1, a2}加入 a3）；
(2-2-2) {a1, a2, a3}（给{a1, a2}加入 a3）。
同理，当 A 含有 4 个元素时，A={a1, a2, a3, a4}，将 A 有 3 个元
素的 8 种情况中的每一种，分别“分裂”为“不加入 a4”和“加入
a4”2 种，最终得到 2×2×2×2 个子集。
按照这个原理，对于有 n 个元素的集合 A，总共有 2n 个子集。
从整体上看，对于含有 n 个元素的集合 A，假设它的元素分别为
a1、a2、a3…an。则 A 的全部子集中，根据含有 a1 还是不含 a1，可以
分为 2 类，并且这 2 类子集的个数相等。
只要有 1 个子集含有 a1，则把该子集中的 a1 去掉，就新得到 1
个不含有 a1 的子集。反之，只要有 1 个不含有 a1 的子集，只要把 a1
放进这个子集，就新得到 1 个含有 a1 的子集。因此含有和不含同一个
元素的子集的数量相等。
同理，也可以根据含有 a2 还是不含 a2，把 A 的全部子集分为数
量相等的 2 类。对于每个元素都是如此。
2.4 集合的包含与命题的推出
集合与命题之间具有非常紧密的联系。在高中阶段，常见的集合
是由具有共同特征的数字组成，例如：A={x | -1≤x≤1}表示全部大于
等于-1、小于等于 1 的实数；B={x| -2<x<2}表示全部大于-2、小于 2
的实数。很容易得知：A⊆ B，即 A 是 B 的子集。
如果把 A 的限定条件作为命题的条件，B 的限定条件作为命题的
结论，则可以得到命题：若实数 x 满足-1≤x≤1，则有-2<x<2。很容易
判断，这是一个真命题，即 A 的限定条件是 B 的限定条件的充分条
件，B 的限定条件是 A 的限定条件的必要条件。
对于任意 2 个集合：A={x | x 符合条件 α}，B={x| x 符合条件 β}，
若 A 是 B 的子集（即 A⊆B），则 α 是 β 的充分条件，β 是 α 的必要
条件。
其原理为：若 A⊆B，则 A 中的全部元素符合 A 的限定条件 α，
同时也必然符合 B 的限定条件 β。说明只要条件 α 成立，则条件 β 也
一定成立，因此 α=>β。
反之也成立，若 α=>β，则集合 A={x | x 符合条件 α}、B={x | x
符合条件 β}具有关系：A 是 B 的子集（即 A⊆B）。
其原理为：若 α=>β，
则全部满足条件 α 的元素也必然满足条件 β。
说明全部集合 A 中的全部元素都满足条件 α，则它们也全部都满足条
件 β，因此也都属于集合 B。根据包含关系的定义可知，A 是 B 的真
子集。
于是，如果 α 是 β 的充分必要条件，即 α=>β 且 β=>α，那么可以
分别得到结论：A⊆B 且 B⊆A，即 A=B。
2.5 集合的基本运算
2 个或多个集合之间能够进行运算。集合之间的运算不是数字运
算，而是逻辑运算，所得到的结果仍然是集合。集合的运算主要有交
集、并集、补集 3 种。
交集是由 2 个或多个集合共有的元素，所构成的新集合。集合 A
和 B 的交集记作 A∩B，该符号念作“交”。下图是用韦恩图表示的交
集，阴影部分为 C=A∩B。
对于多个集合的交集，则该交集的元素必然属于每一个集合。即
A1∩A2∩A3∩…∩An-1∩An={x | x∈A1 且 x∈A2 且 x∈A3 且…x∈An-1 且
x∈An}。
根据子集的定义很容易得出：若 A⊆B，那么 A 的每个元素都属
于 B，因此 A 的全部元素都属于它们的交集 A∩B。而属于 B 但不属
于 A 的元素（如果有的话）则不在它们的交集里，于是有如下结论：
若 A⊆B，则 A∩B=A。
反之，若 A∩B=A，也就是 A=A∩B，说明 A 的每个元素都属于
B ，因此 A⊆B 。于是有结论：若 A∩B=A ，则 A⊆B 。综上，
A⊆B<=>A∩B=A。
下面是具体例子。
例 2.5.1 A={1, 2, 3, 4, 5,}，B={2, 4, 6, 8, 10}，则 C=A∩B={2, 4}。
例 2.5.2 P={(x, y) | 2x-y=3}，Q={(x, y) | x+y=9}，则 R=P∩Q={(4,
5)}。
例 2.5.3 M={x | x∈[3, 5)}，N={x | x∈(-∞, 3)}，则 K=M∩N= Ø。
在例 2.5.2 中，P 是全部满足方程 2x-y=3 的实数对(x, y)，Q 是全
部满足方程 x+y=9 的实数对(x, y)。P∩Q 是全部同时满足这 2 个方程
的实数对，也就是二元一次方程组的解，联立解方程组即可。
这个思路是解决数学（及其他学科）问题中非常常用的思路，即：
根据题目条件列出相应的关系式（方程），通过联立这些关系式得到
方程组，方程组的解就是同时满足这些关系式的数值。
并集是由 2 个或多个集合含有的全部元素，所构成的集合，既包
括只属于其中每个集合的元素，也包括几个集合共有的元素。集合 A
和 B 的并集记作 A∪B，该符号念作“并”。
下图是用韦恩图表示的并集，阴影部分为 C=A∪B。左图为 A 和
B 交集为非空集的情况，右图为 A 和 B 交集为空集的情况。
对于多个集合的并集，则该并集由这些集合的全部元素构成。即
A1∪A2∪A3∪…∪An-1∪An={x | x∈A1 或 x∈A2 或 x∈A3 或…x∈An-1
或 x∈An}。
同样的，根据子集的定义很容易得出：A⊆B 是 A∪B=B 的充分
必要条件，证明的原理与前面交集的内容相似，作为练习请自行证明。
例 2.5.4 A={1, 2, 3, 4, 5,}，B={2, 4, 6, 8, 10}，
则 C’=A∪B={1, 2, 3, 4, 5, 6, 8, 10}。
例 2.5.5 P={(x, y) | 2x-y=3}，Q={(x, y) | x+y=9}，
则 R’=P∪Q={(x, y) | 2x-y=3 或 x+y=9}。
例 2.5.6 M={x | x∈[3, 5)}，N={x | x∈(-∞, 3)}，
则 K’=M∪N={x | x∈(-∞, 5)}。
并集也经常用于表示数值范围所在的区间。例如：集合{全部小
于-1 或大于 1 的实数}，也可以表示为(-∞, -1)∪(1, +∞)。
补集。在研究集合时，通常会先确定一个最大的范围，这个最大
范围包括所有可能涉及到的元素，叫做全集，常用大写字母 U 表示。
之后所有涉及到的元素全部都取自这个全集，所研究的集合的元
素也都全部取自这个全集。例如：在高中数学的大部分情况下，把全
部实数作为全集。在学习虚数的知识后，关于虚数的题目经常把全部
复数作为全集。
在确定全集 U 之后，对于一个确定的集合 A，规定它的补集为：
全集中不属于 A 的全部元素所构成的集合。即：除了 A 所含有的元
素以外的其他元素构成的集合。记作 CUA，读作“A 的补集”。用数
学语言表示为：CUA={x∈U | x∉A}。
根据补集的定义可知：A∩CUA= Ø 且 A∪CUA=U。
下图是用韦恩图表示的补集。
要特别注意的是，在用区间表示数值范围时，除两端无限延伸的
±∞外，对于有确定数值边界的区间，闭区间的补集是开区间、开区
间的补集是闭区间。即：大于等于（≥）的补集是小于（<），大于（<）
的补集是小于等于（≤）。例如：(a, b)的补集为(-∞, a]∪[b, +∞)；(-∞,
c]的补集为(c, +∞)；x>a 的补集是 x≤a；x≥b 的补集是 x<b。总之，在
考虑补集时，一定要把情况考虑周全，不要出现遗漏。
2.6 集合与映射
对于 2 个非空集合 A 和 B，如果存在某种对应关系，使得 A 中
的每个元素，都能对应到 B 中的某一个元素，这种对应关系叫做映射，
一般叫做从 A 到 B 的一个映射，写作 A→B。这种对应关系通常用小
写字母 f 表示，叫做 f 是从 A 到 B 的一个映射。
其中，若 A 中的 1 个元素 a1，在映射 f 的作用下所对应 B 中的
元素 b1，则称 b1 是 a1 的像，a1 是 b1 的原像，记作 f(a1)=b1。
要强调的是，在映射 A→B 关系中，A 中的每个元素都必须能在
B 中找到它的像，并且 A 中的每个元素都只能在 B 中找到一个像。
而反过来，B 中不需要每个元素都能在 A 中找到它的原像，并且 B
中的每个元素都可以在 A 中找到不止一个原像。
例 2.6.1 A={狮子，老虎，蚂蚁，蜘蛛，猫头鹰，人类}，B={1, 2,
3, 4, 5, 6, 7, 8, 9, 10}，映射 f：动物腿的数量。
于是有：f(狮子)=4，f(老虎)=4，f(蚂蚁)=6，f(蜘蛛)=8，f(猫头鹰)=2，
f(人类)=2。
可以看出，A 中的每个元素，通过 f 的作用下，都能对应到 B 中
的一个元素，因此 f 是从 A 到 B 的一个映射。
在这个映射关系中，“4”是“狮子”的像，“狮子”是“4”的原像。“4”
也是“老虎”的像，“老虎”也是“4”的原像。A 中的每个元素都有像，并
且只有 1 个像。而 B 中的“6”“8”有 1 个原像，“2”“4”有 2 个原像，
“1”“3”“5”“7”“9”“10”没有原像。
在这个例子中，A 和 B 之间不能通过对应关系 f 形成从 B 到 A
的映射。也不能通过“腿数量为该数字的动物”形成从 B 到 A 的映射，
这是由于具有“2”“4”对应的元素不止一个，不符合映射的要求。
在映射中，有 3 种较为特殊的映射：单射、满射、一一映射。
单射是指在映射 A→B 中，B 中的每个元素至多只有 1 个原像，
即 A 中所有元素的像没有重复。
例 2.6.1-2 A={狮子，蚂蚁，蜘蛛，猫头鹰}，B={1, 2, 3, 4, 5, 6, 7,
8, 9, 10}，映射 f：动物腿的数量。于是有：f(狮子)=4，f(蚂蚁)=6，f(蜘
蛛)=8，f(猫头鹰)=2。B 中的元素 2、4、6、8 只有 1 个原像，元素 1、
3、5、7、9、10 没有原像，这是单射关系。
满射是指在映射 A→B 中，B 中的每个元素都能在 A 中找到原像，
即 B 中没有“空闲”的元素。在满射关系中，A 叫做（B 的）定义域
或原像集，B 叫做（A 的）值域或像集。
例 2.6.1-3 A={狮子，老虎，蚂蚁，蜘蛛，猫头鹰，人类}，B={2,
4, 6, 8}，映射 f：动物的腿的数量。这是满射关系。
一一映射也叫做双射，是指既是单射、又是满射的 A→B 映射关
系。
例 2.6.1-4 A={狮子，蚂蚁，蜘蛛，猫头鹰}，B={2, 4, 6, 8}，映
射 f：动物的腿的数量。这是一一映射关系。
下面是一个更加“数学”的例子：
例 2.6.2 A={a | a∈N*}，B={b | b=2k，k∈N*}，对应关系：f(x)=2x。
集合 A 由全体正整数构成，也可以写为 A={1, 2, ,3, 4, 5…}。集
合 B 由全体正偶数构成，也可以写为 B={2, 4, 6, 8, 10…}。对应关系
为“×2”，于是有 f(1)= 2×1=2，f(2)=2×2=4，f(3)=2×3=6…
可以发现，A 中的每个元素都能在对应关系 f 的作用下，在 B 中
找到唯一的像，因此 A→B 是单射。同时，B 中的每个元素，都能用
b÷2 的方法，在 A 中找到唯一的原像，因此 A→B
因此它同时也是满射。
是一一映射。
在数学中，映射关系是非常重要的关系，因为映射通过确定的对
应关系，把 2 个集合联系了起来。这个对应关系通常是数学表达式。
在已知定义域和对应关系的情况下，一般都能推算出相应的值
域。在已知值域和对应关系的情况下，有时候也可以倒推出相应的定
义域。
利用数学定理中的表达式，将多个映射关系依次先后使用，形成
A→B，B→C，C→D……的映射链条，就得到了严谨的推演链条。正
是通过这种方法，可以把复杂的条件变成简单的条件，把没见过的条
件变成熟悉的条件，从而简化问题、得到答案。这是数学和其他学科
分析解决问题的最根本思路。
2.7* 集合中元素的个数
现行教材已经取消了关于集合中元素个数的计算，建议进行了解
和练习。因为这部分概念较容易理解、计算也不复杂，并且在具体计
算中体现出很强的逻辑性，对于练习和提升基础数理逻辑很有帮助。
首先，在计算集合元素的个数时，所研究的集合的元素个数必须
是有限的、确定的，这是进行计算的基础。
集合 A 中元素的个数用符号 card(A)表示。例如：
A={1, 2, 3, 4, 5｝，
则 card(A)=5；B={x∈Z | -1<x<1}，则 card(B)=1；card(Ø)=0。
对于 2 个元素的交集、并集的元素个数，具有如下关系：若
card(A)=a，card(B)=b，card(A∩B)=p，card(A∪B)=q，则有：q=a+b-p，
即：card(A∪B)=card(A)+card(B)-card(A∩B)。
用语言表述为：A 并 B 的元素个数，等于 A 的元素个数加上 B
的元素个数，再减去 A 交 B 的元素个数。
其原理如下：
把 A、B 所含有的元素分为 3 类：(1)只属于 A 不属于 B 的元素，
(2)只属于 B 不属于 A 的元素，(3)既属于 A 也属于 B 的元素。
于是： card(A)=(1)+(3) ， card(B)=(2)+(3) ， card(A∩B)=(3) ，
card(A∪B)=(1)+(2)+(3)。
card(A)+card(B)=(1)+(3)+(2)+(3)，其中(3)（card(A∩B)）重复计
算了，需要再减去。因此有：card(A∪B)=card(A)+card(B)-card(A∩B)。
对于 3 个集合 A、B、C，以及它们的并集和交集 A∪B∪C、
A∩B∩C、A∩B、A∩C、B∩C 的元素关系具有数量关系如下：
card(A∪B∪C)=card(A)+card(B)+card(C)-card(A∩B)-card(A∩C)-
card(B∩C)+card(A∩B∩C)。
作为练习，请根据同样对于这样的原理，用逻辑推导出上面的数
量关系，并推广到 n 个集合及它们的并集和交集的元素个数的数量关
系。
小结
本章主要学习以命题和集合为主的数理逻辑，重点在于逻辑关系
和逻辑推演。
在学习命题时，要注重对日常生活中的话语进行判断：它是否是
命题？它的非命题是什么？如果是的话能否写成“若…则…”的形
式？如果能的话它的逆命题、否命题、逆否命题分别是什么？它是否
是一个全称量词命题或存在量词命题？
在理解集合时，要自己设计集合和映射，可以是“数学的”，也
可以是“非数学的”。
命题和集合的概念与运算主要起到逻辑框架的作用，未来学习的
数学和其他学科知识都需要用这套逻辑框架进行分析和推演。
在小学和初中阶段，我们已经学习了自然数、整数、有理数、无
理数等数的概念，它们的加、减、乘、除、平方、平方根等基本运算，
以及交换律、结合律、分配律等运算规律。在此基础上，还学习了一
元一次方程、二元一次方程组、一元二次方程的解法。
在学习这些基本的运算规则和方程的解法时，注意力主要放在
“+”“-”“×”“÷”“x2”“ x ”等运算符号上，有一个很常见但又没什么存在
感的符号经常被忽视，就是等号“=”。
等号在数学中非常重要。它起到桥梁的作用，把不同的数学元素
和表达式连接起来。正是通过等号的连接作用，才能把复杂的表达式
转化为简单的，把陌生的表达式转化为熟悉的，根据题目的已知条件
求出想要的答案。
与“相等”类似，“不等”也是数学中非常重要的关系，也是连接复
杂与简单、陌生与熟悉、未知与已知、题目与答案的桥梁。“相等”与
“不等”经常会相互配合，共同出现。
在《第一章命题与集合》中学习了基本的数理逻辑，一个等式
或不等式就是一个命题，对基本运算法则和“相等”“不等”基本性质的
利用就是分析和推演的基本过程。
本章主要复习基本运算法则、等式的基本性质，在此基础上学习
不等式的基本性质和主要应用。在复习和回顾的过程中，从熟悉的现
实生活出发，逐渐过渡到抽象的数学运算，并重新梳理总结各基本概
念的来龙去脉和相互联系。
一、等式与基本运算
从“ 1  1  2 ”开始，等式关系就一直出现在数学和其他学科当中。
以前学习的等式关系一般以背诵记忆的方式为主，比如 10 以内加减
法、九九乘法表、勾股定理等。这些等式关系当中，有些是要熟记的
公理或定义，有些是需要理解其原理的推论。现在进行简要回顾。
1.1 等式与基本运算
相等是一个非常原始且朴素的概念，如果有两堆东西，它们的数
量一样多，就称它们的数量相等，用符号“=”表示。
这里所涉及到的“数量”，就是人们日常用来计数的自然数 N，即
0、1、2、3…其中，除了 0 以外的自然数 1、2、3…叫做正整数。

例如：如果你有 3 个苹果，我也有 3 个苹果，那么称我俩拥有苹
果的数量相等，3=3。如果甲同学有 2 根香蕉，乙同学有 1 根香蕉，
那么称甲乙二人拥有的香蕉数量不相等，2≠1。
在几何中，对于线段的长度、角度的大小等概念，也存在“相等”
的概念：将两条绳子平行放置，并把其中一端对齐，如果另一端也刚
好对齐，则称这两根绳子的长度相等。
同样的，把两个角朝相同的方向摆放，并令它们的一条边重合，
如果此时这两个角的另一条边也相互重合，则称这两个角大小相等。
加法用加号“+”表示，是建立在计数的基础上，为了让计数更为
方便而诞生的运算。加法反映了一条非常重要的现象：两堆物体分别
的数量加起来的到的结果，与把这两堆物体合在一起后计数得到的结
果相同。
自然数的加法是现实世界中客观存在、亘古不变的公理，自然数
的加法都是现实结果，如果不是做数学研究的话，不要问“为什么”，
这就是事实！
例如：假设甲同学有 2 根香蕉，如果再给他 5 根香蕉，此时可以

直接使用自然数的加法：2+5=7，求得甲同学现在有 7 根香蕉。而不
需要再 1、2、3、4、5、6、7 挨个数出来。特别是当数字非常大的时
候，加法比挨个计数要方便很多。
自然数的加法有 2 条重要的性质：交换律、结合律。这两条性质
也都是根据现实中从未实效的事实经验得到的公理。
交换律是指 2 个自然数相加，若调换二者的顺序，结果不变。用
公式表示为： a  b  b  a 。从公式上看似乎是“常识”，举个现实例子
来说明区别。
例如：甲同学原来有 2 根香蕉，再给他 5 根香蕉，现在他有 2+5=7

根香蕉。假设丁同学原来有 5 根香蕉，再给他 2 根香蕉，现在他也有
5+2=7 根香蕉。虽然甲和丁最终香蕉数量相等，但是具体过程不同。
结合律是指 3 个自然数相加，(1)先把前 2 个相加，再加第 3 个；

(2)先把后 2 个相加，再加第 1 个；这两种计算方法的结果相同。用公
式表示为： (a  b)  c  a  (b  c) 。还是用现实例子来说明具体区别。
例如：甲同学原来有 2 根香蕉，先给他 5 根，再给他 4 根，于是

他有(2+5)+4=11 根香蕉。如果换种方法，先把原本分批次他的第一批
5 根和第二批 4 根香蕉合在一起为 9 根，再一次性给他：2+(5+4)=11。
这两种给法的结果相同。
减法用减号“-”表示，是加法的逆运算，表示从一堆物体中取出
一部分后，剩余的物体的数量。
例如：甲同学现在有 11 根香蕉，他从中取出 6 根给乙同学，剩
余 11-6=5 根。如果一根一根地数，也是剩余 5 根。
负数诞生于一个较小的数字减去一个较大的数字，在现实计数中
表示“亏欠”。在正整数前加上负号（-）就得到了相应的负整数。
正整数、0、负整数合称为整数。
例如：乙同学向甲同学借来 6 根香蕉，乙同学吃掉 2 根后还剩下
4 根，如果乙要归还甲的 6 根香蕉就不够了，归还 4 根后还欠 2 根，

即 4-6=-2。
“0”在整数的加减法中是一个非常重要的数字，表示没有东西，
也不亏欠东西。任何整数加上 0 还是它本身，任何整数减去它本身结
果为 0。
如果两个整数相加的和为 0，则称这两个整数互为相反数。用 0
减去一个整数，就得到了它的相反数。
减法不适用交换律和结合律，这与现实生活中的经验相一致。可
以把减法转化为“加上相反数”，即 a  b  a   b  ，转化为加法后可以
适用交换律和结合律。
乘法可以看作是加法的简便运算，用乘号“×”或“*”或“·”表示。如
果两个代表数字的字母相乘，也可以省略乘号。在表示纯数字运算时，
这 3 种写法都可以使用，没有区别。在几何运算中，每种乘号代表不
同的运算法则，会在将来学习。
n 个相同的自然数 a 相加，可以用乘法表示为 a×n 或 a*n 或 a·n。
其中 a 叫做被乘数，n 叫做乘数。特别的，两个正数相乘的结果仍为
正数，两个负数相乘的结果也为正数（负负得正），一个正数和一个
负数相乘的结果为负数，任何数与 0 相乘的结果都是 0。
例如：如果班里有 50 位同学，每位同学都有 2 支铅笔，那么班
里总共有 2×50=100 支铅笔。这与把 50 个 2 相加的结果相同。
乘法有 3 条重要的性质：交换律、结合律、分配律。这 3 条性质
也是根据现实中的事实总结出来的公理。
乘法交换律与加法交换律相似： a  b  b  a 。乘法交换律依然看
起来非常“显然”，其区别也要通过具体例子体现。
例如：在前面的例子中，班里有 50 位同学，每位同学有 2 支铅
笔，于是班里共有 2×50=100 支铅笔。如果某间办公室里有 2 位老师，
每位老师有 50 支粉笔，那么共有 50×2=100 粉笔。铅笔与粉笔数量相
同。
乘法结合律与加法结合律相似： (a  b)  c  a  (b  c) 。
例如：一所学校共有 20 个班级，每个班级都有 50 位学生，每位
学生有 2 支铅笔。先计算每班的铅笔数：2×50=100 支，再计算全校

的铅笔总数：100×20=2000 支，即(2×50)×20=2000。也可以先计算全
校的学生人数：50×20=1000 人，再计算全校的铅笔总数：2×1000=2000
支铅笔，即 2×(50×20)=2000。
乘法分配率与加法有关：(1)两个数先相加，再乘以第三个数；(2)
这两个数先分别与第三个数相乘，之后再相加；这两种计算方法得到
的结果相等。用公式表示为： (a  b)  c  a  c  b  c 。
例如：若班里每位同学有 2 支铅笔和 1 支水笔，则每位同学共有
2+1=3 支笔，于是全班 50 位同学共有 3×50=150 支笔，即(2+1)
×50=150。也可以先计算得全班共有 2×50=100 支铅笔和 1×50=50 支

水笔，于是全班共有 100+50=150 支笔，即(2×50)+(1×50)=150。
除法是乘法的逆运算，用除号“÷”或“/”表示。
假设 n 个相同的自然数 a 相加得 p，即 a  n  p 。若把 p 分为相等
的 n 份，每份都为 a，即 p  n  a 。若把 p 分成每份都有 a 的若干份，
总共能分出 n 份，即 p  a  n 。
在除法 p  n  a 中，p 叫做被除数，n 叫做除数，a 叫做商。0 不

能作为除数。0 除以任何数的结果仍为 0。
如果自然数 p 除以自然数 n 的结果不是整数，则得到的数字
p
叫做分数，记作 n 或 p/n。其中 p 叫做分子，n 叫做分母。0 不能作为
分母。
整数和分数合称为有理数。任何有理数都能写成 2 个整数的比的
形式。经证明，有理数也能进行加减乘除等运算，并且符合加法交换
律、加法结合率、乘法交换律、乘法结合律、乘法分配率。
“1”是有理数的乘除法中非常重要的数字。任何有理数乘以 1 结
果仍为它本身，任何不为 0 的有理数除以它本身得到 1。如果两个有

理数的乘积为 1，则称这两个有理数互为倒数。用 1 除以一个有理数，
就得到了它的倒数。由于 0 不能作为除数，因此 0 也没有倒数。
除法不适用交换律、结合律、分配率，可以把除法转化为“乘以
1
倒数”，即 a  b  a  b ，就可以适用于乘法的交换律、结合律、分配率。
在将除法转化为“乘以倒数”后再使用分配率时要认真细心，不要错误
地直接把分配率用于除法。
被除数、除数、商之间的正负数关系，参照乘法的关系，只需要
把除法看作“乘以倒数”即可。除数和分母都不能为 0。
平方最早使用于对面积的测量。对于边长为 a 的正方形，规定它
的面积为边长与边长的乘积 a  a ，也记作 a 2 。对于有理数 a 和 p，如

果 a2=p，称 p 是 a 的平方。（下页图左上）
开方是平方的逆运算，如果 p 是 a 的平方，则称 a 是 p 的平方根，
记作 a  p 。
长方形可以看作由若干个正方形构成，于是根据对面积的规定以
宽分别为 a、b 的长方形，

及乘法分配率可知：对于长、它的面积为 a  b 。
（下图左中）
将长、宽分别为 a、b 的长方形用对角线分割为两个全等的直角
三角形，它们的直角边都分别为 a、b。由于这两个直角三角形面积
相等，且面积之和等于长方形的面积 a  b ，因此它们的面积为长方形
面积的一半。于是：对于两条直角边分别为 a、b 的直角三角形，它
1
的面积为 ab 。（下图左下）
2
将两个正方形镶嵌在一起，令大正方形的边长为 a+b，并且每条
边都被小正方形的 4 个顶点分成长为 a 和 b 的两段，设小正方形的边
长为 c。于是，大正方形的面积等于 4 个相同的直角三角形与小正方
1
形之和。大正方形的面积为 (a  b) 2 ，每个直角三角形的面积为 ab ，
2
1
小正方形的面积为 c 2 。于是有：(a  b)2  ab  4  c 2 。将该等式化简后
2
得： a 2  b2  c 2 ，这就是著名的勾股定理。（下图右）
然而，并不是对所有的有理数开方都能得到有理数，于是将这些
不能表示为两个整数之比的数字叫做无理数，例如 2 、 5 等。
有理数和无理数统称为实数，就是当前学习阶段主要使用的数
域。实数也都适用于前面学习的基本运算以及相关法则。
圆周率 π 也是无理数。对于任意标准圆，它的周长 c 与直径 d 的
比值 c / d 为定值，这个数值叫做圆周率 π。与 π 相关的一系列三角函

数中，绝大多数三角函数的数值也是无理数。
1.2 等式的基本性质
等式主要有 3 个基本性质：
性质(1)：等式两边同时加上或减去相同的整式，等式仍成立。用
公式表达为：若 a  b ，则 a  c  b  c 。
性质(2)：等式两边同时乘以或除以同一个不为 0 的整式，等式仍
成立。用公式表达为：若 a  b 且 c  0 ，则 a  c  b  c 。
性质(3)：等式具有传递性。用公式表达为：若 a1  a2 ， a2  a3 ，
a3  a4 … an 1  an ，则 a1  a2  a3  a4  ...  an 1  an 。
其中提到的“整式”是指当前已经学习过的实数以及表示实数的
字母进行加、减、乘、除、平方、平方根等运算的表达式。
以上等式的 3 个基本性质是进行公式推导和分析解决问题的最
主要工具。
性质(1)和性质(2)是对等式进行变形和处理的主要依据，是将复
杂的表达式简化为简单的表达式，以及将杂乱的表达式转化为规范的
公式标准形式的重要方法。
性质(3)是将相互独立的条件联系起来的主要依据。首先根据各个
条件和定理分别得到若干等式。再根据性质(3)，通过各等式共有的元
素将这些等式联立起来，化简或解方程组后得到的结果就是同时满足
所有条件的表达式或数值。
解方程是应用等式性质的很好例子。解方程指根据给出的等式关
系，利用等式的有关性质，对其进行分析和变形，求解满足该等式关
系的未知数的值。
下面具体复习一元一次方程、一元二次方程、二元一次方程组的
解法。
(1)一元一次方程
解一元一次方程，主要使用等式的基本性质(1)和(2)，以及交换
律、结合律、分配律，将方程转化为 x  a (x 为未知数，a 为数字)的形
式。
例 1.2.1 解方程 5 x  2  11 。
解析：这道题目看起来很简单，实际上也很简单，熟练的话可以
心算解出，现在把解题过程分解为基本步骤：
等式两边同时减 2（或加-2）：
5 x  2  2  11  2
对等式左边使用加法结合律：
5 x   2  2   11  2
5x  9
1
等式两边同时除以 5（或乘以 5）：
5x  5  9  5
对等式左边使用乘法交换律、结合律：
1 1
x （5  ） 9 
5 5
9
x
5
该例题较为简单，对于复杂的等式，其化简思路仍然相同。通过
等式两边同时加、减、乘、除以相同的整式，将复杂的形式简化。
1 1 4
例 1.2.2 解方程 x  1  x  1  x
由于本题的未知数出现在分母位置，并且有 3 种不同的分母，因
此看起来较为复杂，但其实解题思路相同：通过在等式两边加、减、
乘、除相同的整式将其变为熟悉的形式。
等式两边同时乘以 x( x  1)( x  1) 消除分母上的未知数：
1 1 4
(  )  x( x  1)( x  1)   x( x  1)( x  1)
x 1 x 1 x
使用分配律展开： x( x  1)  x( x  1)  4  ( x  1)( x  1)
使用交换律、结合律：
x2  x  x2  x  4x2  4
2 x2  4x2  4
2 x2  4
x2  2
x1  2 ， x2   2
根据分母不能为 0，于是 x  0 ， x  1  0 ， x  1  0
解得： x  1, 0,1 ，与解不矛盾

因此该方程的解为 x1  2 ， x2   2
本题是一道典型的“化繁为简”的例子。对于分母上出现不同的表
达式等复杂情况，都可以利用等式的基本性质(1)和(2)以及运算法则
的有关性质，将其转化为较简单的形式。常用的化简方式有：合并同
类项、通分消除分母、把平方根移到等号一侧后两边同时平方等。要
特别记得最后应排除分母为 0 的情况。
(2)一元二次方程
一元二次方程有两种解法，因式分解法和配方法。
因式分解法的核心思路是：把一元二次方程化为两个一次式相乘
的形式，再利用“偶数个负数相乘的积是正数，奇数个负数相乘的积
是正数”，分别判断每个因式的 0 点所分割出的区间的情况。
配方法的核心思路是：利用完全平方公式 (a  b)2  a 2  2ab  b 2 ，根

据二次项和一次项前的系数，通过“凑平方项”的方法，将一元二次
方程凑成 ( x  b) 2  p 的标准形式进行求解。配方法是一元二次方程的
通用解法，对于全部一元二次方程都适用，并能反映出方程的特征。
例 1.2.3 解方程 x 2  8 x  20  0
(1)因式分解法
对 20 进行因式分解： 20  1 20  2 10  4  5
其中 2  10  8 ，与一次项前的系数 8 一致，
原方程可化为： ( x  10)( x  2)  0
x  10  0 或 x  2  0
x1  10 ， x2  -2
可以看出，因式分解法使用起来较为简便，但需要对数字的因式
分解具有一定的敏感性，一般先对常数项进行因式分解，再观察各种
分解出的 2 个因子的和或差是否和一次项系数一致。但是因式分解法
只有当方程是特定的整系数方程才好使用，难以普遍使用。
(2)配方法
凑完全平方的标准形式：
x 2  8 x  20  0
x 2  8 x  20+16  0+16
x 2  8 x +16  20  0+16
( x  4) 2  20  0+16
( x  4) 2  20+20  0+16+20
( x  4) 2  36
x  4  6
x1  4  6 ， x1  10
x2  4  6 ， x2  2
可以看出，配方法的思路非常直接，适用于全部一元二次方程，
并能由此推导出一元二次方程的通解公式、根的判别式、韦达定理。
对于一元二次方程 ax 2  bx  c  0(a  0) ，进行配方：

b c
等式两边同时除以 a ： x 0 x2 
a a
b b b c b
等式两边同时加上 ( )2 ： x 2  x  ( )2   ( ) 2
2a a 2a a 2a
b 2 c b 2
配出完全平方项： (x  )   ( )
2a a 2a
b 2 b 2 c
(x  )  ( ) 
移项： 2a 2a a
b 2 b2  4ac
通分： (x  ) 
2a 4a 2
由于等式左边为平方项，必然大于等于 0，因此若方程要有根，
b2  4ac
必须等式右边也大于等于 0，即： 0
4a 2
由于已经规定了 a  0 ，分母 4a 2 必然大于 0，因此还需要分子大于
b 2  4ac  0 。这就是一元二次方程根的判别式   b 2  4ac 。
等于 0，即：
b b 2  4ac
当   0 时，x   ，
2a 4a 2
b b 2  4ac b  b2  4ac
x1    
2a 4a 2 2a
b b2  4ac b  b 2  4ac
x2    
2a 4a 2 2a
b 2
当   0 时，( x  ) 0
2a
b
x
2a
当   0 时，方程无实数根。
分别将两个根的表达式相加或相乘，就得到了韦达定理：
b  b2  4ac b  b2  4ac 2b b
x1  x2    
2a 2a 2a a
b  b 2  4ac b  b 2  4ac (b)2  ( b 2  4ac ) 2 c
x1  x2    
2a 2a 4a 2 a
用配方法解一元二次方程反映出一条非常重要的解题思路：凑标
准形式。在未来的学习中，还会学习其他标准形式，例如：三角函数
的标准形式、圆锥曲线的标准方程、等差或等比数列的通项公式等。
根据这些标准形式往往能直接得出重要结论，并能直接反映出相关函
数、曲线、数列的本质特征，是分析判断的重要模板和得出结论的关
键依据。将不标准的形式转变为标准形式，是分析解决复杂问题的最
主要途径。
(3)二元一次方程组
含有两个未知数、且每个未知数都只有一次项的方程叫做二元一
次方程。多个二元一次方程联立在一起构成二元一次方程组，常见的
二元一次方程组由两个二元一次方程构成。
解二元一次方程组的基本思路为“消元”。先利用其中一个方程，
将一个未知数写成另一个未知数的表达式，再代入另一个方程，使其
成为一元一次方程并求解，再代入求得另一个未知数。“消元”也是解
决具有多个未知数或变量的问题的常用方法。
在一些情况下，二元一次方程没有解。在另一些情况下，二元一
次方程有无穷多解。
ax  by  c  0 ①
例 1.2.4 解一元二次方程组 px  qy  r  0 ②
将方程①变形，写为用含 x 的多项式表达 y 的形式：
ax  by  c  0
by  ax  c
a c
y  x ③
b b
将等式③代入方程②并解方程：
a c
px  q( x  )  r  0
b b
aq cq
( p  )x   r
b b
bp  aq cq  br
( )x 
b b
cq  br
x
bp  aq
将 x 的解代入③得：
a cq  br c a  (cq  br )  c  (bp  aq ) acq  abr  bcp  acq
y   = 
b bp  aq b b  (bp  aq ) b  (bp  aq )
ar  cp

bp  aq
根据解题过程可以发现：若 bp  aq  0 ，则无法用含 x 的多项式
表示 y。其实在这种情况下，将 bp  aq  0 变形为 b  aq / p ，代入第一

个方程得： ax  (aq / p) y  c  0 ，该等式可变形为： px  qy  (c / a )  0 。
px  qy  (c / a )  0
于是原方程组等同于： px  qy  r  0
若 c / a  r ，该方程组实际上是一个方程，于是方程组有无穷多解。
若 c / a  r ， px  qy 不可能同时等于两个不同的值，方程组无解。
二元一次方程组的解法反映出另一条非常重要的解题思路：联
立。很多题目条件会已知所要求的元素所符合的多个条件，一般解法
为：(1)根据这些条件和有关数学知识，分别列出等式关系；(2)将这
些等式关系联立起来形成方程组；(3)解方程组。方程组的解就是同时
满足这些条件的元素。
上面的解题过程看起来比较复杂，其实是非常常规的变形方式，
在解决很多题目时，必须要耐心和细心地进行推导和变形，才能将复
杂的形式变成简单的形式。
二、不等式
现实生活中，“相等”往往是人们有目的地“制造”或很少见的“巧
合”，“不等”才是更加普遍常见的情况。在数学中，“不等”也是非常
重要的数量关系，具有与相等关系类似的一系列性质，也在分析和推
演中起到“推出”的重要作用。不等式比等式略微复杂，经常需要分情
况讨论，在学习和解题时需要细心和耐心。
2.1 不等式及其基本性质
在现实生活中，若两堆东西的数量不相等，则称它们“不等”，用
符号“≠”表示。称其中数量较多的“大于”较少的，用符号“>”表示。数
量较少的“小于”较多的，用符号“<”表示。类似的，在几何中，若两
根绳子的长度不相等，则称较长的那根“大于”较短的那根，较短的那
根“小于”较长的那根。
此外，大于等于号“≥”表示“大于或等于”，小于等于号“≤”表示“小
于或等于”，这两种符号都表示“或”的逻辑关系，只要其中一种情况
为真，则该符号所下的判断就成立。
关于大于、等于、小于关系的数学定义为：
a  b  0 <=> a  b
a  b  0 <=> a  b
a  b  0 <=> a  b
也可以使用数轴来表示大于、等于、小于的关系，对于规定了正
方向（通常为从左向右）的数轴，数轴上的两个点的坐标分别为 a、
b，则有：
a 在 b 的正方向 <=> a b
a 和 b 位置相同 <=> a =b
a 在 b 的负方向 <=> ab
建立数轴之后，还提出了绝对值的概念：一个数与原点（0）的
距离叫做该数的绝对值，a 的绝对值用符号|a|表示。绝对值是一段距
离，因此只能为正数或 0。正数的绝对是是它本身，负数的绝对值是
它的相反数，0 的绝对值还是 0。
若比较两个数字的大小，则在正方向（右边）的数字较大。若比
较两个数字绝对值的大小，则离 0 更远的数字较大。
不等式的基本性质也主要有 3 个，与等式的 3 个基本性质相对应，

但是具体内容有明显不同。
性质(1)：不等式关系具有单向的传递性。即：
若 a  b 且 b  c ，则 a  c
若 c  b 且 b  a ，则 c  a
要注意的是，不等关系的传递是“单向”的。若 a  b 且 a  c ，则无
法判断 b 与 c 的大小关系。
用数轴上的点来描述：若 a 在 b 的右侧（正方向），且 b 在 c 的
右侧，则 a 一定在 c 的右侧。
该性质在现实生活中较容易理解。若甲同学的苹果比乙同学多，
且乙同学的苹果比丙同学多，则甲的苹果一定比丙多。比较绳子长短
的例子与之类似。
性质(2)：不等式两边同时加上（或减去）相同的数（整式），不
等式仍成立。即：
若 a  b ，则 a  c  b  c
若 b  a ，则 b  c  a  c
用数轴上的点来描述：若 a、b 的左右关系确定，将 a 和 b 同时
沿相同方向移动相同距离，则它们之间的左右关系不变。
该性质在现实生活中也较容易理解。若甲同学的苹果比乙同学
多，再分别给甲乙二人同样多的苹果，则甲的苹果还是比乙多。或给
一长一短两根绳子分别延长相同的长度，则它们的长短关系不变。
性质(3)：不等号的两边同时乘以相同的正数，不等号的方向不变。
不等号的两边同时乘以相同的负数，不等号的方向改变。即：
若 a  b 且 c  0 ，则 ac  bc
若 a  b 且 c  0 ，则 ac  bc
由于任何数乘以 0 结果仍为 0，使得原式失去意义，因此一般不
在不等式两边同时乘以 0。
在计算乘法时，可以分为 2 个步骤：先考虑数值变化，再考虑正
负号变化。若一个数字与正数相乘，则只考虑数值变化即可。若一个
数字与负数相乘，可以先乘以该负数的绝对值，再改变符号，相当于
从数轴上 0 的一侧转移到对称的另一侧。
因此，若不等式两边同时乘以相同的正数，只是等比例“放大”或
“缩小”，并不不等号两边的位置关系。若不等式两边同时乘以相同的
负数，在等比例“放大”或“缩小”之后，还要以 0 为对称轴“翻转”过去，
颠倒左右关系，于是不等号方向要改变。
根据不等式的以上 3 条基本性质，还可以推出其他一些性质：
性质(4)：若 a  b 且 c  d ，则 a  c  b  d 。
利用基本性质(1)和(2)可推出该性质：
根据性质(2)：由于 a  b ，所以 a  c  b  c 。
同理，由于 c  d ，所以 b  c  b  d
根据性质(1)： a  c  b  d
根据日常经验易理解：两个较大的数之和，大于两个较小的数之和。
性质(5)：若 a  b  0 且 c  d  0 ，则 ac  bd 。
按照上面的思路，利用基本性质(1)和(3)，可推出该性质。
此外，若 0  a  b 且 0  c  d ，则 ac  bd
该性质的推导思路相同，由于涉及到负数，也可以先把负数“转
化为”正数，再直接利用性质(5)：
由于 0  a  b ，不等号两边同时乘以-1：  a  b (  a  0 , b  0 )。
同理： c  d ( c  0 ,  d  0 )。
使用性质(5)： (a)(c )  (b)(d )

于是有： ac  bd 。
1 1
性质(6)：若 a  b  0 ，则 0  
a b
1
根据性质(2)，在不等式 a  b 两边同时乘以大于零的 ab 即可：
1 1 1 1
a  b => 
ab ab b a
性质(7)：若 a  b  0 ，则 a n  b n  0 (n∈N*)
根据性质(5)：若 a  b  0 且 a  b  0 ，则 a  a  b  b  0 ，即 a 2  b 2  0
同理可得： a 3  b3  0 ，依次递推，对任何 n∈N*都有 a n  b n  0
事实上，不仅是自然数 n，对任意的正实数 n，该性质都成立。
性质(8)：若 a  b  0 ，则 n a  n b (n∈N*且 n>1)

该性质实质上与性质(7)相同，指数运算和幂运算将在后续章节具
体学习。
a a
性质(9)：若 a  b  0 ，则  1 。若 0  a  b ，则  1 。
b b
根据基本性质(3)可推出该性质。
2.2 解不等式
解不等式与解方程类似，指根据给出的含有变量的不等式，利用
不等式的有关性质，对其进行分析和变形，求出变量的取值范围。
解不等式比解方程较为复杂，因为方程中只有“=”这一种数量关
系，而不等式中有“>”和“<”两种(有时是“≥”和“≤”)。
在解不等式时，要注意区分“>”“<”与“≥”“≤”的区别。特别是需要
改变符号的情况。如果是“否定”，则“>”的否定是“≤”，“<”的否定是“≥”。
如果是调换左右位置关系，则“>”调换后是“<”。 “≥”调换后是“≤”。
解不等式的过程中，最重要的是熟练使用不等式的性质进行化
简，以及进行分析判断和分情况讨论。
解不等式最常用的两个依据为：(1)任何数的平方（以及偶次方）
恒大于等于零，(2)奇数个负数的积为负数，偶数个负数的积为正数。
(1)一元一次不等式
一元一次不等式是最基本的不等式，其解法与一元一次方程类
似，注意在化简过程中改变不等号的步骤即可。
例 2.2.1 解不等式 ax  b  c ( a  0 )
解析：利用不等式的性质(2)： ax  b  b  c  b => ax  c  b
1 1 c b
当 a  0 时， ax  a  (c  b)  a => x 
a
1 1 c b
当 a  0 时， ax   (c  b)  => x 
a a a
(2)一元二次不等式
与一元二次方程类似，一元二次不等式也有因式分解法和配方法
两种解法，并且这两种解法的特点也与方程的解法相似：因式分解法
更简便，配方法更普遍适用且能直接反映出不等式的特点。
例 2.2.2-1 解不等式 x 2  8 x  20  0
解析：(1)因式分解法
对不等式左边进行因式分解得： ( x  10)( x  2)  0
根据“奇数个负数的积为负数”可知：( x  10) 和 ( x  2) 中只能有一个
是负数。
由 ( x  10)  ( x  2)  12  0 可知：( x  10)  ( x  2) ，因此只能令 x  10  0
且 x  2  0 ，解得 x  10 且 x  2 。即 2  x  10 。
若本题中的不等号为“≤”： x 2  8 x  20  0 ，则令两个因式中的一个
为 0 的值也属于解集，解集为 2  x  10
(2)配方法
将不等式左边配成关于 x 的多项式的平方： ( x  4) 2  36  0
将常数项移到不等号另一侧： ( x  4) 2  36
即 6  x  4  6 ，解得： 2  x  10
例 2.2.2-2 解不等式 x 2  8 x  20  0
解析：(1)因式分解法
对不等式左边进行因式分解得： ( x  10)( x  2)  0
根据“偶数个负数的积为正数”可知： ( x  10) 和 ( x  2) 要么都是

正数，要么都是负数。
若都是正数，x  10  0 且 x  2  0 ，解得 x  10 且 x  2 ，交集为 x  10 。
若都是负数，x  10  0 且 x  2  0 ，解得 x  10 且 x  2 ，交集为 x  2 。

最终解集为上面两种情况的并集，即 x  10 或 x  2 。
(2)配方法
将不等式左边配成关于 x 的多项式的平方： ( x  4) 2  36  0
将常数项移到不等号另一侧： ( x  4) 2  36
即 x  4  6 或 x  4  6
解得： x  10 或 x  2 。
一元二次方程除了有 2 个不同的根外，还有只有 1 个根（2 个相同
的根）和没有根的情况。一元二次不等式也是如此，现在用配方法分析
一元二次不等式的一般形式： ax 2  bx  c  0 和 ax 2  bx  c  0 (a  0) 。
首先假设 a  0 。这是因为若 a  0 ，在 ax 2  bx  c  0 两边同时乘以-1
得到  ax 2  bx  c  0 ，这实质上就是 a  0 时的 ax 2  bx  c  0 。
反之亦然，若 a  0 ，在 ax 2  bx  c  0 两边同时乘以 -1 得到
 ax 2  bx  c  0 ，这实质上就是 a  0 时的 ax 2  bx  c  0 。所以只需要考虑
a  0 的情况就行。
(1)对于一元二次不等式 ax 2  bx  c  0 (a  0)
b 2 b 2  4ac
对其进行配方：( x  ) 
2a 4a 2
不等式左边为平方数，只能为正数或 0。
b2  4ac
当 4a 2  0 ，即 b 2  4ac  0 时，不等式没有解。
b2  4ac
当 4a 2  0 ，即 b 2  4ac  0 时，不等式也没有解。
b2  4ac
当 2
 0 ，即 b 2  4ac  0 时，不等式两边同时取平方根：
4a
b2  4ac b b 2  4ac
  x  
4a 2 2a 4a 2
b b 2  4ac b b 2  4ac
   x   
移项： 2a 4a 2 2a 4a 2
通分： b  b  4ac  x  b  b  4ac

2 2
2a 2a
若该不等号是“≤”，即 ax 2  bx  c  0 。在 b 2  4ac =0 的情况下，不等

b
式有唯一解：x   。
2a
(2)对于一元二次不等式 ax 2  bx  c  0 (a  0)
b 2 b 2  4ac
对其进行配方：( x  ) 
2a 4a 2
不等式左边为平方数，只能为正数或 0。
b2  4ac
当 4a 2  0 ，即 b 2  4ac  0 时，不等式恒成立，解为全体实数 R。
b2  4ac
当  0 ，即 b 2  4ac  0 时，只需让不等式左边不为 0 即可，
4a 2
b
解为 x   。
2a
b2  4ac
当  0 ，即 b 2  4ac  0 时，不等式两边同时取平方根：
4a 2
b b 2  4ac 或 b b 2  4ac
x  x   
2a 4a 2 2a 4a 2
b2  4ac
移项：x   b  b  42ac 或 x   
2
b
2
2a 4a 2a 4a
通分：x  b  b  4ac 或 x  b  b  4ac

2 2
2a 2a
若该不等号是“≥”，即 ax 2  bx  c  0 ，在 b 2  4ac  0 的情况下，不
等式不用排除左边为 0 的情况，解集仍为全部实数 R。
从因式分解法的角度看，若一元二次方程有解，则不等式左边可
以分解为 ( x  b  b  4ac )( x  b  b  4ac ) ，于是就可以使用“偶数个
2 2
2a 2a
负数的积为正数，奇数个负数的积为负数”来求解集。
(3)分式不等式
未知变量出现在分母位置的不等式叫做分式不等式。一般分式不
f ( x) f ( x)
等式都具有 g ( x)  0 或 g ( x)  0 的形式，或可以被转化为该形式。其中
f ( x) 、 g ( x ) 是包含 x 的多项式。
解分式不等式的基本原理与因式分解法解一元二次不等式类似，
最根本的依据也是“偶数个负数的积为正数，奇数个负数的积为负
数”。即：先将不等式中的全部元素都移到不等号的一侧，另一侧只
有 0。通过数学运算和变形，把不等式转化为若干个容易判断正负号
的因式的乘积，再进行判断即可。
在解分式不等式时，要特别注意分母不能为 0。求得解集后，要
把专门把令分母为 0 的情况剔除掉。
x4
例 2.2.3 解不等式 x  8  2 x  1
x4
解析： x  8  2 x  1
x4
移项： x  8  2 x  1  0
x  4  (2 x +1)( x  8)
通分： 0
x 8
2 x 2  16 x  12
展开分子并合并同类项： 0
x 8
2 x 2  16 x  12
不等式两边同时乘以-1： 0
x 8
x2  8x  6
把分子的 2 提出来约去： 0
x8
把分子看作一元二次方程 x 2  8 x  6  0 并分析其根的情况：
有两个不同的实根：x1  4  10 ，x2  4  10
故原不等式可写为：( x  4  10)( x +4  10)  0

x 8
或写为更加直观的形式：[ x  (4  10)][( x  (4  10)]  0
[ x  (8)]
令这 3 个因式为 0 的 x 值从大到小依次为 4  10 、4  10 、-8。
（先估算出 3  10  3.5 ，于是 1  4  10  0.5 ， 7.5  4  10  7 ）

于是有：
当 x  4  10 时，3 个因式都大于 0，原不等式左边大于 0，成立。
当 4  10  x  4  10 时，只有 x  (4  10)  0 ，另外 2 个因式大

于 0，原不等式左边小于 0，不成立。
当 8  x  4  10 时，只有 x  (8)  0 ，另外 2 个因式小于 0，原
不等式左边大于 0，成立。
当 x  8 时，3 个因式都小于 0，原不等式左边小于 0，不成立。
因此，原不等式的解集为： x  4  10 或 8  x  4  10 。
最后再确认下，令分母为 0 的 x  8 不在解集里，没问题。
(4)含绝对值的不等式
对于含绝对值的不等式，其解法与解含绝对值的方程类似：对绝
对值内的部分进行分情况讨论。例如：对于具有 | f ( x) |  g ( x)  0 形式的
不等式：将其分为如下 3 种情况：
(1)当 f  x   0 时， f ( x)  g ( x)  0
(2)当 f  x   0 时，  f ( x)  g ( x)  0
(3)当 f  x   0 时， g ( x)  0
一般绝对值等于 0 的情况可以并入到大于或小于的情况一起讨
论，只分为两种情况：(1)当 f  x   0 时，f ( x )  g ( x)  0 和(2)当 f  x   0 时，
 f ( x )  g ( x)  0 。对于其他含有绝对值的不等式同理，分情况讨论即可。
此外，如果能够比较容易地把绝对值部分单独放在不等式的一
侧，把不含绝对值的部分在另一侧，并且能确定其正负，则可以直接
对不等号的两边进行平方运算。特别是对于绝对值符号内的表达式较
复杂，难以直接分情况讨论的不等式，可以尝试此方法。
例 2.2.4 解不等式 | 3 x  6 | 2 x  4
解析：直接分情况讨论即可：
当 3 x  6  0 时，即 x  2 时： 3 x  6  2 x  4 => x  10 ，即 2  x  10
2 2
当 3 x  6  0 时，即 x  2 时： 6  3 x  2 x  4 => x  ，即  x  2
5 5
2
将两种情况合并：5  x  10
也可以直接对不等式两边平方：
| 3 x  6 |2  (2 x  4) 2
9 x 2  36 x  36  4 x 2  16 x  16
5 x 2  52 x  20  0
2
解得  x  10 ，结果相同。
5
2.3 重要的不等式
一些基本的数学原理是通过不等式的形式表达的，对这些不等式
进行一定的变型，可以得到一些便于使用的不等式。
基本不等式
根据平方数恒大于等于 0，经过一些数学变换，可以得到一组常
用的不等式关系，这些关系对于解不等式、证明不等式、求表达式的
最大或最小值时非常有用。
形式(1)： a 2  b 2  2ab （a, b∈R）
证明：根据平方数的性质可知：(a  b)2  0 恒成立。当且仅当 a  b

时，等号成立。
展开： a 2  2ab  b 2  0
移项： a 2  b2  2ab
该不等式表示：对任意的实数 a、b，都有 a 2  b2  2ab 。即任意两
个实数的平方的和，恒大于等于它们的乘积的 2 倍。当且仅当 a  b 时
等号成立，即 (a  b) 2  0 ，也就是 a 2  b2  2ab 。

ab
形式(2)：  ab ( a  0, b  0 )
2
证明：根据平方数的性质可知： (a  b)2  0 恒成立。
在不等式两边同时加上 4ab ： (a  b) 2  4ab  4ab

展开： a 2  2ab  b 2  4ab  4ab
合并： a 2  2ab  b 2  4ab
可得： (a  b)2  4ab

x
将基本不等式(2)写为 a  b  2 ab 的形式，令 a  ，b  y ( x  0 ，
y x
x y x y x y
y  0 )，则有：   2  2 ，当且仅当  ，即 x  y 时等号成立。
y x y x y x
即：若两个正的变量互为倒数，且它们和的最小值为 2。
1
形式(3)：a 2  b 2  (a  b) 2 (a, b∈R)
2
在基本不等式 a 2  b2  2ab 的两侧同时加上 a 2  b2 即可：
a 2  b2  a 2  b 2  2ab  a 2  b 2
2(a 2  b 2 )  (a  b)2
1
a 2  b 2  ( a  b) 2
2
当且仅当 a=b 时，等号成立。
可以发现，以上 3 个基本不等式的实质都是对完全平方公式
(a  b)2  0 进行变化得来，它们的等号成立的条件也都相同：当且仅当
完全平方公式的值为 0。
虽然它们的实质相同，但这 3 个基本不等式分别适用于不同情况
下不等式的化简。特别是基本不等式(2)非常常用，它直接建立起了“两
个数的和”与“两个数的积”之间的数量关系。
要注意的是，在使用基本不等式时，相应的表达式必须形式上与
基本不等式完全一致，而不能只有部分一致。
例如：若 a，b  0 ，则 4a  3b  2 4a  3b ，当且仅当 4a  3b 时等号成
立。必须要把 4a 和 3b 分别当作一个完整的元素看待。
例 2.3.1 甲同学有一根长为 12 米的绳索，它要用该绳索围出一

个矩形，若要矩形的面积最大，求矩形的长和宽分别为多少？
解析：设矩形的长为 a，宽为 b，则有： 2  a  b   12 。矩形的面积
为： a  b 。根据均值不等式 2 ab  a  b ，两边同时平方：ab  ( a  b ) 2
2
6 2
于是可知，矩形面积最大值为 ( )  9 。当 a  b  3 时，面积最大。
2
根据本题可知：对于周长为定值的所有矩形，正方形的面积最大。
基本不等式的拓展
(1)均值不等式
ab
基本不等式  ab ( a  0, b  0 )也叫做均值不等式或平均值不
2
a b
等式。叫做 a 和 b 的算术平均数， ab 叫做 a 和 b 的几何平均数。
2
a  a  a  ...  an
规定：n 个数字 a1、a2、a3…an 的算术平均数为：1 2 3 ，
n
即全部数字相加，再除以数字的个数。“算术”就是简单相加的意思。
算术平均数与日常使用的“平均数”含义相同。
规定： n 个正实数 a1 、 a2 、 a3…an (ai>0) 的几何平均数为：
n a1  a2  a3  ...  an ，即全部数字相乘，再开 n 次方根。在平面几何中，
“长×宽”表示面积，在立体几何中，“长×宽×高”表示体积，因此 n 个
数字先相乘、再开 n 次方的结果命名为“几何”平均数。
对于任意 n 个正实数，它们的算术平均是恒大于等于几何平均
数。当且仅当 a1=a2=a3=…=an 时，等号成立。
(2)3 个或更多元素的基本不等式
① a 2  b2  c 2  ab  bc  ca (a, b, c∈R)
证明：分别对 a 和 b、b 和 c、c 和 a 使用基本不等式(1)：
a 2  b2  2ab
b 2  c 2  2bc
c 2  a 2  2ca
当且仅当 a  b, b  c, c  a 即 a  b  c 时等号成立。
利用不等式的基本性质(4)，将这 3 个不等式相加：
(a 2  b 2 )  (b 2  c 2 )  (c 2  a 2 )  2ab  2bc  2ca
化简得： a 2  b2  c 2  ab  bc  ca
当且仅当 a  b  c 时等号成立。
② (a  b  c) 2  3(ab  bc  ca ) (a, b, c∈R)
证明：对于 3 个实数 a,b,c，
根据 (a  b  c)2  a 2  b 2  c 2  2ab  2bc  2ac
以及基本不等式 a 2  b2  2ab 。
1 1 1
将等式右边的 a 2  b2  c 2 拆分为 2 (a  b )  2 (b  c )  2 (c  a ) ，使
2 2 2 2 2 2
用基本不等式：
1 2 2 1 2 2 1 2 1 1 1
(a  b )  (b  c )  (c  a 2 )   2ab   2bc   2ba  ab  bc  ca
2 2 2 2 2 2
于是 (a  b  c) 2  ab  bc  ca  2ab  2bc  2ac  3(ab  bc  ca )
即： (a  b  c) 2  3(ab  bc  ca )
abc 3
③  abc 或 a  b  c  3 3 abc ( a  0, b  0, c  0)
3
这是均值不等式对于 3 个元素时的情况，该不等式证明较为复
杂，不需要掌握，只要记住 n 个正数的算术平均是、几何平均数的定
义，以及算术平均是恒大于等于几何平均数的结论即可。当且仅当全
部元素相同时等号成立。
可以看出：①和②实质上也是利用 (a  b)2  0 ，只是利用是将 3 个
元素分别两两组合，循环使用。
在这几个不等式中，3 个变量的“地位”完全相同，任意调换 2 个
变量的位置，对公式不产生影响，这是利用涉及到 3 个变量的基本不
等式的重要特征。
在实际使用中，一方面，不要“区别”对待其中的某个变量，始终
保持各变量的“地位平等”。另一方面，如果 3 个变量的“地位不同”，
一般需要先将它们转化为“地位相同”的表达式。
(3)绝对值不等式
对于任意两个实数 a、b，有： | a |  | b || a  b ||| a |  | b ||
该不等式可以用数学“常识”判断：
对于前半段： | a |  | b || a  b |
若 a、b 都是正数或负数，则 | a  b | 等于二者的绝对值之和，也就
是 | a |  | b | ，此时等号成立。
若 a、b 一正一负，则 | a  b | 等于二者的绝对值之差（的绝对值），
必然比二者绝对值之和要小，此时大于号成立。
同理，对于后半段 | a  b ||| a |  | b ||
|| a |  | b || 表示二者的绝对值之差（的绝对值）。当 a、b 一正一负
时， a  b 表示二者的绝对值之差，此时等号成立。
若 a、b 都是正数或负数，则 | a  b | 等于二者的绝对值之和，也

就是，此时大于号成立。
绝对值不等式的原理较为简单，要练习在脑海中建立抽象的“绝
对值相加减”与“数字相加减”之间的联系。绝对值不等式的使用情况
较少，其实质也是分情况讨论。
(4)柯西不等式
(a 2  b 2 )(c 2  d 2 )  (ac  bd ) 2 ( a, b, c, d  R )当且仅当 ad  bc 时等号成立
柯西不等式在高中阶段应用很少，但是其的推导思路值得体会:
证明： (ac  bd )2  (ad  bc) 2  a 2c 2  2ac  bd  b2 d 2  a 2 d 2  2ad  bc  b 2c 2
其中 2ac  bd 与 2ad  bc 实际上相同，可以相互抵消，于是有：
(ac  bd ) 2  (ad  bc ) 2  a 2c 2  b 2 d 2  a 2 d 2  b 2 c 2
 (a 2c 2  a 2 d 2 )  (b 2 d 2  b 2c 2 )
 a 2 (c 2  d 2 )  b 2 ( d 2  c 2 )
 (a 2  b 2 )(c 2  d 2 )
移项得： (a 2  b 2 )(c 2  d 2 )  (ac  bd )2  (ad  bc) 2  0
当且仅当 ad  bc 时等号成立
在证明过程中， (ac  bd ) 2 和 (ad  bc)2 的交叉项恰好相同，于是可
以相互抵消，这是一个较常用的证明或化简思路。
小结
本章重新巩固学习基本运算法则、等式与不等式的性质，这些都
是分析解决数学问题的基本工具，勾股定理和一元二次方程的标准形
式是两个非常有用的“模板”。
本章的重点是重新理解基本运算的原理和规律，掌握等式和不等
式的基本性质。需要进行大量练习，对不等式的运算的熟悉程度要不
亚于等式。特别是不等式的运算中需要变号的情况、需要分情况讨论
的情形。要通过练习加深对均值不等式的“标准形式”的理解和使用。
命题、集合、映射构成了高中数学的主要逻辑框架。函数实质上
是两个集合之间的一种特殊映射关系，是用于解决实际问题的工具，
就是本章开始重点学习的函数。
函数是高中数学的重中之重，是由于函数是解决绝大多数实际问
题和考试题目的方法和工具，这也是学习数学和其他课程的主要目的
之一。
函数既是抽象的方法和概念，也是具体的表达式和数学运算。在
学习函数时，既要掌握抽象的一般函数的性质和运算，这是本章的主
要学习内容；也要熟悉一次函数、二次函数、指数函数、幂函数、对
数函数、三角函数等具体函数的性质和运算。
其中一次函数和二次函数在初中已经初步学习，会在本章中进行
回顾，避免学习“不具体的函数”时太过于抽象，其他函数将在其他章
节具体学习。
学习函数时，既要注重基本运算、等式和不等式的性质对表达式
进行变形，也要注重运用命题和集合的有关知识，进行逻辑分析和推
演。
学习函数时，要重点关注对函数的应用。函数的性质和运算需要
体现在具体使用当中，通过体会函数性质的具体用途，来加深对函数
的理解。当前对函数最主要的应用是解题，也会穿插一些现实生活中
的例子。
学习函数时，要注重体会和培养“函数思想”，即用函数的概念和
性质去分析问题、解决问题的思维，这不仅有助于学好高中数学，对
高中物理等其他学科也有很大帮助。
一、函数的概念
在《第一章命题与集合》中，已经学习了函数的基本概念，只
是当时并没有直接点明。函数实际上就是映射的一种，是从一个集合
到另一个集合的对应关系。
1.1 函数的基本概念
“函数”一词最早由清代数学家李善兰在其著作《代数学》中翻译
得来。他对“函数”的解释是：“凡此变数中函彼变数者，则此为彼之
函数”。意思是“若一个变量随另一个变量的变化而变化，那么称这个
变量另一个变量的函数”。更通俗地讲：“变量 B 的变化是随着另一个
变量 A 的变化发生的，并且变量 B 的变化与变量 A 的变化存在对应

关系” 。
函数的英文单词是“function”，该单词在其他情况下常被翻译为
“功能”“作用”。“B 是 A 的函数”的意思是：若对变量 A 使用某种“功

能”或“作用”能把它成为变量 B，则称变量 B 是变量 A 的函数。
以上两种对函数的描述看似不太一样，其实它们的意思相同：都
包含有 A、B 两个变量，以及从 A 到 B 的作用关系。

从集合的角度理解会更加清晰： “变量”就是“变化的量”，而“变
化的量”必须要有一个变化范围，这个变化范围构成一个集合。令变
量 A 的变化范围是集合 A、变量 B 的变化范围是集合 B，于是“变量

A 的变化导致变量 B 发生变化”，可以理解为“若从 A 中选取的元素 a
不同，则对应于 B 中的元素 b 也不同”，这与集合 A 中的某个元素 a，
经过变化后成为 B 中的某个元素 b”的意思非常接近。

以上只是从语言的角度粗浅地分析“函数”的含义，下面学习函数
的数学定义。
规定：对于集合 A 和集合 B，以及对应法则 f：若 A 中的每个元
素 ai，在对应法则 f 的作用下，都能在 B 中找到唯一确定的元素 bi
与之对应，那么称 f：A→B 是从集合 A 到集合 B 的一个函数。

对于函数的定义有如下要点：
(1)函数有 3 个基本构成要素：集合 A、集合 B、对应法则 f。
(2)A 中的每个元素在对应关系 f 的作用下，只能对应到 B 中唯一

的元素，不能是多个元素，因此函数是一个映射。
(3) A 中每个元素对应到 B 中的元素可以各不相同，也可以 A 中
可以有多个元素对应到 B 中的同一个元素，因此函数可以是单射，也
可以不是单射。
(4)对于函数关系，B 中的每个元素都必须有 A 中的元素与之应，
即函数一定是满射。
在满射中，A 也叫做定义域或 B 的原像集，B 也叫做值域或 A
的像集。这些叫法也适用于函数。
在函数关系中，一般把 A 叫做函数的定义域，把 B 叫做函数的

值域，把对应法则 f 叫做函数的对应关系或对应法则。A 中的全部或
任意一个元素叫做自变量，B 中的全部或任意一个元素叫做因变量。
若对于 A 中的一个特定元素 a，它在函数关系 f 作用下，对应的

B 中的元素 b，则 b 叫做 a 的象，a 叫做 b 的原象。
定义域、值域、对应关系是函数的基本组成部分，三者缺一不可。
在正常状况下，只要确定了定义域和对应关系，就能推算出值域。但
是只知道定义域和值域，无法确定对应关系。只知道值域和对应关系，
一般也不能确定定义域。
在高中阶段，绝大多数情况下，定义域和值域都是数集（数轴上
的点集）。极少数罕见的情况下，定义域或值域是数对构成的集合（即
平面坐标，也就是平面坐标系上的点集）。表达式、方程等构成的集
合也能作为定义域或值域，在高中阶段一般不会见到，但是也要有所
心理准备。
函数一般表示为“ y  f ( x)  关于 x 的表达式”。x 表示定义域中的
元素，y 表示 x 所对应的值域中的元素，f 表示函数关系，“关于 x 的
表达式”是一个具体的表达式。
若定义域中的元素 a 对应的值域中的元素为 b，则记为 f (a)  b ，
b 也叫做 a 的函数值。
在书写时，经常会省略 y，直接写为“ f ( x)  关于 x 的表达式”。

或经常省略 f ( x) ，写成“y=关于 x 的表达式”。这两种写法没有本质区
别，y 和 f ( x) 都可以表示 x 所对应的函数值。
函数的定义域可以是使函数关系有意义的数集（要避免根号下不
能为负、分母为 0 等情况），也可以是人为规定的某一段区间或一些
数字。
可以把定义域看作“原料”，对应法则看作“加工方式”，值域就是
“产品”。例如，令定义域为{x | x 是水果}，对应法则为 f ( x)  对 x 进
行榨汁。则得到的值域就是{y | y 是果汁}。苹果是水果属于定义域，
则 f(苹果)=苹果汁。每种水果都有唯一对应的果汁。若改变水果的种
类，得到的果汁的种类也随之发生改变。
函数图像是直观描绘函数性质的图形。对于定义域和值域都是数
集的函数，可以用平面直角坐标系直观地描绘函数的状况。
平面直角坐标系由两根互相垂直、且原点重合的数轴构成。一般
令水平方向的数轴的正方向为从左向右，叫做 x 轴；令垂直方向的数
轴的正方向为从下向上，叫做 y 轴。
这样一来，对于平面上的任意一个点 A，分别向 x 轴和 y 轴作垂
线，与 x 轴的交点所对应的 x 轴上的数值叫做横坐标，与 y 轴的交点
所对应 y 轴上的数值叫做纵坐标。点的横坐标和纵坐标多用字母表
示，例如：若用 x 表示点 A 的横坐标、y 表示纵坐标，将 x 和 y 用圆
括号阔括起来，中间用逗号分开，组成的实数对(x, y)叫做 A 的直角
坐标或坐标。根据坐标的定义可知，原点的坐标为(0, 0)。
如果点较多，例如：平面上有 A、B、C 三个点，可以分别用带
角标的符号(xA, yA)、(xB, yB)、(xC, yC)分别表示它们的坐标。此外，也
可以使用(a, b)、(p, q)、(m, n)等其他字母表示。以上几种方法都可以，

只要能区分清楚就行，一般用 x、y 加上角标的方式最不容易混淆。
根据实数对的得来可知，平面上的每一个点都对应位移的一个实
数对，而每一个实数对都对应平面上唯一的点。
对于函数 y  f ( x) ，将定义域中的全部 x 值与其对应的值域中的
每个 y 值构成实数对(x, y)，在平面直角坐标系中标记出来，所构成的
全部点的集合(即“点集”)叫做函数图像。
每一个特定的函数都有唯一确定的图像，但是每一种图像可能来
自于不同的函数。这是由于函数图像只能反映每个自变量与函数值的
对应结果，但是不能反映出具体的对应规则。
绘制函数图像的最准确方法是把每一对原象、象构成的点都列举
出来进行标记，但由于绝大多数的定义域和值域中的数字有无穷多，
这显然是不现实的。
描绘函数图像的常用方法是：对于已经研究得较为透彻的基本函
数，它们的基本形状是已知的，例如：一次函数是直线、二次函数是
抛物线。只要确定几个关键的点，就能根据基本形状描绘出大致图像。
对于较为复杂的函数，一般标记出全部较为特殊的点和部分普通
的点，再用平滑曲线连接起来，就是它的大致图像。
这里提到“关键的点”“特殊的点”将在学习具体函数时专门学习。
对于绝大多数函数，它与 x 轴和 y 轴的交点都属于较为重要的点，主
要是因为这两类点比较容易计算或估算。
对于任意函数，当 x  0 时，所对应的实数对(0, f(0))就是函数与 y

轴的交点。如果函数的定义域不包括 0，则函数与 y 轴无交点。
当 y  0 时，所对应的实数对(x0, 0)就是函数与 x 轴的交点。如果
函数的值域不包括 0，则函数的图像与 x 轴无交点。

所谓“平滑曲线”就是尽可能不要有明显拐角，尽可能多用圆弧，
少用直线，除非能确定某一段就是直线。
下面列举几个具体函数：
例 1.1.1 定义域：{ x | x  R }，函数关系： f ( x )  x  1 。

根据定义域和函数关系可知：值域{ y | y  R }。
该函数的定义域是全体实数，函数关系是 f ( x)  x  1 ，即给相应
的实数加上 1，所得的结果仍是实数，并且所有的实数都能找到原象，
令其减去 1 就是原象，因此值域也是全体实数。
对于 1 R ， f (1)  1  1  2 。2 是 1 的象（函数值），1 是 2 的原象。
类似的，对于  2  R ， f ( 2)   2  1 。  2  1 是  2 的象（函
数值），  2 是  2  1 的原象。
该函数图像如下图所示。当 x  0 时， f (0)  0  1  1，函数与 y 轴
的交点为(0, 1)。当 y  0 时，解方程 f ( x)  x  1  0 得 x  1 ，(-1, 0)是函

数与 x 轴的交点。
例 1.1.2 定义域：{ x | x  R }，函数关系： f ( x)  x 2 。
根据定义域和函数关系可知：值域{ x | x  0 }。
该函数的定义域是全体实数，函数关系是 f ( x)  x 2 ，即对相应的
实数进行平方运算，所得的结果只能是正数或 0，并且所有大于等于
0 的实数都能找到原象，就是其平方根，除了 0 以外有一正一负两个，
因此值域是[0, +∞)。
对于 2  R ， f (2)  (2) 2  4 。4 是-2 的象，-2 是 4 的原象。
类似的，对于 2  R ， f (2)  22  4 ，因此 4 也是 2 的象，2 也是 4
的原象。4 有两个原象 2 和-2，但是 2 只有一个象，-2 也只有一个象。

该函数图像如下图所示。根据其函数关系可知： f (0)  02  0 ，即
函数过原点(0, 0)。根据完全平方数恒大于等于 0 可知，当且仅当 x  0
时， f (0)  0 。从图中可以看出，函数图像经过(-2, 4)和(2, 4)两个点。
在例 1.1.2 中，定义域和值域各自都用 x 表示是没有问题的，因
为{ x | x  R }和{ x | x  0 }实质上分别是由一些（无穷多）数字组成
的集合，各自单独表示时不相互干扰。
但如果定义域和值域中的元素同时出现在一个表达式当中时，一
定要用不同的符号分别表示，以将二者区分开来。例如：当 x  2 时，
y  f ( x)  4 ，这里 x 表示定义域中的元素 x  2 ，y 表示值域中与之对
应的元素 y  4 ，就不能写成 x  f ( x)  4 。
表达式 x  f ( x) 的含义为：定义域中的某个数字，它所对应的值
域中的数字等于它本身。利用等式的传递性得到方程： x  f ( x)  x 2 ，
解方程 x  x 2 得：x1  0 ，x2  1 。即 0 和 1 是满足该条件 x  f ( x) 的元素，
而其他数字不满足该条件。
在同一个表达式里，同一个符号只能代表一种含义。为了防止混
淆，建议在书写同一道题目时，也用不同的字母表示不同集合的元素。
例 1.1.3 定义域{ x | x  N }，函数关系： f ( x)  x ( x  2k , k  N )，
f ( x )  x  1 ( x  2k  1, k  N )。
这个函数的定义域是自然数，在数轴上是一些分散的点。同时，
对于不同的 x，对应法则也会有所不同。
当 x 为偶数时，f ( x)  x ，还是 x 本身；当 x 为奇数时，f ( x )  x  1 ，
是比它大 1 的自然数，也是偶数，因此该函数的值域为全体非负偶数：
{ x | x  2k , k  N }。
该函数的图像如下图所示，是一些分开的点。
1.2 一次函数
一次函数可以通过对二元一次方程变形得到。
有两个未知数 x, y，且未知数只以一次项的形式出现的方程叫做
二元一次方程。二元一次方程有无穷多解，二元一次方程组可能只有
唯一解，可能有无穷多解，可能没有解。
在解二元一次方程组时，核心思路是“消元”，即通过对其中一个
方程进行变形，将其变成用一个未知数表达另一个未知数的形式，再
代入另一个方式实现消元，变成一元一次方程。
例如：对于二元一次方程 px  qy  r  0 (p, q, r 为常数，且 p,q≠0)
p r
进行变形，用含 x 的多项式表达 y： y   x 
q q
p r
为方便观察和理解，令   k (k  0) ，  b ，上述表达式变为：
q q
y  kx  b
这就是一次函数的标准形式，其定义域为 x  R ，对应关系为
f ( x)  kx  b 。如无特别说明，一般默认定义域为全体实数，于是值域
也为全体实数。关于其值域为全体实数证明如下：
对于任意实数 t，只要把它代入函数关系式，便得到一个关于 x
y b
的一元一次方程 t  kx  b ，方程的解 x  就是该函数值 t 所对应的
k
自变量。因此任意实数都能找到它的原象，因此任意实数都属于一次
函数的值域，即函数的值域为全体实数。
一次函数 y  f ( x)  kx  b 的图像是一条直线。这是一个公理，高中
阶段不需要证明，其根本原因为规定数轴是一根“数值均匀分布的直
线”。
一次函数有两个较为特殊的点：与 x 轴的交点、与 y 轴的交点。

x 轴也可以表示为 y  0 ，即全部纵坐标为 0 的点构成的集合，也是一
条直线，就是 x 轴所在直线。联立 y  0 和 y  kx  b ，得到二元一次方
y  kx  b
程组
y0
该方程组的解就是既满足一次函数 y  kx  b ，又满足条件 y  0 的
b b
实数对(x, y)，代入 y  0 ，解得 x   ，即点(  , 0)。一次函数图像
k k
b
与 x 轴的交点的横坐标为  ，也叫做该一次函数图像（或该直线）
k
在 x 轴上的截距。截距是一个数值，可以为正，也可以为负，也可以
为 0，简而言之，就是一次函数图像与 x 轴交点的横坐标。
类似的，一次函数图像与 y 轴的交点，可以通过解二元一次方程
y  kx  b
组得到。
x0
容易求得，其解为 x  0, y  b ，即交点坐标为(0, b)。b 也叫做该一
次函数图像（该直线）在 y 轴上的截距。
根据公理“经过两点有且只有一条直线”，在确定了一次函数与
x 轴、y 轴的交点后，绘制出经过这两个点的直线，就得到了一次函
数的图像。
对于一元二次方程 y  kx  b ，两个常数 k、b 都有特别的含义。b
的含义刚刚已经得知：b 是该一次函数在 y 轴上的截距。特别的，当
b  0 时，一次函数变为 y  kx ，它与 x 轴和 y 轴的交点都是(0, 0)，即
它在 x 轴、y 轴上的截距都是 0，它的图像经过原点。

k 叫做直线的斜率，表示“倾斜的程度”。k 的绝对值的大小决定
直线抬起的程度。k 的绝对值越大，直线站得越直。当 k  0 时，一次

函数的表达式变为 y  b ，是一条水平“躺平”的直线。当 k 接近无穷大
时，直线接近于垂直的状态，即接近与 y 轴平行。
k 的正负号决定了 k“抬起”的方向。当 k  0 时，直线从右边抬起。

当 k  0 时，直线从左边抬起。
下面列举几个一次函数的图像，注意体会 k、b 的取值（绝对值
大小与正负号）与函数图像的关系。
1
y x yx y  2x
2
yx y  x 1
y  2 x y  x 1
y x
2
y  x2 y  x 1 y  x2
1.3 二次函数
二次函数可以通过对一元二次方程变形得到。
关于 x 的一元二次方程 ax 2  bx  c  0 (a, b, c 为常数且 a≠0)，把等

号右边的 0 换成因变量 y，就得到了关于 x 的二次函数：
y  ax2  bx  c
上述形式叫做二次函数的一般式，二次函数由二次项、一次项、
常数项构成，其中二次项不能为 0，一次项和常数项可以为 0。
分析二次函数特点的方法与一元二次方程类似，需要对其进行配
方，对二次函数 y  ax 2  bx  c 的表达式进行配方得：
b 2 4ac  b 2
y  a( x  ) 
2a 4a
上述形式叫做二次函数的标准式，根据标准式可以看出它的一些
性质。
b
标准式由两部分组成：含有变量 x 的完全平方项 a( x  2a ) 和不含
2
4ac  b 2
变量的常数项。
4a
其中完全平方数恒大于等于 0，但是前面还有个系数 a，因此需
要分情况讨论。首先看 a  0 的情况。
b b
当 a  0 时，a ( x  2a )  0 ，当且仅当 x   2a 时，等号成立。此时如
2
4ac  b 2
果  0 ，即 b 2  4ac  0 ，则函数值恒大于 0，即 y  ax 2  bx  c  0
4a
恒成立，函数图像与 x 轴无交点，全部都在 x 轴上方。
回顾一元二次不等式 ax 2  bx  c  0 ，当 a  0 时，若   b2  4ac  0 ，

则不等式的解为全体实数集，即任意实数 x 都使不等式成立。由于
y  ax 2  bx  c  0 恒成立，因此 y  ax 2  bx  c  0 恒不成立，即后者不存
在实数解。二次函数与一元二次不等式的有关判别完全一致，二者的
实质完全相同，只是分别用函数和不等式的语言表述而已。
b 2
当 a  0 时，a ( x  )  0 ，如果 b 2  4ac  0 ，则函数的值恒大于等
2a
b
于 0，即 y  ax  bx  c  0 ，当且仅当 x   时，函数值为 0。函数图
2
2a
像与 x 轴有且仅有一个交点，其余部分都在 x 轴上方。
b 4ac  b 2
当 a  0 时，a ( x  2a )  0 ，如果  0 ，即 b 2  4ac  0 ，则函数
2
4a
的值有时候大于 0，有时候小于 0，有时候等于 0。该情况与不等式
ax 2  bx  c  0 ，  0 ，的情况相似，不等式在一定的区间范围内成立。
函数图像与 x 轴有 2 个交点。
再来看 a  0 的情况。
b 2 b
当 a  0 时，a ( x  )  0 ，当且仅当 x   时，等号成立。此时如
2a 2a
4ac  b 2
果  0 ，即 b 2  4ac  0 ，则函数值恒小于 0，即 y  ax 2  bx  c  0
4a
恒成立，函数图像全部在 x 轴下方，与 x 轴无交点。
b
当 a  0 时，a ( x  2a )  0 ，如果 b 2  4ac  0 ，则函数的值恒小于等
2
b
于 0，当且仅当 x   时，函数值为 0。函数图像与 x 轴有且仅有一
2a
个交点，其余部分都在 x 轴下方。
b 2
)  0 ，此时如果 4ac  b  0 ，即 b 2  4ac  0 ，
2
当 a  0 时，a ( x 
2a 4a
则函数值有时候大于 0，有时候小于 0，有时候等于 0，函数图像与 x
轴有 2 个交点。
当 a  0 时的情况在不等式中没有专门研究，当时是在不等式两边
同时乘以-1，把二次项系数 a  0 转化为  a  0 并改变不等号方向，用
a  0 的两种情况等效替代分析了。二次函数 a  0 的情况是将 a  0 时的
情况上下颠倒。
对于二次函数，有以下几个点较为特殊或者重要：顶点、与 y 轴
交点、与 x 轴的交点。
b
二次函数的顶点。在上面的分析中可以发现，当且仅当 x   时，包
2a
4ac  b 2
此时 y 为最小值 ymin 
含 x 的完全平方项为 0。若 a  0 ，。若 a  0 ，
4a
4ac  b 2
此时 y 为最大值 ymax  。（角标 min 表示最小值，max 表示最
4a
大值。
b 4ac  b 2
不论顶点是最小值还是最大值，其坐标都是 ( , ) 。这个
2a 4a
点之所以叫“顶点”，是由于二次函数的图像其他的所有点都比这个点
更高（ a  0 ）或更低（ a  0 ），该点都位于函数图像的顶部（下顶部
或上顶部）。
二次函数与 y 轴的交点很容易计算得到，只需要令 x  0 ，代入后

求得 y 值即可，此时使用一般式最为简便 f (0)  a  02  b  0  c  c ，交
点坐标为(0, c)。根据实际需要来选择合适的函数表达式，是简化函数
问题的重要方法之一。
二次函数与 x 轴的交点刚才已经分析，可能有 2 个交点，可能有
1 个交点，可能没有交点。二次函数与 x 轴的交点实质上与一元二次
方程 ax 2  bx  c  0 的解是同一回事。
下面列举几个二次函数的图像，注意观察 a 和△的取值与函数图
像的关系。
y  ( x  2) 2  2 y  ( x  2) 2 y  (x  2)2 2
1
y ( x  1) 2 y  2( x  1)2 y  8( x  1)2
2
二次函数的图像叫也做抛物线，因为它与物体做平抛运动或斜抛
运动的轨迹一致，只是需要把二次函数的图像旋转 90°。根据牛顿运
动定律，可以求出做平抛或斜抛运动的物体在垂直方向的位移 y 与水
平方向的位移 x 之间的关系就是二次函数的表达式。
二、函数的基本性质
函数有一些重要的基本性质，这些性质是解决函数问题的常用方
法，是函数学习的重中之重。函数的性质主要有奇偶性、单调性、周
期性，反函数也在本节一并学习。
学习函数的性质时，既要通过具体函数认识这些性质的具体表现
形式，也要能抽象联想出这些性质在抽象的一般函数中表现出来的规
律。
2.1 函数的奇偶性
函数的奇偶性是描述函数对称性的性质。有些函数具有一定的对
称性，其中最主要的对称方式有两种：镜面对称和中心对称。函数图
像具有镜面对称特点的叫做偶函数，具有中心对称特点的叫做奇函
数。
偶函数所具有的对称性叫做镜面对称，生活中有很多镜面对称现
象，例如：一个人的左手和右手就是对称的，将两只手平摊，沿着小
拇指和手掌边沿对齐，两只手就构成了一个对称的图形，两只手的手
掌和 5 根手指合拢后可以完全重合。类似的，把一幅图画沿着中线对
折，如果中线左右两侧的图画能够完全重叠，就称这幅画镜面对称。
偶函数所具有的对称性就是这种情况：把一个函数的图像以 y 轴
为对称轴对折，如果对折后函数图像左右两边能完全重合，这个函数
就是偶函数。
现在来分析偶函数的表达式所具有的特点。事实上，数轴本身就
是左右对称的。将数轴左右折叠后，1 和-1 重合，2 和-2 重合，0.5

和-0.5 重合， 2 和  2 重合。
对于平面直角坐标系上的函数图像，如果要左右对称，那么 y 轴
左右两边横坐标绝对值相等的位置，函数值必须相同： f (1)  f (1) ，
f (2)  f (2) ， f (0.5)  f ( 0.5) ， f ( 2)  f ( 2) 。如果存在某个 x，使得
f ( x)  f ( x) ，那么把函数图像沿着 y 轴对折后就不能重合了。因此对
于定义域内的全部 x，都必须有 f ( x)  f ( x) 。这就是偶函数的定义。

