拓扑为什么重要:内接矩形的论证

原标题Why Topology Matters: An Inscribed Rectangle Argument

Grant Sanderson 将曲线上的点对转化为莫比乌斯带。

GSGrant Sanderson主持
频道
3Blue1Brown
发布
2016年11月4日
视频
16:29
阅读
2 分钟
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

在这节 2016 年课程中,Grant Sanderson 用点对映射和莫比乌斯带解释内接矩形的论证。视频直观介绍了拓扑步骤,而非给出完整的严格证明;简介链接了更新版本。

  1. 1问题视频讨论内接正方形问题的矩形版本。
  2. 2等长对角线等长且中点相同的对角线确定一个矩形。
  3. 3三维映射中点和距离映射的重合给出矩形。
  4. 4有序点对闭曲线上的有序点对构成环面。
  5. 5无序点对无序点对构成莫比乌斯带。
  6. 6拓扑步骤证明使用一个拓扑事实,但省略其严格论证。

要点建议

  1. 视频讨论内接正方形问题的矩形版本。
  2. 等长且中点相同的对角线确定一个矩形。
  3. 中点和距离映射的重合给出矩形。
  4. 闭曲线上的有序点对构成环面。
  5. 无序点对构成莫比乌斯带。
  6. 证明使用一个拓扑事实,但省略其严格论证。
全文

按章节阅读整理后的全文

只看原始文稿
01

内接矩形

一个几何问题及其转化。

在这一 2016 年版拓扑课程中,Grant Sanderson 用内接矩形问题说明拓扑中的形状为什么有助于解决具体问题。视频简介链接了更新版本。

内接正方形问题问:每条平面简单闭曲线上是否都有四点构成正方形。Sanderson 在视频中称这一问题当时尚未解决;他转而讲解较弱的矩形结论。

矩形的两条对角线中点相同、长度相等。反过来,两组不同的点如果有共同中点、且距离相等并大于零,就确定了一个矩形的顶点。

对曲线上的每一组无序点,在平面中取其中点,并用两点距离作为高度。如果两组不同的点映射到同一个位置,就得到构成矩形所需的等长对角线。

当两点相互靠近时,距离趋于零,绘制的点也接近曲线。重合的点对恰好映射到平面中的原曲线上。

02

点对的空间

从环面到莫比乌斯带。

为了理解所有点对,先考虑有序点对。把闭曲线在一点剪开得到区间,参数对形成一个正方形;把对应的对边粘合后得到环面。

对于无序点对,交换两个点没有区别。将 (x, y) 与 (y, x) 视为同一点,相当于沿对角线折叠正方形;再完成剩余边的粘合,得到的参数空间是莫比乌斯带。

莫比乌斯带的边界表示两个点重合的点对。在中点和距离构成的映射下,这条边界对应平面中的原曲线。

03

拓扑为什么重要

论证与尚需严格证明的步骤。

Sanderson 借用一个拓扑事实:边界嵌入平面的莫比乌斯带无法在平面同一侧保持不自交的嵌入。因此映射后的曲面必须让不同的内部点重合,从而得到所需的矩形。

他指出,要严格证明这一拓扑步骤,不能仅凭这里展示的视觉直觉。环面和莫比乌斯带是从点对的结构中自然出现的,并非装饰性的例子。

同频道的其他文章

20 张幻灯片40:44EN → 简体中文
3Blue1Brown· 2026年10月16日Grant Sanderson:现在是投身数学的最好时机Grant Sanderson, Constantin Kogler · 3Blue1Brown学生担心 AI 已经解决了数学。Grant Sanderson 却认为恰恰相反:即使机器证明定理的能力超过人类,数学这套制度依然有价值,而新人正迎来一个难得的机会,可以参与重塑它。MathematicsAI for scienceHuman-AI Collaboration+2
29 张幻灯片51:55EN → 简体中文
3Blue1Brown· 2026年9月18日AI 解不出的最后一道 IMO 题Grant Sanderson · 3Blue1BrownGrant Sanderson 带你走一遍 2025 年 IMO 第 6 题——前沿模型没做出来的铺砖谜题——以及要证明一种构造最优,需要怎样的视觉耐心。MathematicsAI researchReasoning & test-time compute+2
0:55EN → 简体中文
3Blue1Brown· 2026年7月24日64 块方糖谜题:六组相等距离一个 4×4×4 的方糖块有三种颜色;证明总能找到六对同色方糖,且每对距离相等。MathematicsEducation
33:51EN → 简体中文
3Blue1Brown· 2026年7月16日交叉熵连接了什么:压缩、语言模型与 KL 散度Grant Sanderson · 3Blue1BrownGrant Sanderson 从码长推导交叉熵,并用它解释下一个 token 训练和模型蒸馏。MathematicsMachine LearningFoundation Models+1
幻灯片2:25EN → 简体中文
3Blue1Brown· 2026年6月12日香农如何测量英语的信息熵一场猜字母游戏帮助克劳德·香农估算英语文本的信息量,也揭示了预测与压缩之间的联系。MathematicsAI History
幻灯片1:02EN → 简体中文
3Blue1Brown· 2026年6月10日月球机器人与最优二进制编码谜题四个方向出现的频率不同,每条指令最少需要多少比特?MathematicsScience Communication