n次元単体の重心の定義
n次元単体の各i点(i=0~n)からある点に向かうベクトルの全ての合成がちょうど
ゼロベクトルとなりつりあうようなそのある点をn次元単体の重心と定義する。
これより、n次元単体の0点からこの重心への方向ベクトルを

、
原点からn次元単体の重心への位置ベクトルを

とすれば、
![\mathbf{l}_G + \sum_{i=1}^n (\mathbf{l}_G - \mathbf{l}_i) = \sum_{i=0}^n (\mathbf{p}_G - \mathbf{p}_i) = \overset{[m]}{\mathbb{0}}](http://chart.apis.google.com/chart?cht=tx&chf=bg,s,ffffff00&chco=000000ff&chs=25&chl=%5Cmathbf%7Bl%7D_G%20%2B%20%5Csum_%7Bi%3D1%7D%5En%20%28%5Cmathbf%7Bl%7D_G%20-%20%5Cmathbf%7Bl%7D_i%29%20%3D%20%5Csum_%7Bi%3D0%7D%5En%20%28%5Cmathbf%7Bp%7D_G%20-%20%5Cmathbf%7Bp%7D_i%29%20%3D%20%5Coverset%7B%5Bm%5D%7D%7B%5Cmathbb%7B0%7D%7D)
が成り立つ。
n次元単体の重心への方向ベクトル 
定義より、n次元単体の重心への方向ベクトルは
![\mathbf{l}_G = \frac{\mathbf{L} \overset{[n]}{\mathbb{1}}}{n+1}](http://chart.apis.google.com/chart?cht=tx&chf=bg,s,ffffff00&chco=000000ff&chs=25&chl=%5Cmathbf%7Bl%7D_G%20%3D%20%5Cfrac%7B%5Cmathbf%7BL%7D%20%5Coverset%7B%5Bn%5D%7D%7B%5Cmathbb%7B1%7D%7D%7D%7Bn%2B1%7D)
と書ける。
n次元単体の重心への位置ベクトル 
定義より、n次元単体の重心への位置ベクトルは
![\mathbf{p}_G = \frac{\mathbf{P} \overset{[n+1]}{\mathbb{1}}}{n+1} = \frac{\mathbf{P} \mathbb{1}}{\mathbb{1}^T \mathbb{1}}](http://chart.apis.google.com/chart?cht=tx&chf=bg,s,ffffff00&chco=000000ff&chs=25&chl=%5Cmathbf%7Bp%7D_G%20%3D%20%5Cfrac%7B%5Cmathbf%7BP%7D%20%5Coverset%7B%5Bn%2B1%5D%7D%7B%5Cmathbb%7B1%7D%7D%7D%7Bn%2B1%7D%20%3D%20%5Cfrac%7B%5Cmathbf%7BP%7D%20%5Cmathbb%7B1%7D%7D%7B%5Cmathbb%7B1%7D%5ET%20%5Cmathbb%7B1%7D%7D)
と書ける。
重均半径 
また、(n+1)点

からのベクトルの長さの自乗和

が最小となる点を

とすれば、

が極小値をとる条件

から、重心

においてこの自乗和は最小値
![\min[F_G] = \left( \sum_{i=0}^n \mathbf{p}_i^T \mathbf{p}_i \right) - (n+1) \mathbf{p}_G^T \mathbf{p}_G](http://chart.apis.google.com/chart?cht=tx&chf=bg,s,ffffff00&chco=000000ff&chs=25&chl=%5Cmin%5BF_G%5D%20%3D%20%5Cleft%28%20%5Csum_%7Bi%3D0%7D%5En%20%5Cmathbf%7Bp%7D_i%5ET%20%5Cmathbf%7Bp%7D_i%20%5Cright%29%20-%20%28n%2B1%29%20%5Cmathbf%7Bp%7D_G%5ET%20%5Cmathbf%7Bp%7D_G)
をとることがわかる。
よって、

の最小値をベクトルの数で割った値の平方根を重均半径
![r_G = \sqrt{\frac{\min[F_G]}{n+1}}](http://chart.apis.google.com/chart?cht=tx&chf=bg,s,ffffff00&chco=000000ff&chs=25&chl=r_G%20%3D%20%5Csqrt%7B%5Cfrac%7B%5Cmin%5BF_G%5D%7D%7Bn%2B1%7D%7D)
とし、正方行列