对于二次函数 f ( x)  ax 2  bx  c ( a  0 )，
若 b  0 ，函数表达式为 f ( x)  ax 2  c 。将-x
代入表达式 f ( x)  a ( x)2  c  ax 2  c  f ( x)
由此可知：一次项系数为 0 的二次函数是
偶函数。右图为函数 f ( x)  2 x 2  1 的图像，
可以看出，它以 y 轴为对称轴左右对称。
奇函数所具有的对称性叫做旋转对称性。在一张纸上写一个很大
的、标准的大写字母“Z”，很明显它不左右对称。把笔尖插在“Z”中间
的斜线的正中间并固定，以笔为旋转轴把这张纸旋转 180°，使得纸上
下、左右都颠倒，会发现上下、左右都颠倒的“Z”与原来的“Z”完全重
合。如果一个图形具有这样的性质，那么称它具有旋转对称性，也称
该图形是中心对称图形。“Z”绕着旋转的中心点叫做它的旋转中心。
奇函数所具有的对称性就是这种情况：固定原点(0, 0)，以原点为
对称中心（旋转轴），将函数图像旋转 180°，如果新得到的图像能与
原图像重合，这个函数就是奇函数。
现在来分析奇函数的表达式所具有的特点。事实上，数轴本身也
是中心对称的。将数轴绕原点旋转 180°，1 位于-1 原来的位置，-1
位于 1 原来的位置， 0.5 和-0.5 互相交换位置， 2 和  2 也互相交换

位置。
对于平面直角坐标系上的函数图像，如果要中心对称，那么 y 轴
左右两边横坐标绝对值相等的位置，必须纵坐标互为相反数，即左上
的图像旋转后转移到右下对称的位置，右上的图像旋转后转移到左下
对称的位置。
因此对于定义域内的全部 x，都必须有 f ( x)   f ( x) 。这就是奇函

数的定义，根据等式的基本性质，也可以写为 f ( x)   f ( x) 或
f ( x)  f ( x)  0 。
对于一次函数 y  kx  b ，若 b  0 ，则函数表达式变为 f ( x)  kx 。将
-x 代入函数表达式： f ( x)  k  ( x)   kx   f ( x) ，由此可知：常数项为
0 的一次函数是奇函数。请观察本章第 1.2 小节中 b  0 的一次函数的
图像，它们是以原点为对称中心的中心对称图形。
特别的，当 x  0 时，根据奇函数的定义 f (0)   f (0) 。又由于 0
的相反数还是它本身， f (0)  f (0) 。于是有 f (0)   f (0)  f (0) ，求得
f (0)  0 。即对于奇函数，若它的定义域包括 0，则必有 f (0)  0 。而偶
函数在 x  0 处没有特别要求。
事实上，偶函数和奇函数的名称正是来源于简单的二次函数、一
次函数以及其他幂函数 f  x a 。当 a 为偶数时，函数图像以 y 轴为对

称轴镜面对称，是偶函数。当 a 为奇数时，函数图像以原点为对称中
心中心对称。下面列举几个简单幂函数的例子，注意观察 a 的取值与
函数图像对称性的关系。
yx y  x2 y  x3
y  x4 y  x5 y  x6
最后要特别强调，偶函数和奇函数的定义域都必须关于 x  0 对
称，即：若 a 属于其定义域，则-a 也必须属于其定义域。否则不论是
对折还是翻转，A(a, f(x))转移到了原来没有点的位置，它原来的位置
将没有点与之对应，不符合偶函数或奇函数的定义。
2.2 函数的单调性
函数的单调性是描述函数值是呈增加还是减少趋势的性质。函数
的全部图像或部分图像具有“因变量 y 随着自变量 x 增加而增加”或“y

随 x 增加而减少”的特点。其中“y 随 x 增加而增加”的函数叫做增函数，
“y 随 x 增加而减少”的函数叫做减函数。
对于函数的某一段连续区间，若“y 随 x 增加而增加”，则这段区
间叫做单调增区间或递增区间或增区间，也称函数在该区间内单调递
增。若“y 随 x 增加而减少”，则这段区间叫做单调减区间或递减区间
或减区间，也称函数在该区间内单调递减。
单调递增和单调递减的情况在现实生活中很常见。例如：一个普
通人从出生到 20 岁的这段时间，如果以年龄为自变量，身高为因变
量，则身高始终随着年龄的增加而增长。年龄-身高是增函数。
对于北半球，从夏至到冬至的这段日子里，随着天数的增加，白
天的时长越来越短。如果以天数为自变量，白天的时长为因变量，则
白天的时长随着天数的增加而变短。天数-白天时长在从夏至到冬至
这段区间内单调递减。
从函数图像上看，递增的函数或区间，函数图像从左向右走势越
来越高，没有降低的区间。递减的函数或区间，从左向右越来越低，
没有升高的区间。
若单调递增（减）的函数或区间内没有函数值平稳不变的区间，
则该函数叫做严格单调递增（减）函数。若单调函数有函数值不变的
区间，则叫做不严格单调函数。
函数 f ( x) 在区间[a, b]内单调递增，用表达式表示为：x1 , x2  [a, b]
且 x1  x2 ，都有 f ( x1 )  f ( x2 ) 。
同理，函数 f(x)在区间[a, b]内单调递减，用表达式表示为：
x1 , x2  [a, b] 且 x1  x2 ，都有 f ( x2 )  f ( x1 ) 。
根据本章第 1.2 小节的一次函数的图像可以很直观地看出：对于
一次函数 y  kx  b ，当 k  0 时，直线从左向右越来越高。当 k  0 时，
直线从左向右越来越低。下面是数学证明：
对于一次函数 y  kx  b ，若 x1  x2 ，则有
f ( x1 )  f ( x2 )  (kx1  b)  (kx2  b)  k ( x1  x2 )
当 k  0 时，该式大于 0，于是 f ( x1 )  f ( x2 ) ，因此 f ( x) 是增函数。

当 k  0 时，该式小于 0，于是 f ( x1 )  f ( x2 ) ，因此 f ( x) 是减函数。
根据本章第 1.3 小节二次函数图像可以直观地看出，二次函数在
b 4ac  b 2
顶点两侧具有相反的单调性，顶点坐标为 ( , )。当 a  0 时，
2a 4a
顶点左侧单调递减，右侧单调递增。当 a  0 时，顶点左侧单调递增，
右侧单调递减。
下面给出 a  0 时二次函数两侧单调性的证明，请按照同样的方
法，自己证明 a  0 时的情况。
b 2 4ac  b2 b
对于二次函数 y  a( x  )  ，当 a  0 时，若 x1  x2  
2a 4a 2a
则有 b 4ac  b 2
b 4ac  b 2
f ( x1 )  f ( x2 )  [a( x1  ) 2  ]  [a( x2  ) 2  ]
2a 4a 2a 4a
b b
 a( x1  )2  a( x2  ) 2
2a 2a
b b b b
 a[( x1  )  ( x2  )][( x1  )  ( x2  )]
2a 2a 2a 2a
b
 a( x1  x2 + )( x1  x2 )
a
b b b
由于 x1  x2   ，即 x1   2a ，x2   2a ，于是有
2a
b b b b
x1  x2       0，并且 x1  x2  0
a 2 a 2a a
b
因此 a( x1  x2 + )( x1  x2 )  0
a
b
即 f ( x1 )  f ( x2 )  0 ，所以 f ( x) 在( 2a , ) 单调递增。
b
同理，若   x1  x2 ，则有
2a
b 4ac  b2 b 4ac  b 2
f ( x1 )  f ( x2 )  [a( x1  ) 2  ]  [a( x2  )2  ]
2a 4a 2a 4a
b
 a( x1  x2 + )( x1  x2 )
a
b b b b
其中 x1  x2       0 ，并且 x1  x2  0
a 2 a 2a a
b
因此 a( x1  x2 + )( x1  x2 )  0
a
b
即 f ( x1 )  f ( x2 )  0 ，所以 f ( x) 在(,  ) 单调递减。
2a
根据二次函数的单调性还可以知道，若函数在某个值 x  a 左右两
边具有完反的单调性，则函数在该位置处取得局部的最大值或最小
值，函数局部范围内的最大值叫做极大值，局部范围内的最小值叫做
极小值。整个函数的最大值才叫做最大值，整个函数的最小值才叫做
最小值。有关概念将在关于导数的章节具体学习。
2.3 函数的周期性
有些函数的函数值变化具有很强的重复性，从整体上看，函数图
像是一段固定图形的反复重复，即每相隔一段固定的区间长度，函数
图像能够完全重叠，具有这种性质的函数叫做周期函数。
在现实生活中，周期性现象非常常见。例如：每个小时里，分针
所指向的时刻总是在不断地重复，都是从 12 点钟方向顺时针旋转，
依次经过 1、2、3…10、11，最终又回到 12 点钟方向。如果以时间
为自变量，分针所指的分钟数为因变量构造函数，则该函数是以 60
为周期的周期函数。
下图是一幅心电图，粗略地看上去也是周期函数。这是由于人类
心脏的电流变化具有周期性。
普通的一次函数和二次函数都不是周期函数，未来将要学习的三
角函数是周期函数，下图是三角函数 y  sin x 的图像，它的周期为 2π。
从图中可以看出：沿着 x 轴的方向，无论选哪里作为起点，每经过 2π
长度，函数的图像都完全相同。
对于周期函数 y  f ( x) ，若从 x  a 开始到 x  a  T 是它的最小重复
单元，则 T 叫做该函数的最小正周期。用表达式表示为：对于函数
y  f ( x) ，若任意 a，都有 f ( a )  f (a  T ) ，其中最小的 T 叫做该函数的
最小正周期。
根据常识很容易判断：若一个周期函数的最小正周期是 T，则 T
的任意整数倍 nT(n∈Z 且 n≠0)都是该函数的周期，从数学上也很容
易证明。一般只研究函数的最小正周期。
2.4 函数的连续性
函数的连续性也是函数的重要性质。其内容为：对于高中学习的
基本初等函数，若函数的定义域是连续的，则函数的值域也是连续。
“基本初等函数”是指已经学习的常数函数、一次函数、二次函
数，还有高中阶段将会学习的幂函数、指数函数、对数函数、三角函
数等。以及这些函数相互之间通过基本运算、复合的方式构成的看起
来比较复杂的函数。
所谓“连续”就是没有间断的意思。必须函数的定义域是连续的，
它们的函数值才是连续的。如果定义域有断开，则该处函数不连续。
例如：函数 y=1/x 的分母不能为 0，其定义域不包括 0，因此在包括 0
的区间内，该函数不连续。
若一个函数在一段区间内是连续的，则它有如下性质：若函数
y  f ( x) 在区间内连续，且在这段区间内存在函数值分别为 f ( x1 )  a 、
f ( x2 )  b 的点且 a  b ，那么在这段区间内，必然存在 x3 ，使得：
a  f ( x3 )  b 。
用通俗的话讲，如果一段函数是连续的，并且这段连续的函数值
能取到一个较大的值和一个较小的值，那么介于这两个值之间的其他
值也必然能取到。
可以把连续函数看作一根绳子，连续函数的图像就是把这跟绳子
弯曲后放在坐标系里。如果绳子的一端高、一端低，那么绳子无论如
何弯曲，必然都要经过这两个高度之间的所有高度。
函数连续性的主要应用是判断连续函数的 0 点，若某个连续函数
f ( p )  0 且 f ( q )  0 ，那么在区间 [ p, q]（或 [ q, p] ）中，必然存在令 f ( x)  0
的点。
2.5 反函数
对于一次函数 y  kx  b ，将其进行变形，变为用 y 表示 x 的表达
式：x  1 y  b ，这也是一个一次函数。原函数的自变量是新函数的因
k k
变量，原函数的因变量是新函数的自变量。像这样用一个函数的因变
量表达其自变量的函数，叫做原函数的反函数。对于函数 f ( x) ，其反
函数用符号 f 1 ( x) （在 f 的右上角加“-1”）表示。
由于原函数的自变量是新函数的因变量，原函数的因变量是新函
数的自变量，于是新函数的自变量是原函数的因变量，新函数的因变
量是原函数的自变量，因此原函数也是它的反函数的反函数。
根据反函数的定义可知，一个函数 f ( x) 的反函数 f 1 ( x) 的反函数
f 1 ( x) ，实际上还是它本身，即 f 1 ( 1 ( x ))  f ( x) 。容易理解：先把自变
量变成因变量，然后又变回自变量。同理，先把因变量变成自变量，
然后又变回因变量，得到的还是原函数本身。
根据反函数的定义还可得知：反函数的定义域是原函数的值域，
反函数的值域是原函数的定义域。
不是所有的函数都具有反函数。根据函数的定义可知，对于其定
义域中的每个元素 x，只能对应唯一的函数值 y  f  x  。但是对于某个

确定的函数值 y，可能有 2 个或多个自变量 x1、x2…xn 都是它的原像
f ( x1 )  f ( x2 )  ...  f ( xn )  y ，这就与函数的定义矛盾，因此只有满足一
一映射的函数才有反函数。
例如：二次函数 f ( x)  x 2 ，令 f (2)  f (2)  4 ，即 4 有两个原像：2
和-2，它没有反函数。
一般来说，如果一个函数满足任意 x1  x2 ，都有 f ( x1 )  f ( x2 ) ，则
该函数有反函数。严格的单调递增函数或单调递减函数都有反函数。
有些函数虽然表达式对整个实数域不满足具有反函数的条件，但
是如果对其定义域进行限定，使得该函数在其定义域内都满足“任意
x1  x2 ，都有 f ( x1 )  f ( x2 ) ”的条件，则该函数有反函数。
例如：二次函数 f ( x)  x 2 ，如果规定其定义域为 x  R  ，则它具有
反函数 f 1 ( x)   x 。
互为反函数的两个函数，它们的图像有一个重要规律：关于直线
y  x 镜面对称。这个规律的证明较为简单，将在关于向量的章节中给
出。其实质为：全部原函数上的点(x, y)，都在反函数(y, x)上，反之

亦然。下面是两个具体例子（虚线为 y  x ）。
1 1
f ( x)  2 x  1 f 1 ( x)  x f ( x)  x 2  1( x  0) f 1 ( x )  x  1( x  1)
2 2
在书写函数和反函数时，要注意区分：若原函数为 y  f ( x) ，经
常将其反函数书写为 f 1 ( x) 。其中原函数上的点(x0, y0)，对应到反函
数上的点应为(y0, x0)，但是由于书写习惯，一般不会特意将反函数写
为 x  f 1 ( y ) 。
三、函数的基本运算
由于函数关系实质上是代数表达式，因此函数也具有加、减、乘、
除等代数表达式的基本运算，其实质就是代数表达式的基本运算（变
形），函数的表达式进行基本运算后，函数的对应关系发生改变，通
常会导致函数的性质发生改变，这是函数运算的重要分析内容。
此外，函数不仅仅是函数关系，定义域和值域也是函数的基本组
成成分。一般情况下不去改变函数的定义域，改变对应法则后，函数
的值域通常会发生改变，这也是函数运算的主要学习内容。
3.1 函数的基本运算
函数表达式整体可以直接与数字进行加、减、乘、除等基本运算，
变成新的函数。这种运算较为简单，其实质就是一个表达式加、减、
乘、除一个数字。
对于函数 y  f ( x) 和常数 a( a  0 )，它们加、减、乘、除分别后得
到新的函数： y  a  f ( x)  a ， y  a  f ( x)  a ， y  a  f ( x)  a  af ( x) ，
y  a  f ( x )  a  f ( x) / a 。
与整式的加、减、乘、除完全相同，减去 a 等价于加上 a 的相反

数，除以 a 等价于乘以 a 的倒数。此外，也遵循相应的交换律、结合
律、分配率等规律。分别举一个一次函数和二次函数作为例子。
下面是令 y  2 x  5 ， a  4 时，一次函数分别与常数加、减、乘、
除后新得到的函数的图像。注意观察新函数与原函数图像之间的关
系，加法和减法分别使函数图像向上或向下平移，乘法和除法分别使
函数图像沿竖直方向“拉伸”和“压缩”。
y  2x  5 y  a  2x  5  4  2x 1 y  a  2x  5  4  2x  9
1 5
y  a  (2 x  5)  4  8 x  20 y  a  (2 x  5)  4  x
2 4
下面是令 y  x 2  x  2 ，a  4 时，二次函数分别与常数加、减、乘、
除后新得到的函数的图像。注意观察新函数与原函数图像之间的关
系，加法和减法分别使函数图像向上或向下平移，乘法和除法分别使
函数图像沿竖直方向“拉伸”和“压缩”。
y  x2  x  2 y  a  x2  x  2  4  x2  x  2 y  a  x2  x  2  4  x2  x  6
1 2 1 1
y  a  ( x 2  x  2)  4  4 x 2  4 x  8 y  a  ( x 2  x  2)  4  x  x
4 4 2
若一个函数是偶函数，它加上或减去一个数字后，还是偶函数。
若一个函数是奇函数，它加上或减去一个数字后，不再是奇函数。函
数图像仍是中心对称图形，它的对称中心随着函数图像一起向上或向
下平移。
易证：对于偶函数 f ( x)  f ( x) ，令 g ( x)  f ( x)  a (a 为常数且 a  0 )，
则有 g ( x)  f ( x)  a  f ( x)  a  g ( x) ，即得证。
对于奇函数 f ( x)   f ( x ) ，令 g ( x)  f ( x)  a (a 为常数且 a  0 )，则
有 g ( x)  f ( x)  a   f ( x)  a ，而 g ( x)  g ( x)  2a  0 ，因此 g ( x) 不是奇
函数。
若一个函数是单调递增函数或单调递减函数，它加上或减去一个
数字后，仍然是单调递增或单调递减函数。
易证：若 f ( x) 是增函数，则对于任意 x1  x2 ，都有 f ( x1 )  f ( x2 ) 。
令 g ( x)  f ( x)  a (a 为常数且 a  0 )，则对于任意 x1  x2 ，都有 g ( x1 )  g ( x2 )
 [ f ( x1 )  a ]  [ f ( x2 )  a]  f ( x1 )  f ( x2 )  0 ，即得证。减函数的规律类似。
若一个函数是周期函数，它加上或减去一个数字后，仍然是周期
函数，并且最小正周期不变。
易证：若 f ( x) 是以 T 为最小正周期的周期函数，则对于任意 x 都
有 f ( x)  f ( x  T ) 。令 g ( x)  f ( x)  a (a 为常数且 a  0 ) ，则有 g ( x  T )
 f ( x  T )  a  f ( x)  a  g ( x ) ，因此 g ( x ) 也是以 T 为最小正周期的周期
函数。
函数整体乘以或除以一个正数 a( a  1 )，是对函数值的整体放大
或缩小，图像直观看上去是研垂直方向“拉长”或“压扁”。函数整体乘
以-1，是将函数图像上下颠倒。函数整体乘以负数，就是先将函数拉
长或压扁，再上下颠倒。
若一个函数是偶函数，它乘以或除以一个数字后，还是偶函数。
若一个函数是奇函数，它乘以或除以一个数字后，还是奇函数。
若一个函数是单调递增函数或单调递减函数，它乘以一个正数
后，单调性不变。它乘以一个负数后，具有相反的单调性。
若一个函数是周期函数，它乘以或除以一个数字后，仍然是周期
函数，并且最小正周期不变。
以上 3 条规律也可根据有关函数的性质证明，请参照前面的证明
方法自行完成。
函数除了与简单的数字加、减、乘、除外，函数与函数之间也能
进行基本运算，其实质就是两个表达式之间的加减乘除。
根据偶函数、奇函数、单调递增函数、单调递减函数、周期函数
的定义，可以证明：
两个偶函数加、减、乘、除得到的新函数仍是偶函数。两个奇函
数加、减得到的新函数是奇函数，两个奇函数乘、除得到的新函数是
偶函数。一个奇函数与一个偶函数乘、除得到的新函数是奇函数，一
个奇函数与一个偶函数加、减得到的新函数无固定规律。
两个单调递增函数相加得到的新函数仍是增函数。两个单调递减
函数相加得到的新函数仍是减函数。一个单调递增函数减去一个单调
递减函数得到的新函数是增函数。一个单调递减函数减去一个单调递
增函数得到的新函数是减函数。由于正负号的作用，具有单调性的函
数相乘或相除后得到的新函数的单调性没有固定规律。
两个周期函数相加、减、乘、除得到的新函数一般也是周期函数。
最小正周期的情况较为复杂，高中不需要掌握一般性规律。周期函数
的具体情况将主要在三角函数章节具体学习。
作为练习，请根据偶函数、奇函数、单调函数的定义证明以上关
于它们的规律。
在函数之间进行加减乘除外，要特别注意得到的新函数的定义域
有可能会发生变化，需要剔除一些使得函数关系式无意义的点。
3.2 复合函数
两个函数之间除了能进行加减乘除外，还能“套”在一起形成复
合函数。
复合函数的定义为：对于函数 f ( x) 、g ( x) ，把 g ( x) 的值域作为 f ( x)
的定义域，得到的新的函数叫做它们的复合函数，记作 f ( g ( x)) ，其表
达式为：将 f ( x) 的表达式中的全部 x，都用函数 g(x)的表达式直接代

替即可。一般情况下，复合函数 f ( g ( x)) 和 g ( f ( x)) 是两个完全不同的函
数。下面是具体例子。
f ( x)  2 x  3 g ( x)  x 2  2 x  4
f ( g ( x))  2  ( x 2  2 x  4)  3  2 x 2  4 x  11 g ( f ( x))  (2 x  3)2  2  (2 x  3)  4  4 x 2  8x  3
若 f ( x) 和 g ( x) 能构成复合函数 f ( g ( x)) ，则 g ( x) 的值域必须包含于
f ( x) 的定义域内，否则 g ( x ) 的某些函数值下 f ( x ) 没有意义。
复合函数实质上是进行了两步函数关系的对应。复合函数
f ( g ( x)) ，对于其定义域的某个值 x，(1)先将 x 作用于里面的 g ( x ) ，得
到 g ( x)  p ；(2)再将该函数值作用于外面的 f ( x) ： y  f ( p ) 。
原函数 f ( x) 、 g ( x) 的对称性、单调性、周期性与它们构成的复合
函数 f ( g ( x)) 的有关性质也有规律。
若 f ( x) 、g ( x) 都是偶函数，则 f ( g ( x)) 也是偶函数。若 f ( x) 、g ( x) 都
是奇函数，则 f ( g ( x)) 也是奇函数。若 f ( x) 、 g ( x) 一个是奇函数、一个
是偶函数，则 f ( g ( x)) 是偶函数。
若 f ( x) 、 g ( x) 都是单调递增函数，则 f ( g ( x)) 仍为单调递增函数。
若 f ( x) 、g ( x) 都是单调递减函数，则 f ( g ( x)) 为单调递增函数。若 f ( x) 、
g ( x ) 一个是单调递增函数、一个是单调递减函数，则 f ( g ( x)) 仍为单调
递减函数。
若 f ( x) 、 g ( x) 都是周期函数，则 f ( g ( x)) 仍为周期函数，其一般性
规律也不需要在高中阶段掌握。
关于复合函数的奇偶性和单调性，请根据有关定义自行完成证
明。
此外，多个函数 f1 ( x) 、 f 2 ( x) … f n ( x) 也可以复合成为有多层的复合
函数 f1 ( f 2 (... f n ( x)...)) ，其实质就是依次将前一个函数的值作为下一个函
数的自变量，进行多步“作用”。
3.3 函数图像的变换
前面 2 个小节中学习的变换都是对函数的表达式进行变换，现在
以函数图像为对象研究其变换。
函数图像的基本变换方式主要有 3 种：平移、伸缩、旋转。其中
平移需要重点掌握，拉要了解基本情况即可，旋转只需要简单了解。
函数图像的平移变换是指在不改变函数图像的具体形状的前提
下，将函数图像沿着某个方向平移。最基本的平移方向有 2 个：沿着
x 轴方向左右平移、沿着 y 轴方向上下平移。沿其他方向的平移都可
以分解为这两个方向的组合。
函数图像沿 y 轴方向的平移已经在本章《第 3.1 小节：函数的基
本运算》学习。在函数 f ( x) 的表达式上加上正数 a 成为 f ( x)  a ，则函

数图像向上（y 轴正方向）平移 a 个单位。在函数 f ( x) 的表达式上减
去正数 a 成为 f ( x)  a ，则函数图像向下（y 轴负方向）平移 a 个单位。
函数图像沿 x 轴方向平移：将函数 f ( x) 变为 y  f ( x  a ) ，函数图
像向 x 轴方向平移 a 个单位。当 a 为正数时，向右（x 轴正方向）平
移。当 a 为负数时，向左（x 轴负方向）平移。

要注意的是，函数图像的左右平移，是将每个 x 都替换为 x  a ，
也可以表述为：令函数 g ( x)  x  a ，则复合函数 f ( g ( x)) 的图像为函数
沿 x 轴平移 a 个单位。当 a  0 时向右平移，当 a  0 时向左平移。

其原理为：原来当 x  x0 时所取的函数值 f ( x0 ) ，现在需要令 x0  a 才
能经 f (( x0  a)  a) 才能得到 f ( x0 ) ，对于函数上所有的点都是如此，也
就是所有点的横坐标都需要加上 a。
事实上，将函数图像沿 y 轴移动的原理与沿 x 轴移动的原理相同。
将函数 y  f ( x) 沿 y 轴移动 a 个单位，使之成为 y  f ( x)  a ，也可以写
为 y  a  f ( x) 。这样一来，沿着 x 轴与 y 轴平移的规律就一致了。
即：将函数沿着 x 轴移动 a 个单位，等价于将函数表达式中的 x
都替换为 x  a 。将函数沿着 y 轴移动 a 个单位，等价于将函数表达式
中的 y 全部替换为 y  a 。
函数图像的伸缩变换是指在不改变函数图像的基本性质的前提
下，将函数图像沿着 x 轴方向或 y 轴方向“拉长”或“压扁”。
在本章《第 3.1 小节：函数的基本运算》也已经学习了函数沿着

y 轴方向的伸缩：将函数的表达式整体乘以正数 a，则函数图像沿 y
轴伸缩 a 倍。其中当 a  1 时为拉伸，当 0  a  1 时为压缩。若 a  0 ，则
需要在伸缩变换后，再以 x 轴为对称轴上下颠倒。
乘以一个数字等价于除以它的倒数。将函数图像沿着 x 轴方向进
行伸缩变换的原理与平移变换的原理类似。将函数表达式中的 x 全部
用 x / a ( a  0 )代替后，函数图像被沿 x 轴方向拉伸为原来的 a 倍。将
1
函数表达式中的 x 全部用 ax 代替后，函数图像被沿 x 轴方向压缩为
a
原来的。同样的，若 a  0 ，则进行完伸缩变换后，还要以 y 轴为对
称轴左右互换。同样的，乘以一个数字等价于除以它的倒数。
与平移变换类似，对函数 y  f ( x) 沿 y 轴方向进行伸缩变换，变
为 y  af ( x) ，也可以写为 y / a  f ( x ) 。这样一来，沿着 x 轴与 y 轴进行
伸缩变换的规律也一致了。
函数图像的旋转变换是指在不改变函数图像的具体形状的前提
下，将函数沿着原点或某个点旋转，类似于风车或风扇叶片的旋转。
旋转变换较为复杂，将在关于复数的章节具体介绍，高中阶段不需要
掌握。
小结
本章以一次函数和二次函数为具体例子，学习函数的基本概念、
基本性质、基本运算。要重点掌握用抽象的函数 f ( x) 、 g ( x) 来表达、
证明、使用函数的有关性质和运算。一次函数和二次函数是两种最基
本的函数，要熟练掌握这两种函数的性质，以及函数表达式与图像之
间的关系。接下来即将学习幂函数、指数函数、对数函数、三角函数
等具体函数时，也要经常回顾本章的内容。
本章学习两种新的运算方式：指数运算和对数运算。以及由此产
生的三种基本函数：幂函数、指数函数、对数函数。
学习这两种新运算方式的过程与学习加减乘除的过程较为类似，
先根据已经熟悉的正整数的加减乘除，得出正整数的指数运算的规
则；根据自然数的指数运算的规则，推广到全体整数，进而推广到全
体有理数，最终推广到全体实数域。并根据指数运算的基本规则，推
导出指数运算的基本性质。对数运算可以看作是指数运算的逆运算。
学习指数运算和对数运算最大的难点在于“陌生”。加法和减法是
最基本、现实中最常用的运算，因此最为熟悉。乘法和除法是建立在
加减法基础上的运算，现实中也很常用，因此也相当熟悉。指数运算
是建立在乘法基础上的运算，日常生活中使用很少，只在各类专业领
域中使用，因此不太熟悉。对数运算在日常生活中极少见到，它的表
达式也与加减乘除指数等差异明显，导致最为陌生。
克服“陌生”的关键有两点：搞清楚原理、大量练习。指数运算
和对数运算虽然是新运算，但它们仍然建立在已经非常熟悉的加减乘
除的基础上，如果能彻底弄明白这两种新运算的基本规则，就能很容
易地想象和记牢它们的性质和规律。此外，大量练习对于熟悉掌握陌
生概念非常有帮助，小学刚学乘除法时也很陌生，随着大量的练习和
使用，初中开始就已经对乘除法非常熟悉了。4
在指数运算和对数运算的基础上，本章还将学习以这两种运算为
基础的幂函数、指数函数、对数函数。基本运算的学习与相应函数的
学习有着很好的相互促进作用。对基本运算的掌握有助于理解相应函
数的基本性质，对函数性质和图像的研究有助于反过来理解基本运算
的规则和规律。
指数和对数运算也是基本的数学运算，对于它们的掌握要达到与
乘法和除法相近的熟练程度。幂函数、指数函数、对数函数是非常重
要的基本初等函数类型，要熟练掌握它们的性质和图像，也要能使用
函数来解决相应的运算问题。
一、指数运算和对数运算
指数运算是建立在乘法运算基础上的运算，指数运算的性质和规
律也与乘法有直接且紧密的联系。对数运算是指数运算的逆运算，根
据指数运算的性质和规律，能够推导出对数运算的性质和规律。
1.1 指数运算的规则
指数运算也叫做幂运算，“幂”是盖东西的布巾，由于幂运算的
写法 a m 看起来像是给数字（或字母）盖上了头巾而得名，该表达式念
作“ a 的 m 次幂”或“ a 的 m 次方”。下面大小正常的 a 叫做底数，因为它
是具体运算的“基底”“基础”。右上角比较小的 m 叫做指数，因为它起
到“指示”“指引”的作用，指示底数与幂值的对应关系，就像书籍目录
的索引指示章节与页数的对应关系。
起初，指数运算 a m ，指数 m 为正整数， a m 表示 m 个 a 相乘。即：

a m  a  a  a...  a
| m个a |
（若 a 为 0 或 1，该运算无实际意义，因此规定 a  0 且 a  1 ）
一般规定底数为正数。指数为自然数的指数运算也叫做乘方运
算， a m 也叫做“a 的 m 次方”。
与乘法类似： a  m 表示 m 个 a 相加，即： a  m  a  a  a...  a
然而与乘法不同的是：在乘法中，m 个 a 相加的结果与 a 个 m 相
加的结果相同，即 a  m  m  a ，尽管这是两个完全不同的运算，代表
不同的现实意义。而在指数运算中，m 个 a 相乘的结果与 a 个 m 相
乘的结果不同，对于不同的正整数 a 和 m，根本就不存在相同的情况，
即 a m  ma ，在指数运算的写法上也特地把两个数字区分得很清楚。
根据指数为正整数时的指数运算的定义，可以得到它的一个基本
性质： a m  a n  a m n 。其含义为：m 个 a 相乘的积，乘以 n 个 a 相乘的

积，其结果等于 m+n 个 a 相乘的积。即：
a m  a n  (a  a  a...  a )  (a  a  a...  a )  a  a  a...  a  a  a  a...  a  a m n
| m个a | | n个a | | ( m  n ) 个 a  |
例如： 23  22  23 2  25  32
验证： 23  22  8  4  32
该性质与乘法分配律 (a  m)  (a  n)  a  (m  n) 相似：
( a  m)  ( a  n)  ( a  a...  a)  ( a  a...  a )  a  a...  a  a  a...  a  a  (m  n)
| m个a | | n个a | | ( m  n ) 个 a  |
从正整数拓展到全体整数
若正整数 m  n ，则有：
a m  a n  (a  a  a...  a)  ( a  a  a...  a )  a  a  ......  a

| m 个 a  | | n 个 a  | | (m  n)个a |
仿照 a m 与 a n 相乘结果为 a m n 的原理，m 个相乘（ a m ）除以 n 个 a
相乘（ a n ），约分后结果为 m-n 个 a 相乘，也就是 a m n 。

由此可得当指数为 0 和负整数时指数运算的含义：
令 m  n ，则有 a m  a m  a m m  a 0 ，由于一个数除以它本身结果为 1，
因此 a 0  1 。即 0 个非 0 实数相乘的结果为 1。
之所以不规定 a 0  0 ，除了为满足“一个非 0 的整数除以它本身结
果为 1”外，还因为指数运算是建立在乘法运算的基础上，而 0 会使
得所有乘法运算都失去实际意义。在乘法运算中，1 起到“一个数与 1
相乘还是它本身”的作用。0 在加法运算中起到该作用。
1
令 m  0 ，n  Z  ，则a m n  a 0  a n  1  a n  ，又由于 m  n  0  n  n ，
an
1
n
于是有： a  。即当指数为负整数时，幂的值为指数为其相反数
an
（正整数）的倒数。例如：23  13  1
2 8
从全体整数拓展到全体有理数
a 的 m 次方根记作 m a ，表示：若 m 个相同的数字相乘结果为 a，
则该数字叫做 a 的 m 次方根，例如： 23  8 ，于是有 3 8=2 。
根据开方和指数运算的定义可知： ( m a ) m  a (a  0) ，即：
( m a ) m  m a  m a  m a ...  m a  a
| m 个 m a  |
将 m a 记作 a p ，即 m a  a p ，现在研究 m 与 p 之间的关系：
根据指数为整数时，同底数幂的相乘的计算方法可知：
( m a ) m = m a  m a  m a ...  m a  a p  a p  a p  ...  a p  a p  p  p... p  a pm

| m 个 m a  | | m 个 a p  | |m个p |
将上面两个等式相结合可得： a pm  a
即： p  m  1
1
于是有： p 
m
这就是当指数为真分数时，指数运算的定义，为其分母的次方根：
1 1
对于 p  a a ma
p
m (m  Z ) ，有：
m
p p
于是对于全部有理数 q ，有： a q  q a p  ( q a ) p
即：对于（底数为正数）指数为分数的指数运算，其结果等于先
按照分子的数字进行乘方运算、再按照分母的数字进行开方运算。或
者把顺序颠倒：先按照分母的数字进行开方运算、再按照分子的数字
进行乘方运算。两种顺序的结果相同。
从全体有理数拓展到全体实数
将指数运算从有理数拓展到实数的证明方法和思路超出了高中
的数学知识范围，可以近似理解为：以无理数为指数的幂运算，其值
接近于与该无理数非常接近的有理数次幂。通过这种近似的方法，确
定出无理数次幂的值。有理数的加减乘除等基本运算都是按照该思路
拓展到全体实数。
高中阶段不会遇到求无理数次幂的数学意义的情况，只是把它当
做一个现成的数字去看待。
综上，我们得到了对于全体实数 a (a  0) 和 m 的指数运算的数学
含义：
(1)若 m 为自然数， a m 表示 m 个 a 相乘，其中 a 0  1
例如： 34 =3  3  3  3  81
30  1
(2)若 m 为负整数， a m 表示 | m | 个 a 相乘的倒数
例如： 34 = 14  1
3 81
(3)若 m 为分数， a m 表示 a 的分子次幂、再开分母次方根。
5
例如： 9 2  ( 9)5  35  243 ，
5
9 2  95  59049  243
1
 1 1
60.25  6 4
 1
 4
6
6 4
(4)若 m 为无理数， a m 表示 a 的非常接近 m 的有理数次幂。
例如： 0.24 2 ，一般不需要做进一步变换。
1.2 指数运算的基本性质
在指数运算中，底数不能为 0，一般取不为 1 的正数。
根据指数运算的规则，可以得出它的一些重要性质：
(1)对于 a, m, n  R 且 a  0 、 a  1 ，有：
a m  a n  a m n
a m  a n  a mn
该规则在上一小节已经学习了指数为整数的情况，事实上对于指
数为全体实数时都适用。
其原理就是乘法运算的基本规则：“m 个 a 相乘”乘以“n 个 a 相乘”

等于“ m  n 个 a 相乘”。
该性质也反映了乘法和除法的基本关系：除以一个数 a n 等于乘以
1
它的倒数 a  n ，即： a m  a n  a m   a m  a  n  a mn
an
将等式两边对调也成立：a m n  a m  a n ，该性质常用于提取公因式。
(2) 对于 a, b, n  R 且 a, b  0 、 a, b  1 ，有：
a m  b m  (ab) m
a m  b m  ( a / b)m
该性质可以根据乘法交换律和结合律得到：
a m  b m  (a  a  a...  a)  (b  b  b...  b)  (ab)  ( ab)  (ab)...  (ab)  ( ab) m
| m个 a | | m个 b | | m 个 (a b )  |
将除法看作乘以倒数即可得到第二个等式。
同样将等式两边对调也成立： (ab)m  a m  b m ，这也是提取公因式
的常用方法。
(3)对于 a, m, n  R 且 a  0 、 a  1 ，有： (a m )n  a mn
其原理为：
(a m ) n  a m  a m  a m ......  a m
 a  a  a...  a
a  a  a...  a
a  a  a...  a
共 n行
......
a  a  a...  a
| m 个 a  |
总共有 m  n 个 a，因此该等式成立。
将该等式左右颠倒：a mn  (a m )n  (a n ) m 。在有些情况下，可以将 a mn
中的 a m 或 a n 看作一个整体，提出一个较小的指数出来，对其使用完全
平方公式、平方差公式、立方和公式、立方差公式等。
指数运算的基本性质在将表达式进行变形和简化过程中非常重
要，其常用方法为：利用性质(1)和(2)合并同类项或提取公因式；利
用性质(3)将某个幂当作整体看待，来满足使用其他简化公式的条件。
下面讨论指数运算的一些规律。
指数运算是建立在乘法基础上的运算，因此它的规律与乘法有紧
密联系。
在正数的乘法运算中，1 是一个“分界点”。任何数乘以 1 还是它
本身。任何数乘以一个比 1 大的数，绝对值增大。任何数乘以一个比
1 小的正数，绝对值减小。
于是，一个本来就比 1 大的数，乘以它本身，将会越乘越大，并
始终大于 1。一个本来就比 1 小的数，乘以它本身，将会越乘越小，
始终小于 1。
若指数为负数，则幂值为指数为正数的倒数，此时幂值与 1 的关
系要颠倒：对于大于 1 的底数，若指数为负数，分子翻下去成为分母，
则指数越小（绝对值越大），幂值的分母越大，幂值越小。
对于小于 1 的底数，若指数为负数，分母翻上去成为分子，则指
数越小（绝对值越大），幂值的分母越小，幂值越大。
综上，对于大于 1 的底数，指数是正整数时，指数越大幂值越大，
且幂值恒大于 1。指数是负整数时，也是指数越大幂值越大，但是幂
值恒小于 1。当指数是 0 时幂值为 0。于是对于大于 1 的底数，都是
指数越大幂值越大（指数为整数）。
对于小于 1 的底数，指数是正整数时，指数越大幂值越小，且幂
值恒小于 1.指数是负整数时，也是指数越大幂值越小，但是幂值恒大
于 1。于是对于小于 1 的底数，都是指数越大幂值越小（指数为整数）。
当指数为分数时，1 仍然是底数的“分界点”。由于任何大于 1 的
底数，它的正整数次幂都恒大于 1，那么反过来可以知道，正整数次
幂大于 1 的底数，也必然恒大于 1。因此任意大于 1 的底数，其正分

数次幂也恒大于 1。例如：由于 4  1 ，所以 4  2  1 ，41/4  4 4  2  1 …4
的任意正数次方根都大于 1。
同理，可以推广到底数大于 1、指数为负分数，以及底数小于 1
（大于 0，下同）的情况。并推广到整个实数范围内。
对于大于 1 的底数，当指数为正实数时，幂值恒大于 1。这是由
于当指数为正数时，大于 1 的幂值只能来源于大于 1 的底数。因此大

于 1 的底数的正分数次幂只能大于 1。同理，小于 1 的底数的正分数
次幂只能小于 1。
当指数为负实数时，底数和对应的幂值要跨越临界值 1。当指数
为负实数时，对于大于 1 的底数，幂值恒小于 1；对于小于 1 的底数，
幂值恒大于 1。指数为 0 时，幂值总是 1。
可以发现：0 作为指数的分界点，对应于 1 是幂值的分界点。这
与 0 是加减法比大小的分界点、1 是乘除法比大小的分界点相一致。
1.3 对数运算的规则
对数运算是指数运算的逆运算。
若 a m  P (a  R  且a  1, b  R ) ，则有： log a P  m
在表达式 a m  P 中，a 叫做底数，m 叫做指数，P 叫做“a 的 m 次
幂”。
在表达式 log a P  m 中，a 依然叫做底数，P 叫做真数，m 叫做“以

a 为底 P 的对数”或“幂值”。表达式 log a P 就念作“以 a 为底 P 的对数”。
可以看出，a 在指数运算和对数运算中都叫底数，因为无论是指
数还是对数，a 都是该运算的“基底”。
m 在指数运算中叫做指数，表示“从 a 指向 P 的数”。m 在对数运
算中叫做“以 a 为底 P 的对数”或简称为“对数”，表示“将 a 与 P 配对
的数”。这两种叫法的含义相同。
P 在指数运算中叫做幂值，表示一种运算结果。P 在对数运算中
终于有了自己的名字：真数。
学习对数的难点主要在于习惯和熟悉对数的表达式，要对对数表
达式中每个位置的符号在运算中扮演的角色非常熟悉。
指数运算与对数运算符号的对应关系如下图：
可以把底数 a 看作指数或对数运算的“原料”，最终得到的幂值或
对数值，都是在对 a 进行若干倍的放大或缩小得到的。指数（对数）
m 起到“指针”“信号”的作用，表明底数 a 在这个指针的指引下，指向
了真数（幂值）P。指数运算是根据原料 a 和指针 m 去找到对应的结
果 P。对数运算是根据原料 a 和对应的结果 P，反过来找相应的指针
m。
在高中阶段，对数 log a P  m ，一般规定 a  0 且 a  1 。因为负数为
底数的情况下，指数运算和对数运算都极其复杂，无法用现有知识分
析。
在底数 a 为正数的前提下，真数（幂值）P 必然也是正数，而对
数（指数）m 的取值可以为全体实数。
下面列举几个具体对数的例子：
log 2 1024  10 （2 的几次方等于 1024？10 次）
1
log 27 3  （27 的几方（根）为 3？三次方根）
3
log1/2 16  4 （1/2 的几次方为 16？4 次方的倒数）
在对数运算中，有两个底数较为特殊，一个是 10，一个是自然
对数的底 e。
当底数为 10 时，以 10 为底 P 的对数可以直接写为 lg P ，即用 lg 代
替 log ，同时不用专门写上 10，例如 lg1000  3 。这是由于人们日常使

用 10 进制，经常考虑数量级，所以专门把 10 的写法简化。
例如：化学中表示溶液酸碱度的 pH 值，就是溶液中氢离子浓度
的对数的相反数： pH   lg[ H  ] ，溶液的 pH 每增加或减小 1，溶液中

氢离子的浓度就降低为原来的十分之一或升高到原来的 10 倍。之所
以用 pH 表示溶液的酸碱度，是由于在多数情况下，只有当氢离子浓
度发生数量级的改变时，才会产生较为明显的效果，在同一个数量级
内变化造成的区别往往不太明显。
自然对数的底用小写字母 e 表示，是一个无理数，它的值近似等

于 2.71828。
e 的数学含义在高中阶段不作了解，也很难用高中知识介绍，只
需要知道它是根据数学计算和自然现象得出的一个客观存在的数字。
自然对数的底 e 与圆周率 π 都是客观存在的数字，区别只是在于 π 的
数学含义比较容易用中学知识描述，e 的数学含义较复杂用现阶段知
识无法描述。
当底数为 e 时，以 e 为底的对数写为 ln P ，即用 ln 代替 log ，例如
ln 2 。除非现实或计算需要，一般不会求出关于 e 的对数以及其他表
达式的具体近似数值，而是直接令其以 e 或 ln 的形式存在。对于
e  2.71828 特别是 2.5  e  3 这个事实要牢记，在比较大小、判断正负号
时经常使用。
e 有一些非常特殊且重要的性质，
将在关于导数的章节具体学习。
1.4 对数运算的性质和规律
对数运算的性质与指数运算较相似，如果对于指数运算的性质和
对数运算的法则都较为熟悉的话，很容易理解并很快推导出来。
(1) a log a M
M
log a ( a m )  m
这两条公式是对指数运算和对数运算基本定义的直接使用，其实
质就是 log a M  m 和 a m  M 。仔细观察可以发现，第一个公式中没有 m，

第二个公式中没有 M，这两个其实是一个公式。需要对这两个公式像
1
对 a   1 一样熟悉。
a
(2) log a M  log a N  log a ( M  N )
这条规律对应指数运算的 a m  a n  a m n ， a m  a n  a m  n

这条公式中等式左边的 log a M  log a N ，实质上就是指数公式中等
号右边的角标 m  n 。
等式公式右边真数括号里的 ( M  N ) ，实质上就是指数公式中等号
左边的 a m  a n 。
把 a 作为底数，把等号左边作为指数可得：
a log a M  log a N  a log a M  a log a N  M  N
例如：log 2 8  log 2 16  log 2 (8 16) ，指数关系为 8 16  23  24  23 4  27
(3) log a ( M n )  n log a M

这条规律对应指数运算的 (a m )n  a mn 。同样的，用 log a M  m 或
M  a m 替换掉等式中相应的部分就能很直观的理解：
等式左边： log a ( M n )  log a [(a m )n ]  log a ( a mn )  mn

等式右边： n log a M  nm
因此左边等于右边。
也可以利用上一条性质解释本性质：等式左边的 M n 实际上就是
M  M  ...  M ，等式右边的 n log a M 实质上是 log a M  log a M  ...  log a M 。
若 n  2 ，则 log a ( M 2 )  log a ( M  M ) ， 2 log a M  log a M  log a M 。该公

式就变成了 log a ( M  M )  log a M  log a M ，就是上一条公式中 M  N 的情
况。
在书写对数和指数的混合运算时，若真数部分是指数表达式，一
般不用加括号，为了增加区分度，可以用括号括起来，例如“以 a 为
底，P 的 q 次方为真数的对数”应写为 log a ( p q ) 或 log a P q 。
若表示对整个对数进行指数运算，则需要将指数写在 log （或 lg 、
ln ）的右上角，例如“‘以 a 为底 P 的对数’的 q 次方”应写为 log qa P 。
为了增加区分度，也可以把整个指数都用括号括起来，再在右上角写

上指数，例如刚才的表达式也可以写为 (log a P)q 。
在书写对数时一定要仔细，尽量多使用圆括号、中括号、花括号，
防止混淆，特别是针对真数为较复杂的表达式的情况。
log c M
(4)换底公式： log a M 
log c a
这个公式叫作换底公式，它把以 a 为底的对数，换成两个以其他
数字 c 为底的对数的商。这里新的底数 c 可以根据实际需要任意选取。
其原理为：对于对数 log a M ，重新设定底数 c，并以 c 为底数，
分别表示出以 a 和 M 为真数时对应的指数（对数）：令 c p  M ，c q  a 。
log c M log c c p p
代入换底公式的右边：  
log c a log c c q q
分别对两个等式两边同时开方：
p p
cp  M => c  M 1/ p
q
c q  a =>
q
c  a1/q
于是有： c  M 1/ p  a1/ q ，即 M  (a1/ q ) p  a p / q
代入换底公式左边：
log a M  log a ( a p / q )  p / q
等式左边等于右边，即得证。
换底公式的原理实质上是用新的底数 c 重新建立连接原底数 a 和
真数 M 之间的桥梁。在一个具体的指数运算和对数运算中，底数是
它的基础，在换用新的底数 c 后，可以分别找到指向 a 的指针 c→a
和指向 M 的指针 c→M。

原本的对数 log a M 是指针 a→M，其等价于 a→c→M，即先 a→c，
再 c→M。指针 a→c 是指针 c→a 的反方向，在指数关系中具体表现
为指数互为倒数，因此 log c a 要以乘以其倒数的形式出现，即出现在

分母位置。c→M 就是正常方向，以直接相乘的形式出现。请认真体
悟其中的过程。
根据换底公式，可以得到一条有用的性质。若对 log a M 使用换底

log M 1
公式，并且把 M 作为新的底数，则有：log a M  log a  log a
M
M M
即：把底数和真数调换位置后，对数的值变为原来的相反数。
其实质就是：若 a m  M ，则 a  m M  M 1/m 。即将指针 a→M 反过

来变成 M→a，新的指针是原来指针的倒数。
对数运算的规律与指数运算基本相同，只是各个成分所在的位置
不同罢了。
在指数运算中，底数一般只能为除了 1 以外的正数，在对数运算
中，底数同样只能为除了 1 以外的正数。
在底数为正数的前提下，指数运算的幂值只能为正数，因此对数
运算中的真数也只能为正数。
指数运算中的指数可以为正数、负数、0，同样的，对数运算中
对数的值也可以为正数、负数、0。
对数运算中，1 作为真数的临界点，对应 0 作为对数的临界点。

在指数运算中，若底数大于 1，则指数越大幂值越大。在对数运
算中，若底数大于 1，同样是真数越大对数的值越大。在底数大于 1
的情况下，若真数（幂值）大于 1，则对数（指数）大于 0；若真数

（幂值）小于 1，则对数（指数）小于 0。若真数为 1，则对数为 0。
类似的，若底数小于 1，则指数越大幂值越小。在对数运算中，
若底数小于 1，同样是真数越大对数的值越小。在底数小于 1 的情况

下，若真数（幂值）大于 1，则对数（指数）小于 0；若真数（幂值）
小于 1，则对数（指数）大于 0。若真数为 1，则对数为 0。

二、幂函数、指数函数、对数函数
根据指数运算和对数运算的规则，可以建立相应的基本初等函
数。指数不变、以底数为自变量的函数叫做幂函数，我们学习过的只
有一次项的一次函数和只有二次项的二次函数都属于幂函数。底数不
变，以指数为自变量的函数叫做指数函数。底数不变、以真数为自变
量的函数叫做对数函数。由于底数一般不能为负数、0、1，一般不研
究底数为自变量的函数。
2.1 幂函数
幂函数是以底数为自变量的函数，函数值为幂值，其基本形式为：
f ( x)  x a
在高中阶段，一般只研究 a 为正整数和-1 的幂函数。
定义域和值域。对于指数为正整数的幂函数，自变量（底数）可
以取全部实数。其中：
当 a 为偶数时，由于负数的偶数次方也为正数，因此值域为 [0, )
当 a 为奇数时，负数的奇数次方仍为奇数，因此值域为 R。
当 a  1 时，由于分母不能为 0，因此定义域为 (, 0)  (0,  ) ，值

域也为 (, 0)  (0, ) 。
奇偶性。对于全部形式为 f ( x)  x a 的幂函数，根据“偶数个负数相
乘结果为正数，奇数个负数相乘结果为负数”可知：
若指数 a 为偶数，则 f ( x)  x a 是偶函数 f ( x)  ( x) a  x a  f ( x ) 。
若指数 a 为奇数，则 f ( x)  x a 是奇函数 f ( x)  ( x)a   x a   f ( x) 。
1
若指数 a  1 ， f ( x)  是奇函数。
x
此外，任意多个指数为偶数的幂函数相加减构成的函数仍为偶函
数，任意多个指数为奇数的幂函数相加减构成的函数仍为奇函数。

单调性。根据指数运算的性质可知：
在指数 a 为偶数的情况下，当 x  0 时， f ( x) 单调递增。当 x  0 时，
x 越大它的绝对值越小，由于偶数次幂为正数，因此 f ( x) 单调递减。
根据偶函数的性质也能得到该结论。
在指数 a 为奇数的情况下，当 x  0 时， f ( x) 单调递增。当 x  0 时，
奇数个负数相乘仍是负数，因此也单调递增。根据奇函数的性质也能
得到该结论。指数 a  1 的情况与 a 为奇数的情况相同。
周期性。基本的幂函数本身没有周期性。
其他性质。幂函数的指数 a 的绝对值越大，函数图像越陡峭，即
增加或减少得越快。
下面列举几个简单幂函数的图像，注意观察它们的奇偶性、单调
性、变化趋势、特殊的点。
1 f ( x)  x3
f ( x) 
x
f (x)  x4 f ( x)  x9

从图中可以看出，当 x 趋近于  时，幂函数的值也趋近于  。
当 x 趋近于  时，指数为偶数的幂函数的值趋近于  ，指数为奇数
的幂函数的值趋近于  。
2.2 指数函数
指数函数是底数不变、以指数为自变量的函数，函数值为幂值，
其基本形式为：
f ( x)  a x
在高中阶段，指数函数的底数 a  0 且 a  1 。
首先从函数表达式上分析指数函数的特点：
定义域和值域。对于底数 a  0 且 a  1 ，指数 x 可以取任何实数，

因此其定义域为 R。
由于规定了底数 a  0 ，a 的任何次幂都恒大于 0，因此指数函数
的 f ( x)  a x 值域只能为正数，其值域为 (0, ) 。

单调性。根据指数运算的基本规律可知：
当底数 a  1 时，随着 x 增大，幂值 a x 也增大，在整个定义域上都
是单调递增函数。并且当指数 x  0 时，幂值 a x  1 。当指数 x  0 时，

幂值 0  a x  1 。当指数 x  0 时， a 0  1 。当 x 趋近于  时，函数值趋近
于 0；当 x 趋近于  时，函数值趋近于  ，因此值域为 (0, ) 。
当底数 0  a  1 时，随着 x 增大，幂值 a x 减小，在整个定义域上都

是单调递减函数。并且当指数 x  0 时，幂值 0  a x  1 。当指数 x  0 时，
幂值 a x  1 。当指数 x  0 时，a 0  1 。x 趋近于  时，函数值趋近于  ；
当 x 趋近于  时，函数值趋近于 0，因此值域也为 (0, ) 。

奇偶性和周期性。基本的指数函数没有奇偶性和周期性。
1
其他性质。底数互为倒数的两个指数函数： f ( x)  a x ， g ( x)  ( ) x ，
a
x 1 1
有： f ( x)  a  a x  ( a )  g ( x)
x
即：对于底数互为倒数的两个指数函数，他们在互为相反数的两
个自变量 x 和  x 处的函数值相等。这表明它们的图像以 y 轴为对称轴

镜面对称。
下面列举几个基本的指数函数的图像，注意观察它们的单调性与
底数的关系、底数互为倒数的两个指数函数的对称性、定义域与值域。
1
f (x)  2x f ( x)  ( ) x
2
放在同一个坐标系里：
从图像可以看出，基本的指数函数必然经过点 (0,1) ，这是由于任

意非 0 实数的 0 次幂都为 1。底数大于 1 的指数函数，y 轴左边的函

数值小于 1，y 轴右边的函数值大于 1。底数小于 1（大于 0）的指数
函数与之相反。
对于底数大于 1 的指数函数，当 x 趋近于  时，函数值趋近于 0。

当 x 趋近于  时，函数值趋近于  。底数小于 1（大于 0）的指数
函数与之左右相反。
2.3 对数函数
对数函数是指以真数为自变量的函数，函数值为对数的值，其基
本形式为：
f ( x)  log a x
在对数函数中，底数的要求与指数函数相同： a  0 且 a  1 。对数
函数与底数相同的指数函数互为反函数。指数函数的自变量是指数
（对数），因变量是幂值（真数）。对数函数反过来，自变量是真数，
因变量是对数。
定义域和值域。由于底数 a  0 ，因此真数必然大于 0，因此对数
函数的定义域为 (0, ) 。而对数函数的值域可以取到全体实数 R，与
指数函数的定义域相同。
单调性。对数函数的单调性与指数函数相同：
当底数 a  1 时，随着真数 x 增大，对数 log a x 也增大，在整个定义
域上都是单调递增函数。并且当真数 x  1 时，对数 log a x  0 。当真数
0  x  1 时，对数 log a x  0 。当真数 x  1 时， log a 1  0 。
当底数 0  a  1 时，随着真数 x 增大，对数 log a x 减小，在整个定
义域上都是单调递减函数。并且当真数 x  1 时，对数 log a x  0 。当真

数 0  x  1 时，对数 log a x  0 。当真数 x  1 时， log a 1  0 。
奇偶性和周期性。基本的对数函数没有奇偶性和周期性。

其他性质。与指数函数类似，底数互为倒数的两个对数函数：
f ( x)  log a x 和 g ( x)  log1/ a x ，有：
ln x ln x ln x ln x
f ( x )  g ( x)  log a x  log1/ a x   1
  0
ln a ln(a ) ln a 1 ln a
即：底数互为倒数的两个对数函数，它们在相同 x 值处的函数值
互为相反数，也就是函数图像关于 x 轴对称。
下面列举几个基本的对数函数的图像，注意观察它们的单调性与
底数的关系，以及底数互为倒数的两个对数函数的对称性。
f ( x)  log 2 x f ( x)  log1/ 2 x
放在同一个坐标系里：
从图中可以看出，所有具有标准形式的对数函数都经过点 (1, 0) ，
这同样是由于任意非 0 实数的 0 次幂都为 1。底数大于 1 的对数函数，
点 (1, 0) 左边的函数值小于 0，点 (1, 0) 右边的函数值大于 1。底数小于 1
（大于 0）的对数函数与之相反。
最后再来看底数相同的指数函数 f ( x)  e x 和对数函数 g ( x)  ln x 的
图像，它们互为反函数，图像关于直线 y  x 对称。
从图中还能看出，指数函数 f ( x)  e x 的曲线越来越陡，增长得越
来越快。直线 f ( x)  x 是条直线，增长得较为平稳。对数函数 f ( x)  ln x
的曲线越来越平缓，增长得越来越慢。
虽然指数函数、一次函数、对数函数的增长趋势与其底数或直线
一次项系数有关，但是指数函数的增长速度越来越快，最终肯定会在
某处比任何直线都快。对数函数的增长速度越来越慢，最终肯定会在
某处比任何直线都慢。
对于递减的指数函数、一次函数、对数函数，看作向 x 轴负方向
增长即可。

小结
本章学习两种新的运算和三种新的基本函数。本章的重点和难点
在于熟悉掌握新运算的规则、性质、规律。需要通过大量密集的具体
数字练习和代数符号练习，建立起对这两种运算的数学直觉，要能看
到指数运算就自动联想出几个数字的乘积或开方的形式，看到对数运
算就自动联想到“底数的几次幂能够得到真数”，达到接近于乘除法的
熟练程度。
也要熟悉掌握幂函数、指数函数、对数函数的图像，知道它们必
定经过哪些点；在底数分别大于 1 和小于 1 时，函数图像的形状大致

如何；底数互为倒数的指数函数之间，图像的对称关系和函数表达式
的运算关系；底数互为倒数的对数函数之间，图像的对称关系和函数
表达式的运算关系，底数相同的指数函数和对数函数互为反函数的根
本原因、表达式之间的关系、图像之间的对称关系等；当自变量的值
趋近于  和  时，不底数分别大于 1 和小于 1 时，幂函数、指数函
数、对数函数的函数值的变化趋势。
总之，既要像小学学习加减法和乘除法那样进行大量的计算训
练，也要像学习一次函数和二次函数那样认真分析表达式和图像的性
质。

三角函数也叫做角函数，是一类非常重要的基本初等函数，用于
表示角的大小和有关边长比例之间的数量关系，与圆和圆周率有着非
常紧密的联系。
三角函数的自变量为弧度，与以前学习的角度本质上相同，弧度
和角度是对同一概念的不同记法。三角函数的因变量（函数值）是一
个比值，这个比值的大小只与弧度有关。
三角函数主要包括正弦函数、余弦函数、正切函数、余切函数、
正割函数、余割函数六种基本类型。高中阶段，正弦函数和余弦函数
是最基本、最重要的三角函数。正切函数也很重要，可以用正弦函数
和余弦函数共同表示。余切函数使用较少，其表达式是正切函数的倒
数。正割函数和余割函数使用很少。
高中阶段的三角函数问题可以大致分为两种类型：三角函数的基
本性质和三角恒等变形。前者从一般函数的角度研究三角函数的基本
性质，包括定义域与值域、函数表达式、奇偶性、单调性、周期性、
伸缩平移变换等。后者主要研究三角函数之间的数量关系。这两种类
型的根本原理完全相同，主要思路也很接近。
三角函数也可以看作是一种运算方式，要像学习指数运算和对数
运算那样，认真学习三角函数的运算法则，并掌握根据运算法则推导
出其基本性质和重要规律的过程。
学习三角函数时，从一开始就要注重理解透彻每个基本概念的代
数含义和几何含义，掌握每一步推导的原理和具体过程，熟悉前三种
基本三角函数的表达式以及所对应的具体图形。
本章主要学习三角函数的基本性质。

一、弧度
小学和初中阶段，已经学习了表示角的大小的单位：角度。高中
阶段，要开始学习并熟练使用另一种表示角的大小的单位：弧度。弧
度制比起角度制，具有很明显的便利和优势。
1.1 角度制回顾
有公共顶点的两条射线构成一个角，两条射线的张开程度就是角
的大小。角的大小的单位为“度”，用符号“°”表示。
当两条射线重合时，规定其大小为 0°。随着两条射线缓缓张开，
夹角逐渐增大，即角度逐渐增大，直到旋转一周后再度重合，重新开
始下一轮旋转。旋转一周的角叫做周角，规定其大小为 360°。这样一
来，一个圆周就被分为 360 份，每一份的大小为 1°。
在旋转过程中，当两条射线相互垂直时，它们之间最小的角叫做
直角，大小为 90°，是周角的四分之一。当两条射线在同一条直线上，
并且朝向直线的两端时，形成的角叫做平角，大小为 180°，是周角的
一半、直角的两倍。介于 0°~90°之间的角叫做锐角。介于 90°~180°
之间的角叫做钝角。
下面分别是 0°角、锐角、直角、钝角、平角、周角的图案。

现在来分析“角度（°）”这个单位的数学含义和现实意义。
“角度”的由来是把圆周平均分为 360 份，其中的 1 份叫做“1°”。
可以看出，角度没有现实意义，它的数学意义仅仅是由人为规定所赋
予的。
在常见的普通钟表上，表盘的一周被平均分为 60 个小格子，每
一个小格子代表“1 秒”或“1 分”。表盘的一周也被平均分为 12 个大格

子，每一个大格子代表“1 小时”。
我们也可以自行规定圆周角为 100“渡”，其中每一份就是 1“渡”。
这样一来，直角的大小为 25 渡，平角的大小为 50 渡。即 100 渡=360°，

1 渡=3.6°。
总之，用于表示角度大小的“度”与用来描述线段长短的单位“1”
之间没有数学意义和现实意义的关联，它们是两套完全独立的单位，
只是通过三角函数勉强把角度的大小与长度的比值联系起来。
以前学习了 4 种三角函数：正弦(sin)、余弦(cos)、正切(tan)、余
切(cot)。对于∠C 为直角的三角形 ABC，设斜边 AB 的长为 c，直角

边 BC、AC 的长分别为 a、b，∠BAC 的大小为 A，则有：sin A  a / c ，
cos A  b / c ， tan A  a / b ， cot A  b / a 。如下图所示：
根据不同大小的角度对应的边长比值，通过测量或计算的方法，
得到了各个三角函数的值，例如：sin 0  0 ，cos 30  3 / 2 ，tan 45  1 。

1.2 弧度制
接下来学习弧度制，也是表示角的大小的单位。
弧度制的最大优点是：它不再是没有现实意义的生硬的人为规
定，而是直接与线段的长度联系了起来，将角的大小度与线的大小统
一起来。
在正式学习弧度前，先复习圆周率 π 的概念：经现实测量计算和
数学家推导得知：任意标准圆的周长与直径的比值是定值，命名其为
圆周率，用符号 π 表示。π 是一个无理数，具体数值约为 3.1415926。
例如：对于一个直径为 1 米的标准圆形井盖，它的周长一定为 π
米。在数学中，一般不使用物理长度单位，而是直接使用数学单位“1”。
即：对于直径为 d 的标准圆，其周长 C 的长度为 C   d 。由于圆的半
径 r 为直径 d 的一半 d  2r 。于是有： C  2 r 。

做图如下：圆 O 的半径为 r ，于是直径 d  2r ，周长 C  2 r ，设
半径 OA 和 OB 所形成的角度为 a ，圆弧 
AB 的长为  。
由于规定了圆周角为 360°，因此大小为 a 的∠AOB 在整个圆周

角中所占的比例为 a / 360 。又由于圆周长为 C  2 r ，因此大小为  的
圆弧 
AB 在整个圆周长中所占的比例为  / 2 r  a / 360 ，它与半径的比
值为定值  / r   a / 180

从图中可以明显看出：对于大小确定为 a 的角，它所对应的圆弧
的长  的与半径 r 之比为定值  / r 。对于单位圆（即半径为“1”的圆），
比值  就是弧长。下面为直角、钝角、平角、周角对应的弧长。
根据这个规律，我们可以直接用单位圆的圆心角所对应的弧长来
表示该角的大小：任意一个角，若其在单位圆中对应的弧长为“1”，
则称该角的大小为“1”，单位叫做弧度，记作 rad，经常可以省略。例
如：1 弧度的角记作 1 rad 或 1。
根据定义可知，圆周角对应整个单位圆的周长 2 ，因此其大小
为 2 。
要注意的是，rad 是一个没有独立现实意义的单位，它的本质是
弧长与半径长度的比值。也可以认为 rad 代表半径为 1 的单位圆的弧

长，即其单位也为“1”。
rad 这个记号只是为了区分它前面的数值表示的是角的大小。由
于角的大小已经与线的大小统一了起来，因此才经常被省略。弧度的
具体数值就是来源于所对应的圆弧的长度的数值。
如此一来，1 rad 就有了具体的现实意义：它表示对应弧长与半
径相等圆。对于半径为 r 的圆，若某个圆心角的弧度为  ，则根据该

弧度  在圆周角 2 中所占的比例，与该扇形面积在圆面积中所占的比
 S 1
例相同  2 ，可求得该扇形的面积 S 为：S   r 2 。又由于弧度 
2  r 2
1
的定义为弧长 l 与半径 r 的比值   l / r ，因此有：S  lr 。这是弧度方
2
便使用的一个具体例子。
根据角度与弧度的定义，它们之间的换算也较容易理解。在角度
中，把圆周平均分为 360 等份，每一份是 1°。类似的，在弧度中，把
圆周平均分为 2 等份，每一份是“1”。 360 等份和 2 等份实质上都

是对圆周的等分，只是它们分割的份数不同，于是有数量关系如下：
对于同一个角，如果它的角度大小为 a ，弧度大小为  rad。虽
然表示方法不同，但同一个角在整个圆周角中所占的比例是同一个数
值，即： a / 360   / 2 r ，这就是角度与弧度的换算公式：
360 180
把弧度换算成角度： a  2 r     r  
2 r r
把角度换算成弧度：   a  a
360 180
下表是一些常用的角度与对应的弧度大小，要熟练掌握换算公式
及其原理（在圆周中所占的比例相同）
角度(°) 0 30 45 60 90 120 135 150 180 360

    2 3 5
弧度(rad) 0  2
6 4 3 2 3 4 6
从现在开始，对于与角度有关的所有问题，都要使用弧度制表示
和分析解决，对弧度制的熟练程度要不亚于角度制。在未来的学习中，
将会深切地感受到弧度制的便利。如果大学继续学习数学和物理的高
等课程，将会更加深刻地体会到弧度制的优点。
二、基本三角函数
小学和初中阶段已经初步学习了三角函数。本节学习的内容与之
前学习的没有实质上的差别，只是把角放在平面直角坐标系中重新表
述一遍。在复习过去知识的基础上，逐步拓宽三角函数的范围，并推
导出三角函数的重要性质。

2.1 直角三角形中的三角函数
如下图所示，在直角三角形 ABC 中，∠BCA 为直角，C   / 2 。
AB 为斜边，BC 和 AC 为直角边，3 条边长分别为 c、a、b。
根据勾股定理可知：a 2  b2  c 2 。勾股定理直角三角形中极其重要
的性质，在后面将要学习的向量、圆锥曲线等章节中都极其重要。
对于∠BAC，设其大小为  （rad）。规定其：
正弦函数为对边 BC 与斜边 AB 之比，记作： sin   a / c

余弦函数为邻边 AC 与斜边 AB 之比，记作： cos   b / c
正切函数为对边 BC 与邻边 AC 之比，记作： tan   a / b
余切函数为邻边 AC 与对边 BC 之比，记作： cot   b / a

正割函数为斜边 AB 与邻边 AC 之比，记作： sec   c / b
余割函数为斜边 AB 与对边 BC 之比，记作： cs c   c / a
根据各三角函数的定义、勾股定理可知：
(0)正弦函数与余弦函数的平方和为 1：
sin 2   cos 2   (a / c) 2  (b / c) 2  ( a 2  b 2 ) / c 2  c 2 / c 2  1
(1)正弦函数与余弦函数的比值为正切函数：
sin  / cos   (a / c) / (b / c)  a / b  tan 
(2)余弦函数与正弦函数的比值为余切函数：
cos  / sin   (b / c) / (a / c)  b / a  cot 

(3)正切函数与余切函数互为倒数：
tan   cot   ( a / b)  (b / a)  1
(4)正弦函数与余割函数互为倒数：
sin   csc   (a / c)  (c / a )  1
(5)余弦函数与正割函数互为倒数：
cos   sec   (b / c)  (c / b)  1
（正弦函数与余割函数互为倒数、余弦函数与正割函数互为倒
数，不要因为名称的缘故记反）
高中阶段，使用最多的是正弦函数、余弦函数、正切函数，另外
3 个三角函数可以通过它们分析推导。
2.2 平面直角坐标系中的三角函数
在平面直角坐标系 xOy 中做单位圆，原点 O (0, 0) 为圆心，圆周与
坐标轴分别相交于 A(1, 0) 、 B(0,1) 、C (1, 0) 、 D (0, 1) 。OR 为半径，点 R
的坐标为 ( xR , yR ) ，RM⊥x 轴，垂足为 M；RN⊥y 轴，垂足为 N，可

知 M、N 坐标分别为 M ( xR , 0) 、 N (0, yR ) 。如下图所示：

在直角三角形 ORM 中，∠OMR 为直角，OR 为斜边，OM 和
MR 为直角边。由半径 OR 和 x 轴正方向所形成的角 α，有：
sin   RM / OR  ON / OR  yR /1  yR
cos   OM / OR  xR /1  xR
由 O、R 两点确定的直线是一次函数的图像，可以求出其函数表
达式为 y  ( y R / x R ) x ，其中 y R / xR 是直线的斜率 k 。又由于 y R / xR 
sin  / cos   tan  ，即 k  tan  。由此可知， tan  为直线 OR 的斜率 k 。
综上，点 R 的坐标为 (cos  , sin  ) ，直线 OR 的斜率为 tan  。这个
结论及其推导非常重要！这是三角函数的本源！
现在保留单位圆，让点 R 从 A 点开始出发，在圆周上沿逆时针
方向旋转，即沿着 A→B→C→D→A 的方向旋转（一般规定逆时针旋
转为正方向）。
(1)α：0→π/2
根据上图的变化可以明显看出：点 R 从点 A 出发沿着圆周向点 B
移动的过程中：∠MOR 的弧度值  越来越大，从 0 逐渐增加到 π/2。
点 R 的横坐标 cos  越来越小，从点 A 的横坐标 1，逐渐减小到
点 B 的横坐标 0，从图像上看点 R 越来越靠近 y 轴。

点 R 的纵坐标 sin  越来越大，从点 A 的纵坐标 0，逐渐增大到点
B 的纵坐标 1，从图像上看点 R 越来越远离 x 轴。
直线 OR 的斜率越来越大，从水平 k  0 ，增大到垂直 k   。

(2)α：π/2→π
当点 R 越过点 B，沿着圆周向点 C 移动的过程中，∠MOR 弧度

值  继续增大，从 π/2 逐渐增加到 π。
点 R 的横坐标 cos  变成负数、绝对值逐渐增大，其数值从点 B

的横坐标 0，逐渐减小到点 C 的横坐标-1，从图像上看点 R 越来越远
离 y 轴。
点 R 的纵坐标 sin  还是正数，逐渐减小，从点 B 的纵坐标 1，逐

渐减小到点 C 的纵坐标 0，从图像上看点 R 越来越接近 x 轴。
直线 OR 的斜率变成负数，并且绝对值逐渐减小，从刚越过点 B
垂直 k   ，增大到水平 k  0 。
(3)α：π→3π/2
当点 R 越过点 C，沿着圆周向点 D 移动的过程中，∠MOR 弧度
值  继续增大，从 π 逐渐增加到 3π/2。

点 R 的横坐标 cos  仍是负数、绝对值逐渐减小，其数值从点 C
的横坐标-1，逐渐增大到点 D 的横坐标 0，从图像上看点 R 越来越靠
近 y 轴。

点 R 的纵坐标 sin  变为负数，绝对值逐渐增大，其数值从点 C
的纵坐标 0，逐渐减小到点 D 的纵坐标-1，从图像上看点 R 越来越远
离 x 轴。
直线 OR 的斜率变回正数，从水平 k  0 ，增大到垂直 k   。
(4)α：3π/2→2π
当点 R 越过点 D，沿着圆周向点 A 移动的过程中，∠MOR 弧度

值  继续增大，从 3π/2 逐渐增加到 2π。
点 R 的横坐标 cos  变回正数，数值逐渐增大，从点 D 的横坐标
0，逐渐增大到点 A 的横坐标 1，从图像上看点 R 越来越远离 y 轴。

点 R 的纵坐标 sin  仍然为负数，绝对值逐渐减小，其数值从点 D
的纵坐标-1，逐渐增大到点 A 的纵坐标 0，从图像上看点 R 越来越接
近 x 轴。
直线 OR 的斜率变为负数，绝对值逐渐减小，数值从垂直 k   ，
增大到水平 k  0 。
点 R 回到点 A 的位置后，开始新一轮旋转，弧度继续增大，2π
→5π/2→3π→7π/2→4π→…各三角函数值的变化情况与 0→2π 相同。

综上，三角函数在各象限内的情况如下表所示。要重点掌握点 R
在单位圆上，沿逆时针方向绕圆周旋转时，在各个象限内点 R 的横坐
标、纵坐标、直线 OR 的斜率的变化规律、取值范围、正负号等情况。

余弦函数 cos  正弦函数 sin  正切函数 tan 
所在象限 α 范围
正负号单调性正负号单调性正负号单调性

第一象限 (0, ) + 递减 + 递增 + 递增
2

第二象限 ( , ) - 递减 + 递减 - 递增
2
3
第三象限 ( , ) - 递增 - 递减 + 递增
2
3
第四象限 ( , 2 ) + 递增 - 递增 - 递增
2
点 R 除了沿逆时针方向（正方向）旋转，也可以沿顺时针方向（负
方向）旋转，即沿着 A→D→C→B 的顺序旋转。规定此时角度为负
  3 3
值，即(0,  ) 、( ,  ) 、(- ,  ) 、( , 2 ) …
2 2 2 2
作为练习，请仿照研究点 R 沿逆时针旋转时各三角函数值的正负
号、绝对值的变化趋势，自行研究 R 沿顺时针旋转时的情况。
根据以上分析，标准单位圆上的点 R 从点 A(1, 0) 出发，沿着圆周

旋转的过程中，以射线 OR 与 x 轴正方向的夹角的弧度 α 为自变量，
分别以点 R 的纵坐标、横坐标、直线 OR 的斜率为函数值，就构成了

相应的正弦函数 sin  、余弦函数 cos  、正切函数 tan  。
2.3 正弦函数
以射线 OR 与 x 轴正方向的夹角的弧度 α 为自变量，以点 R 的纵
坐标为因变量，就得到了正弦函数的基本形式 f ( x)  sin x 。
定义域和值域。正弦函数的定义域为全体实数集 R。其中 x  0 表
示射线 OR 沿逆时针旋转所形成的夹角， x  0 表示射线 OR 沿顺时针
旋转所形成的夹角，x  0 表示射线 OR 与 x 轴正方向重合并且没有旋

转时所形成的夹角。根据正弦函数的定义和勾股定理可知，其值域为
[ 1,1] 。

对应法则。射线 OR 旋转时，全体弧度值 α 与对应的 R 纵坐标 sin 
形成数对 ( , sin  ) ，描绘在平面直角坐标系上，组成正弦函数的图像。
先描绘区间 [0, 2 ] 内的函数图像，如下图所示，左边是单位圆，右边

是对应的正弦函数 f ( x)  sin x 区间 [0, 2 ] 内的函数图像。
从图中可以很直观地看出，当 x  [0,  / 2] 时， sin x 单调递增，从 0

递增到 1。当 x  [ / 2,  ] 时，sin x 单调递减，从 1 递减到 0。当 x  [ ,3 / 2]
时，sin x 单调递减，从 0 递减到-1。当 x  [3 / 2, 2 ] 时，sin x 单调递增，

从-1 递增到 0。
周期性。当 x  [2 , 4 ] 时，射线 OR 的运动状态重复 x  [0, 2 ] 的过
程，因此区间 [2 , 4 ] 内函数图像的形状与区间 [0, 2 ] 内完全相同，只

是自变量的数值相差了 2 。
同理，在区间 [4 , 6 ] 、 [6 ,8 ] …每间隔 2 的区间内，函数图像
的形状完全相同。并且，在区间 [2 , 0] 、[4 , 2 ] 等 x 轴左侧的区间

内也是如此。可以自行模拟射线 OR 沿顺时针旋转的过程反向画出
sin x 在区间 [0, 2 ] 的图像，其结果相同。
由此可知，函数 f ( x)  sin x 是以 2π 为最小正周期的周期函数，对

任意 x  R 和 k  Z 都有： f ( x  2k )  sin( x  2k )  sin x  f ( x)
下面是函数 f ( x)  sin x 的完整图像，可以明显地看出其周期性。

对称性。根据正弦函数 f ( x)  sin x 的构造过程，当射线 OR 沿顺
时针方向旋转时，sin x 经过的位置恰好与其沿逆时针方向旋转时经过
的位置关于 x 轴对称，二者的纵坐标总是绝对值相同、符号相反，即
f (  x)   f ( x) ，因此 f ( x)  sin x 是奇函数。从函数图像也能很直观地看
出，把函数图像以原点为中心旋转 π 后，与原图像重合。
由于 f ( x)  sin x 是以 2 为最小正周期的周期函数，每经过 2 位置
函数的性质完全相同。因此任意的点 (2k , 0)（ k  Z ）都是该函数的对

称中心，即函数图像绕该点旋转都能与原图像重合。
从图中可以看出：不仅所有的点 (2k ,0) 是 f ( x)  sin x 的对称中心，
所有的点 ((2k  1) , 0) （ k  Z ）也是它的对称中心。即所有的点 (k , 0)

（ k  Z ）都是函数 f ( x)  sin x 的对称中心。
此外，根据函数图像还能明显看出，直线 x   / 2 、直线 x  3 / 2 ，
以及其他所有间隔 2 位置的垂直于 x 轴的直线都是该函数的对称轴，

函数图像沿这些直线对折后，左右两边能完全重合。即 x   / 2  2k
（ k  Z ）和 x  3 / 2  2k （ k  Z ），合并为 x   / 2  k （ k  Z ）。
关于某点中心对称的数学原理如下：函数图像上任意两个横坐标
到对称中心的距离相同、分别在对称中心两侧的点，它们的函数值互
为相反数，即若函数的对称中心为 ( p, 0) ，则所有符合 p  x1  x2  p 的
x1 x2 ，都有 f ( x1 )   f ( x2 ) 。当 p  0 时，对称中心为原点 (0，

0) ，p  x1  x2  p
化为  x1  x2 ，表达式变为 f ( x1 )   f ( x1 ) ，就是奇函数的定义式。对于
正弦函数 f ( x)  sin x ，其对称中心为 (2k , 0) ，于是有 f (2  x)   f ( x) 。

单调性。由于正弦函数 f ( x)  sin x 是周期函数，只需要研究其 1
个最小正周期内的性质就能得知它的全部性质。从函数的整体图像上
看，它在区间 [ / 2,  / 2] 内单调递增，在区间 [ / 2,3 / 2] 内单调递减。

每间隔 2 的区间内都有这个性质。合并记为：函数 f ( x)  sin x 在
   3
区间 [  2k ,  2k ] 内单调递增，在区间[  2k ,  2k ] 内单调递
2 2 2 2
减，其中 k  Z 。
要注意的是，函数的单调性只能在同一个 k 值确定的区间内成
 
立，不能同时令 k 为两个不同的值。例如：[  2  3 ,  2  3 ] 是一
2 2
 
个单调区间，[  2  2 ,  2  4 ] 就不是一个单调区间。
2 2
2.4 余弦函数
以射线 OR 与 x 轴正方向的夹角的弧度 α 为自变量，以点 R 的横
坐标为因变量，就得到了余弦函数的基本形式 f ( x)  cos x 。
定义域和值域。余弦函数的定义域与正弦函数相同，也为全体实
数集 R， x  0 表示射线 OR 沿逆时针旋转所形成的夹角， x  0 表示射
线 OR 沿顺时针旋转所形成的夹角， x  0 表示射线 OR 与 x 轴正方向
重合并且没有开始旋转时所形成的夹角。根据余弦函数的定义和勾股
定理可知，其值域也为 [1,1] 。
对应法则。射线 OR 旋转，每个弧度值  与对应的点 R 横坐标形
成的数对 ( , cos  ) ，组成余弦函数 f ( x)  cos x 的图像。如下图所示。

周期性。根据余弦函数的构造过程和函数图像可知，余弦函数与
正弦函数具有相同的最小正周期，都是 2 。即对任意 x  R 和 k  Z 都
有： f ( x  2k )  cos( x  2k )  cos x  f ( x)

对称性。与正弦函数类似，根据余弦函数 f ( x)  cos x 的构造过程，
当射线 OR 沿顺时针方向旋转时，cos x 经过的位置恰好与其沿逆时针
方向旋转时经过的位置关于 x 轴对称，二者的横坐标总是相同，即
f (  x)  f ( x) ，因此 f ( x)  cos x 是偶函数。从函数图像也能很直观地看
出，把函数图像以 y 轴为对称轴对折后，左右两边完全重合。
同样与正弦函数类似，根据余弦函数的构造原理、周期性、函数
图像可知：对于余弦函数 f ( x)  cos x ，所有直线 x  k （ k  Z ）都是它
2k  1
的对称轴，所有点 (  , 0) （ k  Z ）都是它的对称中心。
2
单调性。根据余弦函数的构造原理和函数图像可知，余弦函数
f ( x)  cos x 在区间 [   2k ,   2k ] （ k  Z ）内单调递增，在区间
[  2k , 2  2k ] （ k  Z ）内单调递减。
2.5 正切函数
正切函数的基本性质与正弦函数和余弦函数略有不同。这是由于
正弦函数和余弦函数分别取值于点 R 的纵坐标和横坐标，而正切函数
取值于直线 OR 的斜率。
定义域和值域。由于 tan   sin  / cos  因此其定义域不能取令分母

2k  1
为 0 的值，即不能取全部 （ k  Z ），因此正切函数 f ( x)  tan x 的
2
2k  1  
定义域为 x  R 且 x   （ k  Z ），也可以写为 (  k ,  k ) ，
2 2 2
（ k  Z ）。
当直线 OR 从右侧靠近 y 轴时，tan  可以取任意大的正数。当直
线 OR 从左侧靠近 y 轴时，tan  可以取绝对值任意大的负数。当直线

OR 与 x 轴重合时，tan   0 。因此 f ( x)  tan x 的值域范围为全体实数 R，
也可以记为 (, ) 。
对应法则。射线 OR 旋转，每个弧度值 α 与对应的直线 OR 斜率
k 形成的数对 ( , k ) （ ( , tan  ) ），组成正切函数的图像。如下图所示。
图中的虚线 x   / 2 、 x  3 / 2 等叫做渐近线。渐进线是函数图

像可以无限接近，但永远不会达到的直线。根据前面对定义域的分析
可知，这些直线的横坐标都不属于正切函数的定义域范围。
周期性。根据正切函数的构造过程和图像可知，正切函数的最小
正周期为  。即对任意 x  R 和 k  Z 都有： f ( x  k )  tan( x)  tan x  f ( x) 。
对称性。根据正切函数的构造原理，当射线 OR 沿顺时针方向旋
转时，直线斜率的变化过程恰好与其沿逆时针方向旋转时完全相反，
因此 f ( x)  tan x 是奇函数。从函数图像也能很直观地看出，把函数图
像以原点为中心旋转  后，与原图像完全重合。
与正弦函数和余弦函数的原理相同，根据正切函数的构造过程、
周期性、对称性、函数图像可知，对于正切函数 f ( x)  tan x ，所有点
( k , 0) （ k  Z ）都是它的对称中心。
单调性。根据正切函数的构造原理和函数图像可知，正切函数
 
f ( x)  tan x 在区间[  k ,  k ]（ k  Z ）内单调递增，没有递减区间。
2 2
2.6 余切函数、正割函数、余割函数
余切函数、正割函数、余割函数在高中阶段非常少见，并且它们
的性质可以根据对正切函数、余弦函数、正弦函数取倒数得到。由于
取了倒数，它们的定义域、值域与已经学过的函数有所不同，周期性
和对称性一般相同，单调性相反。下面是依次是余切函数、正割函数、
余割函数的图像，对形状有大致印象即可。
f ( x)  cot x
f ( x)  sec x
f ( x)  csc x

三、三角函数的变换
三角函数与其他基本初等函数一样，也能进行平移、伸缩等变换。
由于三角函数具有很强的周期性，它们的变换具有特殊性质，但本质
上与一般函数的变换相同。由于各类基本三角函数的变换的原理相
同，因此仅以正弦函数为例，其他三角函数的变换请自行推导。
3.1 正弦函数沿垂直方向的变换
正弦函数沿垂直方向的变换遵循一般函数沿垂直方向变换的规
律。对函数表达式整体加上或减去一个非 0 实数，函数图像沿垂直方
向平移。对函数表达式整体乘以或除以一个非 0 实数，函数图像沿垂
直方向拉伸或压缩。
平移变换。对于标准形式为 f ( x)  sin x 的正弦函数，其表达式上
加上常数 c ，使其表达式变为 f ( x )  sin x  c ，则函数图像沿 y 轴正方向
移动 c 个单位，值域变为 [1  c,1  c] 。

