Video
Đăng bởi Ban biên tập OpenER ·
Tác giả giữ toàn bộ bản quyền (All Rights Reserved) — không phải giấy phép mở. Bạn vẫn xem và học miễn phí trên OpenER; muốn tái sử dụng cần xin phép tác giả.
PROFESSOR
Okay, let's get started. Welcome to lecture 7.
Được rồi, chúng ta bắt đầu nhé. Chào mừng các em đến với bài giảng số 7.
And today we're going to pick up basically where we left off last time. And what did we cover last time?
Hôm nay chúng ta sẽ tiếp tục từ chỗ đã dừng ở buổi trước. Buổi trước chúng ta đã học gì?
The main point of the lecture was essentially talking about matrix inversion.
Nội dung chính của bài giảng trước là về nghịch đảo ma trận.
Let me move this to this camera. It's still visible. Okay, great. So the main thing we talked about was matrix inversion.
Để tôi chuyển sang camera này. Vẫn nhìn thấy được. Được, tốt. Vậy điều chính chúng ta nói đến là nghịch đảo ma trận.
And what was the thing about finding an inverse? Was there anything new that we had to do to find an inverse? Not really, right?
Còn việc tìm ma trận nghịch đảo thì sao? Chúng ta có phải làm gì mới để tìm nghịch đảo không? Thật ra là không, đúng không?
We used the same tried and tested method, Gaussian elimination, to be able to find our matrix inverse, A-inverse.
Chúng ta dùng lại phương pháp quen thuộc đã được kiểm chứng, phép khử Gauss, để tìm ma trận nghịch đảo, A-inverse.
Except what we did was, instead of solving one system of linear equations, we simultaneously solved multiple systems of linear equations, right?
Chỉ khác là thay vì giải một hệ phương trình tuyến tính, chúng ta giải đồng thời nhiều hệ phương trình tuyến tính, đúng không?
So when we were, for example, finding the inverse of a 3 by 3 matrix, we simultaneously solved three systems of linear equations instead of solving one system of linear equations.
Chẳng hạn khi tìm nghịch đảo của một ma trận 3 nhân 3, chúng ta giải đồng thời ba hệ phương trình tuyến tính thay vì giải một hệ phương trình tuyến tính.
Does everyone remember that? Yeah? And then we saw some examples that said, well, an inverse doesn't always exist, right?
Mọi người còn nhớ không? Nhớ chứ? Sau đó chúng ta thấy một số ví dụ cho thấy nghịch đảo không phải lúc nào cũng tồn tại, đúng không?
And the last thing we did was we proved a theorem.
Và điều cuối cùng chúng ta làm là chứng minh một định lý.
And the theorem we proved said that if the columns of A are linearly dependent — can people see at the back?
Định lý đó nói rằng nếu các cột của A phụ thuộc tuyến tính — các em ngồi cuối có nhìn thấy không?
Yeah?
Được chứ?
Then A is not invertible. Right, this was what we proved.
Thì A không khả nghịch. Đó là điều chúng ta đã chứng minh.
So I'm going to just ask, how many people would like me to go over the proof of this theorem one more time in lecture today?
Tôi hỏi nhé, bao nhiêu bạn muốn tôi xem lại chứng minh của định lý này thêm một lần nữa trong buổi hôm nay?
Okay, that's a fair number.
Được, khá nhiều bạn.
It is an important thing to understand. So I'm going to quickly talk us through it again.
Đây là điều quan trọng cần hiểu. Vậy tôi sẽ nhắc lại nhanh một lượt.
This was the theorem we started out to prove last time. We said, if the columns of are linearly dependent, then matrix A is not invertible.
Đây là định lý chúng ta bắt đầu chứng minh buổi trước. Ta nói, nếu các cột của A phụ thuộc tuyến tính, thì ma trận A không khả nghịch.
And we introduced this idea of another way of saying the same thing.
Và chúng ta đưa ra một cách khác để nói cùng một điều.
We said that this is equivalent to proving, if the matrix A is invertible, then the columns of A are linearly independent.
Ta nói điều này tương đương với việc chứng minh: nếu ma trận A khả nghịch, thì các cột của A độc lập tuyến tính.
We argued that if we want to show p implies q, that is equivalent to showing not-q implies not-p.
Ta đã lập luận rằng muốn chứng minh p suy ra q thì tương đương với chứng minh not-q suy ra not-p.
Does everyone remember this, about when it was raining and whether there were clouds?
Mọi người nhớ ví dụ về trời mưa và có mây không?
Which one did we end up actually showing? Did we actually show the second statement or the first statement? The first statement, right?
Rốt cuộc chúng ta đã thực sự chứng minh mệnh đề nào? Mệnh đề thứ hai hay mệnh đề thứ nhất? Mệnh đề thứ nhất, đúng không?
So sometimes it's really confusing because sometimes we use this idea of a proof by contradiction.
Đôi khi điều này rất dễ gây nhầm lẫn vì đôi khi ta dùng cách chứng minh bằng phản chứng.
A contradiction proof says we assume there exists a unicorn, and then we show that something else must be contradicted. Therefore, no unicorn exists. That's basically a proof by contradiction.
Chứng minh phản chứng nói rằng ta giả sử có một con kỳ lân, rồi chỉ ra một điều khác bị mâu thuẫn. Do đó, không tồn tại kỳ lân. Về cơ bản đó là chứng minh phản chứng.
What this is called is called contrapositive. The contrapositive of a statement is not necessarily related to a proof by contradiction. They have the word, contra, in there.
Còn cái này gọi là phản đảo (contrapositive). Mệnh đề phản đảo của một phát biểu không nhất thiết liên quan đến chứng minh phản chứng. Cả hai đều có chữ contra trong đó.
But just because we can write a contrapositive of a statement, doesn't necessarily mean that we have to do a proof by contradiction. We can sometimes do a proof by contradiction.
Nhưng việc ta viết được mệnh đề phản đảo của một phát biểu không có nghĩa là ta nhất thiết phải chứng minh bằng phản chứng. Đôi khi ta có thể chứng minh bằng phản chứng.
We can sometimes not do a proof by contradiction. All of these are valid. These are just two different words that both have the syllable, contra, in them.
Đôi khi ta không dùng phản chứng. Tất cả đều hợp lệ. Đây chỉ là hai từ khác nhau mà cùng có âm tiết contra.
So make sure that you don't confuse them. This is confusing. And then we had a proof, right? This is the proof from last time.
Nên các em đừng nhầm lẫn chúng nhé. Cái này dễ gây nhầm. Và sau đó ta có một chứng minh, đúng không? Đây là chứng minh từ buổi trước.
I'm not going to write it out again.
Tôi sẽ không viết lại.
But what we did we say? We started and we said, Okay, if the columns of A are linearly dependent, then matrix A is not invertible. So this is what we are trying to prove.
Nhưng lúc đó chúng ta đã làm gì? Ta bắt đầu và nói: được, nếu các cột của A phụ thuộc tuyến tính, thì ma trận A không khả nghịch. Đây là điều chúng ta cần chứng minh.
So the first thing we do, which is what we always do, is we write out what we know. What do we know? We know that the columns of A are linearly dependent.
Việc đầu tiên, và cũng là việc ta luôn làm, là viết ra những gì ta biết. Ta biết gì? Ta biết các cột của A phụ thuộc tuyến tính.
What does that mean? That means that there exists some linear combination of the columns which is equal to 0.
Điều đó nghĩa là gì? Nghĩa là tồn tại một tổ hợp tuyến tính của các cột bằng 0.
How many definitions for linear dependence did we examine? We introduced two definitions, right? There's not just one. We're using one of the two definitions here.
Chúng ta đã xem xét bao nhiêu định nghĩa về phụ thuộc tuyến tính? Chúng ta đưa ra hai định nghĩa, đúng không? Không chỉ có một. Ở đây ta dùng một trong hai định nghĩa.
Could have equivalently written out that one of the columns is a linear combination of the other column. That's another way to write out what is known.
Ta cũng có thể viết tương đương rằng một cột là tổ hợp tuyến tính của các cột còn lại. Đó là một cách khác để viết điều đã biết.
If you're not sure which one to use, write out both.
Nếu không chắc nên dùng cách nào, cứ viết cả hai.
Try out both. In this particular case, I chose to use this definition. We could have also arrived at a proof using the other definition. I just chose this one.
Thử cả hai. Trong trường hợp này, tôi chọn dùng định nghĩa này. Ta cũng có thể đi đến chứng minh bằng định nghĩa còn lại. Tôi chỉ chọn cách này thôi.
But when in doubt, you should try both. In proofs, sometimes you don't necessarily know which approach is going to work, or which attack you're going to be able to succeed with.
Nhưng khi còn phân vân, các em nên thử cả hai. Trong chứng minh, đôi khi ta không nhất thiết biết hướng tiếp cận nào sẽ hiệu quả, hay hướng tấn công nào sẽ thành công.
So the strategy is to basically try everything. You don't have to be sure that what you're writing on the piece of paper is the correct approach.
Nên chiến lược là cứ thử mọi cách. Các em không cần chắc chắn rằng điều mình viết ra giấy là hướng đúng.
You try it, if it doesn't work, you erase it, and you try something else. Or you first try it out on scratch paper.
Cứ thử, nếu không được thì xóa đi, rồi thử cách khác. Hoặc thử trước trên giấy nháp.
So here we now say, let's use this definition, we write out what is known, and we say that there is a linear combination. And we say, what do we know about the CI?
Vậy ở đây ta nói, hãy dùng định nghĩa này, ta viết ra điều đã biết, và nói rằng có một tổ hợp tuyến tính. Và ta hỏi, ta biết gì về các CI?
We say that not all of the CIs are zero. So there is at least one of them that is non-zero. That's our definition. And we want to get to this end point.
Ta nói rằng không phải tất cả các CI đều bằng không. Vậy có ít nhất một hệ số khác không. Đó là định nghĩa của chúng ta. Và ta muốn đi đến đích này.
What is the end point we want to get to? We want to show that A-inverse doesn't exist. But showing something doesn't exist is pretty hard, right? That's very hard to write out algebraically.
Đích đến mà ta muốn là gì? Ta muốn chứng minh A-inverse không tồn tại. Nhưng chứng minh một thứ không tồn tại khá khó, đúng không? Rất khó viết điều đó bằng đại số.
How do you say that? It's easier — algebra statement. The easier thing to write in math is to say, well, let's pretend it does exist.
Nói điều đó thế nào đây? Cách dễ hơn là một phát biểu đại số. Điều dễ viết hơn trong toán là nói: cứ giả sử nó tồn tại.
Because if something does exist, then you can use it in an equation, you can manipulate things with it.
Vì nếu một thứ tồn tại thì ta có thể dùng nó trong phương trình, có thể biến đổi các thứ với nó.
So often when you want to prove that something doesn't exist, a good strategy is to say — this is not a strategy that will necessarily always work, but it's a good one to try — to say, well, let's pretend it did exist hypothetically and see what happens.
Nên khi muốn chứng minh một thứ không tồn tại, một chiến lược tốt là nói rằng đây không phải chiến lược lúc nào cũng hiệu quả, nhưng nó đáng để thử: giả sử nó tồn tại, theo giả thuyết, rồi xem chuyện gì xảy ra.
If you arrive at a contradiction, that means your assumption must have been wrong. Is that approach clear to everyone?
Nếu ta đi đến một mâu thuẫn, nghĩa là giả định của ta đã sai. Mọi người hiểu cách tiếp cận này chưa?
So we said, we assume this exists. And then we write out, again, our linear dependence definition.
Vậy ta giả sử nó tồn tại. Rồi ta lại viết ra định nghĩa phụ thuộc tuyến tính, .
But now in terms of the matrix A instead of explicitly in terms of the columns. I can write this linear combination, just as this matrix vector product, equal to 0.
nhưng giờ theo ma trận A thay vì viết rõ theo các cột. Tôi có thể viết tổ hợp tuyến tính này như tích ma trận với vectơ, bằng 0.
