English· Español· Deutsch· Nederlands· Français· 日本語· ქართული· 繁體中文· 简体中文· Português· Русский· العربية· हिन्दी· Italiano· 한국어· Polski· Svenska· Türkçe· Українська· Tiếng Việt· Bahasa Indonesia

un

访客
1 / ?
返回课程列表

三角形——建筑最强的形状

每座建筑都是应用几何

建筑是现实的几何。每根梁、每个拱和每根柱都体现了数千年前发现的几何原理。

Geometric Rigidity — Why Triangles Hold Shape

三角形是结构工程中最强的形状,其原因纯粹是几何的:三角形是刚性的。如果固定三条边的长度,三角形只能取一种形状。如果不改变边长,它就无法变形。


相比之下,矩形不是刚性的。按一个角,它会塌成平行四边形——所有四条边长保持不变,但形状完全改变了。这就是为什么你永远不会看到纯矩形框架支撑桥梁。你会看到三角形桁架。


这个原理——三角形无法变形——是每座桁架桥、测地线圆顶和钢框架摩天大楼的基础。

黄金比例在设计中

黄金比例:φ ≈ 1.618

黄金比例出现在整个建筑和设计中。边长比例为 φ(约 1.618 比 1)的矩形具有一个显著的性质:如果从一端切掉一个正方形,剩下的矩形也是黄金矩形。你可以无限重复这个过程,向内螺旋。


雅典的帕特农神庙(公元前447年)的立面比例接近 φ。勒·柯布西耶围绕黄金比例和人体建立了他的整个模数 (Modulor) 建筑比例系统。纽约联合国总部使用模数比例。


黄金比例是否本质上是美丽的,或者我们只是因为被告知要寻找它而认识到它,这是有争议的。不可争议的是,它给建筑师提供了一个系统的方式来创建比例和谐——每个细分都与整体有关。

结构刚性

考虑两种桥梁设计:简单梁桥(在两端支撑的平板)和三角形桁架桥(具有独特的钢构件网格图案的那种)。

为什么三角形桁架桥比梁桥更强?用几何刚性解释。

三角形网格

每个 3D 模型都由三角形组成

Triangle Meshes — Approximating Curved Surfaces

当你看到视频游戏中的角色或动画电影中的建筑时,你看的是成千上万——有时甚至数百万——的微小三角形缝合在一起形成的网格


为什么是三角形?因为一个基本的几何性质:空间中任何三个点定义一个唯一的平面。三个点总是共面的——它们总是形成一个平面。四个或更多的点可能不在同一平面上,这意味着四边形面可能会变得扭曲,产生渲染伪影。


游戏中的球体实际上是一个近似:8 个三角形给你一个粗糙的八面体,32 个给你更圆的东西,128 个看起来对眼睛来说很光滑。三角形越多,表面越光滑——但图形卡需要做的工作越多。这个三角形计数的权衡是实时 3D 图形的中心问题之一。

矩阵变换

用数学移动对象

3D 场景中的每个对象都需要定位、旋转和缩放。然后整个 3D 世界需要投影到你的平坦 2D 屏幕上。所有这一切都是通过矩阵变换完成的——将坐标乘以矩阵。


平移 — 移动对象:为每个顶点位置添加偏移量。

旋转 — 旋转对象:将每个顶点乘以旋转矩阵(正弦和余弦)。

缩放 — 调整对象大小:将每个坐标乘以缩放因子。

投影 — 将 3D 展平为 2D:透视变换使远处的对象看起来较小。


以 60 帧/秒运行的现代视频游戏在每一帧中计算数百万次这样的矩阵乘法。GPU(图形处理单元)的存在是因为 CPU 对于这么多并行几何运算来说太慢了。GPU 的核心本质上是一个大规模并行矩阵乘法引擎。

为什么是三角形?

这是整个计算机图形中最基本的设计决策之一。

为什么 3D 游戏引擎使用三角形而不是四边形作为基本多边形?什么几何性质使三角形特别?

空间中的数据点

机器学习在几何空间中操作

Support Vector Machine — Finding the Widest Margin

每个处理数据的机器学习模型的核心都在做几何。每个数据点是 N 维空间中的一个点,其中 N 是描述它的特征(变量)的数量。


由建筑面积、卧室数量和到市中心距离描述的房屋是 3D 空间中的一个点。由 10,000 个像素值描述的医学图像是 10,000 维空间中的一个点。无论维数如何,数学的工作方式都是一样的。


分类是找到分离类的几何边界。支持向量机(SVM)字面上找到用最宽可能边界分离两类数据的超平面——它们之间最宽的'街道'。最接近这个边界的数据点叫做支持向量,它们是实际确定边界位置的唯一点。

词嵌入和向量算术

空间中的词

几何在机器学习中最引人注目的应用之一是词嵌入。像 Word2Vec 和现代语言模型这样的系统将每个词映射到高维空间中的一个点(通常是 300 到 1,000 维)。


具有相似含义的词在几何上最终彼此接近。'Dog' 靠近 'puppy' 和 'canine'。'France' 靠近 'Germany' 和 'Spain'。


更引人注目的是:这个空间中的方向编码了关系。著名的例子:


vector('king') - vector('man') + vector('woman') ≈ vector('queen')


这是纯向量几何。从'man'到'king'的方向与从'woman'到'queen'的方向大致相同——都编码了'royalty'的概念。机器学习模型从阅读文本中发现了这个几何结构,没有人教它什么是皇权。

超平面和边界

支持向量机是机器学习中最清晰的几何例子之一。

在机器学习中,支持向量机找到一个'超平面'来分离两类数据。从几何的角度来说,超平面是什么?为什么最大化边界(从超平面到最近数据点的距离)可以改进分类?