当 c  0 时，沿 y 轴正方向（向上）移动。当 c  0 时，沿 y 轴负方
向（向下）移动。
垂直平移后的正弦函数 f ( x)  sin x  c ，其周期性不变，最小正周

期仍为 2 。
 
单调性不变，在区间 [  2k ,  2k ] （ k  Z ）内单调递增，在
2 2
 3
区间 [  2k ,  2k ]（ k  Z ）内单调递减。
2 2
奇偶性改变，不再是奇函数。但是其形状的对称性不变，对称中
心随着函数图像垂直移动，所有点 (k , c) （ k  Z ）都是对称中心，所

有直线 x   k （ k  Z ）都是对称轴。
2
下面是函数 f ( x )  sin x  2 的图像：

伸缩变换。对于标准形式为 f ( x)  sin x 的正弦函数，其表达式整
体乘以一个非 0 的实数 a ，使其变为 f ( x)  a sin x ，函数图像沿垂直方
向伸缩为原来的 a 倍，值域变为 [a, a] 。

当 a  1 时，函数图像沿垂直方向拉长。当 0  a  1 时，函数图像沿
垂直方向压缩。当 a  0 时，函数图像为 f ( x)  sin x 伸缩变换 f  x   a sinx
后，再上下颠倒。
沿垂直方向拉伸后的正弦函数 f ( x)  a sin x ，其周期性、对称性与
原函数一致。当 a  0 时单调性不变，当 a  0 时增区间和减区间互换。
下面是函数 f ( x)  3sin x 的图像：
同时进行伸缩和平移变换。对于标准形式为 f ( x)  sin x 的正弦函

数，将其变为 f ( x)  asinx  c ，函数图像先沿垂直方向伸缩 a 倍，再沿

y 轴正方向平移 c 个单位。
伸缩和平移之后，函数的周期性不变，最小正周期不变。单调性
的情况由 a 的符号决定，若 a  0 则递增和递减区间不变，若 a  0 则递

增和递减区间互换。函数的对称中心根据 c 沿垂直方向平移为
( / 2  k , c) （ k  Z ），对称轴不变。
下面是函数 f ( x)  3sin x  2 的图像：
3.2 正弦函数沿水平方向的变换
正弦函数沿水平方向的变换也遵循一般函数变换的规律。自变量
加上或减去一个非 0 实数，函数图像沿水平方向平移。自变量乘以或
除以一个非 0 实数，函数图像沿水平方向伸缩。
平移变换。对于标准形式为 f ( x)  sin x 的正弦函数，将其自变量 x
替换为 x  b ，使其表达式变为 f ( x )  sin( x  b) ，则函数图像沿 x 轴正方

向移动 b 个单位。
当 b  0 时，沿 x 轴正方向（向右）移动。当 b  0 时，沿 x 轴负方
向（向左）移动。
水平平移后的正弦函数 f ( x)  sin( x  b) ，最小正周期不变，仍为 2 。
 
单调区间随函数整体平移，在区间 [  b  2n，  b  2n（
] nZ ）
2 2
 3
单调递增，在区间 [  b  2n ，  b  2n ]（ n  Z ）单调递减。
2 2

要特别注意，函数向右平移 b 个单位，在函数表达式中的变化为
b ，在单调区间上的变化为 b 。这是由于在函数表达式中，将 x 替换
为 x  b 后，需要将原本的 x 变为 x  b ，才能抵消表达式中 x  b 造成的

变化，从而得到与原来相同的函数值。
即：原本增区间和减区间之间的分界点 f   / 2   sin( / 2)  1 和
f  / 2   sin( / 2)  1 。平移变换后表达式变为 f ( x)  sin( x  b) ，需分别
令 x   / 2  b 和 x   / 2  b ，才能取得相同的函数值 f ( / 2  b) 
sin( / 2  b  b)  sin(  / 2)  1 ， f ( / 2  b)  sin( / 2  b  b )  sin( / 2)  1 。
奇偶性一般会改变，对称中心和对称轴随着函数图像整体平移。
对称中心变为 (b  n ，
0)（ n  Z ），对称轴变为 x   / 2  b  n （ n  Z ）。
特别的，若 b  2n （ n  Z ），则平移后的函数 f ( x)  sin( x  2n ) 与
原函数图像重合，性质与原函数完全相同，不产生任何实际影响。若
b  (2n  1) （ n  Z ），平移后的函数变为 f ( x)  sin( x  (2 n  1) ) ，其递
增区间和递减区间与原函数相反刚好相反。若 b   / 2  2n （ n  Z ），
则该函数图像与 f ( x)  cos x 图像相同。具体原因将在下章分析。比较

sinx 和 cosx 的周期性、单调性、对称性可知，它们的图像之间刚好相
差  / 2 的横坐标。
下面是函数 f ( x)  sin( x   / 4) 的图像：

伸缩变换。对于标准形式为 f ( x)  sin x 的正弦函数，将其自变量 x
乘以一个非 0 的实数 k ，使其表达式变为 f ( x)  sin(kx) ，则函数图像沿
着水平方向伸缩为原来的 1/ k （倍）。
当 k  1 时，函数图像沿水平方向压缩。当 0＜k＜1 时，函数图像沿
水平方向拉伸。当 k  0 时，在进行伸缩变换之后，还要以 y 轴为对称
轴左右互换。即：x 需要取到原来取值的 1/ k ，才能得到与原来相同

的函数值， f ( x / k )  sin(kx / k )  sinx 。
水平伸缩后的正弦函数 f ( x)  sin(kx) ，其最小正周期也伸缩为原来
的 1/ k （倍），变为 2 / k 。各单调区间也随之伸缩。若 k  0 ，则递增

区间和递减区间只是伸缩。若 k  0 ，则递增区间和递减区间在伸缩之
后，还要互换。
对称中心和对称轴随着函数整体的伸缩而移动，对称中心变为
( / k  n ) （ n  Z ），对称轴变为 x   / 2k  n （ n  Z ）。可以看出，
原点 (0, 0) 仍是对称中心，因此仍是奇函数，用奇函数的定义式也可以
证明。
下面是函数 f ( x)  sin(2 x) 的图像：
同时进行伸缩和平移变换。 f ( x)  sinx 变为 f ( x )  sin(kx  b) 后，图

像先沿 x 轴正方向移动 b 个单位，再沿水平方向伸缩为原来的 1/ k 。

要特别注意，函数沿垂直方向变换，表达式变为 f ( x)  a sin x  c ，
其变换顺序是先伸缩、后平移，并且伸缩的倍数就是系数 a ，平移的
正方向就是加法 c 。而函数沿水平方向变换，表达式变为
f ( x )  sin( kx  b) ，顺序是先平移、后伸缩，并且伸缩的系数是倒数 1/ k ，
平移的正方向是减法 b 。
沿 x 轴方向进行平移和伸缩变换后，最小正周期变为原来的 1/ k ，
 / 2  b  2 n  / 2  b  2n
即 2 / k 。递增区间随之变为 [ , ] ，递减区间
k k
随之变为[  / 2  b  2n , 3 / 2  b  2n ] ，若 k  0 则递增和递减区间互换。
k k
对称轴和对称中心也随之移动。
下面是函数 f ( x)  sin(2 x   / 2) 的图像：
在物理研究中，正弦函数经常用于表示旋转运动的状态，其具体
状态一般用字母  和  表示，记作 f ( x)  sin( x   ) 。可以看出，  k ，
  b 。其中  叫做频率，表示单位时间内完成的周期的数量。根据
前面的推导可知：   2 / T （T 为周期）。  叫做相位，表示两个或

多个旋转运动“错开”的程度。
若两个正弦函数 f1 ( x)  sin(1 x  1 ) 和 f 2 ( x)  sin(2 x  2 ) ，对于任意

的 x 都有 1 x  1  2 x  2 ，即正弦三角函数里面整体的部分总是处处
相等，则称这两个正弦函数的相位相同。

3.3 沿不同方向变换的差异和原理
垂直变换和水平变换中，它们变换的顺序和系数完全相反，垂直
变换是先伸缩、后平移，水平变换却是先平移、后伸缩。垂直变换乘
以 a 就是伸缩为 a 倍，水平变换乘以 k 却是伸缩为 1/ k 倍。垂直变换加
上 c 就是沿正方向移动 c 个单位，水平变换却是减去 b 是沿正反向移动
b 个单位。
虽然两种方向上的具体规律截然相反，但事实上它们的原理完全
相同。将垂直方向变换中的系数 a 和 c 移到函数表达式左边，变为
( y  c) / a  sin x ，就一目了然。
变换顺序。垂直变换后的函数 ( y  c) / a  sin x 和水平变换后的函数
y  sin(kx  b ) ，它们的变换顺序都是先变换离变量较远的运算、后变换
离变量较近的运算。
垂直变换中，因变量 y 先减去 c 、后除以 a ，因此图像变换是先
伸缩 a 倍、后平移 c 个单位。
水平变换中，自变量 x 先乘以 k（除以 1/ k ）、后减去 b（加上 b ），

因此图像变换是先平移 b 个单位，后伸缩 1/ k 倍。
这是由于离变量近的运算只作用于变量自身，离变量远的运算作
用于较近的运算整体。垂直变换中，只有变量 y 减去 c ，这一步只作
用于 y ；而 ( y  c) 整体除以 a ，这一步作用于 ( y  c) 整体。按照步骤应
为：先把 y  sin x 伸缩为 y / a  sin x ，再只对变换后的函数中的 y 进行
平移，变为 ( y  c) / a  sin x 。
水平变换中，先将 y  sin x 平移，变为 y  sin( x  b) ，再只对变换后
的函数中的 x 进行伸缩变换，变为 y  sin(kx  b) 。若想要对 x 先进行伸
缩变换、后进行平移变换，并仍使其结构仍变为 y  sin(kx  b) ，在将

y  sin x 变换为 y  sin(kx) 之后，需要减去的数字应为 b/k ，而不是 b 。
这是因为后进行平移变换只作用于 x ，而不是作用于 kx 整体，变为
y  sin[k ( x  b / k )]  sin(kx  b) 。
要牢记变换顺序的原理：越接近变量的运算步骤，变换顺序越靠后。
变换系数。统一形式后规律很明显。( y  c) / a  sin x 和 y  sin(kx  b)

的表达式中，都是减去某个数字，等价于向正方向移动相应个单位，
除以某个数字，在该方向上伸缩相应的倍数。
具体原理已经在前面提及。用 x  b 替换 x 之后，需要令 x  x0  b ，
才能抵消表达式中 b 造成的影响，使得 f ( x0  b)  sin( x0  b  b)  sin( x0 ) ，
对应到原来的 y 值。同理，用 y  c 替换 y 之后，需要令 y  y0  c ，才能

抵消表达式中 c 造成的影响，对应到原来的 x 值。
乘法也是如此，用 kx 替换 x 后，需要令 x  x0 / k ，才能抵消表达式
中 k  造成的影响，使得 f ( x0 / k )  sin( k ( x0 / k ))  sin( x0 ) ，对应到原来的 y

值。同理，用 y / a 替换 y 之后，需要令 y  ay0 ，才能抵消表达式中 /a 造
成的影响，对应到原来的 x 值。
只是由于习惯把因变量 y 单独放在等号的一侧，才使得两种方向
上变换的运算截然相反。
牢记变换操作的具体原理：函数表达式变化后，函数的自变量和
因变量的取值产生的变化要能够抵消表达式的变化，才能维持函数表
达式的成立。
至此，要形成这样一种想法：虽然自变量 x 和因变量 y 在函数中
的角色不同，但是在表达式的变换中，它们的规律是相同的。如果把
平面直角坐标系旋转  / 2 ，则 y 跑到了自变量的位置、 x 跑到了因变
量的位置。

自变量和因变量最主要甚至是唯一的区别在于，一个自变量只能
对应一个因变量，而一个因变量可以对应多个自变量。除了这一条限
制以外，自变量和因变量没有任何区别。如果不是为了使用方便，在
书写时也不一定非要把因变量单独放在等式的一侧。
小结
本章学习弧度制和三角函数的构造过程、性质、变换。三角函数
的核心内容是单位圆的半径绕原点旋转，半径末端点的坐标的变化规
律，三角函数的性质都由其构造过程推导得出。要理解透彻三角函数
的平移和伸缩变换的原理，并能将该原理运用到一般的函数当中。要
熟练掌握三角函数平移和伸缩变换的具体过程，特别是对三角函数的
周期性、单调性、对称性产生的影响。要熟练使用弧度制，未来涉及
到角的大小都要用弧度制表示。
三角函数基本性质仍需要大量练习，要对三角函数的周期性、对
称性、单调性非常熟悉。要对平移和伸缩变换非常熟练，并对表达式
变化与图像变化之间的关系，变换对函数的周期性、对称性、单调性
造成的影响非常熟悉。

上一章学习了三角函数的基本知识，主要包括三角函数的构造过
程、基本性质、图像变换。主要从“函数”的角度——即因变量随自变
量的变化而变化的角度学习三角函数的性质。
三角恒等变换主要研究一系列有特定数量关系的角，它们的三角
函数之间所满足特定数量关系，更接近于“几何”的角度，是一种相对
静态的性质。
本章有很多公式，一些公式的形式较为相似。学习方法与上一章
重视原理和推导、反对死记硬背、生搬硬套公式略有不同——除了一
些相对简单的公式可以通过理解图形原理辅助记忆，绝大部分复杂的
公式都需要通过反复记忆和大量训练，达到能牢记于心、熟练使用的
效果，它们的推导过程反而没有那么关键（仍然需要掌握）。
要注意的是，三角恒等变换研究的不是一个或几个特定角度的三
角函数值之间的关系，而是一系列具有特定数量关系的角的三角函数
之间的关系。对于公式中的角要从“自变量”“定义域”这种更一般的视
角看待，而不是一个固定不变的角。
静态的三角恒等变换与动态的三角函数之间有非常紧密的联系。
可以通过三角恒等变换，将由若干个三角函数加减乘除构成的复杂函
数，化简成简洁的一个三角函数，使得研究和分析函数性质时更加直
接明了。
学习本章内容，特别是正弦定理和余弦定理时，还要注重将几何
图像与代数式的分析结合起来，要把初中学习过的重要几何知识重新
捡起来，特别是关于三角形和圆的内容。

一、一个变量的三角恒等变换
对于一个变量的三角恒等变换，只需要根据“单位圆的半径绕原
点旋转”的构造过程，就能推导出相应的等式关系。这些关系的原理
都较为简单，如果遗忘的话画个草图就能马上推导出来。
关系(1)  与 
如下图所示。对于  和它的相反数  ，它们的旋转方向相反、

旋转幅度相同，因此它们的正弦值（纵坐标）始终绝对值相等、符号
相反（一个在 x 轴上方、一个在 x 轴下方）。它们的余弦值（横坐标）
始终相等。它们的正切值（所在直线的斜率）也始终绝对值相等、符
号相反，也可以根据正弦函数除以余弦函数的商推出。
即： sin( )   sin  ， cos( )  cos  ， tan( )   tan 

这与上一章学习的正弦函数和正切函数是奇函数、余弦函数是偶
函数的性质相符，它们的原理相同，都来源于三角函数的构造过程。

关系(2)  与  
2
根据三角函数“单位圆的半径绕原点旋转”的构造过程可知：若 
 
是第一象限角，则  是第二象限角。若  是第二象限角，则   是
2 2


第三象限角。若  是第三象限角，则   是第四象限角。若  是第
2

四象限角，则   是第一象限角。
2

如下图所示。当  是第一象限角时，将半径 OA 旋转后到达
2
  
OB 处，即AOB  。于是有：BON     AOM    。于是有：
2 2 2
 
cos(  )  cos MOB  xB   cos BON   cos( )
2 2

由于  是锐角，根据直角三角形的基本关系有：cos(   )  sin 
2
 
于是有：cos(  )   cos(   )   sin 
2 2
 
同理：sin(  )  sin MOB  yB  sin BON  sin(   )  cos 
2 2

sin(  )
 2  cos    cot 
还有： tan(  ) 

2 cos(  )  sin 
2
当  分别为第二、第三、第四象限角时结论相同，可自行验证。
即： sin(   )  cos  cos( 

)   sin 

tan(  )   cot 
2 2 2

关系(3)  与 
2
只需要将关系(2)中的  替换为  ，再使用关系(1)对三角函数内
部整体取相反数即可：


sin(   )  cos(  )  cos 
2

cos(   )   sin( )  sin 
2

tan(   )   cot(  )  cot 
2
在初中学习直角三角形时，已经学习过一对互为余角的锐

角    ，它们的三角函数具有关系：
2
sin   cos  ， cos   sin  ， tan   cot  ， cot   tan 
现在成功将该关系从互余的两个锐角拓展到和为直角的两个任
意角。
关系(4)  与   
如下图所示。对于  和    ，相当于绕原点逆时针旋转半周，此
时端点的横坐标和纵坐标都变为原来的相反数，直线的斜率不变。
即： sin(   )   sin  ， cos(   )   cos  ， tan(   )  tan 
关系(5)  与   
仿照关系(3)的推导过程，先将关系(4)中的  替换为  ，再使用

关系(1)对三角函数内部整体取相反数即可：
sin(   )   sin( )  sin 
cos(   )   cos(  )   cos 
tan(   )  tan(  )   tan 
这与初中学习的，互为补角的两个角，它们的正弦值相等、余弦
值互为相反数相一致。现在成功将其推广到任意和为平角的两个角。
由于正弦函数 sin  和余弦函数 cos  都是以 2 为最小正周期的周
期函数、余切函数是以  为最小正周期的周期函数，于是有：
sin(  2k )  sin 
cos(  2k )  cos 
tan(  k )  tan 
其中 k  Z
k
于是对于任意的   （ k  Z ），它的三角函数值都能根据  的
2
三角函数值推出。

最后介绍一个小窍门：角  的相反数、与 2 的和或差、与  的和
或差的三角函数变换公式，由于对于任意  为任意角时都成立，其中
当  为锐角（或第一象限角）时的规律可以很容易地通过作图看出来，
因此可以通过快速画一个平面直角坐标系中的锐角判断出规律，再推
广到任意角。

二、两个变量的三角恒等变换
对于任意两个角  、  ，它们的和    、差    、积  的正弦、
余弦、正切值都与  和  的三角函数有固定的数量关系。
两个任意角的三角恒等变换没有一个任意角的那么简单明了，需
要经过一定的几何推导，既要掌握其推导过程，也要通过大量练习熟
练掌握。
2.1 和角公式、差角公式
和角公式是将两个角的和    的三角函数展开为关于  和  的
三角函数的表达式，差角公式是将两个角的差    的三角函数展开
为关于  和  的三角函数的表达式，
差角公式的证明相对较为容易理解，并且能够根据差角公式推导
出和角公式和其他变换公式。现在推导差角公式，做图如下。
单位圆中的两条半径 OA 和 OB，令 MOA   ， MOB   ，于是
AOB     。根据三角函数的定义可知：点 A 坐标为 (cos  , sin  ) ，
点 B 的坐标为 (cos  , sin  ) 。

根据两点间距离公式有： | AB |2  ( xA  xB ) 2  ( y A  yB ) 2
将相应的三角函数代入上述等式并化简：
| AB |2  (cos   cos  ) 2  (sin   sin  ) 2
 cos 2   2 cos  cos   cos 2   sin 2   2sin  sin   sin 2 
 (cos 2   sin 2  )  (cos 2   sin 2  )  2cos  cos   2 sin  sin 
 2  2 cos  cos   2sin  sin 
现在保持 AOB 大小不变，将△AOB 绕原点顺时针旋转，使得边

OB 与 x 轴正方向重合，此时点 A 的坐标变为 (cos(   ),sin(   )) ，点
B 的坐标变为 (1, 0) 。如下图所示。
此时：
| AB |2  [cos(   )  1]2  [sin(   )  0]2
 cos 2 (   )  2 cos(   )  1  sin 2 (   )
 cos 2 (   )  sin 2 (   )  2 cos(   )  1
 cos 2 (   )  2 cos(   )  1  1  cos 2 (   )
 2  2 cos(   )

由于旋转前后△AOB 的具体形状没有发生变化，因此边长 | AB |
没变，即： | AB |2  2  2 cos  cos   2sin  sin   2  2 cos(   )
将该等式化简得：
cos(   )  cos  cos   sin  sin 
这就是余弦函数的差角公式。
将该公式中的  用   代替，则有：
cos(  (   ))  cos  cos(  )  sin  sin(   )
cos(   )  cos  cos   sin  sin 
这就是余弦函数的和角公式。
接下来推导正弦函数的和角公式和差角公式。
可能第一反应是使用关系 cos 2 (   )  sin 2 (   )  1 ，但是由于该关
系式中有平方（平方根），涉及到正负号的确定，因此不方便。现在
换一种思路，这种思路对于解决三角函数非常实用。

利用关系 sin   cos(   )
2
将  替换为    ，于是有：

sin(   )  cos(  (   ))
2

sin(   )  cos(     )
2

把   看作一个整体，使用余弦函数的差角公式：
2

sin(   )  cos[(   )   ]
2
 
 cos(   ) cos   sin(   ) sin 
2 2
 
代入 cos(   )  sin  和 sin(   )  cos  ：
2 2
 sin  cos   cos  sin 
即： sin(   )  sin  cos   cos  sin 

这就是正弦函数的差角公式。
同样将该公式中的  用   代替，则有：
sin(  (   ))  sin  cos(  )  cos  sin(   )
sin(   )  sin  cos   cos  sin 
这就是正弦函数的和角公式。
sin(   )
根据 tan(   )  cos(   ) ，可得正切函数的和角公式和差角公式：
sin(   ) sin  cos   cos  sin 
tan(   )  
cos(   ) cos  cos   sin  sin 
分子分母同时除以 cos  cos  ：
tan   tan 
tan(   ) 
1  tan  tan 
将上述公式中的  用   代替，则有：
tan   tan 
tan(   ) 
1  tan  tan 
综上，正弦函数、余弦函数、正切函数的和角公式和差角公式为：
sin(   )  sin  cos   cos  sin 

tan   tan 
tan(   ) 
tan   tan 
tan(   ) 
和角公式有一个非常重要的应用，对于表达式 a sin   b cos  （其
中 a 、b 是常数），可以利用和角公式 sin(   )  sin  cos   cos  sin  将

其化为一个三角函数：
a sin   b cos   a 2  b 2 sin(  t )

a b
其中 cos t  ，sin t 
a 2  b2 a 2  b2
这样就把同一个角的正弦和余弦函数的和转化为一个三角函数。
其原理为：先将两个三角函数前的系数 a 和 b ，转化为两个平方
a b
和为 1 的数字和。根据三角函数的基本性质可知，存
a b
2 2
a2  b2
a b
在某个角 t ，满足 cos t  ，sin t 
a  b2 a b
2 2 2
于是可以反向利用和角公式： sin  cos   cos  sin   sin(   ) ，就
得到了上述结果。
对于形如 a sin   b cos  、 a cos   b cos  、 a sin   b sin  ，都可以根
据该思路，选择合适的和角公式或差角公式进行变形。
2.2 二倍角公式、半角公式、万能置换公式
根据和角公式和差角公式，对其中的角  、  进行简单的替换，
可以得到二倍角公式、半角公式、万能置换公式。
令和角公式中    ，就得到了二倍角公式，即用一个角的三角
函数表示它的 2 倍大小的角的三角函数的公式：
sin(2 )  sin  cos   cos  sin   2sin  cos 
cos(2 )  cos  cos   sin  sin   cos 2   sin 2 

tan   tan  2 tan 
tan(2 )  
1  tan  tan  1  tan 2 
其中，将 cos(2 )  cos 2   sin 2  与 cos2   sin 2   1 相结合，可得：
cos(2 )  2 cos 2   1
cos(2 )  1  2sins 2 
经过这两种变换后，等式右边只有 1 个三角函数。
根据公式 cos(2 )  2cos 2   1 和 cos(2 )  1  2sins 2  ，分别将它们变
形可以得到半角公式，即用一个角的三角函数表示它的一半大小的角
的三角函数的公式：

1  cos 2
cos   
2
1  cos 2
sin   
2
sin 
利用：tan  
cos 
|sin  | 1  cos 2 1  cos 2 1  cos 2
| tan  |   / 
|cos  | 2 2 1  cos 2
即：tan    1  cos 2
1  cos 2

将上述公式中的  替换为：
2
 1  cos 
cos 
2 2
 1  cos 
sin 
2 2
 1  cos 
tan 
2 1  cos 
以上 3 个公式就是半角公式。可以看出，半角公式涉及到正负号
的判断，因此使用起来有一点不便。

对于 tan 有一个不涉及到正负号判断的表示方法，也体现出一
2
定技巧性：
    1  cos 
sin sin
sin sin 2
 2  2 2  2  2 1  cos 
tan  
2 cos  cos  sin  sin  cos  sin  sin 
2 2 2 2 2 2
     sin 
sin sin cos sin cos
 2  2 2 2 2 2 sin 
tan    
2     1  cos  1  cos 
cos cos cos cos 2
2 2 2 2 2
上面两个公式的主要优点是免去了判断正负号的麻烦。
对正弦函数和余弦函数的二倍角公式稍加变形后，能得到万能置
换公式：
2 sin  cos  2 sin  cos  (2 sin  cos  ) / cos 2 
sin(2 )  2 sin  cos    
1 sin 2   cos 2  (sin 2   cos 2  ) / cos 2 
2 tan 

1  tan 2 
cos 2   sin 2  cos 2   sin 2 
cos(2 )  cos 2   sin 2   
1 sin 2   cos 2 
(cos   sin  ) / cos  1  tan 
2 2 2 2
 
(sin 2   cos 2  ) / cos 2  1  tan 2 

将上述公式与正切函数的半角公式放在一起，并将  替换为：
   2
2 tan 1  tan 2 2 tan
sin   2 cos   2 tan   2
  
1  tan 2
1  tan 2
1  tan 2
2 2 2
以上 3 个公式叫做万能置换公式，它们的主要优点有：
(1)将同一个角的正弦、余弦、正切函数都统一转化为半角的正切
函数，只存在一种三角函数.
(2)正切函数的值域为全体实数集，若  的定义域无特殊规定，那

么可以把 tan( ) 看作是一个定义域为全体实数集的自变量。
2

(3)三个万能置换公式的形式较为相似，分子分母都是 2 tan 、
2
 
1  tan 2 、1  tan 2 之间的各种组合，使得置换后的化简往往较为方
2 2
便。
但是优点(3)同时也为记忆该公式造成了麻烦，很容易记混。可以
在需要使用时，根据二倍角公式重新推导一遍，该推导过程较为简单。
万能置换公式的推导过程也是解决三角函数问题一条经典思路：
让分子分母同时除以某个元素（多为余弦函数），把正弦函数都转化
为正切函数，把余弦函数都转化为 1，使得表达式中只有正切函数这
一种三角函数，并且正切函数的值域为全体实数集，可以直接看作一
个普通变量 x 。如果表达式不能通过直接除以一个三角函数完成转
换，可以利用 cos2   sin 2   1 ，把常数项或“不存在”的分子转化成三
角函数。

2.3 积化和差、和差化积
将有共同成分的和角公式和差角公式相加减可以得到积化和差，
或将  和  进行较为巧妙的替换可以得到和差化积公式。
再列一遍和角公式和差角公式：
sin(   )  sin  cos   cos  sin 

tan   tan 
tan(   ) 
tan   tan 
tan(   ) 
积化和差是指将两个三角函数的积，转化为另外两个与它们有关
的三角函数的和或差的公式。
将余弦函数的和角公式和差角公式的等式两边同时相加得：
cos(   )  cos(   )  (cos  cos   sin  sin  )  (cos  cos   sin  sin  )
消项、移项，化简得：
1
cos  cos   [cos(   )  cos(   )]
2
将余弦函数的和角公式和差角公式的等式两边同时相减得：
cos(   )  cos(   )  (cos  cos   sin  sin  )  (cos  cos   sin  sin  )
1
sin  sin   [cos(   )  cos(   )]
2
将正弦函数的和角公式和差角公式的等式两边同时相加得：
sin(   )  sin(   )  (sin  cos   cos  sin  )  (sin  cos   cos  sin  )

1
sin  cos   [sin(   )  sin(   )]
2
cos  sin  的积化和差公式只需要调换上面公式中  和  的位置即
可得到。
和差化积是指将两个三角函数的和或差，转化为另外两个与它们
有关的三角函数的积的公式。
1
将积化和差公式 sin  cos   [sin(   )  sin(   )] 中的  和  分别
2
替换为    和    ：
2 2
   
1         1
sin cos  [sin(  )  sin(  )]  (sin   sin  )
2 2 2 2 2 2 2 2
   
即：sin   sin  =2sin cos
2 2
将上述公式中的  替换为   得：
  (  )   (  )
sin   sin(  )=2 sin cos
2 2
   
sin   sin  =2sin cos
2 2
1
将积化和差公式 cos  cos   [cos(   )  cos(   )]中的  和  分别
2
  
替换为和：
2 2
    1         1
cos cos  [cos(  )  cos(  )]  (cos   cos  )
2 2 2 2 2 2 2 2
   
即：cos   cos  =2 cos cos
2 2
1
将积化和差公式 sin  sin   [cos(   )  cos(   )] 中的  和  分别
2
  
替换为和：
2 2

    1         1
sin sin  [cos(  )  cos(  )]  (cos   cos  )
2 2 2 2 2 2 2 2
   
即：cos   cos  =2sin sin
2 2
三、正弦定理和余弦定理
正弦定理和余弦定理是两个与三角形有关的定理，反映了三角形
的角与边长之间的数量关系，在平面几何、解析几何中非常有用，在
后面的学习中将深刻感受到。
3.1 正弦定理和余弦定理的证明
(1)正弦定理
对于任意的△ABC，它的三个角的大小分别为 A、B、C，每个
角对应的边长分别为 a 、 b 、 c 。如下图所示。
a b c
则各条边和各个角有关系：  
sin A sin B sin C
或： sin A  sin B  sin C
a b c
即：一个三角形的每条边长与对角的正弦值的比例为定值。
其证明较为简单：从△ABC 的三个顶点分别向对边引垂线 AP、
BQ、CR，垂足分别为 P、Q、R，如下图所示。

根据三角形的面积公式可得：
1 1 1
S  ABC  AP  BC  BQ  AC  CR  AB
2 2 2
其中： AP  AC sin C
BQ  AB sin A
CR  BC sin B
将上述 3 个关系式代入原等式关系得：
1 1 1
S  ABC 
AC  BC  sin C  AB  AC  sin A  BC  AB  sin B
2 2 2
代入 AB  c 、 AC  b 、 BC  a ，并约去 1 得：
2
ab sin C  bc sin A  ac sin B
等式的左中右同时除以 abc 得：
sin C sin A sin B
 
c a b
即得证。
这里作出的△ABC 是锐角三角形，若它是直角或钝角三角形也
成立，可以自行作图验证。
(2)余弦定理
余弦定理的证明需要结合几何图形。如下图所示，作任意△ABC。
过点 B 向直线 AC 引垂线，垂足为 D。三个角 A、B、C 的对边长分
别为 a 、 b 、 c 。

则△ABD 和△BCD 都是以∠D 为直角的直角三角形。
对△ABD 使用勾股定理： AD 2  BD 2  AB 2
其中 AD  AC  CD  AC  BC cos(  C )  b  a cos(  C )  b  a cos C ，
BD  BC sin(  C )  a sin(  C )  a sin C ，
AB  c 。
代入得： (b  a cos C ) 2  (a sin C ) 2  c 2
逐步变换、展开、化简：
(b  a cos C ) 2  (a sin C ) 2  c 2
b 2  2ab cos C  a 2 cos 2 C  a 2 sin 2 C  c 2
b 2  2ab cos C  a 2 (cos 2 C  sin 2 C )  c 2
b 2  2ab cos C  a 2  c 2
a 2  b2  c2
cos C 
2ab
以上就是余弦定理的证明过程。同理；
b2  c 2  a2 a 2  c 2  b2
cos A  cos B 
2bc 2ac
即：三角形的任意角的余弦值，等于其两个邻边的平方和减去对
边的平方，再除以两个邻边的积的二倍。
3.2 正弦定理和余弦定理的应用（解三角形）
小学和初中学习了全等三角形的判定，即若两个三角形满足一定

的条件，则说明这两个三角形全等。
其实全等三角形的判定与解三角形的原理一致。若根据已知条件
能且只能解出唯一的三角形，那么该已知条件就是判定两个三角形全
等的条件。
否则，若根据已知条件能解出多个不同的三角形，则满足该条件
的三角形就有多种形状，就不能判定它们全等。
下面逐个分析全等三角形的判定条件，以及不能判定的条件：
(1)边边边
已知三角形的 3 条边长。根据余弦定理，利用三角形的 3 条边长

能够求出三角形的 3 个角的大小，并且每个角的大小都是确定的，因
此已知三角形的 3 条边长，能够确定唯一的三角形，这与“边边边”是
全等三角形的判定条件相符。
(2)边角边
已知三角形的 2 条边和它们的夹角。根据余弦定理，利用两条边
和它们的夹角能够求出该角的对边长，再利用正弦定理可以求出其余
两个角的大小，
(3)角边角
已知三角形的 2 个角和它们的夹边长。根据三角形的内角和为  ，
利用两个角可以求出第三个角（已知边的对角）的大小，再利用正弦
定理可以求出其余两条边长。
(4)角角边
已知三角形的 2 个角和其中一个角的对边长。要注意，这个边和
角的对应关系是已经确定的。
解法与“角边角”相同，利用两个角可以求出第三个角的大小，再

利用正弦定理可以求出其余两条边长。
(5)斜边直角边
斜边直角边是针对直角三角形全等的判定，暗含了“有一个角为
直角”的信息。
已知一条斜边和直角边，根据勾股定理可以算出另一条直角边
长，再根据三角函数求出其余两个角的大小。
下面分析不能判定三角形全等的条件为什么不能：
(-1)角角角
从正弦定理和余弦定理的公式中可以看出，若只确定三个角的大
小，实际上三条边长的比例是确定的，但是它们的具体数值没有确定，
可以等比例放大或缩小。
一系列 3 个角分别相等的三角形构成了一系列相似三角形。
(-2)边边角
假设已知两条边长 a 、b ，以及 a 边所对的角 A，则根据正弦定理
b
可得 b 边所对的角 B：sin B  sin A 。
a
但是对一个确定正弦值，角 B 有可能是锐角或钝角，因此该三角
形并不唯一，故不能证明是确定三角形。如下图所示。已知△ABC(C’)
的边长 a 和 c 以及边 a 的对角 A，则该三角形有两种可能，其中
BC  BC  。则△ABC 和△ABC’都符合条件。

小结
本章学习的公式很多，并且其中全部都要掌握得非常熟练。一方
面要通过大量的练习来加深记忆，另一方面也要梳理各个公式的推导
过程，如果记忆模糊可以迅速现场推导出来。
其中一个变量的恒等变换可以通过画简图迅速判断，两个变量的
恒等变换至少要牢记其中的和角公式和差角公式，通过相加减和变量
替换等方法推出其他公式。正弦定理的推导较为简单，余弦定理在向
量和解析几何部分将会经常使用。
在推导三角恒等变换公式中使用的将公式相加减、替换变量、分
子分母同时乘或除以同一个表达式等思路，在分析处理三角函数时非
常常用，在练习中要提高熟练度和敏感性，能够选取合适的公式进行
化简，减少变量的数量或三角函数种类的数量。还要注重在分析三角
函数的性质时，使用三角恒等变换将函数表达式变得更加“单一”或
“简单”。

过去的数学学习中，代数运算与几何分析是两种不同的数学问
题，解决几何问题主要使用几何公理、定律、定理进行分析推断，很
少涉及到代数运算。
本章学习一个全新的概念：向量。向量最突出特点是“数形结合”：
用代数运算表示几何关系，将几何关系蕴含到代数运算中去。
由于向量的这个特点，使用向量解决几何问题时，不再需要画出
精确的图形、作出精妙辅助线，只需要根据向量运算的规则按部就班
地进行代数运算即可，使得几何问题解决起来非常简洁明了。
将几何图形与代数运算结合起来的重要途经是坐标化，即通过坐
标轴、平面直角坐标系、空间直角坐标系等方法将空间内的点转化为
数值或代数符号。用代数方法解决几何问题是解析几何的主要内容。
虽然向量提供了“绕过”具体图形解决几何问题的路径，但在学习
使用向量时必须要非常注重理解向量的代数运算与几何图形关系之
间的关系，不能把向量学成了单纯的代数，要时刻牢记向量的本质是
“数形结合”。
这是第一次学习向量这一“数形结合”的概念，学习时需注重准备
把握向量的基本概念，通过大量练习熟悉其运算法则、规律和几何意
义，并体会向量在解决几何问题时的简单和便捷。
一、向量的基本概念
向量是一个既有“数”又有“图”的概念，并且“数”和“图”之间的联
系非常紧密。准确理解向量的基本概念是掌握向量的性质、运算和应
用的前提，要注重理解“向”和“量”的数字含义和几何意义，以及数与
图形之间的对应关系。

1.1 向量的基本概念
向量的定义包含的它的名称当中：“向”和“量”，即“方向”和“数
量”。这就是向量的定义：既有方向、又有大小的量。
“向量”与“数量”既有相同点、也有不同点：它们的都有“大小”，
但向量有“方向”而数量没有。
根据向量的定义可知，向量只规定了“方向”和“大小”，“向”和“量”
是识别确定一个向量的“唯二”参数，只要一个向量的“方向”和“大小”
都确定，那么这个向量就唯一确定。
要注意的是，向量没有规定“位置”。一个确定了方向和大小的向
量，在确保其方向和大小不变的前提下，可以任意平移，其本身不发
生任何变化。
虽然向量可以任意平移、没有固定位置，但如果给一个确定的“起
点”，在一个确定的向量的作用下，就能得到一个确定的“终点”。
反之，如果给一个确定的“终点”，再给出确定的向量，也能倒推
出一个确定的“起点”。
向量表示的是一种变化方式，具体表现为位置的移动。一个向量
可以看作一个对应关系（函数），任何一个“起点”在该向量的作用下，
都能得到唯一确定的“终点”。
向量有 4 种主要表示方式：
(1)在小写字母上添加向右的箭头或直接用加黑的小写字母表示，
  
1 个字母表示 1 个向量，例如： a 、 b 、 c 或 a 、 b 、 c 。这种记法只是
抽象地表示向量，无法直接反映向量的具体信息，类似于用 f ( x) 、
g ( x ) 、 y 抽象地表示函数，只是一般的指代，多用于研究一般的性质。
(2)用向量的起点和终点表示，例如：若某个向量的起点为 A、终


点为 B，则该向量可以表示为 AB 。虽然这种表示方法感觉上似乎把

该向量的位置固定了，其实并没有， AB 仅表示从点 A 移动到点 B 的
“移动方式”（方向和距离）。如果换个起点，仍用该方式移动，则还
是相同的向量。
(3)用向量所在的几何空间中的有关参数表示，即坐标表示。该表
示方法能够反映出具体向量的具体方向、大小等信息，是接下来主要
学习的内容。
(4)用有向线段形象具体地表示向量。有向线段就是有方向的线
段，可以用来形象地表示向量。线段所指向的方向表示该向量的方向，
线段的长度表示该向量的大小。
 
向量的大小也叫做向量的模，向量 a 或 AB 的模记作 | a | 或 | AB | ，
与数的绝对值的表示方法类似。

模为 0 的向量叫做零向量，记作 0 或 0 。一般规定零向量没有方
向，或为任意方向，即零向量可以根据需要取任何方向。由于零向量
的模为 0，因此在实际计算中零向量方向的选取对实际结果没有影响，
经常会为了分析计算方便而根据实际情况给一个方向。
模为 1 的向量叫做单位向量。由于单位向量只规定了大小，没有
规定方向，因此在一个几何空间内往往有多个单位向量。
研究几何问题时，相应的图形要放在一定的环境里研究，这个环
境叫做几何空间，中学常见的几何空间有：一维空间（直线）、二维
空间（平面）、三维空间（立体空间）。
为了便于定量分析计算，通常会将相应的几何空间坐标化，用坐
标表示点，用代数关系表示几何图形。一维直线常使用数轴，二维平
面常使用平面直角坐标系，三维立体空间常使用空间直角坐标系。

本章主要学习平面直角坐标系中的向量，即平面向量。由于一维
向量较为简单、容易理解，因此顺便介绍一维向量作为过渡。空间向
量将在未来的章节学习。
1.2 一维向量
在一维的数轴上可以构造一维向量。
在数轴上作一段线段，并在线段的左边或右边标上箭头，就构成
了一个一维向量。首先来了解一维向量的“向”和“量”：
向。数轴共有两个方向：正方向和负方向。因此一维向量只有两
种方向：正方向或负方向。若箭头向左，则该向量为负方向；若箭头
向右，则该向量为正方向。
量。数轴上的每个点表示一个实数，由数轴上的任意两个点构成
的线段的长度就是它们之间的距离。表示向量的有向线段的长度就是
该向量的模。
从数轴上选取两个点 A、B，它们对应的实数分别为 a 、b ，则向

  
量 AB 表示过程“从 A 移动到 B”，向量 AB 的坐标表示为 AB  b  a ，即
用终点的坐标减去起点的坐标。

向量 AB 的几何意义不是仅专门地表示“从 A 移动到 B”，而是普
遍地表示“沿着从 A 向 B 的方向，移动 | b  a | 的距离”。

为便于表示，令实数 p  b  a ，则向量 AB 也可以直接用实数 p（或
 | p | ）表示。符号  或  表示向量的方向，绝对值 | p | 表示向量的模。
若令 a  0 ，则 p  b  0  b ，即：以原点 0 为起点，在向量 p 作用
下，终点坐标也为 p 。
由此可见，实数 p 既能表示数轴上的一个点，也能表示数轴上的

一个一维向量。当实数 p 表示点时，它的符号表示在数轴的右边（  ）
还是左边（  ），它的绝对值表示距离远点（0）的距离。
当实数 p 表示向量时，它的符号表示移动的方向是向右（  ）还
是向左（  ），它的绝对值表示移动的距离。
例如：向量“ 3 ”表示向数轴的负方向移动 3 个单位。若起点为 0，
向负方向移动 3 个单位的终点为 3 。若起点为 5，向负方向移动 3 个

单位的终点为 2。
向量“ 2 ”表示向数轴的正方向移动 2 个单位，正号一般省略。
若起点为 0，向正方向移动 2 个单位的终点为 2 。若起点为 5 ，向正

方向移动 2 个单位的终点为 5  2 。
向量的同向和反向。若两个一维向量的符号相同，称它们方向相
同。可知所有正数表示的向量方向都相同，所有负数表示的向量也方
向都相同。
若两个向量的符号相反，则称它们方向相反。任意一个正数与一
个负数表示的向量方向相反。
相等向量。若两个向量的符号（方向）相同、模相等，则这两个
向量相同，它们是同一个向量，也叫做相等向量。易知：若两个一维
向量相等，则表示它们坐标的实数也相等。
相反向量。若两个向量符号（方向）相反、模相等，即分别为 p
和  p ，则称这两个向量互为相反向量。
单位向量。长度为 1 的向量叫做单位向量。数轴上共有两个单位
向量，分别为 1和 1 （也记作 i 和 -i ）。
用实数表示向量是一种简便写法，完整的写法是 p  pi ，其中 i 表
示指向正方向的单位向量，即方向为数轴正方向、长度为 1 的向量。

前面的系数 p 是数量，其符号表示向量的方向，绝对值表示向量的大
小。将单位向量 i 省略后简写为 p 。
零向量。长度为 0 的有向线段叫做零向量，零向量也可以视作一
个点。零向量具有如下性质（先简单了解零向量的性质，本章第二节
将具体学习向量的运算）：
(1) a  0  a ，即任何向量与零向量相加仍得它自身，这与任何实
数与 0 相加仍得自身的性质相同： a  0  a 。
(2) a  (-a)  0 ，即任何向量与它的相反向量的和为零向量，这与实
数与它的相反数的和为 0 的性质相同： a  ( a)  0 。
1.3 平面向量
平面向量是高中数学重点学习的向量。在二维的平面空间中可以
构造平面向量。
在描述平面向量之前，先简单复习平面的坐标化，即建立平面直
角坐标系。
在空间内选取一个点为坐标原点 (0, 0) ，以该点为零点作两条相互
垂直的数轴，一条水平，规定向右为正方向，命名为 x 轴；一条垂直，
规定向上为正方向，命名为 y 轴。
这样一来，平面空间内的任意点 A，分别向 x 轴和 y 轴引垂线。
x 轴上的垂足对应的坐标 xA 、y 轴上的垂足对应的坐标 y A ，共同构成

实数对 ( x A , y A ) ，叫做点 A 的坐标。
根据坐标的取值过程可知，空间内任意一个点都有唯一的坐标。
任意一对实数对都对应平面内唯一的一个点。
现在构造平面向量。在平面内选取两个点 A ( x A , y A ) 和 B ( xB , yB ) ，

做一段有向线段 AB 并规定其方向，例如从 A 指向 B，就得到了平面
 
向量 AB ，用坐标表示为： AB  ( xB  x A , yB  y A ) 。
该向量的几何意义为：沿着从 A 向 B 的方向，移动距离 | AB | 。
将该变化分解到 x 轴和 y 轴上：沿 x 轴方向移动 xB  x A 、沿 y 轴

既可以先沿 x 轴方向移动 AM 、
方向移动 yB  y A 。移动顺序不产生影响，
 
再沿 y 轴方向移动 MB ，也可以先沿 y 轴方向移动 AN 、再沿 x 轴方向

移动 NB 。如下图所示，
为便于表示，令 x p  xB  x A ，y p  yB  y A ，于是可用实数对 ( x p , y p ) 代
 
替 ( xB  x A , yB  y A ) 表示向量 AB ，即 AB  ( x p , y p ) 。

向。向量 AB  ( x p , y p ) 的方向可以用它与 x 轴正方向的夹角  表示：

将 AB 平移到起点与原点重合，此时向量与 x 轴正方向所成的夹角  可
以用来表示该向量的方向，一般规定 0    2 。根据三角函数的知识
xa ya
可得：  满足关系：cos   ，sin   。
xa 2  ya 2 xa 2  ya 2

量。向量 AB  ( x p , y p ) 的模就是线段 AB 的长度，根据勾股定理可

得： | AB | x p 2  y p 2 。

由上述分析可知，向量 AB 的“向”和“量”都由它的坐标唯一确定，


于是向量 AB 也由其坐标唯一确定。
与一维向量类似，实数对 ( x p , y p ) 既可以表示一个点 P ( x p , y p ) ，也
可以表示一个向量 p  ( x p , y p ) ，若以原点 (0, 0) 为起点，则向量 p  ( x p , y p )

的终点就是点 P ( x p , y p ) 。
用一对实数对 ( x p , y p ) 表示平面向量也是一种简略方式。完整表示
为 p  ( x p i, y p j) 或 p  x p i  y p j 。其中 i 为沿 x 轴正方向的单位向量， j 为
沿 y 轴正方向的单位向量。
由于 x 轴与 y 轴相互垂直，于是沿水平方向移动不影响纵坐标、
沿垂直方向移动不影响横坐标，因此 i 和 j 前的系数 xA 和 y A 互不影响。
由于平面空间内有无穷多方向，因此平面向量之间方向的关系比
只有正负两种方向的一维向量要复杂。
向量之间的夹角。向量 a  ( xa , yb ) 与 b  ( xb , yb ) 之间的夹角  可以通
过如下方式获得：将向量 a 和 b 的起点重合，于是这两个有向线段就
构成夹角，其中不大于平角的夹角叫做这两个向量之间的夹角。向量
a 与 b 的夹角也用符号  a, b  表示。
方向相同。对于向量 a  ( xa , yb ) 与 b  ( xb , yb ) ，若 a 与 x 轴正方向的
夹角  、 b 与 x 轴正方向的夹角  相等：    ，即  a, b  0 ，则称它
们的方向相同。于是有： cos   cos  ， sin   sin  。即：
xa xb ya yb
 
xa 2  ya 2 xb 2  yb 2 ， xa 2  ya 2 xb 2  yb 2 。
方向相反。若向量 a 与 b 满足关系 |    |  ，即  a, b   ，则称它
们的方向相反。于是有： cos    cos  ， sin    sin  。即：
xa xb ya yb
 
xb 2  yb 2 ， xa  ya xb  yb 2 。
2 2 2
xa 2  ya 2
共线（平行）。当向量 a 与 b 方向相同时，由 cos   cos  、sin   sin 
x x ya yb
可得： tan   tan  。由 x 2  y 2  x 2  y 2 和 
a b
xa  ya
2 2
xb  yb 2
2 可
a a b b

x y
得：x  y ，该等式表示 a 与 b 的横坐标、纵坐标所成的比例相同。将
a a
b b
y yb
其变形得： a  ，该等式表示 a 与 b 的斜率相等。
xa xb
当向量 a 与 b 方向相反时，由 cos    cos  、 sin    sin  也可得：
xa xb ya yb
 
tan   tan  。由和 xa  ya
2 2
xb  yb 2 也可得：
2
xa 2  ya 2 xb 2  yb 2
xa ya y y
从 和 a  b ，这两个等式也分别表示 a 与 b 的横坐标、纵坐标的比
xb yb xa xb
例相同；以及 a 与 b 的斜率相等。
根据上面的数学推导可知，方向相同（    ）或相反（ |    |  ）
的两个向量，它们所在的直线的斜率相等，此时称这两个向量平行，
也称它们共线。即：方向相同或方向相反的两个向量，它们平行（共
线）。
这与已经掌握的几何知识一致，如果把射线看作模为无穷大的向
量的话，两条共线的射线有同向和反向两种情况。
在过去学习的几何知识中，平行和共线是两个概念。若 2 条直线
共线，则说明它们重合。只有当 2 条直线不重合时，才去讨论它们是
相交还是平行。
由于向量可以任意平移而不影响其性质，因此若两个向量所在的
直线平行，则这两个向量可以平移到同一条直线上，因此对于向量而
言，平行和共线的含义相同。这体现了向量只有“向”和“量”，没有“位
置”的特点。
相等向量。若向量 a  ( xa , ya ) 和 b  ( xb , yb ) 同时满足条件：
(1)模相等： xa 2  ya 2  xb 2  yb 2
xa xb ya yb
 
(2)方向相同： x 2  y 2 xb 2  yb 2 ， xa 2  ya 2 xb 2  yb 2 。
a a
则称这两个向量相等，它们互为对方的相等向量。
联立上面 3 个等式并解方程组可得：若两个向量同时满足以上两

个条件中的关系式，则有 xa  xb ， ya  yb 。
即：若两个向量相等，则它们的横坐标、纵坐标分别相等。
相反向量。若向量 a  ( xa , ya ) 和 b  ( xb , yb ) 同时满足条件：
(1)模相等： xa 2  ya 2  xb 2  yb 2
x x y y
(2)方向相反： x 2  y 2   x 2  y 2 ， 2 
a b a b
。
a a b b xa  ya 2
xb  yb 2
2
则称这两个向量互为对方的相反向量。
联立上面 3 个等式并解方程组可得：若两个向量同时满足以上两
个条件中的关系式，则有 xa   xb ， ya   yb 。
即：若两个向量互为相反向量，则它们的横坐标、纵坐标分别互
为对方的相反数。
单位向量。根据单位向量的定义可知，若向量 a ( xa , yb ) 的模为 1，
则其满足关系 xa 2  ya 2  1 。
由于单位向量只规定了模，没有规定方向，因此平面上可以有无
穷多单位向量，将单位圆的任意一条半径规定方向后，都能得到一个
单位向量。
零向量。在平面上，长度为 0 的向量叫做零向量。平面中的零向
量同样没有方向或可以任选方向。零向量也有性质：(1) a  0  a ，
(2) a  (-a)  0 。接下来学习向量的基本运算。
二、向量的基本运算
向量的基本运算是使用向量解决问题的主要工具。向量的运算具
有“数形结合”的特点，在代数运算中蕴含着图形变换的意义，有时也
可以通过分析集合图形帮助解决代数问题。需重点掌握运算法则得以
成立的原理和所表示的几何意义。

2.1 向量的加法
向量 a 与 b 相加，记作 a  b ，其结果仍是一个向量。该向量表示：
先沿向量 a 移动、再沿向量 b 移动，这就是向量加法的几何意义。

在几何图形中，向量的加法满足平行四边形法则：将 a 的终点作
为 b 的起点，以 a 和 b 作为两条邻边构造平行四边形，由 a 的起点指向
b 的终点所构成的向量为向量 a  b 。如下图所示。
与实数加法符合交换律和结合律类似，向量的加法也符合交换律
和结合律。
交换律。根据平行四边形法则可知，先沿向量 a 移动、再沿向量
b 移动，与颠倒顺序后先沿向量 b 移动、再沿向量 a 移动，所构造的平
行四边形相同，得到的对角线也相同。因此有 a  b  b  a ，即向量的
加法符合交换律。
上图中虚线表示的路径就是按照 b  a 移动的过程，可以看出起点
和终点与 a  b 相同，说明 a  b 与 b  a 是同一向量。

结合律。向量的加法也符合结合律： (a  b)  c  a  (b  c) 。等式两
边的运算分别表示：
(1)以 a 的终点作为 b 的起点，再以 b 的终点作为 c 的起点，从 a 的

起点指向 c 的终点的向量即为 (a  b)  c 。
(2)以 b 的终点作为 c 的起点构造向量 b  c ，以 a 的终点作为 b  c 的
起点，从 a 的起点指向 b  c 的终点的向量即为 a  (b  c) 。

如下图所示，3 根实线分别表示向量 a 、b 、c ，虚线表示向量 b  c ，
从图中可以看出 (a  b)  c 与 a  (b  c) 的起点和终点相同，为图中加粗
的向量，说明它们是同一向量。
将平面坐标化以后，对于平面直角坐标系中的向量 a  ( xa , ya ) 与
b  ( xb , yb ) ，它们的和的坐标表示为 a  b  ( xa  xb , ya  yb ) 。
其原理为：向量 a  ( xa , ya )  xa i  ya j 可以看作先沿 x 轴移动 xa 、再
沿 y 轴移动 ya 。向量 b  ( xb , yb )  xb i  yb j 可以看作先沿 x 轴移动 xb 、再

沿 y 轴移动 yb 。根据向量的加法符合交换律和结合律可得：
a  b  ( xa i  ya j)  ( xb i  yb j)  ( xa i  xb i )  ( ya j  yb j)  ( xa  xb )i  ( ya  yb ) j
对于多个向量 a1  ( x1 , y1 ) 、 a 2  ( x2 , y2 ) … a n  ( xn , yn ) 相加，有：
a1  a 2  ...  a n  ( x1  x2  ...  xn , y1  y2  ...  yn ) 。
其几何意义如下图所示，按部就班地依次移动即可，根据交换律
和结合律可知，调换相加的顺序后结果不变。

向量加法的交换律用坐标表示为：令 a  ( xa , ya ) ，b  ( xb , yb ) ，于是
a  b  ( xa  xb , ya  yb ) ， b  a  ( xb  xa , yb  ya ) 。根据实数加法的交换律可
知： xa  xb  xb  xa ， ya  yb  yb  ya ，因此 a  b  b  a 。用坐标表示的向
量的加法结合律可以用同样的方法证明。
向量的减法。在实数的减法中，减去一个实数相当于加上它的相
反数。向量的减法原理与之相同：减去一个向量等相当加上该向量的
相反向量。在具体图像上，只需要将减去的向量的方向调换，再使用
平行四边形法则即可： a  b  a  (-b) 。如下图所示。

根据向量加法和减法的定义可得：
(1)一个向量加上零向量，结果仍为它本身 a  0  a 。
(2) 互为相反向量的两个向量，它们的和为零向量 a  (-a)  0 。

对于平面直角坐标系中的向量 a  ( xa , ya ) 和 b  ( xb , yb ) ， a 减去 b 的
差为： a  b  ( xa  xb , ya  yb ) 。
平面向量的加减法也满足不等式关系： || a |  | b ||| a  b || a |  | b | 。
在向量的加减法中，该不等式关系有新的含义。
根据向量加法的平行四边形法则可知：当 a 与 b 方向相同时，
| a  b || a |  | b | 。当 a 与 b 方向相反时，| a  b ||| a |  | b || 。当 a 与 b 之间
的夹角在 0 和 π 之间时， || a |  | b ||| a  b || a |  | b | 。
2.2 向量的数乘（结合律，分配率）
向量能直接与数相乘。向量 a 与数 k 相乘，其结果也是一个向量，
一般记作 k  a 或 ka 。
(1) ka 的方向：若 k  0 ，则 ka 与 a 方向相同；若 k  0 ，则 ka 与 a 方

向相反；若 k  0 ，则 ka 是零向量。(2) ka 的模：ka 的模是 a 的模的 | k | 倍。
在具体图像上，向量 a 与数 k 相乘，相当于将 a 的长度变为原来的
| k | 倍，再根据 k 的符号决定方向不变还是相反。如下图所示。

对于平面直角坐标系中的向量 a  ( xa , ya ) 和实数 k ，它们的乘积
为：ka  (kxa , kya ) 。即令 a 的横坐标 xa 和纵坐标 ya 分别乘以 k 。于是 ka 的
模为： | ka | (kxa )2  (kya )2  k 2 ( xa 2  ya )2 | k | xa 2  ya 2 | k |  | a |
ka 与 x 轴正方向夹角  ' 满足关系（  为 a 与 x 轴正方向夹角）：

kxa kxa k xa k
cos( ')       cos 
( kxa )  (kya )
2 2
| k |  xa  ya
2 2 | k | xa  ya
2 2 |k|
kya kya k ya k
sin( ')       sin 
( kxa )  (kya )
2 2
| k |  xa  ya
2 2 | k | xa  ya
2 2 |k|
根据上述关系式可知：(1)若 k  0 ，则 cos  '  cos  ， sin  '  sin  ，

即  '   ；(2)若 k  0 ，则 cos  '   cos  ， sin  '   sin  ，即 |  '  |  ，
二者方向相反。
综上，向量的数乘的几何意义与代数运算相一致。
数的乘法满足交换律、结合律、分配率，向量的数乘有类似规律：
交换律。由于向量的数乘中数和向量的性质不同，因此不存在“交
换”的说法，一般习惯性将数字写在前、向量写在后。
结合律。向量的数乘有类似于结合律的规律：对于向量 a 和实数
k 、 l ，有： k  (la)  ( kl )  a  l  ( ka ) 。即：两个数字与一个向量相乘，任
意一个数字先与向量相乘、另一个与后相乘，或先将两个数字相乘之
后再与向量相乘，结果相同。多个数字相乘的情况类似。
其证明较为简单，设向量 a  ( xa , ya ) 和实数 k 、 l ，则有：
k  (la)  k (lxa , lya )  ( klxa , klya )
(kl )  a  ( klxa , klya )
l  (ka)  l (kxa , kya )  (lkxa , lkya )
根据实数乘法的结合律可知，以上三个表达式的相同。
分配率。向量的数乘也有类似于分配率的规律，有 2 种具体形式：

(1)对于向量 a 和实数 k 、 l ，有： (k  l )a  ka  la 。
(2)对于向量 a 、 b 和实数 k ，有： k (a  b)  ka  kb 。
现在证明(2)，请自行证明(1)作为练习。
设向量 a  ( xa , ya ) 、 b  ( xb , yb ) 和实数 k ，则有：
k (a  b )  k[( xa , ya )  ( xb , yb )]  k ( xa  xb , ya  yb )  (kxa  kxb , kya  kyb )
ka  kb  k ( xa , ya )  k ( xb , yb )  (kxa , kya )  (kxb , kyb )  (kxa  kxb , kya  kyb )
k (a  b)  ka  kb 即得证。
经前面学习向量共线得知，若向量 a  ( xa , ya ) 和 b  ( xb , yb ) 共线，则
xa ya x y
有关系  。若令 a  a  k ，则有 xa  kxb 、 ya  kyb ，即 a  kb 。
xb yb xb yb
反过来，若向量 a  ( xa , ya ) 和 b  ( xb , yb ) 满足关系，存在某个实数 k
xa ya y y
使得 a  kb ，于是   k ，变形后得到 a  b ，表明这两个向量所
xb yb xa xb
在的直线斜率相等，即它们共线。
综上，向量 a  ( xa , ya ) 和 b  ( xb , yb ) 共线的充要条件为：存在某个实
数 k 使得 a  kb 。即：若两个向量共线，则它们的横坐标和纵坐标分别
所成的比例相等。这是判断或证明向量共线的重要方法。
一般规定实数 k  0 。若 k  0 则 a 成为零向量，方向可以任选，可
以认为与任意向量都共线，因此也成立。
2.3 向量的内积
向量的内积也叫做向量的点乘。向量 a 和 b 的内积用符号 a  b 或 ab
表示，由于乘号用点表示，因此也叫点乘。
向量的内积不能用符号 a  b 表示， a  b 表示另一种运算，叫做向
量的外积或叉乘。
向量内积的定义为： a  b | a |  | b |  cos  a, b 

从定义式可以看出，向量内积的结果是一个数，而不是向量。该
数为两个向量的模与它们的夹角的余弦值的乘积。
向量 a 与 b 的内积的几何意义为：a 在 b 方向上的投影的模，与 b 的
模的乘积。或 b 在 a 方向上的投影的模，与 a 的模的乘积。如下图所示。
虽然从图中看不明显，但根据定义式可知，这两种表述的结果相同。
现在推导向量内积的坐标运算，如下图所示：
向量 a 、b 的起点都为原点 O (0, 0) ，终点分别为 A( xa , ya ) 、B( xb , yb ) ，

即 a  ( xa , ya ) 、 b  ( xb , yb ) 。于是 | OA | xa 2  ya 2 、 | OB | xb 2  yb 2 。根据
  
向量的减法得： AB  OB  OA ，因此 | AB || b  a | ( xb  xa )2  ( yb  ya )2 。

| OA |2  | OB |2  | AB |2
根据余弦定理有：cos  a, b 
2 | OA || OB |
根据向量内积的定义，向量 a 与 b 的内积的坐标表示为：
a  b | a |  | b |  cos 
| OA |2  | OB |2  | AB |2
| OA |  | OB| 
2 | OA || OB |
1
 (| OA |2  | OB |2  | AB |2 )
2
1 2 2 2
 ( xa 2  ya 2  xb 2  yb 2  ( xb  xa ) 2  ( yb  ya ) 2 )
2
1
 {( xa 2  ya 2 )  ( xb 2  yb 2 )  [( xb  xa ) 2  ( yb  ya ) 2 ]}
2
1 2
 [ xa  ya 2  xb 2  yb 2  ( xb 2  2 xa xb  xa 2  yb 2  2 ya yb  ya 2 )]
2
1
 (2 xa xb  2 ya yb )
2
 xa xb  ya yb
即： a  b  ( xa , ya )  ( xb , yb )  xa xb  ya yb
即：两个平面向量的内积，等于它们的横坐标乘积与纵坐标乘积
之和。
| a |2  | b |2  | a  b |2
又由于余弦定理可化为：cos  
2 | a || b |
a b
向量内积的定义式 a  b | a |  | b |  cos  变形后得：cos  
|a ||b |
1
比较上面两个公式可得：a  b  (| a |  | b |  | a  b | ) ，将其变形后
2 2 2
2
得到向量运算的完全平方公式： | a  b |2 | a |2  | b |2 2a  b 。
向量 a  ( xa , ya ) 与它自己的内积为： a 2  a  a  xa xa  ya ya  xa 2  ya 2 。
2
同时，向量的模的平方为： | a |2  xa 2  ya 2  xa 2  ya 2 ，因此有： a 2 | a |2
根据向量内积的定义式和运算法则可以得到以下规律：
(1)若向量 a 与 b 方向相同，则  a, b  0 ，cos  a, b  cos 0  1 ，于是：
a  b | a |  | b | 。特别的，一个向量与它自身相乘： a 2  a  a | a |2

(2)若向量 a 与 b 方向相反，则  a, b   ，cos  a, b  cos   1 ，于是：
a b   | a |  | b | 。
 
(3)若向量 a 与 b 垂直，则  a, b  , cos  a, b  cos  0 ，于是：
2 2
a  b  0 ，即 ( xa , ya )  ( xb , yb )  xa xb  ya yb  0 。
若非零向量 a 、 b 满足 a  b  xa xb  ya yb  0 ，即 | a |  | b |  cos  a, b  0 ，

由于 | a | 0 且 | b | 0 ，因此只能 cos  a, b  0 ，即  a, b  ，说明 a 与 b
2
垂直。
综上，两个向量相互垂直的充要条件为 a  b  xa xb  ya yb  0 。这是
一条非常有用的结论。
(4)根据向量内积的定义式和数的乘法交换律可得：
a b  b a 。
(5)根据向量内积的定义式和数的乘法的结合律可得：
a  ( b  c)  a  b  a  c
(6)根据向量内积的定义式可得（ k 为实数）：
( ka)  b  k (a  b) 。
(7)由于向量的内积是两个向量运算结果得到一个数，因此向量的
内积不存在结合律。
由于向量内积满足分配率，因此向量内积的表达式既可以进行提
取公因式、因式分解等变换，也可以使用完全平方公式、平方差公式
等规律： (a  b) 2  a 2  2ab  b 2 、 (a  b)(a  b)  a 2  b 2 。
三、平面向量基本定理与坐标的三角函数表示
平面向量基本定理是向量的坐标运算的理论基础，理解该定理需
要进行一定的抽象想象，理解平面向量基本定理对于理解向量运算的
坐标表示及其几何含义有很大帮助。

坐标的三角函数表示是一种不同于用横纵坐标 ( x, y ) 的表示方式，
也是一种新的分析解决问题的思路，这两种表示方式（思路）各有特
点，可以针对不同题目情况选用更简单方便的。坐标的三角函数表示
与后面将要学习的圆锥曲线、极坐标都有紧密联系。
3.1 平面向量基本定理
用平面坐标 a  ( xa , ya ) 表示平面向量时，其完整写法为 a  xa i  ya j 。
其中 i 为指向 x 轴正方向的单位向量，j 为指向 y 轴正方向的单位向量。

这种表示方式蕴含着一条非常重要的定理：平面向量基本定理。
平面向量基本定理的内容为：若向量 e1 、 e 2 是平面内的两条不共
线的向量，则该平面内的任意向量 a ，都有唯一的一对实数 1 、 2 ，
使得 a  1e1  2e2 。
这里选取的不共线的向量 e1 和 e 2 叫做基底。对构成基底的两个向
量只有“不共线”这一个要求，没有关于它们的大小和方向等其他要
求。实际习惯使用的平面直角坐标系就是用 i 和 j 作为基底。
平面向量基本定理可以用平面直角坐标系证明如下：设不共线的
向量 e1 、e 2 用坐标分别表示为 e1  ( x1 , y1 ) 、e 2  ( x2 , y2 ) 。由于 e1 与 e 2 不共
y1 y2
线，因此 
x1 x2
对于向量 a  ( xa , ya ) ，假设 a  1e1  2e2 ，于是有：( xa , ya )  1 ( x1 , y1 ) 
2 ( x2 , y2 )  (1 x1  2 x2 , 1 y1  2 y2 ) ，得到关于 1 、 2 的二元一次方程组：
xa  1 x1  2 x2
ya  1 y1  2 y2
y1 y2
根据前面复习的二元一次方程组解的情况可知，由  可判
x1 x2
定：该方程组有唯一的解。
即得证：对于平面内任意给定的一对不共线的向量 e1 、 e 2 ，平面

内任意向量 a 都能由唯一的一对 1 、 2 表示为 a  1e1  2e2 。
在选取基底时，两个相互垂直的向量是较为方便使用的基底，
因为沿着其中一个向量移动不对另一个向量方向的位置产生影响。
此外，模为 1 的向量也是较为方便使用的基底，因为基底前的系
数 1 、 2 就是沿该基底方向移动的距离。
最常用的平面直角坐标系就是一对互相垂直、模为 1 的基底。
3.2 坐标的三角函数表示
回顾三角恒等变换中的一种经典题型：求 y  a sin x  b cos x 的最大
值或最小值。
使用的解法是假设弧度 t 满足：cos t  a / a 2  b2 ，sin t  b / a 2  b2 ，

将其转化为 y  a 2  b 2 sin( x  t ) 。
现在换一种视角，构造两个向量 x  (cos x, sin x) 、 t  (b, a) 。于是它
们的内积为 x  t  (cos x, sin x )(b, a)  a sin x  b cos x ，这与 y 的表达式相同。

因此 y  a sin x  b cos x 可以看作向量 x  (cos x, sin x) 和 t  (b, a) 的内
积。根据向量内积的定义式 x  t | x |  | t |  cos  x, t  可知：
当 t 与 x 方向相同时， y  x  t 取最大值 | x |  | t | ；
当 t 与 x 方向相反时， y  x  t 取最小值  | x |  | t | ；
当 t 与 x 方向垂直时， y  x  t  0 。
按照上述思路，任意坐标为 ( x, y ) 的点 R ，都可以看作是以原点为
圆心、 x 2  y 2 为半径的圆上的点，连接该点的半径与 x 轴正方向夹

x y
角  为：cos   ，sin   。
x2  y2 x2  y 2
为便于表示，令 x 2  y 2  r ，点 R 的坐标也可表示为 (r cos  , r sin  ) 。
该表示方法中仍然有两个未知数： r 和  。

在分析解决一些代数或几何问题时，用 (r cos  , r sin  ) 表示的坐标
比用 ( x, y ) 表示的坐标更加好用，这种表示方式使得单纯的代数问题可
以用几何的思路方法解决。例如本小节开头的例子，可以用向量之间
的夹角直观分析代数表达式的取值变化情况。更多其他案例将会在复
数、圆锥曲线等章节遇到。
小结
这是第一次学习向量这种“数形结合”的概念，要注重理解向量有
“向”有“量”无“位”的特点，需要熟练掌握向量的基本性质、基本运算
和规律，注意体会向量运算与代数运算的相似点和不同点，注重将向
量的代数运算与蕴含的几何关系对应起来。
向量是全新的概念和运算方式，“新鲜度”比指数、对数、三角函
数要高很多，同样需要大量的基础练习，加强对向量运算的熟练度，
掌握向量运算中的一些规律和技巧，并对暗示平行、垂直等特殊关系
的线索具有一定敏感性。
向量的优势充分体现在解决几何问题当中，有兴趣的同学可以尝
试用纯几何的方法解决简单的向量问题，以此感悟向量带来的巨大便
捷，提高学习使用向量的动力。

本章继续学习一个新的概念：复数。
其实复数并不算是全新的概念，它与我们已经学习的实数和向量
都有直接联系：既能根据实数的运算进一步推广得到复数的性质和运
算规律，也能根据复数与向量在形式上的相同点建立起对应关系。
复数也有“数形结合”的特点，并通过虚数单位 i 将“数”与“形”更加
直接地结合了起来。
高中阶段对复数的学习和考察的内容较为基本，可以把学习本章
当作对代数运算与向量知识的复习。
一、虚数与复数
过去的学习中，我们从用来计数的自然数，根据加法和减法拓展
到整数，再根据乘法和除法拓展到有理数，又根据乘方和开方拓展到
实数，现在进一步拓展到复数。
1.1 虚数
在解一元二次方程时，根据各项系数可以判断方程根的情况。
对于一元二次方程 ax 2  bx  c  0 （ a  0 ）
b 2 b 2  4ac
将其配方后得： ( x  ) 
2a 4a 2
根据完全平方数恒大于等于 0 可得：
当   b2  4ac  0 时，方程有 2 个不同的实根。
方程有 2 个相同的实根
当   b2  4ac  0 时，（或称只有 1 个实根）
。
当   b2  4ac  0 时，方程有没有实根。
为了让一元二次方程总是有解，现在规定根号内也可以为负数，
即 a （ a  0 ）也有意义，并将根号内为负数的整个表达式整体 a

叫做虚数，与根号内不能为负数的实数相对应。
现在只简单生硬地规定：根号内为负数的表达式叫做虚数。对于
虚数的具体意义，将根据该规定结合具体运算推导得出。
为了方便地表示虚数，引入一个新的单位：虚数单位，一般用符
号 i 表示。其定义式为： i  1 。
这样一来，根据实数的乘法运算可得：任何虚数 a （ a  0 ）都
可以用一个实数与虚数单位 i 的乘积表示：
a  a  (1)  a  1  ai
例如： 2  2  (1)  2  1  2i
25  25  (1)  25  1  25i  5i
    (1)    1   i
根据虚数单位的定义 i  1 可得：
i 2  ( 1)2  1
i 3  i 2  i  1 i  i
i 4  (i 2 ) 4  (1) 2  1
即：对于任意 k  Z ， i 4 k  1 ， i 4 k 1  i ， i 4 k  2  1 ， i 4 k 3  i
虚数这种表示也适用于实数，若把“ 1”看作“实数单位”，即 1  1 ，
于是任意实数 a （ a  0 ）都可以用一个实数与“实数单位”“ 1”的乘积
表示： a  a  (1)  a  1
于是，可以把实数和虚数看作是属于两个不同“空间”的数，实数
以 1 （ 1 ）为单位，在“实在”的空间内，虚数以 1 （ i ）为单位，
在“虚拟”的空间内。实数和虚数遵循相同的基本运算，即：可以认为
虚数也遵循实数的加减乘除乘方开方等基本运算。

1.2 复数
虽然实数和虚数似乎被“隔离”在两个不同的空间里，但实数与虚
数可以互相转化：对负实数开平方根可以得到虚数，对虚数进行平方
可以得到实数。
于是，可以将实数与虚数写在一起，并用加号连接，所得到的数
叫做复数，多用小写字母 z 表示，其标准形式为：z  a  bi（ a, b  R ），

全体复数构成的集合 {z  a  bi | a, b  R} 叫做复数集，也叫复数域。
对于复数 z  a  bi （ a, b  R ），其中 a 叫做实部， b 叫做虚部（注
意：是 b ，而不是 bi ）。
当 a  b  0 时，称复数 z  0 。
当 b  0 时，复数 z  a  bi 也叫做虚数，但一般还是叫做复数。
当 a  0 且 b  0 时，复数 z  bi 也叫做纯虚数。
对于两个复数 z1  a1  b1i 与 z2  a2  b2i ，当且仅当 a1  a2 且 b1  b2 时，
称它们相等 z1  z2 。即：若两个复数相等，则它们的实部和虚部分别
相等。
若两个复数 z1  a1  b1i 与 z2  a2  b2i 满足关系： a1  a2 且 b1  b2 ，称
它们为共轭复数，即：z1  a  bi 与 z2  a  bi 是共轭复数。既可以称 z1 是
z2 的共轭复数，也可以称 z2 是 z1 的共轭复数，或者称 z1 和 z2 是一对共
轭复数。复数 z 的共轭复数记作 z 。
复数 z  a  bi 的绝对值的定义为： | z | a 2  b 2 ，即实部和虚部的
平方之和的平方根。复数的绝对值也叫做复数的模。
若 a  0 且 b  0 ，则复数 z  a 为实数，它的模为 | z | a 2  02  a 2 ，
其结果与实数的绝对值的定义相同。
若 a  0 且 b  0 ，则复数 z  bi 为纯虚数，它的模为
| z | 02  b 2  b 2 ，与实数的绝对值的定义相似。

对于两个复数 z1  a1  b1i 与 z2  a2  b2i ，无法直接比较它们的大小，
但可以比较它们的模 | z1 | a12  b12 与 | z2 | a2 2  b2 2 的大小。
1.3 复平面
根据复数的表示方法可知：任意两个实数 a 、b 构成的实数对 (a, b)

确定了一个复数 z  a  bi 。 a 与 b 构成的实数对有先后顺序，若 a  b ，
实数对 (a, b) 与 (b, a) 表示两个不同的复数。
复数的表示方法与我们熟悉的平面直角坐标系中的点和向量非
常相似。在平面直角坐标系中，任意一对实数对 (a, b) 都表示平面上唯
一确定的一个点或一个向量。
复数与坐标平面在表示形式上的高度相似性，使得复数与坐标平
面之间可以建立起直接联系：
每一个复数 z  a  bi 都能与坐标平面上的一个点 P(a, b) 或一个向
量 p  (a, b) 一一对应。其中实数的实部与 x 轴上的横坐标相对应，实

数的虚部与 y 轴上的虚部相对应。
用直角坐标系中的点与复数以一一对应的平面叫做复平面，与复
数的实部相对应的 x 轴叫做实轴，与虚部相对应的 y 轴叫做虚轴。作

图时仍习惯将实轴和虚轴分别标记为 x 轴和 y 轴，如下图所示，左图
为于复数对应的点，右图为于复数对应的向量。

实轴上的全部点都具有虚部为 0 的特点，因此实轴上的所有点都
表示实数。
虚轴上的全部点都具有实部为 0 的特点，因此虚轴上的所有点都
表示纯虚数。
原点表示 0。
互为共轭复数的两个复数 z1  a  bi 与 z2  a  bi ，它们对应的点
(a, b) 与 ( a, b) 关于 x 轴镜面对称，即横坐标相同、纵坐标相反。
复数的模 | z | a 2  b 2 就是点 (a, b) 到原点 (0, 0) 的距离 a 2  b 2 。
在学习了向量的知识后，一对实数 (a, b) 除了能表示平面中的一个
点以外，还能表示平面上的一个向量，即：沿 x 轴方向移动 a 、沿 y
轴方向移动 b 。
于是每一个复数 z  a  bi 都能与坐标平面上的一个向量 (a, b) 一一
对应。其中实数的实部与向量沿 x 轴方向移动的情况相对应，实数的
虚部与向量沿 y 轴方向移动的情况相对应。
互为共轭复数的两个复数 z1  a  bi 与 z2  a  bi ，它们对应的向量
(a, b) 与 ( a, b) 关于 x 轴对称，表示它们沿 x 轴方向移动的方向和距离
相同，沿 y 轴方向移动的距离相同、方向相反。
向量的模的定义 | a | a 2  b 2 与复数的模的定义 | z | a 2  b 2 相同，
因此“模”这个概念对于实数、复数、向量的定义式都相同。
二、复数的基本运算
虽然复数与向量有很多相似之处，但复数本质上仍然是一种“数”
而不是“向量”，因此复数的运算规律更接近于同样是“数”的实数，而
不具有向量所特有的内积运算。

可以将复数当作多项式进行运算，将实部看作常数项、虚部看作
关于单位 i 的项，区别只是常数项与关于单位 i 的项可以互相转化。
2.1 复数的加法和减法
复数的加法与减法的运算法则与实数（多项式）的加减法基本相
同。
若两个复数 z1  a1  b1i 与 z2  a2  b2i 相加，结果为实部与实部相加、
虚部与虚部相加：
z1  z2  (a1  b1i)  (a2  b2i )  (a1  a2 )  (b1  b2 )i
根据复数加法的法则，以及实数加法的交换率和结合律易证：复
数的加法也满足交换律和结合律。
z1  z2  z2  z1
( z1  z2 )  z3  z1  ( z2  z3 )
若两个复数 z1  a1  b1i 与 z2  a2  b2i ，它们的实部和虚部分别互为
相反数： a1  a2  0 、 b1  b2  0 ，则这两个复数的和为 0：
z1  z2  (a1  a2 )  (b1  b2 )i  0  0i  0
复数的减法与实数的减法类似，复数 z1  a1  b1i 减去 z2  a2  b2i ，

等于加上与这个复数的实部和虚部都为相反数的复数：
z1  z2  (a1  b1i)  (a2  b2i )  (a1  a2 )  (a2  b2i )  (a1  a2 )  (b1  b2 )i
也可以表述为实部与实部相减、虚部与虚部相减。
复数的加法和减法形式上与向量的加法和减法很相似，向量
p1  (a1 , b1 ) 与 p 2  (a2 , b2 ) 相加或相减，其表达式分别为：
p1  p 2  (a1 , b1 )  (a2 , b2 )  (a1  a2 , b1  b2 )

p1  p 2  (a1 , b1 )  (a2 , b2 )  (a1  a2 , b1  b2 )
比较复数的加（减）法与向量的加（减）法可以发现：复数的加
（减）法是实部与实部相加（减）、虚部与虚部相加（减），向量的
加（减）法是横坐标与横坐标相加（减）、纵坐标与纵坐标相加（减），
二者互不影响，形式几乎相同。
因此，若复数 z1  a1  b1i 与 z2  a2  b2i 分别表示复平面上的两个向

量 p1  (a1 , b1 ) 与 p 2  (a2 , b2 ) ，则复数的和 z1  z2 的几何意义就是向量的和
p1  p 2 ，复数的差 z1  z2 的几何意义就是向量的差 p1  p 2 。
2.2 复数的乘法和除法
复数的乘法和除法与多项式的乘法和除法类似，其中乘法较容易
理解，除法需要使用一个常用的小技巧。
若两个复数 z1  a1  b1i 与 z2  a2  b2i 相乘，可以看作两个多项式相
乘，即：
z1 z2  ( a1  b1i)(a2  b2i )  a1a2  a1b2i  b1ia2  b1ib2i
其中 b1ib2i  b1b2  i 2  b1b2 ，于是有：
(a1  b1i )(a2  b2i )  (a1a2  b1b2 )  ( a1b2  a2b1 )i
（注意：由于 i 2  1 ，不要弄错加号和减号）
根据复数乘法的法则，以及实数乘法的交换律、结合律、分配律
可得：复数的乘法也满足交换律、结合律、分配律，即：
z1 z2  z2 z1
( z1 z2 ) z3  z1 ( z2 z3 )
z1 ( z2  z3 )  z1 z2  z1 z3
只需分别设 z1  a1  b1i 、 z2  a2  b2i 、 z3  a3  b3i ，再按照复数乘法

和加法的运算法则（多项式的运算法则）分别求出等式左右两边的表
达式，即可证明以上 3 个规律。作为练习，请自行证明。
复数的除法与实数（多项式）的除法类似，实数 a 除以实数 b ，
a
一般直接写成分数形式。两个多项式相处也类似，一般直接写成分
b
式的形式。
复数 z1  a1  b1i 除以复数 z2  a2  b2i （ z2  0 ），直接写为分式的形
a1  b1i
式 z1  z2  (a1  b1i )  (a2  b2i)  即可。
a2  b2i
然而，复数的标准形式应为实部与虚部相加，若直接写成分式，
则无法直接得知实部和虚部的值，因此需要将分母中的虚部消除，写
成 z  a  bi 的标准形式。
消除分母中的 i 的方法较容易，使用平方差公式即可。令分子和
分母同时乘以分母的共轭复数：
a1  b1i (a1  b1i )(a2  b2i ) (a1a2  b1b2 )  (a2b1  a1b2 )i
z1  z2   
a2  b2i (a2  b2i )(a2  b2i ) a2 2  b2 2
a1a2  b1b2 a2b1  a1b2
即：(a1  b1i)  (a2  b2i )   2 i
a2 2  b2 2 a2  b2 2
该公式也不需要死记硬背，只需要记住用平方差公式消去分母中
的 i 即可。
对于两个复数的乘积与商的模，具有以下实用的规律：
| z1 z2 || z1 |  | z2 |
z1 | z1 |
| |
z 2 | z2 |
这两个规律的证明较简单，具体过程需要一定的计算功底，下面
给出乘法的证明，除法请自行证明作为练习。
证明： | z1 z2 || z1 |  | z2 |
设 z1  a1  b1i 、 z2  a2  b2i ，于是有：

| z1 z2 || (a1  b1i )(a2  b2i) |
| (a1a2  bb
1 2 )  (a1b2  a2b1 )i |
 (a1a2  b1b2 )2  (a1b2  a2b1 ) 2
 (a12 a2 2  2a1a2b1b2  b12b2 2 )  (a12b2 2  2a1b2 a2b1  a2 2b12 )
 a12 a2 2  b12b2 2  a12b2 2  a2 2b12
| z1 |  | z2 | a12  b12  a2 2  b2 2
 (a12  b12 )(a2 2  b2 2 )
 a12 a2 2  b12b2 2  a12b2 2  a2 2b12
即得证。
除法的证明较复杂，请自行耐心推导验证，处理这种程度的“复
杂”是分析解决数学问题的基本能力。
复数的乘法和除法与多项式的乘法和除法类似，而向量没有这种
乘法和除法，因此复数的乘除法的几何意义暂时无法直接得到，留待
下一节用一种已经学习过的新思路揭晓。
2.3 复数的乘方和开方
复数的乘方与复数的乘法相同，只需让复数乘以它本身即可，即
对于复数 z  a  bi ：
z n  ( a  bi ) n
根据复数乘法的有关规律可知：
| z 2 || z  z || z |  | z || z |2
同理： | z 3 || z 2  z || z 2 |  | z || z |2  | z || z |3
| z 4 || z 3  z || z 3 |  | z || z |3  | z || z |4
依此类推：对于任意 n  N ，都有 | z n || z |n

复数的开方不需要掌握，其原理为一个较常规的思路：列方程
（组）并解方程（组）。其中平方根相对较为简单，因此介绍求平方
根的一般思路。
对于复数 z  a  bi ，其平方根 z 的求法为：