We're good? What do we know about this vector? We know that this vector is not identically equal to zero because of the definition. Now what can we do?
Ổn chứ? Ta biết gì về vectơ này? Ta biết vectơ này không đồng nhất bằng không theo định nghĩa. Giờ ta làm gì?
We're assuming that A-inverse exists. So what that allows us to do is it allows us to multiply both sides of this by this A-inverse.
Ta đang giả sử A-inverse tồn tại. Điều đó cho phép ta nhân cả hai vế với A-inverse này.
And now we can say, well, A-inverse times A times C, which is just A-inverse times zero — A-inverse times zero, we know is zero. The A-inverse and the A cancel to give identity.
Và giờ ta có A-inverse nhân A nhân C, bằng A-inverse nhân không, mà A-inverse nhân không thì bằng không. A-inverse và A triệt tiêu nhau thành ma trận đơn vị.
And so I basically arrive at the conclusion that, well, this C must be identically zero. But by my assumption and by what I was given, I know that C is not identically zero.
Vậy về cơ bản tôi đi đến kết luận rằng C phải đồng nhất bằng không. Nhưng theo giả thiết và những gì đề cho, tôi biết C không đồng nhất bằng không.
So what is this? A contradiction. Does everyone see the logical steps that we took to arrive here? Are there any questions?
Vậy đây là gì? Một mâu thuẫn. Mọi người có thấy các bước lập luận mà ta đã làm để đến đây không? Có câu hỏi nào không?
Okay, so we will keep giving you more and more practice for proofs. Don't worry if, the first time you see something, it doesn't make sense. That's fine. This is hard.
Được rồi, chúng tôi sẽ cho các bạn luyện thêm nhiều hơn nữa về chứng minh. Đừng lo nếu lần đầu thấy một điều gì đó mà chưa hiểu. Không sao cả. Cái này khó.
And we will keep giving you practice that hopefully will make things easier as time goes on.
Chúng tôi sẽ tiếp tục cho các bạn luyện tập, hy vọng mọi thứ sẽ dễ dần theo thời gian.
Okay, so since we now have that, I want to move to the rest of today's topics.
Được rồi, giờ đã xong phần đó, tôi muốn chuyển sang các chủ đề còn lại của hôm nay.
And today we're going to do a little bit more about inversion.
Hôm nay ta sẽ nói thêm một chút về phép nghịch đảo.
I want to connect this back to what you've been doing in lab.
Tôi muốn nối nó lại với những gì các bạn làm trong lab.
And we're going to talk about the experiment that you're doing in the lab. And finally we will introduce the idea of null spaces and vector space.
Và ta sẽ nói về thí nghiệm mà các bạn đang làm trong lab. Cuối cùng ta sẽ giới thiệu ý tưởng về không gian không (null space) và không gian vectơ.
So the first thing I want to do is I want to connect invertibility directly to systems of linear equations. So in the lab, remember, what are you trying to do?
Điều đầu tiên tôi muốn làm là nối trực tiếp tính khả nghịch với hệ phương trình tuyến tính. Trong lab, nhớ nhé, các bạn đang cố làm gì?
You're trying to basically read the playing card or whatever image you have. Some of you have already done this.
Các bạn đang cố đọc lá bài hay hình ảnh nào đó mà các bạn có. Một số bạn đã làm rồi.
Some of you will be doing this lab basically either later today, or tomorrow, or on Monday.
Một số bạn sẽ làm lab này hôm nay, ngày mai, hoặc thứ Hai.
But the larger setup is that, well, you have some image, and you're trying to basically get that — you're trying to reconstruct that by measuring it in various ways.
Nhưng bức tranh lớn là, các bạn có một hình ảnh, và các bạn đang cố lấy lại nó, tức là tái tạo nó bằng cách đo theo nhiều cách khác nhau.
So that's basically solving a system of linear equations.
Về cơ bản đó là giải một hệ phương trình tuyến tính.
Because you're taking some measurements, just like we did in the tomography example, just like we did when we talked — the very first lecture, we talked about MRIs.
Vì các bạn thực hiện một số phép đo, giống như trong ví dụ chụp cắt lớp, giống như khi ta nói về bài giảng đầu tiên, ta đã nói về MRI.
So we talked about how tomography machines work. Here you're saying, I want to take some measurements, I want to use those measurements to reconstruct my image. That's what you're doing, exactly, in lab.
Ta đã nói máy chụp cắt lớp hoạt động thế nào. Ở đây các bạn nói: tôi muốn thực hiện vài phép đo, rồi dùng chúng để tái tạo hình ảnh của mình. Đó chính xác là điều các bạn làm trong lab.
Now we have all these linear algebra tools we don't necessarily have to solve systems of linear equations the way we've been solving them. We can actually use the more sophisticated things for learning.
Giờ ta có tất cả các công cụ đại số tuyến tính này, ta không nhất thiết phải giải hệ phương trình tuyến tính theo cách ta vẫn giải. Ta thực sự có thể dùng những công cụ tinh vi hơn để học.
So I want to prove this theorem.
Vậy tôi muốn chứng minh định lý này.
If A is an invertible double matrix, then the system A x equal to b has a unique solution.
Nếu A là một ma trận vuông khả nghịch, thì hệ A x = b có nghiệm duy nhất.
This is the theorem that I want to prove.
Đây là định lý tôi muốn chứng minh.
How are we going to prove this?
Ta sẽ chứng minh thế nào?
So what does it mean to prove that this has a unique solution?
Chứng minh hệ này có nghiệm duy nhất nghĩa là gì?
Unique means two things. It means that first you have to show that there's at least one solution. If there are no solutions, can it have a unique solution?
Duy nhất có hai nghĩa. Thứ nhất, bạn phải chứng minh có ít nhất một nghiệm. Nếu không có nghiệm nào thì có thể có nghiệm duy nhất không?
Second, you have to show if it has another solution.
Thứ hai, bạn phải chứng minh nếu có nghiệm khác thì sao.
If your friend comes and says, hey, guess what, you thought it was unique, but here, I found another one, you have to be able to prove that the other solution is exactly the same as what you had.
Nếu bạn của bạn đến và nói: này, bạn tưởng nó duy nhất, nhưng tớ tìm được một nghiệm khác đây, thì bạn phải chứng minh được nghiệm kia chính xác là nghiệm bạn đã có.
So in terms of the end of this, what you want to prove is two parts.
Vậy ở đích cuối, điều bạn muốn chứng minh gồm hai phần.
One is that there is at least one solution.
Một là có ít nhất một nghiệm.
And second is that all other solutions are equal to this.
Hai là mọi nghiệm khác đều bằng nghiệm này.
So now that you know this, why don't you take a couple of minutes and try to do this on your own. If you get stuck, just try writing different ideas out.
Giờ bạn đã biết vậy, hãy dành vài phút tự thử làm xem. Nếu bí, cứ viết ra các ý tưởng khác nhau.
They don't have to be right, they can be completely weird, no one cares. Try writing stuff up. Feel free to of course talk to your neighbors, chat, whatever.
Chúng không cần đúng, có thể hoàn toàn kỳ quặc, không ai quan tâm đâu. Cứ thử viết ra đi. Tất nhiên các em cứ trao đổi với bạn bên cạnh, nói chuyện thoải mái.
Yes, question?
Vâng, em có câu hỏi?
STUDENT
[INAUDIBLE].
[KHÔNG NGHE RÕ].
PROFESSOR
I'm sorry.
Xin lỗi, em nói lại nhé.
STUDENT
Would it [INAUDIBLE] nearly independent?
Nó có [KHÔNG NGHE RÕ] độc lập tuyến tính không ạ?
PROFESSOR
We'll come to that.
Lát nữa chúng ta sẽ nói tới.
Okay, let's try to do it together.
Được rồi, cùng làm nhé.
So this proof is going to actually introduce another type of proof strategy a little bit.
Chứng minh này sẽ giới thiệu thêm một kiểu chiến lược chứng minh.
And this proves strategy is what I call the guess-and-check strategy, which is you guess what the answer is and then hope it's correct. And if that answer is wrong, then you try another one.
Chiến lược này tôi gọi là chiến lược đoán và kiểm tra, tức là em đoán đáp án rồi hy vọng nó đúng. Nếu đáp án sai thì thử đáp án khác.
So if you wanted to get a solution of this — well, actually, what should I do first? I should write out what do I know.
Vậy nếu muốn tìm một nghiệm của cái này — mà thật ra, việc đầu tiên tôi nên làm là gì nhỉ? Tôi nên viết ra những gì mình biết.
What is known to me? I know that Ah inverse exists. That is what is given to me. And I want to use this now to complete my guess-and-check strategy.
Tôi đã biết điều gì? Tôi biết A-inverse tồn tại. Đó là điều đề bài cho. Giờ tôi dùng nó để hoàn thành chiến lược đoán và kiểm tra.
Because first I have to show that there is at least one solution.
Vì trước hết tôi phải chứng minh rằng có ít nhất một nghiệm.
So I am going to say, consider x0 equal to A-inverse b.
Nên tôi nói: xét x0 bằng A-inverse b.
Why am I allowed to write this x0? Because I know A-inverse exists. This is what it's allowing me to even write this statement.
Tại sao tôi được phép viết x0 này? Vì tôi biết A-inverse tồn tại. Chính điều đó cho phép tôi viết ra biểu thức này.
Without knowing this, can I write this? x0 might be completely in my imagination. It might not exist if A-inverse doesn't exist.
Nếu không biết điều đó, tôi viết được không? x0 có thể chỉ là do tôi tưởng tượng ra. Nếu A-inverse không tồn tại thì nó có thể không có.
So I can say, let us consider this. Now, let's check.
Nên tôi có thể nói: ta xét x0 này. Giờ kiểm tra nhé.
What is A times x0 equal to? This is just A, times A-inverse, times b, which is equal to identity times b, which is equal to b.
A nhân x0 bằng gì? Đó là A nhân A-inverse nhân b, bằng ma trận đơn vị nhân b, bằng b.
So can I say I'm done now? I'm not done yet, right? Yes, question.
Vậy tôi xong chưa? Chưa xong, đúng không? Vâng, em hỏi đi.
STUDENT
What is x0 represent?
SINH VIÊN: x0 biểu diễn cái gì ạ?
PROFESSOR
I made it up. I said let x0 equal to be this. Yeah, good question. I completely made it up.
Tôi tự đặt ra. Tôi nói cho x0 bằng cái này. Vâng, câu hỏi hay. Tôi hoàn toàn tự đặt ra.
I could have called it x11 or whatever.
Tôi có thể gọi nó là x11 hay gì cũng được.
Yeah.
Vâng.
STUDENT
So instead of defining a [INAUDIBLE] solution, why didn't you just start with A x equals b, and multiply by the inverse [INAUDIBLE] PROFESSOR: That would be another possibly valid way to do it.
Thay vì định nghĩa một nghiệm [KHÔNG NGHE RÕ], sao thầy không bắt đầu từ A x bằng b, rồi nhân với nghịch đảo [KHÔNG NGHE RÕ] GIẢNG VIÊN: Đó cũng có thể là một cách hợp lệ khác.
But I want to introduce different ways of doing this. And we are going to do that step in a little bit. Yeah, there is a question here.
Nhưng tôi muốn giới thiệu nhiều cách làm khác nhau. Và lát nữa ta sẽ làm bước đó. Vâng, bên này có câu hỏi.
STUDENT
So, so far, what have you proved?
Vậy đến giờ thầy đã chứng minh được gì ạ?
PROFESSOR
What have I proved? Good question.
Tôi đã chứng minh được gì? Câu hỏi hay.
STUDENT
Is it just that, like, if b equals b, does mean that there is a solution?
