面积即由两个向量张成的平行四边形
视频首先从几何角度建模面积。取向量 和 ,将二者均从原点出发画出,再通过平移构成一个平行四边形,并指出该平行四边形所围成的区域即为这对向量所确定的面积。
Kyle Broder · YouTube · 4:49
这段时长为120秒的片段,首先通过平面上两个向量张成的平行四边形来引出楔积的概念,所用具体例子为 和 。讲话者指出,该平行四边形的面积按经典方法可由以 u、v 为列向量构成的矩阵的行列式计算;随后提问:这一数量能否表示为作用于向量上的某种运算?记号逐步演进,从 = Area() 过渡到 u∧v = Area()。最后,将向量改写为 u = ai + bj 和 v = ci + dj 的形式,并在明确假设分配律成立的前提下,将楔积展开为 ac i∧i + ad i∧j + bc j∧i + bd j∧j。片段在此处停止,尚未应用任何其他楔积运算法则。 这段120秒的白板风格讲解从几何与代数两方面构建楔积概念。它从 u = ai + bj 和 v = ci + dj 出发,利用双线性展开 u 楔积 v,并借助面积解释说明自楔积项为零。随后分析剩余混合项,通过展开 () 楔积 () 得出反对称性规则 i 楔积 楔积 i。最后,将该规则代回先前表达式,将 u 楔积 v 重写为 ad i 楔积 j - bc i 楔积 j。 本视频片段讲解了在2维空间中两个向量的楔积。它首先展开向量u = ai + bj与v = ci + dj的楔积,得出结果为(ad - bc)i ∧ j。讲述者指出,标量系数(ad - bc)恰好等于由这两个向量分量构成的矩阵的行列式。随后,片段将楔积正式定义为一种运算,其结果为两向量所张成的平行四边形的面积。它强调了两个关键性质:任意向量与自身作楔积结果为零(因其退化为一条无面积的线段),且该运算是反对称的,即u ∧ ∧ u。
在学习检查器中查看要点和时刻,或切换阅读标签查看完整笔记。
依据视频画面与讲解整理,并非逐字语音转写。
本片段以一个基础性问题开篇:如何将直观的几何面积概念转化为向量上的代数运算?主讲人将此任务描述为构建一种“面积的语言”,因此目标不仅是计算一个具体例子,更是创建一种能支持后续推理的记号体系。
为使该想法具体化,视频引入两个平面向量: 与 ,二者均从原点出发。通过将每个向量平移至另一向量的终点,动画补全了一个平行四边形。该平行四边形内部区域即被认定为与这对向量相关联的面积。
此时,主讲人将这一构造与标准线性代数联系起来,指出该平行四边形的面积等于以 u 和 v 为列向量所构成矩阵的行列式。这便架起了一座桥梁:从人们熟悉的计算规则通向本讲座拟构建的新运算。
下一步是符号化的。屏幕提问:面积能否表达为向量的一种乘积?首先写出抽象的二元运算 ,再令 =Area()。随后,该记号被特化为楔积,因此本片段中定义 u∧v 为由 u 和 v 所确定的平行四边形的面积。
为探究这一新运算的代数性质,向量被重写为基底形式:u=ai+bj,v=ci+dj。将它们代入 u∧v,得到 (ai+bj)∧(ci+dj)。主讲人明确假设该运算满足分配律,从而允许该表达式逐项展开。
展开结果为 ac i∧i + ad i∧j + bc j∧i + bd j∧j。这是本节选的终点:几何已被转化为代数模板,但片段在此处停止,尚未应用其他楔积规则(例如重复基向量项的湮灭或反对称性)。
该片段以黑板风格推导开场,探讨面积表达式能否写成向量的乘积形式。屏幕上显示的设定是和,顶部给出引导恒等式。
利用双线性性质,楔积被逐步展开为四项:。随后,讲述者将和从几何上解释为退化平行四边形的面积,因此为零。
视觉上的消去使代数过程清晰呈现:首项与末项被划去,余下。此时问题重心由展开转向理解混合项在顺序反转时的关系。
为回答该问题,对应用相同方法。由于这仍是自楔积,其值为零,而双线性展开得到。
零自楔积项消失,方程简化为。整理后得出框出的反对称律,表明交换顺序会引入一个负号。
推导随后回到关于的先前表达式,并代入。这将结果重写为,使两个保留项均以公共基二重向量为分母。
该片段在完成此次代入步骤后立即停止,尚未展示最终合并系数的形式。