假设复数 z '  x  yi 满足 z '  z ，即 z '2  z ，于是有：
z '2  ( x  yi ) 2  ( x 2  y 2 )  2 xyi
将 z '2 的实部与 z 的实部对应、虚部与 z 的虚部对应得：
x2  y 2  a
2xy  b
解该方程组即可。
复数的立方根及更高次方根的求解较复杂，高中阶段不需要掌握。
与复数的乘法和除法类似，复数的乘方与开方的几何意义用当前
的表示方法难以描述。但若换一种表示方式，将得到非常直观的结果。
三、复数的三角表示
上一章学习了坐标的三角函数表示，即用到原点的距离 r 和该向
量与 x 轴正方向的夹角  （ 0    2 ）表示一个向量或一个点。用这
种方法能较直观地看出复数乘除法的几何意义。
3.1 复数的三角表示
将复数 z  a  bi 对应于平面中的向量 z  (a, b) ，可以用三角函数的
形式表示为 z  (r cos  , r sin  ) ，于是该复数可写为：
z  r cos   r sin  i  r (cos   i sin  ) 。

a b
其中 r  a 2  b2 ，cos   ，sin   ，如下图所示。
a b 2 2
a  b2
2

根据定义可知， r 为该复数或向量的模。
 叫做该复数的辐角，在 [0, 2 ) （注意闭区间与开区间）范围内
的  值叫做辐角主值。
这种表示形式叫做复数的三角表示式，简称三角形式。之前学习
的 z  a  bi 叫做复数的代数表示式，简称代数形式。
向量的三角形式与代数形式各有特点，在分析解决不同问题时各
有优势。高中阶段，一般对代数运算较为熟悉，但是经常会引入较复
杂的乘方、开方等运算。虽然高中阶段对三角函数的运算不如代数运
算熟悉，但有时可以使用三角恒等变换将式子简化。
本章就是典型的例子。对于复数的加减法，用代数形式可以直观
表示其几何意义。对于复数的乘除法，用三角形式可以直观表示其几
何意义。
3.2 复数乘法和除法的几何意义
复数 z1  r1 (cos   i sin  ) 、 z2  r2 (cos   i sin  ) ，它们的乘积为：
z1 z2  r1 (cos   i sin  ) r2 (cos   i sin  )
 r1r2 [(cos   i sin  )(cos   i sin  )]

 r1r2 (cos  cos   cos  i sin   i sin  cos   i sin  i sin  )
 r1r2 [(cos  cos   sin  sin  )  i(cos  sin   sin  cos  )]
 r1r2 [cos(   )  i sin(   )]
从表达式中可以得知：复数 z1  r1 (cos   i sin  ) 与 z2  r2 (cos   i sin  )

相乘，它们的乘积 z1 z2  r1r2 [cos(   )  i sin(   )] 仍为复数，其辐角为两
个复数的辐角之和，模为两个复数的模的乘积。这就是复数乘法的几
何意义。如下图所示。
复数除法的几何意义与乘法相似。此时不再需要根据复数除法的
计算公式推导，只需根据其定义式逆向推理即可：
若复数 z1  z2 z3 ，于是有 z1  z2  z3 。根据复数乘法的定义可知：由

于 z1 的辐角为 z2 与 z3 的辐角之和，于是 z3 的辐角应为 z1 的辐角减去 z2
的辐角之差。由于 z1 的模为 z2 与 z3 的模的乘积，于是 z3 的模应为 z1 的
模除以 z2 的模之商。
即：两个复数相除，商的辐角为它们的辐角之差，商的模为它们
的模之商。
以上关于复数的乘积和商的模的规律，与本章第二节中用代数形

式推导的规律 | z1 z2 || z1 |  | z2 | 、 | z1  z2 || z1 |  | z2 | 相一致。
 
特别的，由于 i 可以写为 i  1 (cos , i sin ) ，于是一个复数与 i 相
2 2

乘，相当于将该复数的模不变，绕正方向（逆时针）旋转。
2
一个复数与 i 2  1 相乘，相当于将该复数的模不变，绕正方向（逆

时针）旋转两次，即旋转  。
2
n
一个复数与 i n 相乘，相当于绕正方向（逆时针）旋转。由于
2
每旋转 2 后与原来的方向相同，即与 i 4 相乘后仍得到原数。代数运算
的结果与几何意义相一致。
3.3 复数的乘方与“1”的 n 次方根*
*本小结为拓展知识，目的在于帮助拓展思路。
根据复数的三角形式的乘法运算 r1 (cos   i sin  )r2 (cos   i sin  ) 
r1r2 [cos(   )  i sin(   )] 推算可得：
复数 z1  r1 (cos 1  i sin 1 ) 、 z2  r2 (cos  2  i sin  2 ) … zn  rn (cos  n  i sin  n )

相乘的结果为： z1 z2 ...zn  r1r2 ...rn [cos(1   2  ...   n )  i sin(1   2  ...   n )]
即：多个复数相乘，乘积的模为全体复数的模的乘积，乘积的辐
角为全体复数的辐角之和。
于是对于复数 z  r (cos   i sin  ) 有： z n  r n [cos(n )  i sin(n )] ，该规
律与本章第二节中学习的规律 | z n || z |n 相一致。
特别的，若复数 z  r (cos   i sin  ) 满足关系 z n  1 ，即 z 是 1 的 n 次
方根，则有 z n  r n [cos(n )  i sin(n )]  1

即： r n cos(n )  1
r n sin( n )  0
2k
解得： r  1 ， n  2k （ k  Z ），即： 
n

2k 2 k
由此可得 1 的 n 次方根为 z  cos  i sin （kZ ）
n n
若 n  1 ，则 z  cos 2k  i sin 2k
只有 z  1 一个解。
2k 2 k
若 n  2 ，则 z  cos  i sin  cos k  i sin k
2 2
当 k  0 时， z  1 。
当 k  1 时， z  1 。
当 k  2, 4... 等偶数时，与 k  0 情况相同；当 k  3,5... 等奇数时，与
z  1 情况相同。
于是，1 的平方根只有 1和 -1 。
2k 2 k
若 n  3 ，则 z  cos  i sin
3 3
当 k  0 时， z  1 。
2 2 1 3
当 k  1 时，z  cos 3  i sin 3   2  2 i
4 4 1 3
当 k  2 时，z  cos  i sin   i
3 3 2 2
当 k 分别为 3t 、 3t  1 、 3t  2 时，与上面 3 种情况相同。
于是， 1 的立方根有 3 个： 1、 1  3 i 、 1  3 i 。
2 2 2 2
2k 2 k
若 n  4 ，则 z  cos  i sin
4 4
作为练习，具体情况请自己分析。
现在来研究 1 的 n 次方根的几何意义。
根据 z  r (cos   i sin  ) ： r  1 ，   2k 可知，1 的 n 次方根 z 的辐
n
k
角为 2k 的 n 分之一，将 k 单独提出来：    2
n
当 k 分别取 1,2,3…n-1 时，  为将圆周 2 平均分为 n 份后的每一

个辐角，这就是 1 的 n 次方根的几何意义。
如下图所示，5 个向量分别表示 1 的 5 个 5 次方根。
小结
本章主要学习复数的概念、性质和运算，内容较为简单，关键在
于掌握虚数单位 i 的有关知识，复数的计算和化简可将其看作关于 i 的
一次多项式进行操作，需注意 i 2  1 即可。
本章的重点是理解复数与向量的对应关系即“数形结合”，在做题
训练中注重熟练地选择使用复数的代数形式与三角形式，并将这种思
路联系到一般的解析几何问题中。虽然考试较少直接考察复数的几何
意义，但是这种思维方法对于解决高中解析几何问题非常重要。

小学初中数学学习了平面几何的基本知识，主要包括点、直线、
角、三角形等简单几何图形的概念，以及关于它们之间位置关系、数
量关系的定理和公式。并学习使用这些定理公式分析解决几何问题，
证明几何命题或求解数量关系。
过去学习的平面几何知识主要来自于古希腊数学家欧几里得的
《几何原本》，因此也叫欧几里得几何或简称欧式几何。欧式几何开
拓了几何学的基础。
17 世纪，法国科学家笛卡尔、费马等人创立并发展了解析几何。
解析几何使用代数表达式（即解析式）的运算来表示几何图形之间的
位置和数量关系，并通过代数运算分析解决几何问题。
解析几何比起欧式几何的主要优点是：将几何问题转化为代数问
题，从而为解决几何问题提供了崭新的思路和视角。不再需要围绕几
何图形作辅助线、找平行关系、找相似关系、确定数量关系，而是可
以直接通过代数运算得到相应的位置关系和数量关系。有时甚至不需
要画出图形，只通过代数运算就能解决几何问题。
前面已经学习的向量就属于解析几何的基础知识。本章即将学习
的直线和圆的方程是是解析几何的进一步具体应用，也是下一章将要
学习圆锥曲线的基础。
学习本章时，需注重理解代数表达式（解析式）与几何图像之间
的对应关系，特别是与位置关系和数量关系这两个核心要素之间的对
应关系，并逐渐摆脱对几何图像的依赖。
然而要谨记的是：解析几何仍是几何，离不开具体图形。特别是
在刚开始学习时，必须要注重解析式与具体图形的结合。在解决具体
问题时，几何分析经常能使代数运算的过程得到极大的简化。

一、直线的方程
直线的方程与已经学习的一次函数实质上是同一内容的不同表
现方式，因此可以在复习一次函数的性质规律的基础上，学习了解直
线方程的表示方式。
1.1 一次函数与直线方程
一次函数的标准式为 y  kx  b 。
一次函数的图像是一条直线，由全部满足数量关系 y  kx  b 的点
( x, y ) （或写为 ( x, kx  b ) ）组成。
其中 y 是因变量， x 是自变量，定义域一般默认为全体实数集，
值域也是全体实数集。
k , b 是常数。 k 叫做该一次函数的斜率。 k 的绝对值越大，直线越
垂直； k 的绝对值越小，直线越水平。当 k  0 时，函数图像朝向右上

-左下方向；当 k  0 时，函数图像朝向左上-右下方向。
b 为该一次函数在 y 轴上的截距，其值为函数图像与 y 轴交点的
纵坐标，这就是 x  0 时的函数值 y  k  0  b  b ，即该一次函数与 y 轴

的交点为 (0, b) 。
b b
若令 y  0 ，解一元一次方程 kx  b  0 得 x  
。 为该一次函数
k k
b
在 x 轴上的截距，即该一次函数与 x 轴的交点为 ( , 0) 。
k
以上为一次函数的基本内容，下面换个角度观察分析一次函数的
表达式。
函数的本质是自变量与应变量之间的对应关系。对于一次函数，
这个对应关系是纵坐标 y 与关于横坐标 x 的一次多项式 kx  b 的相等
关系。若把 x 和 y 看作两个不确定的未知数，则该相等关系就是一个
二元一次方程。综上：一个二元一次方程可以表示一条直线。

除了二元一次方程能表示直线外，一元一次方程也能表示直线。
关于 x 的一元一次方程一般写为 kx  b  c 的形式，其中 k , b, c 是常
数。熟练地对该方程求解得： x  (c  b) / k ，即关于 x 的一元一次方程
都能化成 x  p （ p 为常数）的形式。
关于 x 的一元一次方程 x  p 也表示一条直线，该直线上的全部点
都满足要求：x  p 。即这些点的横坐标都是 p ，纵坐标可以为任意值。
这是一条与 x 轴垂直、垂足为点 ( p, 0) 的直线。根据垂直与平行的关系

可知，该直线与 y 轴平行。
同理，关于 y 的一元一次方程 y  q 也表示一条直线，该直线上的
全部点都满足要求 y  q 。即这些点的纵坐标都是 q ，横坐标可以为任

意值。这是一条与 y 轴垂直、垂足为点 (0, q) 的直线。该直线与 x 轴平
行。
下面是直线 y  2 x  4 （左）、 x  2 （中）、 y  3 （右）的图像。
一次函数图像平移的规律也适用于方程：将 x 替换为 x  m ，图像

沿 x 轴正方向平移 m 个单位，若 m  0 表示向右移动，若 m  0 表示向
左移动。
将 y 替换为 y  n ，图像沿 y 轴正方向平移 n 个单位，若 n  0 表示

向上移动，若 n  0 表示向下移动。
特别的，若将直线 x  p 向右平移 m 个单位，则将其表达式中的 x
替换为 x  m ，变为 x  m  p ，即 x  p  m 。
若将直线 x  p 向上平移 n 个单位，由于该直线本来就是垂直的，
向上或向下移动不产生影响。从表达式中也可以发现：表达式中没有
y 可供替换。
1.2 直线方程的书写
除了直接给定直线方程外，根据直线的相关信息或构造过程，有
多种书写直线方程的方式，常用的有点斜式方程、点法式方程、两点
式方程、一般式方程。
点斜式方程是用直线经过的一个点和直线斜率表示直线的方程。
也可以看作在已知直线经过的一个点和直线斜率的情况下，列出该直
线方程的方法。
设已知直线经过点 ( x0 , y0 ) ，并且其斜率为 k 。于是该直线上的任

意点 ( x, y ) 与已知点 ( x0 , y0 ) 所构成的直线就是该直线，其斜率就是 k 。
如下图所示。
y  y0
即：  k ，或写为：
x  x0
y  y0  k ( x  x0 )
以上就是直线的点斜式方程。根据方程表达式可知：x  x0 ，y  y0
是它的一个解，因此该直线必定经过点 ( x0 , y0 ) 。该方程变形得
y  kx  kx0  y0 ，将其看作一次函数的话 k 就是其斜率。

直线的点斜式方程利用了直线的基本性质：直线上任意两点的纵
坐标之差除以横坐标之差都相等，商为该直线的斜率。
点法式方程是用直线经过的一个点和直线的法向表示直线的方
程。也可以看作在已知直线经过的一个点和法向的情况下，列出该直
线方程的方法。
对于直线，与直线所朝向的方向相同的向量也叫做该直线的方向
向量。垂直于该直线的方向叫做法向或法向量，即任意一条与该直线
垂直的直线所指向的方向，或与该直线垂直的向量。对于一条确定的
直线，其法向有两种方向，这两种方向相反且共线。
设已知直线经过点 ( x0 , y0 ) ，并且其法向量为 (u, v) 。根据向量的基
本知识可知，直线上任意点 ( x, y ) 与点 ( x0 , y0 ) 构成的向量 ( x  x0 , y  y0 ) 即
为该直线的方向向量。由于直线有两个朝向，因此 ( x  x0 , y  y0 ) 和
( x0  x, y0  y ) 都是该直线的方向向量。
由于直线的方向向量与法向量垂直，于是有：( x  x0 , y  y0 )(u, v)  0 ，
展开得：
u ( x  x0 )  v ( y  y0 )  0
以上就是直线的点法式方程。将该式变形为一次函数的形式：
u ux
y x  0  y0
v v
u v
可知：该直线的斜率为  ，其法向量的斜率为。比较它们的
v u
斜率可以发现：互相垂直的两条直线的斜率互为负倒数。这是一条非
常有用的结论。也可以表述为：与斜率为 k 的直线垂直的直线的斜率
1
为 。
k
直线的法向量与方向向量只表示直线的方向，因此法向量与方向
向量只有“方向”对直线具有实际意义，它们的“模”对于直线来说并不

重要。因此在选取直线的法向量与方向向量时，只要方向（纵坐标与
横坐标的比值）正确即可，具体数值（模）并不重要、可以任选，一
般只需便于计算即可。
两点式方程是用直线经过的两个点的坐标表示直线的方程。也可
以看作在已知直线经过的两个点的坐标的情况下，列出该直线方程的
方法。
设已知直线经过点 ( x1 , y1 ) 和 ( x2 , y2 ) 。于是可求得该直线的斜率
y2  y1
为k  。
x2  x1
代入直线的点斜式方程 y  y0  k ( x  x0 ) 得：
y2  y1
y  y0  ( x  x0 )
x2  x1
两点式方程也可用另一条思路：直线上任意点 ( x, y ) 与 ( x1 , y1 ) 所构
成的直线（向量）的斜率，与已知两点构成的直线（向量）的斜率相
y  y0 y2  y1
等，即：  。这条思路实质上与原思路相同。
x  x0 x2  x1
一般式方程是直线方程的一般形式，也可以看作二元一次方程的
一般形式，具体为：
Ax  By  C  0
其中 A, B, C 为常数，且 A, B 不同时为 0。
直线的一般式方程没有直接给出直线的具体信息，但对其进行适
当变形后，可得到其斜率、法向、截距等信息。
A C A
写为一次函数的形式为：y   B x  B ，可知其斜率为  。于是其
B
B B
法向的斜率为斜率的负倒数，即其法向量可以写为 (1, )或 ( A, B) 。
A A
分别将 y  0 与 x  0 代入一般式方程可得，该直线与 x 轴和 y 轴的
C C
交点分别为 ( , 0) 和 (0， ) 。
A B

一般式的主要优点是“一般”，可以一般性地表示任何直线的方
程。用点斜式、点法式、两点式表示直线时，一般无法直接表示与 x
轴或 y 轴垂直的直线。而一般式中只需令 A  0 ，就得到与 y 轴垂直的
C C
直线 y   。同理，只需令 B  0 ，就得到与 x 轴垂直的直线 x   。
B A
容易证明，直线 Ax  By  C  0 的法向量为 ( A, B) ，方向向量为
( B, A) 。
1.3 直线之间的位置关系
两条不重合的直线之间有两种位置关系：相交或平行。
若两条直线相交。则它们有且只有一个交点。若两条直线平行，
则它们没有交点。现在从直线方程的角度研究直线之间的位置关系。
若两条直线相交，则它们有一个交点。
设两条直线的方程分别为 l1 ：A1 x  B1 y  C1  0 和 l2 ：A2 x  B2 y  C2  0 ，

它们的交点为 P( x p , y p ) 。
由于交点 P( x p , y p ) 同时在两条直线上，因此点 P 的坐标也同时满
足两条直线的方程，即：
A1 x p  B1 y p  C1  0
A2 x p  B2 y p  C2  0
解得：
B1C2  B2C1
xp 
A1B2  A2 B1
A2C1  A1C2
yp 
A1 B2  A2 B1
这就是直线 l1 与 l2 交点的坐标。
若该方程组的解存在，需分母不能为 0，即 A1B2  A2 B1  0 。对该

不等式进行变形：

A1 B2  A2 B1  0
A1 B2  A2 B1
B1 B2

A1 A2
现在分析该不等式的含义。通过上一小节的学习可知，向量 ( A, B)
B
是直线 Ax  By  C  0 的法向量，而就是该直线法向量所在直线的斜
A
率。
B1 B
和 2 分别是直线 A1 x  B1 y  C1  0 和 A2 x  B2 y  C2  0 的法
因此，
A1 A2
B B
向量所在的直线的斜率。 1  2 表示这两条直线的法向量所在的直线
A1 A2
斜率不相等，也就是它们的法向量不平行。根据平面几何关系可知：
若两条直线的垂线不平行，则这两条直线也不平行，因此 l1 与 l2 也不
平行。
综上，根据直线 l1 与 l2 相交必有一个交点的原理，通过对直线方
程进行分析运算，得到了表示直线 l1 与 l2 不平行的代数关系
B1 B2
式  。这印证了直线方程的代数运算与几何意义相一致。
A1 A2
两条相交的直线之间的夹角可以用它们的法向量的内积或方向
向量的内积求得：
l1 与 l2 的法向量分别为 ( A1 , B1 ) 、( A2 , B2 ) ，于是 l1 与 l2 的夹角  的余弦

( A1 , B1 )( A2 , B2 ) A1 A2  B1 B2
值为：cos   =
|( A1 , B1 )||( A2 , B2 )| ( A1  B12 )( A2 2  B2 2 )
2
使用 l1 与 l2 的方向 ( B1 , A1 ) 、( B2 , A2 ) 求夹角  的余弦值的结果相同，

作为练习，请自行计算予以验证。
特别的，若直线 l1  l2 ，则它们的法向量相互垂直（方向向量也相
互垂直），于是有 ( A1 , B1 )( A2 , B2 )  0 或 ( B1 , A1 )( B2 , A2 )  0 ，这两个表达
式展开后的形式相同。
以上计算中使用了平面几何中“两条直线的夹角与它们的垂线之

间的夹角相等”的规律。如下图所示，使用“四边形的内角和为 2 ”即
可证明：两条直线（实线）之间夹角  与它们各自的垂线（虚线）之
间夹角  相同，即    。
若两条直线平行，则它们没有交点。即二元一次方程组
A1 x  B1 y  C1  0
A2 x  B2 y  C2  0
没有解，刚刚已经分析。
现在将直线方程写为点斜式的形式：
A1 C
l1 ： y   x 1
B1 B1
A C
l2 ： y   2 x  2
B2 B2
A1 A
若 l1  l2 ，则它们的斜率相等，即    2 ，该等式实际上与等
B1 B2
B1 B2
式  是同一个等式。
A1 A2
1.4 平面上的距离
在平面几何中，除了方向（夹角）外，距离也是非常重要的数据，
其中最基本的是点与点之间的距离、点到直线的距离、平行线之间的
距离。

点与点之间的距离是解析几何中非常基础且非常重要的数据。两
点之间的距离公式的原理为勾股定理。
如下图所示，设两点坐标分别为 A( xA , y A ) 、 B( xB , yB ) ，分别作出经
过点 A 和 B 且与 x 轴、y 轴平行的直线，经过点 A 平行于 y 轴的直线

与经过点 B 平行于 x 轴的直线相交于点 C 。根据平行和垂直关系可知，
 ABC 是以 C 为直角的直角三角形。
根据平行关系可得： | BC || x A  xB | 、 | AC || y A  yB | 。

对直角  ABC 使用勾股定理：| AB |2 | AC |2  | BC |2 ，于是有：A( xA , y A )
与 B( xB , yB ) 之间的距离为：
| AB | ( x A  xB ) 2  ( y A  yB )2
点到直线的距离就是该点到直线的垂线段的长度，即：作出经过
该点并且与该直线垂直的直线，该点到垂足之间的距离就是点到直线
的距离。
如下图所示，从点 P( x0 , y0 ) 向直线 l ： Ax  By  C  0 引垂线，垂足
为 Q ， | PQ | 即为点 P 到直线 l 的距离。

现在进行求解：
第 1 步：由于直线 PQ  l ，因此直线 PQ 的方向向量与 l 的方向向
量垂直。根据 l 的方程 Ax  By  C  0 中 x 项与 y 项前的系数，可以设直

线 PQ 的方程为  Bx  Ay  C '  0 ，其中 C ' 是未知数。
第 2 步：代入点 P 的坐标 ( x0 , y0 ) 即可求得 C ' ：
 Bx0  Ay0  C '  0 ，解得： C '  Bx0  Ay0
于是直线 PQ 的方程为  Bx  Ay  Bx0  Ay0  0

第 3 步：联立直线 PQ 与 l 的方程得到二元一次方程组，解方程组
得到点 Q 的坐标：
Ax  By  C  0
 Bx  Ay  Bx0  Ay0  0
B 2 x0  ABy0  AC A2 y0  ABx0  BC
解得： x  A2  B 2
， y 
A2  B 2
B 2 x  ABy  AC A2 y0  ABx0  BC
即点 Q 的坐标为 ( 0 2 02 , )
A B A2  B 2
第 4 步：求点 P 与 Q 之间的距离即为点 P 到直线 l 的距离：
B 2 x0  ABy0  AC 2 A2 y0  ABx0  BC 2
d  ( x0  )  ( y0  )
A2  B 2 A2  B 2
A2 x0  B 2 x0  B 2 x0  ABy0  AC 2 A2 y0  B 2 y0  A2 y0  ABx0  BC 2
 ( ) ( )
A2  B 2 A2  B 2

A2 ( Ax0  By0  C ) 2 B 2 ( Ax0  By0  C )2
 
( A2  B 2 ) 2 ( A2  B 2 ) 2
( A2  B 2 )( Ax0  By0  C )2

( A2  B 2 ) 2
( Ax0  By0  C ) 2

A2  B 2
| Ax0  By0  C |

A2  B 2
| Ax0  By0  C |
综上，点 P( x0 , y0 ) 到直线 l ：Ax  By  C  0 的距离为：。
A2  B 2
上述求解过程只是看起来较复杂，其实化简过程中提取公因式和
约分的步骤都较简便。下面介绍一种较为简洁的推导过程：
第 1 步：设垂足的坐标为 Q( xQ , yQ ) ，于是垂线 PQ 的方向向量为
( x0  xQ , y0  yQ ) 。另有直线 l ： Ax  By  C  0 的法向量为 ( A, B) 。
第 2 步：根据 PO  l 可得， PQ 的方向向量与 l 的法向量共线，即：

它们之间的夹角  为 0 或  。根据向量内积的定义式（余弦定理）有：
( x0  xQ , y0  yQ )( A, B) Ax0  AxQ  By0  ByQ
cos   
| x0  xQ , y0  yQ |  | A, B | | x0  xQ , y0  yQ |  A2  B 2
第 3 步：化简。由于点 Q( xQ , yQ ) 在直线 l ： Ax  By  C  0 上，因此
AxQ  ByQ  C  0 ，于是分子可以化为 Ax0  By0  C 。
分母中的 | x0  xQ , y0  yQ | 就是点 P 到直线 l 的距离 | PQ | 。
cos   cos 0  1 或 cos   cos   1

Ax0  By0  C Ax0  By0  C
于是原等式可化为： 1  ，即：| PQ | 
| PQ |  A2  B 2 A2  B 2
由于距离恒为正数（或 0），于是有：
| Ax0  By0  C |
| PQ |
A2  B 2
平行线之间的距离为：若平行线 l1 与 l2 同时垂直于直线 l3 ，垂足分

别为 M , N ，则线段 MN 的长度 | MN | 就是平行线 l1 与 l2 之间的距离。

也可以理解为：平行线 l1 与 l2 之间的距离为 l1 上的点与 l2 上的点之
间的最短距离。如下图所示。
现在求解两条平行线之间的距离。
由于两条平行线的斜率（方向向量）相同，因此可以设它们的方
程分别为 l1 ： Ax  By  C1  0 与 l2 ： Ax  By  C2  0
| Ax0  By0  C2 |
从 l1 上任取一点 P( x0 , y0 ) ，于是点 P 到 l2 的距离为：d 
A2  B 2
由于 P 在 l1 上，因此其坐标满足关系 Ax0  By0  C1  0 ，代入上式得：
| C1  C2 |
d
A2  B 2
二、圆的方程
在欧式几何中，圆的定义为“到定点的距离为定值的点构成的图
形”。将该定义用解析几何的代数式表达出来，就得到圆的方程。
2.1 圆的方程
设一个圆的圆心为 O (a, b) ，半径长 r（ r  0 ）。若点 ( x, y ) 到点 O (a, b)
的距离为 r ，根据两点之间的距离公式可得： ( x  a)2  ( y  b) 2  r ，等
式两边同时平方得：
( x  a ) 2  ( y  b)2  r 2

这就是圆心为 O (a, b) 、半径为 r （ r  0 ）的圆的标准方程。
从该方程中可直接得知该圆的圆心为 (a, b) ，半径为 r （需注意等
号右边的数值为半径的平方 r 2 ）。
将圆的标准方程展开后得到的方程叫做圆的一般方程，具体为：
x 2  2ax  a 2  y 2  2by  b 2  r 2 。
为了让方程看上去更加“一般”，一般将其写作：
x 2  y 2  Dx  Ey  F  0
即分别由 x 与 y 的二次项、一次项、常数项构成。虽然从该一般
方程中无法直接看出圆的具体信息，但是很多情况下图形的方程通常
以“一般式”的形式给出，不会刻意告知该方程具体表示什么图形。一
般方程是判断图形的第一步。
圆的一般方程需要满足两个条件：
(1) x 与 y 的二次项系数相等。
若系数不相等则是其他图形，将在下一章学习。
D2  E 2  4F
(2) 0
4
该不等式的原理与一元二次方程根的判别式类似，不需要死记硬
背，注重推导过程。
对一般方程中的 x 与 y 进行配方：
x 2  y 2  Dx  Ey  F  0
D2 E 2 D2 E 2
x 2  Dx   y 2  Ey    F
4 4 4 4
D E D2  E 2  F
( x  ) 2  ( y  )2 
2 2 4
由于等式左边为两个完全平方数之和，恒大于等于 0，因此等式
右边也恒大于等于 0。根据圆的标准方程可知，圆的半径不能为 0，
因此等号不成立，即：D  E  4 F  0
2 2
4
圆的参数方程也是较常用的表示方法。参数方程是指不直接使用
横坐标 x 与纵坐标 y 之间的关系表示图形，而是用其他参数分别表示
横坐标 x 与纵坐标 y ，从而“间接”表示图形的方法。
前面学习的用 (r cos  , r sin  ) 就是用参数 r 与  表示具体点的一种

参数方程。对于圆，也可以用参数 r 与  表示。
根据三角函数知识可得：对于以原点为圆心，半径为 r 的圆，其
圆周上的点可以表示为 (r cos  , r sin  ) ，或写为 x  r cos  ， y  r sin  。

现在将该图形沿 x 轴方向平移 a 、沿 y 轴方向平移 b ，圆心将变
为 (a, b) ，圆上的点的横坐标变为：
x  a  r cos 
y  b  r sin 
这就是以 (a, b) 为圆心， r 为半径的圆的参数方程。该方中只有一
个参数  ，其中 a, b, r 都是已知量。当  取任一属于 [0, 2 ) 的弧度时，都

对应该圆上的一个点。
将 x  a  r cos  ， y  b  r sin  代入以 (a, b) 为圆心、 r 为半径的圆的
标准方程 ( x  a)2  ( y  b)2  r 2 并化简：
(a  r cos   a ) 2  (b  r sin   b)2  r 2 。
r 2 cos 2   r 2 sin 2   r 2
r 2 (cos 2   sin 2  )  r 2
cos 2   sin 2   1
该等式恒成立。说明圆的参数方程与圆的标准方程实质上相同。
圆的参数方程比起标准方程，其主要优点为：只有一个变量  ，
并且能使用三角恒等变换进行化简。针对不同的情况选择不同的方程
可以使问题的解决过程大为简化。

2.2 点、直线、圆的位置关系
欧式几何中点、直线、圆之间的位置关系在解析几何中也有对应
的数量关系，通过分析数量关系可以得出图形之间的位置关系。
点与直线的位置关系有 2 种：点在直线上或点在直线外。判断方
法容易理解：将点的坐标代入直线方程，若等式成立，则点在直线上；
若等式不成立，则点在直线外。
对于点在直线外的情况，还可以继续细分。由于直线可以无限延
长，因此可以看作直线将整个平面分为左右（或上下）两部分。那么
点在直线的左侧或右侧（上侧或下侧）是否与解析式有对应关系呢？
回答是肯定的。
对于任意点 P( x0 , y0 ) 与一条直线 l ： Ax  By  C  0 ，将该点坐标代

入直线的一般方程的左侧： Ax0  By0  C 。其中全部满足不等式关系
Ax0  By0  C  0 的点在直线的同一侧；全部满足 Ax0  By0  C  0 的点在
直线的另一侧。
至于这些点究竟是同在左侧还是右侧（上侧还是下侧），需要根
据直线方程具体分析，总之对于一条直线，不等号相同的点在同一侧。
下面是一个具体例子。直线方程为 x  2 y  8  0 ，平面上直线左侧
（下侧）的点的坐标都满足 x  2 y  8  0 ，直线右侧（上侧）的点的坐
标都满足 x  2 y  8  0 。

点与圆的位置关系有 3 种：点在圆周上、在圆周内、在圆周外。
对于任意点 P( x0 , y0 ) 与一个圆：( x  a) 2  ( y  b)2  r 2 。根据圆周方程
的构造原理“到定点距离为定值的点的集合”可知：
若 ( x0 , y0 ) 满足 ( x0  a )2  ( y0  b)2  r 2 ，则说明点 P 在圆周上。

若 ( x0 , y0 ) 满足 ( x0  a )2  ( y0  b)2  r 2 ，则说明点 P 到圆心 (a, b) 的距离
小于半径 r ，于是点 P 在圆周内。
若 ( x0 , y0 ) 满足 ( x0  a )2  ( y0  b)2  r 2 ，则说明点 P 到圆心 (a, b) 的距离

大于半径 r ，于是点 P 在圆周外。
直线与圆的位置关系有 3 种：相交、相切、相离。
若直线与圆相交，则它们有 2 个交点。若直线与圆相切，则它们
有 1 个交点。若直线与圆相离，则它们没有交点。
圆与直线的方程也能反映出它们之间的位置关系。有代数和几何
两条分析思路。
设圆的方程为 ( x  a) 2  ( y  b)2  r 2 ，直线方程为 Ax  By  C  0 。下
面分别从代数和几何两条思路进行分析。
A C
(1)代数思路：将直线方程转化为用 x 表示 y 的形式 y   x 
B B
A C
代入圆的方程消元，得到一元二次方程 ( x  a)  ( x   b)  r
2 2 2
B B
A2 2 2 AC 2 Ab C
展开化为一般形式；(1+ B 2 ) x  ( B 2  B  2a) x  a  ( B  b)  r  0
2 2 2
通过根的判别式判定方程解的个数，从而判断出直线与圆的位置
关系。由于该判别式求解过程较复杂，故不再展开。
(2)几何思路：如下页图所示，从圆心向直线引垂线，则圆心 O 与
垂足 M 的距离就是圆心到直线的距离。
左图中，若圆心到直线的距离小于半径 | Aa  Bb  C |  r ，则直线
A2  B 2
与圆相交。

中图中，若圆心到直线的距离等于半径 | Aa  Bb  C |  r ，则直线
A2  B 2
与圆相切。
| Aa  Bb  C |
右图中，若圆心到直线的距离大于半径  r ，则直线
A2  B 2
与圆相离。
若已知圆的方程和切点坐标求切线方程，根据切线与所在半径垂
直可得到切线的法向量，再结合切点坐标，可列出切线的点法式方程。
圆与圆的位置关系有 5 种：相离、相交、外切、内切、内含。
设圆的标准方程为 ( x  a1 ) 2  ( y  b1 )2  r12 与 ( x  a2 )2  ( y  b2 ) 2  r2 2 ，可
知它们的圆心分别为 (a1 , b1 ) 与 (a2 , b2 ) ，半径分别为 r1 与 r2 。下面分析它

们的位置关系与方程之间的对应关系。
若两个圆相离，则它们没有交点，并且两个圆心之间的距离大于
半径之和 (a1  a2 ) 2  (b1  b2 )2  r1  r2 。

若两个圆外切，则它们有且只 1 个交点，两个圆心之间的距离等
于半径之和 (a1  a2 ) 2  (b1  b2 )2  r1  r2 。
若两个圆相交，则它们有 2 个交点，两个圆心之间的距离小于半
径之和、大于半径之差 | r1  r2 | (a1  a2 )2  (b1  b2 )2  r1  r2 。
若两个圆内切，则它们有且只有 1 个交点，两个圆心之间的距离
等于半径之差 (a1  a2 ) 2  (b1  b2 )2 | r1  r2 | ，并且小圆的圆心在大圆的圆

周内。

若一个圆内含于另一个圆（且一般 r1  r2 ），则它们没有交点，两
个圆心之间的距离小于半径之差 (a1  a2 ) 2  (b1  b2 )2 | r1  r2 | ，并且小圆
的圆心在大圆的圆周内。如下图所示。
在内含的情况下，若两个圆的圆心相同（且一般半径不同），则
称这两个圆为同心圆。即： (a1 , b1 )  (a2 , b2 ) 。
也可以使用一元二次方程根的判别式进行判定。具体方法为：
将两个圆的标准方程直接相减，消去二次项后得到关于 x, y 的二
元一次方程： (2a2  2a1 ) x  (2b2  2b1 ) y  a12  a2 2  b12  b2 2  r2 2  r12  0 。
将 y 用 x 表示后代入其中一个圆的方程，可得关于 x 的一元二次
方程。使用根的判别式即可。
从判断直线与圆的位置关系、圆与圆的位置关系的方法中可以明
显发现，使用几何图形分析可以将代数运算极大地简化。
2.3 定比分点公式
定比分点是指将已知线段分为成确定比例的两段的点，比如中
点、三等分点等都是定比分点。

在平面几何中，一般直接将线段平均分为若干份，然后将每个节
点标注为等分点。掌握解析几何的工具后，在已知线段端点坐标的情
况下，可以用相应的公式求得定比分点的坐标。
先推导较容易理解的线段中点的坐标公式。
设线段两端点分别为 A( x1 , y 1 ) 、B( x2 , y 2 ) ，若点 P 将线段 AB 分为长
度相等的两部分 | PA || PB | ，求点 P 的坐标。有代数和几何两条思路。
先使用代数思路：
y  y1 y2  y1
设点 P 的坐标为 ( x p , y p ) 。根据点 P 在直线 AB 上，可得：p 
x p  x1 x2  x1
根据 | PA || PB | 可得： ( x p  x1 )2  ( y p  y1 ) 2  ( x p  x2 ) 2  ( y p  y2 )2
联立上面两个方程，解方程组即可得到点 P 的坐标。
代数思路的具体化简运算较为复杂，下面用几何思路，通过几何
分析简化代数运算。
如下图所示，分别从 A, B 向 x 轴引垂线，垂足分别为 M , N 。经
过点 P 作与 x 轴平行的直线，与直线 AM ，BN 分别相交于 A '( x1 ', y1 ') 、
B '( x2 ', y2 ') 。根据作图过程可知 A ' 与 A 的横坐标相等、 B ' 与 B 的横坐标
相等，并且 A ' 与 B ' 的纵坐标相等，即 x 1 '  x1 ， x 2 '  x2 ， y 1 '  y2 ' 。
由 P 为 AB 中点得：| PA || PB | 。由对顶角相等得： APA '  BPB ' 。


A '  B '  。于是有  APA '  BPB ' 。因此有 | PA ' || PB ' | ，
由作图过程得：
2
即 P 也为线段 A ' B ' 的中点。
设 A 在 B 右边，即 x1  x2 。由于 P 为 AB 中点，因此 P 在 AB 中间，
因此 x1  x p  x2 。将 | PA ' || PB ' | 转化为坐标为： x1  x p  x p  x2 ，化简得：
x1  x2
xp 
2 。
若设 A 在 B 左边 x1  x2 ，同理由于 P 为 AB 中点有： x1  x p  x2 ，等
式关系为 x p  x1  x2  x p ，结果相同。
按照同样的思路，分别从 A, B 向 y 轴引垂线，经过点 P 作与 y 轴
y1  y2
平行的直线，利用全等三角形和垂直关系可求得：y p 
2
综上，以 A( x1 , y 1 ) 、 B( x2 , y 2 ) 为端点的线段的中点 P 的坐标为：
x1  x2 y1  y2
( , )
2 2
更加一般的，若点 P 将线段 AB 分为长度比例为 | PA |:| PB |  :1 的两
部分，下面求点 P 的坐标与点 A, B 的坐标以及比值  之间的位置关系。
设点 A, B 的坐标分别为 A( x1 , y 1 ) 、 B( x2 , y 2 ) ，仍然有代数和几何两
条分析思路。
代数思路仍为利用 P 在直线 AB 上、| PA |:| PB |  :1 分别列出两个关
于 x p , y p 的方程，并对方程进行求解，其求解过程也较为复杂。
下面进行几何分析。如下图所示，分别从 A, B 向 x 轴引垂线，垂
足分别为 M , N 。经过点 P 作与 x 轴平行的直线，与直线 AM ，BN 分别
相交于 A '( x1 ', y1 ') 、B '( x2 ', y2 ') 。根据作图过程可知 A ' 与 A 的横坐标相等、
B ' 与 B 的横坐标相等，并且 A ' 与 B ' 的纵坐标相等，即 x 1 '  x1 ，x 2 '  x2 ，
y 1 '  y2 ' 。仍然假设点 A 在 B 的右边，即 x1  x2


由对顶角相等得： APA '  BPB ' 。由作图过程得：A '  B '  。
2
于是有  APA '  BPB ' ，因此  APA ' 与  BPB ' 相对应的边所成比例相同。
x1  x p 
由于 | PA |:| PB |  :1 ，于是也有 | PA ' |:| PB ' |  :1 ，即  ，化
x p  x2 1
x1   x2
简得：x p 
1 
y   y2
同理， y p  1
1 
即：将线段 AB 分为 | PA |:| PB |  :1 两部分的点 P 的坐标为：
x1   x2 y1   y2
( ， )
1  1 
此外，若点 P 在线段 AB 的延长线上，且满足比例 | PA |:| PB |  :1 ，
x1   x2 y1   y2
点 P 的坐标为 ( ， )。
1  1 
作为练习，请参照上面的思路自行推导。如下图所示。
小结
平面几何的主要内容总是围绕平行、相交、相切、相离等位置关
系，以及距离、夹角、面积等数量关系，本章学习的直线和圆的方程，
以及位置关系、数量关系对应的解析式，正是解析几何最基础、最重
要的内容。需重点理解位置关系与数量关系所对应的解析式的推导原
理，解析式中每个变量、常数、运算符号所对应的几何意义。
要通过足够的练习将代数运算与几何图像之间建立起足够熟练
的直觉联系。同时也要训练出一定彻底摆脱图形、只凭借代数运算就

能解决简单几何问题的能力。对于较复杂的题目，要能熟练地画出大
致图形，选择便捷的原点和方向建立坐标系，并结合几何关系建立起
代数关系。

上一章学习了直线和圆的方程，本章继续学习其他几何图形——
椭圆、双曲线、抛物线的方程。
圆、椭圆、双曲线、抛物线统称为圆锥曲线，这是由于它们都能
通过用一个平面截取椎体获得，如下图所示。
圆锥曲线是非常典型的几何图形，既是几何学中非常基本且重要
的图形，也在自然界中广泛存在，并在物理学研究中经常使用。
每种圆锥曲线的构造原理都能用简洁的语句表达，用解析几何的
语言将相应的构造原理“翻译”为数学表达式就得到了对应的圆锥曲
线的方程。
每种圆锥曲线的构造过程和标准方程决定了各自的图像和性质。
需要重点掌握各圆锥曲线根据构造原理推导出标准方程，以及根据标
准方程分析推导性质的过程。
圆、椭圆、双曲线、抛物线的构造过程既有相似之处，也有明显
区别，并且互有补充。相似之处使得它们成为一类图形，即圆锥曲线，
明显区别使得各曲线的图像和性质显著不同。
虽然椭圆、双曲线、抛物线的图形看上去比直线和圆更复杂，但
曲线方程的实质仍然是用解析几何的方法描述距离和角度等位置关
系，因此分析思路与上一章基本相同。
学习本章时，仍然需注重理解代数表达式（方程）与几何图像之
间的对应关系，特别是与位置关系和数量关系这两个核心要素之间的
对应关系，并在学习和使用时注重“数形结合”思想的运用。
一、椭圆的方程
椭圆是圆锥曲线中与圆最为相似的图形，将圆沿着某个方向拉伸
或压缩就得到了椭圆，实际上圆可以看作为一种特殊的椭圆。
1.1 椭圆的方程
椭圆的定义为：到平面内两个定点 F1 , F2 的距离之和等于定长（大
于 | F1F2 | ）的全部点构成的图形（集合）叫做椭圆。
该过程在实际中较容易模拟：找一根长度合适的绳子，将其两端
用钉子固定在纸面上，用一支笔将绳子绷直（不要将笔粘在绳子的固
定位置上），钉子-笔-钉子形成一个夹角。保持绳子绷直的状态，用
笔在纸面上描过所有经过的点，画出的图形就是椭圆。
下面根据椭圆的定义推导椭圆的标准方程：
设点 F1 , F2 之间的距离为 2c （ c  0 ），为方便计算，让 F1 , F2 都在 x
轴上，并且原点 (0, 0) 是它们的中点，于是 F1 , F2 的坐标分别为 F1 (c, 0) 和
F2 (c, 0) 。
设动点 M ( x, y ) 到 F1 , F2 的距离之和为 2a （ a  0 且 a  c ），根据该

数量关系列出表达式：
| MF1 |  | MF2 | 2a
代入各点坐标：
( x  ( c ))2  ( y  0) 2  ( x  c) 2  ( y  0) 2  2a
即， ( x  c)2  y 2  ( x  c) 2  y 2  2a

等式两边同时平方：
( x  c) 2  y 2  2 [( x  c) 2  y 2 ][( x  c) 2  y 2 ]  ( x  c) 2  y 2  4a 2
展开各完全平方项并化简：
2 x 2  2 y 2  2c 2  2 ( x 2  2cx  c 2  y 2 )( x 2  2cx  c 2  y 2 )  4a 2
x 2  y 2  c 2  ( x 2  2cx  c 2  y 2 )( x 2  2cx  c 2  y 2 )  2a 2
将 x 2  y 2  c 2 看作一个整体，对根号内可以使用平方差公式：
( x 2  y 2  c 2 )  ( x 2  y 2  c 2 ) 2  (2cx ) 2  2a 2
将根式单独移到等号的一侧，并对等式两边同时平方：
( x 2  y 2  c 2 )2  (2cx) 2  2a 2  ( x 2  y 2  c 2 )
( x 2  y 2  c 2 )2  (2cx )2  4a 4  4a 2 ( x 2  y 2  c 2 )  ( x 2  y 2  c 2 )2
等式两边的 ( x 2  y 2  c 2 )2 可以相互抵消：
(2cx) 2  4a 4  4a 2 ( x 2  y 2  c 2 )
逐步化简：
 4c 2 x 2  4 a 4  4 a 2 x 2  4 a 2 y 2  4 a 2 c 2
c 2 x 2  a 4  a 2 x 2  a 2 y 2  a 2 c 2
把含 x, y 的项和不含 x, y 的项放在等式两侧：
(a 2  c 2 ) x 2  a 2 y 2  a 4  a 2 c 2
等式两边同时除以 a 2 (a 2  c 2 ) ：
x2 y2
 1
a2 a2  c2
令 b 2  a 2  c 2 （ b  0 ），即得到椭圆的标准方程：
x2 y 2
 1
a 2 b2
另外，请自行分析到两个定点 F1 (c, 0) 、F2 (c, 0) 的距离之和 2a 等于

或小于两点间距离 2c 的点分别是否存在？若存在，构成什么图形？若
不存在，为什么？

下面是一个椭圆的图像。
根据椭圆的构造过程，两个定点 F1 , F2 的坐标分别为 F1 (c, 0) 和
F2 (c, 0) ，动点 M ( x, y ) 到 F1 , F2 的距离之和为 2a （ a  c ）。
其中 F1 , F2 叫做椭圆的焦点。它们之间的距离 |F1F2 | 2c 叫做椭圆的

焦距。焦距的一半 c 叫做椭圆的半焦距。
椭圆的两个焦点的中点（即图中的坐标原点 O ）叫做椭圆的中心。
x2 y 2
对于标准方程为   1的椭圆：
a 2 b2
x 2 02
当 y  0 时，对应的点为椭圆与 x 轴的交点，解方程   1 得：
a2 b2
x  a 或 x  a 。即：椭圆与 x 轴的交点为 (a, 0) 和 (a, 0) ，也就是图中的
点 A1 (a,0) 和 A2 (a, 0) 。
A1 , A2 叫做椭圆的顶点。线段 A1 A2 叫做椭圆的长轴。长轴的一半 OA1
或 OA2 叫做椭圆的长半轴。椭圆长轴的长度为 | A1 A2 | 2a ，长半轴的长

1
度为| OA1 || OA2 | | A1 A2 | a 。
2
可以证明，椭圆上任意两点间最长的距离为长轴长，距离最远的
两个点为 A1 , A2 。
02 y 2
当 x  0 时，对应的点为椭圆与 y 轴的交点，解方程 2  2  1 得：
a b

y  b 或 y  b 。即：椭圆与 y 轴的交点为 (0, b) 和 (0, b) ，也就是图中的
点 B1 (0, b) 和 B2 (0, b) 。
B1 , B2 也叫做椭圆的顶点，椭圆共有 4 个顶点 A1 , A2 , B1 , B2 。线段 B1B2
叫做椭圆的短轴。短轴的一半 OB1 或 OB2 叫做椭圆的短半轴。椭圆短轴

1
的长度为 | B1 B2 | 2b ，短半轴的长度为 | OB1 || OB2 | | B1B2 | b 。
2
可以证明，椭圆上所有经过中心 O 的弦当中，短轴的长度最短，
距离最近的两个点为 B1 , B2 。
根据椭圆标准方程的推导过程可知，半焦距 c 、长半轴的长度 a 、
短半轴的长度 b 之间具有数量关系： c 2  a 2  b2 。
c
规定椭圆的离心率为 e  ，即半焦距 c 与长半轴 a 的长度的比值。
a
根据 c 2  a 2  b2 可知： c  a ，因此椭圆的离心率 e  1 。
椭圆的离心率 e 越大（越接近 1），椭圆的形状越扁。椭圆的离心
率 e 越小（越接近 0 ），椭圆的形状越圆。
c
若令椭圆的离心率减小到 e   0 ，即 c  0 ，于是 c 2  a 2  b2  0 ，
a
x2 y 2
得 a  b ，椭圆的标准方程变为   1，即 x 2  y 2  a 2 ，为圆的方程。
a2 a2
此外，从几何意义上分析，当 c  0 时，两个焦点 F1 , F2 之间的距离
为 0 ，即 F1 , F2 重合。该“椭圆”的几何含义变为“到定点的距离的 2 倍为
定值的点的集合”，实质上与圆的定义“到定点的距离为定值的点的集
合”相同。
对于以原点 O (0, 0) 为圆心， a 为半径的圆 x 2  y 2  a 2 ，将其方程写

2 2
b
为类似于椭圆的形式 x 2  y 2  1。若将其沿垂直方向压缩为原来的，
a a a
y x2 y 2
需将其表达式中的 y 用替换，变为： 2  2  1 ，就得到了椭圆。
b/a a b
a
若将圆 x  y  b ，沿水平方向拉伸为原来的，将表达式中的 x
2 2 2
b
x x2 y 2
用 a / b 替换，也能得到椭圆 2  2  1 。
a b
c a 2  b2 b
椭圆离心率的定义式也可以写为：e    1  ( ) 2 。从中
a a a
可以发现： a, b 相差越小，椭圆越接近于圆，离心率越小。 a, b 相差越
大，椭圆越偏离圆，离心率越大。
x2 y 2
若一个椭圆的标准方程   1 中，b 2  a 2 ，则椭圆的长轴在 y
a 2 b2
轴上，长半轴的长度为 b ，焦点也在 y 轴上；短轴在 x 轴上，短半轴
的长度为 a 。并且半焦距 c 2  b2  a 2 ，其图像“又窄又高”，而不是“又
宽又矮”。
下面是一个焦点在 y 轴上的椭圆的图像。
1.2 椭圆的性质
根据椭圆的定义和标准方程，可以推导得到椭圆的性质。
x2 y 2
椭圆具有很强的对称性。对于椭圆   1 ，它有 2 条对称轴，
a 2 b2
分别为 x 轴和 y 轴。它还有 1 个对称中心：原点。
根据椭圆的对称性可知，若点 ( x0 , y0 ) 在椭圆上，则点 ( x0 , y0 ) 、
( x0 ,  y0 ) 、 ( x0 ,  y0 ) 也都在椭圆上。
x2 y 2
根据椭圆的标准方程   1 ，两个变量都只以 x 2 , y 2 的形式出
a 2 b2
现，也可得知：若横坐标或纵坐标取原来的相反数，等式左边的值不
变。

从椭圆的图像可以看出，椭圆上的点的横坐标都在区间 [a, a] 内，
纵坐标都在区间 [b, b] 内。
x2 y 2
  1 也可以分析得到相同的结论。等
根据椭圆的标准方程
a 2 b2
y2
式左边为两个完全平方数之和，当且仅当 2  0 时， x 取到其绝对值
b
的最大值 a ，即 x 的最大值和最小值分别为 a 和 a 。
x2
同理，当且仅当  0 时， y 取到其绝对值的最大值 b ，即 y 的最
a2
大值和最小值分别为 b 和 b 。
椭圆与点和直线的位置关系，跟圆的情况类似。
将点 P( x p , y p ) 的坐标代入椭圆的标准方程的左侧：
x p2 yp2
若 a2   1 ，则点 P( x , y ) 在椭圆外；
b2 p p
x p2 yp2
若 a 2  b 2  1 ，则点 P( x p , y p ) 在椭圆上；
x p2 yp2
若 a2   1 ，则点 P( x , y ) 在椭圆内。
b2 p p
对于直线 Ax  By  C  0 ，联立直线方程与椭圆方程得到方程组。
将直线方程代入椭圆方程进行消元，得到一元二次方程。
若该方程（组）有 2 个解，则直线与椭圆有 2 个交点，它们相交。
若该方程（组）有 1 个解，则直线与椭圆有 1 个交点，它们相切。
若该方程（组）没有解，则直线与椭圆没有交点，它们相离。
1.3 椭圆的第二定义、第三定义、参数方程
椭圆的定义“到平面内两个定点的距离之和等于定长的点的集
合”也叫做椭圆的第一定义。此外，椭圆还有第二定义和第三定义。
尽管这三种定义的描述各不相同，但最终得到的图形都是椭圆。
椭圆的三种定义中，最基本、最重要的是第一定义。第二定义比
较重要，也需要熟练掌握。第三定义只需要了解即可。

椭圆的第二定义为：平面上到定点 F 的距离与到定直线 l 的距离
之比为常数（常数 e  1 ）的点的集合。
下面根据椭圆的第二定义推导椭圆的标准方程：
a2
设定点为 F (c, 0) ，定直线为 l ：x  。点 M ( x, y ) 到点 F 与到直线 l
c
c
的距离之比为常数 e  。根据相应的数量关系有：
a
( x  c) 2  ( y  0)2 c

| x  a2 / c | a
等式两边同时平方：
( x  c ) 2  ( y  0) 2 c 2
 2
( x  a 2 / c)2 a
逐步化简：
a 2 [( x  c) 2  y 2 ]  c 2 ( x  a 2 / c)2
a 2 x 2  2a 2 cx  a 2c 2  a 2 y 2  c 2 x 2  2a 2 cx 2  a 4
(a 2  c 2 ) x 2  a 2 y 2  a 4  a 2 c 2
x2 y2
 1
a 2 (a 2  c 2 )
令 a 2  c 2  b2 ，最终得到椭圆的标准方程。
a2
点 F (c, 0) 为椭圆的其中一个焦点，直线 l ：x  叫做椭圆的准线。
c
x2 y 2
椭圆 2  2  1 共有 2 个焦点，分别叫做左焦点 F1 (c, 0) 和右焦点
a b
a2 a2
F2 (c, 0) ，以及两条准线，分别叫做左准线 l1 ： x   和右准线 l2 ： x 。
c c
以椭圆的左焦点与左准线，或右焦点与右准线为基础，按照椭圆
的第二定义，都能作出相应的同一个椭圆。
x2 y2
若椭圆的长轴在 y 轴上、短轴在 x 轴上： 2   1 （ 0  a  b ），
a b2
b2
则其准线为两条水平的直线 y   ，其中 c 2  b2  a 2 。
c
下面是一个椭圆与它的两条准线。

椭圆的第三定义为：对于平面内的两个点（ A1 (a, 0) 与 A2 (a, 0) ），
与它们分别形成的两条直线的斜率的乘积为定值（定值为 e2  1 ）的点
构成的集合。
y y
设动点 M ( x, y) ，直线 A1M 、 A2 M 的斜率分别为k1  ，k2  ，
xa xa
y y c2
它们的乘积为定值：   2 1
xa xa a
逐步化简：
y2 c2
 1
x2  a2 a2
a2 y 2  c2 ( x2  a2 )  a2 ( x2  a2 )
(a 2  c 2 ) x 2  a 2 y 2  a 4  a 2 c 2
x2 y2
 1
a 2 (a 2  c 2 )
最终也得到椭圆的标准方程。
椭圆的参数方程与圆的参数方程较相似，即用三角函数表示。若
x2 y 2
将椭圆的标准方程   1中的 x 替换为 a cos  、 y 替换为 b sin  ：
a 2 b2
(a cos  ) 2 (b sin  ) 2 a 2 cos 2  b 2 sin 2 
2
 2
 2
 2
 cos 2   sin 2   1
a b a b
该方程仍恒成立，因此椭圆可以用参数方程
x  a cos 
y  b sin    [0, 2 )
x2 y 2
表示。于是，椭圆   1上的任意点都可以用坐标 (a cos  , b sin  )
a 2 b2
表示，其中不同的  取值表示不同的点。
用椭圆的参数方程可以绕过复杂的平方、开方运算，借助三角恒
等关系进行化简。特别是当需要表示椭圆上的 2 个或多个点时，有时
可以使用和角公式、差角公式、和差化积等公式将计算过程简化。
二、双曲线的方程
到两个定点的距离之和为定值的点构成的图形为椭圆，现在学习
到两个定点的距离之差为定值的点构成的图形：双曲线。
2.1 双曲线的方程
双曲线的定义为：到平面内两个定点 F1 , F2 的距离之差等于定长
（小于 | F1F2 | ）的全部点构成的图形（集合）叫做双曲线。
下面根据双曲线的定义推导双曲线的标准方程：
设点 F1 , F2 之间的距离为 2c （ c  0 ），为方便计算，让 F1 , F2 都在 x
轴上，并且原点 (0, 0) 是它们的中点，于是 F1 , F2 的坐标分别为 F1 (c, 0) 和
F2 (c, 0) 。
设动点 M ( x, y ) 到 F1 , F2 的距离之差为 2a （ 0  a  c ），根据该数量

关系列出表达式：
|| MF1 |  | MF2 || 2a
代入各点坐标：
| ( x  ( c )2  ( y  0) 2  ( x  c) 2  ( y  0) 2 | 2a
逐步化简：
| ( x  c)2  y 2  ( x  c) 2  y 2 | 2a
(| ( x  c)2  y 2  ( x  c) 2  y 2 |)2  4a 2
( x  c) 2  y 2  2 [( x  c)2  y 2 ][( x  c) 2  y 2 ]  ( x  c ) 2  y 2  4a 2

2 x 2  2c 2  2 y 2  2 ( x 2  c 2  y 2  2cx)( x 2  c 2  y 2  2cx)  4a 2
x 2  c 2  y 2  2a 2  ( x 2  c 2  y 2  2cx)( x 2  c 2  y 2  2cx)
( x 2  c 2  y 2  2a 2 )2  ( x 2  c 2  y 2  2cx)( x 2  c 2  y 2  2cx )
( x 2  c 2  y 2 ) 2  4 a 2 ( x 2  c 2  y 2 )  4 a 4  ( x 2  c 2  y 2 ) 2  4c 2 x 2
 4 a 2 ( x 2  c 2  y 2 )  4 a 4   4c 2 x 2
(a 2  c 2 ) x 2  a 2 y 2  a 4  a 2 c 2
x2 y2
 1
a 2 (a 2  c 2 )
x2 y2
由于 0  a  c ，令 c 2  a 2  b2 ，该方程可化为：   1 ，即得到
a 2 b 2
双曲线的标准方程：
x2 y 2
 1
a2 b2
另外，请自行分析到两个定点 F1 (c, 0) 、F2 (c, 0) 的距离之差 2a 等于
或大于两点间距离 2c 的点分别是否存在？若存在，构成什么图形？若
不存在，为什么？
下面是一个双曲线的图像。
双曲线由两条互不相交的曲线构成，分别叫做左（半）支与右（半）
支。左支满足关系 | MF2 |  | MF1 | 2a ，右支满足关系 | MF1 |  | MF2 | 2a 。

根据双曲线的构造过程可知，两个定点 F1 , F2 的坐标分别为
F1 (c, 0) 和 F2 (c, 0) ，动点 M ( x, y ) 到 F1 , F2 的距离之差为 2a （ 0  a  c ）。
其中 F1 , F2 叫做双曲线的焦点。它们之间的距离 |F1F2 | 2c 叫做双曲
线的焦距。焦距的一半 c 叫做双曲线的半焦距。
双曲线的两个焦点的中点（即图中的坐标原点 O ）叫做双曲线的
中心。
x 2 02
当 y  0 时，对应的点为双曲线与 x 轴的交点，解方程 2  2  1
a b
得 x  a 或 x  a ，即双曲线与 x 轴的交点为 (a, 0) 和 (a, 0) ，也就是图中
的点 A1 (a,0) 和 A2 (a, 0) 。
A1 , A2 叫做双曲线的顶点。线段 A1 A2 叫做双曲线的实轴。实轴的一
半 OA1 或 OA2 叫做双曲线的实半轴。双曲线实轴的长度为 | A1 A2 | 2a ，实

1
半轴的长度为 | OA1 || OA2 | | A1 A2 | a 。
2
可以证明，从双曲线的左右两个半支上各任取一点，距离最近的
两个点为 A1 , A2 。
02 y 2
当 x  0 时，双曲线方程变为   1，该方程无实数根，有两个
a2 b2
虚数根： y  bi 和 y  bi ，对应复平面上的点为 (0, b) 和 (0, b) 。
由于点 B1 (0, b) 和 B2 (0, b) 是根据方程的两个虚根得到的点，实际上
并不在双曲线上，因此，线段 B1B2 叫做双曲线的虚轴。虚轴的一半 OB1

或 OB2 叫做双曲线的虚半轴。双曲线虚轴的长度为 | B1 B2 | 2b ，虚半轴
1
的长度为| OB1 || OB2 | | B1B2 | b 。
2
B1 , B2 不是双曲线的顶点，双曲线只有 A1 , A2 两个顶点。
根据双曲线标准方程的推导过程可知，半焦距 c 、实半轴的长度
a 、虚半轴的长度 b 之间具有数量关系： c 2  a 2  b 2 。

双曲线的实轴与虚轴之间没有固定的长度关系，可以实轴更长，
也可以短轴更长，也可以长度相等。
x2 y 2
若双曲线的实轴与虚轴长度相等 a  b ，其方程为 2  2  1，这样
a a
的双曲线叫做等轴双曲线。
c
双曲线的离心率的定义与椭圆相同，也为e  ，即半焦距 c 与实
a
半轴的长度 a 的比值。根据 c 2  a 2  b 2 可知： c  a ，因此双曲线的离心
率 e 1。
双曲线的离心率越大，左右两个半支各自的开口越大。越接近于
两条垂直于 x 轴的直线。双曲线的离心率越小（越接近 1），左右两
个半支各自的开口越小，越接近于两个很小的夹角，甚至于两条射线。
若将双曲线的标准方程右边的 1 换成 0 ，可得到两条直线的方程：
x y x y b b
  0 和   0 ，也可以写为：y  x 和 y   x 。这两条直线叫
a b a b a a
做双曲线的渐近线。下面是一个双曲线和它的两条渐近线。
渐近线的几何含义为：随着双曲线上的点的横坐标、纵坐标的绝
对值逐渐增大，该点到渐近线的距离会越来越近，但是永远无法抵达
渐近线。下面从解析式上进行验证：

设双曲线上第一象限内一点 ( x, y ) （ x, y  0 ），代入双曲线的标准
y2 y2
方程，用 y 表示 x 为 x  a  1，于是双曲线上的点 ( a  1, y) 到直线
b2 b2
x y
  0 的距离为：
a b
1 y2 1 1 1
d |  a 2  1   y | / ( )2  ( )2
a b b a b
1 1 1 y2 1
其中分母 ( ) 2  ( )2 为定值，只需考虑分子 |  a 2
1   y | 的
a b a b b
值与 y 的关系即可。可判断分子为正，故省去绝对值符号。对分子进
1 y2 1 y2 y y 2  b2 y y 2  b2  y
行变形：  a 2
 1   y  2
1    
a b b b b b2 b b
由于 b 为定值，当 y 越来越大时， b 对表达式 y 2  b 2 的“贡献”越
来越小， y 2  b 2 的值越来越接近于 y ，即 y 2  b 2  y 越来越接近于 0，

点 ( x, y ) 到渐近线的距离越近。（可假设 b  1 ，分别求出 y  1、 y  10 、
y  100 时， y 2  b 2  y 的值并比较）。
y2 x2
若一个双曲线的标准方程为   1，即纵坐标前的系数为正、
b2 a2
横坐标前的系数为负（等式右边恒为 1 ），则双曲线的焦点、顶点、
实轴都在 y 轴上，虚轴在 x 轴上，图像分为上支和下支。此时它的实
c
轴长为 2b ，离心率为 e  。它的渐近线仍为将方程右边的 1 替换为 0 后
b
y x
得到的两条直线   。
b a
y2 x2
下面是一个焦点在 y 轴上的双曲线   1的图像。
b2 a2

2.2 双曲线的性质
根据双曲线的定义和标准方程，可以推导得到双曲线的性质。
x2 y 2
双曲线也具有很强的对称性。对于双曲线 2  2  1，它也有 2 条
a b
对称轴，分别为 x 轴和 y 轴。它也还有 1 个对称中心：原点。
根据双曲线的对称性可知，若点 ( x0 , y0 ) 在双曲线上，则点 ( x0 , y0 ) 、
( x0 ,  y0 ) 、 ( x0 ,  y0 ) 也都在双曲线上。
x2 y 2
根据其方程   1中，两个变量仅以 x 2 , y 2 形式出现，也可得知：
a2 b2
若横坐标或纵坐标取原值的相反数，等式左边的值相同。
x2 y 2
从双曲线的图像可以看出，双曲线 2  2  1上的点的横坐标都在
a b
区间 (, a]  [a, ) 内，纵坐标可以取全体实数。
x2 y 2
根据双曲线的方程   1 也可以分析得到相同的结论。作为
a2 b2
练习，请参照分析椭圆方程的方式，根据双曲线的方程判断其横坐标、
纵坐标的取值范围。
判断点在双曲线内外的方式与圆和椭圆较为相似。
由于双曲线不是闭合曲线，因此需要人为规定其“内部”与“外
部”，对于开口朝向左右两侧（焦点在 x 轴上）的双曲线，规定其“内
部”为两个半支之间的部分（即包括原点的部分），“外部”为各半支
所独立“包含”的部分。用双曲线的方程判断其内部与外部的规则与椭
圆相同。将点 P( x p , y p ) 的坐标代入双曲线的标准方程的左侧：
x p2 y p2
若 a 2  b 2  1 ，则点 P( x p , y p ) 在双曲线外；
x p2 y p2
若 a2   1 ，则点 P ( x , y ) 在双曲线上；
b2 p p
x p2 y p2
若 a 2  b 2  1 ，则点 P( x p , y p ) 在双曲线内。

判断直线与双曲线的位置关系与圆和椭圆的判断差异较大。判断
直线与双曲线相切还是相交，不能通过简单联立方程、根据方程根的
数量的进行判断。而是要具体分析直线与双曲线的交点和斜率，与未
来将要学习的导数有关。高中不需要掌握判断点和直线与双曲线的位
置关系的一般方法，若有兴趣，在学习导数后可自行推导。
2.3 双曲线的第二定义、参数方程
定义“到平面内两个定点 F1 , F2 的距离之差等于定长（小于 | F1 F2 | ）
的全部点构成的图形（集合）”也叫做双曲线的第一定义。双曲线也
有与椭圆相类似的第二定义。
双曲线的第二定义为：平面上到定点 F 的距离与到定直线 l 的距
离之比为常数（常数 e  1 ）的点的集合。
下面根据双曲线的第二定义推导双曲线的标准方程：
a2
设定点为 F (c, 0) ，定直线为 l ：x  ，点 M ( x, y ) 到点 F 与到直线 l
c
c
的距离之比为常数 e  （ c  a ）。根据该数量关系有：
a
( x  c) 2  ( y  0)2 c

| x  a2 / c | a
其化简过程与椭圆相同，故省略，化简得：
x2 y2
 1
a 2 (a 2  c 2 )
由于 c  a ，因此令 c 2  a 2  b2 ，上式变为：
x2 y 2
 1
a 2 b2
即为双曲线的标准方程。
a2
x
这里点 F (c, 0) 为双曲线的其中一个焦点，直线 l ：叫做双曲线
c
a2
的准线。一个双曲线有两条准线，分别叫做左准线 x   和右准
c
2
a
线 x  ，分别对应左焦点 F1 (c, 0) 和右焦点 F2 (c, 0) 。
c

与椭圆类似，双曲线的一个焦点与对应的准线（左焦点和左准线，
或右焦点和右准线）能够作出一个完整的双曲线的两个半支，两组焦
点与准线的组合作出同一个双曲线。
下面是一个双曲线与它的两条准线。
y2 x2
若双曲线的实轴在 y 轴上、虚轴在 x 轴上： 2   1 ，则其准线
b a2
b2
为两条水平的直线 y   ，其中 c 2  b2  a 2 。
c
x2 y 2
双曲线也有参数方程。对于双曲线 2  2  1 ，它的参数方程为：
a b
a
x
cos 
y  b tan    [0, 2 )
2 2
将上面两个表达式分别代入 x 2  y2  1 方程左侧：
a b
x 2 y 2 (a / cos  ) 2 (b tan  ) 2 1 1 sin 2  1  sin 2 
     tan 2
    1
a 2 b2 a2 b2 cos 2  cos 2  cos 2  cos 2 
该式对任意  恒成立，因此该参数方程能用来表示双曲线。
x2 y 2 a
于是双曲线 2  2  1上的任意点都可以用坐标 ( , b tan  ) 表示。
a b cos 
三、抛物线的方程
已的二次函数的图像就是抛物线，它的基本性质应当也已经熟练
掌握。当时是从“多项式函数”的角度学习抛物线的性质，现在从“圆
锥曲线”的角度重新学习抛物线。

3.1 抛物线的方程和性质
椭圆与双曲线的第二定义都是“平面上到定点的距离与到定直线
的距离之比为常数的点的集合”。若距离之比 e  1 ，则为椭圆。若距
离之比 e  1 ，则为双曲线。若距离之比 e  1 ，即相同，则为即将学习

的抛物线。下面根据抛物线的定义推导抛物线的标准方程：
p
设定点为 F ( p , 0) ，定直线为 l ：x  
，点 M ( x, y ) 到点 F 与到直线
2 2
l 的距离相同。根据该数量关系有： ( x  p )2  ( y  0) 2 | x  (  p ) |
2 2
逐步化简：
p p
( x  )2  y 2  ( x  )2
2 2
y 2  2 px （ p  0 ）
这就是抛物线的标准方程。下面是一个抛物线的图像。
p p
与椭圆和双曲线类似，F ( , 0) 叫做抛物线的焦点。直线 x   叫
2 2
做抛物线的准线。经过焦点、与准线垂直的直线（即 x 轴）叫做抛物
线的对称轴或简称为轴。抛物线与对称轴的交点 O (0, 0) 叫做抛物线的
p
顶点。顶点到焦点的距离（等于顶点到准线的距离）叫做抛物线的
2
焦距。抛物线的离心率 e  1 。
若抛物的方程为 y 2  2 px （ p  0 ），则其焦点在 x 轴的正半轴上，
准线垂直于 x 轴且在 y 轴左侧，抛物线的开口向右。（下图左上）
若抛物的方程为 y 2  2 px （ p  0 ），则其焦点在 x 轴的负半轴上，
准线垂直于 x 轴且在 y 轴右侧，抛物线的开口向左。（下图右上）

若抛物的方程为 x 2  2 py （ p  0 ），则其焦点在 y 轴的正半轴上，
准线垂直于 y 轴且在 x 轴下侧，抛物线的开口向上。（下图左下）
若抛物的方程为 x 2  2 py （ p  0 ），则其焦点在 y 轴的负半轴上，

准线垂直于 y 轴且在 x 轴上侧，抛物线的开口向下。（下图右下）
对于标准方程为 y 2  2 px （ p  0 ）的抛物线，主要具有如下性质。
抛物线关于其对称轴镜面对称，根据其标准方程 y 2  2 px 也能证
明，若点 ( x0 , y0 ) 在抛物线上，则点 ( x0 ,  y0 ) 也在抛物线上。
从抛物线的图像和方程可以看出，抛物线上的点的横坐标都在区
间 [0, ) 内，纵坐标的取值范围为全体实数。

抛物线与直线的位置关系也不能由交点的个数简单判定，而是也
需要通过分析交点坐标与直线的斜率进行判断。
3.2 抛物线与二次函数
由于二次函数的图像就是抛物线，因此二次函数理应也能化成抛
物线的标准方程的形式。现在将二次函数的表达式转化为抛物线的标
准方程，并分析它们之间的联系。
设二次函数为 y  a( x  b) 2  c （ a  0 ），根据函数知识可知，该二
次函数的开口向上，顶点坐标为 (b, c ) ，对称轴为 x  b 。

将该表达式稍作变形得：
1
( x  b) 2  ( y  c)
a
1
根据函数图像平移的规则，将方程 x  y 中的 x 替换为 x  b ，表
2
a
示将图像沿 x 轴正方向移动 b 个单位；将 y 替换为 y  c ，表示将图像
沿 y 轴正方向移动 c 个单位。
1
根据抛物线的标准方程可知，方程为 x  a y 的抛物线的焦点
2
1 1
为 F0 (0, ) ，准线为 l0 ：y   。
4a 4a
1 1 1
综上，将焦点为 F0 (0, ) 、准线为 l0 ：y   的抛物线 x 2  y 沿
4a 4a a
x 轴正方向移动 b 个单位、沿 y 轴正方向移动 c 个单位，即得到抛物线
（二次函数） y  a( x  b) 2  c 。
1
下面进行验证：先将抛物线 x 2  y 的焦点与准线也按照相同的方
a
1 1
式移动，可得新焦点为F1 (b,  c ) ，新准线为 l1 ：y    c 。于是平移
4a 4a
后的抛物线 y  a( x  b) 2  c 上的点 M ( x, y ) 到 F1 与 l1 的距离相等：
1 1
( x  b) 2  ( y   c) 2 | y  c|
4a 4a
逐步化简；
1 1
( x  b) 2  ( y   c) 2  ( y   c)2
4a 4a

( y  c)
( x  b)2 
a
y  a ( x  b) 2  c
按照圆锥曲线中抛物线的定义，推导得到的抛物线方程与二次函
数相同，说明二次函数与圆锥曲线中的抛物线是同一概念。
以上推导过程也验证了函数的平移变换的原理和规则同样适用
于曲线的方程。在椭圆的章节中也验证了函数的伸缩变换的原理和规
则同样适用于曲线的方程。
于是可知，函数的对称性、平移变换、伸缩变换的规律和法则也
适用于曲线的方程。事实上，函数的单调性、周期性、将要学习的导
数也同样适用于曲线的方程。
在初学函数时，曾提到函数的实质是一种映射，多为两个数集（定
义域与值域）中元素的映射关系。
事实上，曲线的方程也反映出点的横坐标与纵坐标之间的对应关
系，并且不再受到映射“一个原像只能对应一个像”的限制。
小结
本章主要学习椭圆、双曲线、抛物线的标准方程和性质。需重点
掌握各圆锥曲线的第一定义和第二定义、根据定义推导出相应的方程
的过程、通过分析图形和方程得出其性质的过程，了解各圆锥曲线的
定义、表达式、性质等方面的联系、共同点、不同点。
更重要的是，要掌握本章学习过程中，将语言描述转化为数学表
达式，并对复杂的数学表达式进行化简的能力。更加熟练地掌握将几
何关系中的数量关系、位置关系转化为所对应的解析式。
由于在过去学习的欧式几何中关于圆锥曲线的内容较少，因此本
章中“数形结合”思想主要体现在对它们的几种定义的应用上。
数列是高中数学相对较为独立的单元，与对数、指数、三角函数、
复数等基本运算有紧密联系，与函数、向量、曲线的方程等跟“图”有
关的内容界限较明显。
数列的概念较少且较容易理解，但数列的规律性很强，把握数列
的规律需要较强的思维能力，是学习和解题的难点所在。可以先从较
简单和浅显的等差数列、等比数列的规律入手，逐渐过渡到较复杂的
本章列举的其他数列。
学习数列时，需要培养观察、分析、发现规律的能力，特别是发
现等差、等比例等关系，以及拆项和消项、合并同类项等能力。还需
要注重训练将表达式进行分析处理变换的能力，将其变为到可以相互
抵消或相互迭代的形式。
本章还将学习数学归纳法和极限的初步内容。数学归纳法是一种
较实用的求解和证明方法，其原理和使用方法较易理解，但实际使用
需要对数字和运算具有较强的敏感性。
一、数列
顾名思义，数列就是把一些数按照一定的顺序排成一列。数列中
的各个数与它们的序号之间、相邻两个数之间、连续多个数字的和都
具有一定的数量关系，是数列的主要研究内容。
1.1 数列的概念
把一些数按照确定的顺序排成一列，就构成了数列，也就是一列
数。数列中的每一个数叫做数列的项。
由于数列中的每一个数按照确定的顺序排成一列，因此每一项都

对应一个“序数”或“编号”，按照顺序依次叫做第 1 项、第 2 项、第 3
项…第 n 项。数列的每一项对应的序号叫做该项的序数。
数列中的每一项可以用符号“小写字母+序数角标”表示，例如：
a1 , a2 , a3 ...an 分别表示一个数列中的第 1 项、第 2 项、第 3 项…第 n 项。
该数列记作 {an } 。
数列的项数可以是有限的，也可以是无限的。项数有限的数列叫
做有穷数列，有穷数列的最后项也叫做末项。有穷数列中项的总数叫
做该数量的项数。
项数无限的数列叫做无穷数列，由于无穷数列的项数无限，因此
没有末项，也没有项数。有穷数列和无穷数列都一定有第 1 项 a1 ，也
叫做首项。
一般情况下，如果没有专门说明数列的项数，默认其为无穷数列。
可以从无穷数列中选取一些元素构成一个有穷数列。
数列中的项可以是自然数、整数、有理数、实数、复数等一切形
式的数。下面是 2 个数列的例子。
例 1.1.1：全体自然数按照从小到大的顺序排列，构成一个无穷
数列： 0,1, 2,3
例 1.1.2：选取 1, 2,3 的实数平方根，按照从大到小的顺序排列，
构成一个有穷数列： 3, 2,1, 1,  2,  3 。
通常情况下，一个数列 {an } 的各项 ai 与它的序数 i 之间具有一定的

对应关系，该对应关系一般可以用数学公式 an  f (n) 表示，该公式对
该数列的每一项都适用，叫做数列的通项公式。
因此，数列也可以看作定义域为正整数、值域为数列的各项构成
的集合、对应法则为通项公式的函数。

数列的各项之间往往满足一定的数量关系，其中最常用的是每一
项与它的前一项（或后一项）之间的数量关系。如果数列 {an } 的每一
项 an 都能用关于其前一项 an 1 的数学公式表示 an  g (an 1 ) ，该公式叫做
数列的递推公式。
递推公式有时不直接以类似函数 an  g (an 1 ) 的形式给出，而是以
方程 h(an , an 1 )  0 的形式出现；有时给出的不是相邻两项之间的关系，
而是间隔 p 项之间的数量关系 an  i(an  p ) 。
数列的表示方式主要有两种：一一列举或通项公式。
一一列举的表示方法多用于有穷数列，将数列中的元素按照顺序
挨个写出即可。有时无穷数列也可以用一一列举的方法表示，需要数
列的规律非常明显并且不会产生歧义。
用通项公式 ai  f (i ) 可以准确地表示出数列的每一项而不产生歧
义，并且有助于揭示数列中各项与其序数各项之间的关系。
由于数列可以看作一种特殊的函数，因此函数的一些性质也体现
在数列中。
单调性：若一个数列的每一项都随着序数的增加而增大，即：
i  j , ai  a j ，则该数列叫做递增数列。
反之，若一个数列的每一项都随着序数的增加而减小，即
i  j , ai  a j ，该数列叫做递减数列。
所有项都相同的数列叫做常数列。
周期性：若一个数列的各项随着序数进行周期性变化，即
n
T , n : an  an T ，该数列叫做周期数列。例 1.1.3：数列 an  sin(  ) 是
2
以 4 为周期的周期数列。

对称性：由于数列的“定义域”为正整数 1, 2,3... ，没有“对称中心”
或“对称轴”，因此一般不讨论数列的对称性。
数列 {an } 的前 n 项和 a1  a2  ...  an 一般记作 Sn ，即 Sn  a1  a2  ...  an 。

根据数列前 n 项和的定义可知：
S n  S n 1  (a1  a2  ...  an 1  an )  (a1  a2  ...  an 1 )  an
数列的通项公式、递推公式、前 n 项和公式之间往往可以经过数
学相互推导得出。只要已知其中的一个，一般可以求出另外两个。
当多个形式完全相同、变量取值不同的表达式求和时，可以用求
和符号  （念作“sigma”）使书写更加简洁。
设关于 x 的表达式 f ( x) ，当求 x 分别取 1, 2,3...n 时，各表达式之和
S n  f (1)  f (2)  f (3)  ...  f ( n) 时，可简写为：

b
Sn   f ( x)
xa
 下方的 x  a 表示取值发生变化的变量 x 及其取值的初始值 a ；
上方的 b 表示变量 x 的最终值 b ，即 x 依次取从 a 到 b 的全体整数：
a, a  1, a  2..., b  1, b 。右边的 f ( x) 为关于 x 的表达式。
例 1.1.4：求表达式 5x ，当 x 取从 1 到 100 的整数时各项的和。表示

100
为： 5 ，其值为 51  52  53  ...  599  5100 。

x
x1
例 1.1.5：求函数 f ( x)  a x ，当 a 取从 1 到 9 的整数时各函数相加所
9
构成的函数 g ( x) 。表示为：g ( x)   a x ，函数 g ( x) 的具体表达式为：
a 1
g ( x)  1  2  3  4  5  6  7  8  9 x 。
x x x x x x x x
1.2 等差数列
若一个数列从第 2 项开始，每一项与它的前一项的差都等于同一
个常数，则这个数列叫做等差数列。这个常数叫做等差数列的公差，

公差常用符号 d 表示。即： n  2, an  an1  d 。
等差数列的定义中，需强调“从第 2 项开始”，这是由于数列的第
一项为 a1 ，不存在 a1  a11  d 。尽管有时为了表示方便，会另设某数
a0  a1  d ，但要明确 a0 并不属于数列 {an } ，只是另外计算得出的一个
数字而已。
根据等差数列的定义式 an  an1  d ( n  2 )，容易得到等差数列的递
推公式： an  an1  d ( n  2 )。
最简单的等差数列由 3 项 a1 , a2 , a3 构成。根据等差数列的定义可
知： a2  a1  a3  a2 。此时 a2 叫做 a1 与 a3 的等差中项。
a1  a3
根据等差中项的数学关系可知：a2  ，即：两个数字的等差
2
中项等于它们的算术平均数。
下面根据等差数列的递推公式推导其通项公式：
设等差数列 {an } 的首项为 a1 ，公差为 d ，其递推公式为 an  an1  d ，
于是有：
a2  a1  d
a3  a2  d
a4  a3  d
......
an  an1  d
从 a2 到 an 共有 n  1 个等式，将全部等式的左边与右边分别相加：
a2  a3  a4  ...  an 1  an  (a1  d )  ( a2  d )  ( a3  d )  ...  (an  2  d )  (an 1  d )
将等式右边的各 ai 与 d 分别放在一起：
a2  a3  a4  ...  an 1  an  ( a1  a2  a3  ...  an  2  an 1 )  ( n  1)d
可以发现：等式左边为从 a2 到 an 逐项相加。等式右边为从 a1 到 an 1

逐项相加，以及 n  1 个 d 相加。
等式左右两边的 a2 , a3 ...an 1 相互抵消，左边只剩 an ，右边只剩 a1 和
n  1 个 d 之和，即上式可化简为：
an  a1  (n  1)d ( n  2 )
这就是等差数列的通项公式。
上述推导过程中，将各形式相同、并且含有相同元素的等式依次
相互叠加，从而消去全部中间项，是分析处理数列的常用方法。
下面根据等差数列的通项公式推导其前 n 项和的公式：
等差数列 {an } 的前 n 项和的定义式为：
S n  a1  a2  a3 ...  an  2  an 1  an
将各项顺序颠倒，根据加法交换律和结合律可知，其和不变：
S n  an  an 1  an 2  ...  a3  a2  a1
将正序和倒序的两个等式相加：
S n  S n  (a1  a2  a3  ...  an  2  an 1  an )
 (an  an 1  an 2  ...  a3  a2  a1 )
将等式右边两个括号中各自第 1 项取出来求和：
a1  an  a1  a1  (n  1)d  2a1  (n  1)d
第 2 项： a2  an 1  a1  d  a1  (n  2)d  2a1  (n  1)d

第 3 项： a3  an2  a1  2d  a1  (n  3)d  2a1  (n  1)d
……
第 n  1 项： an 1  a2  a1  (n  2)d  a1  d  2a1  (n  1)d
第 n 项： an 1  a1  a1  (n  1)d  a1  2a1  (n  1)d
可以发现，等式右边两个括号中各自第 n 项之和都为 2a1  ( n  1)d ，

从 a1 到 an （或从 an 到 a1 ）总共有 n 项，于是有：

S n  Sn  (a1  a2  a3  ...  an  2  an 1  an )  ( an  an 1  an  2  ...  a3  a2  a1 )
 n[2a1  (n  1)d ]
n( n  1)
化简得：S n  na1  d
2
这就是等差数列前 n 项和的公式。
上述推导过程中，将同一个求和公式分别按照正常顺序和相反顺
序相加，从而得到一系列形式相同具有一定规律的表达式，也是分析
处理数列的常用方法。
1.3 等比数列
若一个数列从第 2 项开始，每一项与它的前一项的比都等于同一
个（不为 0 的）常数，则这个数列叫做等比数列。这个常数叫做等比
an
数列的公比，公比常用符号 q 表示。即：n  2,  q (q  0)
an 1
最简单的等比数列由 3 项 a1 , a2 , a3 构成。根据等比数列的定义可
a2 a3
知：  。此时 a2 叫做 a1 与 a3 的等比中项。
a1 a2
根据等比中项的数学关系可知： a2 2  a1a3
要注意：两个数 a1 , a3 的等比中项 a2 不一定等于它们的几何平均数
a1a3 ，也可能等于它们的几何平均数的相反数  a1a3 。
根据等比数列的定义式 an  q ( n  2 )，可得到等比数列的递推公
an 1
式： an  an 1q ( n  2 )。
等比数列的递推公式推导其通项公式的思路与等差数列相似：
a2  a1q
a3  a2 q
a4  a3 q
......
an  an 1q
将上面全部 n  1 个等式的左边与右边分别相乘：
a2  a3  a4  ...  an 1  an  (a1q )  (a2 q )  (a3 q )  ...  ( an 2 q )  ( an 1q )
将等式右边的各 ai 和 q 分别放在一起：
a2  a3  a4  ...  an 1  an  (a1  a2  a3  ...  an  2  an1 ) q n 1
等式左右两边的 a2  a3  a4  ...  an 1 相互抵消得：
an  a1q n 1
这就是等比数列的通项公式。
上述推导过程中，将各个相邻元素形式相同的等式依次相互相
乘，从而消去中间项，也是分析处理数列的一种常用方法。
下面根据等比数列的通项公式推导其前 n 项和的公式，其思路与
等差数列的求和公式有所不同。
根据有关定义，等比数列 {an } 的前 n 项和为：
S n  a1  a2  a3 ...  an 1  an  a1  a1q  a1q 2  ...  a1q n  2  a1q n 1
将各项按照倒序排列：
S n  an  an 1  ...  a3  a2  a1  a1q n 1  a1q n  2  ...a1q 2  a1q  a1
将正序与倒序直接相加或相减得不到可以进一步简化的结果。
换一种思路：若将数列 {an } 的各项都再乘以公比 q ，可构成一个