Có phải chỉ là, nếu b bằng b thì có nghĩa là có nghiệm không ạ?
PROFESSOR
Have I shown b equals b? I haven't shown b equals b. I have shown A times x0 equals b. So there is some x0 such that A times x0 equal to b.
Tôi đã chứng minh b bằng b à? Tôi không chứng minh b bằng b. Tôi đã chứng minh A nhân x0 bằng b. Tức là có một x0 sao cho A nhân x0 bằng b.
When we write out the system of equations, we don't know that any such x exists at all.
Khi viết ra hệ phương trình, ta không biết liệu có tồn tại x nào như vậy hay không.
So here what we're saying is that, OK, we found one solution. So we have done basically only part 1 of the proof.
Vậy ở đây ta đang nói rằng, ta đã tìm được một nghiệm. Như vậy về cơ bản ta mới làm xong phần 1 của chứng minh.
But we haven't yet proven the entire statement. So what do you need to do now to do it? Yes, back.
Ta vẫn chưa chứng minh toàn bộ phát biểu. Vậy bây giờ cần làm gì tiếp? Vâng, em phía sau.
STUDENT
[INAUDIBLE]..
[KHÔNG NGHE RÕ].
PROFESSOR
Speak up, speak up.
Nói to lên em.
STUDENT
How do you come up with your guess [INAUDIBLE] PROFESSOR: How did I come up with my guess at the beginning? That's a great question. I know I want to somehow cancel out this A.
Làm sao thầy nghĩ ra được phỏng đoán [KHÔNG NGHE RÕ] GIẢNG VIÊN: Làm sao tôi nghĩ ra phỏng đoán lúc đầu à? Câu hỏi rất hay. Tôi muốn khử cái A này bằng cách nào đó.
And I want to multiply A by something and get b. The right-hand side doesn't have a b. So I have only one thing with me.
Tôi muốn nhân A với một thứ gì đó để ra b. Vế phải không có b. Nên tôi chỉ có một thứ trong tay.
And I want to get rid of A. That's why I put A-inverse next to A. That was the strategy by which I came up with it.
Và tôi muốn loại bỏ A. Vì thế tôi đặt A-inverse cạnh A. Đó là cách tôi nghĩ ra nó.
It's basically saying, I want to get rid of A, I have only one tool that gets rid of A, let me try to stick it in there. That's basically all that was done.
Về cơ bản là: tôi muốn loại A đi, tôi chỉ có một công cụ để loại A, nên thử đặt nó vào đó. Về cơ bản chỉ có vậy thôi.
Okay, so now we have to show the next part. So we say, well, what if there was another solution? What if someone came and told me that x1 is another solution?
Được rồi, giờ ta phải chứng minh phần tiếp theo. Ta hỏi: nếu có một nghiệm khác thì sao? Nếu ai đó nói với tôi x1 là một nghiệm khác thì sao?
So let x1 be another solution.
Vậy cho x1 là một nghiệm khác.
Then because x1 is a solution, I'm saying A times x1 is equal to b.
Vì x1 là nghiệm nên A nhân x1 bằng b.
Now what can I do again? What do I want to show?
Giờ tôi lại làm gì được? Tôi muốn chứng minh điều gì?
STUDENT
[INAUDIBLE].
[KHÔNG NGHE RÕ].
PROFESSOR
I want to show x1 is equal to x0. So now what can I do to — what do you feel like doing? Again, I want to get rid of this A.
Tôi muốn chứng minh x1 bằng x0. Vậy bây giờ tôi có thể làm gì để — các em thấy nên làm gì? Một lần nữa, tôi muốn loại bỏ cái A này.
We only have one tool to get rid of A. What are we going to do? Multiply by A-inverse. So we then have A-inverse A x1 equal to A-inverse b.
Ta chỉ có một công cụ để loại A. Ta sẽ làm gì? Nhân với A-inverse. Ta có A-inverse A x1 bằng A-inverse b.
These guys give me identity.
Hai thừa số này cho ma trận đơn vị.
So x1 is equal to A-inverse b, which is equal to x0.
Vậy x1 bằng A-inverse b, mà bằng x0.
Yes, question?
Vâng, em hỏi đi?
STUDENT
Do you have to show that there is only one A-inverse?
Thầy có phải chứng minh rằng chỉ có một A-inverse không ạ?
PROFESSOR
Do we have to show that there is only one A-inverse. That's a great question. It turns out that a matrix inverse is indeed unique.
Ta có phải chứng minh rằng chỉ có một A-inverse không. Câu hỏi rất hay. Thực ra ma trận nghịch đảo là duy nhất.
In this proof, we don't actually need to use that because you can just say, use the exact same A-inverse that you used over there. But we can also show a matrix inverse is unique.
Trong chứng minh này, ta không cần dùng điều đó, vì em có thể nói là dùng đúng A-inverse mà em đã dùng ở bên kia. Nhưng ta cũng có thể chứng minh ma trận nghịch đảo là duy nhất.
Maybe we'll ask that of the homework question or as a practice homework question. Yes.
Có thể tôi sẽ cho đó làm một câu bài tập về nhà hoặc một câu bài tập về nhà luyện thêm. Vâng.
STUDENT
Why do you say there [INAUDIBLE PROFESSOR: So the question is why did we divide it into two parts, basically.
Tại sao thầy nói là có [KHÔNG NGHE RÕ GIẢNG VIÊN: Vậy câu hỏi là tại sao mình lại chia thành hai phần.
Because if you only found one solution, you don't know that it's necessarily unique. Basically, unique, the word means two things.
Vì nếu chỉ tìm được một nghiệm, thì chưa chắc nghiệm đó là duy nhất. Từ "duy nhất" thực ra mang hai ý.
One, it means that when you want to show a unique solution, it fundamentally means that you have to make sure that there is at least one solution.
Thứ nhất, khi muốn chứng minh nghiệm duy nhất, về căn bản em phải đảm bảo là có ít nhất một nghiệm.
But you can just show that if a solution exists, then all other solutions are equal to it. But that first solution might not exist.
Nhưng em có thể chỉ chứng minh rằng nếu một nghiệm tồn tại, thì mọi nghiệm khác đều bằng nó. Nhưng nghiệm đầu tiên đó có thể không tồn tại.
So you then have to show that the first solution also exists. That's why there's two parts. This is a good question. It's a subtle point.
Nên em còn phải chứng minh nghiệm đầu tiên cũng tồn tại. Đó là lý do có hai phần. Đây là một câu hỏi hay. Đây là một điểm tinh tế.
And it's important to understand why, even for a simple proof like this, we're going through these steps. So these are all great questions to be asking. Yes.
Và quan trọng là hiểu tại sao, ngay cả với một chứng minh đơn giản thế này, mình vẫn đi qua các bước đó. Nên đó đều là những câu hỏi rất đáng đặt ra. Mời em.
STUDENT
How does the [INAUDIBLE] for x1 actually show [INAUDIBLE]? Because it seems like it's the same thing described twice?
Phần [KHÔNG NGHE RÕ] cho x1 thực sự chứng minh [KHÔNG NGHE RÕ] như thế nào ạ? Vì có vẻ như nó mô tả cùng một điều hai lần?
PROFESSOR
The question is, what is different about these two parts? They seem very, very similar. And they are very similar because this is a very small, simple example.
Câu hỏi là hai phần này khác nhau ở chỗ nào? phần? Trông chúng rất, rất giống nhau. Và chúng giống nhau vì đây là một ví dụ rất nhỏ và đơn giản.
In a larger, more complicated setting, these might be more complex. But basically what we want to show is that we want to explicitly show these two things.
Trong bối cảnh lớn hơn, phức tạp hơn, chúng có thể phức tạp hơn nhiều. Nhưng về cơ bản, điều ta muốn là chứng minh tường minh hai điều này.
And because I want to really go step by step through every single thought process, we're showing these two things. So we want to explicitly show both of these.
Và vì thầy muốn đi từng bước một qua mọi suy nghĩ, nên ta chứng minh hai điều này. Ta muốn chứng minh tường minh cả hai.
So they're very related, but they're subtly, subtly different. First one is showing that something exists.
Chúng liên quan chặt chẽ, nhưng khác nhau một cách rất tinh tế. Điều thứ nhất chứng minh một thứ tồn tại.
Second one, you could potentially write a proof that just says, let's try this, and show in one step that A-inverse b is a solution and all other solutions must be equal to it.
Điều thứ hai, em hoàn toàn có thể viết một chứng minh kiểu: thử cái này, và chứng minh trong một bước rằng A-inverse b là một nghiệm và mọi nghiệm khác đều bằng nó.
But because this is the first time we're writing proofs, I want to be super careful.
Nhưng vì đây là lần đầu ta viết chứng minh, thầy muốn thật cẩn thận.
Does that answer the question? Talk to me after class. Yes.
Vậy có trả lời được câu hỏi của em không? Sau giờ học em gặp thầy nhé. Mời em.
STUDENT
Are we able to start with x0 equals A-inverse?
Mình có được phép bắt đầu với x0 bằng A-inverse không ạ?
PROFESSOR
How did I start with x0 equals A-inverse b? Great question. I made it up entirely. That was the question at the back, why did I choose x0 equals A-inverse b?
Sao thầy lại bắt đầu với x0 bằng A-inverse b? Câu hỏi rất hay. Thầy tự nghĩ ra hoàn toàn. Đó là câu hỏi ở cuối lớp, tại sao thầy chọn x0 bằng A-inverse b?
It is just basically saying I want to make it equal to b, I just have a little bit of maneuverability, let me try this.
Đơn giản là thầy muốn nó bằng b, thầy có chút linh hoạt, nên cứ thử cái này.
Another good thing that maybe someone would have tried is — like you can try other things. Some things will work, some things might not work.
Một cách khác mà có thể có bạn sẽ thử là — em có thể thử những thứ khác. Có cái sẽ đúng, có cái có thể không.
Yes.
Mời em.
STUDENT
Why dd you choose the guess and check method? guess-and-check [INAUDIBLE]?
Sao thầy chọn phương pháp đoán rồi kiểm tra ạ? đoán rồi kiểm tra [KHÔNG NGHE RÕ]?
PROFESSOR
The question is, why did I choose a guess-and-check strategy instead of a proof by contradiction or something else? This is just years of practice.
Câu hỏi là tại sao thầy chọn chiến lược đoán rồi kiểm tra thay vì chứng minh phản chứng hay cách khác? Đây chỉ là kinh nghiệm nhiều năm.
[CLASS CHUCKLING] And partly you will get a sense of — because it seems like you want to find one solution.
[LỚP CƯỜI KHẼ] Và dần dần em sẽ có cảm nhận, vì có vẻ như em muốn tìm một nghiệm.
When you want to find one solution, proved by contradiction isn't really going to work. Because you have to create that one solution out of somewhere.
Khi muốn tìm một nghiệm, chứng minh phản chứng thực ra không hiệu quả. Vì em phải tạo ra nghiệm đó từ đâu đó.
So a constructive proof is more likely going to yield you the result that you want. By reading the statement, you can get hints on this.
Nên chứng minh kiến tạo nhiều khả năng hơn sẽ cho em kết quả mong muốn. Đọc phát biểu, em có thể thấy gợi ý.
If you want to prove something doesn't exist, then probably a proof by contradiction might be a better strategy.
Nếu muốn chứng minh một thứ không tồn tại, thì có lẽ chứng minh phản chứng sẽ là chiến lược tốt hơn.
So do you see that there are subtle hints in the statement that tell you which one? Last question.
Em thấy có những gợi ý tinh tế trong phát biểu cho biết nên dùng cách nào không? Câu hỏi cuối.
STUDENT
How come this proof doesn't only prove it for the case where x0 equals A negative 1 times b? How come it's [INAUDIBLE]?
Sao chứng minh này không chỉ chứng minh cho trường hợp x0 bằng A mũ trừ 1 nhân b ạ? Sao nó lại [KHÔNG NGHE RÕ]?
