1 定義
ユークリッド距離は、ユークリッド幾何学において2点の間の直線的な隔たりを数値化したものである。平面や空間の座標が与えられたとき、点の位置差を成分ごとに取り、その二乗和の平方根として表される。日常感覚では「最短のまっすぐな距離」に対応し、最も基本的な距離の一つとみなされる。
1.1 平面における定義
平面上の2点 \((x_1, y_1)\)、\((x_2, y_2)\) の距離は、 \[ \sqrt{(x_2-x_1)^2+(y_2-y_1)^2} \] で与えられる。これは、縦と横の差を直角三角形の2辺とみなし、斜辺の長さを求める発想に基づく。座標平面では、図形の長さや位置関係を定量化する基本式として広く使われる。
1.2 空間における定義
3次元空間では、2点 \((x_1, y_1, z_1)\)、\((x_2, y_2, z_2)\) の距離は、 \[ \sqrt{(x_2-x_1)^2+(y_2-y_1)^2+(z_2-z_1)^2} \] で表される。平面の場合と同様に、各座標軸方向の差を組み合わせて求める。これは立体図形や位置測定の場面で自然に現れる。
1.3 高次元への一般化
座標軸が3本を超える空間でも、同じ考え方を拡張できる。各成分の差の二乗をすべて足し合わせ、その平方根を取ることで、任意の次元における点間距離が定まる。この一般化により、抽象的なベクトル空間やデータ空間でも扱える。
1.3.1 座標表示による定義
\(n\) 次元の点 \(x=(x_1,\dots,x_n)\)、\(y=(y_1,\dots,y_n)\) に対して、距離は \[ \sqrt{\sum_{i=1}^{n}(x_i-y_i)^2} \] である。各座標の差を独立に測り、それらを総合した大きさとして解釈される。統計学や計算機科学では、この形がそのまま実用されることが多い。
1.3.2 ベクトルによる表現
| ベクトル \(x\) と \(y\) のユークリッド距離は、差ベクトル \(x-y\) の長さとして表せる。すなわち、距離はベクトルのノルム \(\|x-y\|\) に等しい。座標の列としてだけでなく、方向と大きさをもつ対象として捉えると、線形代数とのつながりが明瞭になる。 |
|---|
2 性質
ユークリッド距離は、一般の距離として期待される基本的な性質をすべて備えている。そのため、数学的にも計算上も扱いやすく、多くの理論の土台となる。以下の性質は、距離空間の公理に対応している。
2.1 非負性
距離は負の値を取らない。2点がどれほど近くても、値は0以上である。平方和の平方根として定義されるため、結果が負になることはない。
2.2 同一性
同じ点どうしの距離は0である。また、距離が0であれば、2点は一致している。これは「区別できないほど近い」ではなく、数学的に完全に同一であることを意味する。
2.3 対称性
点Aから点Bまでの距離は、点Bから点Aまでの距離と等しい。順序を入れ替えても値は変わらず、空間の向きに依存しない。この性質により、距離は双方向的な量として理解される。
2.4 三角不等式
任意の3点について、2点間を直接結ぶ距離は、別の点を経由する経路の長さを超えない。つまり、AからCへの距離は、AからB、BからCを足した長さ以下である。これは最短経路としての直線の特徴を反映している。
2.4.1 幾何学的意味
三角不等式は、折れ曲がった道よりも直線の方が短いという直感と一致する。平面図形では、三角形の一辺が他の2辺の和より短いことに対応し、図形の基本的な安定性を支えている。
2.4.2 解析学的な解釈
解析学では、三角不等式は収束や連続性の議論に不可欠である。距離が加算的にふるまうわけではないが、誤差評価や近似の制御に役立つ。特にノルム空間では、ベクトルの大きさに関する中心的な見積もりとなる。
3 関連する概念
ユークリッド距離は、単独で理解されるよりも、近縁の概念と並べることで輪郭がはっきりする。ノルムや内積、さらに他の距離概念との比較を通じて、その位置づけが明確になる。
3.1 ユークリッドノルム
ユークリッドノルムは、ベクトルの長さを表す量であり、ユークリッド距離と実質的に同じ構造をもつ。2点の差ベクトルのノルムが、そのまま点間距離になる。したがって、距離と長さの概念は密接に対応している。
3.2 内積
内積は、2つのベクトルの向きと大きさの関係を数値化する演算である。ユークリッド距離は、内積によって導かれる長さの考え方と結びつく。特に、ピタゴラス的な関係や角度の概念を通じて、幾何学的解釈が豊かになる。
3.3 距離空間
距離空間は、点の集合に「距離」の規則を入れた一般的な枠組みである。ユークリッド距離はその代表例であり、抽象理論の出発点として頻繁に用いられる。連続性、開集合、収束などの概念は、この枠組みの上で定式化される。