新的数列 {bn } ，则它们之间具有关系 bn  an q  an 1 。
一方面，由于 {bn } 的各项为 {an } 的各项都再乘以 q ，根据乘法分配
率可知： {bn } 的前 n 项和应当等于 {an } 的前 n 项和的 q 倍，即：
b1  b2  b3 ...  bn 1  bn  a1  q  ( a1q )  q  (a1q 2 )  q  ...  ( a1q n  2 )  q  (a1q n 1 )  q
 ( a1  a1q  a1q 2  ...  a1q n  2  a1q n 1 )  q
 Sn  q
另一方面，将 {bn } 的前 n 项和的各项都算出来：

b1  b2  b3 ...  bn 1  bn  a1  q  (a1q )  q  (a1q 2 )  q  ...  (a1q n  2 )  q  (a1q n 1 )  q
 a1q  a1q 2  a1q 3  ...  a1q n 1  a1q n
 a2  a3  a4  ...  an  an 1
联立上面两个等式得： Sn  q  a2  a3  a4  ...  an  an 1 ，将该等式与

等式 Sn  a1  a2  a3 ...  an1  an 两边同时相减得：
S n  S n  q  (a1  a2  a3 ...  an1  an )  ( a2  a3  a4  ...  an  an 1 )
消去等式右边先加后减的 a2 , a3 , a4 ...an1 , an 等项得：
S n  S n  q  a1  an 1  a1  a1q n
化简得：
a1 (1  q n )
Sn 
1 q
这就是等差数列的通项公式。
上述推导过程中，将各元素同时乘以公比或其他某个系数，使得
各项变成与其相邻的项（或间隔相同的项），从而消去中间项，也是
分析处理具有比例关系的数列的常用方法。
1.4 数列的极限
1
对于无穷数列 {an } : an  ，容易看出它是个递减数列，即：随
10n
着 n 增大， an 逐渐减小。
a1  0.1
a2  0.01
a3  0.001
......
{an } 除了 an 随 n 增大而减小外，还有一个特点：无论 n 取多大的值，
an  0 恒成立，并且 0 是所有小于全部 an 的实数中最大的。

1
若在平面直角坐标系中，以 n 为横坐标、an  为纵坐标，描绘
10n
出各项对应的点，可以发现越靠近右侧的点越接近 x 轴，但永远无法
达到 x 轴，也不会到 x 轴下方。
1
现在看另一个无穷数列 {bn } ：bn  ，虽然随着 n 增大， bn 在
( 10) n
负数和正数之间来回变动，但 | bn | 一直随 n 增大而减小。在平面直角
坐标系中作出 {bn } 各项表示的点，可以看出：虽然各点交替出现在 x
轴的上方和下方，但右边的点到 x 轴的距离总是越来越小。
在上面两个例子中，随着 n 增大，数列 {an } 的值总是越来越接近

某个常数 A ，常数 A 叫做数列 {an } 的极限，也叫做数列 {an } 收敛于 A ，
记作nlim an  A 。该符号下方的 n   表示“ n 趋近于  ”，“趋近于”表

示“无限接近，但达不到”。
高中阶段，两个最基本的极限为：
(1) lim q n  0 ( | q | 1 )
n 
1
(2) lim 0
n  n
高中阶段不需要掌握这两个极限的严谨证明，对其原理有感性认
1
识即可：分数的分母越大，分数的值越小。第(1)个极限可以看作分
a
1
数，由于 | q | 1 ，所以分母 |1/ q | 1 ，分母随着 n 增大而增大，分
(1 / q ) n
数的值越来越小。
求数列极限的问题中，所有含有 n 的部分，最终都要化为这两种
形式中的一种。
极限的加减乘除等基本运算也遵循与实数类似的法则：
若 A, B, C 为常数，且 lim an  A ， lim bn  B ， C ，则有：
n  n 
(1) nlim

(an  bn )  lim an  lim bn  A  B
n  n 
同理， lim (an  bn )  lim an  lim bn  A  B

n  n  n 
(2) lim (an  bn )  lim an  lim bn  A  B

n  n  n 

a lim an A
(3) lim ( n )  n  (B 0)
n  bn lim bn B
n 
(4) nlim

(an  C )  lim an  C  A  C
n 
(5) nlim

(an  C )  lim an  C  A  C
n 
下面是一个求数列极限的具体例子：
4n 4  2n  1
例 1.4.1 ：求 nlim
 6n 4  3n 2  1
解：分子分母同时除以 n 4 ：
4n 4 2 1
 
原式  nlim n 4 n3 n 4
 6 n 4 3 1
4
 2 4
n n n
2 1
4
 lim n3 n 4
n  3 1
6 2  4
n n
2 1
4  lim 3
 lim 4
n  n n  n

3 1
6  lim 2  lim 4
n  n n  n
1 3 1
4  2( lim)  ( lim ) 4
 n
n  n  n
1 1
6  3( lim ) 2  ( lim )4
n  n n  n
4  2  03  0 4

6  3  02  04
4

6
2

3
按照极限的运算规则，可以求出公比 | q | 1 的无穷等比数列
an  a1  q n 1 各项的和的极限：
1 qn a a a a a
lim S n  lim ( a1  )  1  1  lim q n  1  1  0  1
n  n  1 q 1 q 1 q n  1 q 1 q 1 q

1
下面看一个具体的无穷等比数列：an  ，它的各项和的极限为：
2n
1 1
lim S n   1
n  2 1 1
2
该极限可表示如下含义：作一个边长为 1 的正方形，故其面积为
1 1
1 1  1 。该正方形的面积一半为，即 a1  。
2 2
1 1
剩下的面积的一半为 a2  2 
2 4
1 1
剩下的剩下的面积的一半为 a3  3 
2 8
……
1
剩下的…剩下的（共 n  1 个“剩下的”）面积的一半为 an  。
2n
1 1 1 1 1 1
于是总面积为nlim Sn        ...  1 ，可用下图形象地
 2 4 8 16 32 64
所示。
二、其他数列
下面介绍一些较特殊的数列，并根据它们的递推公式推导出通项
公式或求和公式。主要目标是了解掌握一些关于数列问题的常用思
路，这些思路的原理在等差数列、等比数列中已经用过。

2.1 二阶等差数列与二阶等比数列
若一个数列的每一项与它的前一项的差值构成等差数列，这样的
数列叫做二阶等差数列。即： n  3, an  an1  an1  an 2  d 。
下面根据二阶等差数列的定义式推导其通项公式：
设二阶等差数列 {an } 满足关系 n  3, an  an 1  an 1  an2  d 。
用 {an } 相邻两项的差构造新的数列 {bn } : bn  an1  an ，即：
b1  a2  a1
b2  a3  a2
b3  a4  a3
......
bn 1  an  an 1
根据二阶等差数列 {an } 的定义式可得：
b2  b1  d
b3  b2  d
b4  b3  d
......
bn 1  bn  2  d
即： {bn } 是以 b1 为首项， d 为公差的等差数列，其通项公式为
bn  b1  ( n  1)d 。将 {bn } 的通项公式代入各 bn  an 1  an ：
b1  a2  a1
b1  d  a3  a2
b1  2d  a4  a3
......
b1  (n  2)d  an  an 1
将上面全部 n  1 个等式的左右两边分别相加：
b1  (b1  d )  (b1  2d )  ...  [b1  ( n  2)d ]  (a2  a1 )  (a3  a2 )  (a4  a3 )  ...  (an  an1 )
等式左边为等差数列 bn  b1  (n  1)d 的前 n  1 项和，代入等差数列

(n  1)(n  2)
求和公式可得：左边  (n  1)b1  d
2
等式右边各项展开后，各中间项互相消除，最终剩下 an  a1 。
(n  1)(n  2)
原等式化为：(n  1)b1  d  an  a1
2
( n  1)( n  2)
an  a1  ( n  1)b1  d
2
将 b1 还原为 a2  a1 ，将 d 还原为 (a3  a2 )  (a2  a1 ) 即 a1  a3  2a2 ，得：
以 a1 , a2 , a3 为前 3 项的二阶等差数列的通项公式为：
1
an  a1  (n  1)(a2  a1 )  (n  1)( n  2)(a1  a3  2a2 ) ( n  3 )
2
类似的，若一个数列的每一项与它的前一项的比值构成等比数
an a
列，这样的数列叫做二阶等比数列。即：n  3,  n 1  q 。
an 1 an  2
下面根据二阶等比数列的定义式推导其通项公式：
an a
设二阶等比数列 {an } 满足关系 n  3,  n 1  q 。
an 1 an  2
用 {an } 相邻两项的比构造新的数列 {bn } : bn  an 1 / an ，即：
b1  a2 / a1
b2  a3 / a2
b3  a4 / a3
......
bn 1  an / an 1
根据二阶等比数列 {an } 的定义式可得：
b2  b1  q
b3  b2  q
b4  b3  q
......
bn 1  bn  2  q

即： {bn } 是以 b1 为首项， q 为公比的等比数列，其通项公式为
bn  b1  q n 1 。将 {bn } 的通项公式代入各 bn  an 1 / an ：
b1  a2 / a1
b2  b1  q  a3 / a2
b3  b1  q 2  a4 / a3
......
bn 1  b1  q n  2  an / an 1
将上面全部 n  1 个等式的中间和右边分别相乘：
a2 a3 a4 a
b1  (b1  q)  (b1  q 2 )  ...  (b1  q n  2 )     ...  n
a1 a2 a3 an 1
等式左边为 n  1 个 b1 相乘，即 b1n1 ；以及 q  q 2  ...q n 2 ，按照指数运
算规则： q  q 2  ...q n 2  q1 2...( n2)  q ( n1)( n2)/2 ，即：左边  b1n 1  q ( n 1)( n  2)/2 。
an
等式右边各项的分子与分母相互抵消，最终剩下：
a1
an
原等式化为： b1n1  q ( n 1)( n 2)/ 2 
a1
an  a1  b1n 1  q ( n 1)( n  2)/2
q3 q2 q1q3
将 b1 还原为 a2 / a1 ，将 q 还原为   ，得：以 a1 , a2 , a3 为前 3
q2 q1 q2 2
项的二阶等比数列的通项公式为：
a2 n 1 q1q3 ( n 1)( n  2)/2
an  a1  ( ) ( 2 ) ( n  3)
a1 q2
推导二阶等差数列和二阶等比数列通项公式的过程中，都使用了
将多个形式相同的等式依次相互叠加或叠乘，从而消去中间项的方
法，这也是分析处理数列的常用方法。
2.2 从 1 到 n 的平方和
根据等差数列的求和公式可得正整数从 1 到 n 的和为：
n(n  1)
S n  1  2  3  ...  n 
2

现在通过求连续 n 个正整数的平方和与立方和，学习另一种分析
处理数列的经典方法。
对于从 1到 n 的平方 Sn  12  22  32  ...  n 2 ，无法通过直接对其进行
2
拆分或组合得到熟悉的形式，而是需要使用另一种方法：构造。
根据完全立方公式： (n  1)3  n3  3n 2  3n  1 ，可得：
(n  1)3  n3  (n3  3n 2  3n  1)  n3  3n 2  3n  1
观察该等式的左右两边：当 n 为正整数时，则等式左边为相邻两
个正整数的立方差，等式右边分别为：(1)正整数的平方项、(2)一次
项、(3)常数项。
分别代入 n  1, 2, 3... ，可得一系列等式：
(1  1)3  13  3  12  3 1  1
(2  1)3  23  3  22  3  2  1
(3  1)3  33  3  32  3  3  1
......
(n  1)3  n3  3  n 2  3  n  1
上面全部等式左右两边分别相加：
(1  1)3  13  (2  1)3  23  (3  1)3  33  ...  [(n  1)  1]3  (n  1)3  ( n  1)3  n3
 (3  12  3  1  1)  (3  2 2  3  2  1)  (3  32  3  3  1)  ...  3  (n  1) 2  3  (n  1)  1
3  n 2  3  n  1
等式左边恰好可以消除全部中间项，仅剩第 1 项里的 13 和最后项
里的 (n  1)3 。等式右边为正整数的平方和、正整数之和、常数项之和：
13  ( n  1)3  3  (12  22  32  ...  n 2 )  3  (1  2  3  ...  n)  1 n

n(n  1)
化简得： (n  1)3  1  3  (12  22  32  ...  n 2 )  3  n
2
等式右边的 (12  22  32  ...  n 2 ) 就是从 1 到 n 的平方和，将其单独移
到等式的一边：

1 1 n(n  1) 1
12  22  32  ...  n 2  (n  1)3    n
3 3 2 3
1
 n(n  1)(2n  1)
6
这就是从 1 到 n 的平方和的公式。类似的，借助 (n  1)4  n 4 可求出

从 1 到 n 的立方和，作为练习请自行完成。
该推导过程的思路仍为：将各个形式相同的等式相加，抵消中间
1
项。类似的，对于形如 an  的数列，可以将它的各项拆分
n( n  1)
1 1
为 an   ，直接求和时即可消除全部中间项。
n n 1
2.3 数列 an  na n 的前 n 项和
对于数列 {an } : an  na n ，它的前 n 项和的求法需要对数列的规律和
运算有较强把握能力。下面进行求解：
S n  a1  a2  a3  ...  an 1  an
 1 a1  2  a 2  3  a 3  ...  ( n  1)  a n 1  n  a n
 1 (a1  a 2  a 3  ...  a n 1  a n )  1  a 2  2  a3  ...  (n  2)  a n 1  (n  1)  a n
 1 (a1  a 2  a 3  ...  a n 1  a n )  1 a 2  2  a 3  ...  (n  2)  a n 1  (n  1)  a n
上式可分为两部分，前半部分为等比数列的和 a1  a 2  a3  ...  a n ，
后半部分与原表达式形式类似。将后半部分按照相同的方法，继续提
取出一个等比数列：
原式  (a1  a 2  a3  ...  a n1  a n )  (a 2  a3  ...  a n 1  a n )  a 3  2a 4  ...  (n  2)a n
按照上述规律，上式可以拆分为 n 个等比数列之和相加的形式，
各等比数列求和部分的首项分别为 a, a 2 , a 3 ...a n 1 , a n ，项数分别为
n, ( n  1),( n  2)...2,1 。
故上式最终可化为：

a1  a 2  a 3  a 4 ...  a n 3  a n  2  a n 1  a n （第 1 行）
 a 2  a 3  a 4 ...  a n 3  a n  2  a n 1  a n （第 2 行）
 a 3  a 4 ...  a n 3  a n  2  a n 1  a n （第 3 行）
 a 4 ...  a n 3  a n  2  a n 1  a n （第 4 行）
......
 a n 1  a n （第 n  1 行）
 a n （第 n 行）
总共为 n 行，第 i 行的开头为 ai 且共有 n  i  1 项，每行都是等比数

列的求和：
a1 前的系数为 1 ，只出现在第 1 行；
a 2 前的系数为 2 ，出现在前两行；
a 3 前的系数为 3 ，出现在前三行；
……
a n 前的系数为 n ，全部 n 行中都出现。
对各行分别使用等比数列的求和公式得：
1  an 1  a n 1 1  a n 2 1  a2 1 a
原式  a   a2  a3   ...  a n 1   an 
1 a 1 a 1 a 1 a 1 a
a  a n 1 a 2  a n 1 a 3  a n 1 a n 1  a n 1 a n  a n 1
    ...  
1 a 1 a 1 a 1 a 1 a
1
 [(a  a 2  a 3  ...  a n 1  a n )  na n1 ]
1 a
1 1  an
 (a   na n 1 )
1 a 1 a
以上就是数列 an  na n 前 n 项和的公式。这种将表达式拆分成为多
个形式相同、且计算公式已知的表达式的方法，在分析处理数列问题
时也较为常用。

2.4 斐波那契数列
斐波那契数列的描述非常简单明了，但它的通项公式的求解过程
较复杂，需要使用一种在分析解决数列问题时常用的思路。
斐波那契数列的定义为：数列的任意一项为它前面两项之和，即：
n  3, an  an 1  an  2 。
一般规定斐波那契数列 {a1} 的前两项为 a1  1 ， a2  1 ，于是根据其
定义可以较容易地求出后续各项：
a3  a2  a1  1  1  2
a4  a3  a2  2  1  3
a5  a4  a3  3  2  5
......
下面推导斐波那契数列的通项公式，推导的“原材料”只有它的定
义式： an  an 1  an 2 。
在该等式两边同时减去 pan1 （ p 为待定的系数），使等式变为：
an  pan 1  (1  p )an 1  an 2 ，并要求 p 使得等式左边 an 1 的系数与 an 的系

p 1
数的比值，跟等式右边 an2 的系数与 an 1 的系数的比值相同，
1 1 p
p 1
即： 1  1  p ，于是该等式可以化为 an  pan 1  k (an 1  pan 2 ) ，其中 k 是
另一个待定的系数。
于是可以构造新的数列 {bn } : bn  an 1  pan ，是以 b1  a2  pa1 为首项、
k 为公比的等比数列 bn  b1k n 1 ，根据 an 1  pan  b1k n 1 即可通过 {bn } 的通项

公式求出 {an } 的通项公式。
下面具体求解：
设常数 p ，使得在定义式 an  an1  an 2 两边同时减去 pan1 ，所得的
等式 an  pan 1  (1  p )an 1  an 2 ，可以化为 an  pan 1  k (an 1  pan 2 ) 的形式。
根据以上构造过程可知： (1  p )an 1  an 2  k (an 1  pan 2 )

比较等式两边 an1 , an 2 前的系数得：
1  p  k ， k  p  1
1 5 1 5
解方程组得： p  ，k 
2 2
1 5 1 5
或： p  ，k 
2 2
以上两组 p, k 都可以，这里选用第一组。可以选用第二组自行推
导，作为练习和验证。
为计算和书写方便，此时先不要代入 p, k 的具体数值，而是直接
使用字母 p, k ，代化简完成后再代入。
根据 {bn } 的构造方式 bn  an 1  pan 以及 an  pan 1  k (an 1  pan 2 ) 得：
a2  b1  pa1
a3  kb1  pa2
a4  k 2b1  pa3
......
an  k n  2b1  pan 1
将上面各等式依次层层代入：
an  k n  2b1  pan 1
 k n  2b1  p (k n  3b1  pan  2 )
 k n  2b1  pk n 3b1  p 2 an  2
 k n  2b1  pk n 3b1  p 2 (k n  4b1  pan 3 )

......
 k n  2b1  pk n 3b1  p 2 k n  4b1  p 3 k n 5b1  ...  p n 3 kb1  p n  2b1  p n 1a2
1 5 1 5 1 5
又由于b1  a2  a1  1   k ，代入 b1  k ， a2  1 ：
2 2 2
an  k n 1  pk n  2  p 2 k n 3  p 3 k n  4  ...  p n 3k 2  p n  2 k  p n 1
即： an 是一个以 k n 1 为首项， p / k 为公比的等比数列的前 n 项和，
使用等比数列求和公式得：

1  ( p / k ) n k n 1  p n / k k n  p n
an  k n1   
1 p / k 1 p / k kp
1 5 1 5
代入 p  ，k  ：
2 2
1 5 n 1 5 n
( ) ( )
an  2 2
1  5 1 5

2 2
1 1 5 n 1 5 n
an  [( ) ( ) ]
5 2 2
这就是斐波那契数列的通项公式。
菲波那切数列的通项公式还有其他求法。虽然这种求法的书写和
运算较繁琐，但使用的思路是分析处理数列时非常经典且容易想到
的，其中有 2 点较关键：
(1)若数列中的连续 3 项具有数量关系 an  man 1  nan 2 ，则可以假

设在该等式两边同时加上 xan1 ，使得 an  xan1  (m  x) an1  nan 2 等式两
x n
边前后项之间的比例相等：  ，即
1 m x
m x n
从而可以构造等比数列 {bn } : bn  an 1  xan ，公比为 q   ，并
1 x
m x n
通过解一元二次方程  求出 x 和 q 。
1 x
(2)得到 bn  an 1  xan 后，将其化为 an 1  bn  xan 反复迭代，得到等比
数列的求和的形式。
上述推导过程中，需要较大的耐心和细心，并且需要认真分辨新
构造数列的首项和公比，以及正确计算迭代后总的项数。
此外，根据实际情况，若将原数列 {an } 的项 an 进行平方 an 2 、开方

1
an 、取倒数、取对数 ln an 、取指数 ean ，或其他代数运算，构造出
an
新的数列，并且新构造的数列的通项公式较容易求出。再根据构造方
式，将新构造的数列的通项公式转化，变回原数列的通项公式，也是
分析处理数列的一种常用思路。

三、数学归纳法
到目前为止，学习数学的主要思路为演绎，即：根据基本的定义
和规则，结合分析推理，逐步对表达式进行变形和联立，最终推导出
新的公式和结论。
与演绎相对的另一种推理方法叫做归纳，其原理为：根据已经得
知的事实，从中总结猜想出一般性的规律，并使用数学方法予以证明。
这种方法在数学上的应用叫做数学归纳法。
数学归纳法多用于研究数列的性质，用于证明数列 {an } 对于全部
n  n0 ，都满足性质 an  f (n) 。其具体方法为：
(1)证明：当 n  n0 时， an  f (n0 ) 成立。

0
(2)证明：对所有 k  n0 ，若 ak  f (k ) 成立，则 ak 1  f (k  1) 也成立。
该方法成立的原理如下：根据 an  f (n0 ) 成立，以及“若 ak  f (k ) 成

0
立，则 ak 1  f (k  1) 也成立”，可推出 an 1  f (n0  1) 成立。

0
根据 an 1  f (n0  1) ，以及“若 ak  f (k ) 成立，则 ak 1  f (k  1) 也成立”，

0
又可推出 an 11  f (n0  1  1) ，即 an  2  f (n0  2) 成立。

0 0
同样可以继续推出 an 3  f (n0  3) ，an  4  f (n0  4) ，an 5  f (n0  5) …

0 0 0
成立。
因此对所有的 n  n0 ，性质 an  f (n) 都成立。
下面是两个使用数学归纳法的具体例子。
例 3.1.1：求全部从 1 到 2n  1 ( n  N  )的正奇数的和。
解：先求出前几项之和，观察规律：
11
1 3  4
1 3  5  9

1  3  5  7  16
1  3  5  7  9  25
观察发现，连续 n 个正奇数的和似乎恰好等于 n 2 ，于是假设：
1  3  5  ...  2n  1  n 2
(1)当 n  1 时， 1  1 ，成立。
(2)假设当 n  k 时， 1  3  5  ...  2k  1  k 2 。则当 n  k  1 时：
1  3  5  ...  2k  1  [2(k  1)  1]  k 2  2(k  1)  1  k 2  2k  1  ( k  1) 2
也成立。
即得证：对所有 n  1 ，1  3  5  ...  2n  1  n 2 。
根据等差数列的求和公式，对于首项为 a1  1 公差为 d  2 的等差数

n(n  1)
列，其前 n 项的和为：Sn  n 1   2  n 2 。结论相同。
2
例 3.1.2：前面已求出斐波那契数列通项公式为：
1 1 5 n 1 5 n
an  [( ) ( ) ]
5 2 2
现在用数学归纳法予以证明。
假设根据观察，（虽然很难）猜测斐波那契数列的通项公式为：
1 1 5 n 1 5 n
an  [( ) ( ) ]
5 2 2
1 1 5 1 1 5 1
(1)当 n  1 时， a1  [( ) ( ) ]1
5 2 2
1 1 5 2 1 5 2
当 n  2 时， a2  [( ) ( ) ] 1
5 2 2
(2)假设当 n  k ( k  1 )时，
1 1 5 k 1 5 k
ak  [( ) ( ) ]，
5 2 2
1 1  5 k 1 1  5 k 1
ak !  [( ) ( ) ] 都成立，
5 2 2
则有：

ak  2  ak  ak 1
1 1 5 k 1 5 k 1 1  5 k 1 1  5 k 1
 [( ) ( ) ] [( ) ( ) ]
5 2 2 5 2 2
1 1  5 k 1  5 k 1 1 1  5 k 1  5 k 1
 [( ) ( ) ] [( ) ( ) ]
5 2 2 5 2 2
1 1 5 k 1 5 1 1 5 k 1 5
 ( ) (1  ) ( ) (1  )
5 2 2 5 2 2
1 1 5 k 3  5 1 1 5 k 3  5
 ( ) ( ) ( ) ( )
5 2 2 5 2 2
2
3  5 6  2 5 12  5  2 5 1  5 2
其中：   ( )
2 4 4 2
2
3  5 6  2 5 12  5  2 5 1  5 2
  ( )
2 4 4 2
于是：
1 1 5 k 1 5 2 1 1 5 k 1 5 2
原式  ( ) ( )  ( ) ( )
5 2 2 5 2 2
1 1  5 k 2 1 1  5 k 2
 ( )  ( )
5 2 5 2
1 1  5 k 2 1  5 k 2
 [( ) ( ) ]
5 2 2
即得证。
使用数学归纳法的具体过程一般为：
(1)归纳：列出前几项，进行观察和归纳。
(2)猜想：根据观察和归纳，猜想出可能的规律。
(3)论证：使用数学归纳法验证该规律。
在使用数学归纳法时，难点多出现在第(2)步：猜想提出可能的规
律。根据列举出的前几项，从一系列数中发现潜在的规律并形成公式，
往往需要对数字和运算具有较高的熟练度和敏感性。
只要能准确猜想出规律公式，第(3)步论证往往较为简单，代入首

项求出具体数值的计算一般较容易；由于已经有了假定的结论，因此
根据猜想公式从第 n 项的表达式推出第 n  1 项的表达式也不会很难。
小结
本章主要学习数列的概念、数学归纳法，初步了解极限的概念。
数列的概念较为简单，但具体推导运算较复杂。
需要通过充足的练习训练，加强寻找规律、把握规律、总结规律
的能力，以及条理清晰地分析和书写复杂的数列求和的能力，以及对
公式进行变形处理的能力。
用数学归纳法的验证规律较容易掌握，难点主要在于观察并归纳
出规律，同样需要充分的联系，提高对数字和运算的敏感性，并熟悉
掌握一些经典的公式。
总之，数列非常考验思路和方法，技巧性的重要性要明显高于其
他部分。

本章将要学习的新的数学领域：计数原理。
计数是人类生产生活中非常重要和常见的活动，可以理解为日常
生活中的“数数”。与生活中直接一个一个数出来不同，本章通过分析
和推演，将计数原理总结提炼为简洁的规律公式，使计数更加系统化
和一般化，面对复杂情况时也能按部就班地分析处理。
排列组合与二项式定理既是对计数原理的应用，也是计数的重要
方法和基本计算方式，还是下一章即将学习的概率与统计的前提基
础。
学习本章时，需要注重理解计数原理所反应的简单朴素的现实规
律，以及使用计数原理推导排列数公式、组合数公式、二项式定理的
过程，并将数学公式与对应的现实意义联系起来。
一、计数原理
计数原理是排列组合与二项式定理的基础，是本章的核心内容。
计数原理的内容本身较简单，但正是基于这些简单朴素的原理，通过
分析推理得出了重要的排列组合与二项式定理等重要公式和定理。
1.1 加法原理：分类
先看一个具体例子：某学校周五下午开设选修课，同学可以选择
自己喜欢的课程去听。有语文、数学、英语、足球、篮球、排球、绘
画、舞蹈、唱歌。
使用小学数学知识，将上述课程一一数过来可知：共有 9 门课程。
现在将课程分为高考课程与非高考课程 2 类，则有：
(1)高考课程：语文、数学、英语，共 3 门。
(2)非高考课程：足球、篮球、排球、绘画、舞蹈、唱歌，共 6
门。
高考课程的数量与非高考课程的数量之和等于课程总数：
36  9
以上就是加法原理：若完成一件事情有两类不同的方案，这两类
方案中分别有 m1 和 m2 种具体方法，则这两类方案中具体方法数之和
m1  m2 ，为完成这件事的方法的总数 M  m1  m2 。
在上面的例子中，需要完成的事情是“选课”。第一类方案为“选
高考课程”，共有 3 种方法：选语文、选数学、选英语。第二类方案
为“选非高考课程”，共有 6 种方法：选足球、选篮球、选排球、选绘
画、选舞蹈、选唱歌。
总的来说，选课共有 9 种方法：选语文、选数学、选英语、选足
球、选篮球、选排球、选绘画、选舞蹈、选唱歌。
从集合的角度分析，可以把全部课程看作一个集合：S={语文，
数学，英语，足球，篮球，排球，绘画，舞蹈，唱歌}，它是 2 个没
有交集的子集的并集：
A1  {语文，数学，英语} ， cardA1  3
A2  {足球，篮球，排球，绘画，舞蹈，唱歌} ， cardA2  6
因为 A1  A2   ， card ( A1  A2 )  0 ，所以：
cardS  card ( A1  A2 )
 cardA1  cardA2  card ( A1  A2 )
 cardA1  cardA2  0
 cardA1  cardA2
在这个例子中，“课程”与“选课程”其实是同一件事情的不同表
述，“语文”与“选语文”是等价的。
除了按照高考课程与非高考课程分类外，还可以按照体育课与非
体育课，或艺术课与非艺术课的方法分类，只要分类方法有明确的判
断标准就行，这与命题或集合元素需要明确的判断标准的要求相同。
除了把全部方法分为两类外，也可以分为 3 类或更多类，在上面
的例子中，还可以分为高考课程、体育课、艺术课，每一类中各有 3
门课程，即： 9  3  3  3 。
加法原理的本质就是分类。在现实生活中，使用加法原理的情形
很多，例如：假设从甲城市出发前往乙城市，有 3 列火车，2 列大巴，
以及自己开车前往三类方式，共有 3  2  1  6 种方法。写作业时，从笔
袋里选笔，有 2 支铅笔和 2 支水笔，共有 2+2 种选择。
1.2 乘法原理：分步
还是先看一个具体例子：某同学周末换衣服出门买菜，他共有 4
件衬衣和 3 条裤子，设 4 件衬衣分别为 a, b, c, d ，3 条裤子分别为 p, q, r 。
按照生活中的实际穿衣方式，共分为 2 个步骤：
第 1 步：从 4 件衬衣中选 1 件，共 4 种方案；
第 2 步：从 3 条裤子中选 1 条，共 3 种方案。
全部着装方式分别为：
a p ，aq，ar，
b  p ，b  q ，b  r ，
c p ，c  q，c r ，
d  p ，d q，d r ，
共有 4  3  12 种着装方式。
这就是乘法原理：若完成一件事情需要两个步骤，每个步骤分别
有 m 和 n 种不同的方法，则完成这件事共有 N  m  n 种方法。

从集合的角度分析，可以把全部衬衣看作一个集合：A  a, b, c, d  ，
全部裤子看作一个集合： B   p, q, r 。从 A 和 B 中各选取一个元素构
成新的集合，则新的集合的种类共有 4  3  12 种。
若完成一件事情需要多个步骤，且每个步骤分别有 m, n, p, q, r......
种方案，则完成这件事总共有 N  m  n  p  q  r... 种方案。
例如：假设上面例子中的同学，有 4 件衬衣、2 件外套，3 条裤
子，2 双鞋子。他的着装过程为：
第 1 步：选衬衣，共 4 种方案；
第 2 步：选外套，共 2 种方案；
第 3 步：选裤子，共 3 种方案；
第 4 步：选鞋子，共 2 种方案。
共有 4  2  3  2  48 种着装方式。
乘法原理的本质就是分步，将一件事情拆分为多个相互独立的步
骤，每个步骤的方案数量的乘积就是完成这件事的全部方法的总数。
二、排列与组合
将加法原理和乘法原理应用于一些计数的常见情形中，并进行一
定的适应和变形，就得到了关于排列与组合的公式，分别叫做排列数
公式与组合数公式，以它们为基本公式可使得计数过程大为简化。
2.1 排列与排列数公式
“排列”就是“排队”的意思，即：将一些元素按照一定的顺序排队。
排列数公式是指从 n 个不同的元素中选取 m ( m  n )个元素，并按照一

定的顺序排队，这个过程叫做从 n 个元素中选取 m ( m  n )个元素的排
列。

上述过程中，全部不同的排列方式的总数叫做从 n 个元素中选取
m ( m  n )个的排列数，记作 Anm （有些教材版本记作 Pnm ，以在用教材
为准）。
下面通过一个具体例子推导排列数公式。
假设某小组共有 5 名同学( n  5 )，分别为甲、乙、丙、丁、戊，
现选取部分同学进行排队。
任务一：选取 1名同学，排成只有 1人的队伍( m  1 )。

从 5 名同学中任选一名即可，共 5 种方案：
(1)甲
(2)乙
(3)丙
(4)丁
(5)戊
即： A51  5
任务二：选取 2 名同学，排成有 2 人的队伍( m  2 )。
排队方法如下：先选取 1 名同学排第一，再从剩下的 4 名同学中

选 1 名排第二。
方案(1)：甲排第一。排第二的同学从乙丙丁戊中选取，共 5 种方
案：(1-1)甲-乙，(1-2)甲-丙，(1-3)甲-丁，(1-4)甲-戊
方案(2)：乙排第一。排第二的同学从甲丙丁戊中选取，共 4 种方
案：(2-1)乙-甲，(2-2)乙-丙，(2-3)乙-丁，(2-4)乙-戊
方案(3)：丙排第一。排第二的同学从甲乙丁戊中选取，共 4 种方
案：(3-1)丙-甲，(3-2)丙-乙，(3-3)丙-丁，(3-4)丙-戊
方案(4)：丁排第一。排第二的同学从甲乙丙戊中选取，共 4 种方
案：(4-1)丁-甲，(4-2)丁-乙，(4-3)丁-丙，(4-4)丁-戊
方案(5)：戊排第一。排第二的同学从甲乙丙丁中选取，共 4 种方
案：(5-1)戊-甲，(5-2)戊-乙，(5-3)戊-丙，(5-4)戊-丁
综上，共 5 类方案，每类方案中共 4 种具体方式，因此共有 5  4  20
种排列方式，即 A52  5  4  20 。
任务三：选取 3 名同学，排成有 3 人的队伍( m  3 )。
同样的，先排第一名同学，共有甲、乙、丙、丁、戊，5 类方案。
再排第二名同学，若第一名选甲，则第二名有乙、丙、丁、戊，
4 种方案。若第一名选乙，则第二名有甲、丙、丁、戊，4 种方案……
与排 2 人队的情况相同。
接下来排第三名同学：
若第一、二名为(1-1)甲-乙，则第三名有丙、丁、戊，3 种选择，
即：(1-1-1)甲-乙-丙，(1-1-2)甲-乙-丁，(1-1-3)甲-乙-戊。
若第一、二名为(1-2)甲-丙，则第三名有乙、丁、戊，3 种选择，
即：(1-2-1)甲-丙-乙，(1-2-2)甲-丙-丁，(1-2-3)甲-丙-戊。
按照相同的原理，第一名排甲的其他方案分别为：
(1-3-1)甲-丁-乙，(1-3-2)甲-丁-丙，(1-3-3)甲-丁-戊。
(1-4-1)甲-戊-乙，(1-4-2)甲-戊-丁，(1-4-3)甲-戊-丁。
第一名排乙的方案：
(2-1-1)乙-甲-丙，(2-1-2)乙-甲-丁，(2-1-3)乙-甲-戊；
(2-2-1)乙-丙-甲，(2-2-2)乙-丙-丁，(2-2-3)乙-丙-戊；
(2-3-1)乙-丁-甲，(2-3-2)乙-丁-丙，(2-3-3)乙-丁-戊；
(2-4-1)乙-戊-甲，(2-4-2)乙-戊-丙，(2-4-3)乙-戊-丁。
类似的，可以写出第一名排戊、丙、丁的方案，总共有 5  4  3=60
种排列方式，即 A53  5  4  3=60 。

现在根据以上具体列举过程，推导从 n 个元素中选取 m 个进行排
列的种类的公式：
第 1 步：从 n 个元素中选 1个排在第一位，排完后还剩 n  1 个元素。
第 2 步：从剩下的从 n  1 个元素中选1个排在第二位，排完后还
剩 n  1  1  n  2 个元素。
第 3 步：从剩下的从 n  2 个元素中选1个排在第三位，排完后还
剩 n  2  1  n  3 个元素。
......
第 m 步：前面已经选取了 m  1 个元素参与排列，排完后还剩
n  (m  1)  n  m  1 个元素，从这 n  m  1 个元素中选 1 个，排在第 m 位，
根据乘法原理，全部排列方式共 Amn  n  (n  1)  (n  2)  ...  (n  m  1) 种。

这就是排列数的运算公式，简称排列数公式。
Amn 的定义式 n  ( n  1)  (n  2)  ...  ( n  m  1) ，用语言表述为：从 n 到
n  m  1 全部正整数的乘积，或从 n 开始依次递减的 n  m 个相邻的正整
数相乘的积。要注意最后项应为 n  m  1 ，不要弄错。
为方便计算，定义新运算阶乘。阶乘是关于正整数的运算，正整
数 n 的阶乘表示全部小于等于 n 的正整数的乘积，记作 n ! ，即：
n !  n( n  1)(n  2)...3  2  1
特别的，规定 0!  1 。因为阶乘是以正整数乘法为基础的运算，在
乘法中，若没有数字参与乘法一般视作 1 ，这与乘方运算中规定
a 0  1 ( a  0 )的原理相似。
n!
排列数的定义式还可以写为：Amn  。该表达式的分子为
(n  m)!
n !  n( n  1)...2  1 ，共 n 项相乘。分母为 ( n  m)!  ( n  m)(n  m  1)...2 1 ，共 m
项相乘。分子分母进行约分，剩 n  m 项：

n!
Amn 
(n  m)!
n(n  1)...2 1

(n  m)(n  m  1)...2 1
n(n  1)...(n  m  1)(n  m)(n  m  1)...2 1

(n  m)(n  m  1)...2 1
 n( n  1)...(n  m  1)
n!
根据排列数的定义式 Amn  ，可推导出它的一些性质：
( n  m )!
性质(1): An1  n
n! n( n  1)...2  1
证明： An1   n
( n  1)! ( n  1)...2 1
现实意义为：从 n 个元素中选取 1个排队，有 n 种排法（选法）。
性质(2): Ann  n !
n! n!
证明： An    n!
n
( n  n)! 0!
现实意义为：将全部 n 个元素进行排队，有 n ! 种排法。
性质(3)： Ann1  n !  Ann

n! n!
证明：Ann1    n!
[n  (n  1)]! 1!
现实意义为：从 n 个元素中选取 n  1 个进行排队，也有 n ! 种排法，
最后剩下未被选中的元素可以看作被排进了队伍之外的“附加队”。
性质(4)： Ann11  (n  1) Ann
证明： Ann11  (n  1)!  (n  1)n(n  1)...2 1  (n  1)  [n(n  1)...2 1]  (n  1)
n !  (n  1) Ann
现实意义为：已经将 n 个元素排好了队伍，此时若再新添加 1 个
元素，则可以将新添加的元素插入已排好队列的任意一个空挡中。
由于每个有 n 个元素的队列，共有开头 1个、末尾1个、以及中间
n  1 个空挡，共 1  1  n  1  n  1 个空挡。因此每种已有排法可以产生 n  1
种新的排法，总共有 n ! 种已有排法，故总共有 (n  1)  n ! 种排法。

例如：当 n  3 时， A, B, C 三个元素排队，共有 A33  3!  6 种排列方
式，分别为：
A B C ， A C  B ， B  A C ， B  C  A，C  A B ，C  B  A。
若新添加元素 D ，将 D 加入排法 A  B  C 总共有 3  1  4 种方式：

放在开头： D  A  B  C
插入第一、第二之间： A  D  B  C
插入第二、第三之间： A  B  D  C
放在末尾： A  B  C  D
同理，将 D 加入其他排法也分别有 4 种方式，共有 A44  4  A33  12 种
方式。
这种在已经排好的队伍中，“插空”放入新元素的方法，是分析解
决排列组合问题的常用思路。
2.2 组合与组合数公式
组合的概念比排列简单，但组合数的推导比起排列数稍复杂。
组合的定义为：从 n 个不同的元素中选取 m ( m  n )个元素作为一
组，（只是简单地放在一起不进行排队），这个过程叫做从 n 个不同
的元素中选取 m ( m  n )个元素的组合。
上述过程中，全部不同的组合方式的总数叫做从 n 个元素中选取
m ( m  n )个元素的组合数，记作 Cnm 。
虽然组合只进行“选取”，不需要“排队”，操作上似乎比排列要简
单，但组合数的计算比排列数的计算稍复杂。仍通过具体例子推导组
合数的计算公式。
假设某天中午食堂总共有甲、乙、丙、丁、戊，5 道菜。
任务一：选 1 道菜。共 5 种方案：

(1)甲
(2)乙
(3)丙
(4)丁
(5)戊
即： C51  5
任务二：选 2 道菜。有两种点菜方式，先使用生活中常用的方法：
逐个确定每道菜要不要：
(1)选甲，那么另一道菜有 4 种方案：
(1-1)甲、乙，(1-2)甲、丙，(1-3)甲、丁，(4)甲、戊
(2)不选甲，选乙，那么另一道菜有 3 种方案：
(2-2)乙、丙，(2-2)乙、丁，(2-3)乙、戊
(3)不选甲、乙，选丙，那么另一道菜有 2 种方案：
(3-1)丙、丁，(3-2)丙、戊
(4)不选甲、乙、丙，选丁，那么另一道菜有 1种方案：
(4-1)丁、戊
(5)不选甲、乙、丙、丁，选戊，另一道菜没得选，不成立。
综上，从 5 道菜中选 2 个的组合数为： C52  4  3  2  1  10 。
任务三：选 3 道菜。同样使用逐个确定每道菜的方式。
(1)选甲，还要选 2 道菜。
(1-1)选甲，且选乙，共 3 种方案：
(1-1-1)甲、乙、丙，(1-1-2)甲、乙、丁，(1-1-3)甲、乙、戊
(1-2)选甲，不选乙，选丙，共 2 种方案：
(1-2-1)甲、丙、丁，(1-2-2)甲、丙、戊
(1-3)选甲，不选乙，不选丙，选丁，共 1 种方案：
(1-3-1)甲、丁、戊
综上，选甲共有 3  2  1  6 种方案
(2)不选甲，选乙，还要选 2 道菜。
(2-1)不选甲，选乙，选丙，共 2 种方案：
(2-1-1)乙、丙、丁，(2-1-2)：乙、丙、戊
(2-2)不选甲，不选乙，选丙，共 1种方案：
(2-2-1)丙、丁、戊
综上，不选甲，选乙，共有 2  1  3 种方案。
(3)不选甲，不选乙，选丙，刚好还剩 2 道菜，只有 1种方案：
(3-1-1)丙、丁、戊
(4)不选甲，不选乙，不选丙，只剩 2 道菜，不够 3 道，故形不成
方案。
综上，从 5 道菜中选 3 个的组合数为： C53  (3  2  1)  (2  1)  1  10 。

以上分析思路虽然简单，但过程较繁琐，特别是当 n 或 m 很大时，
需层层分析出子情况讨论和归并，难以化为简单的公式形式。
现在换一种分析思路，借助排列数的方法，“绕一个圈子”。
任务二：从 5 道菜中选 2 道。
第 1 步：先从 5 道菜中选 2 道并进行排列，共 A52  20 种方案。
第 2 步：在这 20 种方案中，甲-乙与乙-甲虽然是两种不同的排列，
但是同一种组合，重复计算了一次。类似的，甲-丙与丙-甲，甲-丁与
丁-甲，等等也是不同的排列、同一种组合。
因此，每一种排列都能找到另一个与其成员相同、只是顺序不同
的排列，它们属于同一种组合，即每一种组合都被计入了 2 次。
A52 20
所以总的组合数为：C52    10
2 2
任务三：从 5 道菜中选 3 道。
第 1 步：先从 5 道菜中选 3 道并进行排列，共 A53  60 种方案。
第 2 步：在这 60 种方案中，甲-乙-丙、甲-丙-乙、乙-甲-丙、乙-
丙-甲、丙-甲-乙、丙-乙-甲，这 6 种不同的排列实际上是同一种组合。
类似的，每一种排列都能找到另外 5 种与其成员相同、只是顺序
不同的排列。
于是，“ 5 选 3 ”的排列数相当于进行了两步操作：
第 1 步：进行“ 5 选 3 ”的组合；
第 2 步：将每种组合进行 A33 的排列。
即： A53  C53  A33

将该等式变形得：
A53 60
C53    10
A33 6
将上述规律推广到一般的从 n 个不同的元素中选取 m ( m  n )个元
素的组合数。可知：
从 n 个不同的元素中选取 m ( m  n )个元素的排列数 Anm ，等于先从
n 个不同的元素中选取 m ( m  n )个元素的组合数 Cnm ，再将每种组合进
行全排列的排列数 Amm 。于是有： Anm  Cnm  Amm ，即：

Anm n!
Cnm  
Am m !(n  m)!
m
这就是组合数的公式。也可以理解为：“从 n 个不同的元素中选取
m 个元素的组合数”，等于“从 n 个不同的元素中选取 m 个元素的排列
数”的 Amm 倍。
将组合数的定义式中的分子和分母展开：
n! n( n  1)...(n  m  1)(n  m)(n  m  1)...  2  1 n( n  1)...(n  m  1)
Cnm   
m !(n  m)! [m(m  1)...  2 1][(n  m)(n  m  1)...  2  1] m(m  1)...  2 1
即：若组合数 Cnm 的 m 较小时，可以简化计算，分子为从 n 开始到

n  m  1 共 m 项的乘积，分母为 m !
Anm n!
根据组合数的定义式 C  m  m
，也可推导出一些性质。
n
Am m !(n  m)!
性质(1)： Cnm  Cnn m
证明：分别根据定义式展开：
n!
Cnm 
m!(n  m)!
n! n!
Cnn m  
(n  m)![n  (n  m)]! ( n  m)!m !
展开后的表达式相同，即得证。
该性质也叫做组合数的互补性质。从 n 个元素中选取 m 个元素，
与选取 n  m 个元素实质上相同。
选取 m 个元素后剩下 n  m 个元素，选取 n  m 个元素后剩下 m 个元
素。这两种组合数都相当于把 n 个元素分为两堆，一堆有 m 个，一堆
有 n  m 个，区别仅在于哪一堆“选中”，哪一堆“剩下”，但“分为 m 个
与 n  m 个两堆”的分类方法及分类方法的数量是一样的。
性质(2)： Cnm1  Cnm  Cnm 1
证明：按照组合数的定义式将等式左右两边分别展开：
(n  1)!
Cnm1 
m !(n  1  m)!
n! n!
Cnm  Cnm1  
m !( n  m)! (m  1)!( n  m  1)!
n! n!
 
[m  (m  1)!](n  m)! (m  1)![(n  m  1)  (n  m)!]
n! n!
 
(m  1)!(n  m)!m (m  1)!(n  m)!(n  m  1)
n! 1 1
 (  )
(m  1)!(n  m)! m n  m  1
n! n  m 1 m
 
(m  1)!(n  m)! m(n  m  1)
n! n 1
 
(m  1)!(n  m)! m(n  m  1)

(n  1)n !

[m(m  1)!][(n  m  1)(n  m)!]
(n  1)!

m !(n  m  1)!
左右两边的表达式相等，即得证。
该性质也叫做组合恒等式。现实意义为： Cnm1 表示从 n  1 个不同

的元素中选取 m 个元素的全部组合方式的总数。现在从这 n  1 个不同
的元素中随便选定某个元素 a ，则这全部 Cnm1 种取法可以分为两类：
含有元素 a 的与不含元素 a 的。
其中，含有元素 a 的组合数，相当于从除 a 以外的 n 个元素中选 m
个，再加上 a 即可，为 Cnm 。不含元素 a 的组合数，相当于从除 a 以外
的 n 个元素中选 m  1 个，为 Cnm1 。这两种分类的组合数之和 Cnm  Cnm1 应

当等于全部的组合数 Cnm1 ，即得证。
三、二项式定理
二项式定理的推导过程是对加法原理、乘法原理，以及排列组合
的经典应用。二项式定理的推导主要通过逻辑分析而非数学运算，这
种逻辑分析能力对于解决排列组合问题非常重要。
3.1 二项式定理
只有两个项的多项式叫做二项式，二项式一般都可以写为 a  b 的
形式。需熟练掌握的完全平方公式 (a  b)2  a 2  2ab  b 2 、完全立方公式
(a  b)3  a 3  3a 2b  3ab 2  b3 分别是二项式的二次幂与三次幂。
二项式定理的主要内容为：将二项式的正整数次幂 (a  b) n 展开为
一系列关于 ka p bq 的单项式的和的形式，所得到的全部各项以及各项
系数和次数的表达式满足一定的数学规律。

现在进行分析推导：将二项式的 n 次幂 (a  b) n 写成若干个二项式
相乘的形式：
(a  b)n  (a  b)(a  b)(a  b)......(a  b)( a  b) 共 n 个 a  b 相乘。
根据乘法分配率可知： (a  b) n 展开后的每一项 ka p bq ，当中的 a 和
b 均来源于这些 a  b 。并且每个 a  b 都必然要么贡献出一个 a ，要么
贡献出一个 b 。
因此展开后的每一项 ka pb q 当中： a 和 b 的次数之和应当等于 n ，

即 p  q  n 恒成立。
例如：若每个 a  b 都贡献 a ，形成的项为 a n ；若第一个 a  b 贡献 a ，
其余所有 n  1 个 a  b 都贡献 b ，形成的项为 ab n1 ；若其中 p 个 a  b 贡献
a ，剩余 n  p 个 a  b 贡献 b ，形成的项为 a pb n  p 。
对于 a pb n  p ，它的 a 有 p 个来源，即：来自于 p 个不同的 a  b 。于
是：从 n 个 a  b 中选 p 个贡献 a ，其余的 n  p 个 a  b 贡献 b 。这样共有
Cnp 种形成 a p b n  p 的方式，就总共有 Cnp 个 a p b n  p ，即 k  Cnp 。
下面换一种理解方式：
对于 a n ，只有每个 a  b 都贡献 a 这一种形成方式，即从 n 个 a  b 中
选 n 个贡献 a ， Cnn  1 ，即 a n 前的系数为1 。

对于 ab n 1 ，需 1 个 a  b 贡献 a ，其余所有 n  1 个 a  b 都贡献 b ，形
成的项为 ab n1 ：
第 1 个 a  b 贡献 a 、其余 a  b 贡献 b ，形成 1 个 ab n1 ；

第 2 个 a  b 贡献 a 、其余 a  b 贡献 b ，形成 1 个 ab n 1 ；
第 3 个 a  b 贡献 a 、其余 a  b 贡献 b ，形成 1 个 ab n1
……
第 n 个 a  b 贡献 a 、其余 a  b 贡献 b ，形成 1 个 ab n 1 。

总共形成 Cn1  n 个 ab n 1 ，所以 ab n1 前的系数为 Cn1 。
更加一般的，对于 a pb n  p ，需 p 个 a  b 贡献 a ，其余所有 n  q 个 a  b
都贡献 b ，形成的项为 a pb n  p ，总共形成 Cnp 个 a pb n  p ，所以 a pb n  p 前的
系数为 Cnp 。
综上， (a  b) n 展开后的各项分别为 p 从 0 递增到 n 的全部 Cnp a p b n p
之和：
(a  b)n  Cnn a n  Cnn 1a n1b  Cnn 2 a n  2b 2  ...  Cn1 ab n 1  Cn0b n
由于 Cnp  Cnn p ，即：从 n 个 a  b 中选 p 个贡献 a ，等同于从中选 n  p

个贡献 b ，一般习惯按照从小到大排列，故二项式定理一般写为：
(a  b)n  Cn0 a n  Cn1 a n 1b  Cn2 a n  2b 2  ...  Cnn1ab n1  Cnnb n
也可以用求和符号记作：
n
(a  b) n   (Cnk a n  k b k )
k 0
二项式定理中，展开后的用组合数表示的每一项的系数 Cnp 叫做
二项式系数。
二项式系数是特有名词，专指 Cnp 。与多项式的系数不同，是两
个完全不同的概念。例如，将二项式 (a  2)n 按照二项式定理展开为：
( a  2) n  Cn0 a n  Cn1 2a n 1  ...  Cnp 2 p a n  p  ...  Cnn 2 n
对于当中的某项 Cnp 2 p a n  p ， Cnp 叫做 a n  p 项的二项式系数， Cnp 2 p 叫
做 a n  p 项的系数。
3.2 三项式的展开
二项式定理的推导原理还可以推广到三项式以及其他多项式，现
在仿照推导二项式定理的过程，分析三项式的展开的形式。
对于三项式 (a  b  c) n ，将其写为若干 a  b  c 相乘的形式。
(a  b  c) n  (a  b  c )(a  b  c)......( a  b  c ) 共 n 个 a  b  c 相乘。

展开后的各项 ka p bq c r ，都必然由 n 个 a  b  c 中的每一个分别贡献
一个因数，要么是 a ，要么是 b ，要么是 c ，因此 a, b, c 的次数之和为
p  q  r  n 。于是各项可写为 ka p b q c n  p  q 。
对于 ka p bq c n p q ，它的 a 来自于 p 个 a  b  c ，共有 Cnp 种可能；它的
b 来自于剩下的 n  p 个 a  b  c 当中的 q 个，共有 Cnq p 种可能；剩下的
n  p  q 个 a  b  c 贡献 c 即可。根据分步的乘法原理有：ka p b q c n  p  q 前的
三项式系数应为： k  Cnp  Cnq p ，即：

n n p
(a  b  c) n   [ (Cnp  Cnq p a p b q r n  p  q )]
p 0 q 0
将二项式定理推广到一般的多项式： n 个多项式 a1  a2  ...am 相乘
(a1  a2  ...am )n ，每个多项式分别提供一个项 ai 。因此各项 ka1 p1 a2 p2 ...am pm
中，每个元素的次数之和应为多项式的总的次数： p1  p2  ...  pm  n
并且，ka1 p a2 p ...am p 中的每个 ai 对应的组合数为剩余的可提供 ai 的
1 2 m
a1  a2  ...am 的组合数：
a1 p1 有 Cnp1 种可能；
a2 p2 有 Cnp2 p1 种可能；
a3 p3 有 Cnp3 p1  p2 种可能；
……
an 1 pn1 有 Cnpnp11  p2 ... pn2 种可能；
an pn 有 Cnpn p1  p2 ... pn2  pn1 种可能；
再根据乘法原理，将各个 ai 对应的组合数相乘即可。因此
ka1 p1 a2 p2 ...am pm 项的系数为：
k  Cnp1 Cnp2 p1 Cnp3 p1  p2 ...Cnpnp11  p2 ... pn2 Cnpn p1  p2 ... pn2  pn1

小结
本章主要学习计数原理，也就是分类的加法原理与分步的乘法原
理，以及由此推导得到的排列数公式、组合数公式、二项式定理。
由于排列数公式与组合数公式，以及阶乘、求和符号等新的运算
和符号是第一次学习，因此需要通过足够的练习提高对这些运算和书
写方式的熟悉程度。
本章涉及到的公式较少，计算也以正整数为主，重点在于理解推
导出排列数公式、组合数公式、二项式定理的分析推理过程。
在练习时，要注重对加法原理和乘法原理的使用，即根据具体情
况进行合理的分情况讨论或分步骤分析，建立清晰简便的分析思路，
提高有条理地统筹、分析的能力。
排列组合也是下一章将要学习的概率与统计的基础，学好本章内
容对后续章节的学习非常重要。

在现实生活中，人们经常预先估计某件事未来发生的可能性的大
小，比如天气预报预测未来的降水概率、大型比赛抽签分组的可能结
果等。
概率是用数学的方法对事件发生的可能性大小进行定量分析研
究的数学分支，从而使得对“可能性”的研究可以更加严谨和精确。
概率与计数原理较类似，都与现实中的现象和规律具有直接紧密
的联系，并且概率的原理与现实之间的联系要更加紧密，因此学习概
率的基本规律时，也要与现实中的现象规律相联系。
由于概率的原理与现实具有紧密联系，因此学习概率的重点在于
理解将现实中的结果现象转化为数字的过程和原理，以及概率的运算
规律所反映的现实意义。学习概率同样需要培养的分析和推理能力。
一、概率
概率的主要研究对象是人类无法确切预知结果的事件，对于一件
事发生或没有发生往往可以进行明确的判断，因此事件的发生与否可
以与集合建立联系，并通过集合中元素的个数建立数量关系。
1.1 随机事件
根据能否确切地预知结果，可以将现实生活中的所有现象大致分
为随机现象与确定现象。
随机现象是指有可能发生也有可能不发生的现象，现象到底发不
发生无法提前预知。例如，掷一枚硬币，有可能数字（正面）朝上，
也有可能图案（反面）朝上，究竟哪面朝上既无法提前预知，只有硬
币落地后才能知道。
确定现象是指能够提前预知是否发生的事件。例如，将铁球举在
空中，松手后铁球会在重力的作用下向地面下落，这一定会发生。
随机现象是概率的主要的研究对象。对随机现象进行试验并观察
结果的过程叫做随机试验，随机试验具有以下 3 个特点：
特点(1)：试验可以在相同条件下重复进行。如果一个试验只能
进行一次而不能在相同的条件下进行第二次，则无法从事实上证明它
的结果是否真的是随机的。
特点(2)：事件的所有可能的结果是明确可知的，并且不止一个。
数学研究必须有非常明确的研究对象，探索现实中的未知现象是物
理、化学、生物等自然科学的内容。如果试验只有一种可能的结果，
就不存在概率所研究的“可能”“不可能”以及可能性大小的问题。
特点(3)：每次试验的结果总是这些结果中的一个，但结果不能
事先确定。如果试验结果能够事先确定，就不存在“可能性”的问题。
一个随机试验的每个可能的基本结果叫做样本点。把样本点看作
元素，则全体样本点构成的集合叫做样本空间，常用符号  表示。
例如：有一枚标准的骰子，形状是一个正方体， 6 个面分别刻有
数字 1, 2,3, 4, 5, 6 ，抛掷这枚骰子，落地时朝上的点数有 6 种可能：
1, 2,3, 4, 5, 6 ，这每一个数字朝上的结果分别是一个样本点，该试验的样
本空间为   {1, 2, 3, 4,5, 6} 。
随机试验的每一种可能的结果，即样本空间  的每一个子集都叫
做一个随机事件，简称为事件。在上面的例子中，{1},{6},{2, 4},{1, 2,3, 4,5}
等都是   {1, 2, 3, 4,5, 6} 的子集，他们都表示一个随机事件，一般用大
写字母 A, B, C 表示，与集合的表示方法类似。
一个试验的全部随机事件（子集）中，只包含一个样本点的事件

叫做基本事件。在上面的例子中，样本点分别为 1, 2,3, 4,5, 6 ，所以事件
（集合）{1},{2},{3},{4},{5},{6} 分别是该试验的基本事件。该实验共有 6
个基本事件。
进行一次随机试验，当且仅当某个属于事件 A 的样本点出现，称
为事件 A 发生。
在样本空间  的全部子集当中，有两个子集较为特殊。一个是 
本身。由于样本空间包含了该随机试验全部可能的结果，因此试验结
果（发生的事件）必然属于该样本空间，所以样本空间  叫做必然事
件。在上面的例子中，   {1, 2, 3, 4,5, 6} 表示的事件为“朝上的数字为
‘ 1, 2,3, 4, 5, 6 ’当中的一个”，这是必然的。
另一个特殊的子集为空集  ，表示样本空间里的任何事件都不发
生，这是不可能的，所以叫做不可能事件。
由于事件可以用集合的方式表示，所以随机事件之间具有类似于
集合之间的关系，它们的逻辑原理是相通的。
又由于集合之间的关系与命题之间的关系有所对应，所以事件之
间的关系也与命题之间的关系有所对应。
(1)包含关系：若事件 A 发生，则事件 B 一定发生，就称事件 B 包

含事件 A （或事件 A 包含于事件 B ），也称事件 A 是事件 B 的子事件。
记作 B  A 或 A  B 。
例如：对于掷骰子的随机试验，事件 A ：数字 3 朝上，即 A  {3} ；

事件 B ：奇数朝上，即 B  {1, 3,5} 。若事件 A 发生，数字 3 朝上，由于 3
是奇数， {3}  {1,3,5} ，可知事件 B 一定发生，所以 A  B 。
若事件 A 发生，则事件 B 一定发生；并且同时若事件 B 发生，则

事件 A 也一定发生；则称事件 A 与事件 B 相等。即：若 A  B 且 B  A ，

则 A  B 。这与集合的相等关系的确定原理相同，
(2)并事件（和事件）：将事件 A 和事件 B 至少发生其中一件所构
成的事件叫做事件 A 与事件 B 的并事件（或和事件）。
并事件与集合中的并集原理相同，若事件 C 是事件 A 与事件 B 的

和事件，则 C  A  B 。
用命题的语言描述为：事件 C 发生等价于事件 A 发生或事件 B 发
生。
对于掷骰子的随机试验，若事件 A ：朝上的数字是 4 或 5 ，即
A  {4,5} ；事件 B ：朝上的数字是 5 或 6 ，即 B  {5, 6} ；事件 C ：朝上的
数字大于 3 ，即 C  {4,5, 6} 。那么无论朝上的数字是 4 （仅 A 发生），

或是 5 （ A 和 B 都发生），或是 6 （仅 B 发生），以上三种情况都满足
事件 C 发生。所以事件 C 是事件 A 与事件 B 的并事件， C  A  B 。
(3)交事件（积事件）：将事件 A 和事件 B 同时发生所构成的事件

叫做事件 A 与事件 B 的交事件（或积事件）。
交事件与集合中的交集原理相同，若事件 C 是事件 A 与事件 B 的
交事件，则 C  A  B 。
用命题的语言描述为：事件 C 发生等价于：事件 A 发生且事件 B 发
生。
对于掷骰子的随机试验，若事件 A ：朝上的数字为奇数，即
A  {1,3, 5} ；事件 B ：朝上的数字大于 4 ，即 B  {5, 6} ；事件 C ：朝上的
数字是 5 ，即 C  {5} 。那么只有朝上的数字是 5 时，才能使得事件 4 和
事件 B 同时发生。如果朝上的数字是 1（仅 A 发生， B 不发生），或朝

上的数字是 6 （仅 B 发生， A 不发生），那么事件 C 都不发生。所以
事件 C 是事件 A 与事件 B 的交事件， C  A  B 。
(4)互斥事件（互不相容事件）：若事件 A 与事件 B 不可能同时发

生，则称事件 A 与事件 B 互斥（或互不相容）。
若事件 A 与事件 B 互斥，则它们的交集（交事件）为空：A  B   。
对于掷骰子的随机试验，若事件 A ：数字 3 朝上，即 A  {3} ；事
件 B ：偶数朝上，即 B  {2, 4, 6} 。那么如果事件 A 发生，数字 3 朝上，

则事件 B 一定没有发生。如果事件 B 发生，朝上的数字是 2, 4, 6 中的某
个，则事件 A 一定没有发生。
对立事件：若事件 A 与事件 B 不能同时发生，但必有一件发生，

则称事件 A 与事件 B 互为对立事件。
也可以表述为：若在随机试验中，事件 A 与事件 B 有且仅有一个
发生，则事件 A 与事件 B 对立。

根据对立事件的定义可知，互相对立的两个事件也一定互斥。
若事件 A 与事件 B 互为对立事件，则它们的交集（交事件）为空，
同时并事件为样本空间，即： A  B   且 A  B   。互为对立事件的
两个事件，也可以看作是将样本空间中的全部样本点分别构成的两个
集合。
对于掷骰子的随机试验，若事件 A ：奇数朝上，即 A  {1, 3,5} ；事

件 B ：偶数朝上，即 B  {2, 4, 6} 。那么如果事件 A 发生，则事件 B 一定
没有发生，反之同理。但无论如何事件 A 或事件 B 总是会发生其中的
一个，不是奇数朝上，就是偶数朝上。
1.2 随机事件的概率
概率是用定量的数学方法研究事件发生可能性大小的数学分支，
用数字和数学运算定性描述事件发生的可能性转化为是概率的关键
内容。
现在主要学习和使用的概率模型叫做古典概率模型，简称古典概

型。古典概型的基本假设和原理与现实生活中的经验和感觉相一致。
适用古典概型的随机试验需要满足以下两个前提：
(1)有限性：样本空间的样本点有限。
例如：掷骰子有 6 个样本点，抛硬币有 2 个样本点。

(2)等可能性：每个样本点发生的可能性相等。
例如：掷骰子的 6 个面朝上的可能性都相等；硬币的正反面朝上
的可能性也都相等。
若一个随机试验满足古典概型，该试验总共包含 n 个样本点，事
件 A 包含其中的 k 个样本点，则在一次随机试验中事件 A 发生的概率
为事件 A 包含的样本点的数量 k 与全部样本点总数 n 的比值，记作：

k
P( A) 
n
对于事件 A ，一般用符号 P( A) 表示事件 A 发生的概率，用符号 n( A)
表示事件 A 包含的样本点的数量，如果用  表示样本空间，于是事件
A 发生的概率也可表示为：
n( A)
P( A) 
n()
对于事件 A 所含有的基本事件构成的集合， n( A) 与《第一章命
题与集合》中学习的表示集合中元素个数的 card ( A) 含义相同。

例如：对于掷骰子的随机试验，共有 6 个基本事件：数字 1 朝上、
数字 2 朝上、数字 3 朝上、数字 4 朝上、数字 5 朝上、数字 6 朝上，即
1
n()  6 ，则每一个基本事件发生的概率都为。
6
n( A) 3 1
对于事件 A ：奇数朝上，即 A  {1, 2, 3} ，则 P( A)  = =
n() 6 2
n( B ) 2 1
对于事件 B ：朝上的数字小于 3 ，即 B  {1, 2} ，则 P( B)  = =
n ( ) 6 3
要注意区分的是，若一个骰子的 3 个面分别为数字 1, 2, 3 ，另外 3 个
面都是数字 4 ，即它的六个面上的数字分别为 1, 2,3, 4, 4, 4 ，则事件 C ：

3 1
朝上的数字是 4 的概率为 P(C )   。
6 2
这是由于“数字 4 朝上”不是一个真正的基本事件，真正的基本事
件应为“骰子的某一面朝上”。“骰子的某一面朝上”共包含 6 个样本点，
并且每个样本点都是等可能性的。这 6 个样本点中有 3 个显示为“数字
4 朝上”，1 个显示为“数字 4 朝上”，1 个显示为“数字 2 朝上”，1 个显
示为“数字 3 朝上”。
总之，判断一个事件究竟是不是基本事件，应当以现实中的客观
规律为主要依据，再结合基本事件的定义进行分析，不要死板地套用
数学概念或公式。
事件的概率也具有相应的运算规则，这些规则与集合的运算规则
有非常紧密的联系。
性质(1)：任意事件 A 的概率，都有： 0  P( A)  1
即所有事件的概率都只能是区间 [0,1] 中的一个数字。
若 P( A)  0 ，则事件 A 是不可能事件。
若 P( A)  1 ，则事件 A 是必然事件。
n( A)
根据事件发生的概率的定义 P( A)  可以推导出该性质。
n ()
对于样本空间为  的随机试验，样本空间中的样本点数为 n() 。
该实验的结果（事件） A 所包含的样本点必然属于样本空间。事件 A
n( A) k
包含样本点数量 k 一定满足： 0  k  n ，所以 P( A)    [0,1] 。
n () n
当 k  0 时，即 A   ， P( A)  0 。当 k  n 时， A   ， P( A)  1 。
性质(2)：如果事件 A 与事件 B 互斥，则有： P( A  B)  P ( A)  P( B)
证明：设随机试验的样本空间为  且 n()  N ，事件 A  {a1 , a2  ai } ，
i j
n( A)  i ，则 P ( A)  ；事件 B  {b1 , b2  b j } ， n( B)  j ，则 P ( B)  。
N N
因为事件 A 与事件 B 互斥，根据互斥事件的定义可知，事件 A 与

事件 B 没有共同的样本点，则 A  B  {a1 , a2  ai , b1 , b2  b j } ，n( A  B)  i  j 。
n( A  B ) i  j i j
所以 P( A  B)      P( A)  P( B) 。即得证。
n ( ) N N N
若多个事件 A1 , A2  Ap 互斥，即任意 Ai  Aj   ，则有：
P ( A1  A2   Ap )  P ( A1 )  P ( A2 )    P ( Ap )
用现实中的经验也很容易想象。例如：随机试验掷骰子，事件 A ：
数字 2 朝上；事件 B ：数字 3 朝上。事件 A 与事件 B 是互斥事件，
且 P( A)  P( B)  1 。则事件 A  B ：数字 2 朝上或数字 3 朝上的概率

6
1
为 P( A  B)  。
3
性质(3)：若事件 A 与事件是对立事件，则有： P( A)  P ( B )  1
证明：由于事件 A 与事件 B 是对立事件，根据对立事件的定义可

知： A  B   且 A  B   ，所以 n( A)  n( B)  n() 。于是：
n( A) n( B) n( A)  n( B) n()
P( A)  P( B)     1
n ( ) n () n ( ) n ( )
用现实中的经验也很容易想象。例如：随机试验掷骰子，事件 A ：
奇数朝上， A  {1,3, 5} ；事件 B ：偶数朝上， B  {2, 4, 6} 。事件 A 与事件
1
B 是对立事件，且 P ( A)  P ( B )  。则事件 A  B ：奇数朝上或偶数朝
2
上的概率为 P( A  B)  1 。自然数一定要么是奇数，要么是偶数。
性质(4)：若事件 A 包含于事件 B ， A  B ，则有： P ( A)  P( B) 。
根据 A  B 可知，事件 A 所包含的样本点的数量一定不多于事件
n( A) n( B)
B ，即 n( A)  n( B ) ，所以  ，即 P ( A)  P( B) 。
n ( ) n (  )
性质(5)：对于同一个随机试验的两个事件 A 和 B ，具有关系：
P ( A  B )  P ( A)  P ( B )  P ( A  B )
根据集合所包含的元素数量的关系 n( A  B)  n( A)  n( B)  n( A  B) ，
易推出本性质。

1.3 几何概型
若一个随机试验满足如下两个条件，则这样的概率模型叫做几何
概型：
条件(1)：基本事件有无限多个，即样本空间为无限集；
条件(2)：所有基本事件发生的概率都相同，这个条件与古典概型
相同；
在现实中，适用几何概型的情况通常与面积有关。例如：假设某
同学掷飞镖并且飞镖的落点是随机的，飞镖的靶子是一个半径为 r 的
圆，将飞镖的落点到靶心的距离作为试验的结果，则该实验的基本结
果为靶子上的全部点到靶心的距离，是一个无限集，   [0, r ] 。
在几何概型中，发生的事件通常也是无限集。在上面的例子中，
可以将事件 A 规定为飞镖落在到圆心距离小于等于 a ， A  [0, a ] 。
在研究符合几何概型的随机试验时，虽然无法直接求出样本空间
和具体事件的元素的个数，但可以通过面积的方式表示。事件的面积
与样本空间的面积之比就是该事件发生的概率。
在上面的例子中，样本空间为整个圆盘的面积： n()   r 2 。事件
A ：到圆心距离小于等于 a 的空间是半径为 a 的圆，面积为：n( A)   a 2 。

n( A)  a 2 a 2
所以事件 A 发生的概率为 P( A)    。
n ( )  r 2 r 2
类似的，若样本空间为实数集的一个连续区间 [a, b] ，事件为该区
q p
间上的一段线段 [ p, q] ，则该事件发生的概率为两段线段的长：p 
ba
1.4 独立重复试验
对于任意两个事件 A 和 B ，如果它们发生的概率相互之间没有影
响，则称它们相互独立，简称独立。事件 A 与事件 B 相互独立的充分

必要条件为： P( AB)  P( A)  P( B )

其中事件 AB 为事件 A 与事件 B 同时发生的交事件，即 A  B 。
例如：分先后顺序连续抛两次硬币，如果将正面朝上记为 1、反
面朝上记为 0 ，则样本空间为   {(1,1), (1, 0), (0,1), (0,0)} ， n()  4 。
事件 A ：第一次正面朝上： A  {(1,1), (1, 0)} ， n( A)  2 ，P( A)  1

2
1
事件 B ：第二次正面朝上： B  {(1,1), (0,1)} ， n( B )  2 ，P ( B) 
2
则事件 AB ：第一次和第二次都正面朝上： AB  {(1,1)} ，P( AB)  1
4
满足关系 P( AB)  P( A)  P( B ) ，所以事件 A 与事件 B 相互独立。
根据现实经验也可得知：第一次抛硬币的结果与第二次抛硬币的
结果之间通常相互独立，没有必然联系。
可以重复进行是随机试验非常重要性质。对于符合古典概型的随
机试验，在完全相同的条件下重复多次进行的随机试验叫做独立重复
试验。
根据对现实中的实验现象进行分析可知，独立重复试验的各次试
验的结果互不影响。即属于不同试验的事件相互独立。
根据独立重复试验的定义可知，如果进行多个独立重复试验，各
试验中所求事件发生的概率分别为 P1 , P2 , , Pn ，那么这些事件同时发生
的概率为 P1  P2   Pn 。
特别的，如果将同一个随机试验独立重复 n 次，每一次试验中某
事件发生的概率为 P0 ，那么全部 n 次试验的结果都为该事件的概率为
P0 n 。
结合排列组合的原理可得：如果一个随机试验中，事件 A 发生的
概率为 P( A) ，那么进行 n 次独立重复试验，其中有 p 次结果为事件 A 、
n  p 次结果不是事件 A 的概率为： Cnp P ( A) p (1  P ( A))n  p 。

1.5 条件概率
与独立重复试验的情况恰好相反，若事件 A 的发生受到事件 B 发
生的影响，则记 P( A | B) 为“当事件 B 发生时，事件 A 发生的概率” ，这
种情况下事件发生的概率叫做条件概率。
P ( AB)
对于条件概率，具有数量关系： P( A | B) 
P( B)
证明：设随机事件的样本空间为  ， n()  N 。事件 A 的发生受
到事件 B 发生的影响，其中事件 A  {a1 , a2 , ai , p1 , p2 , p j } ， n( A)  i  j ；

事件 B  {b1 , b2 , bk , p1 , p2 , p j } ， n( B )  j  k 。于是事件 A 与事件 B 的交
事件： AB  { p1 , p2 , p j } ， n( AB)  j 。
若事件 B 发生，则基本事件只可能为 b1 , b2 , bk , p1 , p2 , p j 中的某一

种，于是样本空间变为  '  B  {b1 , b2 , bk , p1 , p2 , p j } ，n( ')  n( B)  j  k 。
只有当发生的事件是 p1 , p2 , p j 中的某一种时，事件 A 才发生：
n( A ')  n( AB )  n{ p1 , p2 , p j }  j 。
n( A ') n( AB) j n( AB) / n() P ( AB)
所以 P( A | B)     
n( ') n( B ) jk n ( B ) / n ( ) P ( B)
例如：掷骰子的随机试验，事件 A ：朝上的点数小于 4 ，A  {1, 2,3} ，
1 1
n( A)  3 ，P ( A)  。事件 B ：奇数朝上，B  {1, 3,5} ，n( B )  3 ，P ( B)  。
2 2
则当事件 B 发生时，朝上的是奇数，样本空间变为 {1, 3, 5} ，这 3 个数字
2
中小于 4 的有 2 个，则事件 A 发生的概率为 P( A | B)  。
3
P ( AB)
若直接使用公式 P( A | B)  ： AB  {1,3} ，P( AB )  1 ；P( B)  1 。
P( B) 3 2
P( AB) 1/ 3 2
所以 P( A | B)    ，结果相同。
P( B) 1/ 2 3
分析处理条件概率的关键在于，分析清楚在“当事件 B 发生时”这
一情况下，新的样本空间和基本事件的数量，以及事件 A 中属于新的
样本空间的基本事件及数量。
P ( AB)
根据条件概率的关系式 P( A | B)  ，可得条件概率的性质：
P( B)

性质(1)：若 B  A ，则 P ( A | B)  1 。
该性质的含义为：如果事件 B 包含于事件 A ，那么在事件 B 发生
的前提下，事件 A 一定发生。这与事件的包含关系的定义一直。
特别的，因为任意事件 B 都包含于样本空间  ，所以 P( | B )  1 。

性质(2)：如果事件 A 与事件 B 互斥，（根据互斥事件的性质可得
A  B   。那么： P ( A  B | C )  P ( A | C )  P ( B | C ) 。
证明如下：设事件 A  {a1 , ai , p1 , p j } ，事件 B  {b1 , bk , q1 , ql } ，

事件 C  {c1 , cm , p1 , p j , q1 , ql } 。
当事件 C 发生时，样本空间为事件 C ， '  {c1 , cm , p1 , p j , q1 , ql } ，
n( ')  m  j  l 。
事件 A  B  {a1 , ai , p1 , p j , b1 , bk , q1 , ql } ，属于样本空间的有
j l
{ p1 , p j , q1 , ql } ， n( A  B)  j  l ，所以 P( A  B | C ) 
m jl
j l
又由于 P( A | C )  ，P( B | C ) 
m jl m jl
即得证： P( A  B | C )  P( A | C )  P( B | C )
性质(3)：如果事件 A 与事件 A 对立，那么 P( A | B)  P( A | B )  1 。
证明如下：设样本空间为   {a1 , a2  an } ，n()  n ；A  {a1 , a2  ak } ，
n( A)  k ；于是 A  {ak 1 , ak  2  an } ， n( A)  n  k 。
对于任意事件 B   ，设 n( B )  b ，它所包含的每一个基本事件要
么属于事件 A 、要么属于事件 A ，设其中 p 个属于事件 A ，则其他 b  p

个一定属于事件 A ，所以：
b p p
P( A | B)  P( A | B )   1
b b
n
性质(4)：P( A)   P( A | Bi )P( Bi )
i 1
该性质也叫做全概率公式，是概率论中一个非常重要的基本公
式，证明（原理）如下：

可以将样本空间  ( n()  N )进行如下划分：分为 B1 , B2 , , Bk ，总
共 k 个子集（事件），并且每个基本事件 a0 都一定属于并且只属于
B1 , B2 , , Bk 中的一个。
根据以上划分，可知任意两个子集 Bi 和 B j ，都有 Bi  B j   ，并
且 B1  B2   Bk   ，且有 n( B1 )  n( B2 )    n( Bk )  n()  N 。
于是对于任意事件 A  {a1 , a2 , am } ( n( A)  m )，它所含有的每个基本
事件必然也属于并且只属于其中一个子集 Bi 。
那么可以假设事件 A 所含有的全部基本事件，有 n1 个属于事件 B1 ，
n2 个属于事件 B2 ，……，nk 个属于事件 Bk ，且有 n1  n2    nk  n( A)  m 。
这同样意味着 n( A  Bi )  ni
P ( ABi ) n
于是有：P( A | Bi ) P ( Bi )= P ( Bi )  P ( ABi )  i
P ( Bi ) N
n
P( AB1 ) P( AB2 ) P ( ABk )

i 1
P( A | Bi )P ( Bi )=
P( B1 )
P( B1 ) 
P( B2 )
P( B2 )   
P ( Bk )
P( Bk )
n1 n2 n
    k
N N N
n  n    nk
 1 2
N
m

N
 P ( A)
即得证。
全概率公式的实质就是将样本空间划分为若干个两两互斥的子
集，任意事件所含有的基本事件都必然落到其中某一个子集中，从而
在每个子集发生的情况下该事件发生的概率之和，等同于该事件在没
有条件的情况下发生的概率。
性质(5)：贝叶斯公式
由于“事件 A 发生的情况下，事件 B 发生”与“事件 B 发生的情况

下，事件 A 发生 ” 所含有的基本事件相同，都是 A B 。即
P( A | B) P( B)
P ( AB )  P ( A | B ) P ( B )  P ( B | A) P ( A) 。变形得：P( B | A)  。
P( A)
如果将样本空间  按照前面的方法，划分为若干两两互斥、且全
体的并集为样本空间的 n 个事件 B1 , B2 , , Bn 。使用全概率公式将上面等
n
式中分母上的 P( A) 替换为  P( A | Bk )P ( Bk ) ，则有：
k 1
P( A | B) P( B)
P( B | A)  n
 P( A | B )P( B )
k 1
k k
该公式中的 B 可以为任意事件，如果令 B 等于其中任何一个划分

的子事件 Bi ，则有：
P( A | Bi ) P( Bi )
P( Bi | A)  n
( i  1, 2, , n )
 P( A | B )P( B )
k 1
k k
该公式叫做贝叶斯公式或贝叶斯定理，用于描述两个条件概率之
间的数量关系。贝叶斯定理在具有很高的实际应用价值，但在高中阶
段只需掌握其推导的原理即可。
1.6 事件的频率
在数学中，频率是一个统计学概念，它的定义为：在总共重复进
行了 n 次同样的随机试验的独立重复试验中，某一事件 A 发生的次数
k
k 与试验的总次数 n 的比值：f n ( A)  。
n
例如：某同学进行了 100 次抛硬币的随机试验，其中 42 次正面朝
上， 58 次反面朝上，于是正面朝上的频率为： 42  100  0.42 ，反面朝
上的频率为： 58  100  0.58 。

随机试验中事件 A 发生的概率 P( A) ，与相应的独立重复试验中事
件 A 发生的频率 f n ( A) 具有如下数学关系：
随着试验次数 n 的增大，事件 A 发生的频率 f n ( A) 会逐渐稳定于事

件 A 发生的概率 P( A) ，这个性质叫做频率的稳定性。

用通俗的话来讲，试验的次数越多，事件 A 发生的次数与试验总
次数的比值越接近于事件 A 发生的概率。
例如：进行独立重复试验：抛 10 次硬币，有可能 5 次正面朝上、5
次反面朝上，也有可能 4 次正面朝上、6 次反面朝上，还有可能 8 次正

面朝上、 2 次反面朝上，甚至有可能全部 10 次都是正面或反面朝上。
但如果将试验次数增加到抛 100 次硬币，则硬币正面和反面朝上
的次数会比较接近于 1:1 。
如果进行 1000 次、10000 次甚至更多次抛硬币的独立重复试验，正
面和反面朝上的次数之比会更接近于 1:1 。
根据频率的稳定性，如果可以通过对实验模型进行分析得知某事
件发生的频率，则同时也得到了相应的独立重复试验中该事件发生的
频率，于是可以大致推算出大量独立重复试验中该事件发生的次数。
例如，如果有一块正二十面体形状的骰子，各个面分别标记了数
字 1  20 。由于正二十面体的各个面等价，根据力学原理和对称性可知，
从理论上讲每个数字朝上的概率应当相等。于是可以合理推测：若进
行 1000 次掷骰子的独立重复试验，则各个数字朝上的次数应当非常接
近甚至有可能相等。
反过来，如果某项随机试验中的某个事件的结果无法通过其他方
式分析得知，则可以通过进行大量独立重复试验得到该事件发生的频
率，反过来推测该事件发生的概率。
例如：如果某个不透明的密闭箱子里有 20 个只有颜色不同，其他
性质都相同小球，一些是红色，一些是黑色，但不知道分别的数量。
则可以通过先取出再放回的方式，进行多次独立重复试验。假设进行
50 次试验，其中 31 次取出红球，19 次取出黑球。可以计算求得取出红
球的频率为 31  50  0.62 ，取出黑球的频率为 19  50  0.38 。由于取出红

球的概率应当等于红球所占的比例（黑球同理），所以红球的数量可
能为 20  0.62  12.4  12 ，黑球的数量可能为 20  0.38  .76  8 。
小结
本章学习概率论的基本概念和运算规律。
本章的概念与集合具有紧密联系，并且涉及到的公式与集合的公
式原理相同。如果集合的知识较为扎实，学习本章会较为顺利。也可
以借助学习本章重新复习巩固集合和命题的有关内容。
本章涉及到的计算较为简单，难点主要在于逻辑分析——确定基
本事件，确定基本事件的数量（样本空间），确定某事件包含的基本
事件数量，从而确定其发生的概率；分辨清楚交事件、并事件、互斥
事件、独立事件；分辨清楚一个事件的发生对另一个事件是否有影响；
等等。
由于计算样本空间或具体事件所包含的基本事件的数量是分析
解决概率问题的重要步骤，经常需要使用排列组合等计数原理的内
容，因此计数原理对本章的计算较为重要。

在工作和生活中，人们经常需要收集和分析大量的数据，从中推
断出所需要的规律和结论。比如人口普查是对区域内人口情况的统
计，经济普查是对区域内产业发展情况的统计，生态学家经常需要对
区域内某种或某些生物的分布情况进行统计。
统计学是通过对某项数据进行收集和分析，从中推断出性质和规
律的学科。从语义上分析，“统”是“总括”“全部”的意思，“计”指“计
数”“计算”，“统计”的意思就是把全部（数据）进行记录和计算，因
此统计本质也是“计数”，是对大量数据的“全部计数”。
统计学的基础知识较容易理解，以人为规定的概念为主。统计学
涉及到的运算主要以量大、繁琐的计算为主，公式推导和变形较少，
需要很大程度的细心和耐心。
统计学是非常实用的学科，需要通过大量的具体实例进行练习，
从中体会到本章所学的概念所表达的现实意义，特别是对全部数据的
感性认识与求得的相关参数之间的对应关系。
一、统计学基础
统计的分析思路与前面所学的排列组合、概率有所不同。排列组
合和概率多为根据数学理论推导计算得出数据，而统计一般是先直接
记录数据，再对数据进行整理和分析。
1.1 随机抽样统计
计数的基础是把数据都记录下来。现实中，一般需要通过对特定
范围内的某一对象群体进行调查以获得数据。调查对象的全体叫做总
体。组成总体的每一个调查对象叫做个体。
在进行统计前，先要确定所要统计的数据的类型、来源、范围等，
并对特定的对象开展调查，从而获取数据。
一如既往，数学研究需要有明确的判定标准和范围，所以某个个
体是否是调查对象，必须有明确的标准（命题）来判断“是”或“非”。
调查的全部个体所构成的总体可以看作是一个集合，每个个体都
是这个集合中的元素。
例如：统计一所高中全部在册学生信息：(1)由于有时会有学生转
入和转出，所以需要明确统计某一时刻（某天）的学生；(2)由于有插
班、借读的同学，所以需要明确以学籍是否在该校为判断标准；(3)
如果有其他特殊情况，也需要一一予以明确。
最基本的获取数据的方法叫做全面调查，又称普查，是指对总体
中的每一个个体都一一进行调查。
全面调查不使用数学方面的技巧，但需要对具体情形考虑得非常
周到细致，才能做到既没有遗漏、也没有重复。理想情况下，全面调
查所获取的数据最准确和全面。例如，我国每十年一次的全国人口普
查采用的就是全面调查的方法。
虽然全面调查的方法理论上最准确和全面，但实际操作中工作量
极大，并且容易出现遗漏、重复等错误。此外，由于样本总量过于庞
大、获取数据难度极大、调查时间有限，等种种困难而难以实现。所
以需要使用数学方法，在确保数据准确性和有效性的前提下，将获取
数据的过程进行简化。
最简单直接地减轻调查统计的工作量的方法就是减少调查对象。
从总体中选取一部分个体进行调查，并根据这部分个体的数据作为依
据，分析推断总体数据的情况和规律的方法，叫做抽样调查，即“抽

