高维空间中的飞镖(与 3blue1brown 合作)- Numberphile

Darts in Higher Dimensions (with 3blue1brown) - Numberphile

频道:Numberphile · 时长:32:11 · 发布:2019-11-17 · 播放:2152120

在 YouTube 观看

简介

Numberphile 与 3Blue1Brown 的 Grant Sanderson 讨论一个靶心不断缩小的飞镖谜题。解决它需要高维球体的体积,而答案中出现了欧拉数。

HN 为什么推荐

被用作高维几何出现在简单问题中的友好例子,以及球体体积在超立方体内缩小的例子。

Numberphile 和 3blue1brown 有一个很好的相关视频 — HN, 2023

概率与博弈论 · 趣味与视觉数学

中文字幕节选

好了,Brady,我给你准备了一个谜题。是关于飞镖的。 它涉及一些高维几何 以及数学中几个最著名的数字 我来描述一下游戏规则。我们要尽可能多地命中靶心。 现在靶心是这个小小的红色区域,但太小了, 我们要从一个填满整个靶盘的巨大靶心开始。 我有个正经的圆规,所以我先剪下一块,就一张 纸,来表示我们放大的靶心。 [笑] - (Brady: 这样就行了) 不是我画过的最好的圆。你 要做的就是尽量命中靶心。每次 我们命中它,根据我们投掷的位置,靶心会缩小。 所以它会越来越难。 - (Brady: 你不会打到墙上吧?) 我没那么差劲! 哦,好吧 - (Brady: 天哪,等等。太神奇了!) - 非常 感谢,这太神奇了。投得好会有奖励。 让我告诉你缩小的规则。第一步, 我要从中心画一条线到我命中的位置。 以后我就把这个距离叫做 H。 这就是我命中的距离,然后 我要画一条圆的弦, 垂直于这条线。这就是我们的弦。 规则是这条弦的长度就是新圆的直径, 在这个情况下,因为我投得好——对吧? 投得很靠近中心,我得到的奖励 就是它不会缩小太多。 (Brady: 新圆的中心是你飞镖命中的位置还是 原来的——?) - 好问题。是原来中心的位置。 好,我就在原来中心的位置画一个新圆。 其实现在希望我投得差一点,因为这 太靠近边缘了,你看它, 它几乎没小多少。 - (Brady: 哦,是的,所以 只是把那个圆稍微修剪了一下) 所以我就稍微修剪一下。 这就像剪头发, 你知道,每周一次之类的。而且 想必这意味着下一次投掷也会同样困难。 这其实很迷人,因为当我动画演示时, 就像哦砰,电脑就完成了。 我完全没有动物理飞镖盘。我想 我还是坚持用动画风格吧。为了演示, 我要试着投一个更差的? 好的。 - (Brady: 我的天!) 所以如果我再次执行算法, 这条弦会短一点,因为我们修剪了边缘,对吧? 所以它也会稍微小一点。 我们可以再运行一次,但让我试试投一个更差的。 (Brady: 你连故意投差都做不到!) 是啊,一致性只有在你不搞砸的时候才是优点。 这个离中心很远, 我会受到更多惩罚,因为它离得远。 我们做同样的游戏。我们把这个拿掉。我们要做一些切割。 距离是 h1。所以它会是大圆的一条弦, 垂直于那条线。 这条弦定义了新直径,但把它想成弦的一半 定义新半径更容易,尤其是如果你 用圆规画。所以我设定新半径, 但这次因为我更靠近边缘,你 知道的,所谓的靶心,那条弦最终更小。 所以我受到惩罚,这意味着新靶心明显更小。 更小的靶心,玩同样的游戏。我 要把它设置成中心位于 棋盘的中心。现在我要真正试着投得更靠近 中心,因为我想要更多投掷来获得更高分数。 而我——我没有投得靠近中心。 (Brady:哎呀,你会为此受到惩罚的) 所以此时,也许你已经能看出那会惩罚我多少, 靠近边缘意味着那条弦 定义新半径的弦会小很多。

HN 上的讨论

你可以的,而且随着维度增加,内切球的体积占超立方体体积的百分比会大幅缩小。Numberphile 和 3blue1brown 有一个很好的视频讲了这一点——[VIDEO] — jstx1, 2023-05
高维几何可以出现在低维问题中。这个 Numberphile 视频([VIDEO])涉及一个关于向飞镖盘投掷飞镖的谜题,通过使用 4 维及以上球体的体积来解决。 — gorloth, 2022-01
在 Numberphile 的一个独特视频中,Grant Sanderson(3blue1brown)出场,这个奇怪的数字出现在一场飞镖游戏中。[0] [VIDEO] — jhncls, 2021-11
我认为,完全不谈论空间维度,更容易接近高维。例如——Darts in Higher Dimensions,3blue1brown 和 Numberphile——[VIDEO] 或者更简单地说,你可以想象一个表格,每一行是某个实体,每一列是与之相关的某个属性。例如,做一个电子表格,每一行是一个人,列是年龄、身高、体重、薪水以及距离退休的年数——那么你可以把每个人看作 5 维空间中的一个点。有些属性是直观明显的——例如,随着你不断添加更多列,找到彼此相似的人就变得更难。这是一种非常容易理解的方式,可以在不谈论四维超立方体的情况下引入高维。 — jstx1, 2021-09

相关视频