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
Can you hear me? Just a quick question in the back. Can you read what's written or do you need it bigger? Bigger?
Các em nghe được tôi không? Cho tôi hỏi nhanh các em ở cuối lớp. Các em đọc được chữ viết không, hay cần viết to hơn? To hơn nữa à?
What about now? People at the back, can you read? Thumbs up if you can read. Thank you.
Còn bây giờ thì sao? Các em ở cuối lớp, đọc được không? Đọc được thì giơ ngón tay cái lên nhé. Cảm ơn các em.
Okay, let's get started. Welcome to lecture four.
Được rồi, chúng ta bắt đầu. Chào mừng các em đến với bài giảng số bốn.
And we're going to pick up today from where we left off last time in lecture, and I like to think about today's lecture really as the lecture on introduction to proofs.
Hôm nay chúng ta sẽ tiếp tục từ chỗ đã dừng ở bài giảng trước, và tôi muốn coi bài hôm nay chính là bài giới thiệu về chứng minh.
So we'll talk about concepts that relate to solving systems of linear equations that we've been talking about, and we'll continue to build.
Chúng ta sẽ nói về các khái niệm liên quan đến việc giải hệ phương trình tuyến tính mà ta đã học, và sẽ tiếp tục xây dựng thêm.
But really, the goal of the lecture today is to develop a style of thinking, and we're going to do that through step by step examples that will build the larger story that we're talking about.
Nhưng mục tiêu thực sự của bài hôm nay là phát triển một cách tư duy, và ta sẽ làm điều đó qua các ví dụ từng bước, để dựng nên bức tranh lớn hơn mà ta đang nói đến.
But try to think critically about the steps that we're going to be taking. So before we get into the material, there's a couple of administrative announcements.
Hãy cố suy nghĩ thật kỹ về những bước mà chúng ta sẽ thực hiện. Trước khi vào bài, có vài thông báo hành chính. Có vài thông báo hành chính trước khi vào bài.
First, you've now attended all a week of discussions. Please remember that you should go to a discussion on Monday and on Wednesday.
Đầu tiên, các em đã học đủ một tuần thảo luận. Nhớ rằng các em cần đi một buổi thảo luận vào thứ Hai và một buổi vào thứ Tư.
The material is different and lecture will assume that you've been to discussion. Homework will assume that you've been to discussion. So it's in your best interest to go.
Nội dung hai buổi khác nhau, và bài giảng sẽ giả định là các em đã đi thảo luận. Bài tập về nhà cũng giả định như vậy. Nên đi học là có lợi nhất cho các em.
We saw that some time slots had a lot of people trying to get into one section. I think one particular discussion section had upwards of 90 people in the room.
Chúng tôi thấy có khung giờ rất đông người cùng dồn vào một buổi. Tôi nghĩ có một buổi thảo luận có tới hơn 90 người trong phòng.
Whereas other rooms had maybe 10 or 12 people only.
Trong khi các phòng khác chỉ có khoảng 10 hay 12 người.
So what we've tried to do is we've tried to add a discussion section from 1:00 to 2:00 PM, which was one of the most crowded times, and one of the 5:00 PM sections has been canceled.
Vì vậy chúng tôi đã cố gắng thêm một buổi thảo luận từ 1:00 đến 2:00 chiều, là một trong những giờ đông nhất, và hủy một buổi lúc 5:00 chiều.
So if you were in the crowded 1:00 to 2:00 PM section, or if you'd like to go to a section from 1:00 to 2:00 PM, there's a new section because it seems like that's a time that's convenient for most people's schedules.
Nếu các em từng học buổi đông 1:00 đến 2:00 chiều, hoặc muốn học buổi 1:00 đến 2:00 chiều, thì có một buổi mới, vì có vẻ đây là giờ thuận tiện với lịch học của đa số các em.
So please try to go to that section. The 5:00 PM section is canceled. So are the updates are on Piazza and on the website.
Vậy hãy cố gắng đến buổi đó nhé. Buổi 5:00 chiều đã bị hủy. Thông tin cập nhật có trên Piazza và trên trang web.
Please, check and go to the right section on, I guess, tomorrow. Wednesday.
Các em nhớ kiểm tra và đến đúng buổi, tức là ngày mai. Thứ Tư.