取”“样本”进行调查。
在抽样调查中，从总体中抽取的进行调查的全部个体叫做样本，
样本中包含的个体的数量叫做样本量。如果把总体和样本分别看作集
合，那么样本是总体的（真）子集。
然而，抽样调查获得的只是样本的数据，并不是总体的数据。之
所以能够以样本数据为依据，分析推断总体数据的情况，其理论依据
与频率的稳定性（试验的次数越多，事件发生的次数与试验总次数的
比值越接近于事件发生的概率）相似：样本空间越大，不同数据在样
本中的分布情况越接近于在总体的分布情况。
随机抽样主要有三种方式：简单随机抽样、分层随机抽样、系统
随机抽样。
简单随机抽样。对于一个由 N 个个体所构成的总体，随机地从中
逐个抽取 n ( 1  n  N )个个体作为样本，这样的抽样方法叫做简单随机
抽样。简单随机抽样又可以分为放回简单随机抽样与不放回简单随机
抽样两种。
如果每次抽取个体后，把抽取的个体放回总体，再抽取下一个个
体，同一个个体有可能被重复抽取多次，这样的抽样叫做放回简单随
机抽样。
如果每次抽取个体后，不把抽取的个体放回总体，直接抽取下一
个个体，同一个个体只可能被抽取一次，这样的抽样叫做不放回简单
随机抽样。
分层随机抽样简称分层抽样。为了能让样本数据的情况更接近于
总体数据的实际情况，有时需要先根据可靠的理论分析，将总体  划
分为若干个子集（ A1 , A2 , , An ），并且 A1  A2  An   ，任意

Ai  Aj   ，再对每一个子集分别进行独立的简单随机抽样，这种抽
样方法叫做分层随机抽样。每一个子集叫做一个层。
在分层抽样中，如果从每个层中抽取的个体的数量与各层所含有
的个体的数量的比值都相等，则称这种样本量的分配方式为比例分
配。
如果从各层中抽取的个体的数量与各层所含有的个体数量的比
值不都相等，那么就不是比例分配。
例如：统计一所高中全体学生的周末娱乐时间，如果进行简单随
机抽样，有可能因为学业繁忙的高三学生很少被抽到，抽到的以学业
较为轻松的高一学生为主，导致统计得到的娱乐时间要高于总体情
况。于是可以先按照年级将学校分为三层：高一、高二、高三，对三
个年级的学生分别进行简单随机抽样，再汇总三个层的数据，会更接
近总体的实际情况。
假设高一、高二、高三分别有 200, 300, 250 名学生，如果分别从三
20 30 25
个年级中抽取 20,30, 25 名学生组成样本，由于   ，所以这
200 300 250
是一种比例分配的样本量。
系统随机抽样也叫等距随机抽样，是指将总体按照某一顺序排序
后，按照一定的间隔进行抽样。
这个顺序可以是根据现实中进行调查的方式，为方便以及采样均
匀起见，人为确定的任意一种顺序，比如时间顺序、编号顺序等。
系统随机抽样的代表性要优于简单随机抽样，但是不如经过理论
分析的分层随机抽样。
例如：统计一所学校各班级的平均学生人数，可以抽取班号能整
除 4 个全体班级作为样本进行统计。

1.2 统计数据的整理
经过调查统计获得总体或样本的数据后，需要对数据进行处理和
分析，以便于总结出数据的性质和规律。
频率分布表和频率分布直方图是用来整理和表示数据的常用方
法，它们的基本原理是将数据按照大小关系排列，并进行分组，从而
可以直观地看出各个范围内的数据分别有多少。
下面通过具体例子学习绘制频率分布表和频率分布直方图的主
要过程。
例：下表是某地区 2021 年 6 月 1-30 日最高气温（单位：℃）：
28 ， 28 ， 28 ， 27 ， 31 ， 33 ， 31 ， 30 ， 29 ， 27 ，
29 ， 28 ， 29 ， 28 ， 29 ， 29 ， 28 ， 27 ， 26 ， 25 ，
28 ， 30 ， 32 ， 31 ， 30 ， 26 ， 28 ， 28 ， 30 ， 29 。
第一步：排序
将全部数据按照从小到大（或从大到小）的顺序排列。
25 ， 26 ， 26 ， 27 ， 27 ， 27 ， 28 ， 28 ， 28 ， 28 ，
28 ， 28 ， 28 ， 28 ， 28 ， 29 ， 29 ， 29 ， 29 ， 29 ，
29 ， 30 ， 30 ， 30 ， 30 ， 31 ， 31 ， 31 ， 32 ， 33 。
第二步：求极差
用数据中最大的数字减去最小的数字，得到的差值叫做极差。
对于该例，最大的是 33 ，最小的是 25
极差为： 33  25  8
第三步：确定组距和组数
组距是将数据分组时，每一组的下界和上界的差值。一般每组的
组距应当相等。在设置组距时，一般要保证分组的组数不能太少。
极差
极差、组距和组数之间具有关系：组数 
组距
对于该例的数据，由于极差为 8 ，可以将组距定为它的因数 2 ，
极差 8
于是：组数   4
组距 2
第四步：将数据分组
按照确定的组距和组数，将数据分组即可。
一般情况下，除最后一组外，下界为闭区间，上界为开区间，最
后一组的上界和下界都为闭区间。
也可以设置第一组的上界和下界都为闭区间，其他各组的下界为
开区间，上界为闭区间。
按照第三步设置的组距，将数据分为 4 组：[25, 27) ，[27, 29) ，[29, 31) ，
[31,33] ：
[25, 27) ： 25 ， 26 ， 26 ；
[27, 29) ：27 ，27 ，27 ，28 ，28 ，28 ，28 ，28 ，28 ，28 ， 28 ， 28 ；
[29, 31) ： 29 ， 29 ， 29 ， 29 ， 29 ， 29 ， 30 ， 30 ， 30 ， 30 ；
[31,33] ： 31 ， 31 ， 31 ， 32 ， 33 。
第五步：求出各组的频数、频率
某个数据频数是指该数据在样本（或总体）中出现的次数。某个
分组的频数是指该分组中数据的个数。
根据频数的定义可知，样本中所有数据（或所有分组）的频数之
和应当等于样本中数据的总数。
在统计学中，频率的定义为：某个数据出现的次数（或某个分组
中数据的个数）与样本汇总全部数据的个数的比值。
根据频率的定义易证：样本中所有数据（或所有分组）的频数之
和应当等于 1 。
对于该例，分别求出各组中全部数据的频率：

3
第一组： [25, 27) ，共 3 个数据， f (1)  30  0.10
12
第二组： [27, 29) ，共 12 个数据， f (2)  30  0.40
10
第三组： [29, 31) ，共 10 个数据， f (3)  30  0.33
5
第四组： [31,33] ，共 5 个数据， f (4)  30  0.17
简单验证下：各组频率之和为 0.10  0.40  0.33  0.17  1
第六步：绘制列频率分布表或画频率分布直方图
将相应的分组、频数、频率列在表格里或写成很整齐的形式就是
频率分布表。如下所示：
序号分组频数频率
1 [25, 27) 3 0.10
2 [27, 29) 12 0.40
3 [29, 31) 10 0.33
4 [31,33] 5 0.17
以组距为底边的宽，以频率或频数作为高度，在平面直角坐标系
中用相应的矩形表示各组，就得到了频率分布直方图。可以根据实际
情况对图形进行美化，如下所示：

为了更加直观地表示出各组的比例关系，有时也绘制成饼状图。
如下所示：
单个数据的位置：总体百分位数。百分位数可以用于估计某个具
体数据在全部数据中所处的位置，其定义为：
将全部 n 个数据按照从小到大排序后，其中的第 p 个数字叫做该
p p
组数据的第 100 百分位数或 100％分位数。
n n
对于一组数据的第 k 百分位数，这组数据中至少有 k％的数据小于
等于这个数。
例如，在上面关于最高气温的例子中，总共有 30 个数据，从小到
大排列后，排在第 6 个的是 27 。
6 6
根据  100  20 或  100％  20％可得：该数据的第 20 百分位数
30 20
是 27 ，或称第 20％分位数是 27 。
1.3 总体数据的集中趋势：平均数、中位数、众数
平均数、中位数、众数常被用来估计总体数据的集中趋势。它们
分别有各自的优势以及更能体现的特点。
平均数。对于一组总共有 n 个的统计数据 x1 , x2 , , xn ，规定其平均
数（用符号 x 表示）为：
x1  x2    xn
x
n

或用求和符号表示为：
1 n
x  xi
n i 1
即：一组数据的平均数为：将全部数据加起来，再除以数据的个
数。通过这种方式求得的平均数也叫做算术平均数。
如果数据中有部分数据重复出现，设 x1 有 k1 个，x2 有 k2 个…… xn 有

kn 个，总共有 k1  k2    kn  N 个数据，则它们的加权平均数为：
k1 x1  k 2 x2    kn xn
x
N
n
1
x
N
k x
i 1
i i
ki
其中每个数据 x1 的个数（系数）与总体数据个数的比值叫做
N
该数据的权或权重。这种将各数据出现的次数作为权的加权平均数实
质上与算术平均数相同，只是使用了加法交换律和结合律使运算更简
便而已。
即：总体平均数等于：各层以所含数据个数占总体数据个数的比
值为权重的加权平均数。
使用分层抽样法时，如果将总体  ( n ( )  N ) 分为 k 个层
A1 , A2 , , Ak ，并且从各个层中选取的个体数量不同，分别为
n( A1 ), n( A2 ), , n( Ak )（可知： n( A1 )  n( A2 )    n( Ak )  N ），并且每个层的
平均数分别为 x1 , x2 , , xk ，那么总体的平均数应为：
n1 x1  n2 x2    nk xk
x
N
即：总的平均是是各层的平均数的加权平均数，权重为各层的个
体数量占总体中个体数量的比例。

n1 x1 n2 x2 n x
x    k k
N N N
其证明较简单，使用平均数的定义即可：
xi1  xi 2    xin i
对于有 ni 个个体的层 xi1 , xi 2 , , xin ，平均数为 xi  i
ni
将 ni 移到等式左边： ni xi  xi1  xi 2    xin i
所以总体的平均数为：
1
x [( x11  x12    x1n 1 )  ( x21  x22    x2 n 2 )    ( xk1  xk 2    xkn k )]
N
1
 (n1 x1  n2 x2    nk xk )
N
对总体数据求得的平均数叫做总体平均数。对随机抽取的样本数
据求得的平均数叫做样本平均数。
理想情况下，总体平均数应当等于样本平均数。如无专门说明，
这也是绝大多数题目中的隐含条件。
中位数。将全部数据按照从小到大（或从大到小）的顺序排序，
排在最中间的数据叫做该数据的中位数。
如果样本（总体）的个数是奇数，则中间的数据就是中位数。如
果样本（总体）的个数是偶数，一般取中间两个数据的平均数作为中
位数。
在实际统计调查中，一般数据量非常大，并且很多数字会重复出
现，所以经常不需要专门注意奇偶数的问题。
根据中位数的定义可知，全部数据中，有一半数据小于等于中位
数，另一半数据大于等于中位数。
众数是指一组数据中出现次数最多的数字。如果有几个数字出现
的次数同样都是最多，那么这些数字都是该数据的众数。

下面是一个平均数“失灵”的例子：统计假期里的一天，10 名同学
行走的步数分别为 2000,3000,1000, 4000, 2000, 20000,1000, 2000,3000, 2000 ，虽
然平均步数为 4000 步，但其中有 1名同学走了 20000 步，（可能进行了
长跑或徒步旅行），极大地拉高了平均数，所以此时用众数 2000 步或
中位数 2000 步更能体现同学们在这一天里所走的步数的情况。
1.4 总体离散程度的估计：方差与标准差
对于一组总共有 n 个个体的统计数据 x1 , x2 , , xn ，可求得它的平均
1
数为 x  ( x1  x2    xn ) ，规定其方差（用符号 s 2 表示）为：
n
( x1  x )2  ( x2  x ) 2    ( xn  x ) 2
s2 
n
1 n
s2  
n i 1
( xi  x) 2
观察该表达式，它表示对全体数据与平均数之差的平方求和，再
除以数据的个数。对差值求平方求和使得每个数据与平均数之间的差
异都用正数体现，避免了“相互抵消”的情况。根据定义式可知，方差
恒大于等于 0 。
如果一组数据很接近，各个数据非常接近甚至相等，则各个数据
xi 与平均数 x 的差都很小，最终标准差 s 2 也很小。
反之，如果一组数据相差很大，则很多数据 xi 与平均数 x 的差都

很大，最终标准差 s 2 也很大。
下面是具体例子：数据(1)： 0,100, 0,100, 0,100, 0,100, 0,100 ，根据相
[(0  50) 2  (100  50) 2 ]  5
应的公式，可求得它的平均值为 50 ，方差为：  2500
10
数据(2)： 49,51, 49,51, 49, 51, 49, 51, 49,51 ，根据相应的公式，可求得
它的平均值也是 50 ，但方差为 [(49  50)  (51  50) ]  5  1
2 2
10

从直觉上可以感觉到，数据(1)比数据(2)分散得多，用方差公式
求得的方差也是数据(1)远大于数据(2)。
一组数据的方差越大，它的分散程度越大。
在统计学和数学中，一般用离散表达分散的意思。即：一组数据
的方差越大，它的离散程度越大。
极端情况下，假设全体数据都相等， x1  x2    xn ，容易求得它
x1  x2    xn x1  x1    x1 nx1
们的平均数为： x     x1 。于是：
n n n
( x1  x )2  ( x2  x ) 2    ( xn  x ) 2
s2 
n
( x1  x1 ) 2  ( x1  x1 )2    ( x1  x1 ) 2

n
0  0   0

n
0
方差的“大”和“小”是相对的，而不是绝对的。一般很少说一组数
据的方差“很大”或“很小”，而是比较两组性质相同或相近的数据，判
断哪一组数据的方程更大、哪一组更小。比如几位同学近几年的考试
成绩，如果他们的平均分接近，那么方差较小的同学发挥更为稳定。
除方差以外，也可以用标准差来衡量数据的离散程度，标准差（用
符号 s 表示）的定义标为： s  s 2
即：方差的（正）平方根就是该组数据的标准差。
根据标准差的定义式可知，标准差也恒大于等于 0 ，它只是对方
差取了平方根而已，所反映出的规律特点与方差基本相同。
方差的定义式中，相当于对各个数据和平均数都作了平方运算，
所得到的结果与原数据存在某种平方关系，比如单位。而标准差对方
差进行了平方运算，相当于将数据“还原”为原来的次数。

对总体数据求得的方差和标准差分别叫做总体方差和总体标准
差。对随机抽取的样本数据求得的方差和标准差分别叫做样本方差和
样本标准差。
理想情况下，样本方差应当等于总体方差，样本标准差应当等于
总体标准差。如无专门说明，这也是绝大多数题目中的隐含条件。
但在实际统计调查中，样本数据的情况不能 100%与总体数据相
同，所以总是存在差异。
1.5 统计数据的整体变换
如果一组统计数据全体加上（减去）某个常数，或整体乘以（除
以）某个不为零的常数，那么得到的新数据具有怎样的特点？下面进
行推导。
1 n 1 n
设一组数据 x1 , x2 , , xn ，平均数为 x   i
n i 1
x ，方差为 s 2
  ( xi  x)2
n i 1
如果将该组数据中的每个数都加上同一个常数 c ，构成新的数据
x1  c, x2  c, , xn  c ，那么新的数据的平均数、方差、标准差分别为：
1
x '  [( x1  c)  ( x2  c)    ( xn  c)]
n
1
 [( x1  x2    xn )  nc]
n
1
 ( x1  x2    xn )  c
n
 xc
1
s '2  [( x1  c  x ') 2  ( x2  c  x ') 2    ( xn  c  x ') 2 ]
n
1
 {[( x1  c  ( x  c)]2  [ x2  c  ( x  c)]2    [ xn  c  ( x  c)]2 }
n
1
 [( x1  x ) 2  ( x2  x) 2    ( xn  x ) 2 ]
n
 s2
s '  s '2  s 2  s

减去一个常数等于加上它的相反数。
综上，若一组数据的每一个数都加上（或减去）同一个常数，则
它的平均数也加上（或减去）这个常数；方差不变，标准差也不变。
如果将该组数据中的每个数都乘以同一个不为零的常数 k ，构成
新的数据 kx1 , kx2 , , kxn ，那么新的数据的平均数、方差、标准差分别为：

1 k
x ''  (kx1  kx2    kxn )  ( x1  x2    xn )  k x
n n
1
s ''2  [(kx1  k x) 2  (kx2  k x ) 2    (kxn  k x) 2 ]
n
k2
 [( x1  x)2  ( x2  x)2    ( xn  x)2 ]
n
 k 2s2
s ''  s ''2  k 2 s 2 | k | s
除以一个常数等于乘以该常数的倒数。
综上：若一组数据的每一个数都乘以（或除以）同一个常数，则
它的平均数也乘以（或除以）这个常数；方差乘以（或除以）该常数
的平方，标准差乘以（或除以）该常数的绝对值。
小结
本章主要学习统计学的基本概念，需要能根据实际统计调查需
要，选用合适的抽样方法，并设计出合理的分层抽样或系统抽样的方
法。需理解可使用样本数据的特征估计总体数据的特征，并熟练使用
该性质。
本章涉及的公式推导较少且较简单，但具体运算较繁琐，特别是
关于样本与总体的平均数运算等虽然基础，但需要一定的关于数量关
系的基础运算能力。

调查统计的对象除了可以是人口数量、温度、成绩等确定的数据
外，也可以是抛硬币、掷骰子、抽签等“不一定”的结果。用统计学的
方法不确定的结果进行分析处理，发现其中的规律，就是本章的主要
学习内容：随机变量及其分布。
随机变量同时建立在概率论与统计学的基本原理、规律和方法的
基础上，可以看作概率论与统计学基础知识的进一步拓展和应用，学
习本章时要与相关章节的基本原理紧密联系起来。
随机变量及其分布也具有非常强的应用价值，在现实工作、科研
中有非常广泛且重要的应用，本章涉及到的题目也多为与具体案例相
结合的应用题，所以学习和练习时要注重将抽象的概念与现实场景相
联系，通过解决真实问题加深对本章的理解。
此外，本章即将学习的正态分布是高中数学较特殊的内容，它的
基本原理和构造过程由于非常复杂而直接跳过，需要直接记忆相应的
公式，从感性上了解它所反映的客观规律和应用方法，并根据函数的
有关知识灵活掌握。
一、随机变量及其分布
概率论的主要内容是具体事件发生的可能性，比如掷一枚骰子后
某个数字朝上概率。统计学的主要研究内容是对大量数据进行记录、
处理和分析，并从中总结发现规律。
将概率论与统计学结合起来，对大量随机试验可能的结果进行处
理和分析，就是随机变量的主要研究内容。
1.1 随机变量
要对随机试验的结果进行统计，第一步也是最重要的一步，是将
随机试验的结果转化为数字，这是使用数学方法进行研究和分析的前
提。这个转化过程一般通过赋值来实现。

如果随机试验的基本事件本身就由具体数字组成，那么一般直接
用这些基本事件的数字表示结果。
例如：掷一枚骰子，有 6 种可能的基本结果，按照骰子各个面上
的点数，分别赋值为 1, 2,3, 4, 5, 6 。
如果随机试验的基本事件本身没有数字特征，可以人为地对其进
行赋值。
对于只有两种基本事件的随机试验，一般分别将两种结果分别赋
值为 1 和 0 。这主要是为了便于计算和分析，也可以用其他数值，但
会较为繁琐。
例如：抛一枚硬币，有 2 种可能的结果（基本事件）：正面朝上
或反面朝上。对于随机试验：抛硬币，一般规定“正面朝上”的结果为
1 ，“反面朝上”的结果为 0 。
关于如何分配 1 和 0 ，可根据实际需要。一般情况下，把作为主
要研究对象的基本事件赋值为 1 ，另一种基本事件赋值为 0 。也可以
反过来，只是在具体计算中会有所差异，没有本质上的差别。
例如：通过抽样调查的方法了解一个生产流水线的良品率（合格
产品占全部产品的比例）
，可规定“合格”为 1 ，“不合格”为 0 。反之，
如果要掌握的数据是次品率（不合格产品占全部产品的比例）
，则一
般规定“不合格”为1，“合格”为 0 。
对于有多个基本事件的随机试验，可用连续的整数 1, 2,3 赋值，
也可以根据需要或具体情况用其他方式赋值。
例如：一个黑箱中有若干个红色、黄色、蓝色的小球，从中随机
取出一个小球。可以规定取出红球为 1，取出黄球为 2 ，取出蓝球为 3 。
如无专门说明或非某些特殊情况下，对基本事件的赋值需要各不
相同，即任意两个基本事件对应的数字都不相等。有时根据实际需要，
也可以让若干基本事件对应相同的数字。
按照上述方法，成功地将随机试验的结果转化为具体数字。如果

将随机事件的结果看作一个变量，这个变量的具体取值无法唯一确
定，而是有多种可能的，也就是所谓的“随机”，具体数值取决于随机
试验的结果，每一次的取值（结果）都无法预测，这样的变量叫做随
机变量，一般用大写字母 X 表示。
随机变量是定义域（取值范围）为样本点对应的实数构成的集合、
具体取值决定于随机试验的结果的变量。
在现实中，并不是只有抛硬币、掷骰子这种完全随机的事件才能
作为随机变量。有些过程虽然本质上不随机，但只要研究者无法预知
结果的试验，都可以看作随机试验。
比如：某同学参加多次考试的分数（从 1  100 的全体整数）可以
看作随机变量；某位射箭运动员命中的环数（ 1, 2,3, 4,5, 6, 7,8,9,10 ）也
可以看作随机变量。
在上面列举的随机试验中，随机试验的样本点为有限多个，所以
给各个样本点的赋值也都是一个一个分散的实数，这样的随机变量叫
做离散型随机变量。是高中阶段的主要学习内容。
符合古典概型的随机试验，或其他样本点有限的随机试验，通过
给它们的事件赋值所构成的随机变量都属于离散型随机变量。
如果随机试验的样本点无限多，将每个样本点与实数对应得到的
随机变量叫做连续型随机变量。
符合几何概型的随机试验，通过给它们的事件赋值所构成的随机
变量属于连续型随机变量，一般用连续的实数域对应直线上的线段，
或使用实数对与平面上的区域相对应，来构成连续型随机变量。
1.2 离散型随机变量的分布列
为了更好地研究随机变量，可以使用统计学的方法将随机变量进
行分析处理，从而得到一些有用的规律和性质。
随机变量的某个具体取值 xi 对应的事件发生的概率 Pi 叫做该取
值的概率，即： Pi 是 xi 的概率，一般记作 P( xi )  pi 。
将随机变量的全部取值与对应的概率整齐地罗列出来，这种表示
方法叫做概率分布列，简称分布列。
分布列需要列出随机变量的全部取值，即需要包括全部样本点
（基本事件），根据古典概型的特点可知，分布列中全部取值的概率
之和应当为 1 。
例 1.2.1 ：掷一枚骰子，共 6 个基本事件，每个基本事件的概率相
1
等，都是。若规定每个基本事件对应的值就是朝上的数字：
6
1, 2,3, 4, 5, 6 。该随机变量的取值 X 与对应的概率 P 的分布列为：
X 1 2 3 4 5 6
1 1 1 1 1 1
P
6 6 6 6 6 6
分布列也可以写成如下形式：
1
P ( X  1) 
6
1
P( X  2) 
6
1
P ( X  3) 
6
1
P ( X  4) 
6
1
P( X  5) 
6
1
P( X  6) 
6
例 1.2.2 ：抛一枚硬币，规定“正面朝上”为 1，“反面朝上”为 0 ，则
其分布列为：
1
P( X  1) 
2
1
P ( X  0) 
2
只有两种事件的随机变量所服从的分布列叫做两点分布。在数学
中，“服从”的意识是“满足相应的定义或规律、特征”。
随机试验：掷一枚骰子，如果规定数字 1 朝上为 1 ，其他数字朝上
为 0 ，则该随机变量也符合两点分布：
1
P( X  1) 
6
5
P( X  1) 
6
根据实际需要，也可以给不同的基本事件规定相同的取值。
例 1.2.3 ：掷一枚骰子，规定 1 朝上为 0 ，质数朝上为 1，合数朝上
为 1 ，列出其分布列。
该随机试验的 6 个基本事件 1, 2,3, 4, 5, 6 中，1 是 1 个样本点；质数有
2,3, 5 ，共 3 个样本点；合数有 4, 6 ，共 2 个样本点，所以：
3 1
P( X  1)  
6 2
1
P( X  0) 
6
2 1
P ( X  1)  
6 3
1 1 1
作为检验： P( X  1)  P ( X  0)  P( X  1)     1 ，证明包括了
2 6 3
全部基本事件。
列出离散型随机变量的分布列后，可以使用统计学的方法对其进
行分析处理。
离散型随机变量的均值与统计学中平均数的定义相似：
若一个离散型随机变量 P( X  xi )  pi ( i  1, 2, , n )，规定其均值（用
E ( X ) 表示）为：
E ( X )  p1 x1  p2 x2    pn xn
用求和符号表示为：
n
E ( X )   pi xi
i 1

即：以各取值的概率为权的加权平均数。
随机变量的均值也叫做数学期望，简称期望。汉语中“期望”是指
对未来的事物的前途有所希望和等待。数学期望可以理解为：根据概
率的推算，进行若干次随机试验后最终可能取得的值。
事实上，可以把离散型随机变量的期望看作是进行很多（无限多）
次随机试验后，将全部结果统计出来，所求得的平均数。下面用这种
方法分别求一个离散型随机变量的期望，以及进行大量该随机试验后
得到的数据平均数。
例 1.2.4 ：掷一枚骰子，规定每个事件的取值为朝上的数字，该随
1
机变量可写为 P( X  xi )  ( i  1, 2,3, 4, 5, 6 )
6
1 1 1 1 1 1
它的期望为： E ( X )  1  2   3   4   5   6   3.5
6 6 6 6 6 6
假设进行 N 次掷骰子的随机试验，如果 N 足够大，根据频率的稳

定性可知：每个数字朝上的次数与 N 的比值非常接近于它们发生的概
N
率。即：每个数字朝上的次数都为（由于 N 很大，可以认为 N 能整
6
N
除任何数），即 1, 2,3, 4, 5, 6 各有个。则该组数据的平均数为：
6
1 N N N N N N 1
x (1  2   3   4   5   6  )   3.5 N  3.5
N 6 6 6 6 6 6 N
比较可以发现，期望与平均数相等。用上述思路，可以对该规律
进行一般性的证明。
特别的。对于符合两点分布的随机变量，若规定其中概率为 p 的
事件为 1，概率为 1  p 的事件为 0 ，则有： E ( X )  1 p  0  (1  p)  p ，这
是一个简便公式，推导也很简单。
离散型随机变量的方差的定义也与统计学中的方差相似。
若一个离散型随机变量 P( X  xi )  pi ( i  1, 2, , n )，可求得它的期望
为 E ( X )  p1 x1  p2 x2    pn xn

规定该离散型随机变量 X 的方差（用 D( X ) 表示）为：
D ( X )  p1 ( x1  E ( X )) 2  p2 ( x2  E ( X ))2    pn ( xn  E ( X )) 2
用求和符号表示为：
n
D ( X )   pi ( xi  E ( X )) 2
i 1
与统计学相类似，规定该随机变量的标准差（用  ( X ) 表示）为：
 ( X )  D( X )
与期望相类似，离散型随机变量的方差也可以看作是进行很多
（无限多）次随机试验后，将全部结果统计出来，所求得的方差。
例 1.2.5 ：掷一枚骰子，规定每个事件的取值为朝上的数字，该随
1
机变量可写为 P( X  xi )  ( i  1, 2, 3, 4,5, 6 )，例 1.2.4 中已求得其期望为
6
E ( X )  3.5 ，则其方差为：
1 1 1 1 1 1
D ( X )  (1  3.5)2  (2  3.5) 2  (3  3.5)2  (4  3.5) 2  (5  3.5) 2  (6  3.5) 2
6 6 6 6 6 6
35

12
假设进行 N （ N 非常大）次掷骰子的随机试验，根据频率的稳定
N N
性可知，每个数字朝上的次数都为，即 1, 2,3, 4, 5, 6 各有个。例 1.2.4
6 6
中已求得该统计数据的平均数为 3.5 ，下面求其方差：

1 N N N N N N
s2  [ (1  3.5) 2  (2  3.5) 2  (3  3.5) 2  (4  3.5) 2  (5  3.5) 2  (6  3.5) 2 ]
N 6 6 6 6 6 6
35

12
比较可以发现，离散型随机变量的方差与统计大量结果后的方差
相等。用上述思路，也可以对该规律进行一般性的证明。
与统计学中的方差类似，离散型随机变量的方差也反映该随机变
量的给不同事件的取值的离散程度，方差越大，离散程度越大。
极端情况下，如果给每个事件的取值都相等，例如：给骰子的每
一面都标记相同的数字 1，则有：

1 1 1 1 1 1
E( X )       1
6 6 6 6 6 6
1
D ( X )   [(1  1) 2  6]  0
6
离散型随机变量取值的整体变换。
将离散型随机变量的全部赋值都加上（或减去）同一个常数，都
乘以（或除以）同一个不为零的常数，它的期望、方差、标准差的变
化规律与统计学中的平均数、方差、标准差的变化规律相似。
设随机变量 P( X  x i )  pi ( i  1, 2, , n )的期望、方差、标准差分别
为 E ( X ), D( X ),  ( X ) 。
若将全部取值都加上同一个常数 b ， P( X  x i b)  pi ( i  1, 2, , n )：
期望变为 E ( X )  b ；
方差不变，仍为 D( X ) ；
标准差不变，仍为  ( X ) 。
若将全部取值都乘以同一个不为零的常数 k ： P( X  kx i )  pi
( i  1, 2, , n )
期望变为 kE ( X ) ；
方差变为 k 2 D( X ) ；
标准差变为 k ( X ) 。
作为练习，请参照推导离散型随机变量的期望和方差的方法，利
用频率的稳定性，假设进行非常多组随机试验，自行推导上述结论。
1.3 二项分布
如果一个随机试验只有两种可能的结果，独立重复地多次进行该
随机试验叫做伯努利试验。重复进行 n 次该随机试验叫做 n 重伯努利
试验。
根据伯努利试验的定义可知，将同一个只有两种可能结果的随机
试验重复 n 次，各次试验的结果相互独立，是独立重复试验。由于该
随机试验只有两种可能的结果，所以相对较容易分析。
下面分析伯努利试验得到的随机变量的分布列。
例 1.3.1 ：随机试验：掷一枚骰子，规定事件 A ：点数 1朝上，可知
1
P( A)  ；事件 B ：点数 1 不朝上，即点数 2,3, 4,5, 6 之一朝上，可知
6
5
P( B)  。
6
连续独立地重复掷骰 4 次骰子，即进行 4 重伯努利试验。规定随

机变量 X 为事件 A 发生的次数，即数字 1朝上的次数。
5
当 X  0 时， 4 次朝上的点数都不是 1，概率为 P( X  0)  ( )4
6
当 X  1 时，有 1 次朝上的点数是 1 ， 3 次朝上的点数不是 1 ，共四

种情况：
1 5 5 5
(1)第一次1 朝上，第二、三、四次 1 不朝上，概率为    ；
6 6 6 6
(2)第一次 1不朝上，第二次 1朝上，第三、四次 1不朝上，概率为

5 1 5 5
   ；
6 6 6 6
(3)第一、二次1不朝上，第三次 1朝上，第四次 1不朝上，概率为

5 5 1 5
   ；
6 6 6 6
5 5 5 1
(4)第一、二、三次 1不朝上，第四次 1朝上，概率为    。
6 6 6 6
1 5
以上四种情况的概率都是  ( )3 。这四种情况是互斥事件，它们
6 6
的并事件为“有 1次朝上的点数是 1， 3 次朝上的点数不是 1”，即 X  1 。

1 5
根据并事件的概率的计算公式可知： P( X  1)  4   ( )3 。
6 6
前面的系数 4 可以看作“从四次试验中选一次结果为事件 A ，另外

三次结果为事件 B ”，即 C41 。
当 X  2 时，情况类似，从四次试验中选取两次的结果为事件 A ，
另外两次结果为事件 B ，即 C42 。并且这 C42 种情况中，每种情况发生的
1 5 1 5
概率都是 ( )2  ( )2 。所以 P( X  2)  C42 ( ) 2  ( ) 2
6 6 6 6
1 5
同理， P( X  3)  C43 ( )3  ( )
6 6
1
P ( X  4)  ( ) 4
6
通过上面的例子可以发现：在一个 n 重伯努利试验中，假设只有
两种可能的结果：事件 A 与事件 B 。其中事件 A 发生的概率为 p ，则
它的对立事件 B 发生的概率为 1  p 。
若规定随机变量 X 的取值为事件 A 发生的次数，则 X  k ( 0  k  n )
时所对应的概率 P( X  k ) ，可根据独立重复试验的原理推导：
事件 A 发生 k 次的概率为 pk ，事件 B 发生 n  k 次的概率为
(1  p )n  k 。于是事件 A 发生 k 次并且事件 B 发生 n  k 次的概率为
p k (1  p )n  k 。
根据与二项式定理相似的原理（从 n 个因式中选 k 个贡献 a ，另外

n  k 个贡献 b ）， n 次试验中选取 k 次的结果为事件 A ，另外 n  k 次为
事件 B ，种类数共有 Cnk 种。
所以： P( X  k )  Cnk p k (1  p ) nk ( k  0,1, 2, , n )
展开为：
P( X  0)  Cn0 p 0 (1  p) n
P ( X  1)  Cn1 p1 (1  p ) n 1
P ( X  0)  Cn2 p 2 (1  p )n -2

P ( X  0)  Cnn p n (1  p )0
也可以将二项分布定义为服从如上形式的分布。即一个 n 重伯努
利试验中，某个事件发生的次数 xi 与对应的概率 pi 所对应的分布列服
从关系 P( X  k )  Cnk p k (1  p ) nk ( k  0,1, 2, , n )。

二项分布一般记作 X  B (n, p) ，其中 X 表示随机变量， B 表示服
从二项分布， n 表示 n 重， p 为其中一个事件发生的概率。
分布列需要包含全部基本事件，全部取值的概率之和应为 1，下
n n
面验证二项分布符合该要求，即：  P ( X  k )   Cnk p k (1  p)n  k  1 是否
k 0 k 0
对任意 n, p 恒成立。
n
根据二项式定理： (a  b)n   Cnk a k b nk
k 0
比较二项分布的全部取值的概率的表达式与二项式定理的表达
式，可以发现前者的 p 相当于后者的 a ，前者的 1  p 相当于后者的 b 。
所以二项分布的全部取值的概率之和为：
n n
 P( X  k )   Cnk p k (1  p)nk  [ p  (1  p)]n  1n  1

k 0 k 0
即：对于任意二项分布 X  B (n, p) ，它的全部取值的概率之和为 1，

说明包含了全部基本事件。
二项分布在现实中有很多应用，比如求连续抛 n 次硬币，其中 k 次
正面朝上的概率；或连续射 n 支箭，其中 k 次在某环内的概率等。
根据随机变量的期望的定义可得，二项分布 X  B(n, p) 的期望为：
n
E ( X )   kCnk p k (1  p) n k
k 0
n! n(n  1)!
因为 kCnk  k   nCnk11
k !(n  k )! (k  1)![(n  1)  (k  1)]!
n n
所以 E ( X )   kCnk p k (1  p) n  k   nCnk11 p k (1  p) n k
k 0 k 0
n
n 为定值，可以提出到求和符号外面： E ( X )  n Cnk11 p k (1  p ) n  k
k 0
Cnk11 表示从 n  1 个元素中选取 k  1 个，总数和选取的数量都比原来
少一个，可以再从求和符号中提取一个常数 p 到外面。这样一来， p
的次数变为 k  1 ，且 p 与 1  p 的次数之和恰好变为 (k  1)  (n  k )  n  1 。
n
即： E ( X )  np  Cnk11 p k 1 (1  p) n k
k 0

n
其中，  Cnk11 p k 1 (1  p) n k 相当于二项式 [ p  (1  p)]n 1 展开，所以：
k 0
E ( X )  np  [ p  (1  p )]n 1  np  1  np
即：任意二项分布 X  B(n, p) 的期望为 np 。
1.4 超几何分布
服从二项分布 X  B (n, p) 的条件之一为独立重复试验，即各次随
机试验之间没有相互影响，适用的情形主要有抛硬币、掷骰子、有放
回的抽签等。
如果进行不放回的抽抽签，即每一次试验的结果都将对下一次产
生影响，这种情况下进行的随机试验一般不服从二项分布。
如果抽签的结果只有两种可能，例如从若干红色和蓝色的小球中
不放回地随机抽取，则抽出某种颜色小球的数量与对应的概率所构成
的分布列叫做超几何分布。
事实上，如果以取出的某种小球的颜色作为随机变量，不放回地
一一抽取若干个小球，相当于一次性直接取出若干个小球。
例 1.4.1 ：一个不透明的盒子中总共有 N 个小球，其中红色小球有
M 个，蓝色小球有 N  M 个，从中随机取出 n ( 1  n  M )个小球，则取
出的 n 个小球中，红色小球的数量为 k 个（蓝色小球的数量为 n  k 个）
所对应的概率的分布列，服从的就是超几何分布。
下面根据上述模型，求超几何分布的分布列。
根据组合数的原理可知，从总共 N 个小球中取出 n 个，共有 C Nn 种
不同的取法。
其中有 k 个红色小球、n  k 个蓝色小球的取法的数量为：CMk C NnkM ，
即：从 M 个红色小球中选取 k 个的组合数、从 N  M 个蓝色小球中选
取 n  k 个的组合数的乘积。
CMk CNn kM
所以： P( X  k ) 
C Nn

对于超几何分布， X 的全部取值 k 的范围需要具体分情况讨论。
对于 k 的最小值，如果 n  N  M （ n  ( N  M )  0 ）
，即取出的小球
数量多于蓝色小球的总数，把蓝色小球都取出之后，还需要取出至少
n  ( N  M ) 个红球，此时 k 的最小值为 n  ( N  M ) 。
如果 n  N  M （ n  ( N  M )  0 ），即取出的小球数量小于等于蓝色
小球数，那么有可能一个红色小球都没有，此时 k 的最小值为 0 。
所以， kmin  max{n  N  M , 0} ，该表达式表示： k 的最小值为集合
{n  N  M , 0} 中最大的元素。如果 n  N  M  0 ，则该集合中只有 1 个元
素。
对于 k 的最大值，如果 n  M ，即取出的小球数量少于红色小球数，
那么最多只能取出 n 个红色小球，再取就超过 n 个了，此时 k 的最大值
为n。
如果 n  M ，即取出的小球数量大于等于红色小球数，那么最多
只能取出 M 个红色小球，再取就没有红色小球了，此时 k 的最大值为
M。
同理， kmax  min{n, M }

综上， kmin  max{n  N  M ,0} ， kmax  min{n, M } 。
1.5 正态分布
正态分布属于连续型随机变量的分布列，即随机变量 X 的取值范
围不是有限个离散的点，而是连续的实数区间。
正态分布最早由法国数学家棣莫弗在研究二项分布时得到，后来
被德国数学家高斯和法国数学家拉普拉斯进一步研究了它的性质，所
以也叫做棣莫弗分布或高斯分布。它最基本的原理由于过于复杂，高
中阶段不需要了解，只学习一般规律和使用方法。
正态分布在现实中非常常见、具有非常重要的应用价值，主要用
于描述随机误差，即实际测量值与真实值之间不可避免的差异。

由于现实中各种无法避免的原因，导致在实际测量中不可能测量
得到 100％精确的数值，总是存在或多或少的误差。实际上，所谓的“精
确值”也只是多次测量得到的平均数（期望）。
在实际测量中，以测量结果 X 为取值，出现的概率（频率） P 所
构成的分布列服从正态分布。服从分布的随机变量符合函数关系：
1 2 2
f ( x)  e  ( x   ) / 2
 2
正态分布的表达式是一个函数，该函数叫做正态密度函数。
自变量 x 是随机变量 X 的具体取值，即测量得到的数值（一般叫
做观察值） X 。
由于正态分布是一种连续型随机变量的分布形式，所以 x 的取值
为一段连续的实数。所有正态分布中，x 的取值范围都是全体实数 R ，
或记为 (, ) 。
函数值 f ( x) 为取值 x 时所对应的概率。与同样是连续型随机变量
的几何概型中，单独讨论一个点的概率没有实际应用价值的原因相
同，单独讨论一个函数值 f ( x) 也没有实际应用价值。一般研究一段连
续的范围内 a  x  b ，函数图像与 x 轴、 y 轴、 x  x0 所围成的面积，该
面积表示当事件 x  [a, b] 发生时所对应的概率。
从数学上可以证明，将全部 (, ) 范围内的 x 对应的函数值 f ( x)
全部加起来，即整个函数图像 f ( x) 与 x 轴所围成的图形的面积为 1。
 为该随机变量的期望， 2 为该随机变量的方差。这两个参数的
数值一般通过实验测得的具体数据进行计算得到。相应的正态分布记
作 X  N ( , 2 ) 。
 是圆周率， e 是自然对数的底。
当   0 ，  1 时，称随机变量服从标准正态分布，其密度函数为：
1  x2 / 2
f ( x)  e
2
当   0 时的正态密度函数，相当于以各个测量值 xi 与期望 E ( X 0 )
的差 xi  E ( X 0 ) 构造的随机变量 X  xi  E ( X 0 ) 所构造的正态分布。证明
如下：
n
根据期望的定义 E ( X 0 )   pi xi 可知，利用该差值构造的随机变量
i 1
的期望为：
n
E ( X )   pi ( xi  E ( X 0 ))
i 1
n
  ( pi xi  pi E ( X 0 ))
i 1
n n
  pi xi   pi E ( X 0 )
i 1 i 1
n
 E ( X 0 )   pi E ( X 0 )
i 1
n
 E ( X 0 )  E ( X 0 ) pi
i 1
 E ( X 0 )  E ( X 0 ) 1
0
若将全部取值都加上同一个常数，方差和标准差不变，所以
X  xi  E ( X 0 ) 与 X 0 的标准差和方差相同。
正态密度函数的图像叫做正态分布密度曲线，简称正态曲线。下
面是正态曲线的形状，即标准正态密度函数的图像。

结合图像，根据正态密度函数的表达式可知：
（1） f ( x) 恒大于 0 ，函数图像总是在 x 轴上方。
1 2 2
根据表达式 f ( x)  e  ( x   ) /2 可知，  标准差、圆周率  、自
 2
然对数底 e 的若干次幂都恒为正数，它们的乘积也恒为正数。
（2）函数关于直线 x   对称。
1 2 2 1 2 2
证明： f (   x)  e  (   x   ) / 2  e  x /2
 2  2
1 2 2 1 2 2
f (   x)  e  (   x   ) /2  e x /2
 2  2
所以 f (   x)  f (   x) 。即：到直线 x   距离相同的自变量 x ，具
有相同的函数值，即得证。
1  x 2 /2
特别的，当   0 时， f ( x)  e 关于 y 轴对称，是偶函数。
2
1
（3）当 x   时， f ( x) 取最大值， f max  f (  ) 
 2
自变量 x 只出现在函数 e 的指数位置： ( x   ) 2 / 2 2 。当 x   时，
指数取到最大值 0 ，此时函数取到最大值。
（4）当 x   时， f ( x)  0
从表达式中可以看出，当 x   时，e 的指数部分 ( x   ) 2 / 2 2 趋
近于  ， e 趋近于 0 ，所以 f ( x) 趋近于 0 。
（5）函数在区间 (,  ) 单调递增，在区间 (  , ) 单调递减。
由于自变量 x 只出现在函数 e 的指数 ( x   ) 2 / 2 2 ：
2 2
当 x  (,  ) 时，( x   ) 2 单调递减，( x   ) 2 / 2 2 单调递增，e ( x   ) /2
单调递增，所以 f ( x) 单调递增；
2 2
当 x  (  , ) 时，( x   ) 2 单调递增，( x   ) 2 / 2 2 单调递减，e ( x   ) /2
单调递减，所以 f ( x) 单调递减。
根据函数平移变换和伸缩变换的规律还可以得出正态密度函数
的如下性质：

1 2 2
将正态密度函数 f ( x)  e  ( x   ) /2 先沿 x 轴正方向平移   个
 2
1
单位（用 x   替换 x ），再沿水平方向压缩为原来的（用  x 替换 x ）
，

1  x2 /2
可得到标准正态密度函数 f ( x )  e 。
2
1 2 2
反过来，正态密度函数 f ( x)  e  ( x   ) /2 可以看作将标准正态
 2
1  x2 /2
密度函数 f ( x )  e 先沿水平方向拉伸为原来的  倍（用 x /  替换
2
x），再沿 x 轴正方向平移  个单位，（用 x   替换 x ）得到。

根据上述变换过程可知，当   0 时，函数图像整体向右平移；当
  0 时，函数图像整体向左平移。平移的距离等于 |  | 。
当  2 越大时(  2  1 )，函数图像沿水平方向拉伸得越多，图像越扁
平，当  2 越小时(  2  1 )，函数图像沿水平方向压缩得越多，图像越窄
高。
下面是几个不同  ,  2 对应的正态密度函数的图像，注意观察曲线
的形状与参数的取值之间的关系。

根据上述变换过程，正态分布 X  N (  ,  2 ) 的全部观察值变换为：
X 
Z

则 Z 服从标准正态分布。
X 
易证：将 Z  变形为 X   Z   ，代入 X  N (  ,  2 ) 的正态密

1 2 2
度函数 f ( x)  e  ( x   ) /2 得：
 2
1 2 2 1 2
f ( z)  e  ( Z     ) /2  e  z /2
 2  2
1  x2 /2
虽然该表达式与标准正态密度函数 f ( x )  e 形式上整体上
2
1
相差了倍，并不完全相同。这个差异是为了保证“函数图像与 x 轴所

包含的面积为 1 ”这一特性不变。
将正态密度函数 f ( x) 变换为标准正态密度函数 f ( z ) 后，成对的 x
x
与z 所对应的 f ( x) 与 f ( z ) 的函数值相同： f ( x)  f ( z ) 。

这个变换的目的只是为了让“不标准”的正态分布变为“标准的”
正态分布，以便于分析和应用。
前面讲到，正态分布具有非常重要且常用的应用价值。正态分布
主要用于估算实际测量中，得到某个具体取值的概率。
由于正态密度函数的曲线与 x 轴包围的全部面积之和为 1 ，于是
“ X 的取值落在区间 [ x1 , x2 ] 内”这一事件发生的概率就是直线 x  x1 、
x  x2 、 x 轴、正态分布密度曲线，这四条线所围成的面积的大小。
1  x2 /2
为方便使用，将标准正态密度函数 f ( x )  e 中，每个 x  z
2
( z  0 )所对应的区域 x  [0, z ] 的面积记作 ( z ) ，并绘制成《正态分布

表》，以方便查询和计算相应的取值范围发生的概率。下图为  ( z ) 所
表示的面积，该面积等于事件 x  [0, z ] 发生的概率。

由于标准正态密度函数是偶函数，其图像关于 y 轴对称性，并且
函数图像与 x 轴包围的全部面积之和为 1，可知图像的一半与 x 轴所包
围的总面积为 0.5 ，即 y 轴左边和右边的面积分别都是 0.5 。又由于一
般规定 z  0 ，所以 0   ( z )  0.5 。
如果需要求得 X  [a, b] ( 0  a  b )时的概率，只需查表得到  (a ) 与
(b) ，再求出  (b)   ( a) 就是。
对于一个已知的正态分布 X  N (  ,  2 ) ，并给一个确定的观察值
X 
x0 ，可以先用公式 Z  将其转化为标准正态分布，再对照《正态

分布表》即可差得取值在 [  , x0 ] 范围内的概率。
其实质是将求某一取值的概率，转化为求该取值与期望之间的
“误差”的概率。
若 x0   ，只需根据正态密度函数的对称性，求   (   x0 )  2   x0
对一个的概率密度即可。
一般情况下，由于 P(   3  X    3 ])  0.9973 ，此时认为该事件
一定发生，即 x  [   3 ,   3 ] 范围内的取值一定发生。而在这个区间
外的取值 x  (,   3 )  (   3 , ) ，其概率约为 1  0.9973  0.0027 ，可
以认为（几乎）不可能发生。这是一个非常重要且常用的结论，主要
用来判断某个取值是可能还是不可能得到，相当于判断一件事究竟是
可能还是不可能发生。

小结
本章主要学习随机变量的定义和特征，以及三种重要的分布类
型：二项分布、超几何分布、正态分布。
本章的内容通过概率论与统计学的概念相结合而产生，要注重理
解概率与统计的基本原理在本章的作用，主要包括：计数原理、古典
概型、独立重复试验、条件概率、平均数（期望）
、方差等。
本章除正态分布以外的内容需重点从原理上进行理解分析，全部
涉及到的公式都应能根据排列组合、概率、统计的基本概念推导得出。
正态分布部分的“原理”现阶段无法掌握，需要“生硬地”接受这一
客观规律，掌握其具体应用方法，并从函数的角度理解其性质与变换
规律。

统计学基础与随机变量章节所分析研究的对象是一组数据的性
质和规律，本章将学习成对数据的统计分析，分析研究的主要内容是
两组数据之间的关系。
其他学科经常会根据有关理论提出两个变量之间的逻辑关系，而
统计学根据数据本身的特点，用“数学”的方法分析判断两组数据之间
的关系，可以为相关学科的理论分析提供重要的佐证。
两组数据之间的关系中，一种常见的典型关系是线性关系，即能
够用一条直线表示两组数据之间的对应关系。此外，本章还将学习从
数学上一般性地判断两组数据之间是否有相互影响的方法。
受限于知识的深度，本章部分内容的分析推导和解决方案的提出
并不像其他块面那样具有很直白直接的逻辑关系，有时需要通过感性
的认识进行衔接，需要在理解原理的基础上直接记忆结论和公式。
1.1 成对数据的线性相关性
线性相关是两个变量之间的关系，顾名思义，这个关系符合“线”
的某些特征和规律，如果两个变量的各取值之间的数量关系可以用直
线方程近似表示，则称这两个变量之间具有一定的线性相关性。
研究线性相关之前，需要先将作为研究对象的两个变量（两组数
据）进行配对，需要按照某种很明确的方式，将两个变量的各个取值
分别一一对应，并且按照这种方式的配对是唯一的。
例 1.1.1 ：变量 X 为冬季某一天的最低温（单位：摄氏度）
，变量 Y
为某一天某小区的用电量（单位：千瓦时）。“某一天”就是将 X 与 Y 的
数据配对的根据，即：将同一天里的最低温 x i 与用电量 yi 配对。
例 1.1.2 ：变量 X 为父母的平均身高（单位：米）
，变量 Y 为子女的
平均身高（单位：米）
。“父母-子女”关系就是将 X 与 Y 的数据配对的
根据，即：将一对父母的平均身高 x i 与他们的子女的平均身高 yi 配对。
例 1.1.3 ：变量 X 为某市历年高考本科录取分数线（单位：分），
变量 Y 为该市全年人均可支配收入（单位：元）
。“某一年”就是将 X 与
Y 的数据配对的根据，即：将同一年里的本科录取分数线 x i 与人均可
支配收入 yi 配对。
以上三个例子中，都有一个明确的根据将两个变量中的各数据一
一配对，并且配对方式是唯一的，这是分析两个变量相关性的前提。
配对方式一般需根据客观、自然的标准所决定，而不能根据数据
本身的特点进行排队。在上面的例子中，配对的根据分别为日期、亲
缘关系、年份。不能先分别把两组数据按照大小顺序排列，再统一按
照“大对大、小对小”或“大对小、小对大”或其他纯数字的方式“强行”
排序。
与日常经验相一致，两个变量的相关性有两种方式（也叫“方
向”）
：正相关，具有相同的变化趋势，要么一起增加，要么一起减少；
负相关，具有相反的变化趋势，也就是此消彼长。
此外，也经常会说两个变量“不相关”，这是关于相关性强弱的描
述，正相关与负相关是指相关性的方向，这是相关性的两个方面的性
质，都将在本小节具体学习。
对两个变量进行配对后，判断它们之间的相关性有两个主要方
法，一种是根据科学规律和逻辑分析进行推理，另一种就是本章要学
习的使用统计学方法从数据上进行分析判断。
先从逻辑上对前面列举的三个例子进行简单分析（不一定准确）
：
例 1.1.1 中，冬季某一天的最低温 x i 越高，那么开空调、电暖气、
电热毯等加热设备的需求越少，用电量 yi 应当越低，可以合理猜测 X
与 Y 负相关。
例 1.1.2 中，由于遗传因子对人的身高很可能有重要影响，所以父
母的平均身高 x i 越大，他们子女的平均身高 yi 很可能也越大，可以合

理猜测 X 与 Y 正相关。
例 1.1.3 中，高考本科录取分数线 x i 与高考命题难度、学生整体水
平、整体发挥等因素有关，全年人均可支配收入 yi 与经济发展、宏观
政策、外部环境等有关，很难找到这二者之间逻辑上的直接联系，难
以猜测 X 与 Y 之间是正相关还是负相关，但可以合理猜测它们之间的
相关性较弱。
以上只是根据经验进行简单分析猜测，下面学习统计学上对的成
对数据的相关性的定性判断和定量分析。
散点图是一种可以直观地展示成对数据之间关系的方法，具体方
法为：以其中一个变量 X 的取值作为横坐标，另一个变量 Y 的取值作
为纵坐标，建立平面直角坐标系，将全部成对的数据 ( xi , yi ) 描绘在图
中。下面是几个散点图。
从图中可以看出，左上和左下图中的全部点似乎都聚集在一条直
线附近，此时称这两个变量线性相关。
中上和中下图中的全部点似乎也聚集在某一条直线附近，但是没

有左上和左下那么明显，可以从感性上判断这对数据的线性相关性弱
于左边的两组数据。
右上图中的点聚集成团，右下的图中的点接近一个半圆，很难找
出一条直线使得各点都聚集在该直线附近，此时称这两个变量非线性
相关。
左下和中下图中，各点聚集在斜率为负的直线附近，即：一个点
的横坐标越大，它的纵坐标越小，这是典型的负相关。
左上和中上图中，各点聚集在斜率为正的直线附近，即：一个点
的横坐标越大，它的纵坐标也越大，就是典型的正相关。
虽然散点图可以较直观地判断两个变量之间的相关性的方向和
强弱，但仍具有一定的主观性，并且不能进行精确的定量分析。下面
学习对两个变量的相关性进行精确定量分析的方法。
对于一对变量 ( x1 , y1 ), ( x2 , y2 ), , ( xn , yn ) ，假设数据 x1 , x2 , , xn 的平均

1 1
数为 x  ( x1  x2    xn ) ， y1 , y2 , , yn 的平均数为 y  ( y1  y2    yn ) 。
n n
将各点沿 n  ( x, y ) 的反方向平移，变为 ( x1  x, y1  y), ( x2  x, y2  y ),
( xn  x, yn  y ) 并绘制散点图。
上述平移操作只是将整个图形在坐标系中的位置进行了整体移
动，并没有改变各点之间的相对位置。
根据平均数的定义式可知：平移后，各点的横坐标 xi  x 都聚集在
x 轴附近、纵坐标 yi  y 都聚集在 y 轴附近。
如果所有（或绝大部分）点都满足关系：若 xi  x ，则 yi  y ；若
xi  x ，则 yi  y 。说明变量 x 和 y 的变化规律一致，它们正相关。
反之，如果所有（或绝大部分）点都满足：若 xi  x ，则 yi  y ；
若 xi  x ，则 yi  y 。说明变量 x 和 y 的变化规律相反，它们负相关。
由于 xi  x 等价于 xi  x  0 ， yi  y 等价于 yi  y  0 。所以，若所有

（绝大部分）点都在第一、三象限，说明它们正相关；若所有（绝大
部分）点都在第二、四象限，说明它们负相关；
按照类似构造方差的形式，将每对 xi  x 与 yi  y 相乘后求和，再
除以总数 n ，构造一个新的参数 Lxy
1
Lxy  [( x1  x)( y1  y )  ( x2  x )( y2  y )    ( xn  x)( yn  y )]
n
根据定义式可知，如果数据的整体趋势符合“ xi  x 且 yi  y ”或
1 n
“ xi  x 且 yi  y ”，都有 ( xi  x)( yi  y )  0 ，于是 Lxy   ( xi  x)( yi  y )  0 ，
n i 1
这两个变量正相关。
相反的，如果数据的整体趋势符合“ xi  x 且 yi  y ”或“ xi  x 且
1 n
yi  y ”，都有 ( xi  x)( yi  y )  0 ，于是 Lxy   ( xi  x)( yi  y)  0 ，这两个
n i 1
变量负相关。
对于恰好 Lxy  0 的情况，将在本小节后面讨论。
要强调的是，一对变量是正相关或负相关，与它们否线性相关的
强弱是两个相互独立的判断。一对数据如果线性相关，则它们有可能
正相关，也有可能负相关，与它们之间的线性相关性的强弱无关。
Lxy 虽然能比较好地定性判断出两个变量是正相关还是负相关，
但不能定量地比较几对变量之间，哪一对的相关性更强，哪一对的相
关性更弱。
这是因为：如果一对变量 x, y 自身的离散程度很大或本身数字很
大，即 x1  x, x2  x, xn  x 和 y1  y, y2  y , yn  y 的值都非常大，即使它
们的相关性较弱，但计算得到 Lxy 的值仍然可以很大。
而另一对变量 a, b 虽然它们的相关性较强，但它们各自的离散程
度很小或本身数字很小， a1  a, a2  a, an  a 和 b1  b, b2  b, bn  b 的值都
很小，计算得到的 Lab 的值也会很小。

于是很有可能因为各自离散程度、数字大小等其他因素，直接比
较两对数据的 Lxy 与 Lab 值并不能够用来判断它们线性相关性的大小。
为消除各变量自身的离散程度、数字大小等因素对判断线性相关
性造成的干扰，需要对 Lxy 进一步处理。方法为：让每个 xi  x 和 yi  y 都
1 n 1 n
除以其标准差 sx   i
n i 1
( x  x ) 2
和 s y   ( yi  y)2 ，得到新的数对：
n i 1
x1 y1 x2 y2 x y
( , ), ( , ), , ( n , n )
s x s y sx s y sx s y
为方便起见，将其记作 ( x ', y ') 。

由于每个变量都除以了它的标准差，可以认为它们自身的离散程
度和数字大小的因素被“消除”了。
这里除以的是标准差而不是方差，主要是因为标准差与数据本身
的次数相同，而方差是关于原数据的二次方的参数。
根据标准差的变换规律，全体数据同时乘以同一个不为零的常数
x y
k ，标准差也乘以同一个不为零的常数 k ，所以 x '  ， y'
sx sy
对于消除了离散程度和数字大小影响的新的一对变量 ( x ', y ') ，按

照构造 Lxy 的方式构造新的参数 r
1
r  [( x '1  x ')( y '1  y ')  ( x '2  x ')( y '2  y ')    ( x 'n  x ')( y 'n  y ')]
n
1 x x y y x x y y x x y y
 [( 1  )( 1  )  ( 2  )( 2  )    ( n  )( n  )]
n sx s x s y s y s x sx s y s y s x sx s y s y
1 1 1
   [( x1  x )( y1  y )  ( x2  x)( y2  y )    ( xn  x)( yn  y )]
n sx s y
n
1 1 1
     ( xi  x )( yi  y )
n 1 n 1 n
 
i 1
( xi  x ) 2
( yi  y ) 2
n i 1 n i 1
n
 ( x  x)( y  y)
i i
 i 1
n n
 ( x  x)  ( y  y )
i 1
i
2
i 1
i
2

r 叫做变量 X 与 Y 的样本相关系数，也记作 r ( X , Y ) 。
由于 r ( X , Y ) 的构造原理与 Lxy 基本相似，只是进行了进一步完善，
所以也满足规律：
当 r  0 时，称 x 与 y 正相关；
当 r  0 时，称 x 与 y 负相关。
在判断相关性的方向时， r 并没有比 Lxy 更有效或好用。 r 相对于
Lxy 的关键特点在它消除了数据自身的离散程度、数字大小的影响，
优势主要体现在精确地定量分析线性相关性的大小方面。
现在根据 r 的定义式分析其数学意义：
n
 ( x  x)( y  y)
i i
r i 1
n n
 ( x  x)  ( y  y )
i 1
i
2
i 1
i
2
在向量中，定义向量 a  (a1 , a2 ) 与 b  (b1 , b2 ) 的内积为：

ab  (a1 , a2 )(b1 , b2 )  a1b1  a2b2
事实上，这是关于二维向量（平面向量）内积的定义，对于 n 维
向量 a  (a1 , a2 , , an ) 与 b  (b1 , b2 , , bn ) ，它们的内积的定义与之相似：
ab  (a1 , a2 , , an )(b1 , b2 , , bn )  a1b1  a2b2    anbn
即：各个相同维度（顺序）的坐标的乘积的和。
n
观察 r 的定义式中的分子部分  ( xi  x)( yi  y) 可以发现，这就是两
i 1
个 n 维向量 x  ( x1  x, x2  x, , xn  x) 与 y  ( y1  y, y2  y, , yn  y ) 的内积：

xy  ( x1  x, x2  x, , xn  x)( y1  y, y2  y , , yn  y )
 ( x1  x )( y1  y )  ( x2  x)( y2  y )    ( xn  x)( yn  y )
n
  ( xi  x )( yi  y )
i 1
另一方面，在向量中，向量内积的几何意义可以理解为两个向量
的模和夹角余弦值的乘积： ab | a |  | b |  cos  a, b 
这个含义也可以拓展到 n 维向量。 n 维向量的模（长度）可以经
过多次使用勾股定理求得：| a | a12  a2 2    an 2 ，| b | b12  b2 2    bn 2
n n
观察 r 的定义式中的分母部分  ( x  x)  ( y  y )
i 1
i
2
i 1
i
2
可以发现，这
就是两个 n 维向量 x  ( x1  x, x2  x, , xn  x) 与 y  ( y1  y, y2  y, , yn  y ) 各

自的模的乘积：
| x | |y|  ( x1  x) 2  ( x2  x) 2    ( xn  x) 2 ( y1  y )2  ( y2  y ) 2    ( yn  y )2
n n
  ( xi  x)2
i 1
 ( y  y)
i 1
i
2
 ( x  x)( y  y)
i i
xy
综上， r  i 1
  cos  x, y 
n n | x || y |
 ( x  x)  ( y  y )
i 1
i
2
i 1
i
2
r ( x, y ) 是由一对变量构成的两个 n 维向量 x  ( x1  x, x2  x, , xn  x)
与 y  ( y1  y, y2  y, , yn  y ) 的夹角的余弦值。
根据三角函数的取值范围可知： 1  r  1
根据向量内积的知识可知，当 | r | 1 时，向量 x 与 y 共直线。存在
某个实数  ，使得 y   x 。代入两个向量的坐标可得：对任意 i  1, 2, , n ，
都有 yi  y   ( xi  x)
这表明所有的样本点 ( xi , yi ) 都满足方程 yi  y   ( xi  x) ，也就是它
们都在直线 y  y   ( x  x) 上。转化为点斜式为 y   x  y   x ，该直线
的三个参数  , x, y 都可以根据具体数据计算求得。
所有的点都在同一条直线上，这很符合“线性相关”的语义！
此外，当 r  0 时，表示向量 x 与 y 相互垂直，沿其中一个向量的
方向移动对另一个向量方向的坐标不产生任何影响，可以认为它们之
间没有关系。
于是，| r | 表示一对变量的线性相关性的强弱：| r | 越接近于 1 ，变

量之间的线性相关性越强；| r | 越接近于 0 ，变量之间的线性相关性越
弱。
综上，样本相关系数 r ( X , Y ) 的取值范围为 [1,1] 。它的符号表示相
关性的方向，正号表示正相关，负号表示负相关。它的绝对值表示线
性相关性的强弱，绝对值越大，线性相关性越强；绝对值越小，线性
相关性越弱。
下面是开头列举的六对变量的 r 值，注意观察它们的分布情况与
r 的符号和绝对值之间的关系。
简而言之，两个变量 X , Y 的样本相关系数 r ( X , Y ) 的数学实质为：

分别用两个变量的与其均值的差构造向量 x  ( x1  x, x2  x, , xn  x)
和 y  ( y1  y, y2  y, , yn  y ) ，配对的数据 ( xi , yi ) 在两个向量中具有相同
的维度。
样本相关系数 r ( X , Y ) 就是这两个向量的夹角的余弦值 cos  x, y  ，
xy
即：两个向量的内积除以它们模的乘积： cos  x, y 
| x || y |

若 0  r  1 ，则  x, y  [0, ) ，两个变量（向量）正相关；
2


若 1  r  0 ，则  x, y  ( ,  ] ，两个变量（向量）负相关。
2
| r || cos  x, y | 越大，两个向量所在直线之间的夹角越小，两个变
量的线性相关性越强；
| r || cos  x, y | 越小，两个向量所在直线之间的夹角越大，两个变
量的线性相关性越弱。
特别的，当 | r || cos  x, y | 1 时，两个向量共线，两个变量的线性
相关性最强。
1.2 一元线性回归模型
对于一对变量，如果能找到反映它们之间的线性关系的直线方
程，对于分析研究它们之间数量关系和规律将有很大帮助，一元线性
回归模型就是求得这条直线的方法。
对于一对变量 ( x1 , y1 ), ( x2 , y2 ), , ( xn , yn ) ，假设“最”能反映它们之间的
线性关系的直线方程为 y  bx  a
根据上一小节的内容可知，若 | r | 1 ，全部样本点都在的同一条直
线上，这条直线就应当就是 y  bx  a
若 | r | 1 ，则一定有样本点 ( xi , yi ) 不在直线 Y  bx  a 上，而是在该
直线附近，所以将该点代入直线方程后 yi  bxi  a 不成立，即 yi  bxi  a 。
虽然点 ( xi , yi ) 不在直线 Y  bx  a 上，但也在其附近，设 yi 减去 bxi  a
的差值为 ei ，即 yi  bxi  a  ei ，于是每个样本点 ( xi , yi ) 都有一个相对应
的 ei 。
这里 ei 可能为任意值，不同的样本点 ( x p , y p ) 与 ( xq , yq ) 分别对应的
e p 与 eq 有可能相等、也可能不等。
由于全部点都在这条直线附近，所以 ei 的值有正有负。如果所有
的 ei 都是正数或负数，说明这条直线在全部点的上方和下方，不能很
好地反映各点的情况，需要将其平移到全部点的中间位置。

ei 的值越大，表示 ( xi , yi ) 到直线的距离越大； ei 的值越小，表示
( xi , yi ) 到直线的距离越小。若 ei  0 ，表明该点就在直线 y  bx  a 上。
于是，对于一对变量 x, y ，可以用方程
y  bx  a  e
“强行”表示变量 y 与 x 的线性关系。之所以说“强行”，因为在该
表达式中，参数 b, a 是定值，而 e 是根据具体的样本点 ( xi , yi ) 取不同值
的变量 ei 。
如前面所述，变量 e 的大小表示样本点到直线距离的大小，也就
是该样本点偏离直线的程度。
变量 e 的符号表示该样本点偏离直线的方向，所有 e  0 的样本点
在直线的一侧，所有 e  0 的样本点在直线的另一侧，所有 e  0 的样本
点在直线上。
由于假设 y 与 x 具有线性关系 y  bx  a ，而实际的各个点 ( xi , yi ) 所
在的直线与该直线存在误差 e ，所以 e 的现实含义为随机误差。
根据上一章的内容可知，由随机误差所构造的随机变量的分布一
般服从期望   0 的正态分布（各样本点大于或小于均值的可能性相
同），所以 E (e)  0 。 e 的方差待定， D(e)   2 。
综上，对于一对变量 x, y ，可用如下表达式表示它们之间的关系
y  bx  a  e
E ( e)  0 ， D ( e )   2
该表达式叫做 y 关于 x 的一元线性回归模型。
x, y 是这一对变量的具体取值，其中 y 叫做因变量或响应变量，x
叫做自变量或解释变量。
参数 b, a 是定值， b 叫做斜率参数， a 叫做截距参数。
e 是变量，为 y 与 bx  a 之间的随机误差，其具体取值由具体的
( xi , yi ) 决定，且 E (e)  0 ， D (e)   2 。

该模型可以看作是一组斜率都位 b 平行线，所有平行线在 y 轴上
的截距的均值为 a
现在只初步建立了表示变量 x, y 的线性相关性的模型，其实只是
比较随便地列了一条直线 y  bx  a 。再用表示随机误差的变量 e “强行”
把变量与直线之间的差异抵消掉。
该直线的重要参数：斜率 b 与截距 a 都还没有确定，下面推导这
两个重要参数的取值与变量 x, y 之间的关系。
在一元线性回归模型中，可以认为每一个样本点 ( xi , yi ) 所对应的
直线 y  bx  a  ei ，都是在直线 y  bx  a 的基础上，平移了 ei 的距离。
若 ei  0 ，向上平移；若 ei  0 ，向下平移。
如果要让直线 y  bx  a “最能反映”全部数据 ( x, y ) 之间的线性相关
性，可以认为应当为全部样本点 ( xi , yi ) ( i  1, 2, , n )实际所表示的直线
y  bx  a  ei ( i  1, 2, , n )与该直线 y  bx  a 的偏离程度（平移距离）之
n
和最小，即让  | ei | 最小。
i 1
由于涉及到绝对值的计算较为不便，所以沿用定义方差的思路，
n
对平方求和，即：让  ei 2 最小。
i 1
n
也就是说，可以认为当  ei 2 的值最小时，一元线性回归模型
i 1
y  bx  a  e
E ( e)  0 ， D ( e )   2
“最能反映”全部的数据 ( x, y ) 的线性相关性。
n
由于 ei  yi  bxi  a ，所以求  ei 2 的最小值相当于求当 b, a 取何值
i 1
n
时，表达式  ( yi  bxi  a)2 取得最小值。
i 1

n
求  ( yi  bxi  a)2 最小值的方法较为复杂，需熟练掌握含求和符号
i 1
的运算，还用到一个小技巧，其过程如下：
n n
 ( y  bx  a)   [ y  bx  ( y  bx)  ( y  bx)  a]
i 1
i i
2
i 1
i i
2
（先减去再加上 ( y  bx) ）
n
  [( yi  y )  b( xi  x)  ( y  bx)  a ]2 （重新组合前两项）
i 1
n
  {[( yi  y )  b( xi  x)]2  2[( yi  y )  b( xi  x)][( y  bx)  a]
i 1
[( y  bx)  a ]2 } （视作两项的完全平方公式并展开）

n n
  [( yi  y )  b( xi  x )]2   2[( yi  y)  b( xi  x)][( y  bx)  a]
i 1 i 1
n
  [( y  bx )  a ]2 （将求和符号拆分开来）
i 1
该表达式中，所有不含 xi 或 yi 的表达式都可以看作常数提取到求
和符号外，包括第二项的因式 [( y  bx)  a )] 和第三项全部 [( y  bx)  a ]2
于是，上式中相加的三部分中，中间项可化简为：
n n
 2[( y  y)  b( x  x)][( y  bx)  a)]  2[( y  bx)  a)] [( y  y)  b( x  x)]

i 1
i i
i 1
i i
n n
 2[( y  bx)  a)][ ( yi  y )  b ( xi  x)]
i 1 i 1
n n n n
 2[( y  bx)  a)][( yi   y )  b( xi   x)]
i 1 i 1 i 1 i 1
n n
其中： yi 为变量 y 的全部数据之和； y  n y（当 i  1, 2, , n 时，
i 1 i 1
表达式的值都是 y ，相当于把 y 连续加 n 遍）。根据平均数的定义：

1 n n n n n n n
y  i
n i 1
y ，所以 n y  
i 1
yi ， 
i 1
yi  
i 1
y  
i 1
yi  n y  0 。同理，
i 1
xi  
i 1
x0
n
所以中间项  2[( yi  y )  b( xi  x)][( y  bx)  a)]  0
i 1
n
第三项  [( y  bx)  a)]2 由于不含 xi 或 yi ，表达式为常数，所以
i 1

n
 [( y  bx)  a]
i 1
2
 n[( y  bx)  a ]2
n n
综上：  ( yi  bxi  a)2   [( yi  y )  b( xi  x)]2  n[( y  bx)  a]2
i 1 i 1
该表达式为两个完全平方数之和，第一项只有一个参数 b ，第二
项有两个参数 a, b 。
b 的取值同时影响两项的值， a 的取值只影响第二项的值。可以
先对第一项求最小值，求得 b 的取值；再对第二项求最小值，若能对
第二项取到完全平方数理论上的最小值 0 ，则得到的就是该表达式的
最小值。
对于第二项 n[( y  bx)  a)]2 ，当且仅当 ( y  bx)  a  0 时，该表达式取
最小值 0 ， a  y  bx 。即无论 b 取任何值，只要 a  y  bx ，第二项就为
0。
下面对第一项求最小值，求 b 的取值，使用完全平方公式将求和
符号内的表达式展开并拆分：
n n
 [( y  y)  b( x  x)]   [( y  y)
i 1
i i
2
i 1
i
2
 2b( yi  y )( xi  x)  b 2 ( xi  x) 2 ]
n n n
  ( yi  y )2   2b( yi  y )( xi  x)   b 2 ( xi  x) 2
i 1 i 1 i 1
n n n
  ( yi  y )2  2b  ( yi  y )( xi  x)  b 2  ( xi  x) 2
i 1 i 1 i 1
这是一个关于 b 的一元二次表达式，根据一元二次方程（不等式）
的标准形式可知，当且仅当
n
 ( y  y)( x  x)
i i
b i 1
n
 ( x  x)
i 1
i
2
时，该表达式取到最小值。

n
 ( y  y)( x  x)
i i
综上，当 b i 1
n
时，
 ( xi  x)2
i 1
a  y  bx
n
全部样本点到直线 y  bx  a 的总偏移量  ( yi  bxi  a)2 取最小值。
i 1
取上述值的 b, a 所构成的直线方程 y  bx  a 叫做变量 y 关于变量 x

的线性回归方程，也叫经验回归函数或经验回归公式，该直线叫做经
验回归直线。
对于一对变量，找到能够最准确地描述它们之间数量关系的直线
及直线方程的过程叫做线性拟合。
上述推导线性回归方程的方法叫做最小二乘法，意思是让“二次
方（即“二乘”）之和取最小值”的方法。
上述推导过程中，涉及到求和符号的拆分、提取常数，对统计数
据进行求和、对常数的求和等步骤，这些是进行统计数据处理分析的
基本功，必须要能够读懂各个步骤所使用的运算法则和规律。
推导中使用的同时加上并减去同一个元素 y  bx ，将原表达式拆
分为两部分，展开后逐个分析的方法是一种较为巧妙的分析和化简方
式，属于较为高等的技巧，需要对处理的表达式的特征非常熟悉、并
具有一定的数字敏感性。
观察线性回归方程中参数的表达式可知， b 的分子部分为向量
x  ( x1  x, x2  x, , xn  x ) 与 y  ( y1  y, y2  y, , yn  y ) 的内积，分母部分为
向量 x  ( x1  x, x2  x, , xn  x) 的模的平方。
a 的取值通过将 x, y 代入直线方程 y  bx  a 求得。并且根据 a 的取
值方式可知，点 ( x, y ) 一定在经验回归直线上。
此外，很多情况下，虽然一对数据本身线性相关性很小，但通过
观察或结合其他学科知识后发现它们的分布形式非常接近于其他某
种较熟悉的函数图像，可以通过对数据进行一定的处理后，再构造一
元线性回归模型。
例 1.2.1 ：某种细胞平均每分钟分裂一次，数量扩增为原来的 2 倍，
分别以时间 t 和培养皿中的细胞数目 p 作为变量，可知它们应当大致
符合数量关系 p  p0 2t ，这是指数关系，而非线性关系。
将上式两边同时取对数并变形可得：ln p  t ln 2  ln p0 ，即 ln p 与 t 呈
线性关系。
如果分别以时间 t 和细胞数目的对数 ln p 作为变量，就可以对数据
进行线性拟合，建立较为精确数量关系。
类似的，如果变量 y 与 x 的关系接近于二次函数 y  kx 2  b ，则可
以分别以 y 与 x 2 作为变量，构造出线性关系。
1.3 独立性检验
前面两个小节学习的成对数据的关系是较为简单且标准的线性
关系，本小节学习更加一般地判断两个事件之间是有相互影响还是相
互独立的方法。
在概率论基础中学习了独立事件：对于两个事件 A 和事件 B ，
如果它们发生的概率相互之间没有影响，则称它们相互独立。事件 A
与事件 B 相互独立的充分必要条件为： P( AB)  P ( A) P ( B) 。
在学习概率论基础时，往往按照古典概型的假设，事先已经知道
事件所含有的基本事件及概率，通过数学分析推导得出不同事件是否
相互独立。
本小节从统计学的角度，事先不知道事件的确切概率，而是通过
对具体数据进行分析处理，判断两个不同的试验（变量）之间是否相
互独立，即：检验两个变量相互之间的独立性，简称独立性检验。
独立性检验的基本原理仍是独立事件的公式 P( AB)  P( A) P( B) ，以
及将统计学与概率论联系起来的频率的稳定性。

下面学习进行独立性检验的具体方法。
假设某变量，规定两个不同的判定条件 X 与 Y ，于是“满足条件 X
（赋值为 X  1 ）”与“不满足条件 X （赋值为 X  0 ）”是对立事件。
同理，“满足条件 Y （赋值为 Y  1 ）”与“不满足条件 Y （赋值为
Y  0 ）”也是对立事件。
至于“满足条件 X ”与“满足条件 Y ”之间是否有关系，则是接下来

要分析讨论的内容。
可以认为，如果不论条件 X 是否满足（事件 X 是否发生），条件
Y 满足（事件 Y 发生）的概率都相同，则可以认为事件 X 对事件 Y 不
产生影响，即事件 X 与事件 Y 相互独立。

即：无论 X  0 还是 X  1 ，两种情况下 Y 取两个值的概率不变，
用条件概率表示为： P(Y  1| X  0)  P(Y  1| X  1)
上述条件概率的等式成立叫做零假设，用符号 H 0 表示。根据上
述描述可知，两个事件之间的零假设成立，等价于这两个事件相互独
立。
根据条件概率的公式可得：
P( X  0, Y  1)
P(Y  1| X  0) 
P( X  0)
P ( X  1, Y  1)
P (Y  1| X  1) 
P ( X  1)
其中 P( X  0, Y  1) 表示 X  0 与 Y  1 同时发生的交事件的概率，
P ( X  1, Y  1) 同理。于是若零假设成立，则有：
P ( X  0, Y  1) P ( X  1, Y  1)

P ( X  0) P ( X  1)
由于 X  0 与 X  1 是对立事件，所以 P( X  0)  1  P( X  1) ，代入上
式并变形：
P( X  0, Y  1) P( X  1, Y  1)

1  P ( X  1) P ( X  1)
P ( X  1)  P ( X  0, Y  1)  (1  P ( X  1))  P ( X  1, Y  1)

P ( X  1)  P ( X  0, Y  1)  P ( X  1)  P ( X  1, Y  1)  P ( X  1, Y  1)
P ( X  1)  ( P ( X  0, Y  1)  P ( X  1, Y  1))  P ( X  1, Y  1)
由于 X  0 与 X  1 对立，可得 P( X  0, Y  1)  P( X  1, Y  1)  P(Y  1) ，
代入得：
P ( X  1)  P (Y  1)  P ( X  1, Y  1)
这与概率论中，事件 X 与事件 Y 独立的充要条件 P( XY )  P( X ) P(Y )

相一致。
在上述推导中，如果将代入 P( X  0)  1  P( X  1) 的步骤换为代入
P ( X  1)  1  P ( X  0) ，其含义不变，最终得到的等式为：
P ( X  0)  P (Y  1)  P ( X  0, Y  1)
如果将零假设的内容规定为讨论事件 Y 发生或不发生，对事件 X
的概率不产生影响，按照上述过程，则可推导得到等式：
P ( X  1)  P (Y  0)  P ( X  1, Y  0)
P ( X  0)  P (Y  0)  P ( X  0, Y  0)
以上四个等式：
P ( X  1)  P (Y  1)  P ( X  1, Y  1)
P ( X  0)  P (Y  1)  P ( X  0, Y  1)
P ( X  1)  P (Y  0)  P ( X  1, Y  0)
P( X  0)  P (Y  0)  P( X  0, Y  0)
的实质相同。
综上，如果上述四个等式成立，则可以认为事件 X 与事件 Y 相互
独立。如果不成立，则认为事件 X 与事件 Y 之间有相互影响。
以上都是从概率论的角度进行分析推导，下面结合具体的统计数
据进行分析。
假设采集得到的全部 n 个样本中：
既不满足条件 X 、也不满足条件 Y（ X  0, Y  0 ）的样本数量为 a ，
不满足条件 X 、不满足条件 Y （ X  0, Y  1 ）的样本数量为 b ，

只满足条件 X 、不满足条件 Y （ X  1, Y  0 ）的样本数量为 c ，
同时满足条件 X 与 Y （ X  1, Y  1 ）的样本数量为 d 。
按照上述分类可知，每种分类两两之间都互斥，所以这批样本的
总数为 n  a  b  c  d ，可列出下表：
Y
X 合计
Y 0 Y 1
X 0 a b ab
X 1 c d cd
合计 ac bd n  abcd
这个表叫做列联表，它的核心内容是将两个不同的条件（事件）
的数据有分有合地列在表中，既能看到 X  0 、 X  1 与 Y  0 、 Y  1 ，
这两组对立事件分别的频数（表格外侧），也能看到全部 2  2 种交事
件的频数（表格中心）。
根据随机试验中事件的频率稳定于概率的原理，可以用统计数据
计算出相应事件的频率，作为事件概率的估计值。
ab
从上表中可以读出：事件 X 不发生的概率为 P( X  0)  ，事件
n
ac
Y 不发生的概率为 P (Y  0) 
n
如果事件 X 与事件 Y 相互独立，则事件 X 与事件 Y 同时不发生的

( a  b)(a  c)
概率理论上应为 P( X  0, Y  0)  P( X  0)  P(Y  0) 
n2
结合频数与频率的关系，全部 n 个样本点中，事件 X 与事件 Y 同

( a  b)(a  c) ( a  b)( a  c)
时发生的频数应为 2
n 
n n
( a  b)(a  c)
但该理论上的频数是建立在零假设“事件 X 与事件 Y
n
相互独立”成立的基础上推导得到的，而实际上该频数已经统计得到
并写入到列联表中，就是 a

(a  b)(a  c)
如果零假设成立，那么等式 a  应当成立。同理，
n
(a  b)(b  d ) ( a  c )(c  d ) (b  d )(c  d )
b ，c  ，d  应当也都成立。
n n n
如果事件 X 与事件 Y 之间有相互影响，即它们不独立，那么上述

四个等式就不成立。
(a  b)(a  c) (a  b)(b  d )
综上，零假设成立的充要条件为 a  ，b  ，
n n
(a  c)(c  d ) (b  d )(c  d )
c ，d 
n n
即：事件 X 与事件 Y 之间的相互影响越小，上述四个差值就越小。

事件 X 与事件 Y 之间的相互影响越大，则上述四个差值也越大。
( a  b)(a  c) (a  b)(b  d ) ( a  c )(c  d )
根据实际数据， a  ，b  ，c  ，
n n n
(b  d )(c  d )
d 四个值并不总是相同或相近，经常某些值很大、某些
n
值很小。为了让对相关性的判断更加全面，一般要将上述四个表达式
都考虑进来，而不是只选取其中的一个或几个。
此外，还有一个干扰因素，如果一组数据的样本点很多，各个数
字都很大，由此推导得到的结果也会很大。而如果一组数据的样本点
很少，各个数字都很小，由此推导得到的结果会因此也很小。
为消除各个样本容量对独立性判断的影响，令每个表达式再除以
其零假设成立时的频数。
根据上述分析，将四个差值进行平方，除以零假设成立时的频数
后再求和，构造随机变量  2 ：
(a  b)(a  c) 2 (a  b)(b  d ) 2 (a  c )(c  d ) 2
[a  ] [b  ] [c  ]
2  n  n  n 
(a  b)(a  c) (a  b)(b  d ) ( a  c)(c  d )
n n n
(b  d )(c  d ) 2
[d  ]
n
(b  d )(c  d )
n

化简得：
n(ad  bc) 2
2 
(a  b)(c  d )( a  c)(b  d )
该公式是判断两个事件相关性的重要公式，需要牢记。
其分子部分是样本容量 n ，乘以列联表中间处于两条对角线上的
两对数字的乘积之差的平方。
分母部分是列联表外围的四个数据的乘积，表示四种单一事件
X  0 、 X  1 、 Y  0 、 Y  1 的频数的乘积。
 2 所反映的实质为：实际得到的统计数据与零假设成立（事件 X
与事件 Y 相互独立）之间的差异。
 2 的值越大，表明统计数据与零假设之间的差异越大，零假设成
立的可能性越小，即事件 X 与事件 Y 相关的可能性越大。

