两点之间距离
欧氏距离
即欧几里得距离。
平面内两点的距离为
\[\sqrt{(x_1-x_2)^2+(y_1-y_2)^2} \]立体空间内两点的距离为
\[\sqrt{(x_1-x_2)^2+(y_1-y_2)^2+(z_1-z_2)^2} \]\(\dots\)
\(n\) 维空间内两点的距离为
\[\sqrt{\sum_{i=1}^{n}{(x_1-x_2)^2}} \]曼哈顿距离
二维空间内,两点之间距离为
\[d(A,B)=|x_1-x_2|+|y_1-y_2| \]\(n\) 维空间内两点的距离为
\[\sum_{i=1}^{n}{|x_1-x_2|} \]性质 \(-\) 三角形不等式:从点 \(i\) 到 \(i\) 的直接距离不会大于途经的任何其它点 \(k\) 的距离。
\[d(i,j)\le d(i,k)+d(k,j) \]切比雪夫距离
二维空间内,两点之间距离为
\[d(A,B)=\min{(|x_1-x_2|,|y_1-y_2|)} \]曼哈顿距离与切比雪夫距离的相互转化
设 \(A(x_1,y_1),B(x_2,y_2)\) ,
-
曼哈顿坐标系是通过切比雪夫坐标系旋转 \(45^\circ\) 后,再缩小到原来的一半得到的
-
把每个点 \((x,y)\) 转化为 \((x+y,x-y)\) ,新坐标系下的切比雪夫距离 就是 原坐标系下的曼哈顿距离 。
-
把每个点 \((x,y)\) 转化为 \((\dfrac{x+y}{2},\dfrac{x-y}{2})\) ,新坐标系下的曼哈顿距离 就是 原坐标系下的切比雪夫距离 。
例题
P5098 [USACO04OPEN]Cave Cows 3
对于式子 \(|x_1-x_2|+|y_1-y_2|\) ,可以假设 \(x_1-x_2\ge 0\) ,根据 \(y_1-y_2\) 正负分类讨论:
- \(y_1-y_2\ge 0\) :
- \(y_1-y_2< 0\) :
分别求出 \(x+y\) 和 \(x-y\) 的最大、最小值之差即可。
P4648 [IOI2007] pairs 动物对数 (曼哈顿距离转切比雪夫距离)
P3964 [TJOI2013]松鼠聚会 (切比雪夫距离转曼哈顿距离)
向量叉积
对于点对 \((A,B,C)\) ,设:
\(x_1=A_x-B_x,y_1-A_y-B_y,x_2=C_x-B_x,y_2=C_y-B_y\)
若:
\[(x_1\times y_2-x_2\times y_2)\le 0 \]则: