MathLabs

几何学

凸几何与离散几何

研究凸形、格点以及有限多个几何对象的排列方式。

直观永不离开图形的线段,以及物体最紧密的堆积方式

在木板上的一把图钉外围绷上一根橡皮筋:它围出的区域没有任何凹陷——内部任意两点之间的线段都完全留在内部。这一性质就是凸性,围绕集合SS的最小这种包裹区域就是凸包conv⁡(S)\operatorname{conv}(S)。离散几何将凸性与计数和格结合起来:生成conv⁡(S)\operatorname{conv}(S)中的每一点实际上需要SS中的多少个点,一个凸体何时必然碰到Zd\mathbb{Z}^d的格点,以及在Rd\mathbb{R}^d中全等的球体最多能堆积得多紧密?

带有面展开滑块的交互式三维凸多面体。
探索三维凸多面体:它是其顶点的凸包,每个面都是由支撑超平面切出的平面多边形。

中学凸集、凸包与格点多边形

子集C⊆RdC \subseteq \mathbb{R}^d称为凸集,如果对任意两点x,y∈Cx, y \in C,连接它们的整条线段都包含在CC中。在平面R2\mathbb{R}^2上,当简单多边形的所有顶点都位于整数格Z2\mathbb{Z}^2的格点上时,格奥尔格·皮克于1899年发现,无需测量长度或角度,仅靠数格点就能求出其面积。

∀x,y∈C,  ∀t∈[0,1]:(1−t)x+ty∈C\forall x, y \in C,\; \forall t \in [0, 1] : (1 - t)x + ty \in C

这里(1−t)x+ty(1-t)x + ty扫过从xx(当t=0t=0时)到yy(当t=1t=1时)的直线段。更一般地,任意集合S⊆RdS \subseteq \mathbb{R}^d的凸包是SS中点的所有有限凸组合构成的集合:conv⁡(S)={ ∑i=1kλixi:xi∈S,  λi≥0,  ∑i=1kλi=1 }\operatorname{conv}(S) = \left\{\, \sum_{i=1}^{k} \lambda_i x_i : x_i \in S,\; \lambda_i \ge 0,\; \sum_{i=1}^{k} \lambda_i = 1 \,\right\}。

A=I+B2−1A = I + \frac{B}{2} - 1

在皮克公式A=I+B2−1A = I + \frac{B}{2} - 1中,AA是Z2\mathbb{Z}^2中简单格点多边形的面积,II是严格位于其内部的格点数,BB是位于其边界边上(含顶点)的格点数。每个内部格点贡献11个单位面积,每个边界格点贡献半个单位,外角和减去11。

凸几何与离散几何的基石定理
定理维数关键阈值/公式
卡拉西奥多里Rd\mathbb{R}^dd+1d + 1个点足以生成conv⁡(S)\operatorname{conv}(S)
赫利Rd\mathbb{R}^d任d+1d + 1个相交⇒\Rightarrow全体相交
闵可夫斯基Rd\mathbb{R}^dvol⁡(K)>2ddet⁡(Λ)  ⟹  K∩(Λ∖{0})≠∅\operatorname{vol}(K) > 2^d \det(\Lambda) \;\Longrightarrow\; K \cap (\Lambda \setminus \{0\}) \neq \emptyset
皮克R2\mathbb{R}^2A=I+B2−1A = I + \frac{B}{2} - 1

大学组合凸性与数的几何

若点x∈Rdx \in \mathbb{R}^d属于子集S⊆RdS \subseteq \mathbb{R}^d的凸包conv⁡(S)\operatorname{conv}(S),则xx属于SS中至多d+1d + 1个点的凸包。

为什么成立?

conv⁡(S)\operatorname{conv}(S)中的凸组合表面上可以涉及SS中任意多个点,但在Rd\mathbb{R}^d中任意d+2d + 2个或更多点必然仿射相关。利用这一线性关系可以每次消去一个点并保持所有权重非负,直到至多剩下d+1d + 1个点(一个单纯形)。赫利定理——Rd\mathbb{R}^d中有限个凸集只要任取d+1d + 1个有公共点则全体必有公共点——正是这一维数界的直接姊妹结果。

证明

取项数kk最小的表示x=∑i=1kλixix = \sum_{i=1}^{k} \lambda_i x_i,其中xi∈Sx_i \in S,λi>0\lambda_i > 0,且∑i=1kλi=1\sum_{i=1}^{k} \lambda_i = 1。我们断言k≤d+1k \le d + 1。

