行列式 | 第6章,线性代数的本质
The determinant | Chapter 6, Essence of linear algebra
频道:3Blue1Brown · 时长:10:03 · 发布:2016-08-10 · 播放:5050769
简介
3Blue1Brown 的10分钟章节,将行列式解释为线性变换缩放面积或体积的因子。它在任何公式之前通过动画从几何上建立这个概念。
HN 为什么推荐
HN 反复向人们推荐它作为行列式最清晰的视觉直觉,经常说它终于让这个概念豁然开朗。
自从我看到 3Blue1Brown 对行列式给出了相当直观的解释后,我就对它们产生了好感 — HN, 2024
中文字幕节选
[在 criblate.com 提交字幕更正] 你好,又见面了。 那么接下来,我会假设你已经对线性变换 以及它们如何用矩阵表示有了直观的理解, 就像我在前几个视频里一直讲的那样。 如果你想想几个这样的线性变换, 你可能会注意到有些似乎把空间拉伸开了, 而另一些则把它挤压进去。 结果发现,要理解这些变换之一,有一件事非常有用, 就是精确测量它把东西拉伸或挤压了多少。 更具体地说,是测量给定区域的面积 增加或减少的倍数。 例如,看这个矩阵,列向量是 (3, 0) 和 (0, 2)。 它把 i-hat 缩放 3 倍,把 j-hat 缩放 2 倍。 现在,如果我们把注意力集中在那个 1×1 的 正方形上,它的底边落在 i-hat 上, 左边落在 j-hat 上,经过变换后, 它变成了一个 2×3 的矩形。 因为这个区域一开始面积是 1,最后面积是 6, 我们可以说这个线性变换把它的面积缩放了 6 倍。 把它和剪切变换比较一下,剪切矩阵的列是 (1, 0) 和 (1, 1),意味着 i-hat 保持不动,j-hat 移动到 (1, 1)。 由 i-hat 和 j-hat 确定的同一个单位正方形被倾斜, 变成了一个平行四边形,但那个平行四边形的面积仍然是 1, 因为它的底和高都仍然是长度 1。 所以即使这个变换把东西压扁了, 它似乎没有改变面积,至少在那个 1 单位正方形的情况下是这样。 不过实际上,如果你知道那一个单位正方形的 面积变化了多少, 它就能告诉你空间中任何可能区域的面积如何变化。 首先,注意网格中一个正方形发生什么, 网格中任何其他正方形也会发生同样的事,无论大小。 这源于网格线保持平行且等距的事实。 然后,任何不是网格正方形的形状都可以 被网格正方形很好地近似, 如果你用足够小的网格正方形,就能得到任意好的近似。 所以,既然所有那些小网格正方形的面积都被某个单一 倍数缩放,整个图形的面积 也会被同一个倍数缩放。 这个非常特殊的缩放因子,即线性变换 改变任何面积的倍数,被称为该变换的行列式。 我稍后会在本视频中展示如何用矩阵 计算变换的行列式,但理解它代表什么, 相信我,比计算重要得多。 例如,如果一个变换把区域的面积增加 3 倍, 那么该变换的行列式就是 3。 如果一个变换把所有面积挤压到 ½ 倍, 那么该变换的行列式就是 ½。 如果一个变换把所有面积挤压到 1/2 倍, 那么该变换的行列式就是 1/2。而一个二维变换的行列式是 0,如果它把所有空间挤压到一条线上,甚至挤压到一个点上。 因为那样的话,任何区域的面积都会变成零。 最后一个例子将被证明非常重要。 它意味着检查给定矩阵的行列式是否为零, 将提供一种计算与该矩阵关联的变换 是否把所有东西挤压到更低维度的方法。 你会在接下来几个视频中看到为什么这甚至是一件值得思考的有用事情, 但现在,我只想打下所有视觉直觉的基础,
HN 上的讨论
3blue1brown的整个线性代数系列[0]非常值得一看,它对一系列概念有非常直观的图形解释。这里是特别关于行列式的那个[1]。TL;DW 行列式表示通过将矩阵变换应用于每个点,你将形状的面积/体积/超体积(取决于维度)缩放了多少。[0] [LINK] [1] [VIDEO] — traes, 2024-11