If we see that there are certain sections that keep having a large population, we will try our best to rebalance them, but we don't have that much control over the room reservation system.
Nếu thấy có buổi nào vẫn quá đông, chúng tôi sẽ cố hết sức cân bằng lại, nhưng chúng tôi không kiểm soát được nhiều hệ thống đặt phòng.
This comes from campus. So we may or may not be able to actually do this. Okay, the second thing I wanted to say is about lecture today.
Hệ thống này do nhà trường quản lý. Nên có thể chúng tôi làm được hoặc không. Điều thứ hai tôi muốn nói là về bài giảng hôm nay.
We're going to be doing a series of proofs and we're going to be introducing a lot of new mathematical definitions.
Chúng ta sẽ làm một loạt chứng minh và sẽ giới thiệu nhiều định nghĩa toán học mới.
And a lot of what I'm hoping you will get out of the lecture is in the process of thinking that we are going to be going through.
Điều tôi mong các em thu được từ bài giảng là quá trình tư duy mà chúng ta sẽ cùng đi qua.
So there'll be a lot that will be said that won't necessarily be written down, and so I ask that you try not to distract yourselves with technology.
Sẽ có nhiều điều tôi nói mà không nhất thiết được viết ra, nên tôi mong các em đừng để công nghệ làm mình xao nhãng.
Try to stay away from social media, especially for this particular lecture.
Hãy tránh mạng xã hội, đặc biệt là trong bài giảng này.
In general, we recommend also that don't bring your laptop to class or don't try to take — if you're taking notes on an iPad or something, that's great, but try to say okay.
Nói chung chúng tôi cũng khuyên đừng mang laptop đến lớp hay đừng cố ghi chép — nếu các em ghi chú bằng iPad hay thiết bị tương tự thì tốt, nhưng hãy tự nhủ như thế này.
Promise yourself, I'm not going to check my email. I'm not going to open Facebook. Whatever it is. Hopefully this will be the best for your learning.
Mình sẽ không kiểm tra email. Mình sẽ không mở Facebook. Hay bất cứ thứ gì khác. Hy vọng điều này tốt nhất cho việc học của các em.
That said, if lecture turns out to be really boring and you really want to check Facebook, try to do it in a way that doesn't really bother your neighbor if they want to concentrate.
Tuy nhiên, nếu bài giảng hóa ra rất chán và các em thật sự muốn xem Facebook, hãy làm sao để không làm phiền bạn bên cạnh nếu họ muốn tập trung.
Okay, so today, I want to start off with going back to, basically, span — that we talked about last time, and then I'm going to introduce these ideas of linear dependence and independence.
Được rồi, hôm nay tôi muốn bắt đầu bằng việc quay lại với không gian sinh (span) — mà ta đã nói lần trước, rồi tôi sẽ giới thiệu các khái niệm phụ thuộc tuyến tính và độc lập tuyến tính.
And what was the definition of span that we talked about last time?
Định nghĩa không gian sinh (span) lần trước là gì nhỉ?
We talked about the span of a matrix, and the span of a matrix or a span necessarily of a set of vectors.
Ta đã nói về không gian sinh của một ma trận, và không gian sinh của một ma trận hay đúng hơn của một tập vectơ A1, A2, An.
A1, A2, An. We will use these somewhat interchangeably. Here, if I can think of A as being the matrix that's made up by these column vectors.
Ta sẽ dùng hai cách nói này khá thay thế được cho nhau. Ở đây, ta có thể coi A là ma trận tạo bởi các vectơ cột này.
So remember, each column vector is long. It's a column, and if I stack them together, I get a matrix.
Nhớ rằng mỗi vectơ cột là một cột dài. Xếp chúng lại với nhau, ta được một ma trận.
So I can think of the span of A, or I can think of the span of the columns that make up A. These are exactly the same thing.
Vậy ta có thể xét không gian sinh của A, hoặc xét không gian sinh của các cột tạo nên A. Hai cái này hoàn toàn giống nhau.
We will also use words, and these will become more clear in the following lectures, but I just wanted to introduce you to some jargon. So jargon alert.
Ta cũng sẽ dùng các thuật ngữ khác, và chúng sẽ rõ hơn ở các bài sau, nhưng tôi chỉ muốn giới thiệu qua một số thuật ngữ chuyên ngành. Lưu ý về thuật ngữ.