反证假设k≥d+2k \ge d + 2。则Rd\mathbb{R}^d中的k−1≥d+1k - 1 \ge d + 1个差向量x2−x1,x3−x1,…,xk−x1x_2 - x_1, x_3 - x_1, \ldots, x_k - x_1线性相关,故存在不全为零的标量μ2,…,μk\mu_2, \ldots, \mu_k使得∑i=2kμi(xi−x1)=0\sum_{i=2}^{k} \mu_i (x_i - x_1) = 0。令μ1=−∑i=2kμi\mu_1 = -\sum_{i=2}^{k} \mu_i,便得到∑i=1kμixi=0\sum_{i=1}^{k} \mu_i x_i = 0且∑i=1kμi=0\sum_{i=1}^{k} \mu_i = 0,并且至少有一个μi>0\mu_i > 0。

对任意实数tt,都有x=∑i=1k(λi−tμi)xix = \sum_{i=1}^{k} (\lambda_i - t \mu_i) x_i且系数之和仍为11。取t=min⁡μi>0(λi/μi)>0t = \min_{\mu_i > 0} (\lambda_i / \mu_i) > 0;此时每个新系数λi−tμi\lambda_i - t \mu_i都非负,且至少有一个变为00,从而将xx表为SS中至多k−1k - 1个点的凸组合,与kk的最小性矛盾。

设Λ⊂Rd\Lambda \subset \mathbb{R}^d是基本区域体积为det⁡(Λ)\det(\Lambda)的满秩格,K⊂RdK \subset \mathbb{R}^d是中心对称凸集(x∈K⇒−x∈Kx \in K \Rightarrow -x \in K)。则vol⁡(K)>2ddet⁡(Λ)  ⟹  K∩(Λ∖{0})≠∅\operatorname{vol}(K) > 2^d \det(\Lambda) \;\Longrightarrow\; K \cap (\Lambda \setminus \{0\}) \neq \emptyset(若KK还是紧集,严格不等号>>可放宽为≥\ge)。

为什么成立?

这是数论中的连续鸽巢原理:一旦中心对称凸体的体积超过格的2d2^d个基本区域的体积,将它按比例22缩小后体积仍大于一个基本区域,迫使缩小后图形中有两点相差一个非零格向量——随后对称性加上凸性又把该格向量拉回到KK内部。

证明

考虑缩小一半的凸体12K={ x/2:x∈K }\frac{1}{2} K = \{\, x / 2 : x \in K \,\}。在dd维空间中缩放会使体积乘以2−d2^{-d},因此假设vol⁡(K)>2ddet⁡(Λ)\operatorname{vol}(K) > 2^d \det(\Lambda)变为vol⁡(12K)>det⁡(Λ)\operatorname{vol}(\frac{1}{2} K) > \det(\Lambda)。

设FF是Λ\Lambda的基本平行多面体,使得Rd=⨆v∈Λ(F+v)\mathbb{R}^d = \bigsqcup_{v \in \Lambda} (F + v)且vol⁡(F)=det⁡(Λ)\operatorname{vol}(F) = \det(\Lambda)。将12K\frac{1}{2} K切成碎片Av=(12K)∩(F+v)A_v = (\frac{1}{2} K) \cap (F + v),再通过Bv=Av−v⊆FB_v = A_v - v \subseteq F将每块碎片平移回FF中。由于所有BvB_v的体积之和等于vol⁡(12K)>vol⁡(F)\operatorname{vol}(\frac{1}{2} K) > \operatorname{vol}(F),这些集合BvB_v不可能两两不相交(布利希费尔特原理)。

在Λ\Lambda中取不同的格向量u≠vu \neq v使得Bu∩Bv≠∅B_u \cap B_v \neq \emptyset。于是存在两个不同的点p,q∈12Kp, q \in \frac{1}{2} K满足p−u=q−vp - u = q - v,故p−q=u−v∈Λ∖{0}p - q = u - v \in \Lambda \setminus \{0\}。由p,q∈12Kp, q \in \frac{1}{2} K知2p,2q∈K2p, 2q \in K;由KK的中心对称性得−2q∈K-2q \in K,再由KK的凸性知中点12(2p)+12(−2q)=p−q\frac{1}{2}(2p) + \frac{1}{2}(-2q) = p - q属于KK。因此p−qp - q就是K∩(Λ∖{0})K \cap (\Lambda \setminus \{0\})中的非零格点。

大学实际应用与典型例题

后量子密码学(如ML-KEM / Kyber与ML-DSA / Dilithium)建立在高维格Λ⊂Rd\Lambda \subset \mathbb{R}^d中寻找最短非零向量的计算困难性之上,而该向量的存在性正由闵可夫斯基定理保证。在数字通信中,Rd\mathbb{R}^d中的球体堆积就是含噪无线电与光纤信道的纠错码:2424维利奇格与具有最优堆积密度Δ8=π4384≈0.25367\Delta_{8} = \frac{\pi^4}{384} \approx 0.25367的88维E8E_8格曾用于深空探测器遥测和高速调制解调器。在计算机图形学、机器人学与地理信息系统中,三维网格之间的碰撞检测化归为判断原点是否位于它们凸包的闵可夫斯基差之内,而皮克定理则为数字图像处理提供了快速的网格面积估算。