该片段从完成两个向量与的楔积代数展开开始。通过应用楔积的双线性性质,表达式展开为。
利用向量与自身楔积为零的性质,项和消失,画面上用红色斜线将其划去。剩余项为。
应用反对称性性质,被重写为,从而使该表达式可因式分解为。讲解者指出,标量系数,恰好是以下矩阵的行列式:该矩阵由向量和的分量构成。
接下来关注这一运算的几何意义。引入一个函数,定义为由向量和所张成的平行四边形的面积。楔积被呈现为刻画这一几何概念的代数工具。
该运算被正式命名为“楔积”。随后明确陈述其定义性质。第一条是。讲解者从几何角度解释:一个向量与自身构成的平行四边形退化为一条直线,其面积为零。
第二条性质是楔积具有反对称性,表达为。这一性质反映了面积的定向;交换两个向量的顺序会反转平行四边形的定向,从而引入一个负号。
视频首先从几何角度建模面积。取向量 和 ,将二者均从原点出发画出,再通过平移构成一个平行四边形,并指出该平行四边形所围成的区域即为这对向量所确定的面积。
当平行四边形显示在屏幕上时,主讲人指出:根据初等线性代数知识,该面积等于以 u 和 v 为列向量所构成矩阵的行列式。本片段中并未写出该行列式的具体表达式。
课程接着提问:这一面积能否表示为直接作用于向量的代数运算?该问题首先写作 = Area(),其中 表示由 u 和 v 构成的平行四边形。
这一抽象运算被重新命名为楔积,用符号 ∧ 表示。在本片段中,u ∧ v 被定义为由 u 和 v 所构成平行四边形的面积。
为研究楔积的性质,将向量在基底下展开:,。此举将几何输入转化为可进行代数运算的符号表达式。
在假设楔积满足分配律的前提下,视频按二项式乘法的方式完全展开该楔积。结果为四项基向量楔积之和,为后续推导类行列式的公式做好铺垫。
视频从几何角度定义了两个向量的楔积:即它们所张成的平行四边形的面积。这一解释正是后续推导中自楔积消失的原因。
一个向量与自身作楔积所张成的是退化的平行四边形,即一条直线,因此其面积为零。片段中以基向量 i 和 j 为例说明此性质,并利用它简化更复杂的表达式。
当 u = ai + bj、v = ci + dj 时,楔积通过对和式分配、并将标量系数提出而展开。这产生四项,其中两项为自楔积,因而消失。
在剔除为零的自楔积项后,楔积的坐标表达式仅剩下含 和 的混合项。
通过展开 的自楔积并消去为零的项,视频得到 。重新整理后即得交换顺序时符号改变的基本规则。
一旦获知反对称性规则,前述化简后的表达式便可完全改写为单一基二重向量 的倍数。这是片段中展示的最后一个代数步骤。
当计算两个2D向量和的楔积时,结果简化为。标量系数恰好等于由这两个向量分量构成的阶矩阵的行列式。这揭示了外积与线性代数概念之间直接的代数联系。
两个向量的楔积表示由这两个向量所张成的平行四边形的有向面积。若定义一个函数,则楔积提供了计算这一几何量所需的代数结构。
楔积的一个基本性质是:任意向量与自身作楔积结果为零,即。从几何上看,这是因为两个相同的向量无法张成一个2D面积;它们所‘构成’的‘平行四边形’坍缩为一条1D直线,其面积为零。
楔积具有反对称性,即交换两个向量的顺序会引入一个负号:。这一性质刻画了面积的定向:向量顺序的反转导致平行四边形定向的反转,因此符号发生改变。
按知识点查看条件、步骤和证据。补充解释与视频直接内容分别标明。
主讲人说:“我们来考虑向量 v,它就是向量1、2。”
一条从原点出发的青色箭头标记为 v,其箭头端点标记为(1,2)。
v
作为平行四边形一条边的二维向量;在本例中它等于(1,2)。
对应的式子为:ℝ^2
主讲人说:“以及向量 u,它由2、1给出。”
一条从原点出发的青色箭头标记为 u,其箭头端点标记为(2,1)。
u
作为平行四边形另一条边的二维向量;在本例中它等于(2,1)。
对应的式子为:ℝ^2
主讲人说:“这些向量所围成区域内的部分即为面积。”
单词 Area 出现在由向量 u 和 v 构成的平行四边形内部。
Area
由这两个向量张成的平行四边形所围成的区域。
与平面平行四边形相关联的非负标量。
主讲人提问:能否构造一种作用于向量的运算,使其结果为对应平行四边形的面积?
屏幕上依次显示 f( , )、,然后是 = Area()。
f
一种占位用的向量二元运算,其设计目标是返回由其两个输入向量所确定的平行四边形的面积。
作用于向量的二元运算;其值域为面积。
屏幕上显示的等式为 = Area()。
主讲人提到“由向量 u 和 v 构成的平行四边形的面积”。
由向量 u 和 v 构成的平行四边形。
由两个向量所确定的平面几何对象。
主讲人说:“我们将用此处这个楔形符号来表示它。也就是说,u ∧ v 表示由向量 u 和 v 构成的平行四边形的面积。”
屏幕上显示的公式变为 u ∧ v = Area(),随后进一步用分量展开 u ∧ v。
∧
为该期望的向量运算所引入的楔积记号。
作用于向量的二元运算。
主讲人将向量 u 写作 ai + bj,将向量 v 写作 ci + dj。
公式显示 u = ai + bj,v = ci + dj,以及后续项如 ac i ∧ i。
i
用于以分量形式表示 u 和 v 的一个基向量。
平面上的基向量。
主讲人将向量 u 写作 ai + bj,将向量 v 写作 ci + dj。
公式显示 u = ai + bj,v = ci + dj,以及后续项如 ad i ∧ j。
j
用于以分量形式表示 u 和 v 的第二个基向量。
平面上的基向量。
主讲人说:“我们将 u 写作 ai 加 bj,将 v 写作 ci 加 dj。”
屏幕上显示的方程为 u = ai + bj,v = ci + dj,展开式中包含 ac、ad、bc、bd。
a,b,c,d
u 和 v 在所选基 {i, j} 下的标量系数。
乘在基向量上的标量。
左侧显示 u = ai + bj 和 v = ci + dj。
说话者提及 u 与 v 的楔积计算。
,
二维向量空间中的两个向量,用基向量 i 和 j 表示。
向量表示为基向量 i 和 j 的线性组合。
基符号 i 和 j 出现在所有展示的展开式中。
说话者讨论 i ∧ i、j ∧ j、i ∧ j 以及 j ∧ i。
,
用于表示 u 和 v 并构造楔积示例的基向量。
当前讨论的二维空间的基向量。
展示的公式中使用系数 a、b、c、d,出现在如 ai、bj、ci、dj、ad 和 bc 等项中。
a, b, c, d
在 u 和 v 的表达式中乘以基向量的标量系数。
出现在向量分量表达式中的标量。
主讲人介绍了向量 和 ,将它们平移构成一个平行四边形,并指出该平行四边形所围成的区域即为面积。
动画先绘制坐标轴,再从原点画出向量 v 和 u 的箭头,接着画出它们的平移副本,构成一个标有“Area”的平行四边形。
本片段中,面积被几何地建模为:将两个向量置于原点处尾对尾,再通过平移补全所得平行四边形所围成的区域。示例中使用了 和 。
给定平面内的两个向量。
这两个向量被用作平行四边形的一组邻边。
主讲人提问:能否构造一种作用于向量的运算,使得将该运算施加于 u 和 v 上时,结果恰好是该平行四边形的面积?
屏幕上显示 = Area(),随后显示 u ∧ v = Area()。
本视频引出一种作用于向量的二元运算,其输出值即为输入向量所确定的平行四边形的面积;首先将其抽象记为 f,再将记号特化为楔积(wedge product)。
输入是向量。
输出预期为这两个向量所确定的平行四边形的面积。
主讲人说:“我们将用此处的楔形符号来表示它。因此,u ∧ v 表示由向量 u 和 v 构成的平行四边形的面积。”
屏幕上显示的公式为 u ∧ v = Area()。
符号 ∧ 被引入作为向量上所期望运算的记号。在本片段中,u ∧ v 明确定义为由向量 u 和 v 构成的平行四边形的面积。
u 和 v 是平面上的向量。
该表达式在此片段中所引入的意义下使用。
主讲人说:“我们将 u 写作 ai 加 bj,v 写作 ci 加 dj。”
屏幕上显示 u = ai + bj,v = ci + dj。
为了研究楔运算的性质,向量被重写为相对于基符号 i 和 j 的分量形式。这为 u ∧ v 的代数展开做好准备。
u 和 v 均在同一个二维基 {i,j} 下表示。
a、b、c、d 是标量系数。
主讲人说:“我们假设它满足分配律,因此可以将其展开。”
屏幕上显示 u ∧ v = (ai + bj) ∧ (ci + dj),接着 = ai ∧ (ci + dj) + bj ∧ (ci + dj),再接着 = ac i ∧ i + ad i ∧ j + bc j ∧ i + bd j ∧ j。
