.... 사물을 단순하게 유지하려면 삼각형이 평면에 있어야하므로 2D 공간에서 다음을 수행했습니다. 좀 더 단순하게하기 위해 점을 {0,0}
에 지정하고 라인 세그먼트를 {1,0}
에서 {0,1}
까지 지정합니다. 점에서 선까지의 평균 거리는 의미가 있다면 {0.0}에서 선분의 어느 곳으로나 그릴 수있는 모든 선의 평균 길이 여야합니다. 물론, 티카 10.이는 0.830255
을 제공
Mean[Table[EuclideanDistance[{0, 0}, {1 - k, 0 + k}], {k, 0, 1, 10.0^-1}]]]
로 계산 될 수있다,이 같은 라인의 끔찍한 많이 있습니다, 그래서 말하자면, 시작하자. 다음 단계는 분명합니다. 측정하는 선의 개수를 더 크게 만듭니다. 실제로, 10.0의 지수가 작아짐에 따라 평균 테이블을 만듭니다 (음수입니다). 매스 매 티카에서 :
Table[Mean[Table[EuclideanDistance[{0, 0}, {1 - k, 0 + k}], {k, 0, 1,
10.0^-i}]], {i, 0, 6}]
생산되는 :
Table[Mean[Table[EuclideanDistance[{0, 0}, {4, 0 + 3 k}], {k, 0, 1,
10.0^-i}]], {i, 0, 6}]
제공 :
을
{1, 0.830255, 0.813494, 0.811801, 0.811631, 0.811615, 0.811613}
내가 데이브의 예 @ - 일 다시이 방법 (세 번째 차원을 잊지를) 다음
{9/2, 4.36354, 4.34991, 4.34854, 4.34841, 4.34839, 4.34839}
이것은 @dreeves가 @ @ Dave의 알고리즘이 계산한다고 말하는 것과 함께하십시오.
편집 : 좋아, 그래서 이것에 대해 더 많은 시간을 낭비했습니다. I가 처음에 사용되는 간단한 예를 들어, 그 {0,0}
에 점으로하고 {0,1}
에서 {1,0}
으로 연장되는 선분이 같은 (적으로) 매쓰의 함수를 정의
fun2[k_] := EuclideanDistance[{0, 0}, {0 + k, 1 - k}]
을 이제 이것은 통합 가능합니다.오히려 번호를 원하는 경우,
In[13]:= Integrate[fun2[k], {k, 0, 1}]
Out[13]= 1/4 (2 + Sqrt[2] ArcSinh[1])
을 또는이 : 매스 매 티카가 제공
앞서 갔다 순수 수치 적 접근 방식이주는 것입니다
In[14]:= NIntegrate[fun2[k], {k, 0, 1}]
Out[14]= 0.811613
.
이제 다시 돌아와서 지점과 선분의 끝점으로 정의 된 임의의 삼각형을 일반화하기 위해 남겨 두겠습니다.
이것을 계산하려는 이유가 무엇인가요? 흔하지 않은 계산 인 것 같아서 그다지 간단하지 않습니다. 그게 니가 원하는거야? – brainjam