の対角成分の総和(トレースと呼ばれる)を
![\tr[\mathbf{X}] = \mathbb{1}^T \mathbf{\Sigma}[\mathbf{X}] \mathbb{1}](http://chart.apis.google.com/chart?cht=tx&chf=bg,s,ffffff00&chco=000000ff&chs=25&chl=%5Ctr%5B%5Cmathbf%7BX%7D%5D%20%3D%20%5Cmathbb%7B1%7D%5ET%20%5Cmathbf%7B%5CSigma%7D%5B%5Cmathbf%7BX%7D%5D%20%5Cmathbb%7B1%7D)
で表せば、
![r_G = \sqrt{\frac{\mathbb{1}^T \mathbf{\Sigma}[\mathbf{P}^T \mathbf{P}] \mathbb{1}}{\mathbb{1}^T \mathbb{1}} - \frac{\mathbb{1}^T \mathbf{P}^T \mathbf{P} \mathbb{1}}{\mathbb{1}^T \mathbb{1} \mathbb{1}^T \mathbb{1}}}](http://chart.apis.google.com/chart?cht=tx&chf=bg,s,ffffff00&chco=000000ff&chs=25&chl=r_G%20%3D%20%5Csqrt%7B%5Cfrac%7B%5Cmathbb%7B1%7D%5ET%20%5Cmathbf%7B%5CSigma%7D%5B%5Cmathbf%7BP%7D%5ET%20%5Cmathbf%7BP%7D%5D%20%5Cmathbb%7B1%7D%7D%7B%5Cmathbb%7B1%7D%5ET%20%5Cmathbb%7B1%7D%7D%20-%20%5Cfrac%7B%5Cmathbb%7B1%7D%5ET%20%5Cmathbf%7BP%7D%5ET%20%5Cmathbf%7BP%7D%20%5Cmathbb%7B1%7D%7D%7B%5Cmathbb%7B1%7D%5ET%20%5Cmathbb%7B1%7D%20%5Cmathbb%7B1%7D%5ET%20%5Cmathbb%7B1%7D%7D%7D)
より、
![r_G = \sqrt{\frac{\overset{[n]}{\mathbb{1}}^T \mathbf{\Sigma}[\mathbf{L}^T \mathbf{L}] \overset{[n]}{\mathbb{1}}}{n+1} - \frac{\overset{[n]}{\mathbb{1}}^T \mathbf{L}^T \mathbf{L} \overset{[n]}{\mathbb{1}}}{(n+1)^2}} = \frac{\sqrt{\mathbb{1}^T \tilde{\mathbf{B}} \mathbb{1}}}{\mathbb{1}^T \mathbb{1}}](http://chart.apis.google.com/chart?cht=tx&chf=bg,s,ffffff00&chco=000000ff&chs=25&chl=r_G%20%3D%20%5Csqrt%7B%5Cfrac%7B%5Coverset%7B%5Bn%5D%7D%7B%5Cmathbb%7B1%7D%7D%5ET%20%5Cmathbf%7B%5CSigma%7D%5B%5Cmathbf%7BL%7D%5ET%20%5Cmathbf%7BL%7D%5D%20%5Coverset%7B%5Bn%5D%7D%7B%5Cmathbb%7B1%7D%7D%7D%7Bn%2B1%7D%20-%20%5Cfrac%7B%5Coverset%7B%5Bn%5D%7D%7B%5Cmathbb%7B1%7D%7D%5ET%20%5Cmathbf%7BL%7D%5ET%20%5Cmathbf%7BL%7D%20%5Coverset%7B%5Bn%5D%7D%7B%5Cmathbb%7B1%7D%7D%7D%7B%28n%2B1%29%5E2%7D%7D%20%3D%20%5Cfrac%7B%5Csqrt%7B%5Cmathbb%7B1%7D%5ET%20%5Ctilde%7B%5Cmathbf%7BB%7D%7D%20%5Cmathbb%7B1%7D%7D%7D%7B%5Cmathbb%7B1%7D%5ET%20%5Cmathbb%7B1%7D%7D)
と書ける。
最終更新:2008年09月08日 00:12