该片段在主讲人陈述或应用反对称性等进一步规则(例如 i ∧ )之前就结束了。
视频假设楔运算对加法满足分配律,并利用该假设将 (ai+bj)∧(ci+dj) 展开为四项基向量楔积。这是推导面积表达式(形如行列式)的第一步代数操作。
楔积被假定对加法满足分配律。
在所展示的展开式中,标量可被提取到楔积之外。
屏幕上显示〔u〕〔v〕 = (〔a〕〔i〕+〔b〕〔j〕) (〔c〕〔i〕+〔d〕〔j〕),然后展开为〔a〕〔i〕 (〔c〕〔i〕+〔d〕〔j〕) + 〔b〕〔j〕 (〔c〕〔i〕+〔d〕〔j〕),再展开为〔a〕〔c〕〔i〕〔i〕〔i〕 + 〔a〕〔d〕〔i〕〔i〕〔j〕 + 〔b〕〔c〕〔j〕〔j〕〔i〕 + 〔b〕〔d〕〔j〕〔j〕〔j〕。
说话人逐项朗读展开后的各项,再利用“零面积”事实删去首项和末项。
视频片段演示了如何将两个线性组合的楔积,通过分配律对加法展开,并将标量系数提到前面;展开后,含有〔i〕〔i〕和〔j〕〔j〕的项因自楔积为零而被删去,仅保留混合项。
向量以基{〔i〕,〔j〕}表示。
楔积对加法满足分配律,且与标量乘法相容。
化简过程使用了所展示的恒等式 i ∧ 和 j ∧ 。
右侧显示 i ∧ i = Area(i,i) = 0 以及 j ∧ j = Area(j,j) = 0。
说话者指出这些是直线的面积,因此为零。
一个向量与其自身作楔积,表示由该向量及其自身张成的退化平行四边形的面积,而该平行四边形面积为零。视频中明确以基向量 i 和 j 为例说明了这一点。
楔积在几何上被解释为其两个参数所张成的平行四边形的有向面积。
顶行写明 u ∧ v = Area()。
说话者通过引用一个向量与其自身构成的平行四边形的面积,来解释自楔积为零的情形。
视频将两个向量的楔积定义为它们所张成的平行四边形的面积,记作 。这一几何解释随后被用来说明为何自楔积为零。
设定在一个二维向量空间中,其中包含向量 u 和 v。
屏幕推导出,然后化简为 ,最后框出 。
主讲人称此为反对称性,并指出交换顺序会引入一个负号。
通过对 () 应用相同的展开方法,视频表明交叉项必须相互抵消。由此得到关系式 ,即楔积中两个向量的顺序反转会改变其符号。
该推导使用双线性展开,并利用先前已确立的恒等式 和 。
左下角表达式变为 ad + bc ,随后被重写为 ad - bc 。
主讲人表示他们回到之前的计算,并将所有内容用 表示。
最终完全合并系数的形式在片段结束前未展示;仅可见代入步骤。
在推导出反对称性后,视频将 代入 的剩余表达式中。这使得两个保留下来的项均转化为同一基二向量 ,从而为最终标量系数的提取做好准备。
使用双线性展开后的简化表达式,并删去为零的自楔积项。
应用反对称性恒等式 。
我们将 ∧ 称为楔积。
现在,这个作用于向量的运算广为人知,它被称为楔积。
楔积是一种作用于向量的运算,其结果为这两个向量所张成的平行四边形的有向面积。它具有两个关键性质:任意向量与自身做楔积结果为零,且具有反对称性。
适用于2维空间中的向量。
(ad 减 bc)乘以 i 叉乘 j
而这恰好就是当矩阵元素为 a、b、c、d 时,一个矩阵的行列式。
两个向量楔积中基二重向量的标量系数,恰好等于由这两个向量分量构成的矩阵的行列式。
向量用一个2维基底来表示。
主讲人说:“当然,从幼儿园线性代数我们就知道,这个平行四边形的面积就等于以 u 和 v 为列向量所构成矩阵的行列式。”
该陈述出现时,由 和 构成的平行四边形正显示在屏幕上。
该片段在此时间段内未明确显示行列式公式。
主讲人在此处未说明绝对值或定向约定。
由向量 u 和 v 构成的平行四边形,其面积等于以 u 和 v 为列向量所组成的矩阵的行列式。
u 和 v 是平面上的两个向量。
它们被用作一个矩阵的列向量。
对于屏幕上显示的这一对平面矢量,正如讲述者所述,适用于由两个列向量构成的平行四边形。
显示的标题为 = Area()。
主讲人将 和 解释为退化平行四边形的面积。
对于向量 u 和 v,楔积被表述为它们所张成的平行四边形 的面积。
u 和 v 是本课二维情境中的向量。
针对画面中展示的向量 u 和 v。
右侧明确写出 = Area(i,i) = 0 以及 = Area(j,j) = 0。
主讲人指出这些是线段的面积,因此为零。
基向量与自身作楔积等于零: 且 。
楔积被解释为所张成平行四边形的面积。
针对视频片段中展示的基向量 i 和 j。