大圆和 GPS

球面上最短的路径不是直线

Great Circle Routes — Shortest Path on a Sphere

在平面上,两点之间最短的路径是直线。在球面上,最短的路径是大圆弧——沿着圆心在球心的圆的曲线。


这就是为什么从纽约到东京的航班飞越北极。在平面的墨卡托地图上,这条路线看起来荒唐地向北弯曲。但地图是失真的——它拉伸极点来填充矩形。在地球的实际球面上,北极路线较短。


每条经线都是一个大圆。赤道是一个大圆。但纬线(赤道除外)不是大圆——它们是较小的圆,沿着它们飞行不是最短的路径。


GPS 三角测量以不同的方式使用球面几何。每颗 GPS 卫星广播其位置和时间。你的接收器计算到每颗卫星的距离(使用光速)。一颗卫星给你一个可能位置的球体。两颗卫星给你两个球体相交的圆。三颗卫星给你两个点——一个通常是荒唐的(深在太空中),所以你得到你的位置。第四颗卫星纠正时钟误差。

为什么航班在地图上弯曲

航空公司和飞行员不会为了浪费燃料而飞曲线路线。他们飞最短的可能路径。

为什么从伦敦到洛杉矶的航班在平坦地图上看起来向北弯曲,即使飞行员飞的是最短路线?

几何标注和公差

GD&T — 有多接近完美才算足够接近?

没有制造的零件是几何上完美的。指定为 25.000 毫米的轴从车床上出来时可能是 25.007 毫米或 24.993 毫米。问题是:多少偏差是可以接受的?


几何标注和公差(GD&T)用几何精度回答了这个问题。GD&T 定义了一个公差区——一个几何区域,实际表面上的所有点必须位于其中,而不是仅仅说'25 毫米加减 0.013 毫米'。


公差区可能是圆柱体(用于轴)、一对平行平面(用于平面)或圆锥体(用于锥形特征)。区域的形状取决于功能上重要的因素:圆度、平面度、垂直度、同心度。


这是纯应用几何。读 GD&T 图纸的机械师在解释几何约束——这个表面是否在完美平面的 0.01 毫米内?这个孔的轴是否在垂直于基准面的 0.05 毫米内?每个公差都是一个几何问题。

应力集中和几何

为什么几何决定了事物在哪里破裂

当力通过材料流动时,它沿着几何路径流动。光滑均匀的横截面均匀分布应力。但任何几何不连续——孔、缺口、尖角——都会在该点集中应力。


应力集中因子完全取决于几何。张力下平板上的小圆孔在其边缘处经历 3 倍的标称应力。尖锐 V 形缺口可以根据角度将应力集中 5 倍、10 倍或更多。


这就是为什么飞机窗户是椭圆形的,而不是矩形的。De Havilland Comet——世界上第一架商业喷气式飞机——有方形窗户。1954 年,两架 Comet 在飞行中断裂。调查发现金属疲劳裂纹在窗户的尖角处开始,其中应力集中到远超铝在重复加压循环中能承受的水平。


修复是几何的:把角落圆角化。椭圆形窗口在其周长周围平稳分布应力,没有尖锐的集中点。此后的每架商业飞机都使用了椭圆形或圆角矩形窗口。几何杀死了 56 人。几何也提供了解决方案。

Comet 灾难

De Havilland Comet 灾难永远改变了飞机设计。

飞机窗户是椭圆形而不是矩形。使用几何应力集中的概念解释为什么。

连接线索

通用语言

看看我们所涵盖的内容:


建筑使用与在视频游戏中加强 3D 网格相同的刚性三角形。

计算机图形使用与机器人学相同的矩阵变换来定位机械臂。

机器学习使用与工程优化中分离设计空间相同的超平面。

导航使用建筑师在设计圆顶和天文馆时使用的相同球面几何。

工程使用与生物力学相同的应力分析来理解骨折。


几何是相同的。应用是不同的。无论是支撑桥梁还是渲染龙,三角形都是刚性的。无论是将电子邮件分类为垃圾邮件还是优化翼型形状,超平面都会分离类。


这就是使几何成为应用数学中最强大工具之一的原因——它提供了一种视觉的、空间的和严格的方式来推理科学和工程各个领域的问题。

你的收获

我们已经在建筑、计算机图形、机器学习、导航和工程中探索了几何。

选择我们讨论过的一个领域(建筑、图形、机器学习、导航或工程),并解释一个你觉得惊人或反直觉的几何概念。