SlideShare a Scribd company logo
1 of 17
Download to read offline
プロジェクト学習
1. 正多面体
理学部情報数理学科
大西 建輔
今日学ぶこと
• 正多面体とは何か?
• 正多面体は5種類しかない
• 正多面体の展開図
正多面体とは?
以下の条件を満たす多面体
1. 全ての面が合同な正多角形
2. 頂点に集まる辺(面)の数が等しい
3. 凸多面体: 多面体の内部のどの2点を結ぶ線分
も多面体に含まれる.
もし, 条件1が無いと? 
⇒ 平行六面体
正多面体とは?
以下の条件を満たす多面体
1. 全ての面が合同な正多角形
2. 頂点に集まる辺(面)の数が等しい
3. 凸多面体: 多面体の内部のどの2点を結ぶ線分
も多面体に含まれる.
もし, 条件2が無いと? 
⇒ 正四面体を繋げた多面体
正多面体とは?
以下の条件を満たす多面体
1. 全ての面が合同な正多角形
2. 頂点に集まる辺(面)の数が等しい
3. 凸多面体: 多面体の内部のどの2点を結ぶ線分
も多面体に含まれる.
正多面体
正多面体は5種類のみ
https://ja.wikipedia.org/wiki/%E6%AD%A3%E5%A4%9A%E9%9D%A2%E4%BD%93 より
正四面体
(三角形)
立方体
(正方形)
正八面体
(三角形)
正12面体
(正五角形)
正20面体
(三角形)
正多面体は5種類しかない
多面体 面の形 面数 辺数 頂点数
正四面体 正三角形
立方体 正方形
正八面体 正三角形
正十二面体 正五角形
正二十面体 正三角形
問題: 条件3を満たさない多面体にはどんなものがあるだろうか?
正多面体は5種類しかない
多面体 面の形
面数
F
辺数
E
頂点数
V
F‐E+V
正四面体 正三角形 4 6 4 2
立方体 正方形 6 12 8 2
正八面体 正三角形 8 12 6 2
正十二面体 正五角形 12 30 20 2
正二十面体 正三角形 20 30 12 2
正多面体は5種類しかない(証明)
「凸な頂点に集まる角度の和は、360°未満」
• ポリドロンで試してみよう
• 正三角形では?
• 正方形では?
• 正五角形では?
• 正六角形では?
• …
正多面体は5種類しかない(証明)
(*) 「凸な頂点に集まる角度の和は、360°未満」
M : 正多角形の頂点数 (M>= 3)
N : 頂点に集まる辺(面の数)  (N>=3)
• 正M角形の一つの内角 180(M‐2)/M
• 一つの頂点に集まる角度 180(M‐2)*N/M
• (*)より 180(M‐2)*N/M < 360
• これを展開すると, (M‐2)*N < 2M
• 整理すると, (M‐2)(N‐2) < 4
正多面体は5種類しかない(証明)
(*) 「凸な頂点に集まる角度の和は、360°未満」
M : 正多角形の頂点数 (M>= 3)
N : 頂点に集まる辺(面の数)  (N>=3)
… 
• 整理すると, (M‐2)(N‐2) < 4
• これを満たす(M,N)は?
⇒ (3,3), (3,4), (3,5), (4,3), (5,3)
⇒ 正四面体, 正八面体, 正二十面体, 
立方体, 正十二面体
正多面体の展開図
• 展開図は何種類あるか?
• 正四面体 2種類
• 立方体 11種類
• 正八面体 11種類
• 正12面体 43380種類
• 正20面体 43380種類
実際に立方体、正八面体の展開図を作ってみよう
正多面体の展開図(立方体)
11種類
正多面体の展開図(正八面体)
11種類
正多面体の展開図(正12面体)
43380通り(Hippenmeyer, 1979)
http://www.al.ics.saitama‐u.ac.jp/horiyama/research/unfolding/index.ja.html より
列挙: どういう展開図があるかを全て出力(堀山ら, 2011)
正多面体の展開図(正20面体)
43380通り(Hippenmeyer, 1979)
http://www.al.ics.saitama‐u.ac.jp/horiyama/research/unfolding/index.ja.html より
列挙: どういう展開図があるかを全て出力(堀山ら, 2011)
多面体(の展開図)を作ってみよう
例えば
• 条件3だけを満たさない正多面体もどきは?
• 凸でない多面体で、条件1,2は満たす
• 切頂20面体を辺展開した時に、面が重なるものは?
• サッカーボールの形, 正20面体の頂点を切った形
• 展開図の直径が最大の展開図
• 直径とは, 展開図の2点を結ぶ最大の長さ
• 展開図の幅が最小の展開図
• 幅とは, 展開図を挟む2直線の距離
• 展開図を含む長方形の面積が最小の展開図

More Related Content

What's hot

差分スペクトル法に基づく DNN 声質変換の計算量削減に向けたフィルタ推定
差分スペクトル法に基づく DNN 声質変換の計算量削減に向けたフィルタ推定差分スペクトル法に基づく DNN 声質変換の計算量削減に向けたフィルタ推定
差分スペクトル法に基づく DNN 声質変換の計算量削減に向けたフィルタ推定
Shinnosuke Takamichi
 
ベイジアンネットワーク入門
ベイジアンネットワーク入門ベイジアンネットワーク入門
ベイジアンネットワーク入門
Keisuke OTAKI
 

What's hot (20)

MLP-Mixer: An all-MLP Architecture for Vision
MLP-Mixer: An all-MLP Architecture for VisionMLP-Mixer: An all-MLP Architecture for Vision
MLP-Mixer: An all-MLP Architecture for Vision
 
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
[DL輪読会]Diffusion-based Voice Conversion with Fast  Maximum Likelihood Samplin...[DL輪読会]Diffusion-based Voice Conversion with Fast  Maximum Likelihood Samplin...
[DL輪読会]Diffusion-based Voice Conversion with Fast Maximum Likelihood Samplin...
 