推导以方框标出的恒等式 〔i〕 ∧ 〔j〕 = −〔j〕 ∧ 〔i〕 结束。
主讲人将此称为反对称性。
交换楔积的顺序会引入一个负号:〔i〕 ∧ 〔j〕 = −〔j〕 ∧ 〔i〕。
双线性展开成立。
基向量 i 与自身楔积为0、j 与自身楔积为0,这两点已确立。
此处考虑的是屏幕上所示二维情形中的基向量 i 和 j。
u 与 v 的外积等于负的 v 与 u 的外积
它具有如下反对称性质:u 楔积 v 等于负的 v 楔积 u。
对任意向量 u 和 v,楔积满足 。
u 和 v 是向量。
对任意向量 u 和 v。
u 与 u 的楔积等于0
若将某向量与自身做楔积,则结果为零,这是因为此时对应的是直线的面积。
对任意向量 u,u 与自身的楔积为零:。
u 是一个向量。
对任意向量 u。
讲述者将 u 和 v 写成分量形式,代入 u ∧ v,并说道:“我们假设它满足分配律,因此可以像乘法展开一样展开它。”
屏幕依次显示:u = ai + bj,v = ci + dj;u ∧ v = (ai + bj) ∧ (ci + dj);= ai ∧ (ci + dj) + bj ∧ (ci + dj);= ac i ∧ i + ad i ∧ j + bc j ∧ i + bd j ∧ j。
推导在简化 i ∧ i、j ∧ j 或建立 j ∧ i 与 i ∧ j 的关系之前就停止了。
将这两个向量用基符号 i 和 j 及标量系数 a、b、c、d 表示。
直接在音频中陈述,并在屏幕上显示。
将分量表达式代入楔积。
依据 u 和 v 的定义进行直接代入。
将楔积运算符分配到左参数的和式上。
讲解者明确假设了分配律成立。
展开每个剩余项,并将标量系数提取到基底楔积的前面。
进一步按屏幕上所示进行分配律展开,描述为“逐项相乘”。
以基底形式表示的两个平面矢量的楔积展开为四项,涉及 i∧i、i∧j、j∧i 和 j∧j。
屏幕依次显示 (ai+bj) ∧ (ci+dj),然后是 ai ∧ (ci+dj) + bj ∧ (ci+dj),接着是 aci i ∧ i + adi i ∧ j + bcj j ∧ i + bdj j ∧ j,最后是 ad i ∧ j + bc j ∧ i。
主讲人逐项读出并解释:首项与末项均为零。
从给定的两个向量的坐标表达式出发。
黑板上列出的假设条件。
将坐标形式代入楔积。
直接根据 u 和 v 的定义进行代入。
对第一个参数中的和式,将楔积分配进去。
屏幕上所用的楔积的双线性性/分配律。
展开每个剩余的乘积,并将标量系数提到前面。
展示代数运算中反复使用的分配律与标量相容性。
去掉 i ∧ i 和 j ∧ j 项。
视频中已确立 i ∧ 且 j ∧ 。
楔积简化为仅含混合项的表达式:ad i ∧ j + bc j ∧ i。
黑板上写出 ∧ (),将其展开为 i ∧ ∧ ∧ ∧ j,再化简得 i ∧ ∧ ,并框出 i ∧ ∧ i。
讲话者指出首项与末项相消,并将该结果称为反对称性。
考虑向量 与自身的楔积。
自身楔积的面积为零,这与视频片段中先前使用的几何规则一致。
将乘积按双线性方式展开。
使用与 u ∧ v 相同的分配律展开方法。
删去所有自身楔积项。
利用视频片段前半部分给出的 i ∧ 和 j ∧ 。
令展开后的结果等于零。
推导开始时,左侧为 0。
将其中一项混合项移至等式另一侧。
对上一个等式进行代数整理。
楔积满足 i ∧ ∧ i,因此交换顺序会引入一个负号。
表达式 ad i ∧ j + bc j ∧ i 在屏幕上被重写为 ad i ∧ j − bc i ∧ j。
主讲人表示他们回到之前的计算,并将所有内容用 i ∧ j 表示。
视频片段在最终合并后的系数(ad−bc)i ∧ j 显示出来之前就结束了。
回到此前得到的简化坐标表达式。
这是首次推导的结果,其中已移除了所有为零的自楔积项。
将 j ∧ i 替换为 −i ∧ j。
应用稍早前推导出的反对称性恒等式 j ∧ ∧ j。
两个保留下来的项现在都写成含有公共因子 i ∧ j 的形式,为最终化简做好准备。
u 与 v 的楔积等于 (ai + bj) 与 (ci + dj) 的楔积
等于 a 乘以 i 与 c 乘以 i 加 d 乘以 j 的外积,再加上 b 乘以 j 与 c 乘以 i 加 d 乘以 j 的外积
等于 a 乘以 c 乘以 i 与 i 的外积,加上 a 乘以 d 乘以 i 与 j 的外积,加上 b 乘以 c 乘以 j 与 i 的外积,加上 b 乘以 d 乘以 j 与 j 的外积