PROFESSOR
Because the statement is saying — the question is, why is this proof correct, basically. And the proof is correct because we're seeing that we have one solution. We've proved one solution.
Vì phát biểu nói rằng — câu hỏi là về cơ bản, tại sao chứng minh này đúng. Và chứng minh đúng vì ta thấy rằng ta có một nghiệm. Ta đã chứng minh có một nghiệm.
And all other solutions are equal to this.
Và mọi nghiệm khác đều bằng nghiệm này.
STUDENT
But shouldn't it only for the case where the solution will be equal to the [INAUDIBLE] times the [INAUDIBLE]?
Nhưng chẳng phải nó chỉ đúng khi nghiệm bằng [KHÔNG NGHE RÕ] nhân [KHÔNG NGHE RÕ] sao ạ?
PROFESSOR
Well, we're not saying that A-inverse equal to b — we're not saying what that solution is, we're just saying it has a unique solution.
Ta không nói A-inverse bằng b — bằng b — ta không nói nghiệm đó là gì, ta chỉ nói nó có nghiệm duy nhất.
So the theorem statement doesn't say, prove it for this solution or that solution. It says it has one unique solution.
Nên phát biểu của định lý không bảo chứng minh cho nghiệm này hay nghiệm kia. chứng minh cho nghiệm này hay nghiệm kia. Nó nói có một nghiệm duy nhất.
So we provide what that solution is, and then show that there can be no other. Okay, I have to move on.
Vậy ta đưa ra nghiệm đó là gì, rồi chứng minh không thể có nghiệm nào khác. Được rồi, thầy phải đi tiếp.
Come to office hours if you still have questions.
Nếu còn thắc mắc thì đến giờ office hours nhé.
So now that we have these theorems, we now know two things, that if A is invertible, this implies, we just said, that A x equal to b has a unique solution.
Giờ có các định lý này, ta biết hai điều: nếu A khả nghịch thì suy ra, như vừa nói, A x bằng b có nghiệm duy nhất.
We also proved last time, in the last lecture, in the proof we just did at the beginning, proved that A has linearly-independent columns.
Ta cũng đã chứng minh ở bài trước, trong chứng minh vừa làm lúc đầu, rằng A có các cột độc lập tuyến tính.
So we proved both of these statements. And notice what we have proved is we have proved one-way implications.
Vậy ta đã chứng minh cả hai phát biểu. Và lưu ý rằng điều ta đã chứng minh là các phép suy ra một chiều.
We have not proved that if A x equal to b has a unique solution, then it is invertible. Have we proved this?
Ta chưa chứng minh rằng nếu A x bằng b có nghiệm duy nhất thì A khả nghịch. bằng b có nghiệm duy nhất, thì nó khả nghịch. Ta đã chứng minh điều này chưa?
Have we proved that if A has linearly-independent columns then A is invertible? We have not proved this. We have proved one direction of this.
Ta đã chứng minh rằng nếu A có các cột độc lập tuyến tính thì A khả nghịch chưa? Ta chưa chứng minh điều này. Chúng ta đã chứng minh một chiều của khẳng định này.
To see the other direction to the proof, it requires one slightly more complicated step. And as a result, you will see a full proof of these statements when you get to 16b.
Để thấy chiều còn lại của chứng minh, cần thêm một bước phức tạp hơn một chút. Vì vậy, các em sẽ thấy chứng minh đầy đủ của những khẳng định này khi học 16b.
Because this is an introduction to proofs, the extra step is something that we decided is — we don't want to give you all of every kind of proof all in one class your very first semester at Cal.
Vì đây là phần giới thiệu về chứng minh, nên bước bổ sung đó là thứ mà chúng tôi quyết định là — chúng tôi không muốn đưa cho các em mọi loại chứng minh trong một lớp ngay học kỳ đầu tiên của các em ở Cal.
So we're going to prove the second part later when you get to 16b. But you can know that this implication actually holds both ways in the case where A is a square matrix.
Vì vậy chúng ta sẽ chứng minh phần thứ hai sau khi các em học 16b. Nhưng các em cần biết rằng phép suy ra này thực sự đúng cả hai chiều trong trường hợp A là ma trận vuông.
Okay, we're also going to now show that this invertibility and linear dependence and independence are connected to what we call null spaces.
Được rồi, bây giờ chúng ta cũng sẽ chỉ ra rằng tính khả nghịch và tính phụ thuộc tuyến tính và độc lập tuyến tính liên hệ với cái mà ta gọi là không gian không (null space).
And we will see that this is also saying that A has a trivial null space. And we will define what this means and understand exactly what this means.
Và ta sẽ thấy điều này cũng có nghĩa là A có không gian không (null space) tầm thường. Chúng ta sẽ định nghĩa điều này nghĩa là gì và hiểu chính xác ý nghĩa của nó.
So you don't understand what the statement means yet because we haven't told you. But we will define exactly what this means going forward.
Các em chưa hiểu câu này nói gì vì chúng tôi chưa nói cho các em. Nhưng chúng ta sẽ định nghĩa chính xác nó ở phần sau.
And in the future, when you take 16b, you'll figure out exactly all of the connections of all of these. So why do we want to understand null spaces?
Và sau này, khi các em học 16b, các em sẽ hiểu rõ tất cả các mối liên hệ của những điều này. Vậy tại sao ta muốn hiểu về không gian không (null space)?
Well one of the motivations is really coming from lab. And for those of you who have done lab, you might have seen that — how many people have already done Imaging 2?
Một trong những động lực thực sự đến từ bài thí nghiệm (lab). Với những bạn đã làm lab, có thể các bạn đã thấy rằng — có bao nhiêu bạn đã làm Imaging 2 rồi?
How many people have not done Imaging 2? Right, so you're about half-half.
Bao nhiêu bạn chưa làm Imaging 2? Ừ, vậy là khoảng một nửa một nửa.
So what you will see if you've done it today, or if you're going to do it in the next couple of days, is that you're able to actually recover the picture that you're trying to create.
Những gì các bạn sẽ thấy, nếu đã làm hôm nay, hoặc sẽ làm trong vài ngày tới, là các bạn thực sự khôi phục được bức ảnh mà các bạn đang cố tạo ra.
So let me see if I can get this going.
Để tôi xem có chạy được cái này không.
What you will see in the lab is this set of slides. And you will actually — this is the setup that you're going to be using in lab.
Trong lab, các bạn sẽ thấy bộ slide này. Và đây là hệ thống thiết lập mà các bạn sẽ dùng trong lab.
Some of you have seen this, some of you are going to be seeing it. Let me make this bigger.
Một số bạn đã thấy rồi, một số bạn sắp được thấy. Để tôi phóng to lên.
So what you're trying to do is you're trying to reconstruct this particular image. And when you reconstruct it, you get something like this.
Việc các bạn đang làm là cố gắng tái tạo bức ảnh cụ thể này. Và khi tái tạo, các bạn được kết quả như thế này.
This is a sample image that has been constructed using a lab. And what you see is that this is quite clear.
Đây là một ảnh mẫu đã được dựng lại bằng lab. Và các bạn thấy ảnh này khá rõ.
For example, this is the picture taken by an actual multi-pixel camera as opposed to the single-pixel camera that you're making. And this is the image from the single-pixel camera.
Ví dụ, đây là ảnh chụp bằng một camera nhiều điểm ảnh thực sự, khác với camera một điểm ảnh mà các bạn đang làm. Còn đây là ảnh từ camera một điểm ảnh.
And this is kind of blurry, right? It's not exactly perfect. And how are you actually reconstructing that image?
Và nó hơi mờ, đúng không? Nó không hoàn hảo. Vậy thực sự ta tái tạo bức ảnh đó như thế nào?
The basic idea is that, well, you're going to take all of the pixels of the unknown image, and you're going to stack them into this vector. You make, basically, pixels for every image.
Ý tưởng cơ bản là, ta lấy tất cả các điểm ảnh của bức ảnh chưa biết và xếp chúng chồng lên thành vectơ này. Về cơ bản, ta tạo các điểm ảnh cho mỗi bức ảnh.
And say these are the unknowns. And then you do experiments. You take measurements by projecting different masks onto the image. And you construct this masking matrix, H.
Và coi đó là các ẩn số. Sau đó ta làm các thí nghiệm. Ta đo bằng cách chiếu các mặt nạ khác nhau lên bức ảnh. Và ta xây dựng ma trận mặt nạ này, H.
You have this unknown vector. And then you have these recorded measurements, s.
Ta có vectơ ẩn này. Và ta có các số đo đã ghi lại, s.
You have the equation basically s is equal to H times i. And then you want to figure out, well, what was i? i is your image.
Ta có phương trình s bằng H nhân i. Và ta muốn tìm xem i là gì. i là bức ảnh của ta.
And now we've learned, basically, conditions on H under which you can solve this. What do we need to have for H for this to be solvable? It has to be invertible, right?
Và bây giờ chúng ta đã học các điều kiện trên H để có thể giải được bài toán này. H cần có tính chất gì để giải được? Nó phải khả nghịch, đúng không?
We also know that basically this is connected now to the linear dependence/independence of the columns of H. So you know that some H's are good and other H's are bad.
Ta cũng biết điều này liên hệ với tính phụ thuộc/độc lập tuyến tính của các cột của H. Vậy ta biết có H tốt và có H xấu. Vậy ta biết có H tốt và có H xấu.
So you know that if you're designing your imaging system or your tomography system, you can check H beforehand to see if it's good or not.
Nên khi thiết kế hệ thống chụp ảnh hay hệ thống chụp cắt lớp, ta có thể kiểm tra H trước để xem nó tốt hay không.
But it still turns out that some of the images that you construct are blurry. And where is the blurriness coming from?
Nhưng thực tế vẫn có một số ảnh mà các bạn dựng lại bị mờ. Vậy độ mờ đến từ đâu?
If I give you a system of equations and I tell you that it has a unique solution, why is the image blurry?
Nếu tôi cho các bạn một hệ phương trình và nói rằng nó có nghiệm duy nhất, thì tại sao ảnh vẫn mờ?
The blurriness is coming because there's some errors that are somehow happening in the computation of the reconstructed image.
Độ mờ đến từ việc có một số sai số xảy ra trong quá trình tính toán ảnh tái tạo.
And your team might have asked you — I'm not going to go through any of the details — or will ask you, well, are some H's better than others?
Và nhóm của các bạn có thể đã hỏi — tôi sẽ không đi vào chi tiết — hoặc sẽ hỏi, liệu có H nào tốt hơn H khác không?
Are some masks, are some tomography machines better than others? Are some systems of equations better than others?
Có mặt nạ nào, máy chụp cắt lớp nào tốt hơn những cái khác không? Có hệ phương trình nào tốt hơn các hệ khác không?
And how do you construct a system of equations that is the best, or pretty good? How do you make sure that the image that you reconstruct is as clear as it possibly can be?
Và làm sao xây dựng một hệ phương trình tốt nhất, hoặc khá tốt? Làm sao đảm bảo ảnh mà các bạn tái tạo rõ nét nhất có thể?
And so in the two labs that you're going to do, imaging 2 and imaging 3, you're going to use systematically better strategies, better masking, and construct better H's to get better images back.
Vì vậy trong hai lab sắp tới, imaging 2 và imaging 3, các bạn sẽ dùng một cách có hệ thống các chiến lược tốt hơn, mặt nạ tốt hơn, và xây dựng H tốt hơn để thu được ảnh tốt hơn.
And to be able to understand basically how to construct these good H's or these better H's, we now know that you know H being invertible is something that we want.
Và để hiểu cách xây dựng những H tốt này, giờ ta biết rằng H khả nghịch cách xây dựng những H tốt này, giờ ta biết rằng H khả nghịch là điều ta mong muốn.
But it turns out that even among the invertible H's, there are some that we prefer and some that we don't prefer. And the next few lectures are going to think about investigating this.
