فاصله دو نقطه در فضای سه بعدی (R3)
ریشهیابی فرمول فاصله در سه بعد
برای درک فرمول فاصله در فضای R^3، ابتدا به فضای دو بعدی نگاه میکنیم. در صفحه، فاصله دو نقطه (x_0,y_0) و (x_1,y_1) برابر $\sqrt{(x_1 - x_0)^2 + (y_1 - y_0)^2}$ است. این رابطه مستقیماً از قضیه فیثاغورس نتیجه میشود: اختلاف طولها روی محور x و y به عنوان دو ضلع قائم در نظر گرفته میشوند و فاصله به عنوان وتر مثلث قائمالزاویه محاسبه میگردد.
در فضای سهبعدی، یک مرحله دیگر اضافه میشود. فرض کنید دو نقطه P و Q داده شدهاند. ابتدا فاصلهٔ تصویر این دو نقطه روی صفحهٔ xy را محاسبه میکنیم. این فاصله برابر $d_{xy} = \sqrt{(x_1 - x_0)^2 + (y_1 - y_0)^2}$ است. سپس این فاصله به عنوان یک ضلع قائم و اختلاف مختصات z به عنوان ضلع قائم دیگر در نظر گرفته میشود. در نهایت وتر نهایی که همان فاصلهٔ مستقیم بین دو نقطه است، از رابطه $PQ = \sqrt{(d_{xy})^2 + (z_1 - z_0)^2}$ به دست میآید. با جایگذاری d_{xy} به فرمول نهایی میرسیم.
ویژگیهای فاصله اقلیدسی در R3
تابع فاصله در فضای سهبعدی دارای سه ویژگی اساسی است که به آن «تابع فاصله» یا متریک3 میگویند:
- غیرمنفی بودن: فاصله همیشه بزرگتر یا مساوی صفر است. $PQ \ge 0$ و $PQ = 0$ اگر و فقط اگر دو نقطه بر هم منطبق باشند.
- تقارن: فاصله از P تا Q برابر فاصله از Q تا P است: $PQ = QP$.
- نامساوی مثلثی: برای هر سه نقطه P,Q,R داریم: $PQ \le PR + RQ$. یعنی مسیر مستقیم همیشه کوتاهتر یا برابر مجموع دو مسیر غیرمستقیم است.
| بعد فضا | فرمول فاصله | تعداد جملات زیر رادیکال |
|---|---|---|
| یک بعدی (خط) | $|x_1 - x_0|$ | 1 |
| دو بعدی (صفحه) | $\sqrt{(x_1 - x_0)^2 + (y_1 - y_0)^2}$ | 2 |
| سه بعدی (فضا) | $\sqrt{(x_1 - x_0)^2 + (y_1 - y_0)^2 + (z_1 - z_0)^2}$ | 3 |
کاربرد عملی در مسائل موقعیتیابی و گرافیک
یکی از کاربردهای مهم فرمول فاصله در سه بعد، مسائل موقعیتیابی با استفاده از سیستمهای ماهوارهای (GPS) است. هر ماهواره مختصات سهبعدی خود را ارسال میکند و دستگاه گیرنده با محاسبه فاصله تا چند ماهواره، موقعیت خود را تعیین میکند. همچنین در گرافیک رایانهای و طراحی بازیهای ویدئویی، برای تشخیص برخورد اشیاء یا محاسبه فاصله دوربین از یک شیء، از این فرمول استفاده میشود.
مثال دیگر: در رباتیک، برای حرکت یک ربات بازو در فضای کارخانه، باید فاصله بین موقعیت فعلی و موقعیت هدف محاسبه شود تا مسیر بهینه مشخص گردد. اگر مختصات هدف (2,5,3) و مختصات فعلی ربات (1,2,1) باشد، فاصله برابر $\sqrt{(2-1)^2 + (5-2)^2 + (3-1)^2} = \sqrt{1 + 9 + 4} = \sqrt{14} \approx 3.74$ واحد خواهد بود.
چالشهای مفهومی
پاسخ: در این حالت x_1 = x_0 و y_1 = y_0. بنابراین فرمول به $\sqrt{0 + 0 + (z_1 - z_0)^2} = |z_1 - z_0|$ تبدیل میشود. یعنی فاصله عمودی ساده، همانطور که انتظار میرود.
پاسخ: بله، به سادگی با اضافه کردن جملههای جدید زیر رادیکال. برای فضای n بعدی، فاصله دو نقطه (x_1,x_2,...,x_n) و (y_1,y_2,...,y_n) برابر $\sqrt{\sum_{i=1}^{n} (y_i - x_i)^2}$ است. این تعمیم در یادگیری ماشین و دادهکاوی برای محاسبه شباهت بین نمونههای پرتعداد استفاده میشود.
پاسخ: قدر مطلق برای حالت یک بعدی کار میکند، اما در دو یا سه بعد، جمع قدر مطلقها (مانند $|x_1-x_0|+|y_1-y_0|$) فاصله منهتنی (یا فاصله شهری) را میدهد که مسیر شکسته است. برای فاصله مستقیم اقلیدسی باید از ریشه مجموع مربعها استفاده کرد تا با قضیه فیثاغورس هماهنگ باشد.
فرمول فاصله اقلیدسی در فضای سهبعدی $PQ = \sqrt{(x_1-x_0)^2+(y_1-y_0)^2+(z_1-z_0)^2}$ یک ابزار بنیادی در ریاضیات و علوم است. این فرمول با تعمیم قضیه فیثاغورس به سه بعد به دست میآید. ویژگیهای غیرمنفی بودن، تقارن و نامساوی مثلثی برای آن برقرار است. درک این مفهوم برای حل مسائل هندسه تحلیلی، فیزیک، گرافیک رایانهای، رباتیک و موقعیتیابی ضروری میباشد.
پاورقی
2 فاصله اقلیدسی (Euclidean distance): فاصله مستقیم بین دو نقطه در فضای اقلیدسی که از ریشه مجموع مربعهای اختلاف مختصات به دست میآید.
3 متریک (Metric): تابعی که فاصله بین هر دو نقطه از یک مجموعه را تعریف میکند و دارای سه شرط غیرمنفی بودن، تقارن و نامساوی مثلثی است.