= ad 乘以 i 与 j 的外积,加上 bc 乘以 j 与 i 的外积,等于 ad 减去 bc,再乘以 i 与 j 的外积
用于证明每一步的具体代数性质(例如双线性)在音频中并未明确说明,但这些性质是楔积的标准性质。
将向量 u 和 v 的分量形式代入楔积。
向量 u 和 v 的定义。
对第一个向量中的加法,将楔积进行分配。
楔积的双线性(隐含)。
进一步对第二个向量中的加法分配楔积,并将标量提出。
楔积的双线性(隐含)。
应用“任意向量与自身楔积为零”的性质,并利用反对称性合并剩余项。
楔积的自楔性质与反对称性。
u 与 v 的楔积化简为 (ad - bc) i ∧ j。
讲解者选取 和 ,将它们平移构成一个平行四边形,并将所围成的区域识别为面积。
动画标注了各矢量及其端点,然后画出完整的平行四边形,并在内部标出“Area”(面积)一词。
本片段中屏幕上未计算任何数值化的面积值。
用两矢量 和 所张成的平行四边形来表示它们所确定的面积。
两个向量均从原点出发绘制。
识别其内部表示面积的几何图形。
从原点向点(1,2)作向量v,从原点向点(2,1)作向量u。
这些向量即音频中所指定、图示中所展示的向量。
将向量v平移到向量u的终点,同时将向量u平移到向量v的终点,从而构成一个平行四边形。
说话人明确描述了这一作图过程。
将四条边所围成的区域视为与这对向量相关联的面积。
说话人说:“位于这两个向量所限定范围之内的部分,就是该面积。”
该面积由向量u和v张成的平行四边形表示。
该作图过程与屏幕上的标注(1,2)、(2,1)以及内部标注“Area”完全吻合。
左侧的例题从 u = ai + bj 和 v = ci + dj 出发,逐步展开 u ∧ v。
主讲人叙述了展开过程以及零项的删除。
当 u = ai + bj 且 v = ci + dj 时,将 u ∧ v 表达为向量的乘积。
向量 u 等于 a 乘以 i 加上 b 乘以 j
向量 v 等于 c 乘以 i 加上 d 乘以 j
i 与 i 的楔积等于0
j 与 j 的楔积等于0
将 u 与 v 的楔积化简为剩余的混合楔积项。
将 u 和 v 的坐标表达式代入楔积。
已知向量的定义。
双线性展开并合并标量系数。
楔积的分配律和标量相容性,如屏幕上所示。
消去自楔积项。
使用屏幕上给出的恒等式:i 与 i 的楔积等于0,j 与 j 的楔积等于0。
u 与 v 的楔积等于 ad 乘以 i 与 j 的楔积加上 bc 乘以 j 与 i 的楔积
结果与黑板上在反对称性代入之前仍可见的化简后表达式一致。
黑板上推演了,并将其展开为四项后再化简。
主讲人指出这正是此前所做过的步骤,并借此得出反对称性性质。
利用 与其自身的楔积,确定 与 之间的关系。
i 向量与 i 向量的外积等于0
j 向量与 j 向量的外积等于0
(i 向量加 j 向量) 与 (i 向量加 j 向量) 的外积等于0
找出混合楔积项之间的关系。
从和向量的自楔积出发。
如本片段前文所述,任意向量与其自身的楔积面积为零。
展开该乘积。
双线性展开,与 u ∧ v 的展开方法一致。
去掉为零的自楔积项。
利用 i ∧ 和 j ∧ 。
重新整理该等式。
由 i ∧ ∧ 进行初等代数运算。
i 向量与 j 向量的外积等于负的 j 向量与 i 向量的外积
屏幕上框出的公式精确表达了这一反对称关系。
首先出现橙色坐标轴,接着是从原点出发、标有v和u的青色箭头,最后是通过平移形成的平行四边形,其内部标有“Area”一词。
说话人叙述了选取和、对它们进行平移并构造平行四边形的过程。
坐标轴
从原点指向(1,2)的向量 v
从原点指向(2,1)的向量 u
平移后的向量 v
平移后的向量 u
标有“Area”的平行四边形
先画出坐标轴。
向量 v 从原点出现。
向量 u 从原点出现。
将向量 v 和 u 平移以补全平行四边形。
标签“Area”出现在平行四边形内部。
原始向量仍固定在原点处。
端点坐标(1,2)和(2,1)一旦标出便保持不变。
这一可视化过程将“面积”的抽象概念转化为由两个平面向量及其平移所围成的具体区域。
屏幕内容依次从问题文字变为 f( , ),再变为 ,接着变为 =Area(),然后变为 u∧v=Area(),最后显示分量公式及展开后的楔积表达式。
讲解者从提出对向量进行某种运算的问题,逐步过渡到用楔形符号命名该运算,并代数地展开它。
文字提示:“我们能否将其表示为向量上的一个乘积?”