例题: 用皮克定理计算整数网格上的地块面积

一块三角形地块的顶点位于Z2\mathbb{Z}^2中的整数格点(0,0)(0, 0)、(4,0)(4, 0)与(0,6)(0, 6)处。数出边界格点数BB与内部格点数II,并验证皮克公式A=I+B2−1A = I + \frac{B}{2} - 1给出精确面积。

解答

连接(x1,y1)(x_1, y_1)与(x2,y2)(x_2, y_2)的线段上的格点段数为gcd⁡(∣x2−x1∣,∣y2−y1∣)\gcd(|x_2 - x_1|, |y_2 - y_1|)。对三角形三边求和可得边界格点数为B=gcd⁡(4,0)+gcd⁡(0,6)+gcd⁡(4,6)=4+6+2=12B = \gcd(4, 0) + \gcd(0, 6) + \gcd(4, 6) = 4 + 6 + 2 = 12。

对于满足x>0x > 0、y>0y > 0且3x+2y<123x + 2y < 12的内部格点(x,y)(x, y):当x=1x = 1时2y<92y < 9(y∈{1,2,3,4}y \in \{1,2,3,4\},共44个点);当x=2x = 2时2y<62y < 6(y∈{1,2}y \in \{1,2\},共22个点);当x=3x = 3时2y<32y < 3(y=1y = 1,共11个点)。故I=4+2+1=7I = 4 + 2 + 1 = 7。

将I=7I = 7与B=12B = 12代入皮克公式A=I+B2−1A = I + \frac{B}{2} - 1得A=7+12/2−1=12A = 7 + 12/2 - 1 = 12,与底乘高除以二的计算12⋅4⋅6=12\frac{1}{2} \cdot 4 \cdot 6 = 12完全吻合。

例题: 用闵可夫斯基定理保证非零整数解的存在

利用闵可夫斯基凸体定理证明不等式x2+9y2<16x^2 + 9y^2 < 16至少有一个非零整数解(x,y)∈Z2∖{(0,0)}(x, y) \in \mathbb{Z}^2 \setminus \{(0,0)\},并给出一个具体解。

解答

集合K={ (x,y)∈R2:(x/4)2+(3y/4)2<1 }K = \{\, (x, y) \in \mathbb{R}^2 : (x/4)^2 + (3y/4)^2 < 1 \,\}是以原点为中心、半轴长a=4a = 4与b=4/3b = 4/3的开椭圆区域,因此是凸集且中心对称。

其面积为vol⁡(K)=πab=π⋅4⋅(4/3)=16π/3≈16.755\operatorname{vol}(K) = \pi a b = \pi \cdot 4 \cdot (4/3) = 16\pi / 3 \approx 16.755。对于维数d=2d = 2的标准整数格Λ=Z2\Lambda = \mathbb{Z}^2,有det⁡(Λ)=1\det(\Lambda) = 1,闵可夫斯基阈值为2ddet⁡(Λ)=42^d \det(\Lambda) = 4。

由于16π/3>416\pi / 3 > 4,闵可夫斯基定理vol⁡(K)>2ddet⁡(Λ)  ⟹  K∩(Λ∖{0})≠∅\operatorname{vol}(K) > 2^d \det(\Lambda) \;\Longrightarrow\; K \cap (\Lambda \setminus \{0\}) \neq \emptyset保证KK内部存在非零整点;事实上(1,1)(1, 1)满足12+9(1)2=10<161^2 + 9(1)^2 = 10 < 16(此外(1,0)(1, 0)、(2,0)(2, 0)、(3,0)(3, 0)也属于KK)。

由卡拉西奥多里定理,S⊆R3S \subseteq \mathbb{R}^3的凸包conv⁡(S)\operatorname{conv}(S)中的任意一点可以表为SS中至多多少个点的凸组合?

Z2\mathbb{Z}^2中的一个简单格点多边形有I=10I = 10个内部格点和B=8B = 8个边界格点,它的面积AA是多少?

对于R3\mathbb{R}^3中的标准整数格Λ=Z3\Lambda = \mathbb{Z}^3,中心对称凸体KK的体积必须超过多少,闵可夫斯基定理才能保证KK中含有非零整点?

2016年玛丽娜·维亚佐夫斯卡及其合作者在大于33的哪两个维数中证明了精确的最优球体堆积密度?

参考文献

  1. Peter M. Gruber (2007). Convex and Discrete Geometry (Grundlehren der mathematischen Wissenschaften, Vol. 336) · DOI:10.1007/978-3-540-71133-9
  2. Maryna S. Viazovska (2017). The sphere packing problem in dimension 8 · arXiv:1603.04246
  3. Henry Cohn, Abhinav Kumar, Stephen D. Miller, Danylo Radchenko, Maryna Viazovska (2019). Universal optimality of the E8 and Leech lattices and interpolation formulas · arXiv:1902.05438