球の体積
nn 次元ユークリッド空間における半径 rr の nn 次元球(超球)の体積 Vn(r)V_n(r) は、
Vn(r)=πn/2Γ (n2+1) rnV_n(r)=\frac{\pi^{n/2}}{\Gamma\!\left(\frac{n}{2}+1\right)}\,r^nで与えられます。
ここで Γ\Gamma はガンマ関数で、
Γ(m+1)=m!\Gamma(m+1)=m!(mm が整数のとき)を満たします。
例
- n=1n=1
(線分の長さ)
- n=2n=2
(円の面積)
- n=3n=3
(球の体積)
- n=4n=4
- n=5n=5
奇数次元と偶数次元で書き分けると、
偶数次元 n=2mn=2m
V2m(r)=πmm!r2mV_{2m}(r) =\frac{\pi^m}{m!}r^{2m}奇数次元 n=2m+1n=2m+1
V2m+1(r)=2m+1πm(2m+1)!!r2m+1V_{2m+1}(r) = \frac{2^{m+1}\pi^m}{(2m+1)!!}r^{2m+1}となります。
ちなみに、r=1r=1 の単位超球の体積
Vn(1)=πn/2Γ(n/2+1)V_n(1)=\frac{\pi^{n/2}}{\Gamma(n/2+1)}は nn が大きくなると 0 に収束します。高次元では「単位球の体積はほとんど存在しない」という少し直感に反する性質があります。これは高次元統計や機械学習でもよく出てくる話です。
この導出はガウス積分を使うのが最も美しいです。
1. n次元ガウス積分を計算する
まず
In=∫Rne−(x12+x22+⋯+xn2) dnxI_n=\int_{\mathbb R^n}e^{-(x_1^2+x_2^2+\cdots+x_n^2)}\,d^nxを考えます。
変数が分離しているので
In=(∫−∞∞e−x2dx)nI_n = \left( \int_{-\infty}^{\infty}e^{-x^2}dx \right)^nとなります。
1次元ガウス積分
∫−∞∞e−x2dx=π\int_{-\infty}^{\infty}e^{-x^2}dx=\sqrt{\pi}より
In=πn/2I_n=\pi^{n/2}です。
2. 極座標(超球座標)で同じ積分を計算
半径を
r=x12+⋯+xn2r=\sqrt{x_1^2+\cdots+x_n^2}とすると
dnx=Sn−1(r) drd^n x=S_{n-1}(r)\,drと書けます。
ここで
Sn−1(r)S_{n-1}(r)は半径 rr の (n−1)(n-1) 次元球面の面積です。
面積は半径の (n−1)(n-1) 乗に比例するので
Sn−1(r)=Sn−1(1)rn−1S_{n-1}(r)=S_{n-1}(1)r^{n-1}となります。
よって
In=Sn−1(1)∫0∞e−r2rn−1dr.I_n = S_{n-1}(1) \int_0^\infty e^{-r^2} r^{n-1} dr.3. ガンマ関数を導入する
変数変換
u=r2u=r^2を行うと
du=2r drdu=2r\,drなので
rn−1dr=12un/2−1du.r^{n-1}dr = \frac12 u^{n/2-1}du.したがって
In=Sn−1(1)2∫0∞un/2−1e−udu.I_n = \frac{S_{n-1}(1)}{2} \int_0^\infty u^{n/2-1} e^{-u} du.積分はガンマ関数
Γ(a)=∫0∞ua−1e−udu\Gamma(a) = \int_0^\infty u^{a-1}e^{-u}duですから
In=12Sn−1(1)Γ (n2).I_n = \frac12 S_{n-1}(1) \Gamma\!\left(\frac n2\right).4. 二つの結果を比較
先ほど
In=πn/2I_n=\pi^{n/2}を得ているので
πn/2=12Sn−1(1)Γ (n2).\pi^{n/2} = \frac12 S_{n-1}(1) \Gamma\!\left(\frac n2\right).よって単位球面積は
Sn−1(1)=2πn/2Γ(n/2).S_{n-1}(1) = \frac{2\pi^{n/2}} {\Gamma(n/2)}.これが超球面積の一般式です。
5. 体積との関係
半径 rr の球の体積を Vn(r)V_n(r) とすると
dVndr=Sn−1(r)\frac{dV_n}{dr}=S_{n-1}(r)です。
したがって
Vn(r)=∫0rSn−1(t) dtV_n(r) = \int_0^r S_{n-1}(t)\,dt =2πn/2Γ(n/2)∫0rtn−1dt.= \frac{2\pi^{n/2}} {\Gamma(n/2)} \int_0^r t^{n-1}dt.積分すると
Vn(r)=2πn/2n Γ(n/2)rn.V_n(r) = \frac{2\pi^{n/2}} {n\,\Gamma(n/2)} r^n.ここで
Γ(z+1)=zΓ(z)\Gamma(z+1)=z\Gamma(z)を使うと
nΓ (n2)=2Γ (n2+1).n\Gamma\!\left(\frac n2\right) = 2\Gamma\!\left(\frac n2+1\right).よって
Vn(r)=πn/2Γ (n2+1)rn\boxed{ V_n(r) = \frac{\pi^{n/2}} {\Gamma\!\left(\frac n2+1\right)} r^n }が得られます。
6. 偶数次元の場合
n=2mn=2m
なら
V2m(r)=πmm!r2m.V_{2m}(r) = \frac{\pi^m}{m!}r^{2m}.例えば
V2=πr2,V4=π22r4,V6=π36r6.V_2=\pi r^2, \qquad V_4=\frac{\pi^2}{2}r^4, \qquad V_6=\frac{\pi^3}{6}r^6.7. 高次元で体積が0へ行く理由
単位球
Vn(1)=πn/2Γ(n/2+1)V_n(1) = \frac{\pi^{n/2}} {\Gamma(n/2+1)}についてスターリング公式
Γ(z+1)∼2πz(ze)z\Gamma(z+1) \sim \sqrt{2\pi z} \left(\frac{z}{e}\right)^zを入れると
Vn(1)∼1πn(2πen)n/2.V_n(1) \sim \frac1{\sqrt{\pi n}} \left(\frac{2\pi e}{n}\right)^{n/2}.n→∞n\to\infty で
2πen→0\frac{2\pi e}{n}\to0なので
Vn(1)→0.V_n(1)\to0.つまり高次元では半径1でも体積は急速に小さくなります。
さらに面白いことに、高次元球では体積のほとんどが「中心付近」ではなく「表面近くの薄い殻」に集中します。これは統計力学、機械学習、ランダム行列論などで非常に重要な現象です。
2026年11月22日 | カテゴリー:物理数学統計諸計算 |