占位符 f( , )
表达式
等式 =Area()
等式 u∧v=Area()
向量 u 和 v 的分量公式
展开后的楔积表达式
先用占位符写出抽象运算。
该运算被特化为参数 u 和 v。
它被等同于平行四边形 的面积。
符号 f 被替换为 ∧。
向量被重写为基底形式,楔积被展开。
等式右端在代数展开开始前始终表示由 u 和 v 所确定的平行四边形的面积。
动画记录了从几何面积到向量符号代数的概念转变。
红色对角线划去了展开式中 ac i ∧ i 和 bd j ∧ j 这两项。
与此同时,右侧显示 i ∧ i = Area(i, i) = 0 以及 j ∧ j = Area(j, j) = 0。
展开式 ac i ∧ i + ad i ∧ j + bc j ∧ i + bd j ∧ j
i ∧ i 与 j ∧ j 在右侧的恒等式
首项与末项被标出。
剩余可见的表达式被化简为混合项。
中间项 ad〔i〕 ∧ 〔j〕 和 bc〔j〕 ∧ 〔i〕 保留在屏幕上。
整体目标仍是化简 。
动画以视觉方式编码了一个代数事实:自楔积贡献为零,可从展开式中舍去。
恒等式 在推导完成后显著地框出,位于画面正上方中央。
前一行显示 。
方程
被框出的方程
和的关系式在视觉上被单独的反对称性恒等式所替代。
最终规则被加框标出。
符号 i 和 j 仍是当前讨论的基向量。
推导继续沿用相同的双线性展开框架。
方框标注强调:楔积中顺序的颠倒会引入一个负号,该负号将在下一步代入中使用。
左下角的表达式 ad + bc 被重写为 ad - bc 。
方框标注的反对称恒等式在重写过程中始终保留在上方可见。
最终完全合并系数的形式在本片段结束前尚未达成。
向量 u 与 v 的楔积 u ∧ v 的简化表达式
方框标注的恒等式 i ∧ ∧ i
项 bc j ∧ i 被替换为 -bc i ∧ j。
第一项 ad i ∧ j 保持不变。
推导过程始终聚焦于将所有内容用公共基二重向量 i ∧ j 表达。
图形化重写展示了新证明的反对称性规则如何被反馈回原始的坐标计算中。
红色对角线划去了展开式中 ac 和 bd 这两项。
ac i 与 i
bd j 与 j
这些项被红色线条直观地划去。
方程其余部分保持可见。
这一视觉操作体现了楔积的性质:任意向量与自身楔积结果为零,因此这些项从表达式中被消去。
项 bc 的颜色变为与它所变成的 -bc 项一致。
bc j 与 i
负 b c 乘以 i 叉乘 j
该项的颜色发生变化,以表明其转化过程。
表达式的数学值保持不变。
这一视觉提示展示了楔积的反对称性:交换向量的顺序会引入一个负号。
该片段将 u ∧ v 定义为 Area(),并将其展开为四项基底楔积项,但在化简前停止。
讲话者在此片段中仅假设了分配律,尚未陈述其余楔积运算规则。
有人可能认为该片段已确立楔积的完整代数体系,包括 i∧ 和 j∧∧j。
本片段仅展示了几何动机、符号 u∧v 以及分配律展开式,后续的化简规则在此处并未给出。
推导以〔i〕∧〔j〕=-〔j〕∧〔i〕作结,而非不带符号变化的相等关系。
主讲人明确提问:当顺序被调换时会发生什么?并回答:会出现一个负号。
人们可能预期〔i〕∧〔j〕与〔j〕∧〔i〕相同,因为普通乘法通常满足交换律。
视频表明:楔积的顺序反转会改变符号,即〔i〕∧〔j〕=-〔j〕∧〔i〕。
黑板上写出〔i〕∧〔i〕=Area(〔i〕,〔i〕)=0以及〔j〕∧〔j〕=Area(〔j〕,〔j〕)=0。
主讲人指出,这些是线段的面积,因此为零。
自身楔积可能被误认为是普通的模长平方,或某种非零乘积。
由于一个向量与其自身张成的平行四边形退化为一条直线,其面积为零,因此自身楔积消失。
这是因为一条直线的面积为零;由一个向量与自身构成的平行四边形退化为一条直线,其面积为零。
人们或许会认为,一个向量与自身的楔积应得到某个非零值,且该值与该向量的长度相关。
楔积表示由两个向量所张成的平行四边形的面积;当一个向量与自身作楔积时,所得平行四边形退化为一条直线,其面积为零。
在展示平行四边形后,主讲人提问:该面积能否表示为向量上的一种运算?