行列式总是让我着迷,部分(完全?)是因为这个听起来很酷的名字。我一直想获得对它们的直觉,因为它们的公式如此简单,而仅仅接受表面一直让我深感不满。这篇文章让我搜索了3blue1brown关于行列式的视频,现在我的大脑完全被震撼了![VIDEO] — meken, 2023-02
与此同时,大学有时可以更好地让学生看到为什么学习某些东西很重要。一个很好的例子是矩阵行列式,乍一看似乎完全是一个任意的发明。3Blue1Brown的YouTube频道在这方面做得很好,从几何角度介绍行列式。它把函数的几何意义放在首位,稍后再介绍那个看起来奇怪的公式。编辑 当然,它用出色的可视化做到了这一切。[VIDEO] — MaxBarraclough, 2020-08
作为一个非常能理解GP轶事的人,我可能会建议行列式作为一个很好的例子。作为一名数学本科生,我在第一门课程中遇到了一个标准定理,它说大约947个不同的条件等价于矩阵的行列式为零。我尽职地记住了这些。我也尽职地记住了计算行列式的算法。我甚至可能记住了一些等价性的逐字证明。然而,我对行列式是什么绝对没有直觉。我有书本知识,但没有洞察力。那是很久以前的事了,但我相当确定,当我毕业时,我仍然没有真正理解甚至这个非常基础(按本科标准)的主题。我想可能是在几年后,当我在工作中遇到一些相同的理论但处于更实际的背景时,那个等价定理中的大多数联系才第一次“咔哒”一声。与此同时,这里有一个有天赋的演讲者用正确的插图在大约十分钟内能做到的事情:[VIDEO] 那个视频下面大约2000条基本相同的评论非常说明问题。鉴于你从那种质量的演示中会获得的理解,我上面提到的等价性会显而易见,从第一原理构建证明也会很简单。 — Chris_Newton, 2020-07
> 这里采取的新颖方法将行列式放逐到书的末尾。非常喜欢这种方法!尽管自从我看到3Blue1Brown对行列式给出了相当直观的解释[0]后,我已经对它们产生了好感。我有点好奇他们是如何在没有行列式的情况下涵盖特征值/特征多项式的。也许他们直接跳到了对角化?[0] [VIDEO] — 3PS, 2024-04
相关视频
- 旋转杠杆 - 变速箱如何工作 (1936) · US Auto Industry · 9:40
- 约束即自由,自由即约束 — Runar Bjarnason · Scala World · 51:39
- 关于文档,没人告诉你的事 · PyCon AU · 30:52
- Doug McLean | 空气动力学中的常见误解 · Michigan Engineering · 48:25
- Zig:为健壮性、最优性和清晰性而设计的编程语言 – Andrew Kelley · Recurse Center · 54:13
- Andrej Karpathy:特斯拉 AI、自动驾驶、Optimus、外星人和 AGI | Lex Fridman 播客 #333 · Lex Fridman · 3:28:47
- 向量 | 第1章,线性代数的本质 · 3Blue1Brown · 9:51
- 但什么是傅里叶变换?视觉介绍。 · 3Blue1Brown · 19:41
- 但什么是神经网络?| 深度学习第一章 · 3Blue1Brown · 18:40
- 贝塞尔曲线之美 · Freya Holmér · 24:25
- 样条曲线的连续性 · Freya Holmér · 1:13:50
- Jim Simons(完整版访谈)- Numberphile · Numberphile2 · 1:00:43
- 第一讲 | MIT 18.06 线性代数,2005 年春季 · MIT OpenCourseWare · 39:49
- 但比特币究竟是如何运作的? · 3Blue1Brown · 25:15
- APL中的康威生命游戏 · Dyalog · 7:47
- 你见过的最重要的视频(8 部分之 1) · wonderingmind42 · 9:17