Grant Sanderson解构向量本质 建立几何与数值互译体系

Vectors | Chapter 1, Essence of linear algebra — 3Blue1Brown

3Blue1Brown

线性代数的根本效用在于依托加法与标量缩放运算,打通空间几何位移与有序数字列表的界限,使连续几何变换能够无缝转化为计算机可高效执行的离散数据处理。

AI-assisted summary of Vectors | Chapter 1, Essence of linear algebra — original source. Check the original for full context.

Source published:

Key ideas

  • 向量是线性代数最根本的基石,主要存在物理学(带方向与长度的箭头)、计算机科学(有序数字列表)与数学家(满足加法与数乘公理的抽象对象)三种核心视角。 (0:00)
  • 在几何直觉建立过程中,线性代数通常将向量的起点固定在原点,并将坐标分量理解为从原点到达箭头尖端的移动指令。 (2:04)
  • 向量加法(首尾相接对应位移累加)与标量乘法(对向量进行拉伸、压缩或反转的缩放操作)构成了整个线性代数体系运转的基础运算。 (4:36)
  • 线性代数的核心价值在于架起几何空间与数值计算之间的“双向互译”桥梁,既可为数据分析提供几何直觉,也能将空间变换转化为计算机可处理的数组。 (8:10)

Detailed notes

## Background 本内容由知名数学科普频道 3Blue1Brown 于 2016 年 8 月 6 日发布在 YouTube 平台上。视频是其备受赞誉的《线性代数的本质》(Essence of linear algebra)系列第一章,旨在从最基础的基石概念——向量——出发,开启对线性代数的直观几何探索。

## TL;DR 视频首先对比了物理学(自由箭头)、计算机科学(有序数字列表)与数学(满足公理的抽象对象)三种不同的向量视角,并确立了本系列以原点为起点的几何坐标体系。随后,Grant 详细拆解了线性代数的两大核心基石运算:几何上通过首尾相接、代数上通过分量对应相加的“向量加法”,以及代表拉伸、压缩与反转的“标量乘法”。最后强调,线性代数真正的魅力与威力,正是在于连接抽象数字列表与直观空间几何之间的双向互译能力。

## Atmosphere & style 整期视频散发着 3Blue1Brown 标志性的从容、优雅与启发性,配乐宁静优美,极具沉浸感。Grant Sanderson 语调温和清晰,像一位耐心的向导,将枯燥的公式化教学拆解为生动直观的空间动态。观看体验极其愉悦,让原本抽象甚至令人头疼的代数符号在眼前瞬间变得具象而鲜活,带来一种豁然开朗的智力美感。

## Bulletin - [00:00](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=0s) 向量是线性代数最根本的基石,主要存在物理学(带方向与长度的箭头)、计算机科学(有序数字列表)与数学家(满足加法与数乘公理的抽象对象)三种核心视角。 - [02:04](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=124s) 在几何直觉建立过程中,线性代数通常将向量的起点固定在原点,并将坐标分量理解为从原点到达箭头尖端的移动指令。 - [04:36](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=276s) 向量加法(首尾相接对应位移累加)与标量乘法(对向量进行拉伸、压缩或反转的缩放操作)构成了整个线性代数体系运转的基础运算。 - [08:10](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=490s) 线性代数的核心价值在于架起几何空间与数值计算之间的“双向互译”桥梁,既可为数据分析提供几何直觉,也能将空间变换转化为计算机可处理的数组。

## Key takeaways - [00:00](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=0s) 向量是线性代数的根本构建基石,不同领域对其理解各异但相通。 - [00:00](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=0s) 物理学视角将向量定义为具有长度和方向的空间箭头,其在空间中自由平移时不改变向量本身。 - [00:00](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=0s) 计算机科学视角将向量视为有序的数字列表,列表长度直接对应向量的维度(如房产面积与价格构成的二维向量)。 - [00:00](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=0s) 数学家视角对向量进行了终极抽象,只要某种对象定义了合理的相加与数乘规则,即可被称为向量。 - [02:04](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=124s) 为了建立几何直觉,线性代数通常约定将向量的尾端固定在坐标系的原点,以此区别于物理学中的自由平移箭头。 - [02:04](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=124s) 向量的列坐标是一套明确的位移指南,指示从原点出发分别沿各坐标轴行进的距离与方向。 - [04:36](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=276s) 在几何上,向量加法通过将第二个向量首尾相接在第一个向量末端来定义,代表两次连续空间位移的合成效果。 - [04:36](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=276s) 向量加法的首尾相接法,是线性代数中极少数允许向量暂时离开原点的情况之一。 - [04:36](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=276s) 向量相加在数值上表现为各维度坐标分量的逐项直接相加,几何位移与代数求和完全契合。 - [06:54](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=414s) 向量与数字相乘的本质是几何上的“缩放”(Scaling),正数改变长度,负数引入 180 度反转,因此线性代数中常将“数字”通称为“标量”。 - [06:54](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=414s) 标量乘法在数值计算上等价于将该标量依次乘以向量的每一个坐标分量。 - [08:10](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=490s) 线性代数的威力在于打通空间与数字的双向通道:将连续空间变换转化为离散数字计算,同时赋予干燥数据直观的几何图像。

## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=0s) 向量的三种视角:物理、计算机与数学

作为线性代数最根本、最基石的概念,向量(Vector)在不同学科背景的人眼中有着完全不同的样貌。Grant Sanderson 指出:“The fundamental, root-of-it-all building block for linear algebra is the vector.”(线性代数最基本、最根源的构建基石就是向量。)为了让所有人建立统一的认知,他梳理了三种截然不同却又紧密相关的向量视角:

首先是**物理学学生的视角**:向量是空间中带有指向的箭头。定义一个向量的关键要素是它的“长度”(length)和“所指方向”(direction)。只要这两者保持不变,你就可以在空间中随意平移它,它依然代表同一个向量。平面上的向量是二维的,而真实生活空间中的向量则是三维的。

其次是**计算机科学学生的视角**:向量是“有序的数字列表”(ordered lists of numbers)。例如在做房价数据分析时,如果你只关心房屋的面积和价格,就可以用一对数字来建模每套房子,第一个数字代表面积,第二个数字代表价格。这里的顺序至关重要。在此语境下,“向量”基本上就是列表(list)的高级说法,而列表包含两个数字,就构成了“二维向量”。

最后是**数学家的视角**:数学家试图将上述两种观点泛化。数学家认为,只要某种对象之间存在合理的“相加”(addition)以及“与数相乘”(scalar multiplication)的概念,它就可以被称作向量。Grant Sanderson 坦言这个视角极为抽象,在系列视频的最后一集之前最好先将其搁置,先关注具象内容;但这也预示着向量加法和数乘在线性代数中贯穿始终的核心地位。

```mermaid flowchart TD accTitle: 三种向量视角的比较与统一 accDescr: 展示物理、计算机与数学三种视角的差异及它们在线性代数中的统一。

subgraph Perspectives["三种视角"] P["物理学视角<br/>空间中的箭头<br/>(长度与方向,可自由平移)"] CS["计算机科学视角<br/>有序数字列表<br/>(如 [面积, 价格])"] M["数学家视角<br/>抽象代数对象<br/>(满足加法与数乘公理)"] end

subgraph Core["线性代数核心关注"] G["几何视角:以原点为起点的箭头"] N["数值视角:坐标分量列表"] end

P --> G CS --> N M -.->|"抽象推广"| Core G <-->|"坐标映射"| N ```

- **物理学视角**:关注几何特征(长度、方向),与位置无关。 - **计算机科学视角**:关注数据组织,维度即列表长度(如长度为 2 的数字列表即二维向量)。 - **数学家视角**:不关注具体表现形式,只关注运算规则是否满足加法与数乘公理。

---

[02:04](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=124s) 线性代数的约定:以原点为起点的坐标体系

由于本系列视频侧重于几何直觉,Grant Sanderson 建议观众在听到“向量”一词时,首先联想到的应当是**坐标系(例如 xy 平面)中以原点为起点的箭头**。这与物理学中允许箭头满空间随意漂移的视角有所不同:在线性代数中,绝大多数情况下向量的尾端都是固定在原点(Origin)上的。只有先在空间箭头语境下理解概念,再将其翻译为数字列表,才能打通几何与代数之间的通路。

在二维坐标系中,水平方向为 x 轴,垂直方向为 y 轴,两轴交点即为原点——也是整个空间的中心与所有向量的根基。在选定单位长度并在坐标轴上标记刻度后,向量的坐标实际上就是**一套从原点移动到箭头尖端的“行动指南”**: - 第一个数字指示沿 x 轴行进的距离(正数向右,负数向左); - 第二个数字指示随后沿平行于 y 轴方向行进的距离(正数向上,负数向下)。

为了在书写上区分“向量”与“点”,标准的线性代数记法是将这组数字垂直排列,并用方括号包裹(即列向量形式)。二维中每个数对唯一对应一个空间向量,每个向量也唯一对应一个数对。同理,推广到三维空间时,只需要引入一条与 x、y 轴皆垂直的 z 轴,三维向量便对应一个三元有序数组,分别指导沿 x 轴、平行 y 轴和平行 z 轴的位移。

---

[04:36](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=276s) 向量加法:从首尾相连到代数求和

线性代数的全部理论几乎都是围绕着“向量加法”和“标量乘法”这两个基本运算展开的。从几何上看,两个向量相加有着极为直观的定义:假设有两个向量,一个指向上方略偏右,另一个指向右下方。将第二个向量平移,使其尾端落在第一个向量的尖端,然后从第一个向量的尾端(原点)连接到第二个向量尖端画出一条新向量,这个新向量就是它们的和。Grant Sanderson 特别指出:“This definition of addition, by the way, is pretty much the only time in linear algebra where we let vectors stray away from the origin.”(顺便提一句,这种加法定义几乎是线性代数中唯一允许向量离开原点的情况。)