DLLAB Engineer Days : ONNX Export & Optimize
DLLAB Engineer Days : ONNX Export & Optimize DLLAB Engineer Days : ONNX Export & Optimize
DLLAB Engineer Days : ONNX Export & Optimize
 
モダリティ変換と画像生成 SSII OS2 マルチモーダル深層学習
モダリティ変換と画像生成 SSII OS2 マルチモーダル深層学習モダリティ変換と画像生成 SSII OS2 マルチモーダル深層学習
モダリティ変換と画像生成 SSII OS2 マルチモーダル深層学習
 
20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
20180115_東大医学部機能生物学セミナー_深層学習の最前線とこれから_岡野原大輔
 
画像認識と深層学習
画像認識と深層学習画像認識と深層学習
画像認識と深層学習
 
音声生成の基礎と音声学
音声生成の基礎と音声学音声生成の基礎と音声学
音声生成の基礎と音声学
 
数理最適化と機械学習の 融合アプローチ -分類と新しい枠組み-
数理最適化と機械学習の融合アプローチ-分類と新しい枠組み-数理最適化と機械学習の融合アプローチ-分類と新しい枠組み-
数理最適化と機械学習の 融合アプローチ -分類と新しい枠組み-
 
Pythonで画像処理をやってみよう!第7回 - Scale-space 第6回 -
Pythonで画像処理をやってみよう!第7回 - Scale-space 第6回 -Pythonで画像処理をやってみよう!第7回 - Scale-space 第6回 -
Pythonで画像処理をやってみよう!第7回 - Scale-space 第6回 -
 
yans2022_hackathon.pdf
yans2022_hackathon.pdfyans2022_hackathon.pdf
yans2022_hackathon.pdf
 
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
 
劣モジュラ最適化と機械学習 2.4節
劣モジュラ最適化と機械学習 2.4節劣モジュラ最適化と機械学習 2.4節
劣モジュラ最適化と機械学習 2.4節
 
短時間発話を用いた話者照合のための音声加工の効果に関する検討
短時間発話を用いた話者照合のための音声加工の効果に関する検討短時間発話を用いた話者照合のための音声加工の効果に関する検討
短時間発話を用いた話者照合のための音声加工の効果に関する検討
 
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
[CVPR2020読み会@CV勉強会] 3D Packing for Self-Supervised Monocular Depth Estimation
 
差分スペクトル法に基づく DNN 声質変換の計算量削減に向けたフィルタ推定
差分スペクトル法に基づく DNN 声質変換の計算量削減に向けたフィルタ推定差分スペクトル法に基づく DNN 声質変換の計算量削減に向けたフィルタ推定
差分スペクトル法に基づく DNN 声質変換の計算量削減に向けたフィルタ推定
 
【DL輪読会】言語以外でのTransformerのまとめ (ViT, Perceiver, Frozen Pretrained Transformer etc)
【DL輪読会】言語以外でのTransformerのまとめ (ViT, Perceiver, Frozen Pretrained Transformer etc)【DL輪読会】言語以外でのTransformerのまとめ (ViT, Perceiver, Frozen Pretrained Transformer etc)
【DL輪読会】言語以外でのTransformerのまとめ (ViT, Perceiver, Frozen Pretrained Transformer etc)
 
Convolutional Neural Networks のトレンド @WBAFLカジュアルトーク#2
Convolutional Neural Networks のトレンド @WBAFLカジュアルトーク#2Convolutional Neural Networks のトレンド @WBAFLカジュアルトーク#2
Convolutional Neural Networks のトレンド @WBAFLカジュアルトーク#2
 
メタスタディ (Vision and Language)
メタスタディ (Vision and Language)メタスタディ (Vision and Language)
メタスタディ (Vision and Language)
 
ベイジアンネットワーク入門
ベイジアンネットワーク入門ベイジアンネットワーク入門
ベイジアンネットワーク入門
 
Cythonやってみた!
Cythonやってみた!Cythonやってみた!
Cythonやってみた!
 

More from Kensuke Onishi (7)

Androidで学ぶ
Androidで学ぶAndroidで学ぶ
Androidで学ぶ
 
20161119ABC_LT
20161119ABC_LT20161119ABC_LT
20161119ABC_LT
 
ABC 2016Spring 講演資料
ABC 2016Spring 講演資料ABC 2016Spring 講演資料
ABC 2016Spring 講演資料
 
展開図
展開図展開図
展開図
 
2つ以上の箱の作れる展開図
2つ以上の箱の作れる展開図2つ以上の箱の作れる展開図
2つ以上の箱の作れる展開図
 
ABC2015 Summer LT
ABC2015 Summer LTABC2015 Summer LT
ABC2015 Summer LT
 
Comp geom20131107open
Comp geom20131107openComp geom20131107open
Comp geom20131107open
 

正多面体と展開図