單體 (數學)

3維單體，也叫四面體。

幾何學上，單體（英語：simplex）或者n-單體是和三角形類似的n維幾何體。精確的講，單體是某個n維以上的歐幾里得空間中的（n+1）個仿射無關（也就是沒有m-1維平面包含m+1個點；這樣的點集被稱為處於一般位置）的點的集合的凸包。

例如，0-單體就是點，1-單體就是線段，2-單體就是三角形，3-單體就是四面體，而4-單體是一個五胞體（每種情況都包含內部）。

正單體是同時也是正多胞形的單體。正n-單體可以從正(n − 1)-單體通過將一個新頂點用同樣的邊長連接到所有舊頂點構造。

基礎

任何n+1點集的非空子集的凸包定義了一個n-單體，稱為該n-單體的面。面本身也是單體。（n+1點）的m+1子集的凸包是一個m-單體，稱為n-單體的m-面。 0-面（也即，一個點構成的面）稱為頂點，而1-面稱為邊，(n − 1)-面稱為面片，而n-面就是n-單體本身。一般來講，m-面的個數等於二項式系數 C(n + 1, m + 1)。因此，n-單體的m-面的個數可以在楊輝三角形的第(n+1)行和第(m+1)列找到。面和面片在描述單體複形中的單體的類型時可能有不同的含義。參看單體複形#定義。

正單體族是三族正多胞體的第一組，Coxeter將之記為α_n，其它兩類為正軸體，記為β_n，和超立方體，記為γ_n。第四組，超立方體的無窮分割被記為δ_n。

單純形的元素

					m	0	1	2	3	4	5	6	7	8	9	10
n	Δn	αn	正投影圖	n-單體	名稱 施萊夫利符號 考克斯特符號	頂點	棱	面	胞 (3維面)	4維面	5維面	6維面	7維面	8維面	9維面	10維面	總和 = 2n+1 − 1
-1	Δ-1	α-1		-1-單體	空多胞形 }{​	​	​	​	​	​	​	​	​	​	​		0
0	Δ0	α0		0-單體	頂點 ()​	1											1
1	Δ1	α1		1-單體	線段 {} ​	2​	1										3
2	Δ2	α2		2-單體	三角形 {3,3}​	3​	3​	1									7
3	Δ3	α3		3-單體	四面體 {3,3,3}​	4​	6​	4​	1								15
4	Δ4	α4		4-單體	五胞體 {3,3,3,3}​	5​	10​	10​	5​	1							31
5	Δ5	α5		5-單體	五維正六胞體 {3,3,3,3,3}​	6​	15​	20​	15​	6​	1						63
6	Δ6	α6		6-單體	六維正七胞體 {3,3,3,3,3,3}​	7​	21​	35​	35​	21​	7​	1					127
7	Δ7	α7		7-單體	七維正八胞體 {3,3,3,3,3,3,3}​	8​	28​	56​	70​	56​	28​	8​	1				255
8	Δ8	α8		8-單體	八維正九胞體 {3,3,3,3,3,3,3,3}​	9​	36​	84​	126​	126​	84​	36​	9​	1			511
9	Δ9	α9		9-單體	九維正十胞體 {3,3,3,3,3,3,3,3,3}​	10​	45​	120​	210​	252​	210​	120​	45​	10​	1		1023
10	Δ10	α10		10-單體	十維正十一胞體 {3,3,3,3,3,3,3,3,3,3}​	11​	55​	165​	330​	462​	462​	330​	165​	55​	11​	1	2047

列表所用MAPLE公式

• 使用（combstruct）:for n from 0 to 11 do seq(count(Combination(n), size=m) , m = 1 .. n) od;
• OEIS A135278 [1]

標準單體

R³中的標準2-單體

標準n-單體(或稱單位n-單體)是Rⁿ⁺¹的子集：

$\Delta ^{n}=\left\{(t_{0},\cdots ,t_{n})\in \mathbb {R} ^{n+1}\mid \sum _{i=0}^{n}{t_{i}}=1{\mbox{ and }}\forall i,\ t_{i}\geq 0\right\}$

單體Δⁿ位於仿射超平面（該超平面可以通過將上面t_i ≥ 0的條件去掉而得到）。標準單體顯然是正單體。

標準n-單體的頂點為

e₀ = (1, 0, 0, …, 0),

e₁ = (0, 1, 0, …, 0),

$\vdots$

e_n = (0, 0, 0, …, 1).