之所以采用这种“首尾相接”的加法法则,是因为每个向量本质上代表着空间中的一种“位移步长”(movement)。沿着第一个向量迈出一步,接着再沿着第二个向量的距离与方向迈出第二步,其总体累积位移效果与直接沿着合向量走完全一致。这就像小学数学在数轴上教 2 + 5 一样:先向右走 2 步,再向右走 5 步,总效果等于向右走 7 步。

在数值计算上,这一过程同样契合得非常完美。假设第一个向量坐标为 $\begin{bmatrix} 1 \\ 2 \end{bmatrix}$,第二个向量坐标为 $\begin{bmatrix} 3 \\ -1 \end{bmatrix}$: 1. 几何路径是:向右走 1,向上走 2,再向右走 3,向下走 1; 2. 重新整理顺序(先横后纵):向右移动 $(1 + 3)$,随后垂直移动 $(2 - 1)$; 3. 最终得到新向量坐标为 $\begin{bmatrix} 1 + 3 \\ 2 + (-1) \end{bmatrix} = \begin{bmatrix} 4 \\ 1 \end{bmatrix}$。

在数字列表的视角下,向量加法就是将对应位置上的分量逐一相加。

---

[06:54](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=414s) 标量乘法与“缩放”概念

第二个基石运算是向量与数字相乘。理解这一运算的最佳方式是观察其实际作用: - 将向量乘以 2,意味着将其长度拉伸为原本的 2 倍; - 将向量乘以 1/3,意味着将其压缩至原始长度的三分之一; - 将向量乘以负数(例如 -1.8),向量会先经历 180 度反向(flip around),然后再拉伸至 1.8 倍长。

这种拉伸、压缩或反转向量方向的过程被称为**缩放**(Scaling)。在这个过程中发挥作用的数字(如 2、1/3 或 -1.8)就被称为**标量**(Scalar)。Grant Sanderson 解释道:“In fact, throughout linear algebra, one of the main things that numbers do is scale vectors, so it's common to use the word scalar pretty much interchangeably with the word number.”(事实上,贯穿整个线性代数,数字最主要的作用之一就是缩放向量,因此在很多时候,‘标量’和‘数字’这两个词几乎是完全通用的。)

在数值层面,将几何向量拉伸 2 倍,等价于将其每一个坐标分量都乘以 2。因此在列表视角中,数乘向量即是将标量依次乘到每一个分量上。

---

[08:10](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=490s) 空间与数字的双向互译

在线性代数中,无论你认为向量本质上是“碰巧能用数字表示的空间箭头”,还是“碰巧拥有几何意义的数字列表”,都无关紧要。这门学科真正的威力在于能够在两者之间自如地进行“双向互译”: - **对于数据分析师**:线性代数提供了一种将大量枯燥数字列表进行视觉化、几何化构想的途径,能够清晰呈现数据模式,并从全局角度洞察特定运算的本质; - **对于物理学家和计算机图形学开发者**:线性代数则提供了一套将连续空间以及空间的变换动作,精确翻译为可供计算机高效运算与处理的纯数字语言。

Grant Sanderson 以自己的数学动画创作为例说明:他制作动画时,总是先在大脑中构思空间里正在发生什么几何运动,再通过计算机的数值计算确定屏幕上每个像素应当落下的位置,而这一整套流程完全依托于扎实的线性代数认知。在建立起向量加法与标量乘法这两个基础工具后,后续视频将进一步探索线性代数中更迷人的核心概念,如张成空间(Span)、基(Basis)以及线性相关性(Linear Dependence)。

## Notable quotes > [00:00](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=0s) The fundamental, root-of-it-all building block for linear algebra is the vector. — Grant Sanderson

> [06:54](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=414s) In fact, throughout linear algebra, one of the main things that numbers do is scale vectors, so it's common to use the word scalar pretty much interchangeably with the word number. — Grant Sanderson

## Mentioned Grant Sanderson, 3Blue1Brown, 线性代数, HTW Berlin

## Video description Beginning the linear algebra series with the basics. Help fund future projects: https://www.patreon.com/3blue1brown

Music: https://vincerubinetti.bandcamp.com/track/grants-etude