Nhưng ngay cả trong các H khả nghịch, cũng có những H ta thích hơn và những H ta không thích. Vài bài giảng tới sẽ tìm hiểu về vấn đề này.
And this will end and culminate, basically, with imaging 3, where we will give you and you will discover why a certain H is better than the other H's.
Và nó sẽ kết thúc, đạt đỉnh điểm ở imaging 3, nơi chúng tôi sẽ đưa cho các bạn và các bạn sẽ khám phá vì sao một H nào đó tốt hơn các H khác.
So I just wanted to make this connection for you. You're all going to see it in lab. Some of you have already seen it. Some of you will be seeing it.
Tôi chỉ muốn nêu mối liên hệ này cho các bạn. Các bạn đều sẽ thấy nó trong lab. Một số bạn đã thấy rồi. Một số bạn sắp được thấy.
But keep this lecture and these things that we're talking about in mind when you're thinking about your labs. Okay, can we go back to the document camera, please.
Nhưng hãy nhớ bài giảng này và những điều chúng ta đang nói khi các em làm các bài lab. Được rồi, cho tôi quay lại camera tài liệu nhé.
Thank you.
Cảm ơn.
So to be able to answer that question, which I'm not going to be able to fully answer today, but I'm going to build up to answer it over the course of today's lecture and the next two lectures, I want to focus on this equation, A x equal to 0.
Để trả lời được câu hỏi đó, mà hôm nay tôi chưa thể trả lời đầy đủ, nhưng tôi sẽ xây dựng dần để trả lời nó trong suốt bài giảng hôm nay và hai bài giảng tới, tôi muốn tập trung vào phương trình này, A x bằng 0.
This is very much like A x equal to b. In fact, it's a subset of all of the problems represented by A x equal to b.
Nó rất giống A x bằng b. Thực ra, nó là một tập con của tất cả các bài toán biểu diễn bởi A x bằng b.
This is just choosing a special case where b is equal to 0. I want to study this special case. And the question is, well, how many solution does this have?
Đây chỉ là trường hợp đặc biệt khi b bằng 0. Tôi muốn nghiên cứu trường hợp đặc biệt này. Và câu hỏi là, phương trình này có bao nhiêu nghiệm?
What if a is equal to, let's say, 1, 0; 0, minus 1. How many solutions does this have?
Giả sử A bằng 1, 0; 0, −1. Phương trình này có bao nhiêu nghiệm?
One. Does it how exactly one? Does it have a unique solution?
Một. Có đúng một nghiệm không? Có nghiệm duy nhất không?
STUDENT
[INAUDIBLE].
[KHÔNG NGHE RÕ].
PROFESSOR
Yes, right? This is an invertible matrix. We just proved that if A is invertible, then A x equal to b has a unique solution. So in this case, it has a unique solution.
Đúng, phải không? Đây là một ma trận khả nghịch. Ta vừa chứng minh nếu A khả nghịch thì A x bằng b có nghiệm duy nhất. Vậy trường hợp này có nghiệm duy nhất.
Great. What if A is equal to 1, 2; 0, 0?
Tốt. Nếu A bằng 1, 2; 0, 0 thì sao?
How many solutions does this equation have?
Phương trình này có bao nhiêu nghiệm?
Infinitely many.
Vô số nghiệm.
So what is one solution?
Vậy một nghiệm là gì?
For example, I can write, 1, 2; 0, 0 times, let's say, minus 2, 1 is equal to this row times this column is 0.
Ví dụ, tôi có thể viết 1, 2; 0, 0 nhân với, chẳng hạn, −2, 1 bằng: hàng này nhân cột này là 0.
And the row 0 gives me just a 0.
Còn hàng 0 chỉ cho ra 0.
So the matrix A is not equal to 0, this is vector is not equal to 0, yet my right-hand side is a zero. This is different from how scalars behave.
Vậy ma trận A không bằng 0, vectơ này không bằng 0, vậy mà vế phải lại bằng 0. Điều này khác với cách các số vô hướng hoạt động.
Usually, if two things multiply and give you a zero in the scalar land, one of them is zero. Here, neither of them is a zero.
Thông thường, nếu hai thứ nhân nhau ra 0 trong thế giới vô hướng, thì một trong hai bằng 0. Ở đây, không cái nào bằng 0.
And if I tell you now that here is — if A x is equal to 0 has a solution, x0, which is not equal to 0, then alpha
Và nếu bây giờ tôi nói rằng nếu A x bằng 0 có nghiệm x0 khác 0, thì alpha x0 cũng là nghiệm
x0 is also a solution for any alpha that's a real number.
với mọi alpha là số thực.
So basically what I'm saying is that once you know that this is a solution, can I multiply this vector by 2?
Về cơ bản tôi muốn nói là một khi đã biết đây là một nghiệm, tôi có thể nhân vectơ này với 2 không?
5, 13, whatever — any scalar multiple of this vector is still always a solution. So how could you write this using the notation that we now know?
5, 13, gì cũng được — bất kỳ bội vô hướng nào của vectơ này vẫn luôn là nghiệm. Vậy ta viết điều này thế nào bằng ký hiệu đã biết?
We know that, therefore, span of minus 2, 1 is a solution.
Ta biết rằng, do đó, span của −2, 1 là nghiệm.
All of the scalar multiples of this are a solution and if I was to draw a picture of this, I basically have — so minus 2 and then 1 is basically this vector.
Tất cả các bội vô hướng của nó đều là nghiệm, và nếu vẽ hình thì tôi có −2 rồi 1 chính là vectơ này.
And this entire line is a solution.
Và cả đường thẳng này là nghiệm.
So given this, this basically suggests that there is not one — this is something that basically doesn't just happen in special cases.
Từ đó, điều này gợi ý rằng không chỉ có một đây không phải là chuyện chỉ xảy ra ở các trường hợp đặc biệt.
It happens a lot. So what if now, for example, A was equal to 1, 0; 2, 0; and let's say 3, 0.
Nó xảy ra rất nhiều. Vậy bây giờ, ví dụ, nếu A bằng 1, 0; 2, 0; và 3, 0.
And I consider the equation A x equal to 0. How many solutions does this have? First, what does the dimension of x need to be for this to be a valid multiplication?
Và tôi xét phương trình A x bằng 0. Phương trình này có bao nhiêu nghiệm? Trước hết, x phải có kích thước bao nhiêu để phép nhân này hợp lệ?
STUDENT
[INAUDIBLE].
[KHÔNG NGHE RÕ].
PROFESSOR
3 by 1. It needs to be a 3 by 1 vector. And how many solutions does this have? Also infinitely many.
3 nhân 1. Nó phải là vectơ 3 nhân 1. Và phương trình này có bao nhiêu nghiệm? Cũng vô số nghiệm.
This is not just a two-dimensional thing. It's not something that's restricted to square matrices. This is something that you will see happening for many different kinds of matrices.
Đây không chỉ là chuyện hai chiều. Nó không bị giới hạn ở các ma trận vuông. Các em sẽ thấy điều này xảy ra với nhiều loại ma trận khác nhau.
So this basically leads to this definition of a null space of a matrix.
Điều này dẫn đến định nghĩa về không gian không (null space) của một ma trận.
The set of all solutions to the equation A x equal to 0 is called the null space of A. This
Tập hợp tất cả nghiệm của phương trình A x bằng 0 được gọi là không gian không (null space) của A.
is one type of vector space. And we'll talk more about what vector spaces are in a bit. But we haven't talked about them yet.
Đây là một loại không gian vectơ. Lát nữa ta sẽ nói thêm không gian vectơ là gì. Nhưng ta chưa nói về chúng.
Yes.
Vâng.
STUDENT
So you said the first one's at 1, 0; 0, negative 1, and then you flipped them. Is that because it's just 0, 0?
Thầy nói cái đầu là 1, 0; 0, −1, rồi thầy đổi chỗ. Có phải vì nó chỉ là 0, 0 không ạ?
PROFESSOR
Yeah. The only solution here is x0 equal to 0, 0.
Đúng. Nghiệm duy nhất ở đây là x0 bằng 0, 0.
STUDENT
So that's scaling the 0, 0.
Vậy là nhân tỉ lệ 0, 0.
PROFESSOR
So if you scale it by whatever, it's still 0, 0. So for the scaling trick to work and give you a different solution, the original solution has to be non-zero.
Nhân với số nào thì vẫn là 0, 0. Vậy để mẹo nhân tỉ lệ hoạt động và cho ra một nghiệm khác, nghiệm ban đầu phải khác 0.
Good question.
Câu hỏi hay.
Okay, so we have a definition. The question is, why do we care about this and what do we want to do with this?
Được rồi, vậy ta đã có một định nghĩa. Câu hỏi là, tại sao ta quan tâm đến điều này và muốn làm gì với nó?
So one reason to basically try to understand null spaces is you've seen, in your Gaussian elimination examples, that sometimes you end up with a bunch of free parameters.
Một lý do để cố hiểu các không gian không là các em đã thấy, trong các ví dụ phép khử Gauss, đôi khi ta có một loạt tham số tự do.
You have infinitely many solutions, and then you need to figure out how to write these. How do you say which vectors are actually solutions?
Có vô số nghiệm, và ta cần tìm cách viết chúng ra. Làm sao nói được vectơ nào thực sự là nghiệm?
And so null spaces can help characterize solutions to the system of linear equations.
Và không gian không giúp mô tả các nghiệm của hệ phương trình tuyến tính.
In particular, say x0 is a solution to A x equal to 0 — not A x equal to b, A x equal to 0.
Cụ thể, giả sử x0 là nghiệm của A x bằng 0 — không phải A x bằng b, mà A x bằng 0.
This is sometimes called a homogeneous equation.
Đây đôi khi gọi là phương trình thuần nhất.
When I set something equal to 0.
Khi tôi cho một thứ bằng 0.
And let's say x1 is a solution to A x equal to b. This is sometimes called a particular equation.
Và giả sử x1 là nghiệm của A x bằng b. Đây đôi khi gọi là phương trình riêng.
Because A x is being set to something particular, that is not zero.
Vì A x được cho bằng một giá trị cụ thể, khác không.
Then what can I say about the vector v, which is x1 plus some alpha times x0?
Vậy ta nói được gì về vectơ v, bằng x1 cộng alpha nhân x0?
It's also a solution to A x equal to b.
Nó cũng là nghiệm của A x bằng b.
So basically if A has a non-trivial null space — a non-trivial null space means that the null space isn't just one vector, which is the 0 vector — if the null space has many solutions or has many vectors in it, then A x equal to b also
Về cơ bản, nếu A có không gian không (null space) không tầm thường — không gian không không tầm thường nghĩa là không gian không không chỉ có một vectơ, tức là vectơ 0 — nếu không gian không có nhiều nghiệm hay có nhiều vectơ, thì A x bằng b cũng
has infinitely many vectors in it. Do you see this connection that we're talking about?
có vô số vectơ nghiệm. Các em thấy mối liên hệ mình đang nói chứ?
So this alpha is basically a parameter.
Vậy alpha này về cơ bản là một tham số.
Remember there was a homework problem where you had to show that some vector plus t times some other vector is a solution to a system of equations? This is exactly like that.
Nhớ có một bài tập về nhà mà các em phải chứng minh một vectơ cộng t lần một vectơ khác là nghiệm của một hệ phương trình không? Cái này giống hệt như vậy.
Where x0 is basically a vector in the null space of A. And x1 is your particular solution.
Trong đó x0 là một vectơ thuộc không gian không của A. Còn x1 là nghiệm riêng của các em.
So this is one reason to try and understand, basically, null spaces, because they help us characterize these families of equations.
Đây là một lý do để cố gắng hiểu về các không gian không, vì chúng giúp ta mô tả các họ phương trình này.
But I wanted to give you also another example for how null spaces can help us solve interesting things.