存在從標準n-單體到頂點為(v₀, …, v_n)的任意n-單體的標準映射

$(t_{0},\cdots ,t_{n})\mapsto \Sigma _{i}t_{i}v_{i}$

系數t_i稱為點在n-單體中的重心坐標。這樣的一般單體常常被稱為仿射n-單體，以強調該標準映射是仿射轉換。它有時也稱為定向放射n-單體以強調標準映射可以是保定向或者是反定向的。

幾何屬性

在n維空間中的頂點為(v₀, ..., v_n)的n-單體的定向體積是

${1 \over n!}\det {\begin{pmatrix}v_{1}-v_{0}&v_{2}-v_{0}&\dots &v_{n-1}-v_{0}&v_{n}-v_{0}\end{pmatrix}}$

其中n × n行列式的每列是代表兩個頂點的向量之差。去掉1/n!的公式是n-平行多面體的體積。理解1/n!因子的一個方法如下:在單位n維盒子的取任意一點，將其坐標分量和0一起排序，然後將相鄰數取差值，得到的數組構成原點和與其最近的n個頂點構成的n-單體中的一點的坐標；取差值的轉換是一個保體積的轉換，而排序則將點的個數減少到1/n!。

標準n-單體下的體積（也即，Rⁿ⁺¹中的原點和單體之間的體積）是

${1 \over (n+1)!}$

單位邊長的正n-單體的體積是

${\frac {\sqrt {n+1}}{n!{\sqrt {2^{n}}}}}$

這個結果可以導出如下：將上一個公式乘以xⁿ⁺¹，得到作為頂點離原點距離（所有頂點和原點等距）的函數的n-單體下的體積；對x微分，取導數在$x=1/{\sqrt {2}}$  的值（因為這個位置n-單體邊長為1），這個導數需要除以${\sqrt {n+1}}$，因為增量$(dx,\dots ,dx)$（垂直於n-單體的法向）的長度為${\sqrt {n+1}}$。

"直角"的單體

這裏的直角表示存在一個頂點，其所有相鄰超平面兩兩垂直。這樣的單體是直角三角形的一個推廣，對於它們存在着一個n維的畢達哥拉斯定理:

所有和直角相鄰的n維超面的體積平方之和等於對面的n維體積的平方。

$\sum _{k=1}^{n}|A_{k}|^{2}=|A_{0}|^{2}$

其中 $A_{1}\ldots A_{n}$是兩兩垂直但不垂直於$A_{0}$的超面，而$A_{0}$是直角的對面。

對於2-單體，這個定理就是畢達哥拉斯定理，而對於3-單體這個是適用於帶立方角四面體的德古阿定理。

拓撲

拓撲上，n-單體是拓撲等價於n-球體的。每個n-單體是n維帶邊界流形。

代數拓撲上，單體是用於構建一類稱為單體複形的常用拓撲空間的基本元素。這些空間可以通過將單體用組合方式粘合在一起來構造。單體複形用於定義特定的一類同調，稱為單純同調。

嵌入到Rⁿ的開子集中的k-單體的有限集稱為仿射k-鏈。在鏈中的單體不必唯一；它們可以重複出現。通常不採用集合的記法來標識仿射鏈，而是採用加號將它們連起來。若有些單體有相反的定向，它們可以用減號。如果有些單體出現多次，可以放一個整數在前面表示出現次數。這樣，仿射鏈可以用整系數的線性組合表示。

注意n-單體的每個面是一個仿射n-1-單體，因此n-單體的邊界可以用一個仿射n-1-鏈來表示。如果定義一個正定向的單體

$\sigma =[v_{0},v_{1},v_{2},...,v_{n}]$

其中 $v_{j}$ 代表頂點，則其邊界 $\partial \sigma$ 是如下鏈

$\partial \sigma =\sum _{j=0}^{n}(-1)^{j}[v_{0},...,v_{j-1},v_{j+1},...,v_{n}]$.

