数学II / 図形と方程式
点と直線の距離
問題
点 と直線 の距離を求めよ。
ヒントを見る
点と直線の距離の公式を使う。使う前に直線の式を『』の形に整えておくこと、分子に絶対値がつくことの 点に注意。
解答・解説
方針
点と直線の距離の公式にそのまま代入する。分子は直線の式に点の座標を入れた絶対値、分母は係数の2乗和のルート。
解答
⓪ 発想 — どう考え始めるか。 点と直線の距離には、公式がある。
使う前に、直線を の形(一般形)にしておく。 今回は最初からその形だ。
分子: 点の座標を、直線の式に代入して絶対値。
分母: 係数の 乗和の平方根。
分子の絶対値を忘れない。 距離は必ず正だから、 のままにしてはいけない。
① 公式の意味を一言で。 直線 にとって は直線と垂直な向き(法線)。 は点が直線からどれだけ離れているかに比例した量で、それを法線の長さ で割ると、ちょうど点から直線へ下ろした垂線の長さ(=距離)になる。だから分母に が要る。
② 当てはめる。 、、、点 。
まとめ:点と直線の距離は「垂線の長さ」。分子 を法線の大きさ で割ると、その垂線の長さになる、という仕組みだ。
発展 — 一歩先へ。 点と直線の距離の公式は、「絶対値」を外すと符号がつく。
この符号つきの量を「符号つき距離」といい、点が直線のどちら側にあるかを教えてくれる。
- 正 → 直線の一方の側
- → 直線上
- 負 → もう一方の側
この性質が、領域の問題(数IIの「軌跡と領域」)の土台になる。 という不等式が「直線の片側」を表すのは、まさにこの符号のおかげだ。
そして、機械学習の分類器も、この符号で動いている。
「メールがスパムか否か」「画像が猫か犬か」を判定する最も基本的な手法(サポートベクターマシン)は、データ点を空間に配置し、直線(高次元では超平面)で つに切り分ける。
そして「どの直線が最良か」を決める基準が、まさに"点と直線の距離"だ。 両クラスから最も遠い(マージンが最大の)直線を選ぶ — この最適化が、SVM の核心である。
高校で学ぶ が、そのまま人工知能の中で動いている。
「点と直線の距離」は、単なる計算問題ではない。 「データをどう分けるか」という現代的な問いに、直接つながっている。
別解
公式を使わず、垂線の足を実際に求めて距離を測る。 遠回りだが、公式の意味が分かるし、「垂線の足の座標」自体を聞かれたときにも使える。
手順1: 垂線の方程式を作る。
直線 の傾きは ( と変形すれば分かる)。
垂直な直線の傾きは 。 これが点 を通る。
手順2: 交点(垂線の足 )を求める。
式を連立して解く。 を、元の直線に代入すると
倍して整理すると
垂線の足は 。
手順3: 点間の距離を計算する。
公式と同じ答えが出た。
手間を比べてほしい。 公式なら 秒、垂線ルートなら 分。公式のありがたみが身にしみる。
しかし、垂線ルートにしかできないこともある。
- 垂線の足の座標そのものを聞かれたとき()
- 対称点を求めるとき(点 の対称点 は、 を中点とする点だから )
- 直線への正射影を考えるとき
公式は「距離」だけを教えてくれる。垂線ルートは「どこに落ちるか」まで教えてくれる。
そして、公式の意味も見えてくる。 分子 は「点を代入したときの、式のズレ具合」だ。直線上の点なら 、離れるほど大きくなる。
分母 は、そのズレを「実際の距離」に換算するための係数である( と は同じ直線だが、代入値は 倍になる — だから係数の大きさで割って、正規化する必要がある)。
「式の値のズレ」を「幾何的な距離」に翻訳する装置 — それが点と直線の距離の公式だ。
ポイント
- 距離公式の分子は『直線の式に点を代入した値の絶対値』。
- 分母は 、 の係数の2乗和のルート。
よくある間違い
- 分子の絶対値を忘れて、負の距離が出てしまう
- 直線を の形に直さずに公式へ入れる( のままでは使えない)
- 分母を や にしてしまう(正しくは )