Thanks to Elo Marie Viennot and Ambros Gleixner from HTW Berlin (www.htw-berlin.de) for contributing German translations and dubbing.

Thanks also to these viewers for their contributions to the subtitles Arabic: @Cewkins, Hazem Bengali: Md Rasheduzzaman Czech: @Chnapak Greek: Nikolaos Tsagkas Hebrew: Omer Tuchfeld Italian: mattiacolucci Spanish: Juan Carlos Largo Thai: own doggoV●ᴥ●V

------------------

3blue1brown is a channel about animating math, in all senses of the word animate. And you know the drill with YouTube, if you want to stay posted about new videos, subscribe, and click the bell to receive notifications (if you're into that).

If you are new to this channel and want to see more, a good place to start is this playlist: https://goo.gl/WmnCQZ

Various social media stuffs: Website: https://www.3blue1brown.com Twitter: https://twitter.com/3Blue1Brown Patreon: https://patreon.com/3blue1brown Facebook: https://www.facebook.com/3blue1brown Reddit: https://www.reddit.com/r/3Blue1Brown

[Source](https://www.youtube.com/watch?v=fNk_zzaMoSs)

中文简报

桑德森以原点向量为基石统合数学与编程 线性代数的分析能力并非仅源于几何箭头或数字列表,而是源于将空间运动直接转化为可计算数组的能力。 格兰特·桑德森将向量确立为线性代数的基础构件,并对比了物理系学生(空间中的箭头)、计算机科学系学生(有序数字列表)和数学家(支持加法与数乘的广义对象)对它的不同视角。通过将向量固定在坐标原点,数值坐标被展现为描述在空间中移动的物理指令。本课详细阐述了线性代数的两大核心运算——首尾相连的向量加法与标量乘法,展示了它们在视觉和数值上的运作方式。最终,桑德森强调,线性代数的核心威力在于能够在几何直觉与计算数据之间进行无缝的双向转换。 线性代数立足于对向量的三种主要视角:空间中的箭头(物理学)、有序数字列表(计算机科学)以及广义代数对象(数学)。 (0:00) 在线性代数的几何可视化中,向量的起点几乎总是固定在坐标系的原点。 (2:04) 线性代数的整个基础建立在两大核心运算之上:向量加法与标量乘法。 (4:36) 线性代数的真正威力源于弥合几何视觉直觉与算法数值表示之间的差距。 (6:54)

精炼阅读摘要

Grant Sanderson 指出,向量是线性代数的根本基石;理解该学科的关键不在于孤立看待几何图形或数值列表,而在于建立空间中的“几何箭头”与计算机中的“有序数字列表”之间自由互译的能力。 向量定义的三种视角与抽象统一 (0:00) 不同学科对向量的定义呈现出三种紧密相连的视角。在物理学视角下,向量是具有特定长度和方向的空间箭头,具有平移不变性,即只要长度与方向保持不变,向量在空间中处于任何位置都被视为同一个对象;在计算机科学视角下,向量是有序的数字列表,例如用面积和价格两个数值建模房屋数据,数值的排列顺序不可颠倒,列表长度即对应向量的维度。数学家则对这两种视角进行了抽象推广,认为只要对特定对象定义了合理的向量加法与标量乘法,该对象即可被视为向量。这种抽象视角印证了加法和数乘是支撑线性代数大厦的两大底层运算。 坐标系统与固定原点的几何锚定 (2:04) 在线性代数的几何直觉中,向量几乎总是以坐标系的原点为唯一起点,这与纯物理中可自由平移的箭头略有不同。在二维坐标系中,空间由互相垂直的 x 轴和 y 轴界定,原点既是空间的中心,也是所有向量的尾部锚点。坐标系中设定的单位刻度与扩展网格,为量化向量提供了度量基础。在书写规范上,线性代数习惯将数值对垂直排列在方括号内,以此区分几何点与向量。这对数字实质上是从原点移动至箭头尖端的“行动指南”:第一个数字指示沿 x 轴的移动距离(正数向右,负数向左),第二个数字指示平行于 y 轴的移动距离(正数向上,负数向下)。这种一一对应关系确保了每对坐标唯一确定一个向量,该逻辑也能自然推广至包含 z 轴的三维空间。 向量加法:位移累加与分量求和 (4:36) 几何层面的向量加法遵循“首尾相连法”(Tip-to-Tail)。