Nhưng thầy muốn cho các em thêm một ví dụ nữa về việc không gian không giúp ta giải những bài thú vị thế nào.
Yeah, question?
Có câu hỏi à?
STUDENT
Where did you get the equation for your V vector again?
Thầy lấy phương trình của vectơ V từ đâu ạ, nhắc lại giúp em?
PROFESSOR
Oh, again, I said, let me think of V vector which is x1 plus some scalar times x0.
À, thầy đã nói là hãy xét vectơ V bằng x1 cộng một số vô hướng nhân x0.
I'm saying, let us consider this vector. When I consider this vector, I say, now A times V is equal to A times x1 plus alpha times x0.
Thầy nói là ta xét vectơ này. Khi xét vectơ này, ta có A nhân V bằng A nhân x1 cộng alpha nhân x0.
I know A times x1 is equal to b, because I know x1 is a solution here.
Ta biết A nhân x1 bằng b, vì ta biết x1 là một nghiệm.
A times alpha times x0 equal to alpha times A times x0. But what is a times x0? 0, which gives me b.
A nhân alpha nhân x0 bằng alpha nhân A nhân x0. Nhưng A nhân x0 bằng bao nhiêu? Bằng 0, nên kết quả là b.
So any vector here, for any real number — any real number.
Vậy bất kỳ vectơ nào ở đây, với mọi số thực — mọi số thực.
Does that clarify it? Yep.
Vậy đã rõ chưa? Vâng.
STUDENT
Can we scale x1, or does it not scale?
Mình có thể nhân tỉ lệ x1 không, hay không được ạ?
PROFESSOR
Can we scale x1? Let's try it. What if I put some beta times x1 here? What would I get here?
Có thể nhân tỉ lệ x1 không? Thử xem. Nếu đặt beta nhân x1 ở đây thì sao? Ta sẽ được gì?
Would A times x1 give me b? I would get beta times b. So it wouldn't give me the solution that I wanted. So you can only scale the vectors in the null space.
A nhân x1 có cho ra b không? Ta sẽ được beta nhân b. Nên nó không cho nghiệm mà ta muốn. Vậy chỉ được nhân tỉ lệ các vectơ trong không gian không.
You cannot scale the particular solutions. Good question.
Không được nhân tỉ lệ nghiệm riêng. Câu hỏi hay.
So at one of these roundtables, one of the students was telling me that, actually, they were really interested in understanding traffic flows and understanding how the tools that we're learning here can be used to help model these kinds of different types of flows.
Ở một buổi roundtable, có một sinh viên nói với thầy rằng bạn ấy rất muốn hiểu về dòng giao thông và cách các công cụ mình học ở đây có thể giúp mô hình hóa những loại dòng khác nhau.
So I thought today we would do another example on modeling traffic flows.
Nên hôm nay thầy nghĩ ta sẽ làm thêm một ví dụ về mô hình hóa dòng giao thông.
STUDENT
[INAUDIBLE].
[KHÔNG NGHE RÕ].
PROFESSOR
Oh, thank you.
Ồ, cảm ơn em.
And we're going to see how null spaces can potentially be useful.
Và ta sẽ thấy không gian không có thể hữu ích như thế nào.
And you can use the same kind of ideas to model flows of charge, for example, or flows of many other things. Some of these we will see later on in this course.
Các em cũng có thể dùng ý tưởng này để mô hình hóa dòng điện tích, chẳng hạn, hay dòng của nhiều thứ khác. Một số cái ta sẽ gặp ở phần sau của môn này.
Some of these you will see when you go on to take other courses. So here, the setup is the following. Let's say I have three cities.
Một số cái các em sẽ gặp khi học các môn khác. Vậy thiết lập bài toán như sau. Giả sử có ba thành phố.
Let's say I have Berkeley, I have San Francisco, and I have Oakland.
Giả sử là Berkeley, San Francisco, và Oakland.
And I have traffic flowing between these cities. So let's say there's only certain roads connected.
Và có xe cộ chạy giữa các thành phố này. Giả sử chỉ có một số con đường nối nhau.
So you can go from Berkeley to San Francisco, and let's say there is x1 cars on this path. You can go from San Francisco to Oakland. There's x2 cars on this path.
Các em có thể đi từ Berkeley đến San Francisco, và giả sử có x1 xe trên tuyến này. Có thể đi từ San Francisco đến Oakland. Có x2 xe trên tuyến này.
And you can go from Oakland to Berkeley, and there is x3 cars on this path.
Và có thể đi từ Oakland về Berkeley, và có x3 xe trên tuyến này.
And we want to be able to understand how many cars are there on these roads. What is the traffic flow?
Ta muốn biết có bao nhiêu xe trên các con đường này. Lưu lượng giao thông là bao nhiêu?
Of course, the true road network is much more complex, and you can build up these ideas. But we're going to start with a very, very simple example.
Dĩ nhiên mạng lưới đường thực tế phức tạp hơn nhiều, và ta có thể phát triển dần các ý tưởng này. Nhưng ta sẽ bắt đầu với một ví dụ rất, rất đơn giản.
And we're going to assume no cars stop in cities — or they don't build up.
Và ta giả sử không có xe nào dừng lại trong thành phố — hay tích tụ lại.
There's no accumulation of cars. You can't just drive from Berkeley to San Francisco and stop there. You drive from Berkeley to San Francisco, then you have to keep moving.
Không có sự tích lũy xe. Không thể chạy từ Berkeley đến San Francisco rồi dừng ở đó. Chạy từ Berkeley đến San Francisco rồi phải tiếp tục đi.
This is our assumption, right? No accumulation.
Đây là giả thiết của ta, đúng không? Không tích lũy.
So we want to figure out basically what x1, x2, x3 are.
Ta muốn tìm x1, x2, x3 là bao nhiêu.
How many measurements do we need to make? How many measurements?
Ta cần đo bao nhiêu phép đo? Bao nhiêu phép đo?
So when you're driving on the freeway, you might have noticed sometimes there's these big metal rings that are embedded in the street surface.
Khi lái xe trên đường cao tốc, có lẽ các em từng thấy những vòng kim loại lớn gắn chìm trên mặt đường.
These are actually sensors that are often measuring the traffic that is flowing across those roads.
Đó thực ra là các cảm biến thường dùng để đo lưu lượng xe chạy qua những con đường đó.
If you're interested in this kind of research, professor Alex Bayen as well as Professor Pravin Varaiya have a big transportation center here at Berkeley, where they actually study traffic, congestion, strategies for reducing congestion, the impact of apps like Lyft and Uber,
Nếu các em quan tâm đến nghiên cứu này, giáo sư Alex Bayen và giáo sư Pravin Varaiya có một trung tâm giao thông lớn ở đây, tại Berkeley, nơi họ nghiên cứu giao thông, ùn tắc, các chiến lược giảm ùn tắc, tác động của các ứng dụng như Lyft và Uber,
the potential impact of self-driving cars.
tác động tiềm tàng của xe tự lái.
All of these are things are studied and modeled to be able to first make predictions on what will happen, second to try and introduce certain designs, to reduce the flow, to reduce congestion, so on and so forth.
Tất cả những thứ này đều được nghiên cứu và mô hình hóa để trước hết dự đoán điều sẽ xảy ra, sau đó thử đưa ra các thiết kế nhằm giảm lưu lượng, giảm ùn tắc, và vân vân.
We're of course not going to get into anything at that level in this class. But in case you're interested, definitely go check out their websites. And you can see there's more information on this.
Dĩ nhiên trong lớp này ta sẽ không đi sâu đến mức đó. Nhưng nếu các em quan tâm, nhất định hãy xem trang web của họ. Các em sẽ thấy có thêm thông tin về chủ đề này.
But we want to figure out now, if we want to measure these flows, which sensors do we need to put and where. These sensors are quite expensive to put.
Còn bây giờ ta muốn xác định, nếu ta muốn đo các lưu lượng này, thì cần đặt cảm biến nào và đặt ở đâu. Những cảm biến này lắp đặt khá tốn kém.
So we now know that no cars are stopping in any of the cities, and they're not accumulating. So we can use this to write out equations.
Vậy bây giờ ta biết không có xe nào dừng lại ở bất kỳ thành phố nào, và xe cũng không bị tích tụ lại. Nên ta có thể dùng điều này để viết các phương trình.
So let's say I write my first equation for San Francisco. I know that there's x1 cars coming in and x2 cars going out.
Giả sử tôi viết phương trình đầu tiên cho San Francisco. Tôi biết có x1 xe đi vào và x2 xe đi ra.
And if I know no cars are stopping in San Francisco, then what do I know? I basically know that x1 minus x2 had better be equal to 0.
Và nếu không có xe nào dừng lại ở San Francisco thì tôi biết điều gì? Về cơ bản, x1 trừ x2 phải bằng 0.
So that's my first equation.
Đó là phương trình đầu tiên.
What can I say for Oakland?
Còn Oakland thì sao?
Anyone?
Ai trả lời được không?
STUDENT
[INAUDIBLE].
[KHÔNG NGHE RÕ].
PROFESSOR
X2 minus x3 is equal to 0. And for Berkeley, I can say x3 minus x1 is equal to 0.
GIẢNG VIÊN: x2 trừ x3 bằng 0. Và với Berkeley, ta có x3 trừ x1 bằng 0.
And now since we're in 16a, we're going to write this is a matrix.
Và vì đang học 16A, ta sẽ viết nó dưới dạng ma trận.
And I can say 1, minus 1, 0; 0, 1, minus 1; minus 1, 0, 1; x1, x2, x3 is equal to 0, 0, 0.
Tôi viết 1, trừ 1, 0; 0, 1, trừ 1; trừ 1, 0, 1; nhân với x1, x2, x3 bằng 0, 0, 0.
So how do we solve this? This now — notice, what type of equation is this? It's this null space type of equation. It's a homogeneous equation.
Vậy ta giải thế nào? Chú ý, đây là loại phương trình gì? Đây là phương trình dạng không gian không (null space). Nó là phương trình thuần nhất.
It's something equal to 0. But it's still a system of linear equations. We can still solve it the same way that we solve any other system of linear equations.
Vế phải bằng 0. Nhưng nó vẫn là một hệ phương trình tuyến tính. Ta vẫn giải nó theo cách giống như giải mọi hệ phương trình tuyến tính khác.
We just know now that the solutions are going to be related to the null space of A. So let's solve it.
Chỉ là bây giờ ta biết các nghiệm sẽ liên quan đến không gian không (null space) của A. Vậy ta hãy giải nó.
Why don't you just take a minute to solve this system of linear equations.
Các bạn dành một phút để giải hệ phương trình tuyến tính này nhé.
I'll solve it too.
Tôi cũng sẽ giải.
So everyone's done solving this? So what do you see when you do Gaussian elimination? Does everyone get the same setup?
Mọi người giải xong chưa? Khi thực hiện phép khử Gauss, các bạn thấy gì? Mọi người có ra cùng kết quả không?
So here you see, basically, the first column, you have a leading 1.
Ở đây, cột đầu tiên có một số 1 dẫn đầu.
A leading 1 is basically when you look from the right, and you hit — or you look from the left, sorry, but you go right, and you see a 1 after 0's.
Số 1 dẫn đầu là khi bạn nhìn từ bên phải, và gặp — à nhầm, nhìn từ bên trái rồi đi sang phải, và thấy một số 1 sau các số 0.
So this is a leading 1, this is a leading 1. So the first column has the leading 1, the second column has a leading 1, the third column does not have a leading 1.
Đây là một số 1 dẫn đầu, đây cũng là một số 1 dẫn đầu. Cột đầu tiên có số 1 dẫn đầu, cột thứ hai có số 1 dẫn đầu, cột thứ ba không có số 1 dẫn đầu.
So now what do we know? This is basically a row of zeros. Is there any constraint on the third variable here? No, right?
