点到平面的距离公式 是怎么推出来的

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了点到平面的距离公式 是怎么推出来的相关的知识,希望对你有一定的参考价值。

参考技术A

点到平面距离是指空间内一点到平面内一点的最小长度。点到平面的距离公式:d=|Ax0+By0+Cz0+D|/√(A²+B²+C²)。

点到平面的距离怎么推导的

从计算的角度来看,如果平面的法向量是单位向量,平面外任一点到平面的距离,都等于将这个点的坐标直接代入平面方程得到的计算结果。

同样的思路可以很容易导出点到直线的距离公式。

平面的相关知识点

平面的一般式方程

Ax +By +Cz + D = 0

其中n = (A, B, C)是平面的法向量,D是将平面平移到坐标原点所需距离(所以D=0时,平面过原点)

向量的模(长度)

给定一个向量V(x, y, z),则|V| = sqrt(x * x + y * y + z * z)

向量的点积(内积)

给定两个向量V1(x1, y1, z1)和V2(x2, y2, z2)则他们的内积是

V1V2 = x1x2 + y1y2 + z1z2

线性代数与解析几何——Part1 解析几何

0. 前言

线代是很早之前大一上的东西了,当时记得学的还可以,不过确实印象中里面各种零零散散的公式定理有一堆,感觉学的不怎么成体系,后来也一直没怎么真正用起来,等到现在也基本算是把学的全部还给老师了……

不过问题在于,虽然我现在已经不搞物理很多年了,但是架不住我转行做算法了啊,算法的核心不就是各种矩阵计算吗?虽然由于神经网络当中参数的复杂性,我自己也不是研究员,更多时候主要考察的还是数据特征以及对结果进行定性上的分析,而不会从模型结构中涉及的矩阵变换来对结果进行调优,但是线代终究感觉还是有必要去捞一下了……

所以,这里我打算还是掏出当年的教科书把线代给复习一下吧……

不过说到这里,我真的是想好好吐槽一下了,我掏出教科书之后才发现,当年上线代居然用的教材是线性代数与解析几何,然后教材前两章全都在讲解几,里面涉及到的线代相关的东西貌似也全部是服务于坐标系变换的,虽说我是物理系的吧,但是这是不是也太忽悠了啊,难怪当年印象中我好像特意去找了本数学系的线代教材自学来着……

简直了……

算了,先把这本书简单过一下吧,回头下次再找本数学系的教材好好补补吧……

1. 向量与复数

1. 向量

向量的含义顾名思义,就是即有大小又有方向的量,其满足如下性质:

  1. 交换律: a ⃗ + b ⃗ = b ⃗ + a ⃗ \\veca + \\vecb = \\vecb + \\veca a +b =b +a
  2. 结合律: ( a ⃗ + b ⃗ ) + c ⃗ = a ⃗ + ( b ⃗ + c ⃗ ) (\\veca + \\vecb) + \\vecc = \\veca + (\\vecb + \\vecc) (a +b )+c =a +(b +c )
  3. a ⃗ + 0 ⃗ = a ⃗ \\veca + \\vec0 = \\veca a +0 =a
  4. a ⃗ + ( − a ⃗ ) = 0 ⃗ \\veca + (-\\veca) = \\vec0 a +(a )=0
  5. 1 a ⃗ = a ⃗ 1 \\veca = \\veca 1a =a
  6. λ ( μ a ⃗ ) = ( λ μ ) a ⃗ \\lambda (\\mu \\veca) = (\\lambda\\mu)\\veca λ(μa )=(λμ)a
  7. ( λ + μ ) a ⃗ = λ a ⃗ + μ a ⃗ (\\lambda + \\mu)\\veca = \\lambda\\veca + \\mu\\veca (λ+μ)a =λa +μa
  8. λ ( a ⃗ + b ⃗ ) = λ a ⃗ + λ b ⃗ \\lambda(\\veca + \\vecb) = \\lambda\\veca + \\lambda\\vecb λ(a +b )=λa +λb

关于向量还有一些比较简单的性质,比如说:

命题1.1.1

  • 向量 a ⃗ , b ⃗ \\veca, \\vecb a ,b 共线的充要条件是存在不全为零的实数 λ , μ \\lambda, \\mu λ,μ,使得 λ a ⃗ + μ b ⃗ = 0 \\lambda \\veca + \\mu \\vecb = 0 λa +μb =0

命题1.1.2

  • 向量 a ⃗ , b ⃗ , c ⃗ \\veca, \\vecb, \\vecc a ,b ,c 共面的充要条件是存在不全为零的实数 λ , μ , ν \\lambda, \\mu, \\nu λ,μ,ν,使得 λ a ⃗ + μ b ⃗ + ν c ⃗ = 0 \\lambda \\veca + \\mu \\vecb + \\nu \\vecc= 0 λa +μb +νc =0

另外,我们可以基于此定义线性组合和线性相关:

定义1.1.1