Is span of A is equal to, really, range of A is equal to column space of A. These are all different things.
Không gian sinh của A bằng, thực ra là range của A, bằng không gian cột của A. Đây đều là những tên gọi khác nhau.
We'll talk more about where these different names come from, but I just wanted to let you know in case you come across these words in different contexts. They all mean the same thing.
Ta sẽ nói thêm các tên gọi này từ đâu ra, nhưng tôi muốn các em biết phòng khi gặp những từ này trong các ngữ cảnh khác. Chúng đều có cùng một nghĩa.
And what do we mean by span?
Vậy không gian sinh nghĩa là gì?
The span is really the set of all vectors, v, that can be written as a linear combination of A1, A2,
Không gian sinh thực chất là tập hợp mọi vectơ v có thể viết thành tổ hợp tuyến tính của A1, A2,
all the way up to An.
cho đến An.
This is how we define this.
Đây là cách ta định nghĩa nó.
And we also said that based on what we know about systems of linear equations, this is basically the set of all vectors B. B is a dummy variable.
Và ta cũng đã nói rằng dựa trên những gì ta biết về hệ phương trình tuyến tính, về cơ bản là tập hợp tất cả các vectơ b. b chỉ là biến giả.
V, B, it doesn't matter what I use. Such that Ax equal to B has a solution.
v hay b cũng được, không quan trọng. sao cho Ax = b có nghiệm.
And why are these two things equivalent? It's because we remember from last time that we saw that A times x is basically taking linear combinations of the columns that make up A.
Vậy tại sao hai điều này tương đương? Vì chúng ta nhớ từ buổi trước rằng A nhân x thực chất là lấy tổ hợp tuyến tính của các cột tạo nên A.
Does everyone remember that discussion from last time?
Mọi người còn nhớ phần đó từ buổi trước không?
So this is basically representing linear combinations of columns of A.
Vậy cái này biểu diễn các tổ hợp tuyến tính của các cột của A.
And I wanted to rewrite this definition for you just in another notation so that you get to see this notation.
Và tôi muốn viết lại định nghĩa này cho các bạn bằng một ký hiệu khác để các bạn làm quen.
An, the span — which is the same thing that I've written here. I'm writing the same thing three different ways. This is equal to the following set.
An, không gian sinh (span), cũng chính là cái tôi đã viết ở đây. Tôi đang viết cùng một thứ theo ba cách khác nhau. Nó bằng tập hợp sau.
This is what is called the sigma notation.
Đây gọi là ký hiệu sigma.
To 1 to n, Ci Ai, such that Ci belongs to R.
Từ 1 đến n, Ci Ai, sao cho Ci thuộc R.
And this symbol, this is the Greek letter sigma. This might be the first time you're seeing this notation. What does this mean?
Và ký hiệu này là chữ cái Hy Lạp sigma. Có thể đây là lần đầu bạn thấy ký hiệu này. Nó có nghĩa là gì?
If I write sigma and I have an index i going from 1 to n, and I write this index i here, this basically is equal to 1 plus 2 plus — all the way up to n.
Nếu tôi viết sigma với chỉ số i chạy từ 1 đến n, và viết chỉ số i ở đây, thì nó bằng 1 cộng 2 cộng cho đến n.
So I'm saying I start at i equal to 1, and I keep incrementing by 1 until I reach the number that's at the top of the sigma notation, and I add them up altogether.
Tức là tôi bắt đầu từ i bằng 1, rồi tăng thêm 1 liên tục cho đến khi đạt số ở phía trên ký hiệu sigma, rồi cộng tất cả lại.
That's what this notation means. So here, when I say sigma Ci Ai, this thing is basically equal to — is this blue color visible?
Đó là ý nghĩa của ký hiệu này. Vậy ở đây, khi tôi viết sigma Ci Ai, cái này về cơ bản bằng màu xanh này có nhìn thấy được không?
Can people read it? Yeah? Okay. This is equal to C1 times A1 plus C2 times A2, all the way up to Cn An.
Mọi người đọc được không? Được chứ? Được. Nó bằng C1 nhân A1 cộng C2 nhân A2, cho đến Cn An.
And what does Ci belongs to R mean? Ci belongs to R is just saying that all of these Ci's are real numbers.