Vậy bây giờ ta biết gì? Đây là một hàng toàn số 0. Biến thứ ba ở đây có bị ràng buộc gì không? Không, đúng không?
So what is the free parameter that we have?
Vậy tham số tự do của ta là gì?
STUDENT
X3. PROFESSOR: x3. But once I pick x3, once I know what x3 is, is x2 unknown to me? No.
SINH VIÊN: x3. GIẢNG VIÊN: x3. Nhưng một khi tôi chọn x3, tức là biết x3, thì x2 còn chưa biết không? Không.
Is x1 unknown to me? Why?
Còn x1 có chưa biết không? Tại sao?
Because I know here, this tells me that x2 minus x3 equal to 0, so basically x2 equal to x3.
Vì ở đây tôi biết x2 trừ x3 bằng 0, nên x2 bằng x3.
And this here — oh, I should have done one more step here. Yeah, OK, thank you. No one stopped me.
Còn chỗ này, ồ, lẽ ra tôi phải làm thêm một bước. Vâng, cảm ơn các bạn. Không ai ngăn tôi cả.
What is the step I should have done?
Bước tôi lẽ ra phải làm là gì?
STUDENT
[INAUDIBLE].
[KHÔNG NGHE RÕ].
PROFESSOR
I should have basically removed this minus 1. I should have made this completely as close to an identity as I could have.
Lẽ ra tôi phải khử số trừ 1 này. Lẽ ra tôi phải đưa phần này về gần với ma trận đơn vị nhất có thể.
So I would get 1, 0, minus 1; 0, 1, minus 1; 0, 0, 0. I should have done r1 plus r2 after this 0, 0, 0. Good.
Khi đó tôi có 1, 0, trừ 1; 0, 1, trừ 1; 0, 0, 0. Lẽ ra tôi phải làm r1 cộng r2 sau hàng 0, 0, 0 này. Tốt.
Ad here, these folks are the leading 1's.
Và ở đây, những số này là các số 1 dẫn đầu.
This is basically what you would call row reduced — row echelon form, this is the reduced form. It doesn't matter what these names are. Don't worry about it.
Đây là cái mà người ta gọi là dạng bậc thang dạng bậc thang, còn đây là dạng rút gọn. Tên gọi không quan trọng. Đừng lo về nó.
But the same thing is still true, which is that there is no leading 1 in this column. And so x3 is your free variable.
Nhưng điều này vẫn đúng: cột này không có số 1 dẫn đầu. Vì vậy x3 là biến tự do của bạn.
And once x3 is fixed, this tells you that x2 is equal to x3. And the first row tells you that x1 is also equal to x3. Is everyone with me?
Và khi x3 đã cố định, hàng này cho biết x2 bằng x3. Còn hàng đầu cho biết x1 cũng bằng x3. Mọi người theo kịp chứ?
Yes, question.
Vâng, mời bạn hỏi.
STUDENT
Why is it more preferable to have [INAUDIBLE] PROFESSOR: The question is, why is it more preferable to have this step over the step? Because here, in the second column, I have a leading 1.
Tại sao nên làm theo cách này hơn [KHÔNG NGHE RÕ] GIẢNG VIÊN: Câu hỏi là tại sao nên làm bước này hơn bước kia? Vì ở đây, trong cột thứ hai, tôi có một số 1 dẫn đầu.
This is called a pivot or a leading 1.
Cái này gọi là phần tử trụ hay số 1 dẫn đầu.
And if you have a leading 1, you want to try and have zeros in the entire column so that you can get everything in terms of your potentially free variable.
Và nếu có số 1 dẫn đầu, bạn nên cố gắng có các số 0 trên toàn bộ cột để biểu diễn mọi thứ theo các biến tự do có thể có.
So you assign free variables from the bottom up. It's not that this is wrong or that you couldn't get your answer by doing this. It's just more systematic this way.
Bạn gán các biến tự do từ dưới lên. Không phải cách kia sai hay bạn không thể ra đáp án bằng cách đó. Chỉ là làm thế này có hệ thống hơn.
But this is not wrong.
Nhưng cách kia không sai.
So here now what we can say is, therefore, if we have a vector, V, so this says basically that if I choose x3 — let's choose x3 is equal to some t.
Vậy bây giờ ta có thể nói rằng, nếu có một vectơ V, thì điều này nói rằng nếu tôi chọn x3, giả sử chọn x3 bằng một số t nào đó.
I have x3 equal to some t. This implies x1 is equal to t, and x2 is equal to t. So what does my solution vector look like?
Tôi có x3 bằng t. Suy ra x1 bằng t, và x2 bằng t. Vậy vectơ nghiệm của ta trông thế nào?
t, t, t.
t, t, t.
All vectors x equal to t, t, t are solutions.
Mọi vectơ x bằng t, t, t đều là nghiệm.
Yes.
Vâng.
STUDENT
So when we're [INAUDIBLE],, why can't we just say [INAUDIBLE] t?
Khi ta [KHÔNG NGHE RÕ], sao ta không thể nói [KHÔNG NGHE RÕ] t?
Why can't you say that the x vector [INAUDIBLE] PROFESSOR: The question is, why can't you say the x vector is equal to x3, x3? Why do you have to write t?
Sao không thể nói vectơ x [KHÔNG NGHE RÕ] GIẢNG VIÊN: Câu hỏi là tại sao không thể nói vectơ x bằng x3, x3? Tại sao phải viết t?
There's no reason. You could write x3, x3 just to avoid confusion.
Không có lý do gì cả. Bạn có thể viết x3, x3 để tránh nhầm lẫn.
Now I can also write this as, therefore, the span of the following vector, 1, 1, 1, is a solution — or are solutions.
Bây giờ tôi cũng có thể viết điều này là không gian sinh (span) của vectơ sau, 1, 1, 1, là nghiệm hay đúng hơn là các nghiệm.
And in fact the null space of this matrix A — if you call this matrix A, this null space is equal to the span.
Và thực ra không gian không (null space) của ma trận A này — nếu gọi ma trận này là A, thì không gian không (null space) này bằng không gian sinh (span) này.
So basically what is this saying?
Vậy về cơ bản điều này nói lên gì?
This is saying something that we kind of knew by looking at this, which is that do I need to measure x1, x2, x3 if I know that they have this low relationship between them?
Nó nói lên điều mà ta đã biết khi nhìn vào đây, đó là liệu ta có cần đo x1, x2, x3 không, nếu ta biết giữa chúng có mối quan hệ này?
I can just measure x3. And I can therefore infer what x2 and x1 are.
Tôi chỉ cần đo x3. Và từ đó suy ra x2 và x1.
So basically this is saying that, in a sense, the dimension of the null space is telling me how many measurements I need to make.
Nên về cơ bản, có thể nói số chiều của không gian không cho tôi biết cần thực hiện bao nhiêu phép đo.
I haven't yet told you what a dimension of a vector space is, but we are going to get to that.
Tôi chưa nói số chiều của một không gian vectơ là gì, nhưng ta sẽ đến phần đó.
Basically because there is only one free parameter here, you need to do one measurement.
Về cơ bản vì ở đây chỉ có một tham số tự do, nên bạn chỉ cần đo một lần.
One variable is what is uncertain or unknown. If you fix that, everything else will get fixed.
Một biến là thứ chưa chắc chắn hay chưa biết. Nếu cố định nó, mọi thứ còn lại sẽ được xác định.
And this intuition is what is going to help us understand the dimension of a null space, and then also move on to understanding vector spaces more generally.
Và trực giác này sẽ giúp ta hiểu số chiều của một không gian không, rồi tiến tới hiểu các không gian vectơ một cách tổng quát hơn.
But before we get to that, I wanted to think about a different example.
Nhưng trước đó, tôi muốn xét một ví dụ khác.
So what if now I have my Berkeley and I have Oakland, and let's say I have x1 flow from Berkeley to Oakland, and now I have some flow back, x2.
Giả sử tôi có Berkeley và Oakland, và có luồng x1 từ Berkeley đến Oakland, và có luồng ngược lại, x2.
But here let's say I have New York and I have Boston.
Còn ở đây tôi có New York và Boston.
And here I have, let's say, x3, and I have x4.
Và ở đây, giả sử, có x3 và x4.
By looking at this graph, if I want to figure out x1, x2, x3, x4, how many measurements do I have to take? Two.
Nhìn vào đồ thị này, nếu muốn tìm x1, x2, x3, x4, ta phải đo bao nhiêu lần ? Hai.
Does it work to just put sensors on the west coast to measure the east coast traffic? Not going to work. There is no interconnections here.
Đặt cảm biến ở bờ tây để đo lưu lượng bờ đông có được không? Không được. Ở đây không có kết nối nào cả.
So now if you were to write out this full system as a set of linear equations, how would you do it?
Vậy nếu viết toàn bộ hệ này thành hệ phương trình tuyến tính, bạn sẽ viết thế nào?
You would get basically an equation for Berkeley. So you would have minus x1 plus x2 equal to 0. You would have an equation for Oakland.
Bạn sẽ có một phương trình cho Berkeley. Đó là trừ x1 cộng x2 bằng 0. Một phương trình cho Oakland.
So you would have x1 minus x2 equal to 0. You would have an equation for New York — minus x3 plus x4 equal to 0.
Đó là x1 trừ x2 bằng 0. Một phương trình cho New York, trừ x3 cộng x4 bằng 0.
And you would have an equation for Boston, which would be x3 minus x4 equal to 0.
Và một phương trình cho Boston, là x3 trừ x4 bằng 0.
You could then write this out as a matrix.
Sau đó bạn có thể viết nó thành một ma trận.
So you would have minus 1, 1, 0, 0; 1, minus 1, 0, 0; 0, 0, minus 1, / 0, 0, 1, minus 1; 0, 0, 0, 0.
Ta có -1, 1, 0, 0; 1, -1, 0, 0; 0, 0, -1, 1; 0, 0, 1, -1; 0, 0, 0, 0.
How many free parameters does this system of equations have? When you row-reduce this, do Gaussian elimination, what are you going to get?
Hệ phương trình này có bao nhiêu tham số tự do? Khi rút gọn hàng, làm phép khử Gauss, bạn sẽ được gì?
STUDENT
[INAUDIBLE].
[KHÔNG NGHE RÕ].
PROFESSOR
You're going to get two rows of zeros, right? I'm not going to do it out.
Bạn sẽ được hai hàng toàn số 0, đúng không? Tôi sẽ không làm chi tiết.
But trust that, after row reduction — and go home and check — that you will get something like this, 1, minus 1, 0, 0; 0, 0, 1, minus 1; 0, 0, 0, 0; 0, 0, 0, 0; 0, 0, 0, 0.
Nhưng hãy tin rằng sau khi rút gọn hàng và về nhà kiểm tra lại bạn sẽ được kiểu như thế này: 1, -1, 0, 0; 0, 0, 1, -1; 0, 0, 0, 0; 0, 0, 0, 0; 0, 0, 0, 0.
So how many free variables are there now? Two.
Vậy bây giờ có bao nhiêu biến tự do? Hai.
So now if I was to ask you, without telling you really fully what the dimension is, what would be the dimension of the null space of this matrix here?
Giờ nếu tôi hỏi bạn, mà chưa nói đầy đủ số chiều là gì, số chiều của không gian không của ma trận này sẽ là bao nhiêu?
STUDENT
[INAUDIBLE].
[KHÔNG NGHE RÕ].
PROFESSOR
Two. So we have this strong intuition. Let us use the last part of class to actually formalize this.
Hai. Vậy ta đã có trực giác mạnh này. Hãy dùng phần cuối buổi học để chính thức hóa nó.
And this is where I want to introduce the idea of a vector space.
Và đây là lúc tôi muốn giới thiệu khái niệm không gian vectơ.
And I'm not going to actually write out all of these — I wouldn't want to write out all of these properties again.
Tôi sẽ không viết ra hết các tính chất này một lần nữa.
