python求圆柱体的体积_漫谈超球体的体积公式

　　现实生活中，我们只要掌握圆的周长和面积公式，了解球的表面积和体积公式就够用了，没有什么可以深究的。本篇将带你走进高维度球的表面积和体积公式^[1]。
　　我们生活在三维空间，对更高维度的空间难以构想。笛卡尔说：我思故我在。借助一点点想象力，我们来推导一下n维球的体积公式。

　　以下都假设球的半径为r，表面积为S，体积为V。球心为坐标原点O，具有n个维度的点X坐标为

，球内任意一点X，都满足距离条件

。

　　对于向量空间，距离测度分多种：
１范式　曼哈顿距离（Ｍanhattan distance）　　

，

２范式　欧几里德距离（Euclidean distance）　

，

n范式　　　　　　　　　　　　　　　　　　　　

范式　切比雪夫距离（ Chebyshev distance）　

。

超立方体

　　无穷大范式最简单，我们先作讨论。所有维度上的坐标的绝对值不超过r，这样的形状是一个边长为2r的超立方体。超（hyper，不是super）是一个泛化的概念，用以延伸到所有的维度上。

　　超立方体的各个轴都是正交的，所以体积

上的积分等于在各个轴上的长度的乘积，即

。

　　每个轴都有左右两个超平面限定，于是n维体有2n个面。在向高维扩展时，n维球的“体”就会沦落为n+1维球的“面”。我们有

，然后连同上面的式子，我们得到

。可以对着正方形和正方体检查一下，是符合的。对于一维情况，“体”就是线长

无疑。但是根据公式，“面”

，与半径无关，没有量纲。有点奇怪，相当于零维空间点的左右两个面？

超锥体

　　在曼哈顿距离下，

构成什么形状呢？可以从低维度入手。一维情况下是一条直线，二维情况下是一个围住

的

正四边形，或者倾斜的正方体。三维情况下是 正八面体，与各轴的交点是

。同理，n维情况下的交点是

构成

超多面体，每个轴上有左右两个交点，每个轴上选一个交点，张成一个 超平面。仅考虑正半轴，则形状分别是三角形，三角锥，四角锥，……超角锥。超角锥的体积公式是