向量 | 第1章,线性代数的本质

Vectors | Chapter 1, Essence of linear algebra

频道:3Blue1Brown · 时长:9:51 · 发布:2016-08-06 · 播放:13198533

在 YouTube 观看

简介

3Blue1Brown《线性代数的本质》系列的第一章,通过动画几何视觉介绍向量。该系列从基础出发,帮助建立对线性代数的直觉理解。

HN 为什么推荐

HN上学习线性代数直觉的首选推荐,多次被称赞让概念豁然开朗,并能与教科书互补。

我见过的最友好、信息量最大的入门介绍 — HN, 2018

纯数学 · 趣味与视觉数学

中文字幕节选

[由 Grant Sanderson 翻译。请在 criblate.com 提交更正] 线性代数最根本、最基础的构建单元是向量。 所以值得确保我们都在 向量到底是什么这个问题上达成共识。 你看,广义上来说,关于向量有三种不同但相关的观点, 我将其称为物理学生的视角、 计算机科学学生的视角,以及数学家的视角。 物理学生的视角是,向量是空间中指向的箭头。 定义给定向量的是它的长度和它指向的方向, 但只要这两个事实相同,你就可以随意移动它, 它仍然是同一个向量。 生活在平面上的向量是二维的, 而存在于你我所生活的更广阔空间中的向量是三维的。 计算机科学的视角是,向量是有序的数字列表。 例如,假设你在做一些关于房价的分析, 而你唯一关心的特征是面积和价格。 你可能会用一对数字来建模每栋房子, 第一个表示面积,第二个表示价格。 注意这里的顺序很重要。 用行话来说,你会把房子建模为二维向量, 在这个上下文中,向量基本上只是列表的一个花哨说法, 而使其成为二维的是那个列表的长度为二这一事实。 另一方面,数学家试图推广这两种观点, 基本上说向量可以是任何东西, 只要存在一个合理的概念来相加 两个向量并将向量乘以一个数, 这些操作我将在本视频后面讨论。 这种观点的细节相当抽象, 我实际上认为忽略它直到本系列的最后一个视频是健康的, 在此期间更倾向于一个更具体的设定。 但我在这里提到它的原因是,它暗示了一个事实, 即向量加法和乘以 数字的概念将在整个线性代数中扮演重要角色。 但在我谈论这些操作之前,让我们先确定 当我说出向量这个词时,心中要有一个具体的想法。 鉴于我在这里追求的几何焦点, 每当我引入一个涉及向量的新主题时, 我希望你首先想到一个箭头,具体来说, 想想那个箭头在一个坐标系内,比如 xy 平面, 它的尾部位于原点。 这与物理学生的视角有点不同, 在那里向量可以自由地坐在空间中的任何地方。 在线性代数中,几乎总是这样, 你的向量将根植于原点。 然后,一旦你在空间中的箭头的上下文中理解了一个新概念, 我们将把它转换到数字列表的观点, 我们可以通过考虑向量的坐标来做到这一点。 现在,虽然我确信你们中的许多人 已经熟悉这个坐标系, 但值得明确地走一遍,因为这是所有重要的 线性代数两种视角之间来回转换发生的地方。 暂时将注意力集中在二维上,你有一条水平线, 称为 x 轴,以及一条垂直线,称为 y 轴。 它们相交的地方称为原点, 你应该将其视为空间的中心和所有向量的根。 在任意选择了一个长度来代表 1 之后, 你在每个轴上做刻度标记来表示这个距离。 当我想传达二维空间作为一个整体的概念时, 你会看到这在视频中经常出现, 我会扩展这些刻度标记来制作网格线,但现在, 它们实际上会有点碍事。 向量的坐标是一对数字,基本上给出了指令, 说明如何从位于原点的向量尾部到达它的尖端。 第一个数字告诉你沿x轴走多远,

HN 上的讨论

3Blue1Brown[1]让我在学了第一门线性代数课很多很多年之后,对线性代数有了直观的理解,而那门课让我完全迷惑。[1] [VIDEO] — zvmaz, 2026-07
如果你真的想学线性代数,别用这篇博客文章。与网上大量免费信息和资源相比,它太弱了。首先,真正的线性代数图解指南是3blue1brown的YouTube系列“线性代数的本质”[1]。它有极好的可视化来建立直觉,总体上远胜于这篇,这篇看起来还行但极其肤浅。如果你看完了3b1b还想更进一步,那么首选是已故传奇人物Gilbert Strang的精彩18.06SC课程。它很棒,而且免费。[2] 还想要更多?好,现在你说到点子上了。如果你对线性代数很认真(直到研究生水平,之后你需要别的),那么你需要Sheldon Axler的《线性代数应该这样学》。作者网站[3]免费提供,他还制作了很多视频来补充这本书。还有一个RTD Math的完整讲座系列[4]跟随这本书,他非常详细地解释每件事(因为Axler讲得很快,所以有时把概念拆开讲一下是有益的)。[1] [VIDEO] [2] [LINK] [3] [L… — seanhunter, 2025-11
整个 3blue1brown 系列[0]关于线性代数非常值得一看,它用非常直观的图形解释了一系列概念。这里是关于行列式的那个[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] [VIDEO] [1] [LINK] — traes, 2024-11
《线性代数应该这样学》并没有帮助我揭开线性代数的神秘面纱。恰恰相反。是 YouTube 频道 3Blue1Brown[1] 让我对线性代数有了直觉,我永远感谢他。去看吧,如果你是老师,不要做一个自鸣得意的“形式主义者”。[1] [VIDEO] — zvmaz, 2024-09
3blue1brown 的可视化让我在学习代数和微积分多年后,很多事情豁然开朗。在我看来,它们是更正式的教科书学习的完美伴侣。线性代数播放列表:[VIDEO] — drfunk, 2024-01

相关视频