So we've already put this all in the notes for you. This is note 7. It is on the website.
Chúng tôi đã đưa tất cả vào ghi chú cho bạn. Đó là ghi chú 7. Nó có trên trang web.
It looks like it's a lot, but it's actually not that complicated. So let's walk through it step by step. What is a vector space?
Trông có vẻ nhiều, nhưng thật ra không phức tạp đến vậy. Ta cùng đi qua từng bước. Không gian vectơ là gì?
A vector space is basically a set of vectors along with some scalars. V comma f, V is a set of vectors, f is a set of scalars, and these two operators.
Không gian vectơ về cơ bản là một tập các vectơ cùng với một số vô hướng. V, f: V là tập các vectơ, f là tập các vô hướng, cùng hai phép toán này.
Usually, when we're talking about a vector space, we will be talking about — we will usually just be referring often to the V, which is this vector space.
Thường khi nói về một không gian vectơ, ta sẽ nói về chỉ riêng V thôi, tức là không gian vectơ này.
So for example, we will say things like, R2 is a vector space. But we're implicitly meaning that there is an associated set of these scalars that is going with it.
Ví dụ, ta sẽ nói R2 là một không gian vectơ. Nhưng ngầm hiểu là có một tập vô hướng đi kèm với nó.
So this set of vectors is called vector space if, first, you have an associative property. Is this big enough to read?
Tập vectơ này được gọi là không gian vectơ nếu, thứ nhất, có tính kết hợp. Chữ này đủ lớn để đọc chưa?
STUDENT
[INAUDIBLE].
[KHÔNG NGHE RÕ].
PROFESSOR
Now?
Bây giờ thì sao?
STUDENT
[INAUDIBLE].
[KHÔNG NGHE RÕ].
PROFESSOR
Okay. So you want the vectors to be associative. We know what associative means. It means that the order of addition doesn't matter.
Được rồi. Vậy các vectơ phải có tính kết hợp. Ta biết tính kết hợp là gì. Nghĩa là thứ tự cộng không quan trọng.
So for vectors, we know this is true. It doesn't matter if you do u plus v plus w, or you do v plus w first, or you do u plus v first.
Với vectơ, ta biết điều này đúng. Cộng u cộng v cộng w, hay cộng v với w trước, hay u với v trước, đều như nhau.
That's called associativity. For vectors in Rn, we know that this holds. Commutative — if you have u plus v equal to v plus u.
Đó gọi là tính kết hợp. Với vectơ trong Rn, ta biết điều này đúng. Tính giao hoán: u cộng v bằng v cộng u.
Additive identity — it means that basically 0 has to be an element of your set of vectors.
Phần tử đơn vị của phép cộng: nghĩa là 0 phải thuộc tập vectơ của bạn.
The 0 vector must always be present if you want to call your set of vectors a vector space. And with 0, you also have to have an additive inverse.
Vectơ 0 phải luôn có mặt nếu bạn muốn gọi tập vectơ đó là không gian vectơ. Và cùng với 0, bạn cũng phải có phần tử nghịch đảo của phép cộng.
So with every v, you also have to get a minus v. So if you think about these null spaces, you'll see that they're always going to have this 0 vector in it.
Nghĩa là với mỗi v, phải có thêm -v. Nếu nghĩ về các không gian không này, bạn sẽ thấy chúng luôn chứa vectơ 0.
If you think of A x equal to 0, the 0 vector is always a solution to this. Even if there's infinitely many solutions, the 0 vector is always one of them.
Nếu xét A x bằng 0, vectơ 0 luôn là một nghiệm của phương trình này. Dù có vô số nghiệm, vectơ 0 luôn là một trong số đó.
So that's why, for example, null spaces are vector spaces. And finally there is this thing called closure under vector addition.
Vì vậy, chẳng hạn, các không gian không (null space) là không gian vectơ. Và cuối cùng có một tính chất gọi là tính đóng đối với phép cộng vectơ.
All that means is that if you take one vector and you add it to another vector, you can't go outside the set. You got to stay in the same set.
Nghĩa là nếu bạn lấy một vectơ và cộng nó với một vectơ khác, thì bạn không thể ra ngoài tập hợp. Kết quả phải vẫn nằm trong cùng tập hợp.
And then there's some properties on scaling. So for example, you have to make sure that scalar multiplication is associative.
Rồi còn một số tính chất về phép nhân với vô hướng. Ví dụ, bạn phải đảm bảo phép nhân vô hướng có tính kết hợp.
So it doesn't matter if you do alpha beta times v or alpha times beta times v — holds for most of our cases.
Tức là nhân alpha beta với v hay nhân alpha với beta v đều như nhau — điều này đúng trong hầu hết các trường hợp của ta.
You have to have a multiplicative scalar identity, not a vector inverse.
Bạn phải có phần tử đơn vị vô hướng cho phép nhân, chứ không phải nghịch đảo vectơ.
So you don't have to have — this is important to note — you have to have a scalar such that 1 times v is equal to v. This doesn't have to hold for a vector.
Tức là bạn không cần có — chỗ này quan trọng, cần lưu ý — bạn phải có một vô hướng sao cho 1 nhân v bằng v. Điều này không cần đúng cho một vectơ.
Then you have to have these distributive properties. Some of these you explored to some extent in your discussion in the context of matrix vector multiplication.
Rồi bạn phải có các tính chất phân phối. Một số tính chất này bạn đã tìm hiểu phần nào trong buổi thảo luận trong ngữ cảnh phép nhân ma trận với vectơ.
So you have to have, basically, alpha times u plus v is alpha times u plus alpha times v. You also have to have alpha plus beta times v is equal to alpha v plus beta v.
Về cơ bản, bạn phải có alpha nhân (u cộng v) bằng alpha u cộng alpha v. Bạn cũng phải có (alpha cộng beta) nhân v bằng alpha v cộng beta v.
And finally, you want what is called closure under scalar multiplication, which is, for any vector v and scalar alpha, alpha v must also be in the set.
Và cuối cùng, bạn muốn có tính đóng đối với phép nhân vô hướng, nghĩa là với mọi vectơ v và vô hướng alpha, alpha v cũng phải nằm trong tập hợp.
Often the most kind of interesting of these ends up being the last two, the closure under vector addition and closure under scalar multiplication.
Thường thì thú vị nhất là hai tính chất cuối: tính đóng đối với phép cộng vectơ và tính đóng đối với phép nhân vô hướng.
And then checking that these identities are actually valid members of your set.
Và rồi kiểm tra xem các phần tử đơn vị này có thực sự thuộc tập hợp của bạn không.
So if you remember, when we were talking about linear transformations, we also had two very similar properties.
Nếu còn nhớ, khi nói về phép biến đổi tuyến tính, ta cũng có hai tính chất rất giống thế.
We had, for a function to be a linear transformation, f of x plus y must be f of x plus f of y. So these are very related in that perspective.
Để một hàm là phép biến đổi tuyến tính, f của x cộng y phải bằng f của x cộng f của y. Vậy nên chúng có liên hệ chặt chẽ ở khía cạnh đó.
And now when you have a vector space — let me zoom in — what's an example?
Và bây giờ khi có một không gian vectơ — để tôi phóng to lên — ví dụ là gì?
An example that you all know is R2 comma R.
Một ví dụ mà các bạn đều biết là R2 trên R.
This is a vector space.
Đây là một không gian vectơ.
What is a basis for this vector space?
Cơ sở của không gian vectơ này là gì?
A basis for a vector space is a set of vectors V1, V2, all the way up to Vn such that V1, V2, Vn are linearly independent, and two,
Cơ sở của một không gian vectơ là tập các vectơ V1, V2, đến Vn sao cho V1, V2, Vn độc lập tuyến tính, và hai,
all v belonging to our vector space, V, are in the span of this set.
mọi v thuộc không gian vectơ V của ta đều nằm trong không gian sinh (span) của tập này.
So let us say we have some vector space, Vf, like we have over here.
Giả sử ta có một không gian vectơ, Vf, như ở đây.
We're going to say that there is a basis for this vector space if we can find such a set.
Ta nói không gian vectơ này có một cơ sở nếu ta tìm được một tập như vậy.
So if we're considering R2 and R as our vector space, what is this set?
Vậy nếu xét R2 trên R là không gian vectơ, tập đó là gì?
1, 0; 0, 1.
1, 0; 0, 1.
Is this a basis for r2?
Đây có phải là cơ sở của R2 không?
How do we check this? First, there is two vectors in here, V1 and V2. Are they linearly independent? Yes.
Ta kiểm tra thế nào? Đầu tiên, có hai vectơ ở đây, V1 và V2. Chúng có độc lập tuyến tính không? Có.
Second, can I express any vector in R2 as a linear combination of these? Is any vector in the span of these?
Thứ hai, tôi có thể biểu diễn mọi vectơ trong R2 như một tổ hợp tuyến tính của chúng không? Mọi vectơ có nằm trong không gian sinh của chúng không?
It is, right? We did a proof a couple of lectures ago that showed something very similar. So great, this is a basis.
Có, đúng không? Vài bài giảng trước ta đã chứng minh một điều rất tương tự. Tốt, vậy đây là một cơ sở.
What about the set 1, 2 and 4, 5?
Còn tập 1, 2 và 4, 5 thì sao?
Is this a basis for R2?
Đây có phải là cơ sở của R2 không?
STUDENT
[INAUDIBLE].
[KHÔNG NGHE RÕ].
PROFESSOR
Are they linearly independent? Yes. Can you express any vector as a linear combination of these? Yes, you just solve the system of equations.
Chúng có độc lập tuyến tính không? Có. Có thể biểu diễn mọi vectơ như tổ hợp tuyến tính của chúng không? Có, bạn chỉ cần giải hệ phương trình.
What if now I consider 0, 1; 1, 0; and 1, 2? Is this a basis?
Nếu giờ tôi xét 0, 1; 1, 0; và 1, 2 thì sao? Đây có phải là cơ sở không?
No, not a basis. Why is it not a basis? Because 1, 2 can be written as a linear combination of these folks.
Không, không phải cơ sở. Tại sao không phải? Vì 1, 2 có thể viết như một tổ hợp tuyến tính của hai vectơ kia.
So this is not a basis. So a basis is basically a minimum spanning set. It's the smallest set of vectors that spans the entire vector space.
Nên đây không phải là cơ sở. Vậy cơ sở về cơ bản là một tập sinh tối thiểu. Đó là tập vectơ nhỏ nhất sinh ra toàn bộ không gian vectơ. không gian.
And the number of elements of your basis is what is called the dimension. So this is your minimum spanning set.
Và số phần tử của cơ sở được gọi là số chiều. Đây chính là tập sinh tối thiểu của bạn.
And the dimension of the vector space is basically the number of elements of the basis.
Và số chiều của không gian vectơ về cơ bản là số phần tử của cơ sở.
So when you think about null spaces, they're vector spaces.
Vậy khi nghĩ về không gian không (null space), chúng là không gian vectơ.
When we say there is a certain dimension to the null space, we're saying basically that this null space is of dimension 1 because we can write a basis for this null space with exactly one vector.
Khi nói không gian không có một số chiều nào đó, nghĩa là không gian không này có số chiều 1 vì ta có thể viết một cơ sở cho nó chỉ với đúng một vectơ.
So 1, 1, 1 is a basis for this null space. In this case, worth it to go home and try and write out a basis for this null space.
Vậy 1, 1, 1 là một cơ sở của không gian không này. Với trường hợp này, nên về nhà thử viết ra một cơ sở cho không gian không đó.
You will find that basis has two elements. We'll pick up her next time.
Bạn sẽ thấy cơ sở đó có hai phần tử. Lần sau ta sẽ tiếp tục từ đây.
Đăng nhập để đánh giá học liệu này.
Đăng nhập để bình luận — chưa ai bình luận về học liệu này.
Không có khóa học liên quan.