计算两个向量相加时,将第二个向量的尾部平移对接至第一个向量的尖端,从初始尾部连接到末端尖端的新箭头即为两者的和向量。这是线性代数中极少数允许向量暂时离开原点的场景。Sanderson 指出,这种操作的直观内核在于将向量视为物理“位移”:相继执行两次位移所达到的最终空间位置,与直接沿和向量单次位移的效果完全相同,这直接推广了一维数轴上基础算术的加法逻辑。在代数层面,这一几何行为精确对应于各分量的逐项相加。例如将沿 x 轴位移 1、y 轴位移 2 的向量与位移为 3 和 -1 的向量相加,最终水平总位移为 1 加 3 等于 4,垂直总位移为 2 加 -1 等于 1。列表视角下的分量相加正是几何空间位移叠加的直接体现。 标量数乘与跨学科的双向转换桥梁 (6:54) 线性代数的第二项基本运算是数乘,即用一个数字乘以向量。在几何上,这表现为在不改变向量所在直线的前提下拉伸、压缩或翻转箭头:乘以大于 1 的正数会同向拉长向量,乘以小于 1 的正数会缩短向量,而乘以负数则会使箭头反向翻转 180 度。因为数字在此过程中扮演了缩放向量的角色,线性代数通常将数字统称为“标量”(Scalar),在计算中对应于将每个坐标分量均乘以该标量数值。Sanderson 强调,线性代数的真正威力正是充当了连接几何与代数的双向桥梁:数据分析师能将抽象的高维数字列表投射为空间几何图形,以便观察复杂数据模式与变换;物理学家和计算机图形学开发者则能把物理空间的几何变换翻译成可供计算机执行算法的具体坐标数值。 Sanderson 总结指出,向量的坐标表示、首尾相连的加法以及标量缩放构成了整套理论的地基,熟练掌握几何与代数视角的相互转换,是后续理解张成空间(Span)、基底(Bases)和线性相关性(Linear Dependence)等核心概念的前提。

Detailed notes — zh

## Background 本内容由知名数学科普频道 3Blue1Brown 于 2016 年 8 月 6 日发布在 YouTube 平台上。视频是其备受赞誉的《线性代数的本质》(Essence of linear algebra)系列第一章,旨在从最基础的基石概念——向量——出发,开启对线性代数的直观几何探索。 ## TL;DR 视频首先对比了物理学(自由箭头)、计算机科学(有序数字列表)与数学(满足公理的抽象对象)三种不同的向量视角,并确立了本系列以原点为起点的几何坐标体系。随后,Grant 详细拆解了线性代数的两大核心基石运算:几何上通过首尾相接、代数上通过分量对应相加的“向量加法”,以及代表拉伸、压缩与反转的“标量乘法”。最后强调,线性代数真正的魅力与威力,正是在于连接抽象数字列表与直观空间几何之间的双向互译能力。 ## Atmosphere & style 整期视频散发着 3Blue1Brown 标志性的从容、优雅与启发性,配乐宁静优美,极具沉浸感。Grant Sanderson 语调温和清晰,像一位耐心的向导,将枯燥的公式化教学拆解为生动直观的空间动态。观看体验极其愉悦,让原本抽象甚至令人头疼的代数符号在眼前瞬间变得具象而鲜活,带来一种豁然开朗的智力美感。 ## Bulletin - [00:00](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=0s) 向量是线性代数最根本的基石,主要存在物理学(带方向与长度的箭头)、计算机科学(有序数字列表)与数学家(满足加法与数乘公理的抽象对象)三种核心视角。 - [02:04](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=124s) 在几何直觉建立过程中,线性代数通常将向量的起点固定在原点,并将坐标分量理解为从原点到达箭头尖端的移动指令。 - [04:36](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=276s) 向量加法(首尾相接对应位移累加)与标量乘法(对向量进行拉伸、压缩或反转的缩放操作)构成了整个线性代数体系运转的基础运算。 - [08:10](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=490s) 线性代数的核心价值在于架起几何空间与数值计算之间的“双向互译”桥梁,既可为数据分析提供几何直觉,也能将空间变换转化为计算机可处理的数组。 ## Key takeaways - [00:00](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=0s) 向量是线性代数的根本构建基石,不同领域对其理解各异但相通。 - [00:00](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=0s) 物理学视角将向量定义为具有长度和方向的空间箭头,其在空间中自由平移时不改变向量本身。 - [00:00](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=0s) 计算机科学视角将向量视为有序的数字列表,列表长度直接对应向量的维度(如房产面积与价格构成的二维向量)。 - [00:00](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=0s) 数学家视角对向量进行了终极抽象,只要某种对象定义了合理的相加与数乘规则,即可被称为向量。 - [02:04](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=124s) 为了建立几何直觉,线性代数通常约定将向量的尾端固定在坐标系的原点,以此区别于物理学中的自由平移箭头。 - [02:04](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=124s) 向量的列坐标是一套明确的位移指南,指示从原点出发分别沿各坐标轴行进的距离与方向。 - [04:36](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=276s) 在几何上,向量加法通过将第二个向量首尾相接在第一个向量末端来定义,代表两次连续空间位移的合成效果。 - [04:36](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=276s) 向量加法的首尾相接法,是线性代数中极少数允许向量暂时离开原点的情况之一。 - [04:36](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=276s) 向量相加在数值上表现为各维度坐标分量的逐项直接相加,几何位移与代数求和完全契合。 - [06:54](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=414s) 向量与数字相乘的本质是几何上的“缩放”(Scaling),正数改变长度,负数引入 180 度反转,因此线性代数中常将“数字”通称为“标量”。 - [06:54](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=414s) 标量乘法在数值计算上等价于将该标量依次乘以向量的每一个坐标分量。 - [08:10](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=490s) 线性代数的威力在于打通空间与数字的双向通道:将连续空间变换转化为离散数字计算,同时赋予干燥数据直观的几何图像。 ## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=0s) 向量的三种视角:物理、计算机与数学 作为线性代数最根本、最基石的概念,向量(Vector)在不同学科背景的人眼中有着完全不同的样貌。Grant Sanderson 指出:“The fundamental, root-of-it-all building block for linear algebra is the vector.”(线性代数最基本、最根源的构建基石就是向量。)为了让所有人建立统一的认知,他梳理了三种截然不同却又紧密相关的向量视角: 首先是**物理学学生的视角**:向量是空间中带有指向的箭头。定义一个向量的关键要素是它的“长度”(length)和“所指方向”(direction)。只要这两者保持不变,你就可以在空间中随意平移它,它依然代表同一个向量。平面上的向量是二维的,而真实生活空间中的向量则是三维的。 其次是**计算机科学学生的视角**:向量是“有序的数字列表”(ordered lists of numbers)。例如在做房价数据分析时,如果你只关心房屋的面积和价格,就可以用一对数字来建模每套房子,第一个数字代表面积,第二个数字代表价格。这里的顺序至关重要。在此语境下,“向量”基本上就是列表(list)的高级说法,而列表包含两个数字,就构成了“二维向量”。 最后是**数学家的视角**:数学家试图将上述两种观点泛化。数学家认为,只要某种对象之间存在合理的“相加”(addition)以及“与数相乘”(scalar multiplication)的概念,它就可以被称作向量。Grant Sanderson 坦言这个视角极为抽象,在系列视频的最后一集之前最好先将其搁置,先关注具象内容;但这也预示着向量加法和数乘在线性代数中贯穿始终的核心地位。 ```mermaid flowchart TD accTitle: 三种向量视角的比较与统一 accDescr: 展示物理、计算机与数学三种视角的差异及它们在线性代数中的统一。 subgraph Perspectives["三种视角"] P["物理学视角<br/>空间中的箭头<br/>(长度与方向,可自由平移)"] CS["计算机科学视角<br/>有序数字列表<br/>(如 [面积, 价格])"] M["数学家视角<br/>抽象代数对象<br/>(满足加法与数乘公理)"] end subgraph Core["线性代数核心关注"] G["几何视角:以原点为起点的箭头"] N["数值视角:坐标分量列表"] end P --> G CS --> N M -.->|"抽象推广"| Core G <-->|"坐标映射"| N ``` - **物理学视角**:关注几何特征(长度、方向),与位置无关。 - **计算机科学视角**:关注数据组织,维度即列表长度(如长度为 2 的数字列表即二维向量)。 - **数学家视角**:不关注具体表现形式,只关注运算规则是否满足加法与数乘公理。 --- ### [02:04](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=124s) 线性代数的约定:以原点为起点的坐标体系 由于本系列视频侧重于几何直觉,Grant Sanderson 建议观众在听到“向量”一词时,首先联想到的应当是**坐标系(例如 xy 平面)中以原点为起点的箭头**。