 2 的值越小，表明统计数据与零假设之间的差异越小，零假设成
立的可能性越大，即事件 X 与事件 Y 独立的可能性越大。

至于  2 的值多大算“大”，多小算“小”，下面学习使用  2 进行定量
分析的具体方法。
在现实中，难以从逻辑上证明两个事件之间完全没有相互影响，
即使看起来毫不相干的两个事件，也有可能存在某种尚且未发现的联
系，所以实际当中根据统计数据求得的  2 不可能为 0 。
并且，就算两个事件之间真的完全独立，零假设成立，但实际统
计结果不可能完全与理想状况相一致，由于存在不可避免随机误差，
也导致总是  2  0 。
尽管有随机误差的影响，但总的来说  2 的值越大，事件之间相关
的可能性越大； 2 的值越小，相关的可能性越小，这仍然是一种很可
靠的判断方法。
统计学家在假定零假设成立的情况下，进行了大量的随机抽样实
验，根据客观的实验数据得到  2 的全部取值的分布，并将这个经实验
测得的近似分布视作  2 的精确分布。
对于任意正实数 xa ，经过对  2 的数据进行分析比对，可求得  2 的
全部取值中大于等于 xa 的所占的比例（概率） a ，即： P(  2  xa )  a ，
此时称 xa 为概率 a 的临界值。下面是部分临界值与对应的小概率值
a 0.1 0.05 0.01 0.005 0.001
xa 2.706 3.841 6.635 7.879 10.828
于是，可以通过比较实际测得的  0 2 与某一临界值 xa ，查表得到

该实测值  0 2 属于零假设成立的  2 的取值范围的概率，作为估计这两
个事件是否满足零假设的概率。
也就是说，对一个实际测得的  02 值，如果它比临界值 xa 大：
 0 2  xa ，则该实测值  0 2 只有极小的概率 a 属于零假设成立的  2 取值
之一，意味着这两个事件只有极小的概率相互独立，可以认为这两个
事件相关，并且判断错误的可能性只有很小的 a
反之，如果实际测得的  02 值比临界值 xa 小：  0 2  xa ，则该实测
值  0 2 有极大概率 1  a 属于零假设成立的  2 取值之一，意味着这两个
事件有极大概率独立，可以认为这两个事件独立。
上述检验事件独立性的方法叫做  2 独立性检验（读作“卡立方独
立性检验”），简称独立性检验。
进行独立性检验的一般过程为：
（1）根据给出的两组数据求得  2 ；
（2）查表得到给出的小概率值 a 所对应的临界值 xa ；
（3）比较 xa 与  2 ：
若  0 2  xa ，则两个事件相关，且判断错误的概率不大于 a ；
若  0 2  xa ，则两个事件独立。

小结
本章主要学习定性和定量分析成对数据的线性相关性，根据给出
的成对数据建立一元线性回归模型，分析两组数据之间的独立性。
本章是高中数学较“冷门”的章节，属于概率论与统计学分支的最
“末端”，几乎不会与其他块面形成交叉题目，也属于“会就是会、不
会就是不会”，无法自行根据定义现场重新推导的块面，需要定期练
习保持熟练度。
本章的原理与推导过程的逻辑性不是很严谨，理解起来具有一定
的难度，所以需要非常耐心和认真地阅读并理解本章的原理和推导过
程，牢记原理和结论公式。
学好本章的重点在于阅读和理解原理以及掌握公式，需要较强的
将命题论述与数学公式相结合的推理能力、抓住概念和方法的核心实
质的能力、将语文“翻译”成数学的能力。
本章结论性的公式都需要牢记，虽然有些题目会给出简要的公
式，但对于公式中的每个元素具体对应题目中的哪些数据，仍需要依
靠自己对公式的掌握进行分析。
此外，本章的公式推导较多涉及到求和符号，在学习推导的过程
也是熟悉求和符号的有关运算规律的过程。

立体几何是高中数学难度较大的部分，由于立体几何不像平面几
何可以在纸面上详尽地展现全部内容，不能方便地在空间中搭建模
型，所以对空间想象力和分析处理复杂情况的能力有一定要求。
立体几何主要有三个部分：欧式几何、空间向量、简单几何体。
本章学习欧式几何的主要公理和定理，是与人类空间直觉联系最紧密
的知识体系，空间几何使用坐标和向量更加方便且明确地表示空间的
位置关系，简单几何体是对立体几何的初步应用。
虽然向量是非常好用的几何工具，但几何是建立在人的空间直觉
基础上的数学分支，对几何问题的分析处理离不开最基础的对点、线、
面的感知和直观的分析讨论。本章是学好立体几何的基础，借助空间
直觉一定程度上是学习立体几何、解决立体几何问题的重要方法。
学习本章时要注意培养训练空间想象力，刚开始需要准备一些纸
和笔在空间中模拟直线和平面的位置关系，有一定绘画能力的话可以
参照课本自行绘画一些简单的表达空间关系的立体图，需要逐渐尝试
摆脱具体物体和示意图，在脑海中想象出相应的立体图形。
本章的内容多用于空间关系的推导和证明，较少用于求具体距离
和夹角的值，应注重掌握相关公理、推论、定理对空间关系判定的应
用，以及直接表示距离和夹角的点和直线。
由于现行各教材版本中关于立体几何的章节的编排都很合理，建
议学习本章时以课本为主要资料，本章主要提供一种不同于课本的新
的理解角度。
一、立体几何的基本公理
小学和初中阶段初步学习了平面几何的公理、推论、定理，平面
几何的理论在空间中的平面内仍然适用。此外，空间中还有其他重要
的公理、推论、定理，与平面几何的知识有一定的相似之处。

1.1 平面几何回顾
平面几何的研究内容是平面内的位置关系。可以把平面视作对
“平坦地面”的抽象，平坦的地面上只有长和宽，没有厚度，长和宽相
互垂直，可以延伸到无限远处。关于平面几何的一切知识都仅限于这
一个无限的平面内，不涉及“空中”。
欧式几何中，平面几何的一切知识都建立在五条公理之上。这五
条公理是对现实中平面内的客观规律的总结和抽象，不需要证明，现
实经验就是的证明。对这五条公理，主要从经验和直觉的角度感受它
们的含义。
公理一：经过两点有且只有一条直线。
公理二：任意线段的两端都可以无限延伸成为直线。
公理三：任意一条线段，都能以一个端点为圆心，线段的长为半
径作一个圆。
公理四：所有直角都相等。
公理五：若两条直线都与第三条直线相交，并且在同一边的内角
之和小于两个直角，则这两条直线在这一边必定相交。
公理五也叫做平行公理，等价于：经过直线外一点，有且只有一
条直线与它平行。
虽然平面几何的所有知识都可以根据上面五条公理推导得到，为
方便起见，下面直接总结一些平面几何关系中常用的规律和性质。
平面几何研究的问题可以大致分为三个基本类型：判断两条直线
之间的位置关系，求线段的长度，求直线之间的夹角。
判断两条直线之间的位置关系。
平面几何中，两条不同的直线之间只有两种位置关系：平行或相
交。若两条直线没有交点，称它们平行。若两条直线有且只有一个交
点，称它们相交。
如果能根据已知条件直接找出两条直线的交点，则可以直接证明

这两条直线相交。
证明两条直线平行的主要方法是使用平行公理，即：作一条与这
两条直线都相交的直线，如果同位角相等（或同旁内角互补）
，则这
两条直线平行。
此外，若两条直线都平行于第三条直线，说明这两条直线平行。
求线段的长度。
求线段长度的方法主要有三种：
（1）使用勾股定理，即：直角三角形的两条直角边长 a, b 与斜边
长 c 之间具有固定的数量关系 a 2  b2  c 2
（2）利用相似关系，若两个三角形相似，则它们对应的边长之
间具有固定的比例关系。
（3）利用面积关系，根据三角形、矩形、圆等平面图形面积的
定义，通过求出面积和相应的边长，求出对应的高的长；或反过来根
据面积和高，求出边长。
根据勾股定理与面积关系推导得到的正弦定理和余弦定理也是
用于求长度的重要方法。
所有由直线和圆弧构成的复杂图形，都可以分割成为若干三角
形、矩形、扇形的拼接组合，从而将复杂图形的问题拆分为若干三角
形、矩形、扇形的问题。
求直线之间的夹角。
用欧式几何求直线之间夹角的问题较少遇到，一般通过分析已知
角度之间的数量关系、图形之间的对称、平行、垂直、相似关系求解，
有时也通过构造直角三角形或使用正弦定理、余弦定理求出夹角的三
角函数间接求解。
最后，用集合的方法表示平面几何的关系。
平面几何中，一般用大写英文字母 A, B, C , 表示点，小写英文字
母 a, b, c 表示直线。

可以将平面内的每一个点看作一个元素，则每一条直线都可以看
作由构成该直线的全部点构成的集合。整个平面可看作全部点构成的
全集 U 。
若点 A 在直线 a 上，记作 a  A 。若点 A 在直线 b 外，记作 A  b 。
若点 P 是直线 a 与直线 b 的交点，记作 P  a  b （规范表示应为
{P}  a  b ，几何中可将单个点构成的集合 {P} 简化为单个点 P 表示）。
若直线 a 与直线 c 平行，即：它们没有交点 a  b   ，记作 a  b 。

若直线 a 与直线 c 垂直（夹角为），记作 a  b
2
1.2 立体几何的基本公理
人们日常生活的空间是立体的，除了长和宽以外，还有高。平面
不再是最大的研究范围，而只是像点和直线一样，成为空间中的要素
之一。
立体几何中，全部点构成的全集 U 拓展到整个立体空间。平面不
再是全集，而只是一系列点所构成的集合，与直线相仿。一般用小写
希腊字母  ,  ,  , 表示平面。
立体几何有四条基本公理。与平面几何的五条公理类似，立体几
何的四条公理也是对现实中客观规律的总结，不需要证明。再次强调，
平面几何的定理在空间中的平面内仍然成立。（公理的序号不固定，
这里使用沪教版的顺序）。
公理一：如果一条直线上有两个点在某个平面内，那么这条直线
上的所有点都在这个平面内。
公理一是判断直线和点是否在平面内的重要依据。只要能证明一
条直线上有两个点在平面内，就证明这条直线在平面内，即：这条直
线上的所有点都在平面内。
如果一条直线不在一个平面内，那么这条直线与这个平面还有两
种可能的位置关系：直线与平面相交或直线与平面平行。

公理二：经过不在同一条直线上的三个点，有且只有一个平面。
公理二与平面几何中“经过两点有且只有一条直线”较相似，前者
根据两个点确定一条直线，后者根据不共线的三个点确定一个平面。
公理二提供了确定一个平面的重要方法：找出三个不在同一条直
线上的点。
根据公理二可以得到三条有用的推论：
推论一：经过一条直线和这条直线外一点，有且只有一个平面。
由于任意两个点可以确定一条直线，所以一条直线相当于提供了
两个点，再与直线外一点构成三个不共线的点，确定一个平面。
推论二：经过两条相交的直线，有且只有一个平面。
若直线 a 与 b 相交于点 P ，则直线 a 上的任意一点 A 、直线 b 上的
任意点一 B （ A, B  P ），以及点 P 这三个点可以确定一个平面。
由于直线 a 上的两点 A, P 都在平面内，所以直线 a 在该平面内。又
由于直线 b 上的两点 B, P 都在该平面内，所以直线 b 也在该平面内。

推论三：经过两条平行的直线，有且只有一个平面。
立体几何中，直线与直线相交或平行都必须以这两条直线在同一
平面内为前提。若两条直线平行，从其中一条直线上选两个点，另一
条直线上选一个点，则这三个点确定一个平面，就是这两条平行线所
在的平面。
不需要深究推论三的严谨证明，欧式几何中，两条直线平行与共
面某种程度上有些类似于“鸡生蛋还是蛋生鸡”的问题。
需要注意：立体几何中，不能只根据是否有交点来确定两条直线
之间的位置关系，因为除相交和平行外，还有异面直线关系。
公理三：如果两个不重合的平面有一个公共点，那么它们有且只
有一条公共直线（也叫做交线），并且该公共直线经过该公共点。
公理三反映了两个平面之间位置关系的重要特点：如果两个平面
之间有公共点，那么它们一定有公共直线。即：两个平面要么相交于
一条直线，要么不相交。不存在只相交于有限个点，公共点形成其他
图形的情况。

公理四：平行于同一条直线的两条直线互相平行。
公理四反映了直线之间的平行关系具有传递性。平面几何中也有
类似的定理，现在将其从平面内推广到立体空间中。
以上四条公理是立体几何最基本的四条公理，反映了现实中的客
观规律，也是立体几何中的定理和公式的基础。
二、点、直线、平面之间的位置关系
由于立体空间比平面空间多一个维度，点和直线可以在平面外，
并且平面也成为几何元素的一种，所以空间中具有平面内所不具有的
位置关系。
2.0 公共点、距离、夹角
平面几何中，最基本的研究对象是点、直线和圆。中学阶段对点
和直线的学习相对较多，对圆的学习相对较浅。
点与点、点与直线、直线与直线之间的位置关系有三个非常重要
的要素：公共点的数量、距离、夹角。
点与点的位置关系。
（1）若点 A 与点 B 重合，可以认为它们有一个公共点，也可以
认为它们是同一个点。此时不讨论距离和夹角。
（2）若点 A 与点 B 不重合，可以认为它们没有公共点。
点 A 与点 B 之间具有距离，即：线段 AB 的长，可以通过测量或计
算得到。两个点不形成夹角。
点与直线的位置关系。
（1）若点 P 在直线 l 上，则它们有一个公共点，就是点 P ，此时
不讨论距离和夹角。

（2）若点 P 在直线 l 外，则它们没有公共点。
点到直线的距离实质上也是两点之间的距离，是直线 l 上所有的
点与点 P 形成线段，其中长度最短的线段 PQ 的长度就是点 P 到直线 l
的距离。
根据平面几何知识可证明：当且仅当 PQ  l 时， PQ 的长度最短。
即：从点 P 向直线 l 引垂线，垂足为 Q ，则线段 PQ 的长度就是点 P 到
直线 l 的距离。直线 PQ 叫做直线 l 的垂线。线段 PQ 叫做从点 P 到直线
l 的垂线段。一个点与一条直线不形成夹角。
直线与直线的位置关系。
（1）若直线 a 与 b 重合，则它们有无穷多公共点，此时不讨论距
离与夹角。
（2）若直线 a 与 b 有且只有一个公共点 P ，称直线 a 与 b 相交，
这个公共点 P 叫做直线 a 与 b 交点。
由于直线 a 与 b 相交，从直线 a 上任选一点 A 、从直线 b 上任选一
点 B ，则线段 AB 的长可以为从 0 到  的任何值。（当 A, B, P 三点重合
时，可视为 AB  0 。
两条相交的直线直角具有夹角。两条直线相交形成四个角，其中
对顶角相等，相邻的两个角互补（和为  ），一般规定两条直线之间

的夹角不大于。
2
垂直是一种特殊的情况，当两条直线相交所形成的四个角相等
时，称它们垂直，记作 A  B ，它们所形成的四个相等的角叫做直角，

大小为。前面已述，直线外一点到直线上所有点的距离中，垂线段
2

最短。对两条相交的直线，不讨论它们之间的距离。
（3）若直线 a 与 b 没有公共点，称直线 a 与 b 平行。

相互平行的两条直线之间具有距离。从直线 a 上任意一点 A 向直
线 b 引垂线，垂足为 B ，垂线段 AB 的长就是平行线 a 与 b 之间的距离。
反之，也可以从直线 b 上任意一点 B ' A 向直线 a 引垂线，垂足为
A ' ，垂线段 A ' B ' 的长也是平行线 a 与 b 之间的距离。
可以证明，两条平行线之间所有垂线段的长度都相等。
一般不讨论平行线之间的夹角，或认为它们的夹角为 0 。
综上可以看出，在平面几何中：
（1）点与点、点与直线、直线与直线之间的位置关系很大程度
上由公共点的数量所决定，也可以认为公共点的数量是表示图形间位
置关系的重要特征。
（2）点到点、点到直线、直线到直线（平行）的距离实质上都
是点与点之间的距离。其中点到直线的距离是点与直线上的点的距离
的最小值，直线到直线的距离是两条直线上的点之间的距离的最小
值，这两个最小值都与垂直关系直接相关。
（3）角度是两条直线之间所形成的一个参数数值。两条直线之
间夹角的大小与两条之间的位置关系直接相关。若两条直线之间的夹

角为直角，则它们垂直。若两条直线之间的夹角为 0 ，则它们平行。
垂直与平行都与距离直接相关。
以上三点内容在立体几何中也基本适用，为了适应立体几何更高
的维度，需要进行适当的推广和拓展。
2.1 点与点的位置关系
立体空间中，两个点 A 与 B 之间也只有两种关系：重合与不重合。
平面几何公理“经过两点有且只有一条直线”同样适用于立体几何。
（1）若点 A 与点 B 重合，与平面几何相同，可以认为它们有一
个公共点，也可以认为它们是同一个点。此时不讨论距离和夹角。
（2）点 A 与点不重合，同与平面几何相同，可以认为它们没有
公共点。
这两个点之间具有距离，即：线段 AB 的长，可以通过测量或计
算得到。两个点不形成夹角。
两个点只能确定一条直线，不能确定一个平面。经过一条直线的
平面有无穷多。
2.2 点与直线的位置关系
（1）若点 P 在直线 l 上，则相当于只有一条直线，不讨论距离与
夹角。
（2）若点 P 在直线 l 外，根据推论一“经过一条直线和这条直线
外的一点，有且只有一个平面”，点 P 和直线 l 可以唯一确定一个平面
 ，只需要在平面  内使用平面几何知识即可。点 P 到直线 l 的距离就
从点 P 向直线 l 引垂线段的长度。
2.3 点与平面的位置关系
点 P 与平面  之间有两种位置关系：点 P 在平面  内，记作 P   ；
点 P 在平面  外，记作 P   。
（1）若点 P 在平面  内。
又回到平面几何的范畴，不讨论距离与夹角。
（2）若点 P 在平面  外。
点 P 到平面  的距离与点到直线的距离的定义相似，为平面  上
所有的点与点 P 形成线段，其中长度最短的线段 PQ 的长度就是点 P 到
平面  的距离。
此时直线 PQ   。关于直线与平面的位置关系将在后续小节具体
学习，此处又出现了距离与垂直之间的直接联系。
一个点与一个平面之间不形成夹角。
2.4 直线与直线的位置关系
立体几何中，两条直线之间的位置关系有三种：相交、平行、异
面直线。
（1）（2）若两条直线相交或平行，根据推论二和推论三，两条
相交或平行的直线都可以唯一确定一个平面，相交直线之间的夹角、
平行的直线之间的距离的定义与求法与平面几何相同。
（3）若直线 a 与 b 不在同一直线内，它们既不相交、也不平行，
它们之间的位置关系叫做异面直线，即：不同（相异）平面内的直线。
可用如下方法模拟两条异面直线：取两支笔分别命名为 a 和 b ，
将它们看作两条可以无限延伸的直线 a 和 b 。将笔 a 平放在桌面上，表
示直线 a 在桌面所表示的平面  内。将笔 b 竖直立在桌面上，并且不
与笔 a 所表示的直线接触。直线 a 与 b 既不在同一平面内，也没有公共
点，它们是异面直线。
若将直线 b 倾斜一个角度，确保总是与平面  有交点，直线 a 与 b
仍为异面直线。若将直线 a 在平面  内任意平移，只要不与直线 b 相
交，直线 a 与 b 也仍为异面直线。
异面直线之间没有公共点。可根据推论二反证：如果两条直线有
公共点（相交）
，那么它们可以确定一个平面，这与异面直线的定义
矛盾，所以异面直线之间没有公共点。
异面直线是典型的立体几何的位置关系。相交和平行都可以在平
面几何内研究，而异面直线只能在立体几何中研究。
距离。异面直线 a 与 b 之间的距离的定义为：若直线 l 同时满足
l  a 且 l  b ， l 叫做异面直线 a 与 b 的公垂线。设垂足分别为 A 和 B ，
即： l  a  A ， l  b  B ，则垂足 AB 之间的距离（线段 AB ）的长为异

面直线 a 与 b 之间的距离。
根据定义可知，求异面直线之间距离的关键在于找出公垂线。除
此之外，求异面直线之间的距离也可以转化为求相互平行的直线与平
面之间的距离、求相互平行的平面之间的距离，将在后面具体学习。
异面直线 a 与 b 之间的距离也可以定义为：由直线 a 上任意一点与
直线 b 上任意一点所构成的全部线段中，最短的线段的长度。可以证
明，这条最短的线段就是公垂线。距离再次与垂直关系联系在一起。

除了根据定义求异面直线之间的距离外，还有以下两种方法：
方法 1：转化为求平行的直线与平面之间的距离。
对于异面直线 a 与 b ，若能作出一个平面  ，同时满足 a   且
b   ，则直线 b 与平面  之间的距离等于异面直线 a 与 b 之间的距离。
直线与平面的距离将在下一小节具体学习。
方法 2：转化为求平面之间的距离。
对于异面直线 a 与 b ，若能找出一对平行的平面    ，并且 a   ，
b   ，那么平面  与  之间的距离等于异面直线 a 与 b 之间的距离。
平面到平面的距离也将在后续小节具体学习。
夹角。对于异面直线 a 与 b ，经过空间内任意点 P 分别作 a 与 b 的

平行线 a '  a 与 b '  b ，则直线 a ' 与 b ' 的夹角叫做异面直线 a 与 b 所成的
角（夹角）。

特别的，若异面直线 a 与 b 的夹角为，称这两条异面直线垂直。
2

需要注意，空间内任意点 P 可以在异面直线 a 与 b 外，也可以在
其中一条直线 a 或 b 上，
（根据异面直线的定义，点 P 不能同时在 a 和 b
上）。所以可将点 P 选取在其中一条异面直线上，只需作出另一条异
面直线的平行线即可。
2.5 直线与平面的位置关系
直线与平面都是由点构成的集合。直线 l 与平面  之间的关系有
三种：直线 l 在平面  内，有无穷多公共点，即： l   ， l    l ；直
线 l 在平面  外，且只有一个公共点 P ，即：l   ，l    P ，称直线 l
与平面  相交于点 P ；直线 l 在平面  外，且没有公共点，即： l   ，
l    ，，称直线 l 与平面  平行。
（1）直线在平面内。
若直线 l 在平面  内，则直线 l 在平面  内，有无穷多公共点，即：
l   ， l   l 。
此时遵循平面几何的定理和规律，不讨论直线与平面之间的距离
和夹角。某些特殊情况下可以认为它们之间的距离和夹角都为 0 。

（2）直线与平面相交。
若直线 l 与平面  相交于点 P ，即： l   ， l    P 。
可用如下方法模拟直线与平面相交的情况：取一支笔和一张纸，
令这支笔与纸之间形成一个夹角（或直立）放在纸上，笔所在的直线
与纸所在的平面相交，纸与笔的交点就是直线与平面的交点。当笔竖
直地立在纸面上时，直线与平面垂直。此时纸面内任意一条经过交点
的直线都与笔垂直。
夹角。若直线 l 与平面  相交于点 P ，它们之间的夹角的定义为：
从直线 l 上任意一点 M 向平面  引垂线，垂足为 N ，则 MPN 为直线 l
与平面  所成的角（夹角）。
按照上述方法作出的直线 PN 也叫做直线 l 在平面  内的投影。线

段 PN 也叫做线段 PM 在在平面  内的投影。
投影的物理含义为：如果有一束垂直于平面  的平行光照射过
来，直线 l 在平面  内形成的阴影就是直线 MN ，线段 PM 在平面  内
形成的阴影则是线段 MN 。
根据定义可知，直线 l 与平面  所成的角实际上就是：直线 l 与它

在平面  内的投影 MN 所成的角。一般情况下，选取其中不大于的
2
角作为直线与平面所成的角。
特别的，根据直线与平面垂直的概念可知：若直线 l 与平面  垂

直，则直线 l 与平面  的夹角为，并且 l 与平面  内的投影为一个点，
2
这个点就是交点。

垂直直线与平面相交的一种特殊情况。若直线 l 与平面  内所有
的直线都垂直，称直线 l 与平面  垂直，记作 l   。直线 l 叫做平面 
的垂线，平面  叫做直线 l 的垂面，直线 l 与平面  的交点叫做垂足。
过一点 A ，有且只有一条直线垂直于已知平面  。如果点 A 在平
面  外，点 A 到垂足 A ' 之间的距离就是点 A 到平面  的距离。
要证明一条直线 l 与平面  垂直，实际只需要从平面  找到两条
相交的直线 a1 , a2 ，分别证明 l  a1 且 l  a2 ，就能证明 l   。
若直线 l1 与 l2 都垂直于同一个平面  ，则它们相互平行。若直线 l1

与 l2 平行，则它们与同一个平面  所成的角相等。但根据直线 l1 , l2 与同
一个平面  所成的角相等，不能推出 l1  l2 的结论。只有当 l1 , l2 与平面 
所成的角都是直角时，才能推出 l1  l2 。
距离。对于相交的直线与平面，不讨论它们之间的距离。
（3）直线与平面平行。
若直线 l 与平面  平行，记作 l   ，即： l   ， l     。
可用如下方法模拟直线与平面平行的情况：取一支笔和一张纸，
将纸平放在桌面上，将笔水平拿起，则纸所在平面与笔所在直线平行。

下面两个定理是判断直线与平面平行的主要依据：
定理：如果平面外一条直线与该平面内一条直线平行，则该直线
与平面平行。
即：已知 l   ， a   ，若 l  a ，则 l   。
定理：一条直线与一个平面平行，如果一个经过该直线的平面与
此平面相交，则该直线与交线平行。
即：已知 b   ，若 b   且     l ，则 b  l 。
需要注意，若直线与平面垂直，则直线与平面内的所有直线垂直。
但若直线与平面平行，并不是直线与平面内的所有直线平行，直线只
与平面内的部分（无穷多）直线垂直，与另一些直线是异面直线关系。
根据公理四可知，平面内平行于该直线的这些直线，相互之间也平行。
距离。若直线 l 与平面  平行，它们之间的距离为：从直线 l 上任
选一点 P ，则点 P 到平面  的距离就是直线 l 到平面  的距离。
或：作经过直线 l 且平行于平面  的平面  ，则平面  与  之间的
距离就是直线 l 到平面  的距离。
也可理解为：平面  上所有与直线 l 平行的直线中，到直线 l 的距
离最小的直线 a ，则直线 l 与 a 之间的距离就是直线 l 到平面  的距离。

夹角。对于平行的直线与平面，不讨论它们之间的夹角，或认为
夹角为 0 。
2.6 平面与平面的位置关系
不考虑重合的情况下，平面与平面有两种位置关系：平行、相交。
平面与平面之间的距离实质上也是两点之间的距离，并与垂直关系有
关。平面与平面之间的夹角实质上也是两条直线之间的夹角。关键在
于点和直线的确定。
（1）平面与平面平行。
若平面  与  没有公共点，称平面  与  平行，记作    。
可用如下方法模拟两个平面平行的情况：取两张纸，将其中一张
平放在地面上，另一张平放在水平的桌面上，这两张纸所在的平面相
互平行。
关于平面之间的平行关系，有以下几条重要的定理。
定理：如果一个平面内的两条相交直线都与另一个平面平行，则
这两个平面平行。
即：已知 a1 , a2   且 a1  a2  A ，若 a1   且 a2   ，则    。

定理：两个平面平行，如果另一个平面与这两个平面相交，则两
条交线平行。
即：已知    ，对于平面  ，若     a ，     b ，则 a  b 。
距离。若    ，则平面  与  之间的距离定义为：从平面  内任

取一点 A ，向平面  引垂线且垂足为 B ，垂线段 AB 的长度就是平面 
与  之间的距离。也可以从平面  内任取一点，向平面  引垂线，垂
线段的长度也是平面  与  之间的距离。
也可以将平面  与  之间的距离定义为：连接平面  上的一点 A
与平面  上的一点 B 形成线段 AB ，其中最短的线段 AB 的长度就是这
两个平面之间的距离。
平面  与  之间的距离还等于：若直线 l 同时垂直于平面  与  ，
且垂足分别为 A, B ，则线段 AB 的长度就是这两个平面之间的距离。
夹角。
，一般不讨论两个平行的平面的夹角，或视作夹角为 0 。
可以证明：若    ，且直线 l 与  ,  都相交，则直线 l 与平面  的
夹角等于直线 l 与平面  的夹角。
（2）平面与平面相交。
若平面  与  有公共点，称平面  与  相交于点 P 。根据公理三
可知，则它们一定有一条公共直线 l 。
可用如下方法模拟两个平面相交的情况：将一本书打开（不要摊
平），书中任意两页所在的平面相交。书脊（各页的接合处）所在的
直线就是它们的公共直线。特别的，如果一页纸水平放在桌面上，另
一页直立（纸的两边垂直于桌面），则这两页所在的平面垂直。
夹角。若平面 a 平面与平面  相交于直线 l ：     l ，则它们之
间所成的角（夹角）叫做二面角。其定义为：
若     l ，经过公共直线 l 上任意一点 P ，分别在平面  内作公
共直线 l 的垂线 PA  l 、在平面  内作公共直线 l 的垂线 PB  l ，则 APB
叫做平面  与  之间的二面角   l   。一般规定两个平面之间的夹角
不大于直角。
从平面  与  外取一点 Q ，从点 Q 分别向  ,  引垂线，垂足分别

为 A ', B ' ，设平面 A ', B ', Q ' 与 l 的交点为 Q ' 。对于四边形 QA ' Q ' B ，由于

QA ' Q '  QB ' Q '  ，所以二面角   l   与 A ' QB ' 互补，可通过求出
2
A ' QB ' 间接求得二面角。

特别的，如果两个平面之间的二面角为直角，称这两个平面垂直。
这是判定平面与平面垂直的最主要方法为：若直线 b   ，则任意包
含有 b 的平面   b ，都有    。证明如下：
由于 b   且 b   ，则  ,  相交，设交线为 l 。在平面  内作交线
的垂线 a ，则 a  l 且 a   ，所以 a   。二面角   l   就是直线 a,  所
成的角，是直角，所以    。
距离。对于两个相交的平面，一般不讨论它们的距离。
三、空间位置关系的判定
第二节从公共点的数量、距离、夹角等性质的角度，分类学习了
点、直线、平面之间的空间位置关系。本章从空间位置关系的判定条
件，结合图形的平移、旋转变换，重新学习空间中的位置关系。
对于有多个直线、平面的情况，可以将几个具有特定位置关系的
直线或平面看作由同一条直线或同一个平面进行平移或旋转变换后
在不同位置时的状态。

本节不在作具体图形，需继续使用笔和纸模拟直线和平面，在空
间中模拟变换操作，也应练习在脑海中抽象地想象相应的过程。
3.1 点与直线、平面的位置关系
点与直线、平面的位置关系分别只有两种：点在直线上与点在直
线外，点在平面内与点在平面外。
由于一条直线与直线外一点可以唯一地确定一个平面，所以点与
直线之间的位置关系可以只使用平面几何知识进行分析。
若点 A 在直线 l 外，将点 A 沿某条直线 a 任意平移。
若 a  l ，则点 A 无论如何移动，都不会落在直线 l 上。
若 a  l  P ，则当点 A 移动到点 P 的位置时，点 A 在直线 l 上。
类似的，若点 A 在平面  外，将点 A 在某个平面  内沿任意方向
平移。
若    ，则点 A 无论如何移动，都不会落在平面  内。
若 a    l ，则当点 A 移动到直线 l 上时，点 A 在平面  内。
点是几何中最基本的元素，点与直线、平面的位置关系较简单，
主要体会点在直线上、点在平面内自由移动的过程。
3.2 直线与直线的位置关系
直线与直线的位置关系有三种：平行、相交、异面直线。
（1）平行。
若 a  b ，根据推论三可知 a , b 共平面，设该平面为  。
将直线 b 固定不动，移动直线 a ，后面采用相同的方法。
若直线 a 仅在平面  内移动，有两种基本移动方式：平移和旋转。
若直线 a 在平面  内平移，根据平行关系的传递性可知，则无论
如何平移， a  b 的关系始终不变，
（排除重合的情况）。
若直线 a 以它上面的一点 A 为中心，在平面 a 旋转，则除了旋转

角度为 k ( k  Z ) （又回到原来位置）的情况外，其他情况下直线 a 都

与直线 b 相交。特别的，当旋转角度为  k 时， a  b 。
2
若直线 a 在其他平面  内平移，由于 a 同时在平面  和  内，所以 a
为  与  的交线。设 a 在平面  内平移到 a ' 的位置，根据公理四可知：
a '  b 。这可以看作公理四的另一种表述：若 a  b ，则 a 在空间内任意
平移， a  b 仍成立。
直线 a 在空间中的平移可以看作在空间中的某个平面内进行平
移，或依次在几个平面内平移。
若直线 a 以它上面的一点 A 为中心，在与  相交的平面  内旋转，
则除了旋转角度为 k ( k  Z ) 时仍平行外，其他情况下直线 a 与直线 b
都是异面直线。
并且，将直线 b 在平面 a 内平移到 a 旋转前所在的位置时，它们之
间的夹角就是异面直线 a 与 b 之间的夹角，等于直线 a 旋转的锐角角
度。它们之间的距离需要用其他方法具体计算。
若直线 a 旋转的平面  与  垂直，则直线 a 旋转的锐角角度等于直
线 a 与平面  的夹角，也等于异面直线 a 与 b 之间的夹角。
（2）相交。
若平面  内 a  b  P ，且夹角为  ，根据推论二可知 a , b 共平面，
设该平面为  。
若直线 a 在平面  内平移，它始终与直线 b 相交，且夹角  的大小
不变。
若直线 a 以交点 P 为中心，在平面  内旋转，则 P 始终是交点，
夹角  随直线 a 旋转而改变，   0 时， a , b 重合。
若直线 a 以 a 上不同于 P 的一点 A 为中心，在平面 a 内旋转，则经
历的情况与平行中类似，只是初始状态不同。
若直线 a 在其他平面  内平移，则直线 a 与 b 是异面直线。按照“怎

，a 与 b 之间的夹角仍为  不变。
么平移走，怎么平移回来”的方法可得：
若直线 a 以交点 P 为中心，在其他平面  内旋转，则 P 始终是交点，
夹角  随直线 a 旋转而改变。由于 a  b  P 的状态始终不变，所以 a , b 始
终共平面（不考虑重合的情况），它们唯一确定的平面随直线 a 旋转
而发生改变。随着 a 旋转， a , b 的夹角  也发生改变。
若直线 a 以它上面不同于 P 的一点 A 为中心，在其他平面  内旋
转，则除了旋转角度为 k ( k  Z ) （又回到原来位置）的情况外，直线
a 与直线 b 都是异面直线，可以看作直线 a 的一端从平面  内“抬起
来”。异面直线 a , b 的距离和夹角都随 a 旋转发生改变。

（3）异面直线。
根据前面对平行和相交的平移和旋转变换的讨论，异面直线可以
通过以下方法，对共平面的直线进行变换后得到：
若平面  内 a  b ，将 a 在不同于  的平面  内旋转一定的角度（不
能为平角的整数倍），则 a , b 成为异面直线。
若平面  内 a  b  P ，将 a 在不同于  的平面  内平移，则 a , b 成为
异面直线。将直线 a 以它上面不同于 P 的一点 A 为中心，在其他平面 
内旋转，则除了旋转角度为 k (k  Z ) （又回到原来位置）的情况外，
直线 a 与直线 b 都是异面直线。
也可以从两个不同的平面中“找出”异面直线：
若平面    ，从  内任取一条直线 a ，从  内任取一条直线 b 。
由于  ,  没有公共点，所以 a , b 一定也没有公共点，只要 a , b 不平行，
则 a, b 一定异面直线。
若平面     l ，从  内任取一条直线 a ，从  内任取一条直线 b 。
当且仅当 a  l 且 b  l 时，a  b 。当且仅当 a , b 与 l 相交于同一点时，a , b 相
交。其他情况下， a , b 都是异面直线。

3.3 平面与平面的位置关系
平面与平面的位置关系有两种：平行、相交。
平面在空间中也可以像直线在平面内那样平移和旋转，平面的平
移与直线类似，沿着某条直线（向量）的方向平移。与直线的旋转中
心是点不同，平面的旋转轴是一条直线。
（1）平行。
若平面    ，将平面  固定不动，移动平面  ，后面采用相同的
方法。
将平面  沿任意方向平移，除了与平面  重合外，   的关系保
持不变。
将平面  以  内的一条直线 a 为旋转轴旋转，则除了旋转角度为
k ( k  Z ) 时仍平行外，其他情况下平面  与  都相交。并且两个平面
之间的夹角为旋转的锐角的角度。可以证明：  与  的交线 l 总是与

旋转轴 a 平行。
（2）相交。
若     l ，且二面角为  ：
将平面  沿任意方向平移， 与  相交的关系保持不变，二面角 
的大小也保持不变，交线的位置随  平移发生改变。
将平面  以交线 l 为旋转轴进行旋转，由于     l 的状态始终不
变，所以  与  始终相交（不考虑重合的情况）。随着  旋转，二面角
的大小也发生改变。
将平面  以  内不同于交线的直线 a 为旋转轴进行旋转。若 a  l ，
则  旋转某个角度时，有    。若 a 与 l 相交，则  与  始终相交。
3.4 直线与平面的位置关系
直线与平面有三种位置关系：直线在平面内、相交、平行。
（1）直线在平面内。

若 a   ，将 a 在平面  内任意平移和旋转，a   的关系保持不变。
将 a 在不同于  的平面  内任意平移，平移后总是有 a   。
将 a 以 a 上的一点 A 为中心，在不同于  的平面  内旋转，旋转后
a 与  相交，交点即为 A 。
（2）相交。
若 l    A ，且夹角为  ，将 l 在空间中任意平移， l 与  相交的关
系保持不变，并且夹角  保持不变，交点随 l 移动发生改变。
将 l 以交点 A 为中心旋转，  随 l 旋转发生改变。特别的，当旋转
到   0 时， l   。
将 l 以 l 上不同于 A 的一点 P 为中心旋转， 随 l 旋转发生改变。特
别的，当旋转到   0 时， l   。
（3）平行。
若 l   ，将 l 在空间中任意平移，除了 l   的情况外，始终有 l   。
将 l 以 l 上一点 P 为中心旋转，则除了旋转角度为 k (k  Z ) 时仍平
行外， l 与  相交。
小结
本章主要学习欧式立体几何的基本公理、推论和重要定理，空间
中的位置关系、距离、夹角，是立体几何最基本的内容，是接下来学
习空间向量、简单几何体的基础。
本章学习的定理与人的空间直觉基本一致，要注意将定理与直觉
结合起来，通过直接帮助作出初步判断，再使用定理作出严谨的推导
和证明，通过练习培养空间想象力，提高直觉的准确度。
本章的内容主要用于一些位置关系的证明或推导，较少用于求长
度和角度，定量计算主要通过空间向量的方法计算，此外，位置关系
也可以用空间向量证明或推导。但使用空间向量的前提是通过对图形
的观察，结合本章学习的公理和几何直觉，建立基本的推演思路。

上一章学习了立体几何的基本公理、推论、定理，重要的几何关
系和图形变换的基本形式。从做题练习中可以发现，使用欧式几何的
方法分析解决立体几何问题并不容易，需要比平面几何更强的分析推
理能力和空间直觉。
如同平面向量是解决平面几何问题时非常实用且方便的工具，本
章将要学习的空间向量是解决立体几何问题时非常实用且方便的工
具。虽然空间向量比平面向量略复杂，但欧式几何中，立体几何比平
面几何更复杂得多，所以空间向量的简便性比平面向量更加突出。
学习上一章时可以感受到，平面几何的研究对象是二维空间，立
体几何的研究对象是三维空间，维度的差异导致具体几何关系存在较
大差异。例如：平面不是平面几何的研究对象，却是立体几何的重要
研究对象；异面直线是立体空间中特有的位置关系，平面中不存在；
直线在立体空间中的平移方式也比在平面内要多。
虽然立体几何与平面几何的差异较为明显，但空间向量与平面向
量的实质完全相同，表示形式非常接近，基本定义、运算法则、规律
性质等都具有极大的相似性，都用有向线段或坐标化的有向线段表示
几何关系，学习本章时会发现很多“似曾相识”的表达式。
欧式几何中，平面几何的定理和规律同样适用于空间中的平面
内。由于空间向量有三个维度的坐标，平面向量只有两个维度的坐标，
所以很多时候并不能使问题简化。只有能将立体几何问题分解到坐标
平面内时才能方便地使用平面向量。但由于空间向量本身已经是足够
好用的工具，所以绝大多数情况下并没有这么做的必要。
学习本章时仍要牢记，虽然向量的坐标运算一定程度上摆脱了对
具体图形的依赖，但“数形结合”仍是学习几何乃至数学的重要思想。
特别是刚开始学习时，必须将向量的坐标运算与具体图形的位置关系
和变换紧密联系起来，理解几何关系与坐标运算直接的对应关系。

一、向量基本概念回顾
空间向量的实质仍是向量，与平面向量的区别仅在于所适用的维
度不同，在不涉及到具体维度的情况下，空间向量的定义、运算和性
质等与平面向量完全相同。
1.1 向量的基本概念
向量是既有方向、又有大小的量。
“方向”和“大小”是确定一个向量的“唯二”参数，“位置”不是确定
一个向量的参数。所以对于一个确定向量，它的方向和大小都确定不
变，而位置可以任意改变。从图形变换的角度看，向量可以任意平移，
但不能旋转和伸缩。
向量有四种主要表示方式：
  
（1）在小写字母上添加向右的箭头 a, b, c 或直接用加黑的小写字
母表示 a, b, c 。这种方式只是抽象的表示，不能体现向量的具体性质。
（2）用向量的起点和终点表示，例如：若某个向量的起点为 A 、

终点为 B ，则该向量可表示为 AB 。这种方式表示出向量的具体移动
方式，不表示固定的点位，将起点 A 和终点 B 按照相同的方式移动后，

向量 AB 不变。
（3）用向量所在的几何空间中的有关参数表示，即坐标表示。
与平面向量的坐标表示类似，这种方式能反映出向量的方向、大小等
具体信息，是本章将要重点学习的内容。
（4）用有向线段形象具体地表示向量。有向线段就是有方向的
线段，可直接用来形象地表示向量。线段所指向的方向表示该向量的
方向，线段的长度表示该向量的大小。这种方式往往需要精确作图，
实际使用的难度较大。

向量的模。向量的长度也叫做向量的模，向量 a 或 AB 的模记作 | a |

或 | AB | ，与数的绝对值的记法类似。

模为 0 的向量叫做零向量，记作 0 或 0 。一般规定零向量没有方向，

或为任意方向，即：零向量可以根据需要取任何方向。对于任意向量
a ，都有 a  0 。
由于零向量的模为 0 ，所以在实际计算中零向量方向的选取对实
际结果没有影响，可以为了分析计算方便任意规定零向量的方向。
模为 1的向量叫做单位向量。由于单位向量只规定了大小，没有
规定方向，所以在一个几何空间内往往有多个单位向量。
单位向量习惯使用符号 i, j, k 表示，当用这些字母表示单位向量时
一般需要专门说明。任意向量 p 也可以用它的模 p 与和它方向相同的
单位向量 i 的乘积表示为 pi 。
向量的方向。立体空间中，向量的方向由它们所在的直线决定。
由于向量是有向线段，而一条直线有两个可以无限延伸的方向，
指向两个相反的方向，所以若两个向量所在的直线相互平行或共线，
则这两个向量的方向相同或相反。方向相同或相反的两个向量都叫做
共线向量。
由于向量可任意平移，所以空间向量没有“共面向量”和“异面向
量”的区别及说法。任意两个向量一定能通过平移实现共平面，乃至
具有共同的起点。
若两个向量的模和方向都相同，它们叫做相等向量。若两个向量
模相同、方向相反，它们叫做相反向量。对于任意向量 a ，它的相反
向量可用 -a 表示。
任意向量与零向量之和仍为它自身 a  0  a ，任意向量与它的相反
向量之和为零向量 a  (-a)  0 。
1.2 向量的基本运算
高中阶段主要学习向量的三种基本运算：加减法、数乘、内积。
（1）向量的加减法。
向量 a 与 b 相加，记作 a  b ，结果仍为向量，几何意义为：先沿

向量 a 的方向和模移动、再沿向量 b 的方向和模移动，从起点指向终
点所形成的总的移动方式。
平面内，向量的加法满足平行四边形法则：将 a 的终点作为 b 的
起点，以 a 和 b 作为两条邻边构造平行四边形，由 a 的起点指向 b 的终
点所构成的向量为向量 a  b 。
立体空间中，由于任意两条平行的直线可以确定一个平面、任意
两条相交的平面也可以确定一个平面，所以向量的加法也满足平面向
量加法的平行四边形法则。
由于向量可任意平移而不影响本身的性质，所以若两个向量所在
的直线为异面直线，则只需要平移到同一平面内相交或平行（重合）
的位置，再相加即可。
多个空间向量相加，只需按照顺序依次进行两个向量的加法即
可，每一次相加都在相应的平面内进行，遵循相同的规则。
空间向量的加法也符合交换律和结合律：
ab ba
(a  b)  c  a  (b  c)
其几何含义为：连续进行多个步骤的移动，改变移动的顺序，对
总的结果不产生影响。
减去一个向量等价于加上该向量的相反向量，即： a  b  a  (-b) 。
（2）向量的数乘。
向量 a 与实数 k 相乘，记作 k  a  ka ，结果仍为向量。几何意义为：
将向量 a 的模变为原来的 k 倍。若 k  0 ，则方向不变；若 k  0 ，则方
向相反。
向量的数乘具有与乘法交换律、结合律、分配率类似的性质：
k  (la)  l  (ka)  ( kl )  a  kla
( k  l )a  ka  la
k (a  b)  ka  kb
向量的数乘可用于判定向量共线：对于向量 a 与 b ，a 与 b 共线的

充要条件为：存在实数  ，使得 a   b 。由于零向量与任意向量共线，
所以其实   0 也成立。
（3）向量的内积。向量 a 与 b 的内积记作 a  b 或 ab ，结果不是向
量，而是数，定义式为：a  b | a |  | b |  cos  a, b  ，即 a 的模、b 的模、a
与 b 夹角的余弦值的乘积。
向量内积的几何意义为：a 在 b 方向上投影的模，与 b 的模的乘积。
或 b 在 a 方向上投影的模，与 a 的模的乘积。二者相等。
a 在 b 方向上投影的定义为：将向量 a, b 平移到同一平面内，从向
量 a 的起点 A1 和终点 A2 分别向 b 所在直线作垂线，垂足分别为 A1 ', A2 ' ，


则向量 A1 ' A2 ' 为 a 在 b 方向上投影。
若向量 a, b 方向相同，则 cos  a, b  cos 0  1 ，所以 a  b | a |  | b | 。特
别的， a 2  a  a | a |2
若向量 a, b 方向相反，则 cos  a, b  cos   1 ，所以 a  b   | a |  | b | 。

若向量 a, b 垂直，则 cos  a, b  cos  0 ，所以 a  b  0 。
2
向量 a, b 方向相同与 a  b | a |  | b | 互为充要条件。向量 a, b 方向相反

与 a  b   | a |  | b | 互为充要条件。向量 a, b 垂直与 a  b  0 互为充要条件。
向量的内积具有与乘法交换律、分配率类似的性质：
a b  b a
a  ( b  c)  a  b  a  c
由于向量内积的结果不是向量而是数， (ab)c 与向量 c 共线，a(bc)

与向量 a 共线，一般表示不同的向量，所以向量内积不满足结合律。
向量内积与数乘的混合运算满足性质： (ka)  b  k (a  b) 。
1.3 空间向量基本定理
空间向量基本定理与平面向量基本定理的内容较相似，平面向量
基本定理体现了平面是具有两个维度的“二维空间”，空间向量基本定
理体现了立体空间是具有三个维度的“三维空间”。
空间向量基本定理的内容为：对于空间中的任意向量 a ，都可以
用三个不共面的向量 i, j, k 的线性组合表示： a  a1i  a2 j  a3k
这里三个不共面的向量 i, j, k 构成的集合 {i, j, k} 叫做空间的一个基
底，其中每一个向量 i, j, k 都叫做基向量。空间中任意三个不共面的向
量都可以构成空间的一个基底。
如果构成基底的三个向量 i, j, k 两两垂直： i  j, j  k , k  i ，且它们
的模都为 1 ： | i || j || k | 1 ，则这样的基底 {i, j, k} 叫做单位正交基底。
确定空间的一个基底 {i, j, k} 后，空间中的任意向量 a 都能用唯一
的一组（三个）实数 (a1 , a2 , a3 ) 表示为 a  a1i  a2 j  a3k 。如下图所示。
将一个空间向量 a 分解为由三个两两垂直的向量（不需要模都为
1 ）构成的基底的线性组合 a1i  a2 j  a3k 的过程叫做正交分解。
根据空间向量基本定理，确定一个基底 {i, j, k} 后，空间中的所有

向量都能用该基底的线性组合表示。
如果使用的基底是单位正交基底，根据垂直关系可知，沿一个基
向量方向的移动不会对在另外两个基向量方向上的位置产生影响，所
以使用单位正交基底对向量的运算最为方便。

二、空间向量的坐标表示
空间向量的坐标表示与平面向量类似，建立空间直角坐标系，用
具体的坐标表示向量，用坐标运算表示向量的运算，从而将几何分析
与推演转化为代数表达式的变形，成为解决几何问题的有效方法。
2.1 空间直角坐标系
在平面直角坐标系 xOy 的基础上，经过原点作垂直于平面 xOy 的
第三根坐标轴： z 轴。并且：
（1） z 轴的单位长度与 x 轴和 y 轴的单位长度相等。
（2） z 轴的正方向为：将右手的拇指、食指、中指三指两两垂
直，让拇指指向 x 轴正方向，食指指向 y 轴正方向，规定此时中指所
指的方向为 z 轴正方向。
或：右手四指握拳、拇指向上，令从手掌到四指指尖的旋转方向，

与从 x 轴正方向旋转后到 y 轴正方向的旋转方向相同，规定此时拇
2
指所指的方向为 z 轴正方向。
按上述两种方式所建立的空间直角坐标系相同，都叫做右手直角
坐标系。若使用左手按照上述两种方法建立的坐标系叫做左手直角坐
标系。
右手直角坐标系与左手直角坐标系不能完全重叠，而是镜面对
称。右手与左手直角坐标系对于高中阶段学习的向量的加减法、数乘、
内积等运算没有明显区别，对于大学将会学习的向量外积（叉乘）等
运算有显著不同。
按照上述方式建立空间直角坐标系，最基本的元素是三根相交于
同一点、并且两两垂直的数轴。三个数轴也叫做坐标轴，分别叫做 x
轴、 y 轴、 z 轴。它们的交点叫做原点，一般用字母 O 表示。如下图
所示。

每两个坐标轴所唯一确定的平面叫做坐标平面， x 轴与 y 轴所唯
一确定的平面叫做 Oxy 平面， y 轴与 z 轴所唯一确定的平面叫做 Oyz 平
面， z 轴与 x 轴所唯一确定的平面叫做 Ozx 平面。
由于 x 轴、 y 轴、 z 轴两两垂直，所以 x 轴垂直于 Oyz 平面， y 轴
垂直于 Ozx 平面，z 轴垂直于 Oxy 平面，并且三个坐标平面也两两垂直。
三个坐标平面将空间分隔为八个部分，每个部分叫做一个卦限，
分别命名为第一卦限、第二卦限……第八卦限。卦限类似于平面直角
坐标系中的象限。一般不需要记忆每个卦限对应的空间。
从空间中的任意一点 P 分别向 x 轴、 y 轴、 z 轴引垂线，则 x 轴上
的垂足所对应的坐标 xP 叫做横坐标，y 轴上的垂足所对应的坐标 yP 叫
做纵坐标， z 轴上的垂足所对应的坐标 zP 叫做竖坐标。 ( xP , yP , zP ) 叫做
点 P 在空间直角坐标系中的坐标。空间中的每个点都有唯一确定的坐
标，每个坐标都对应唯一的一个点。
从动态视角看，点 P 可看作从原点 O 出发，先沿 x 轴移动 xP 距离
（若 xP  0 ，则沿正方向移动；若 xP  0 ，则沿负方向移动，下同），
再沿 y 轴移动 yP 距离，最后沿 z 轴移动 zP 距离，最终抵达点 P 的位置。
上述移动过程中，由于坐标轴之间的垂直关系，点 P 沿 x 轴移动
时，只有横坐标改变，纵坐标和竖坐标不变；沿 y 轴或 z 轴移动时同
理。

根据上述过程可知：x 轴上所有点的纵坐标和竖坐标都为 0 ，y 轴
上所有点的横坐标和竖坐标都为 0 ， z 轴上所有点的横坐标和纵坐标
都为 0 。坐标平面 Oxy 上所有点的竖坐标都为 0 ， Oyz 上所有点的横坐
标都为 0 ， Ozx 上所有点的纵坐标都为 0 。
设 i, j, k 分别为沿 x 轴、 y 轴、 z 轴正方向的单位向量。则以原点
O (0, 0, 0) 为起点，点 P ( xP , yP , zP ) 为终点构成的向量，可按照上述移动过

程表示为 OP  xP i  yP j  zPk 。
根据空间向量基本定理可知，这种线性表示是唯一的。即：对空
间中的任意向量 p ，都能用关于 i, j, k 唯一的线性组合 p  xP i  yP j  z Pk
的方式表示。所以空间中的向量也可以像平面内的向量，用坐标唯一
表示为 p  ( xP , yP , zP )
2.2 空间中的距离和夹角
距离和夹角始终是几何关系中两个最基本和重要的参数。空间直
角坐标系给空间中的每个点都规定了唯一的坐标，为求解距离和夹角
提供了便捷的方法。
距离。点与直线、点与平面、直线与直线、直线与平面、平面与
平面之间的距离实质上都是点与点之间的距离。
平面直角坐标系中，点 A( xA , y A ) 与点 B( xB , yB ) 之间的距离即线段
AB 的长可用勾股定理求得： | AB | ( x A  xB ) 2  ( y A  y A ) 2 。

空间直角坐标系中，点 A( x A , y A , z A ) 与点 B ( xB , yB , zB ) 之间的距离即
线段 AB 的长也可用勾股定理求得，连续使用两次勾股定理即可。如
下图所示。
分别从点 A( xA , y A , z A ) ，B ( xB , yB , zB ) 向坐标平面 Oxy 引垂线，垂足分

别为 A ', B ' ，可知 A ' B ' 为 AB 在坐标平面 Oxy 内的投影。
由于 AA ' 、 BB ' 、 z 轴都垂直于平面 Oxy ，所以它们两两平行，所
以 AA ' 与 BB ' 共平面，且平面 AA ' B ' B  坐标平面 Oxy ，平面 AA ' B ' B 坐标
与平面 Oxy 的交线为 A ' B ' 。
由于 A ' 可看作 A 沿 z 轴方向平移到平面 Oxy 内，所以 A ' 的横坐标
和纵坐标与 A 相同，竖坐标为 0 ，即： A '( xA , y A , 0) 。同理可得，点 B ' 的
B '( xB , yB , 0) 。
从点 B 向直线 AA ' 引垂线，垂足为 M 。由于 M 在坐标平面 Oxy 的

垂线 AA ' 上，所以 M 的横坐标和纵坐标与 A 相同，分别为 xA , y A 。又由
于 BM  AA ' ，所以 BM  A ' B ' ，结合 AA '  BB ' ，可得 BMA ' B ' 是矩形，所
以 | BM || A ' B ' | 。（还可得 M 的竖坐标与 B 相同，即： M ( xA , y A , zB ) ）。
对于以 AMB 为直角的 Rt  ABM ，斜边 AB 的长即为点 A( xA , y A , z A )
与 B( xB , yB , z B ) 之间的距离。
Rt  ABM 中，直角边 AM 的长为 A 与 B 的竖坐标之差： | z A  z B | 。
直角边 BM 的长等于 A ' B ' 的长，而 A ' B ' 的长可通过在坐标平面

Oxy 内使用勾股定理求得： | A ' B ' | ( x A  xB ) 2  ( y A  yB ) 2
所以斜边 AB 的长为：
| AB | | AM |2  | BM |2
2
 | z A  z B |2  ( x A  xB ) 2  ( y A  yB ) 2
 ( x A  xB ) 2  ( y A  y B ) 2  ( z A  z B ) 2
即：任意两点 A( xA , y A , z A ) 、 B ( xB , yB , zB ) 之间的距离，等于它们对
应的坐标之差的平方和的平方根。
若点 A, B 都在坐标平面 Oxy 内： A( xA , y A , 0) 、 B ( xB , yB , 0 B ) ，所以
| AB | ( x A  xB ) 2  ( y A  y A )2 。若点 A, B 都在坐标平面 Oyz 或 Ozx 内同理。
若点 A, B 都在 x 轴上：A( x A , 0, 0) 、B( xB , 0, 0B ) ，所以 | AB | ( xA  xB )2 。
若点 A, B 都在 y 轴或 z 轴上同理。
任意 n 维空间中两个点 A(a1 , a2 , , an ) 与 B(b1 , b2 , , bn ) 的距离都为：
n
| AB | (a1  b1 ) 2  (a2  b2 ) 2    (an  bn ) 2 ，或简写为： | AB |  (a  b )
i 1
i i
2
。
夹角。两条直线之间形成夹角。
直线与平面、平面与平面所成的角实质上都是直线与直线所成的
角。
若两条直线共面，则按照平面几何的定义和运算规则即可，平行
线可看作夹角为 0 。若两条直线为异面直线，它们所成的角等于与它
们分别平行且共平面的两条直线所成的角。综上，只需讨论空间中共
平面的两条直线之间的夹角即可。
假设求直线 a, b 所成的角，将 a, b 分别平移，使得它们相交于原点
O ，此时已知直线 a 上一点 A( x A , y A , z A ) 与 b 上一点 B( xB , yB , z B ) 。如下图
所示。

对于  AOB ，根据坐标可求得三条边长分别为：
| OA | x A2  y A2  z A2
| OB | xB 2  yB 2  z B 2
| AB | ( x A  xB ) 2  ( y A  yB ) 2  ( z A  zB ) 2
使用余弦定理可得：
| OA |2  | OB |2  | AB |2
cos AOB 
2 | OA |  | OB |
2 2 2
x A 2  y A 2  z A 2  xB 2  yB 2  z B 2  ( x A  xB ) 2  ( y A  yB )2  ( z A  z B ) 2

2 x A 2  y A 2  z A 2  xB 2  y B 2  z B 2
2 x A xB  2 y A y B  2 z A z B

2 x A  y A 2  z A 2  xB 2  y B 2  z B 2
2
x A xB  y A y B  z A z B

x A 2  y A 2  z A 2  xB 2  yB 2  z B 2
这就是用坐标表示的两个空间向量之间所成的角的公式，即：
x A xB  y A yB  z A z B
cos  a, b 
x A 2  y A 2  z A 2  xB 2  y B 2  z B 2
由于直线之间的夹角不大于直角，所以若 xA xB  y A yB  z A zB  0 ，则
需要取其补角，所以：
| x A xB  y A yB  z A z B |
cos  a, b 
x A  y A 2  z A 2  xB 2  y B 2  z B 2
2

类比平面向量 a  ( x A , y A ) 、 b  ( xB , yB ) 之间夹角的余弦公式
x A xB  y A y B
cos  a, b 
x A 2  y A 2  xB 2  y B 2
二者形式上非常相似。
2.3 向量运算的坐标表示
空间向量的坐标运算的规则与平面向量较为相似。向量的坐标运
算遵循几何关系中位置和夹角的基本定理，并具有坐标运算用数表示
空间位置的特点。
（1）加法。
空间向量 a  ( xA , y A , z A ) 和 b  ( xB , yB , zB ) ，它们的和与分别为：
a  b  ( x A  xB , y A  y B , z A  z B )
a  b  ( x A  xB , y A  y B , z A  z B )
即：对应的坐标分别相加。
（2）数乘。
空间向量 a  ( xA , y A , z A ) 与实数 k 相乘：
ka  (kx A , ky A , kz A )
即：每个坐标分别与 k 相乘。
（3）内积。
空间向量 a  ( xA , y A , z A ) 与 b  ( xB , yB , zB ) 的内积的几何意义仍为向量
a 在向量 b 方向上投影的模，与另向量 b 的模的乘积（或反过来），即：
a  b | a |  | b |  cos  a  b  。
在上一小节推导两条直线的夹角余弦值的公式时，若将线段 OA 、
OB 看作向量 a  ( xA , y A , z A ) 、b  ( xB , yB , z B ) ，则按照类似的过程可推导出
向量 a, b 夹角的余弦值的表达式：
x A xB  y A y B  z A z B
cos  a, b 
x A  y A 2  z A 2  xB 2  y B 2  z B 2
2


由于直线之间所成的角的范围为 [0, ] ，向量之间所成的角的范围
2
为 [0,  ] ，所以向量所成的角的表达式不需要绝对值符号。
将该等式变形可得：
x A2  y A2  z A2  xB 2  yB 2  zB 2 cos  a, b  x A xB  y A yB  z A zB
由于 | a | xA2  y A2  z A2 ， | b | xB 2  yB 2  zB 2 ，所以：
| a |  | b |  cos  a, b  x A xB  y A yB  z A z B
所以空间向量 a  ( xA , y A , z A ) 与 b  ( xB , yB , zB ) 内积的定义式为：
a  b  x A xB  y A y B  z A z B
与平面向量的内积的定义式形式上相似。
根据空间向量 a  ( xA , y A , z A ) 与 b  ( xB , yB , zB ) 内积的定义式，它们所
a b
成的角的余弦值也可表达为 cos  a  b  。
| a || b |
与平面向量的内积类似，空间向量 a  b 的充要条件为 a  b  0 ，空
间向量 a  b 的充要条件为 | a  b || a |  | b | 。
三、空间向量坐标运算的基本应用
与平面向量的坐标运算类似，空间向量的坐标运算也是解决立体
几何问题的非常实用的工具，可以在一定程度上摆脱对具体图形的依
赖，通过坐标运算直接求得数据或作出判断。
3.1 点、直线、平面的向量表示
空间中的点、直线、平面都可以用向量表示。其中点的坐标表示
与向量的坐标表示类似；直线和平面是点的集合，用向量表示具有相
应共同位置特征的点集。
（1）点。
空间中的点 P 可直接用坐标表示为 P( xP , yP , z P ) 。以原点 O (0, 0, 0) 为

起点，P( xP , yP , z P ) 为终点的向量也可用坐标表示为 OP  ( xP , yP , z P ) 。向量

OP 叫做点 P 的位置向量。

（2）直线。
两个点确定一条直线。设直线 l 经过点 A( x A , y A , z A ) 和 B( xB , yB , z B ) 。
因为将直线在空间中任意平移，直线的方向不变。所以可将直线
l 平移，令点 A 与原点重合，则点 B 坐标变为 B( xB  x A , yB  y A , zB  z A ) ，
所得的向量 l  ( xB  x A , yB  y A , z B  z A ) 与直线 l 方向相同。

向量 l  ( xB  x A , yB  y A , z B  z A ) 叫做直线 l 的方向向量。直线上任意
两点的坐标之差所构成的向量都是它的方向向量。 l 的相反向量
-l  ( xA  xB , y A  yB , z A  z B ) 也是 l 的方向向量。
因为已知点 A 在直线 l 上，则直线 l 上的任意点 P 都可通过以 A 为

起点，沿方向向量 l 移动一定距离后得到，所以直线 l 上的任意点
P( xP , yP , z P ) 的坐标都可表示为：
xP  x A  p ( x B  x A )
y P  y A  p ( yB  y A )
zP  z A  p( zB  z A )
  
即： OP  OA  p AB
A, B 为直线上已知坐标的点， p 为由 P 的位置所决定的参数。如
下图所示。

定比分点公式。若已知空间中的两点 A( x A , y A , z A ) 和 B( xB , yB , z B ) ，
   
点 P 将线段 AB 分为 AP : PB   （或 AP   PB ）的两部分，则点 P 叫做
线段 AB 的定比为  的分点坐标公式。下面求点 P 的坐标：
  
AP  OP  OA  ( x A  p ( xB  x A )  x A , y A  p ( yB  y A )  y A , z A  p ( z B  z A )  z A )
 ( p( xB  x A ), p ( yB  y A ), p( zB  z A ))
  
PB  OB  OP  ( xB  x A  p ( xB  xA ), yB  y A  p ( yB  y A ), zB  z A  p( z B  z A ))
 ((1  p)( xB  x A ), (1  p)( yB  y A ), (1  p )( zB  z A ))
 
代入 AP   PB 得：
p ( xB  xA )   (1  p)( xB  x A )
p ( yB  y A )   (1  p )( yB  y A )
p ( z B  z A ))   (1  p)( z B  z A )

解得： p 
1 
代入求得线段 AB 的定比为  的分点 P 的坐标为：

x A   xB y A   y B z A   z B
P( , , )
1  1  1 
只比平面向量中的定比分点公式多了竖坐标，其他相同。
  x A  xB y A  yB z A  z B
若 P 为线段 AB 的中点，则 AP  PB ，  1 ，P( , , )。
2 2 2
若点 P 在线段 AB 的延长线上，根据向量表达式表示的大小和方
向关系计算即可。

（3）平面。
根据平面向量基本定理，平面内的任意向量都能用两个不共线的
向量线性表示。设平面  内的两个向量 a, b 相交于点 O ，则平面  内任

意一点 P 都可用向量 a, b 唯一地表示为 OP  pa  qb ， p, q 为实数。
若已知平面  内的三个点 A( xA , y A , z A ) 、 B ( xB , yB , zB ) 、 C ( xC , yC , zC ) ，

则可构造出平面内两个相交于点 A 的向量 AB  ( xB  x A , yB  y A , z B  z A ) ，

AC  ( xC  xA , yC  y A , zC  z A ) 。
根据平面向量基本定理，平面  内的任意一点 P 都可通过以 A 为

    
起点，分别沿 AB 、 AC 方向移动后得到： AP  p AB  q AC 。
  
对于空间直角坐标系的坐标原点 O ，因为 AP  OP  OA ，所以上式
     
可化为 OP  AP  OA  p AB  q AC  OA 。
即：点 P 在平面 ABC 内的充要条件为存在实数对 p, q 使得
   
OP  p AB  q AC  OA 。如下图所示。
代入坐标得： xP  (1  p  q) xA  pxB  qxC ，

yP  (1  p  q) y A  pyB  qyC
zP  (1  p  q) z A  pz B  qzC
平面的法向量。对于一个平面，与它垂直的向量叫做该平面的法
向量。若已知平面  内两条相交直线的方向向量分别为 a1  ( x1 , y1 , z1 ) 、
a 2  ( x2 , y2 , z2 ) ，则可设平面  的法向量为 n  ( p, q,1) 。

根据 a1  n  0 ， a 2  n  0 可得二元一次方程组：
x1 p  y1q  z1  0
x2 p  y2 q  z2  0
解方程组即可得法向量 n  ( p, q,1) 的坐标表示。如下图所示。
需注意，假设平面  的法向量的坐标表示为 n  ( p, q,1) 的前提是平

面  不与 Oxy 平行，若已知   Oxy 或发现方程组无唯一解，则设 n 为
( p,1, q ) 或 (1, p, q ) 即可（皆可）。
3.2 向量与空间中的位置关系
根据空间中点、直线、平面的向量表示，结合欧式几何中的公理、
推论、定理，可以用关于向量的表达式较便捷地判定空间中的位置关
系。
（1）点到直线的距离。
设直线 a 的方向向量为 a  (a1 , a2 , a3 ) ，点 A( x A , y A , z A ) 在直线 a 上，求
直线外一点 P( xP , yP , z P ) 到直线 a 的距离。
从点 P 向直线 a 引垂线，垂足为 Q ，则  PAQ 为以 PQA 为直角的
直角三角形。如下图所示。

斜边 AP 的长 | AP | 可根据点 A 与 P 的坐标直接求得：
| AP | ( xP  x A ) 2  ( y P  y A ) 2  ( z P  z A ) 2
 
直角边 AQ 为线段 AP 在直线 a 上的投影， | AQ || AP | cos PAQ 。其

 | a  AP |
中 cos PAQ 可用向量 AP 与 a 上的方向向量求得 cos PAQ   ，所
| a || AP |

  | a  AP|
以 | AQ || AP | cos PAQ 
|a|
使用勾股定理即可得到点 P 到直线 a 的距离：

  
| PQ | | AP |2  | AQ |2
代入相关参数即可。
（2）点到平面的距离。
设平面  的法向量为 n  (n1 , n2 , n3 ) ，点 A( x A , y A , z A ) 在平面  内，求
平面  外一点 P( xP , yP , zP ) 到平面  的距离。
与求点到直线的距离的方法类似，从 P 向  引垂线，垂足为 Q ，
则线段 PQ 的长度就是点 P 到平面  的距离。根据垂直关系可知，线段
PQ 为线段 AP 在直线 PQ 方向上的投影，而 PQ 的方向向量与平面  的

法向量共线。或根据对顶角相等也可得 cos APQ  AP, n  。如下图所
示。

 
| PQ || AP |  cos APQ
 
| AP |  cos  AP, n 

 | AP  n |
| AP |  
| AP |  | n |

| AP  n |

|n|

| AP | 可根据点 A 与 P 的坐标直接求得， n 为已知条件。
（3）直线与直线平行、垂直、成夹角（不垂直）。
由于直线的方向与直线方向向量的方向一致，所以直线之间的位
置关系等价于它们的方向向量之间的位置关系。
若直线 a  b ，则它们的方向向量 a  b ，所以存在某个实数  ，使
得 a   b 。反过来，若存在某个实数  ，使得关于直线 a 与 b 的方向向
量 a 与 b 的等式 a  b 成立，则 a  b 。二者互为充要条件。
若直线 a  b ，则它们的方向向量满足关系 a  b  0 。这也是充要条
件。直线 a, b 无论垂直相交还是异面直线垂直，上述命题都成立，这
是由于向量可以任意平移，而异面直线之间的夹角也是通过平移到同
一平面后形成的。
若直线 a, b 既不平行也不垂直（相交或异面直线）
，则它们的所成
|a  b|
的角与方向向量的夹角相等或互补，所以： cos  a, b  。
|a||b|

（4）直线与平面平行、垂直、相交（不垂直）。
若直线 l  平面  ，则直线 l 的方向向量 l 与平面的法向量 n 垂直：
l  n 。 l   与 l  n 是充要条件。
若直线 l  平面  ，则直线 l 的方向向量 l 与平面  的法向量 n 共

线，即：存在某个实数  ，使得等式 l  n 成立。 l   与 l  n 也是充要
条件。
若直线 l 与平面  相交且不垂直，则 l 的方向向量 l 与平面  的法

向量 n 所成的角，与直线 l 与平面  所成的角  互余，所以：
| l n |
sin  | cos  l, n |
| l || n |

（5）平面与平面平行、垂直、相交（不垂直）。
若平面    ，则它们的法向量满足关系 nα  nβ ，即：  使得
n α   nβ 成立。二者为充要条件。
若平面    ，则它们的法向量也垂直 nα  nβ ，即： nα  nβ  0 。二
者也为充要条件。

若平面  ,  相交于 l ，则平面  ,  所成的角等于法向量的夹角或余
| nα  nβ |
角， cos   ,  | cos  nα , nβ | 。
| nα |  | nβ |
需要注意区分二面角与平面所成的角。两个平面相交形成四个
角，若不垂直，则分别为一对互补的锐角和钝角并且两两相等，平面
所成的角为其中的锐角（或直角）。
二面角的定义为：分别从平面  ,  上各取一个点 A, B 与交线 l 构成
的角 A  l  B ，二面角的范围为 (0,  ) ，有可能等于平面所成的锐角，
也可能为钝角，取决于点 A, B 所选取的位置。
小结
本章主要学习空间向量的概念、运算、坐标表示。其中空间向量
的概念和运算与向量的一般性概念相同，空间向量的坐标表示是空间
向量的主要使用方式。
由于学习平面向量已经做了较好的铺垫，所以对空间向量概念的
理解不会太过于陌生。但由于对立体几何的熟悉程度不如平面几何，
所以会有一定程度由“立体”导致的陌生感
与学习平面向量类似，学习空间向量也需要注重向量“数形结合”
的特点。由于在熟练后往往会省略将数与形相结合的步骤，所以在初
次学习和练习时要注意经常将数与形对应起来。
平面内可通过较准确地作图直观且全面地展示出几何关系，而作
空间透视图很难非常准确，并且无法从多个视角充分展示出几何关
系，所以复杂的立体几何问题需要更强的空间直觉和想象。
幸运的是，空间向量使用代数表达式准确且明确地表示几何关
系，使得对空间直觉和想象的依赖不那么严重，只需要扎实的分析推
理能力和一定计算能力即可。

学习平面几何时，除了平面几何定理与平面向量，还学习了三角
形、平行四边形、梯形、圆形等简单的平面几何图形的知识，主要包
括它们的定义、线段之间的位置关系、长度和角度的数量关系，以及
由简单图形构成的较复杂图形。
立体几何中，也有与之类似的简单的立体几何图形。各类立体几
何图形也具有各自的定义、构造方法、性质特点等，并能构造出更复
杂的立体几何图形。这是本章主要学习的内容。
由于已经学习了空间直线与平面、空间向量的知识，对立体空间
中的位置关系和数量关系有一定认识，理解本章的概念和推导计算会
较轻松。
学习本章时需注重训练空间想象力，建立对简单几何体全貌的想
象，练习准确地作直观图和三视图的能力。如有条件可通过折纸或其
他实物帮助观察和理解。
一、绘制立体图形
平面几何图形在二维平面内，若要观察平面图形的全貌和细节，
只需根据平行、相交等位置关系和距离、夹角等数量关系，在平面（纸
面）内准确地绘制图形即可。
立体几何图形在三维空间内，若要观察立体图形的全貌和细节，
需要根据相应的位置关系和数量关系，在空间中准确地搭建模型，比
起在纸面内作图要难以实现得多。
为了能在纸面内准确、直观、便捷地描绘展示立体图形的全貌和
细节，需要使用专门的作图方法，将立体图形“投影”到平面内，使平
面图形具有“立体感”，从而使用平面图形表示立体图形。
直观图是用平面图形表示立体图形的重要方法，绘制直观图的主
要方法叫做斜二测画法。斜二测画法的主要原理为：人脑能根据立体

图形在平面内的投影，自动“还原”相应的立体图形。
斜二测画法模拟了投影的过程：令一束平行光与纸面成 45 角，
穿过立体图形射向纸面，立体图形在纸面内的投影就是该图形的直观
图。
使用斜二测画法绘制平面图形的直观图的主要步骤为：
（1）在原平面中建立平面直角坐标系，确定相应的直线和点作
为 x 轴、 y 轴、坐标原点 O 。
绘制直观图时，将水平向右作为 x 轴正方向，将竖直向下偏左 45
作为 y 轴正方向，即： x 轴与 y 轴所成角为 135 。它们确定的平面表示
原来垂直的坐标平面。
（2）按照如下规则绘制相应的点和直线：
方向：原图形中与 x 轴、 y 轴分别平行的直线，在直观图中仍绘
制成与 x 轴、 y 轴分别平行的直线。
长度：原图形中沿 x 轴方向的长度在直观图中与原来相同，沿 y 轴
方向的长度变为原来的一半，即：将横坐标、纵坐标分别绘制为原来
k
的 k 倍和倍。
2

使用斜二测画法绘制立体图形的直观图的主要步骤与绘制平面
图形的直观图类似，区别为多了 z 轴，以及各坐标轴的位置有所不同：
（1）在空间中想象出空间直角坐标系，确定相应的直线和点作
为 x 轴、 y 轴、 z 轴、坐标原点 O 。一般将平行于纸面的平面作为 Oxy 。
绘制直观图时，将水平向右作为 y 轴正方向，将竖直向上作为 z 轴
正方向，将竖直向下偏左 45 作为 x 轴正方向。即： x 轴与 y 轴所成角
为 135 ， x 轴与 z 轴所成角为 135 ， y 轴与 z 轴垂直。
（2）按照如下规则绘制相应的点和直线：
方向：原立体图形中与 x 轴、 y 轴、 z 轴分别平行的直线，在直
观图中仍绘制成与 x 轴、 y 轴、 z 轴分别平行的直线。
长度：原立体图形中沿 x 轴方向的长度在直观图中变为原来的一
半，沿 y 轴和 z 轴方向的长度与原来相同，即：将横坐标、纵坐标、
k
竖坐标分别绘制为原来的倍、 k 倍、 k 倍。
2

直观图虽然能直观地在平面内展示立体图形的大致情况，但由于
绘制直观图时改变了坐标轴之间的夹角和长度关系，导致表示立体图
形的具体关系时并不精准。
若要精准地反映立体图形的长度和角度等具体数据，一般使用绘
制三视图的方法。
三视图包括正视图、侧视图、俯视图三幅图。其原理为：将立体
图形以一个合适的角度水平放置在空间直角坐标系内，正面朝向 x 轴
正方向。
对于具体实物的立体图形，其“正面”一般有约定俗成的方向；对
于较简单的几何模型，其“正面”可需根据实际情况自行确定。
正视图（也叫主视图）为从正面观察得到的平面图形，相当于立
体图形在沿 x 轴负方向的平行光照射下，在坐标平面 Oyz 内的投影。
由于沿 x 轴方向观察，所有纵坐标和竖坐标相同、只有横坐标不同的
点在正视图中重合为一个点，正视图无法体现横坐标的区别。
侧视图为从立体图形的侧面观察得到的图形。侧视图包括左视图
和右视图，如无特别说明，一般指左视图。左视图为从左侧观察得到
的平面图形。相当于立体图形在沿 y 轴正方向的平行光照射下，在坐
标平面 Ozx 内的投影。由于沿 y 轴方向观察，所有横坐标和竖坐标相
同、纵坐标不同的点在侧视图中重合为一个点，侧视图无法体现纵坐
标的区别。需注意，左侧指面向观察对象时观察者的左侧，观察到的
实际上是观察对象的右侧。
俯视图为从上方观察得到的平面图形，相当于立体图形在沿 z 轴
负方向的平行光照射下，在坐标平面 Oxy 内的投影。由于沿 z 轴方向
观察，所有横坐标和纵坐标相同、竖坐标不同的点在俯视图中重合为
一个点，俯视图无法体现横坐标的区别。
描绘三视图时，相应视角下重合的点在图中描绘为同一个点，不
同平面内的点也都只能描绘在同一平面内。三视图是三幅没有任何立

体感的平面图，只体现“上下左右”，不体现“先后”。如果有直线（或
曲线）被遮挡，需用虚线表示。
下面是一架飞机的三视图。
正视图
侧视图
俯视图

二、简单多面体
由若干个平面多边形所围成的立体图形叫做多面体。围成多面体
的平面多边形叫做多面体的面，相邻多边形的公共边叫做多面体的
棱，棱与棱的交点叫做多面体的顶点。多面体只含有直线和平面，没
有曲线和曲面。高中主要学习的多面体有三种：棱柱、棱锥、棱台。
2.1 棱柱
将两个全等的多边形分别放在两个相互平行的平面内，再分别连
接相同的点，得到的图形叫做棱柱。下面是一个棱柱的直观图。
这两个平行且全等的多边形面叫做棱柱的底面（例图中 ABCD 和
A' B 'C ' D ' ）。底面为 n 边形的棱柱叫做 n 棱柱（例图中为四棱柱）。底
面为正 n 边形的棱柱叫做正 n 棱柱。
棱柱除底面以外的各平面（相邻两条棱所确定的平面）叫做棱柱
的侧面（例图中 AA ' B ' A ' ， BCC ' B ' ， CDD ' C ' ， DAA ' D ' ），由于棱柱的
两个底面对应的边平行且相等，所以棱柱所有侧面都是平行四边形。
相邻侧面的公共边（连接底面上对应点的边）叫做棱柱的侧棱（例
图中 AA ', BB ', CC ', DD ' ），由于棱柱所有侧面都是平行四边形，所以棱
柱所有的侧棱都相互平行。
侧面与底面的公共顶点叫做棱柱的顶点。
棱柱两个底面所在的平面之间的距离叫做棱柱的高。从一个底面

上的一个顶点（或任意一点）向另一个底面引垂线，则垂线段的长度
等于棱柱的高。
若棱柱的底面为平行四边形，则它的六个面都是平行四边形，这
样的棱柱也叫做平行六面体。例图就是平行六面体。
侧棱不垂直于底面的棱柱叫做斜棱柱，侧棱垂直于底面的棱柱叫
做直棱柱。下面是一个斜三棱柱与一个直三棱柱的直观图。
底面为矩形的直棱柱也叫做长方体，立方体任意两个相邻的平面
都垂直。底面为正方形，且侧棱长等于底面边长的长方体也叫做正方
体或立方体，正方体的六个侧面是六个全等的正方形。下面是一个长
方体与一个立方体的直观图。
棱柱也可看作一个平面多边形，沿与所在平面不平行的方向平移
一段距离，在空间中所经过的轨迹。若多边形沿与所在平面垂直的方
向平移，则形成直棱柱。如下图所示。

棱柱的特点。根据棱柱的定义可知，棱柱的两个底面图形全等且
平行，并且棱柱的全部侧棱都平行且相等。这些平行和全等关系对于
求解棱柱的数量关系非常重要。
直棱柱的侧棱垂直与底面，有利于建立空间直角坐标系。若以直
棱柱的一条侧棱作为 z 轴，则上下两个底面中对应点的横坐标和纵坐
标相等。
棱柱的表面积。由平面或曲面所围成的封闭的立体图形的表面积
的定义为：围成该立体图形的所有平面图形和曲面图形的面积之和。
棱柱由上下两个底面和若干个侧面所围成，所以棱柱的表面积等
于两个底面的面积与所有侧面的面积之和。
对于直棱柱，由于每个侧面都是矩形，且每个侧面矩形的高都等
于棱柱的高，全部侧面的面积之和等于底面周长 C 与棱柱的高 h 的乘
积 Ch ，推导过程如下：
设直 n 棱柱底边各边长分别为 a1 , a2 , , an ，高为 h ，棱柱底边周长
为 C  a1  a2    an 。则棱柱各侧面的面积分别为： S1  a1h ， S2  a2 h ，
 ， S n  an h 。所以棱柱全部侧面的面积之和为： S  S1 +S2    S n 
a1h  a2 h    an h  ( a1  a2    an )h  C  h
对于斜棱柱，一般需要专门求出每个侧面的面积和底面的面积。
棱柱的体积。立体图形体积的公式推导需要使用微积分，高中不
需要了解。由于公式形式较为简单，只需要记忆公式即可。

若棱柱的底面面积为 S ，高为 h ，则棱柱的体积 V 为：
V  Sh
棱柱的体积公式可用如下方式推导：
已学过长、宽、高分别为 a, b, c 的长方体的体积公式 V  abc 。
对于底面不是矩形的直棱柱，设其底面面积为 S ，高为 h 。将该
直棱柱分割为无穷多 n   底面积相等的小长方体。对于不是直角的
边缘部分，也都近似看作长方体。如下图所示。
S
每个小长方体的高都等于直棱锥的高 h ，底面面积都为 s  ，所
n
Sh
以每个小长方体的体积都为 v  。
n
该棱柱的体积等于全部 n 个小长方体的体积之和，所以
Sh
V  nv  n  Sh 。
n
这种先将不规则的整体分割为无穷多极小的规则的单元，“强
行”“套用”规则单元的公式后，再合并成不规则的整体的方法叫做微
元法，是很重要的数学方法。微元法的核心在于将不规则的整体分割
为无穷多规则的小单元，从而可使用规则的小单元的公式。
对于斜棱柱，它的体积与底面积和高都相等的直棱柱相同。可仿
照通过矩形面积公式推导平行四边形面积公式的方法，通过切割和平
移，将“不平”的部分“填平”。如下图所示。

2.2 棱锥
将多边形的各点与平面外的一点相连，构成的立体图形叫做棱
锥。下面是一个棱锥的直观图。
多边形面叫做棱锥的底面（例图中 ABCD ）。与底面各端点相连的

平面外的一点叫做棱锥的顶点（例图中点 P ）。含有顶点的棱叫做棱
锥的侧棱（例图中 PA ， PB ， PC ， PD ）。含有顶点的面叫做棱锥的侧
面（例图中 PAB ， PBC ， PCD ， PDA ）。棱锥的顶点到底面的距离叫
做棱锥的高。
棱锥所有侧面都是三角形。底面为 n 边形的棱锥叫做 n 棱锥。其
中三棱锥也叫做四面体。由于三棱锥的每个面都是三角形，所以每个
面都可以作为底面或侧面。
底面为正 n 边形，且顶点在底面上的投影与正 n 边形的中心重合
的棱锥叫做正 n 棱锥。每个面都是正三角形的三棱锥也叫做正四面
体，正四棱锥的所有棱长都相等。下面是正四面体的直观图。
若一个三棱锥有三条相交的棱两两垂直，这样的三棱锥叫做直三
棱锥。也可看作空间直角坐标系的三个坐标轴上各取一点与坐标原点
构成的三棱锥。下面是直三棱锥的直观图。
棱锥的表面积。棱锥由一个底面和若干个侧面所围成，其表面积
为全部多边形的面积之和，一般没有特定的公式，需专门求出每个面
的面积。
棱锥的体积。棱锥的体积为底面积 S 与高 h 的乘积的三分之一，
等于与其同底等高的棱柱的体积的三分之一：
1
V  Sh
3
棱锥体积的公式也可用微元法推导。以正四棱锥为例。设正四棱
锥的高为 h ，底面为边长为 a 的正方形，则底面积为 S  a 2 。

将正四棱锥水平切割为无穷多 n   等高的“薄片”，将每个薄片
看作正四棱柱（而非棱台），取较大的底面作为底面积。如下图所示。
h
每个“薄片正四棱柱”的高都为，根据相似三角形关系可知：自
n
a 2a na
上而下每个“薄片正四棱柱”的底面边长分别为 , , , ，所以每个
n n n
a 2a 2 na
“薄片正四棱柱”的底面积分别为 ( ) 2 , ( ) , , ( ) 2 ，所以每个“薄片正
n n n
a h 2a 2 h na h
四棱柱”的体积分别为 ( ) 2 , ( ) , , ( ) 2 。
n n n n n n
所以整个正四棱锥的体积为：
a h 2a h na h
V  ( )2  ( )2    ( )2
n n n n n n
a2h 2
 3 (1  22  n 2 )
n
n( n  1)(2n  1)
代入数列通项公式 12  2 2   n 2  和 a 2  S 得：
6
Sh n(n  1)(2n  1)
V 
n3 6
n n  1 2n  1
 