公式 =Area() 直接将几何对象 与代数表达式关联起来。
利用平行四边形面积的几何概念,来启发并定义所期望的向量运算。
主讲人指出,该运算将用楔形符号表示。
屏幕上显示的等式从 =Area() 变为 u∧v=Area()。
在此片段中,抽象运算 f 与楔形符号 ∧ 被呈现为同一种产生面积的运算。
主讲人专门引入分量形式,以探究该运算应具备哪些性质。
屏幕内容从 u∧v=Area() 过渡到 u=ai+bj、v=ci+dj,再进一步展开为楔形表达式。
分量表示法被用作推导楔积代数性质的起点。
展开运算仅在 u 和 v 被重写为 ai+bj 与 ci+dj 之后才开始。
主讲人说:“我们假设该运算是可分配的,因此可以像乘法一样逐项展开。”
基底分解使得我们可以应用分配律,逐项展开楔积。
说话者指出,平行四边形的面积由以向量 u 和 v 为列向量构成的矩阵的行列式给出。
这句话是在平行四边形示例可见时说出的。
行列式这一说法,为此前从几何角度引入的同一平行四边形面积,提供了一种熟悉的计算描述。
标题定义了〔u〕∧〔v〕=Area(P(〔u〕,〔v〕)),右侧则将此式特化为〔i〕∧〔i〕=Area(〔i〕,〔i〕)=0。
主讲人通过引用直线的面积来解释零值的合理性。
直接利用几何面积解释来说明自楔积为零的原因。
在展开 后,含有 〔i〕〔i〕 和 〔j〕〔j〕 的项被利用零恒等式划去。
在坐标展开式内部应用自楔积为零的恒等式,消去首项和末项。
对 (〔i〕+〔j〕)(〔i〕+〔j〕) 重复使用前述双线性展开方法,推导出 〔i〕〔j〕 = -〔j〕〔i〕。
通过复用前文已演示过的相同展开技巧,得到反对称性结果。
利用方框标出的恒等式,将表达式 ad\,〔i〕〔j〕+bc\,〔j〕〔i〕 改写为 ad\,〔i〕〔j〕-bc\,〔i〕〔j〕。
将反对称性规则代回化简后的坐标表达式,使两项均以同一基二重向量表示。
但这恰恰就是当矩阵为 a, b, c, d 时,一个矩阵的行列式。
对2维向量施行楔积运算时,应用了行列式的概念:所得二重向量的标量系数,即为由向量分量构成的矩阵的行列式。
u 与 u 的楔积等于0
u 与 v 的楔积等于负的 v 与 u 的楔积
向量与自身楔积为零这一性质,可视为反对称性的一个特例:令 ,则得 ,从而推出 。
说话者提问:如何将面积表述为作用于向量的一种运算?并以平行四边形为例加以说明。
单词 Area 被置于由向量 u 和 v 张成的平行四边形内部。
说话者希望得到一种作用于向量的运算,其结果为对应平行四边形的面积。
屏幕上先后显示 =Area() 与 u∧v=Area()。
所展示的推导过程将 (ai+bj)∧(ci+dj) 展开为四项。
说话者称该运算被假定为满足分配律,因而可以像乘法一样‘逐项展开’。
讲话者指出,该平行四边形的面积由以 u 和 v 为列向量构成的矩阵的行列式给出。
在此时间段内,屏幕上并未写出该行列式本身。
片段在得到 ac i∧i + ad i∧j + bc j∧i + bd j∧j 后即停止。
在本片段结束前,仅假设了分配律成立。
左侧展示了 (a〔i〕+b〔j〕) (c〔i〕+d〔j〕) 的完整分步展开过程。
右侧指出 〔i〕〔i〕 = (〔i〕,〔i〕) = 0 且 〔j〕〔j〕 = (〔j〕,〔j〕) = 0。
主讲人将这些解释为直线的面积。
方框标出的恒等式是 〔i〕 ∧ 〔j〕 = −〔j〕 ∧ 〔i〕。
主讲人指出,交换顺序会引入一个负号。
黑板将 ad〔i〕 ∧ 〔j〕 + bc〔j〕 ∧ 〔i〕 重写为 ad〔i〕 ∧ 〔j〕 − bc〔i〕 ∧ 〔j〕。
现在,这种作用于向量的运算早已广为人知,它被称为楔积。
但这正是一个矩阵的行列式,当该矩阵为a, b, c, d时。
已覆盖 · 片头标题及口头引入提出:如何将面积表述为作用于向量上的运算;此时尚未展示任何独立的公式。
已覆盖 · 给出具体例子:,,构造平行四边形,并口头陈述“面积等于以 u、v 为列的矩阵的行列式”。
已覆盖 · 引入抽象运算 f,并将其重命名为楔积,公式为 u∧v = Area()。
已覆盖 · 将向量改写为基底形式,并在假设分配律成立的前提下展开楔积;片段在此处结束,尚未进行进一步化简。
已覆盖 · u 楔积 v 的坐标展开、自楔积项的删除,以及最终得到的混合项表达式。
已覆盖 · 主讲人转而探讨楔积在顺序反转下的行为,并构建了 () 楔积 () 的论证。
已覆盖 · 从 的自楔积出发,完整推导出 i 楔积 楔积 i。
已覆盖 · 将反对称性代回已简化的 u 楔积 v 表达式;视频片段在此结束,尚未展示最终合并后的系数。
已覆盖 · 楔积的展开及其与行列式的联系。
已覆盖 · 引入函数,表示由向量u和v构成的平行四边形的面积。
已覆盖 · 楔积的形式化定义及其基本性质。
已覆盖 · 结束画面,显示‘感谢观看’文字并配以背景音乐。
已审核的主题路径