这与物理学中允许箭头满空间随意漂移的视角有所不同:在线性代数中,绝大多数情况下向量的尾端都是固定在原点(Origin)上的。只有先在空间箭头语境下理解概念,再将其翻译为数字列表,才能打通几何与代数之间的通路。 在二维坐标系中,水平方向为 x 轴,垂直方向为 y 轴,两轴交点即为原点——也是整个空间的中心与所有向量的根基。在选定单位长度并在坐标轴上标记刻度后,向量的坐标实际上就是**一套从原点移动到箭头尖端的“行动指南”**: - 第一个数字指示沿 x 轴行进的距离(正数向右,负数向左); - 第二个数字指示随后沿平行于 y 轴方向行进的距离(正数向上,负数向下)。 为了在书写上区分“向量”与“点”,标准的线性代数记法是将这组数字垂直排列,并用方括号包裹(即列向量形式)。二维中每个数对唯一对应一个空间向量,每个向量也唯一对应一个数对。同理,推广到三维空间时,只需要引入一条与 x、y 轴皆垂直的 z 轴,三维向量便对应一个三元有序数组,分别指导沿 x 轴、平行 y 轴和平行 z 轴的位移。 --- ### [04:36](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=276s) 向量加法:从首尾相连到代数求和 线性代数的全部理论几乎都是围绕着“向量加法”和“标量乘法”这两个基本运算展开的。从几何上看,两个向量相加有着极为直观的定义:假设有两个向量,一个指向上方略偏右,另一个指向右下方。将第二个向量平移,使其尾端落在第一个向量的尖端,然后从第一个向量的尾端(原点)连接到第二个向量尖端画出一条新向量,这个新向量就是它们的和。Grant Sanderson 特别指出:“This definition of addition, by the way, is pretty much the only time in linear algebra where we let vectors stray away from the origin.”(顺便提一句,这种加法定义几乎是线性代数中唯一允许向量离开原点的情况。) 之所以采用这种“首尾相接”的加法法则,是因为每个向量本质上代表着空间中的一种“位移步长”(movement)。沿着第一个向量迈出一步,接着再沿着第二个向量的距离与方向迈出第二步,其总体累积位移效果与直接沿着合向量走完全一致。这就像小学数学在数轴上教 2 + 5 一样:先向右走 2 步,再向右走 5 步,总效果等于向右走 7 步。 在数值计算上,这一过程同样契合得非常完美。假设第一个向量坐标为 $\begin{bmatrix} 1 \\ 2 \end{bmatrix}$,第二个向量坐标为 $\begin{bmatrix} 3 \\ -1 \end{bmatrix}$: 1. 几何路径是:向右走 1,向上走 2,再向右走 3,向下走 1; 2. 重新整理顺序(先横后纵):向右移动 $(1 + 3)$,随后垂直移动 $(2 - 1)$; 3. 最终得到新向量坐标为 $\begin{bmatrix} 1 + 3 \\ 2 + (-1) \end{bmatrix} = \begin{bmatrix} 4 \\ 1 \end{bmatrix}$。 在数字列表的视角下,向量加法就是将对应位置上的分量逐一相加。 --- ### [06:54](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=414s) 标量乘法与“缩放”概念 第二个基石运算是向量与数字相乘。理解这一运算的最佳方式是观察其实际作用: - 将向量乘以 2,意味着将其长度拉伸为原本的 2 倍; - 将向量乘以 1/3,意味着将其压缩至原始长度的三分之一; - 将向量乘以负数(例如 -1.8),向量会先经历 180 度反向(flip around),然后再拉伸至 1.8 倍长。 这种拉伸、压缩或反转向量方向的过程被称为**缩放**(Scaling)。在这个过程中发挥作用的数字(如 2、1/3 或 -1.8)就被称为**标量**(Scalar)。Grant Sanderson 解释道:“In fact, throughout linear algebra, one of the main things that numbers do is scale vectors, so it's common to use the word scalar pretty much interchangeably with the word number.”(事实上,贯穿整个线性代数,数字最主要的作用之一就是缩放向量,因此在很多时候,‘标量’和‘数字’这两个词几乎是完全通用的。) 在数值层面,将几何向量拉伸 2 倍,等价于将其每一个坐标分量都乘以 2。因此在列表视角中,数乘向量即是将标量依次乘到每一个分量上。 --- ### [08:10](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=490s) 空间与数字的双向互译 在线性代数中,无论你认为向量本质上是“碰巧能用数字表示的空间箭头”,还是“碰巧拥有几何意义的数字列表”,都无关紧要。这门学科真正的威力在于能够在两者之间自如地进行“双向互译”: - **对于数据分析师**:线性代数提供了一种将大量枯燥数字列表进行视觉化、几何化构想的途径,能够清晰呈现数据模式,并从全局角度洞察特定运算的本质; - **对于物理学家和计算机图形学开发者**:线性代数则提供了一套将连续空间以及空间的变换动作,精确翻译为可供计算机高效运算与处理的纯数字语言。 