3.4 マンハッタン距離
マンハッタン距離は、座標差の絶対値を足し合わせて求める別種の距離である。ユークリッド距離とは異なり、直線ではなく格子状の移動を反映しやすい。両者は同じ点集合上でも、評価の仕方が異なる。
3.4.1 比較と違い
ユークリッド距離は直線的な最短距離を表すのに対し、マンハッタン距離は軸に沿った移動量を重視する。そのため、前者は円形の等距離線を生み、後者はひし形の等距離線を与える。用途に応じて、どちらが適切かが変わる。
4 応用
ユークリッド距離は、形や位置を数値で扱う必要がある場面に広く現れる。幾何学の基礎だけでなく、物理、工学、情報科学にも浸透しており、現実世界の計測や計算の共通言語として機能する。
4.1 幾何学
幾何学では、辺の長さ、対角線、図形間の相対的位置を求める際に不可欠である。図形の合同や相似、円や球の定義にも深く関わる。座標幾何学の標準的な道具として、図形問題を代数的に処理する手段を与える。
4.2 物理学
物理学では、粒子の位置差、変位、場の分布などを記述するのに用いられる。空間内の距離は、力学や波動のモデル化で基本となる。観測点間の隔たりを定量化することで、現象の比較や近似がしやすくなる。
4.3 工学
工学では、測位、設計、制御、ロボット運動などで位置誤差を表す指標として使われる。部品配置や経路計画でも、空間上の近さを測る基準になる。計算機による自動処理との相性がよく、実務での利用頻度は高い。
4.4 情報科学
情報科学では、データ点や特徴ベクトルの近さを測る指標として重要である。数値情報を空間内の点に対応させることで、分類や検索、圧縮の手法が構成される。距離の選択は、アルゴリズムの性質に大きく影響する。
4.4.1 機械学習
機械学習では、近傍法やクラスタリングで類似度の基準として用いられる。サンプル同士の距離が小さいほど、性質が似ているとみなすことが多い。ただし、特徴量の尺度や正規化の方法によって結果が変わる。
4.4.2 画像処理
画像処理では、画素値や特徴量の差を評価する際に利用される。画像の比較、ノイズの検出、パターン認識などで、局所的または全体的な差異を測る手段となる。画素を高次元ベクトルとして扱う見方とも相性がよい。
4.4.3 データ解析
データ解析では、観測値のばらつきや群間の隔たりを把握するために使われる。多変量データを点群として見ると、距離は構造の理解を助ける。可視化、異常検知、次元削減の前処理でも役立つ。
5 計算方法
ユークリッド距離の計算は、成分ごとの差を二乗し、合計して平方根を取るという単純な手順で行う。次元が増えても基本原理は変わらないが、数値の扱いには注意が必要になる。
5.1 2次元での計算
2次元では、2点のx座標差とy座標差を求め、それぞれを二乗して足し合わせる。最後に平方根を取れば距離が得られる。電卓や手計算でも扱いやすく、最も基本的な例である。
5.2 3次元での計算
3次元では、x、y、zの3成分について同様の処理を行う。平面の場合に1つ成分が増えるだけだが、立体では位置関係の把握に欠かせない。空間図形や座標測定では標準的な計算法となる。
5.3 多次元での計算
多次元では、各成分の差をすべて集めて総和を取り、その平方根を計算する。式は単純でも、変数が多いと解釈は抽象的になる。ベクトル化されたデータでは、この一括計算がそのまま実装されることが多い。
5.4 数値計算上の注意
実装では、桁落ちやオーバーフロー、尺度の偏りに注意する必要がある。非常に大きい値や極端に近い値を扱うと、丸め誤差が目立つ場合がある。安定な計算のためには、変数の標準化や適切な演算順序が有効である。
6 拡張と一般化
ユークリッド距離は、固定された座標系の中だけで考える必要はない。座標変換や曲がった空間への拡張を通じて、より広い幾何学へつながる。ただし、一般化されるほど直線距離の単純さは失われる。
6.1 座標系の変換
平行移動や回転のような変換を行っても、ユークリッド距離は変わらない。これは、この距離が座標の取り方ではなく、点そのものの相対配置に依存するためである。距離の不変性は、幾何学の対称性を支える重要な特徴である。
6.2 リーマン幾何学との関係
リーマン幾何学では、空間の各点で局所的な長さの測り方が定められる。ユークリッド距離は、その最も単純な特別例といえる。曲がった空間では、距離は局所的な計量に基づいて決まり、平坦な場合にユークリッド的な式へ戻る。
6.3 一般の距離概念との比較
一般の距離概念では、必ずしも直線的な長さを仮定しない。ネットワーク上の距離や、異なる重みをもつ指標など、目的に応じて形は変わる。ユークリッド距離は、その中でも最も標準的で直感的な基準として位置づけられる。