【空间中点到直线的距离公式】在三维几何中，计算一个点到一条直线的距离是一个常见的问题，广泛应用于工程、物理和计算机图形学等领域。本文将总结空间中点到直线距离的公式及其应用，并通过表格形式进行归纳。

一、公式推导与原理

设空间中有一条直线 $ L $ 和一点 $ P $，我们要求点 $ P $ 到直线 $ L $ 的最短距离，即点到直线的垂直距离。

直线的一般表示方式：

设直线 $ L $ 上一点为 $ A(x_0, y_0, z_0) $，方向向量为 $ \vec{v} = (a, b, c) $，则直线的参数方程为：

$$

\begin{cases}

x = x_0 + at \\

y = y_0 + bt \\

z = z_0 + ct

\end{cases}

$$

点 $ P $ 坐标为 $ (x_1, y_1, z_1) $

要计算点 $ P $ 到直线 $ L $ 的距离，可以使用向量法。具体步骤如下：

1. 构造向量 $ \vec{AP} = (x_1 - x_0, y_1 - y_0, z_1 - z_0) $

2. 计算向量 $ \vec{AP} \times \vec{v} $（叉乘）

3. 求该叉乘的模长 $ \vec{AP} \times \vec{v} $

4. 求方向向量 $ \vec{v} $ 的模长 $ \vec{v} $

5. 最终距离为：

$$

d = \frac{\vec{AP} \times \vec{v}}{\vec{v}}

$$

二、公式总结

三、应用举例

假设直线 $ L $ 经过点 $ A(1, 2, 3) $，方向向量为 $ \vec{v} = (2, 1, -1) $，点 $ P(4, 5, 6) $，求点 $ P $ 到直线 $ L $ 的距离。

1. $ \vec{AP} = (4-1, 5-2, 6-3) = (3, 3, 3) $

2. $ \vec{AP} \times \vec{v} = \begin{vmatrix} \mathbf{i} & \mathbf{j} & \mathbf{k} \\ 3 & 3 & 3 \\ 2 & 1 & -1 \end{vmatrix} = (-6, 9, -3) $

3. $ \vec{AP} \times \vec{v} = \sqrt{(-6)^2 + 9^2 + (-3)^2} = \sqrt{36 + 81 + 9} = \sqrt{126} $

4. $ \vec{v} = \sqrt{2^2 + 1^2 + (-1)^2} = \sqrt{4 + 1 + 1} = \sqrt{6} $

5. 距离 $ d = \frac{\sqrt{126}}{\sqrt{6}} = \sqrt{21} $

四、小结

点到直线的距离是三维几何中的基本概念，其核心思想是利用向量叉乘来计算垂直距离。通过上述公式和步骤，可以高效地解决相关问题。理解这一公式的推导过程有助于加深对空间几何的理解，也为后续学习如平面与直线的关系、投影等知识打下基础。

总结表：