更一般的，單體（以及鏈）可以通過光滑可微映射嵌入到流形中：$f\colon \mathbb {R} ^{n}\rightarrow M$。這個情況下，加法表示和邊界算子都和嵌入可交換。也即

$f(\sum \nolimits _{i}a_{i}\sigma _{i})=\sum \nolimits _{i}a_{i}f(\sigma _{i})$

其中 $a_{i}$ 是標識定向和重次的整數。對於邊界算子 $\partial$，有

$\partial f(\phi )=f(\partial \phi )$

其中 φ 為鏈。邊界算子和映射可交換，是因為，鏈基本就是一個集合，而集合操作和映射是可交換的（按照映射的定義）。

到拓撲空間X中的連續映射 $f:\sigma \rightarrow X$ 常常被稱為奇異n-單體。因為f可以有奇異點。

隨機採樣

(也稱單體采點) 有兩種在單位K-1-單體中產生有效產生均勻分佈的採樣方法。

第一種方法基於從K-1維單位單體採樣等價於從參數α = (α₁, ..., α_K)都等於1的狄利克雷分佈中採樣的事實。確切的流程為：

• 產生K個服從單位指數分佈的隨機數x₁, ..., x_K.
  • 這可以通過產生K個在開區間(0,1)中均勻分佈的隨機數y_i然後取 x_i=-ln(y_i).
• 令S為x_i之和。
• 單位單體中的點的K個坐標t₁, ..., t_K由t_i=x_i/S給出。

第二個方法是基於單位區間上的均勻分佈的順序統計量（參看Devroye, p.568）。算法如下：

• 令 p₀ = 0 而 p_K=1.
• 產生K-1個開區間(0,1)上均勻分佈的隨機數p_i。
• 將K+1點p₀, ..., p_K排序。
• 單位單體中的點的K個坐標t₁, ..., t_K由t_i=p_i-p_i-1給出。

隨機漫遊

有時需要在單體中進行均勻隨機漫遊而不是取一點。這樣的隨機漫遊在蒙特卡羅法中經常用到，譬如單體域中的馬可夫鏈蒙特卡羅。

可以從單位化K個指數分佈隨機向量來得到單體中的均勻分佈來衍生出漫遊的有效算法。首先定義一個單變量函數在正實直線上"漫遊"，其採樣點的靜態分佈為單位指數分佈。該函數利用Metropolis-Hastings算法從舊點得到新點。這個函數偽代碼如下，其中h是相對步長：

next_point <- function(x_old)
{
    repeat {
        x_new <- x_old * exp( Random_Normal(0,h) )
        metropolis_ratio <- exp(-x_new) / exp(-x_old)
        hastings_ratio <- ( x_new / x_old )
        acceptance_probability <- min( 1 , metropolis_ratio * hastings_ratio )
        if ( acceptance_probability > Random_Uniform(0,1) ) break
    }
    return(x_new)
}

然後在單體中隨機漫遊:

• 取服從單位指數分佈的隨機變量x_i, i= 1, 2, ..., K.
• 對於每個 i= 1, 2, ..., K
  • x_i ← next_point(x_i)
• 令S為x_i之和
• 令t_i = x_i/S（對於所有 i= 1, 2, ..., K）

t_i限制在單體中，並會以均勻的靜態分佈密度來反覆遍歷整個區域。注意不要每一步都單位化x_i；那樣會得到非均勻的靜態分佈。實際上，應該把x_i 視為"隱"參數，而t_i才給出單體中的坐標。

參看

• 因果動態三角化
• 距離幾何
• Delaunay三角化
• 其它正n-多胞體
  • 超立方體
  • 正軸體
• 三維球面
• 6-多胞體數
• 四維超正方體
• 四維多胞體
• 多胞體
• 正多胞體列表
• 單體法 - 求解帶不等式條件的最佳化問題的方法
• 單體複形
• 單純同調
• 單純集

外部連結

• Olshevsky, George，《超空間術語表》中的單體（英語）
• OEIS A135278 給出數字T(n,m) = 二項式系數(n+1,m+1)的三角形；或者說，除去左邊的楊輝三角形A007318。 [2]

延伸閱讀

• Walter Rudin, Principles of Mathematical Analysis (Third Edition), (1976) McGraw-Hill, New York, ISBN 0-07-054235-X (參看第10章中對拓撲性質的簡單回顧。).
• Andrew S. Tanenbaum, Computer Networks (4th Ed), (2003) Prentice Hall, ISBN 0-13-066102-3 (See 2.5.3).
• Luc Devroye, Non-Uniform Random Variate Generation. (1986) ISBN 0-387-96305-7.
• H.S.M. Coxeter, Regular Polytopes, Third edition, (1973), Dover edition, ISBN 0-486-61480-8
  • p120-121
  • p.296, Table I (iii): Regular Polytopes, three regular polytopes in n-dimensions (n>=5)
• 埃里克·韋斯坦因. Simplex. MathWorld.