Grant Sanderson 以自己的数学动画创作为例说明:他制作动画时,总是先在大脑中构思空间里正在发生什么几何运动,再通过计算机的数值计算确定屏幕上每个像素应当落下的位置,而这一整套流程完全依托于扎实的线性代数认知。在建立起向量加法与标量乘法这两个基础工具后,后续视频将进一步探索线性代数中更迷人的核心概念,如张成空间(Span)、基(Basis)以及线性相关性(Linear Dependence)。 ## Notable quotes > [00:00](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=0s) The fundamental, root-of-it-all building block for linear algebra is the vector. — Grant Sanderson > [06:54](https://www.youtube.com/watch?v=fNk_zzaMoSs&t=414s) In fact, throughout linear algebra, one of the main things that numbers do is scale vectors, so it's common to use the word scalar pretty much interchangeably with the word number. — Grant Sanderson ## Mentioned Grant Sanderson, 3Blue1Brown, 线性代数, HTW Berlin ## Video description Beginning the linear algebra series with the basics. Help fund future projects: https://www.patreon.com/3blue1brown Music: https://vincerubinetti.bandcamp.com/track/grants-etude Thanks to Elo Marie Viennot and Ambros Gleixner from HTW Berlin (www.htw-berlin.de) for contributing German translations and dubbing. Thanks also to these viewers for their contributions to the subtitles Arabic: @Cewkins, Hazem Bengali: Md Rasheduzzaman Czech: @Chnapak Greek: Nikolaos Tsagkas Hebrew: Omer Tuchfeld Italian: mattiacolucci Spanish: Juan Carlos Largo Thai: own doggoV●ᴥ●V ------------------ 3blue1brown is a channel about animating math, in all senses of the word animate. And you know the drill with YouTube, if you want to stay posted about new videos, subscribe, and click the bell to receive notifications (if you're into that). If you are new to this channel and want to see more, a good place to start is this playlist: https://goo.gl/WmnCQZ Various social media stuffs: Website: https://www.3blue1brown.com Twitter: https://twitter.com/3Blue1Brown Patreon: https://patreon.com/3blue1brown Facebook: https://www.facebook.com/3blue1brown Reddit: https://www.reddit.com/r/3Blue1Brown [Source](https://www.youtube.com/watch?v=fNk_zzaMoSs)

Source quotes

[0:00] Grant Sanderson: The fundamental, root-of-it-all building block for linear algebra is the vector. [6:54] Grant Sanderson: In fact, throughout linear algebra, one of the main things that numbers do is scale vectors, so it's common to use the word scalar pretty much interchangeably with the word number.