Sh n n n
 
n 3 6
( )
n
1 1
1 (1  )  (2  )
Sh n n
 3 
1 6

1 1
因为 n   ，所以  0 ，所以： V  Sh
n 3
上述推导过程中，除使用微元法外，还使用极限的基本运算。使
用微元法时经常会涉及到极限的运算。
2.3 棱台
将棱锥用平行于底面的平面截去一个小棱锥，剩下的部分叫做棱
台。下面是一个棱台的直观图。
棱台的两个截面中，较小的叫做棱台的上底面（例图中 A ' B ' C ' ）

，
较大的叫做棱台的下底面（例图中 ABC ）。棱台的上底面与下底面是
相似图形，对应的边长所成比例相等。根据上下底面相平行可知，棱
台的侧面都是梯形。
原棱锥的侧棱被截去小棱锥的侧棱后剩下的部分叫做棱台的侧
棱（例图中 AA ' ， BB ' ， CC ' ），
。原棱锥的顶点叫做棱台的顶点（例图
中点 P 。顶点是根据棱台的构造方式抽象出来的概念，实物没有顶点。
棱台上底面与下底面之间的距离叫做棱台的高。等于原棱锥的高
与被截去的小棱锥的高之差。
研究棱台的性质和数量关系时，经常使用“大棱锥截去小棱锥”的
思路。
棱台的表面积。棱台由两个底面和若干个侧面所围成，其表面积

为全部这些多边形的面积之和，一般也没有特定的公式。其中侧面的
面积可使用大棱锥的侧面面积减去所截去的小棱锥的侧面面积求得，
也可以直接求梯形的面积。
棱台的体积。棱台体积的求法仍使用“大棱锥截去小棱锥”的思
路，设棱台上底面的面积为 S ' ，下底面的面积为 S ，高为 h ，则棱台
的体积为：
1
V  ( S ' S ' S  S ) h
3
其推导过程如下，以底面为三角形的棱台为例：
棱台 ABC  A ' B ' C ' 的上底面积为 S ' ，下底面积为 S ，高为 h ，则该
棱台可由一个底面积为 S 、高为 H 的大棱锥 P  ABC ，截去一个底面积
为 S ' 、高为 H  h 的小棱锥 P  A ' B ' C ' 得到。如下图所示。
设  ABC 的边 BC 上的高为 AD ，连接 PD ，设 PD 与 A ' C ' 的相交于

点 D ' 。因为 ABC  A ' B ' C ' ，且 PAD  ABC  AD ， PAD  A ' B ' C '  A ' D ' ，
所以 AD  A ' D ' ，又因为 BC  B ' C ' ， ADB  A ' D ' B '  90 ，所以 A ' D ' 也
是  A ' B ' C ' 的边 B ' C ' 上的高。
过 P 向平面 ABC 和 A ' B ' C ' 引垂线，垂足分别为 Q 和 Q ' ，设 PQ  H ，
则 QQ '  h ， PQ '  H  h 。
根据棱台上下底面之间的平行关系以及有关相似三角形可得：
A ' D ' : AD  B ' C ' : BC  PQ ' : PQ 。

1 1
所以： S ' : S  ( B ' C ' A ' D ') : ( BC  AD )
2 2
 ( PQ ' : PQ ) 2
H h 2
( )
H
S
其中 S ', S , h 为已知量，大棱锥的高 H 可表示为 H  h
S  S'
用大棱锥 P  ABC 的体积减去小棱锥 P  A ' B ' C ' 的体积即可得棱台

ABC  A ' B ' C ' 的体积：
VABC  A ' B 'C '  VP  ABC  VP  A ' B 'C '
1 1
 SH  S '( H  h)
3 3
1 S 1 S
 S h  S ' ( h  h)
3 S  S' 3 S  S'
1 S S S' S'
 h( )
3 S  S'
3 3
1 S  S'
 h
3 S  S'
1 ( S  S ')( S ' S ' S  S )

 h
3 S  S'
1
 h( S ' S ' S  S )
3
三、简单旋转体
一个平面图形，以其所在平面内的一条直线作为旋转轴，绕轴旋
转一周所形成的曲面叫做旋转面，旋转面所围成的几何体叫做旋转
体。高中主要学习的旋转体有四种：圆柱、圆锥、圆台、球。
3.1 圆柱
将矩形以它的一条边作为旋转轴旋转一周，其余三条边所形成的
面所围成的旋转体叫做圆柱。
圆柱也可定义为：矩形以它的一条边作为旋转轴旋转一周，整个

矩形扫过的空间叫做圆柱。下面是一个圆柱的直观图。
作为旋转轴的矩形的边叫做圆柱的轴（例图中 OO ' ）。垂直于轴

的两条边（例图中 OA ， O ' A ' ）旋转一周所围成的圆叫做圆柱的底面。
平行于轴的边（例图中 AA ' ）旋转一周所围成的曲面叫做圆柱的侧面。
平行于轴的边在旋转过程中所经过的任意位置都是圆柱的母线。圆柱
的轴或母线的长叫做圆柱的高。
根据圆柱的构造过程可知，圆柱的轴与全部母线平行且相等，并
且都与底面垂直。
圆柱还可用如下方法构造：将平面上的圆沿与平面垂直的方向平
移，扫过的空间叫做圆柱。这个平移的圆的起始位置和终止位置是圆
柱的两个底面。扫过的空间的外周是圆柱的侧面。两个底面的圆心之
间的连线是圆柱的轴。圆周上任意点平移扫过的轨迹是圆柱的母线。
如下图所示。
圆柱的表面积。圆柱由两个底面和一个侧面所围成。两个底面是

两个全等的圆。侧面展开后是一个矩形，矩形的长等于底面圆的周长，
矩形的宽等于母线的长（圆柱的高）。如下图所示。
若圆柱底面半径为 r ，母线的长（高）为 l ，则其表面积为：

S  2 r 2  2 rl
圆柱的体积。圆柱的体积与棱柱的体积公式相同，都为底面积与
高的乘积：
V  Sh
若圆柱底面半径为 r ，母线的长（高）为 l ，则其体积为：
V   r 2l
3.2 圆锥
将直角三角形以它的一条直角边作为旋转轴旋转一周，其余两条
边所形成的面围成的旋转体叫做圆锥。
圆锥也可以定义为：直角三角形以它的一条边作为旋转轴旋转一
周，整个直角三角形扫过的空间叫做圆锥。下面是一个圆锥的直观图。

作为旋转轴的直角边叫做圆锥的轴（例图中 PO ）
。垂直于轴的另
一条直角边旋转一周所围成的圆叫做圆锥的底面（例图中 OA ）。斜边
旋转一周所围成的曲面叫做圆锥的侧面。斜边与轴的交点叫做圆锥的
顶点（例图中点 P ）。顶点与底面上任意一点的连线（即斜边在旋转
过程中经过的任意位置）叫做圆锥的母线（例图中点 PA ）。圆锥的轴
长叫做圆锥的高。
根据圆锥的构造过程可知，圆锥的全部母线相交于顶点。任意一
条母线、轴、底面上与该母线相交的半径，这三条线段围成一个直角
三角形，就是绕轴旋转的直角三角形。
圆锥还可以用如下方法构造：从平面上的圆的圆心作该平面的垂
线，垂线上的一点与圆周上所有点相连，所围成的立体图形叫做圆锥。
圆锥的表面积。圆锥由一个底面和一个侧面所围成。底面是一个
的圆。侧面展开后是一个扇形，扇形的半径等于圆锥的母线（直角三
角形的斜边），扇形的弧长为底面圆的周长，据此还可求得扇形的圆
心角。如下图所示。
若圆锥底面半径为 r ，母线的长（高）为 l ，其底面圆的面积为  r 2 ，

侧面扇形的面积为  rl ，圆锥的表面积为：
S   r 2   rl
圆锥的体积。圆锥的体积与棱锥的体积公式相同，都为底面积与
高的乘积的三分之一：
1
V  Sh
3
若圆柱底面半径为 r ，高为 h ，则其体积为：
1
V   r 2h
3
若已知底面半径 r 和母线长 l ，高 h 可用勾股定理求得 h  l 2  r 2 ，

则体积为：
1
V   r2 l2  r2
3
3.3 圆台
圆台与棱锥较类似，将一个圆锥用平行于底面的平面截去上面的
一个小圆锥，剩下的部分叫做圆台。
圆台也可看作将直角梯形以它垂直于底的腰作为旋转轴旋转一
周所形成的立体图形。下面是一个圆台的直观图。
圆台的两个截面分别叫做圆台的上底面（较小的）和下底面（较
大的）。圆台的上底面与下底面都是圆形。
原圆锥的母线被截去小圆锥的母线后剩下的叫做圆台的母线，也
可以看作梯形倾斜的腰（例图中 A ' A ）在旋转过程中经过的任意位置。
原圆锥的顶点叫做圆台的顶点（例图中点 P ），圆台的顶点也是抽象
出来的概念，实际不存在。
圆台上底面与下底面之间的距离叫做圆台的高。等于原圆锥的高
与被截去的小圆锥的高之差。

分析讨论棱台的性质和数量关系时，仍主要使用“大圆锥截去小
圆锥”的思路。
圆台的表面积。圆台由两个底面和一个侧面所围成，其表面积为
它们的面积之和。
设上底面的半径为 r ' ，下底面的半径为 r ，母线长为 l 。则上下两
个底面的面积分别为  r '2 与  r 2 。
圆台的侧面展开后为从大圆锥侧面的扇形中挖去小圆锥侧面的
扇形，所剩余的扇形环。如下图所示。
设大圆锥的母线长为 l0 ，则截去的小圆锥的母线长为 l0  l ，根据

l0  l r ' r
相似三角形关系可得：  ，所以 l0  l
l0 r r r'
r  r 2l
大圆锥侧面扇形的面积为  r  l
r r' r r'
r  r '2 l
被截去的小圆锥的侧面扇形的面积为  r '( l  l) 
rr' r r'
 r 2l  r '2 l
圆台的表面积为：  r '2   r 2     r '2   r 2   rl   r ' l
rr' rr'
圆台的体积。圆台体积的求法仍使用“大圆锥截去小圆锥”的思
1
路，其体积公式与棱台相同，都为 V  ( S ' S ' S  S )h ，其中 S ' 为上底
3
面的面积， S 为下底面的面积， h 为圆台的高。

若圆台上底面圆的半径为 r ' ，下底面圆的半径为 r ，则其体积公
式可化为：
1
V  ( S ' S ' S  S )h
3
1
 ( r '2   r '2  r 2   r 2 )h
3
1
  h ( r '2  r ' r  r 2 )
3
3.3 球体
将半圆以它的直径作为旋转轴旋转一周，半圆弧所形成的曲面叫
做球面，球面所围成的旋转体叫做球体，简称球。如下图所示。
半圆的圆心叫做球体的球心（例图中点 O ）。连接球心与球面上
任意一点的线段都叫做球体的半径（例图中 OA ， OB ）。连接球面上
两点且经过球心的线段叫做球体的直径（例图中 AB ）
。
用任意一个平面截取球面，截得的平面都是圆，其中半径最大的
圆叫做大圆。大圆的半径与球体半径 R 相同，所有大圆的圆心都是球
体的圆心 O ，任意过球形的平面截取球面得到的都是大圆。对于球面
上的任意两点，它们在球面上的最短距离叫做球面距离。
球体的表面积。球体的表面积公式的推导需使用微积分，高中不
需要掌握，只需牢记公式。球体只有一个参数：半径 R 。
设球体的半径为 R ，则其表面积为：

S  4 r 2
即：同样大小半径的圆的面积的四倍。
球体的体积。球的体积的公式的推导同样需要使用微积分。在已
求得球体表面积 S  4 r 2 的基础上，可以进行不严格的推导。
将球体分割为无穷多 n   全等的小圆锥。虽然这些小圆锥的底
面是球面的一部分，本应不平整，但若分割得足够小，可将底面看作
平面，则每个小圆锥的母线长为球体的半径 R ，设每个小圆锥的底面
1
面积为 s ，则每个小圆锥的体积为 v  sR 。如下图所示。
3
由于球体由全部这些小圆锥构成，所以全部小圆锥的底面面积之
和等于球体的表面积： ns  4 R 2 。全部小圆锥的体积之和等于球体的
1 1 4
体积： V  nv  n  sR  R  n   R 3 ，即：半径为 R 的球体的体积为：
3 3 3
4
V   R3
3
根据对称性和勾股定理可证：任意一个平面截取球面所得的圆的
圆心 O ' ，与球心 O 所在的直线垂直于该平面。
若用一个平面截取半径为 R 球面，截得的圆的半径 r 与球心 O 到
该平面的距离 d 之间具有数量关系：
d 2  r 2  R2
其证明如下：球体半径为 R ，平面  截取球面所得的圆的半径为
r ，球心 O 到平面  的距离为 d 。

作垂直于  的半径 OA ，与平面  的交点为 O ' 。因为球心 O 到截得
的圆上任意一点的距离都相等，且 OO '   ，所以 O ' 到截得的圆上任
意一点的距离都相等，即： O ' 是截得的圆的圆心。
从圆 O ' 上任取一点 B ，则 OO ' B 是以 OO ' B 为直角的直角三角
形，其中 OB  R ， O ' B  r ， OO ' 为球心到平面的距离，根据勾股定理
即可得 d 2  r 2  R 2 。如下图所示。
分析解决与球体有关的问题时，作出与已知条件有关的半径或大
圆，往往可以建立有用的数量关系。
小结
本章内容以知识性的概念为主，需掌握棱柱、棱锥、棱台、圆柱、
圆锥、圆台、球体的定义(构造过程)、特征和参数、表面积和体积的
求法等，还要掌握作直观图和三视图的方法。
除了对相应的概念和数量关系有准确的认识外，也需要能在脑海
中想象出具体的几何体，想象出它们的构造过程、具体的点、棱、面
之间大致的位置关系，想象出立体图形翻转、被平面截取等过程。
本章的内容很侧重于解决具体问题的应用，要结合欧式几何和空
间向量的方法，思考各立体图形中的平行、垂直、相交等位置关系以
及长度和夹角等数量关系，以及利用立体图形的形状特点建立空间直
角坐标系的方法。
前面已经学习了函数的单调性、对称性、周期性等重要性质，变
化趋势也是函数的重要性质，函数的导数是表示函数变化趋势的重要
性质。
导数与单调性、对称性、周期性等性质显著不同：单调性、对称
性、周期性主要反映函数整体的宏观性质，而导数主要反映函数局部
甚至细微到“点”的性质。层面上的区别导致学习导数的思路与其他性
质明显的不同。
由于导数反映函数的微观性质，需使用专门的方法——极限。极
限是使用“严谨规范的推导”证明“显而易见的直觉”的重要方法，也是
从初等数学迈入高等数学的必经门槛，步理解极限的原理和运算对于
学习导数有很大帮助。
高中阶段，导数主要用于分析研究函数的单调性、最大最小值等
性质，是非常方便有用的工具。只需按照导数的公式和定义按部就班
地计算和分析，极大程度地减轻了对数学技巧的依赖。
一、函数的极限与变化率
学习数列时初步学习了数列的极限，求简单几何体的体积时使用
的“微元法”也涉及到极限的思想，极限是数学中很重要的概念和方
法，在代数和几何等各块面和分支中都有非常重要的应用，也是分析
推导出函数的导数的重要原理。
1.1 函数的极限
函数的极限的含义为：若一个函数 y  f ( x) ，当 x 的取值非常接近
x0 时， y 的取值非常接近于 y0 ，则称 y0 为 x 趋近于 x0 时函数 f ( x) 的极
限，记作 lim f ( x)  y0 。
x  x0
可将极限理解为“预期”，极限是函数图像上的点沿函数图像移动
时，对即将抵达的位置的预期。
例 1.1.1 二次函数 f ( x)   x 2  4 图像如下图所示。
现在应当对二次函数的基本性质非常熟悉，该函数以 y 轴为对称
轴，在区间 (, 0) 内单调递增，在区间 (0, ) 内单调递减，顶点为 (0, 4) ，
函数的最大值为 4 ，没有最小值。
该函数的图像看上去就像一座小山丘，甲同学沿函数图像，从点
( 3, 5) 出发自左向右移动，他处于爬山的状态，他对自己正在向上爬
的状态有所预期，并且当爬到 x  2 附近时，预计当爬到横坐标为
x  2 的位置时，纵坐标应当会是 y  0 。
同时，另一位乙同学也沿函数图像，自从点 (1, 3) 出发右向左移

动，他处于下坡的状态，他对自己正在下坡的状态也有所预期，并且
当下到 x  2 附近时，也预计当下到横坐标为 x  2 的位置时，纵坐标
应当会是 y  0 。
综上，不论是甲同学从左向右爬，还是乙同学从右向左爬，他们
根据当前爬山的状态，都对自己接下来要经过的路线有所预期，并且
他们都预计自己抵达 x  2 的位置时，纵坐标应当会是 y  0 。
上述这种沿函数图像移动，从左向右接近 x  2 和从右向左接近
x  2 时，预期的结果相同的情况，叫做函数 f ( x)   x 2  4 在 x  2 处有

极限，并且极限值 lim f ( x)  0 与函数值 f (2)  0 相等。
x 2
当从左向右接近 x  2 时，预期的函数值为 0 ，记作 lim f ( x)  0 。

x 2
极限符号下方 2 右上角的负号表示从 2 的负方向接近它，即从左向

右的方向接近，叫做函数 f ( x)   x 2  4 在 x  2 处的左极限。
当从左向右接近 x  2 时，预期的函数值为 0 ，记作 lim f ( x)  0 。
x 2
极限符号 2 右上角的正号表示从 2 的正方向接近它，即从右向左的

方向接近，叫做函数 f ( x)   x 2  4 在 x  2 处的右极限。
函数在它上面一点处有极限的充要条件为：函数在该点处的左极
限等于右极限。
 x2  4 x0
例 1.1.2 函数 f ( x)  的图像如下图所示。
2 x  2
仍然是例 1.1.1 中的小山丘，不同的是这里 x  2 位置处被人为地

“抬高”到了 y  2 的高度，小山丘“断开”了
甲同学依然沿函数图像，从点 (3, 5) 出发自左向右移动，他处于
爬山的状态，他对自己正在向上爬的状态有所预期，并且当他爬到
x  2 附近时，预计当爬到横坐标为 x  2 的位置时，纵坐标应当会是
y  0。

同时，另一位乙同学也沿函数图像，自从点 (1, 3) 出发右向左移
动，他处于下坡的状态，他对自己正在下坡的状态也有所预期，并且
当他爬到 x  2 附近时，也预计当下到横坐标为 x  2 的位置时，纵坐
标应当会是 y  0 。
综上，不论是甲同学从左向右爬，还是乙同学从右向左爬，他们
根据爬到 x  2 附近时的经验，都对自己接下来要经过的路线有所预
期，并且他们都预计自己抵达 x  2 的位置时，纵坐标应当会是 y  0 。
然而！ (2, 0) 不存在函数图像上，被人为地抬高到 (2, 2) ，所以
f ( 2)  2 。但甲同学和乙同学根据各自爬山和下坡的经验，对 x  2 仍
然抱有相同的预期：就是应当 y  0 ！即： lim f ( x)  lim f ( x)  0 。

x 2 x 2 
此时仍称函数 f ( x) 在 x  2 处有极限，极限为 0 ，即： lim f ( x)  0 。

x 2
即便函数 f ( x) 在 x  2 的为 2 ，甲同学和乙同学分别从左右两边向该点
移动时，他们的预期就是 y  0 ， y  0 就是该函数在 x  2 处的极限。
函数在它上面一点处有极限的充要条件为：函数在该点处的左极
限等于右极限。与函数在该点处的具体取值无关。
1
例 1.1.3 反比例函数 f ( x)  的图像如下图所示。
x

甲同学沿函数图像，从点 (1, 1) 出发自左向右移动，他处于下坡
的状态，他对自己正在向下爬的状态也有所预期，知道接下来还要小
心翼翼地继续下坡，并且也预计当下到横坐标接近于 x  0 的位置时，
纵坐标应当会非常非常小，近乎 y   ，即： lim f ( x)   。
x  0
乙同学沿函数图像，从点 (1,1) 出发自右向左移动，他处于爬山的

状态，他对自己正在向上爬的状态也有所预期，知道接下来还要非常
努力地继续爬山，并且预计当爬到横坐标接近于 x  0 的位置时，纵坐
标应当会非常非常大，近乎 y   ，即： lim f ( x)   。
x  0
综上，甲同学从左向右向 x  0 移动经历的是下坡，并且越下越低。
乙同学从右向左向 x  0 移动经历的是下坡，并且越爬越高。他们根据
当前爬山的状态，都对自己接下来即将抵达 x  0 时的高度有所预期，
但他们的预期截然不同。
上述这种沿函数图像移动，从左向右接近 x  0 和从右向左接近
x  0 时，预期的结果不同，即： lim f ( x)  lim f ( x ) 的情况，叫做函数
x0 x0
1
f ( x)  在 x  0 处没有极限。
x
若函数在它上面一点处的左极限与有极限不相等，则函数在该点
处没有极限。
根据上面三个例子，应当对函数极限的概念有了初步的认识，即：
按照函数在某点附近的变化趋势，对该点取值的“预期”。这个“预期”
必须从左向右“预期”与从右向左“预期”的结果相同，并且“预期”不需
要与“现实”相同。
高中阶段常见的基本初等函数（常数函数、幂函数、指数函数、
对数函数、三角函数）
，以及由若干个基本初等函数相、加、减、乘、
除、复合所构造的函数，在绝大多数“正常”情况下都有极限，并且极
限就等于函数在该处的函数值。即： lim f ( x)  f ( x0 ) 。
x x 0

需注意，所构造的函数一般只能通过基本初等函数相、加、减、
乘、除、复合得到，不能有将函数的定义域“剪开”再“拼接”的情况，
“拼接处”的极限需要专门分析讨论。
“不正常”导致基本初等函数在某处没有极限的情况主要为函数
在某点处“断开”且“衔接不上”的情况，比如上面的反比例函数在原点

处断开，正切函数 f ( x)  tan x 在全部 x   k ( k  Z) 处断开，例 1.1.2 中
2
专门构造的函数，在特殊处理过的点处也极有可能没有极限。
函数的极限的基本运算规则与数列的极限相仿：
若 lim f ( x)  A ， lim g ( x)  B ， A, B, C 为常数，则：
x x 0 x x 0
（1） lim( f ( x)  g ( x))  lim f ( x)  lim g ( x)  A  B

x  x0 x  x0 x  x0
（2） lim( f ( x)  g ( x))  lim f ( x )  lim g ( x)  A  B

x  x0 x  x0 x  x0
f ( x) lim f ( x) A
x  x0
（3） lim ( )  (B  0)
x  x0 g ( x ) lim g ( x) B
x  x0
（4） lim( f ( x)  C )  lim f ( x)  C  A  C

x  x0 x  x0
（5） lim ( f ( x)  C )  lim f ( x)  C  A  C

x x 0 x x 0
当分子为常数时，趋近于 0 的极限不能作为分母。但如果分子也
0
是趋近于 0 的极限，构成的形式，则该极限的取值需专门分析。
0
f ( x)
例 1.1.4 f ( x)  2 x 4  4 x 2 ， g ( x)  6 x 2 ，求 lim( ) 的值。
x 0 g ( x)
f ( x) lim f ( x)
x  x0
若使用公式 lim ( ) ，将得到 lim f ( x)  0 ， lim g ( x )  0 ，
x  x0 g ( x) lim g ( x) x 0 x 0
x  x0
lim f ( x) 0
则 xx 0
 ，该表达式无意义。
lim g ( x) 0
x  x0
若先不分别区分子分母的极限，而是对表达式整体进行变形：

f ( x) 2 x4  4 x2
lim( )  lim
x 0 g ( x) x 0 6x2
虽然 x 趋近于 0 ，但 x 不等于 0 ，可作为除数，令分子和分母同时

除以 x 2 得：
2 x4  4 x2 2x2  4
lim  lim
x 0 6 x2 x 0 6
对该表达式可直接使用极限的运算规则：
2 x 2  4 2  02  4 2
lim  
x 0 6 6 3
0 
除型外，还有、 0   等类型的极限，处理的原理相同，都
0 
可尝试通过将表达式整体变形，转化为常规表达式的比值的形式。
1.2 函数的变化率与曲线的切线
现在对极限有了感性的认识，本小节学习更加“数学”的极限。
以直线运动为例，对于做直线运动的物体，它的位移 s 、时间 t 、
速度 v 之间具有数量关系：
s  vt
其中：位移 s 与时间 t 可分别通过测量和计时直接得到，速度 v 通
过计算间接得到。
根据小学知识可知，若物体经过时间 t 发生的位移为 s ，则这段时
s
间内物体的平均速度为 v  。
t
从实际测量的角度考虑：在 t0 时刻开始计时，在 t0  t 时刻停止

计时，则经过的时间为 t 。
在确定原点（出发点）的基础上，物体 t0 时刻的位移为 s0 ，在 t0  t
时刻的位移为 s0  s ，则发生的位移为 s 。
所以物体在这段时间内的速度为：
( s0  s)  s0 s
v 
(t0  t )  t0 t

按照上述方法，可求得运动物体在任意两个时刻 t1  t2 所经历的时
间内的平均速度，若想要知道物体在某个时刻 t0 的速度，则需使用极
限的方法。
若令经过的时间 t 无穷小 t  0 ，则可认为开始计时的时刻与停
止计时的时刻都为 t0 ，那么在这段趋近于 0 的时间 t 内，物体发生的
s
位移 s 与时间 t 的比值，就是物体在 t0 时刻的速度，即：v(t0 )  lim 。
t  0 t
例 1.2.1 经测量，做自由落体运动的物体位移 s 与时刻 t 之间满足

1
关系 s  gt 2 ，下面求任意 t0 时刻下的速度 v(t0 ) ：
2
s
v(t0 )  lim
t  0 t
1 1
g (t0  t )2  gt0 2
 lim 2 2
t 0 (t0  t )  t0
g
 lim (t0 2  2t0 t  t 2  t0 2 )
t  0 2 t
g t
 lim (2t0  t )
t  0 2 t
g
 lim (2t0  t )
t  0 2
g
 (2t0  0)
2
 gt0
即：在任意时刻 t0 ，物体的速度为 gt0 。

从物理学的角度，重力加速度 g 的定义为：理想状况下做自由落
v
体运动的物体，单位时间内速度的变化率，即： g  。若物体的初
t
速度为 0 ，则 v(t0 )  gt0 。

s
通过分析物体在极短时间内的位移与时间的比值 lim 所求得的
t 0 t
v
速度，与根据物理学中重力加速度 g  的定义求得的速度相同。
t

一般的，函数 f ( x) 在它上面的一点 ( x0 , y0 ) 处的变化趋势都可用上
述方式表示：
令 x  0 ，两点 ( x0 , f ( x0 )) 和 ( x0  x, f ( x0  x)) 所构成的直线的斜率
f ( x0  x)  f ( x0 )
lim ，即：
t  0 ( x0  x)  x0
f ( x0  x)  f ( x0 )
lim
t  0 x
上述表达式表示函数 f ( x) 在 ( x0 , y0 ) 处的变化趋势，也叫做函数
f ( x) 在 ( x0 , y0 ) 处的变化率，还叫做函数 f ( x ) 在 ( x0 , y0 ) 处的导数。
若以 x 为自变量，以 f ( x) 在 x 处的导数为因变量构造函数：
f ( x  x )  f ( x )
f '( x)  lim
t  0 x
函数 f '( x) 叫做原函数 f ( x) 的导函数，简称导数。
导数既可指某个函数的导函数，也可指某个函数在其上一点处的
变化率。指代对象的类型可根据具体语句判断。
1
例 1.2.1 中，以时间 t 为自变量、位移 s 为因变量构造的函数 s  gt 2
2
的导函数为 v  gt 。
导函数 v  gt 的自变量仍为时间 t ，因变量为位移 s 的变化率，也
就是速度 v 。
由于匀速直线运动的 s  t 图像是一条斜率为 v 的直线 s  vt ，所以
自由落体运动的每个时刻都可看作一瞬间的匀速直线运动。原函数
1 2 1
s gt 上的每个点 (t0 , gt0 2 ) 处的变化趋势都可用一条斜率为 gt0 、且过
2 2
1
该点 (t0 , gt0 2 ) 的直线表示，该直线的点斜式方程为：
2
1 2
y  gt0 ( x  t0 )  gt0
2
1 1
该直线也叫做函数 s  gt 2 在 (t0 , gt0 2 ) 处的切线。切线的几何意义
2 2
为表示图形在某个位置处的变化趋势的直线。

一般的，函数 f ( x) 在它上面的一点 ( x0 , y0 ) 处的切线为：以该点处
的导数 f '( x0 ) 为斜率，且经过该点 ( x0 , y0 ) 的直线。可用点斜式表示：
y  f '( x0 )( x  x0 )  y0
通过对“变化率”进行严谨分析，对平面几何中切线的概念有了更
严谨的定义，即：表示图形某处的变化趋势的直线。
事实上，直线与函数图像交点的个数对于判断直线是否是切线，
既不是充分条件，也不是必要条件。过去用交点个数判断只是因为过
去学习的图形和函数的切线“恰好”与函数图像只有一个交点。为严
谨起见，使用切线的定义，根据曲线方程得到切线的点斜式方程是作
图像切线的更可靠、更一般的方法。
需注意，函数在它上面某处存在切线，须建立在该处有导数的前
提上。函数在它上面某处有导数，须要求函数在该处有极限，并且极
限与函数值相等。
判断函数的某处是否有导数，除严谨地证明函数在某处有极限且
极限值与函数值相等外，也可用如下方法简单判断：
对于基本初等函数以及由若干个基本初等函数相、加、减、乘、
除、复合所构造的函数，在定义域上连续（不间断）
、图像上看起来“平
滑”的位置处都有导数，“间断”和“突变”的位置一般没有导数。
二、基本初等函数的导数
虽然理论上根据导数的定义可用极限求出所有函数的导数，但由
于大部分函数的表达式较复杂，直接使用定义往往难以甚至无法求得
函数的导数。
高中阶段绝大多数常见的函数都可由基本初等函数通过加、减、
乘、除、复合等方式构造，可先求得基本初等函数的导数作为“基底”，
以此为基础按照一定的规则，求出较复杂的函数的导数。

2.1 常数函数的导数
常数函数 f ( x)  c （ c 为常数）的导函数为：
y f ( x0  x )  f ( x0 ) cc
f '( x0 )  lim  lim  lim 0
x 0 x x  0 x x  0 x
即： f '( x)  0 。
常数函数的导数恒为 0 。
常数函数的函数值恒为常数，不随自变量变化法而变化，既不增
加也不减少，所以变化率恒为 0 。
下面是常数函数 f ( x)  2 与它的导函数 f '( x)  0 的图像。
f ( x)  2 f '( x)  0
2.2 幂函数的导数
幂函数 f ( x)  x n （ n  N * ）的导函数为：
f ( x0  x )  f ( x0 )
f '( x0 )  lim
x  0 x
( x0  x) n  x0 n
 lim
x 0 x
( x0 n  Cn1 x0 n -1  x  Cn2 x0 n -2  x 2    x n )  x0 n
 lim
x 0 x
Cn1 x0 n -1  x  Cn2 x0 n -2  x 2    x n
 lim
x  0 x
 lim Cn1 x0 n -1  Cn2 x0 n -2  x    x n 1
x 0

因为 x  0 ，所以除第一项 Cn1 x0 n -1 外的其余各项都趋近于 0 ，所以
f '( x0 )  Cn1 x0 n -1 ，即：
f '( x)  nx n -1
以上为指数为正整数时幂函数的导函数。事实上，对任意 a  R 且
a  0 ，都有：若 f ( x)  x a ，则 f '( x)  ax a -1 。
指数为任意实数的幂函数的导函数公式的推导过程较复杂，只需
掌握指数为正整数的情况即可。
即：幂函数的导函数，相当于将指数“提取”出来成为系数，并将
指数减去一。
下面是二次函数 f ( x)  x 2 与它的导函数 f '( x)  2 x 的图像。
f ( x)  x 2 f '( x)  2 x
从图中可读出：
当 x  (, 0) 时， f ( x) 单调递减， f '( x)  0 ；
当 x  (0, ) 时， f ( x) 单调递增， f '( x)  0 ；
当 x  0 时， f ( x) 为其最小值， f '( x)  0 。

1 1
下面是反比例函数 f ( x)  与它的导函数 f '( x)   的图像。
x x2
1 1
f ( x)  f '( x)  
x x2
当 x  (, 0) 时， f ( x) 单调递减， f '( x)  0 ；
当 x  (0, ) 时， f ( x) 也单调递减， f '( x)  0 ；
反比例函数的单调性不能跨越区间，其在 (, 0) 区间内的最大值
 0 ，在 (0, ) 区间内的最小值  0 ，原点左侧单调递增区间的最大值
小于原点右侧单调递增区间的最小值，跨越原点的区间不单调。
2.3 指数函数的导数
指数函数与对数函数的导函数的推导过程超出高中要求，甚至不
需要了解，直接记忆结果即可。
指数函数 f ( x)  a x （ a  0 且 a  1 ）的导函数为：
f '( x)  a x ln a
即：指数函数的导数，相当于在原函数的基础上乘以 ln a 。
若底数为 e ， f ( x)  e x ，则 f '( x)  e x ln e  e x ，还是它本身。

下面是指数函数 f ( x)  e x 与它的导函数 f '( x)  e x 的图像。
f ( x)  e x f '( x)  e x
f ( x) 在定义域内单调递增，且递增得越来越快； f '( x)  0 恒成立。
1 1 1
下面是指数函数 f ( x)  ( ) x 与它的导函数 f '( x)  ( ) x ln 的图像。
2 2 2
1 1 1
f ( x)  ( ) x f '( x)  ( ) x ln
2 2 2
f ( x) 在定义域内单调递减，且递减得越来越快； f '( x)  0 恒成立。

2.4 对数函数的导数
对数函数 f ( x)  log a x （ a  0 且 a  1 ）的导函数为：
1
f '( x) 
x ln a
即： x 与 ln a 的乘积的倒数。
1 1
若底数为 e ： f ( x)  ln x ，则 f '( x)  
x ln e x
学习幂函数 f ( x)  x a 的导数时，特地排除了 a  0 （函数为常数函

k
数）的情况，所以幂函数中不存在导数为 f '( x)  kx 01  （ k 为系数）
x
的情况，这个“空白”留给了对数函数。
1
下面是对数函数 f ( x)  ln x 与它的导函数 f '( x)  的图像。
x
1
f ( x)  ln x f '( x) 
x
f ( x) 在定义域内单调递增，且递增得越来越慢； f '( x)  0 恒成立，
且 f '( x) 单调递减。

1
下面是对数函数 f ( x)  log 1 x 与它的导函数 f '( x)   的图像。
2 x ln 2
1
f ( x)  log 1 x f '( x)  
2 x ln 2
f ( x) 在定义域内单调递减，且递减得越来越慢； f '( x)  0 恒成立，
且 f '( x) 单调递曾。
2.5 三角函数的导数
正弦函数 f ( x)  sin x 的导函数为：
f ( x0  x )  f ( x0 )
f '( x0 )  lim
x  0 x
sin( x0  x)  sin x0
 lim
x  0 x
x x
2 cos( x0  ) sin
 lim 2 2
x  0 x
sin x
其这里需要使用一个结论： lim =1 ：
x 0 x
x x x
2 cos( x0  ) sin sin
lim 2 2  lim cos( x  x )  lim 2  lim cos( x  x )
x  0 x x  0
0
2 x  0  x x  0
0
2
2
x
因为 lim ( x0  )  x0 ，所以：
x 0 2

x
lim cos( x0  )  cos x0
x 0 2
即：
f '( x)  cos x
下面是正弦函数 f ( x)  sin x 与它的导函数 f '( x)  cos x 的图像。
f ( x)  sin x f '( x)  cos x
 
从图中可读出：在区间 [  2k ,  2k ] (k  Z) 内，f ( x) 单调递增，
2 2
 3
f '( x)  0 ；在区间 [  2k ,  2k ,] ( k  Z) 内， f ( x) 单调递减， f '( x)  0 。
2 2
余弦函数 f ( x)  cos x 的导函数为：

f ( x0  x)  f ( x0 )
f '( x0 )  lim
x 0 x
cos( x0  x )  cos x0
 lim
x  0 x
x x
2 cos( x0  ) sin
 lim 2 2
x  0 x
sin x x
同理，使用 lim  1 和 lim ( x0  )  x0 ：
x 0 x x 0 2
x x
2 cos( x0  ) sin
lim 2 2   sin x
0
x 0 x
即：

f '( x)   sin x
下面是余弦函数 f ( x)  cos x 与它的导函数 f '( x)   sin x 的图像。
f ( x)  cos x f '( x)   sin x
从图中可读出：在区间 [  2k , 2k ] (k  Z) 内， f ( x) 单调递增，

f '( x)  0 ；在区间 [2k ,   2k ] ( k  Z) 内， f ( x ) 单调递减， f '( x)  0 。
正切函数 f ( x)  tan x 的导函数为：

f ( x0  x)  f ( x0 )
f '( x0 )  lim
x 0 x
tan( x0  x)  tan x0
 lim
x 0 x
sin x
cos( x0  x ) cos x0
 lim
x  0 x
sin x 1
 lim  lim
x  0 x x  0 cos( x0  x) cos x0
sin x
再次使用 lim  1 和 lim ( x0  x)  x0 ：
x  0 x x 0
sin x 1 1
lim  lim 
x 0 x x0 cos( x0  x) cos x0 cos 2 x0
即：
1
f '( x) 
cos 2 x

1
下面是正切函数 f ( x)  tan x 与它的导函数 f '( x)  的图像。
cos 2 x
1
f ( x)  tan x f '( x) 
cos 2 x
 
从图中可读出：在任意区间 [  k ,  k ] (k  Z) 内， f ( x) 分别单
2 2
调递增， f '( x)  0 。
综上，各基本初等函数的导函数如下：
名称函数导函数备注
常数函数 f ( x)  c f '( x)  0
幂函数 f ( x)  x a f '( x)  ax a 1 a0
指数函数 f ( x)  a x
f '( x)  a ln a
x
a  0且a 1
1
对数函数 f ( x)  log a x f '( x)  a  0且a 1
x ln a
正弦函数 f ( x)  sin x f '( x)  cos x
余弦函数 f ( x)  cos x f '( x)   sin x
1
正切函数 f ( x)  tan x f '( x) 
cos 2 x

三、导数的基本运算
函数之间可进行加、减、乘、除、复合等基本运算，构造出新的
函数。所构造的函数的导数也可由构造它的函数的导数通过运算进行
表示。
事实上，平时见到的绝大多数都由最基本的函数通过运算构造而
成，所以导数的基本运算也是求较复杂函数的导数的重要方法。
3.1 函数与常数相乘或相加的导数
若函数 f ( x) 的导数为 f '( x) ，则 f ( x) 与常数 k (k  0) 相乘所构成的
函数 g ( x)  kf ( x) 的导数为：
g '( x )  kf '( x )
即：原函数的导数乘以该常数。
函数除以一个非 0 常数相当于乘以它的倒数。
按照函数伸缩变换的规律，函数整体乘以一个常数 k (k  0) ，相
当于将函数图像沿垂直方向伸缩为原来的 k 倍，所以函数增大或减小
的幅度也变为原来的 k 倍。
例 3.1.1 求函数 f ( x)  2 x 的导数。
令 g ( x)  x ，则 f ( x)  2 g ( x) ，
g '( x )  1
f '( x)  2 g '( x)  2
例 3.1.2 求函数 f ( x)  log a x 的导数。

ln x 1
使用换底公式： f ( x)  log a x    ln x
ln a ln a
1 1 1
f '( x)   
ln a x x ln a
与直接按照公式对 f ( x)  log a x 求导的结果相同。
若一个函数与多个非 0 常数相乘除，可先将这些常数先乘除，将
最终的结果直接与函数相乘除。

f ( x) 与常数 c 相加所构成的函数 g ( x )  f ( x )  c 的导数仍为 f '( x) ，
即： g '( x)  f '( x)
减去一个常数相当于加上它的相反数，
由于常数函数与任意常数加减乘除后仍为常数函数，所以任意常
数函数的导数都为 0 ，与该性质一致。
按照函数平移变换的规律，函数整体加上一个常数 c ，相当于将
函数图像沿 y 轴正方向平移 c 。平移变换不改变函数图像的形状，所
以也不改变增大或减小的趋势。
若一个函数与多个常数相加减，可先将这些常数相加减，再将最
终的结果直接与函数相加减，导数不变化。
需注意，本小节的函数与常数相乘除和相加减，需为函数表达式
整体与常数加减乘除，不能为函数的部分与常数加减乘除。
3.2 函数相加减的导数
若函数 f ( x) 和 g ( x) 的导数分别为 f '( x) 和 g '( x) ，则 f ( x) 与 g ( x) 相加
减所构成的函数 h( x)  f ( x)  g ( x) 、 i ( x)  f ( x)  g ( x) 的导数分别为：
h '( x )  f '( x)  g '( x)
i '( x )  f '( x)  g '( x)
即：两个函数相加减所构成的函数的导数为：原来两个函数的导
数相加减。
若多个函数相加减，则最终所得的函数的导数为每个函数的导数
相加减。
例 3.2.1 f ( x)  4 x3 ，g ( x)  2 x3 ，求 h( x)  f ( x)  g ( x) 和 i ( x)  f ( x)  g ( x)
的导数。
f '( x)  4  3 x31  12 x 2
g '( x)  2  3 x 31  6 x 2
h '( x)  f '( x )  g '( x)  12 x 2  6 x 2  18 x 2
i '( x)  f '( x)  g '( x)  12 x 2  6 x 2  6 x 2

由于 f ( x) 与 g ( x) 都是关于 x3 的单项式，也可直接求出 h( x) 和 i ( x) 的
表达式再求导数：
h( x)  f ( x)  g ( x)  4 x 3  2 x3  6 x 3
导数为 h '( x)  6  3x 31  18 x 2

i ( x )  f ( x)  g ( x )  4 x 3  2 x 2  2 x 2
导数为 i ( x)  2  3x31  6 x 2
用两种方式所求得的结果相同。
例 3.2.2 f ( x)  sin x ， g ( x)  cos x ，求 h( x)  f ( x)  g ( x) 的导数。

f '( x)  cos x
g '( x )   sin x
h '( x)  f '( x)  g '( x)  cos x  sin x
也可使用和角公式求出 h( x) 的表达式再求导数：

h( x)  f ( x)  g ( x)  sin x  cos x  2 sin( x  )
4
这里提前“预支”一个性质： x 加减任意常数，函数的导数不变。

h '( x)  2 cos( x  )
4
将其用和角公式展开为：
  
h '( x)  2 cos( x  )  2(cos x cos  sin x sin )  cos x  sin x
4 4 4
3.3 函数相乘的导数
若函数 f ( x) 和 g ( x) 的导数分别为 f '( x) 和 g '( x) ，则 f ( x) 与 g ( x) 相乘
所构成的函数 h( x)  f ( x) g ( x) 的导数为：
h '( x)  f '( x) g ( x)  f ( x) g '( x)
即：两个函数相乘所构成的函数的导数为：一个函数的导数与另
一个函数的乘积，加上另一个函数的导数与这个函数的乘积。

从公式中可以看出，两个原函数分别求了一次导数并与另一个函
数相乘，互换位置后表达式不变，两个函数的“地位”平等。
例 3.3.1 f ( x)  2 x ， g ( x)  3x ，求 h( x)  f ( x) g ( x) 的导数。
f '( x)  2 x ln 2
g '( x)  3x ln 3
h '( x)  f '( x) g ( x)  f ( x) g '( x)
 2 x ln 2  3x  3x ln 3  2 x
 6 x ln 2  6 x ln 3
 6 x ln 6
也可直接求出 h( x) 的表达式再求导数：
h( x)  f ( x) g ( x )  2 x  3x  6 x
h '( x)  6 x ln 6
例 3.3.2 f ( x)  tan x ， g ( x)  cos x ，求 h( x)  f ( x) g ( x) 的导数。

1
f '( x) 
cos 2 x
g '( x )   sin x
h '( x)  f '( x) g ( x)  f ( x) g '( x)
1
  cos x  tan x  ( sin x)
cos 2 x
1 sin 2
 
cos x cos x
cos 2 x

cos x
 cos x
也可直接求出 h( x) 的表达式再求导数：
h( x )  f ( x ) g ( x)  tan x  cos x  sin x
h '( x)  cos x

若求三个函数相乘所构成的函数的导数，可先将其中两个按照该
规则求导，然后再与第三个函数按照该规则求导：
若函数 f1 ( x), f 2 ( x), f3 ( x) 的导数分别为 f1 '( x), f 2 '( x), f3 '( x) ，则它们相乘
所构成的函数 g ( x)  f1 ( x) f 2 ( x) f 3 ( x) 的导数为：
可先设 h( x)  f1 ( x) f 2 ( x) ，则 g ( x)  h( x) f 3 ( x)
根据两个函数相乘的导数可得：
h '( x)  f1 '( x) f 2 ( x)  f1 ( x ) f 2 '( x)
g '( x)  h '( x) f 3 ( x)  h( x ) f3 '( x)
将 h( x) 和 h '( x) 表达代入 g '( x) 的表达式：

g '( x)  h '( x) f 3 ( x)  h( x ) f3 '( x)
 ( f1 '( x) f 2 ( x)  f1 ( x ) f 2 '( x)) f 3 ( x)  f1 ( x) f 2 ( x) f 3 '( x)
 f1 '( x) f 2 ( x ) f3 ( x )  f1 ( x ) f 2 '( x ) f 3 ( x )  f1 ( x ) f 2 ( x) f3 '( x )
作为练习，请使用数学归纳法，按照上述方法推导 n 个函数相乘
所构成的函数的导数。
3.4 函数相除的导数
若函数 f ( x) 和 g ( x) 的导数分别为 f '( x) 和 g '( x) ，则 f ( x) 除以 g ( x) 所
f ( x)
构成的函数 h( x)  的导数为：
g ( x)
f '( x) g ( x)  f ( x) g '( x)
h '( x ) 
g 2 ( x)
即：一个函数除以另一个函数所构成的函数的导数为：被除数（分
子位置）函数的导数与除数（分母位置）函数的乘积，减去除数（分
母位置）函数的导数与被除数（分子位置）函数的乘积，再除以除数
（分母位置）函数的平方。
虽然除以一个函数的表达式，相当于乘以该函数表达式的倒数。
但由于对大多数函数的倒数求导的复杂程度不亚于直接对除法表达
式求导，所以实际较少使用。

f ( x)
例 3.4.1 f ( x)  ln x ， g ( x)  e x ，求 h( x)  的导数。
g ( x)
1
f '( x) 
x
g '( x)  e x
f '( x) g ( x)  f ( x) g '( x)
h '( x) 
g 2 ( x)
1 x
 e  ln x  e x
 x
(e x ) 2
1  x ln x

xe x
f ( x)
例 3.4.2 f ( x)  x 4  1 ， g ( x)  x 2 ，求 h( x)  的导数。
g ( x)
f '( x)  4 x 3
g '( x )  2 x
f '( x) g ( x)  f ( x) g '( x)
h '( x) 
g 2 ( x)
4 x3  x 2  ( x 4  1)  2 x

( x 2 )2
2
 2x 
x3
本例较特殊，也可直接求出 h( x) 的表达式再求导数：
f ( x) x 4  1
h( x)   2  x 2  x 2
g ( x) x
2
h '( x)  2 x 21  ( 2) x 2 1  2 x 
x3
3.5 复合函数的导数
若函数 f ( x) 和 g ( x) 的导数分别为 f '( x) 和 g '( x) ，则 f ( x) 与 g ( x) 所构
成的复合函数 h( x)  g ( f ( x) 的导数为：

h '( x )  g '( f ( x))  f '( x)
即：先将内层的函数看作一个整个体，对外层函数求导，再乘以
内层函数的导数。通过具体例子理解更直观。
需注意，对外层的函数求导时，要将内层的函数 f ( x) 当作不能再
变化的整体进行求导，其具体表达式不能改变。
例 3.5.1 f ( x)  2 x  1， g ( x)  x3 ，求 h( x)  g ( f ( x)) 的导数。
h( x)  (2 x  1)3
h '( x)  3(2 x  1) 2  2  6(2 x  1) 2
也可先用完全立方公式将 h( x) 展开再求导数：
h( x)  (2 x  1)3  8 x 3  12 x 2  6 x  1
h '( x)  24 x 2  24 x  6
6(2 x  1) 2  24 x 2  24 x  6 ，用两种方式所求得的结果相同。
例 3.5.2 f ( x)  2 x ， g ( x)  sin x ，求 h( x)  g ( f ( x )) 的导数。

h( x )  sin(2 x )
h '( x)  g '( f ( x))  f '( x )
 cos(2 x)  2
 2 cos(2 x)
也可用二倍角公式将 h( x) 展开再求导数：
h( x)  sin(2 x)  2sin x cos x
h '( x)  2(cos x  cos x  2sin x  (  sin x ))
 2(cos 2 x  sin 2 x)
 2 cos(2 x)
用两种方式所求得的结果相同.
多个函数 f1 ( x), f 2 ( x), , f n ( x) 形成的复合函数 g ( x)  f1 ( f 2 ( f n ( x)))
的导数为：
g '( x)  f1 '( f 2 ( f n ( x) ))  f 2 '( f n ( x) )  f n '( x)
一层一层“抽丝剥茧”再逐个相乘即可。

例 3.5.3 求函数 f ( x)  ln 2 4 sin x  4 的导数。
3
1 1 
f '( x)  2 ln 4sin x  4   ( )(4sin x  4) 2  4 cos x
4sin x  4 2
ln 4sin x  4  cos x

4(sin x  1)2
需注意，进行导数的运算时，为确保导数有意义，定义域经常需
要发生相应的变化。
综上，导数的基本运算如下
运算方式函数新导数
乘以常数 kf ( x ) kf '( x )
相加减 f ( x )  g ( x) f '( x)  g '( x)
相乘 f ( x) g ( x) f '( x) g ( x)  f ( x) g '( x)
f ( x) f '( x ) g ( x )  f ( x) g '( x)
相除
g ( x) g 2 ( x)
复合函数 g ( f ( x )) g '( f ( x)) f ( x )
四、导数的应用
导数反映函数局部变化趋势这一重要性质，使得导数成为分析函
数性质和解决函数问题的有力工具。
4.1 判断函数的单调性
函数 f ( x) 的导数 f '( x) 反映函数局部的变化趋势，这个趋势的直观
体现就是函数在某点 ( x0 , y0 ) 处的切线的斜率 k  f '( x) 。
若切线的斜率 f '( x)  0 ，则切线所表示的一次函数单调递增，那
么 f ( x) 在该处也单调递增。
若切线的斜率 f '( x)  0 ，则切线所表示的一次函数单调递减，那
么 f ( x) 在该处也单调递减。
若切线的斜率 f '( x)  0 ，则切线所表示的一次函数不增不减，那
么 f ( x) 在该处也不增不减。

以上是函数 f ( x) 上某个点的变化趋势情况，若 f ( x) 在某个区间
(a, b) 内的导数恒  0 ，则 f ( x ) 在该区间内每个点都单调递增，则 f ( x) 在
整个区间内都单调递增。
同理，若 f ( x) 在某个区间 (a, b) 内的导数恒  0 ，则 f ( x) 在该区间
内每个点都单调递减，则 f ( x) 在整个区间内都单调递减。
若 f ( x) 在某个区间 (a, b) 内的导数恒  0 ，则 f ( x) 在该区间内每个
点都不增不减，则 f ( x) 在整个区间内都不增不减，为常数。
综上，函数 f ( x) 在定义域区间 (a, b) 内的单调性与导数 f '( x) 的正负
有直接对应关系。区间 (a, b) 内：
f ( x) 单调递增的充要条件为： f '( x)  0 ；
f ( x) 单调递减的充要条件为： f '( x)  0 ；
f ( x) 不增不减的充要条件为： f '( x)  0 。
用导数判断函数的单调性是一种一般的通用方法，不需要专门分
析具体函数表达式的性质，只需要求出导函数，使用不等式等方法分
析导函数的正负即可。
例 4.1.1 求二次函数 f ( x)   x 2  2 x  4 的单调性。
求该函数的导函数：
f '( x)  2 x  2
当 f '( x)  2 x  2  0 ，即： x  1 时， f ( x) 的单调递增；

当 f '( x)  2 x  2  0 ，即： x  1 时， f ( x) 的单调递减；
当 f '( x)  2 x  2  0 ，即： x  1 时， f ( x) 的单调递减。
使用配方法予以验证：
f ( x)   x 2  2 x  4  ( x  1) 2  5
由于 ( x  1)2 是完全平方数，恒  0 ：
当 x  1 时， ( x  1)2 单调递减， f ( x)  ( x  1)2  5 单调递增；
当 x  1 时， ( x  1)2 单调递增， f ( x)  ( x  1)2  5 单调递减。
两种分析方法得到的结论一致。

ln x
例 4.1.2 求函数 f ( x)  的单调性。
x2
根据表达式得出函数的定义域为 (0, ) 。对函数求导：

1 2
 x  ln x  2 x
1  2 ln x
f '( x)  x 2 2

(x ) x3
由于 x  (0, ) ，分母 x3  0 ，所以只需分析分子 1  2 ln x 的正负即

可。
ln x
令 1  2 ln x  0 ，解得：0  x  e ，即：当 x  (0, e ) 时， f ( x)  单
x2
调递增。
ln x
令 1  2 ln x  0 ，解得： x  e ，即：当 x  ( e , ) 时， f ( x)  单
x2
调递减。
下面是该函数的图像，以及将 x 轴与 y 轴按照 5 :1 的比例拉伸后在
1 1
( e, ) 附近的放大图（ e  1.65 ，  0.18 ）。
2e 2e
1 1
从图中可读出：函数在 ( e , ) 左侧单调递增，在 ( e , ) 右侧单
2e 2e
调递减。

4.2 判断函数的极大值、极小值与最大值、最小值
学习函数的基本知识时，初步了解了函数的极大值、极小值与最
大值、最小值这两组不同的概念。现在专门学习这两组概念。
最大值与最小值是函数值域的全部取值中最大和最小的数值。
有些函数有最大值和最小值，比如， f ( x)  sin x 的最大值为 1 ，最
小值为 1 。
有些函数有最大值、没有最小值，比如， f ( x)   x 2 的最大值为 0 ，
没有最小值。
有些函数没有最大值、有最小值，比如， f ( x)  x 没有最大值，
最小值为 0 。
有些函数没有最大值和最小值，比如， f ( x)  x ， f ( x)  tan x ，
f ( x)  ln x 等都没有最大值和最小值。
极大值与极小值是用于描述函数局部性质的概念。
若函数 f ( x) 上的一点 ( x0 , y0 ) 及其附近满足： f '( x0 )  0 ，且在 ( x0 , y0 )
左侧 f '( x)  0 ，在 ( x0 , y0 ) 右侧 f '( x)  0 ，则 ( x0 , y0 ) 叫做 f ( x) 的一个极大值
点， y0 叫做 f ( x) 的一个极大值。
根据上述关系可得：因为 f ( x) 在 ( x0 , y0 ) 左侧 f '( x)  0 ， f ( x) 单调递

增，所以左侧附近的函数值都比 ( x0 , y0 ) 小。
又因为 f ( x) 在 ( x0 , y0 ) 右侧 f '( x)  0 ， f ( x) 单调递减，所以右侧附近
的函数值也都比 ( x0 , y0 ) 小。
综上，在 ( x0 , y0 ) 左右附近， y0 是最大的函数值。
至于距离 ( x0 , y0 ) 多近才能叫做“附近”，高中阶段不学习其严格定
义。可近似认为只要函数 f ( x) 在 ( x0 , y0 ) 附近连续，没有“断开”和“突
变”，并且导数的正负号也没有变化，则可认为这段范围内都在 ( x0 , y0 )
的“附近”。
与极大值相对应，若函数 f ( x) 上的一点 ( x0 , y0 ) 及其附近满足：
f '( x0 )  0 ，且在 ( x0 , y0 ) 左侧 f '( x)  0 ，在 ( x0 , y0 ) 右侧 f '( x)  0 ，则 ( x0 , y0 ) 叫
做 f ( x) 的一个极小值点， y0 叫做 f ( x) 的一个极小值。
极大值与极小值统称为函数的极值。
一个函数的极大值与极小值的数量、极大值点与极小值点的数量
由具体函数表达式所确定。可能有一个，可能有多个，可能没有，需
对函数表达式进行具体分析。
比如，正弦函数 f ( x)  sin x 只有一个极大值 1和一个极小值 1 ，但

有无穷多极大值点 (  2k ,1) （ k  Z ，下同）和无穷多极小值点
2

(  2k , 1) 。
2
需注意辨析最大值、最小值与极大值、极小值的概念。最大（小）
值是函数整体的性质，极大（小）值是函数局部的性质。
一个函数有没有最大值、最小值，与它有没有极大值、极小值之
间没有必然联系。
例 4.2.1 分析 f ( x)   x 2 的极大值、极小值与最大值、最小值。
f '( x)  2 x
f '(0)  0
f ( x) 在 (0, 0) 左侧单调递增，右侧单调递减，所以 0 是该函数的一

个极大值。
根据二次函数的性质进行分析同样可得 0 是该函数的最大值。
该函数没有极小值，也没有最小值。
例 4.2.2 分析 f ( x)  2 x3  9 x 2  12 x 的极大值、极小值与最大值、最
小值。
f '( x)  6 x 2  18 x  12
 6( x  2)( x  1)
当 x  (,1) 时， f '( x)  0 ， f ( x) 单调递增；

当 x  1 时， f '( x)=0 ；
当 x  (1, 2) 时， f '( x)  0 ， f ( x) 单调递减；
当 x  2 时， f '( x)=0 ；
当 x  (2, ) 时， f '( x)  0 ， f ( x) 单调递增。
所以 (1,5) 是 f ( x) 的一个极大值点， (2, 4) 是一个极小值点。
由于当 x   时，f ( x )   ；且当 x   时，f ( x)   。所以 f ( x)
有很多比 f (1)  5 大的取值，也有很多比 f (2)  4 小的取值，所以这两
个点不是 f ( x) 的最大值或最小值点。事实上，该函数没有最大值和最
小值。 f ( x)  2 x3  9 x 2  12 x 的图像如下图所示。

二阶导数。函数 f ( x) 二阶导数的定义为：函数 f ( x) 的导数 f '( x) 的
导数，叫做 f ( x) 的二阶导数，一般记作 f ''( x) 。 f '( x) 也叫做 f ( x) 的一
阶导数。
对于函数 f ( x) ，若已求得 f '( x0 )  0 ，需判断 ( x0 , y0 ) 是极大值还是
极小值时，除分别分析 ( x0 , y0 ) 两侧附近的单调性外，也可用二阶导数
进行判断。用二阶导数判断的方法比分别分析两侧的单调性要更简便
且可靠。判断方法为：
若 f '( x0 )  0 且 f ''( x0 )  0 ，则 ( x0 , y0 ) 为 f ( x) 的一个极大值点；
若 f '( x0 )  0 且 f ''( x0 )  0 ，则 ( x0 , y0 ) 为 f ( x) 的一个极小值点。
其原理为：
因为 f ( x) 的二阶导数 f ''( x) 是导数 f '( x) 的导数，所以 f ''( x) 的正负
与 f '( x) 的单调性直接相关。
若 f ''( x0 )  0 ，说明 f '( x) 在 x  x0 附近单调递减；又因为 f '( x0 )  0 ，
则在 x  x0 左侧（ x  x0 ）有 f '( x)  f ( x0 )  0 ，即： f ( x) 在 x  x0 左侧单调
递增。
同理，在 x  x0 右侧（ x  x0 ）， f '( x)  f ( x0 )  0 ，说明 f ( x) 在 x  x0
右侧单调递减。所以 ( x0 , y0 ) 为 f ( x) 的一个极大值点。
关于极小值点的判断同理，请自行分析。
例 4.2.3 分析 f ( x)  2 x3  9 x 2  12 x 的极值点。
求一阶导数：
f '( x)  6 x 2  18 x  12
 6( x  2)( x  1)
当 x  1 或 x  2 时， f '( x)  0
求二阶导数：
f ''( x)  12 x  18
f ''(1)  6  0 ，所以 (1,5) 是一个极大值点；f ''(2)  6  0 ，所以 (2, 4) 是
一个极小值点。与之前分析的结果相同。

需注意，只有 f '( x0 )  0 一个条件不能判定该点为 f ( x) 的极值点，
还需要 f '( x) 在 x  x0 两侧的正负不同（ f ( x) 的单调性不同）或 f ''( x0 )  0
才成立。
若 f '( x) 在 x  x0 两侧的正负相同，则 ( x0 , f ( x0 )) 不是 f ( x) 的极值点，
而是拐点。拐点处，函数自身增大或减小的趋势没变，但增大或减小
这一趋势的趋势改变了。在拐点处，函数的二阶导数为 0 或不存在。
拐点的几何意义为：函数的增长趋势发生变化的点。即：从“增
大（减小）得越来越快”变为“增大（减小）得越来越慢”或从“增大（减
小）得越来越慢”变为“增大（减小）得越来越快”。
例 4.2.4 分析 f ( x)  x 3  6 x 2  12 x 的极值点。
求一阶导数：
f '( x)  3 x 2  12 x  12
 3( x  2) 2
当 x  2 时， f '( x)  0 。 f (2)  8 ， (2,8) 可能为极值点或拐点。

求二阶导数：
f ''( x)  6 x  12
因为 f ''(2)  0 ，所以 (2,8) 不是函数的极值点，而是拐点。

该函数的图像以及 (2,8) 附近的图像如下图所示。

从图中可读出：函数在 (2,8) 左右两侧都单调递增，其中左侧的坡
度越来越缓，表示增大得越来越慢；右侧的坡度越来越陡，表示增大
得越来越快。
函数在 (2,8) 处的导数为 0 ，在该处的切线为一条水平的直线，与
函数图像有三个交点。
用导数判断函数极值点的优势与判断函数单调性相似，只需求出
导数的零点和零点处二阶导数的正负即能得知函数的极值点，不需要
再对函数的表达式及图像进行专门分析。
用导数判断函数最大值、最小值之前，首先需要根据函数的表达
式判断函数是否有最大值或最小值，一般分析函数在 x   、x   、
对数的真数趋近于 0 ，分式的分母趋近于 0 等特殊位置的是否趋近于
 即可。
若函数在这些位置的取值都不趋近于  ，则函数一般有最大值；
若函数在这些位置的取值都不趋近于  ，则函数一般有最小值。

小结
本章学习函数的导数，主要包括基本初等函数的导数、导数的基
本运算，以及极限的知识拓展。
高中阶段，导数主要作为分析解决函数问题的工具。需重点理解
导数的含义与反映的函数的性质，熟练掌握使用导数的基本运算求复
杂导数的方法，并能熟练使用导数判断函数的单调性和极值点。
虽然本章内容看起来较难，但其实思路较直接。只要理解导数表
示函数的变化率这一实质，能熟练求导数，用导数分析单调性和极值
点，就掌握了本章绝大部分内容。
由于基本初等函数的导数与导数的基本运算有较多需熟练记忆
的公式，本章需要进行较多练习，能对看上去复杂的导函数表达式“习
以为常”“见怪不怪”。
若学有余力，需认真理解掌握极限的知识拓展和部分基本初等函
数的导数的推导过程。若条件不允许，需直接熟记函数的导数公式，
直接套公式使用即可，高中阶段不需要掌握导函数的推导过程。极限
的基本运算原则也应理解掌握。

线性规划是又一个“数形结合”的典型应用，其原理和过程当中都
时刻体现着数形结合的思想。若函数和解析结合基础较好，则线性规
划较容易理解和掌握。
极坐标方程是使用极坐标系将平面坐标化并进行运算的方法，与
已经深入学习的平面直角坐标系有很强的联系以及明显的不同。虽然
高中阶段对极坐标系的使用较少，但认真学习极坐标系既能帮助加深
对解析几何的理解，也能帮助拓宽思路。
一、线性规划
解决实际问题时，经常会遇到很多客观因素或主观要求等约束条
件，将可选择的方案限制在一定的范围内，只能在这个范围内寻找最
优解。若所有的约束条件都可用类似直线方程的形式表示，在这种限
制条件下寻找最优解的过程和方法叫做线性规划。
1.1 线性规划的原理
学习解析几何时，除可用方程（等式）表示具体图形外，也可用
不等式平面中的一片区域。
例 1.1.1 对于以 (1, 4) 为圆心，半径 r  2 的圆周上的点，可用方程
( x  1)2  ( y  4) 2  22 表示。
该方程的几何含义为：到圆心的距离等于半径的点，所以满足该
方程的点都在圆周上。
不等式 ( x  1)2  ( y  4)2  22 表示到圆心的距离小于半径的点，所以
满足该方程的点都在圆周内。
不等式 ( x  1)2  ( y  4)2  22 表示到圆心的距离大于半径的点，所以
满足该方程的点都在圆周外。
例 1.1.2 x 轴可用方程 y  0 表示， x 轴将整个平面分割为两部分。
x 轴上方的区域内，所有点的纵坐标都  0 ，所以 x 轴上方的区域

可用不等式 y  0 表示。同理， x 轴下方的区域内，所有点的纵坐标都
 0 ， x 轴下方的区域可用不等式 y  0 表示。
更加一般的，直线 Ax  By  C  0 也将平面分割为两部分，一部分
内的所有点都满足不等式 Ax  By  C  0 ，另一部分内的所有点都满足
不等式 Ax  By  C  0 。
例 1.1.3 直线 2 x  y  2  0 。如下图所示。
从图中可读出：直线左侧（或上方）的所有点都满足不等式 2x  y
2  0 ，右侧（或下方）的所有点都满足不等式 2 x  y  2  0 。
判断直线的哪一侧为大于号、哪一侧为小于号的方法很简单，只
需要从其中一侧任意选择一个（容易计算的）点的坐标代入验证即可。
比如，将原点 (0, 0) 代入直线方程的左侧得：2  0  0  2  2  0 ，所
以原点所在的一侧满足不等式 2 x  y  2  0 。
将点 (2, 0) 代入直线方程的左侧得： 2  2  0  2  2  0 ，所以点 (2, 0)
所在的一侧满足不等式 2 x  y  2  0 。
一般情况下，n 条直线可围成一个 n 边形，这个 n 变形内部的所有
点可由这 n 条直线的方程按照上述方法构造的不等式组表示。

例 1.1.4 用不等式组表示 x 轴、 y 轴、直线 2 x  y  2  0 所围成的三
角形内部的点。
从图中可读出，这部分区域在 y 轴右侧、x 轴下方、2 x  y  2  0 左

侧（上方），所以这部分三角形区域可用下面的不等式组表示：
x0
y0
2x  y  2  0
类似的，四边形、五边形等多边形内部的区域也可由相应数量的
二元一次不等式组表示。
需注意，若直线平行于 x 轴或 y 轴，则相应的不等式（直线方程）
为一元一次不等式（一元一次方程）。
此外，若区域包含边界（直线）上的点，则不等号应使用  或  。
若将其中一个或多个不等式的符号改变，比如将后两个不等式变
为大于号：
x0
y0
2x  y  2  0
则该不等式组表示的区域如下图所示。

从图中可读出：这片区域的右侧和上方没有边界，可以无穷延伸。
总之，任意 n 条直线即使没有围成封闭图形，仍可将整个平面分
割为若干个部分，每个部分都可由这些直线的方程转化成的不等式组
表示，每个部分的区别主要在于相应不等式中不等号的方向。
对于直线 Ax  By  C  0 ，若将其沿 x 轴正方向移动 p 个单位，则

直线方程变为 A( x  p)  By  C  0 ，即： Ax  By  C  Ap  0 。
同理，若将该直线沿 y 轴正方向移动 q 个单位，则直线方程变为
Ax  B( y  q)  C  0 ，即： Ax  By  C  Bq  0 。
若 Ap  Bq ，则两种方式平移后得到的直线为同一直线。这表明，
将（不与坐标轴垂直的）直线沿水平或垂直方向平移，这两种平移方
式可互相替代，实质上改变的都是常数项，不改变斜率。
对于一片由不等式组所确定的区域，一条斜率确定的直线任意平
移，则只有当常数项在一定范围内时，这条直线才能与这片区域有共
同的交点。
以上就是线性规划的数学原理：根据约束条件列出不等式组并确
定所限定的区域范围。列出所求最大值或最小值的量的表达式（直线

方程），将该直线进行平移，平移到刚刚与限定区域相交的临界位置，
此时直线方程对应的参数则为最大值或最小值。
1.2 线性规划实例
解决现实中的具体问题时，将所要求的所要求的最大值或最小值
用含有变量的表达式表示的函数叫做目标函数。如果目标函数是关于
所有变量的一次函数，则这样的目标函数叫做线性目标函数。
目标函数涉及到的各变量需满足的不等式叫做约束条件。若约束
条件是关于变量的一次不等式，则这样的约束条件叫做线性约束条
件。
在满足线性约束条件的前提下，求得线性目标函数的最大值或最
小值的问题叫做线性规划问题，使目标函数取得想要的最大值或最小
值的变量坐标叫做问题的最优解。
线性规划的主要步骤为：
第一步：将现实问题转化为一次函数和一次不等式。
第二步：作出约束条件所对应的直线，并确定所限定的区域（叫
做线性规划的可行域）。
第三步：作出一条与目标函数平行的直线，将该直线平移，平移
到到与限定的区域刚有交点的临界位置。求出目标函数的值即为最大
值或最小值，对应的交点坐标即为最优解。
手工作图特别是涉及到图形变换的手工作图往往不够精准，导致
无法通过图像平移直接找到最优解。由于一般情况下，最优解一定在
某个顶点处，所以也可先求出限定区域的所有顶点，将各顶点坐标代
入目标函数，比较各目标函数找出其中的最大值或最小值。需注意，
不是任意两个约束条件之间的交点都在可行域范围内。下面是具体例
子。
例 1.2.1 学校为举办某活动需采购 300 个苹果、240 个橘子、240 个
桃子，水果店有两种果篮组合：甲果篮 20 元一个，装有 3 个苹果、3 个
橘子、 9 个桃子；乙果篮 30 元一个，装有 9 个苹果、 6 个橘子、 3 个桃
子。求此次采购的最低花费是多少？
第一步：列出线性目标函数和线性约束条件的表达式：
假设购买 x 个红色果篮， y 个蓝色果篮。
则购买水果的总费用 T 为：
T  20 x  30 y
根据约束条件列出相应的不等式：
采购的苹果不少于 300 个：
3 x  9 y  300
采购的橘子不少于 240 个：
3 x  6 y  240
采购的桃子不少于 240 个：
9 x  3 y  240
第二步：将约束条件表示的直线画在平面直角坐标系中：
通过将点 (0, 0) 的坐标分别代入各不等式，确定可行域，如下图所

示（阴影区域）。

第三步：作出一条与目标函数平行的直线。
2 T
将 T  20 x  30 y 写为一次函数的形式： y   x  ，为便于观察，
3 30
2
取 T  90 作在图中，即： y   x  30 。如下图所示（加粗的直线为目
3
标函数）。
将目标函数向右平移，发现它最先与可行域中的点 B 相交，所以
点 B 的坐标为最优解。点 B 为 3x  6 y  240 与 9 x  3 y  240 的交点，联立

解方程组得： B(16, 32) 。将点 B 的坐标代入目标函数，求得最小花费
为 T  20 16  30  32  1260 元。
若手工作图不够精准，则难以判断目标函数最先抵达的是点 A 还
是点 B ，所以可先求出点 A 和点 B 的坐标，分别代入目标函数求值后
比较即可。
分别求出各顶点坐标：
点 A 为 3x  9 y  300 与 3x  6 y  240 的交点，联立解方程组得：
A(40, 20)
点 B 为 3x  6 y  240 与 9 x  3 y  240 的交点，联立解方程组得：
B (16,32)
点 C 为 3x  9 y  300 与 9 x  3 y  240 的交点，联立解方程组得：
C (17.5, 27.5)
从图中可读出：点 C 不在限定范围内，将其坐标代入第三条直线
的方程（不等式）进行验证：
3  17.5  6  27.5  217.5  240
不等号的方向与要求相反，证明点 C 的确不在范围内。
分别将点 A 与点 B 的坐标代入目标函数：
T ( A)  20  40  30  20  1400
T ( B )  20 16  30  32  1260
T ( A)  T ( B ) ，点 B 的坐标为最优解。
所以买 16 个甲果篮和 32 个乙果篮的花费最少，为 1260 元。
若约束条件或目标函数是非线性（非一次函数），分析处理的原
理和基本思路相同：
（1）根据约束条件列出代数表达式，并确定坐标
系中所对应的可行域。
（2）列出目标函数，并代入某个取值描绘出具
体图像。
（3）将目标函数平移，找到目标函数与可行域刚刚相交的临
界点，并求出该点坐标和对应的函数值。

二、极坐标系与极坐标方程
将平面坐标化是将代数运算与几何分析联系起来的重要方法。除
已经非常熟悉的平面直角坐标系外，极坐标系也是一种非常有用的坐
标系。
2.1 极坐标系
建立坐标系的过程中，关键步骤是确定“参照物”。确定参照物之
后，平面内的所有点都可用与参照物之间的位置关系唯一地表示。
平面直角坐标系中，参照物是两条相互垂直的数轴： x 轴与 y 轴。
从平面内任意一点 P 分别向 x 轴、 y 轴引垂线，将垂足在相应数轴上
的坐标分别记为 xP 、 yP ，则实数对 ( xP , yP ) 叫做点 P 的坐标。实数对与
平面内的点具有一一对应关系。
平面几何中，距离关系与位置关系是两种基本的位置关系。平面
直角坐标系中，用于描述点的位置的两个参数都是距离：横坐标可看
作点到 y 轴的距离，纵坐标可看作点到 x 轴的距离，正负号表示点在
相应的坐标轴的哪一侧。
从动态的角度，点 P 也可看作：从原点 O (0, 0) 出发，先沿 x 轴正
方向移动 xP ，再沿 y 轴正方向移动 yP ，最终到达位置 ( xP , yP ) 。
与平面直角坐标系不同，极坐标系使用一个距离与一个角度表示
平面内点的位置。建立极坐标系的方法如下：
在平面内确定一个点 O ，以点 O 为端点作一条射线 Ox 。点 O 叫做
极点，它的作用与平面直角坐标系中的原点相似，相当于平面内的“初
始位置”。
射线 Ox 叫做极轴，它的作用与平面直角坐标系中的 x 轴相似，确
定平面内的“初始方向”。
以上就是建立极坐标系的主要过程。建立极坐标系后，平面内的
任意一点 P 的位置都可用如下方式表示：
连接线段 OP ，记线段 OP 的长 | OP |  。  叫做点 P 的极径。

以逆时针为正方向，记射线 OP 与射线 Ox 所成的角为  ， 叫做点
P 的极角。
由极径  与极角  构成的实数对 (  , ) 叫做点 P 的极坐标。如下图

所示。
从动态的角度，点 P 也可看作：从极点 O (0, 0) 出发，先确定移动

的方向  ，再确定移动的距离  ，最终到达位置 (  , ) 。
由于距离总是  0 ，所以极径   0 。
由于射线 OP 有可能旋转了一周或多周，有可能逆时针旋转也可
能顺时针旋转，所以极角  的取值为全体实数 R 。为了令平面内的点
与数对一一对应，一般忽视射线 OP 旋转的具体过程，只考虑其最终
停留的位置，故规定   [0, 2 ) 。
即：平面内的所有点与集合 {(  ,  ) |   0,  [0, 2 )} 中的所有数对
(  , ) 具有一一对应关系。
根据定义可知，极点的极坐标为 O (0, 0) ，极轴上与极点距离为 a

的点的坐标为 (a, 0) 。
一个点的极坐标与平面直角坐标之间可相互转换。转换坐标前先
要将两个坐标系作在同一平面内。
一般情况下，令平面直角坐标系的坐标原点与极坐标系的极点重
合、令平面直角坐标系的 x 轴与极坐标系的极轴重合。若平面内任意
一点 P 的直角坐标为 ( x, y ) ，极坐标为 (  ,  ) 。根据平面几何关系可知，
它们之间具有如下关系：

若已知直角坐标为 ( x, y ) ，则极坐标 (  ,  ) 中的两个参数分别为：
  x2  y 2
y
tan  
x
若已知极坐标为 (  , ) ，则直角坐标 ( x, y ) 中的两个参数分别为：
x   cos 
y   sin 
如下图所示。
需注意，上述互相转化过程中，由于 tan   tan(   ) ，所以根据

y
tan   只能求得极角的正切值，不能确定极角的大小。还需结合 x 和
x
y 的正负号进行判断，才能确定极角的大小。
2.2 极坐标方程
平面直角坐标系下，可用等式关系表示几何图形。其原理为：关
于 x, y 的等式 f ( x, y )  0 可看作满足相应关系的实数对 ( x, y ) 所构成的集
合 {( x, y ) | f ( x, y )  0} 。几何图形可看作平面中的部分点构成的集合。这
两个集合之间通过坐标化和等式关系一一对应起来。

极坐标系下，也可用关于  ,  的方程 f (  , )  0 表示几何图形，这
样的方程叫做极坐标方程。
极坐标方程与直角坐标方程的主要区别为：极坐标中含有角度这
一参数。这使得极坐标与直角坐标在表示图形时各有所长。
直角坐标系下，同一图形可用多种不同的方程形式表示，这些方
程的实质相同，可互相转化。比如，直线有点斜式方程、点法式方程、
两点式方程、一般式方程，圆有标准方程和一般方程等。
类似的，极坐标系下，同一图形也可用多种不同的方程形式表示，
并且这些不同表示形式的实质也相同，可互相转化。由于极坐标方程
涉及到角的大小，三角函数的变换比直角坐标稍复杂，所以同一图形
的不同形式的极坐标方程之间的关系和转换也更复杂。
求图形的极坐标方程有两种主要思路：根据平面几何知识列方
程、将直角坐标方程转化为极坐标方程。
例 2.2.1 设直线 l 与极轴相交于点 M (m, 0) 且与极轴所成的角为 
（如下图所示）。求直线的极坐标方程。
设直线 l 上任意一点 P 的极坐标为 P ( p, ) 。根据图中的几何关系，

对 OPM 的边 OP 和 OM 使用正弦定理得：
| OP | | OM |

sin OMP sin OPM
其中： | OP |  ， | OM | m ， OMP     ， OPM    

 m
代入原等式得： 
sin(   ) sin(   )
即：  sin(   )  m sin 
这就是直线 l 的极坐标方程。
若令平面直角坐标系的坐标原点与极坐标系的极点重合、令平面
直角坐标系的 x 轴与极坐标系的极轴重合。则直线 l 在直角坐标系下
的点斜式方程为： y  tan  ( x  m)
代入 x   cos  ， y   sin  得：
 sin   tan  (  cos   m)
将该等式变形，令三角函数变为关于    和  的三角函数：
sin 
 sin   (  cos   m)
cos 
 sin  cos    cos  sin   m sin 
 (cos  sin   sin  cos  )  m sin 
 sin(   )  m sin 
用两种方式求得的极坐标方程相同。
一般情况下，用平面几何知识推导极坐标方程的关键和难点在于
对平面几何定理和性质的掌握，根据直角坐标方程推导极坐标方程的
关键和难点在于等式的变形和化简。
例 2.2.2 阿基米德螺线也叫等速螺线。若点 P( 0 , 0) 以点 O 为圆心，

沿 OP 方向做速度为 v 的匀速直线运动，同时以点 O 为圆心做角速度为
 的匀速圆周运动，则点 P 的运动轨迹为阿基米德螺线。如下图所示。

阿基米德螺线的很难用直角坐标方程表示，但可用极坐标方程较
容易地表示。

由于点 P( 0 , 0) 沿 OP 方向做速度为 v 的匀速直线运动，所以极径与
时间 t 的关系为    0  vt 。
由于点 P( 0 , 0) 以点 O 为圆心做角速度为  的匀速圆周运动，所以
极角与时间 t 的关系为   t 。

将t  代入    0  vt 得：


  0  v

就得到了阿基米德螺线的极坐标方程。
小结
线性规划需在理解不等式与平面内的区域之间的对应关系的基
础上，掌握确定可行域的方法；结合函数图像平移的原理，掌握寻找
最优解的过程。
极坐标方程需重点掌握极坐标系建立的原理，极坐标表示点具体
位置的原理，能灵活使用平面几何知识根据图形列出极坐标方程，或
运用等式化简能力将直角坐标方程转化为极坐标方程。

rqcen的数学基础讲义完整合集（20210828初版·待修订）

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

rqcen的数学基础讲义完整合集（20210828初版·待修订）

Uploaded by

Copyright:

Available Formats

第一章 命题与集合………………………………………………………1

RQCEN 的数学基础讲义 -1-

-2- RQCEN 的数学基础讲义

可知，当 b 2 =4ac 时，方程有 2 个相等的实数根，该命题是假命题。

RQCEN 的数学基础讲义 -3-

“或”。对于 2 个不同的命题 a 和 b，用“或”连接起来得到复合命

-4- RQCEN 的数学基础讲义

RQCEN 的数学基础讲义 -5-

-6- RQCEN 的数学基础讲义

继续使用 1.2 小节中的 3 个例子：

RQCEN 的数学基础讲义 -7-

逆命题：若方程 ax 2  bx  c  0 （a≠0）有 2 个不同的实数根，则该

逆否命题：若方程 ax 2  bx  c  0（a≠0）有 2 个相同的实数根或没

-8- RQCEN 的数学基础讲义

RQCEN 的数学基础讲义 -9-

对于有 n 个元素的集合 A，它的子集总共有 2n 个（包括 Ø 和 A

0、1、2、3…其中，除了 0 以外的自然数 1、2、3…叫做正整数。

例如：假设甲同学有 2 根香蕉，如果再给他 5 根香蕉，此时可以

例如：甲同学原来有 2 根香蕉，再给他 5 根香蕉，现在他有 2+5=7

结合律是指 3 个自然数相加，(1)先把前 2 个相加，再加第 3 个；

例如：甲同学原来有 2 根香蕉，先给他 5 根，再给他 4 根，于是

4 根，如果乙要归还甲的 6 根香蕉就不够了，归还 4 根后还欠 2 根，

学生有 2 支铅笔。先计算每班的铅笔数：2×50=100 支，再计算全校

×50=150。也可以先计算得全班共有 2×50=100 支铅笔和 1×50=50 支

在除法 p  n  a 中，p 叫做被除数，n 叫做除数，a 叫做商。0 不

果仍为它本身，任何不为 0 的有理数除以它本身得到 1。如果两个有

的面积为边长与边长的乘积 a  a ，也记作 a 2 。对于有理数 a 和 p，如

宽分别为 a、b 的长方形，

比值 c / d 为定值，这个数值叫做圆周率 π。与 π 相关的一系列三角函

解得： x  1, 0,1 ，与解不矛盾

配方法的核心思路是：利用完全平方公式 (a  b)2  a 2  2ab  b 2 ，根

对于一元二次方程 ax 2  bx  c  0(a  0) ，进行配方：

表示 y。其实在这种情况下，将 bp  aq  0 变形为 b  aq / p ，代入第一

不等式的基本性质也主要有 3 个，与等式的 3 个基本性质相对应，

使用性质(5)： (a)(c )  (b)(d )

性质(8)：若 a  b  0 ，则 n a  n b (n∈N*且 n>1)

根据“偶数个负数的积为正数”可知： ( x  10) 和 ( x  2) 要么都是

若都是负数，x  10  0 且 x  2  0 ，解得 x  10 且 x  2 ，交集为 x  2 。

通分： b  b  4ac  x  b  b  4ac

若该不等号是“≤”，即 ax 2  bx  c  0 。在 b 2  4ac =0 的情况下，不等

通分：x  b  b  4ac 或 x  b  b  4ac

若该不等号是“≥”，即 ax 2  bx  c  0 ，在 b 2  4ac  0 的情况下，不

故原不等式可写为：( x  4  10)( x +4  10)  0

（先估算出 3  10  3.5 ，于是 1  4  10  0.5 ， 7.5  4  10  7 ）

当 4  10  x  4  10 时，只有 x  (4  10)  0 ，另外 2 个因式大

论，只分为两种情况：(1)当 f  x   0 时，f ( x )  g ( x)  0 和(2)当 f  x   0 时，

证明：根据平方数的性质可知：(a  b)2  0 恒成立。当且仅当 a  b

等号成立，即 (a  b) 2  0 ，也就是 a 2  b2  2ab 。

在不等式两边同时加上 4ab ： (a  b) 2  4ab  4ab

可得： (a  b)2  4ab

例 2.3.1 甲同学有一根长为 12 米的绳索，它要用该绳索围出一

证明：分别对 a 和 b、b 和 c、c 和 a 使用基本不等式(1)：

(a 2  b 2 )  (b 2  c 2 )  (c 2  a 2 )  2ab  2bc  2ca

|| a |  | b || 表示二者的绝对值之差（的绝对值）。当 a、b 一正一负

若 a、b 都是正数或负数，则 | a  b | 等于二者的绝对值之和，也

(a 2  b 2 )(c 2  d 2 )  (ac  bd ) 2 ( a, b, c, d  R )当且仅当 ad  bc 时等号成立

移项得： (a 2  b 2 )(c 2  d 2 )  (ac  bd )2  (ad  bc) 2  0

变量 A 的变化发生的，并且变量 B 的变化与变量 A 的变化存在对应

“功能”“作用”。“B 是 A 的函数”的意思是：若对变量 A 使用某种“功

包含有 A、B 两个变量，以及从 A 到 B 的作用关系。

量 A 的变化范围是集合 A、变量 B 的变化范围是集合 B，于是“变量

经过变化后成为 B 中的某个元素 b”的意思非常接近。

与之对应，那么称 f：A→B 是从集合 A 到集合 B 的一个函数。

(2)A 中的每个元素在对应关系 f 的作用下，只能对应到 B 中唯一

第一章命题与集合………………………………………………………1

f ( x2 )  b 的点且 a  b ，那么在这段区间内，必然存在 x3 ，使得：