Còn Ci thuộc R nghĩa là gì? Ci thuộc R chỉ có nghĩa là tất cả các Ci này đều là số thực.
So we will end up using this notation occasionally in class. There is nothing about it. It's just a shorthand way of writing out this expression.
Thỉnh thoảng chúng ta sẽ dùng ký hiệu này trong lớp. Không có gì phức tạp cả.
Instead of writing this long expression with dot, dot, dots in it. Is this notation clear? Are there any questions on what this sigma notation means?
Nó chỉ là cách viết tắt của biểu thức này, thay vì viết biểu thức dài với các dấu chấm chấm chấm. Ký hiệu này đã rõ chưa? Có câu hỏi nào về ký hiệu sigma này không?
You might hear this called sigma notation because this symbol is basically the Greek letter sigma.
Bạn có thể nghe gọi là ký hiệu sigma vì ký hiệu này chính là chữ cái Hy Lạp sigma.
Any questions about this? Okay, great.
Có câu hỏi nào không? Được, tốt.
So this basically is just a way of saying, oh, let us look at all the linear combinations of these columns, or let us look at all of these vectors such that Ax equal to B is the solution.
Vậy đây chỉ là một cách nói rằng, hãy xét tất cả các tổ hợp tuyến tính của các cột này, hay hãy xét tất cả các vectơ sao cho Ax = b có nghiệm.
This is just another way of writing out a linear combination of the vectors A1, A2, An, Okay, so we have this. I'm going to move this now, here.
Đây chỉ là một cách khác để viết một tổ hợp tuyến tính của các vectơ A1, A2, An. Được rồi, vậy chúng ta có cái này. Giờ tôi sẽ dời cái này sang đây.
Let's see if two document cameras work this time.
Xem lần này hai camera tài liệu có hoạt động không.
Now let's do some examples. We did one last time, but it was kind of fast. So let's look at the span of let's say, 1, 1.
Bây giờ làm vài ví dụ. Buổi trước chúng ta làm một ví dụ nhưng hơi nhanh. Hãy xét không gian sinh của, chẳng hạn, (1, 1) và (−1, −1).
Or minus 1, minus 1.
What is the span of 1, 1 and 1, minus 1? If I was to draw out a picture, what are these vectors like? Plot them in R2.
Không gian sinh của (1, 1) và (1, −1) là gì? Nếu vẽ hình thì các vectơ này trông thế nào? Hãy vẽ chúng trong R2.
Remember, we talked about R2 as basically the set of all pairs — like couples of real numbers. So 1, 1 is this vector here.
Nhớ rằng chúng ta coi R2 là tập hợp tất cả các cặp, tức các cặp số thực. Vậy (1, 1) là vectơ này ở đây.
Minus 1, minus 1 is this vector here. And we're looking at all linear combinations of these.
(−1, −1) là vectơ này ở đây. Và ta xét tất cả các tổ hợp tuyến tính của chúng.
And remember, these linear combinations — these coefficients here, these could be negative. So now, basically this means I can walk in this direction as much as I want, either forward steps or negative steps.
Và nhớ rằng, trong các tổ hợp tuyến tính này, các hệ số ở đây có thể âm. Vậy nghĩa là tôi có thể đi theo hướng này bao nhiêu tùy thích, tiến lên hay lùi lại.
I can take steps forward or backward, and I can walk in this other direction as much as I want. So where can I go using these two vectors?
Tôi có thể bước tới hoặc bước lùi, và đi theo hướng kia bao nhiêu tùy thích. Vậy dùng hai vectơ này tôi đi được đến đâu?
It's a line. I can go anywhere along this line.
Một đường thẳng. Tôi có thể đi đến bất kỳ đâu dọc theo đường này.
And so the span of this, if I was to write this now mathematically, I would write this as the following set. I would write this as the set of all vectors alpha alpha.
Và vậy không gian sinh này, nếu viết bằng toán học, tôi sẽ viết thành tập hợp sau.
Basically where the first component is equal to the second component, and alpha is a real number.
Tập hợp tất cả các vectơ (alpha, alpha), tức là thành phần thứ nhất bằng thành phần thứ hai, và alpha là một số thực.
So this basically means that I can choose any real value at alpha, and I can get to that vector. This set contains all of those such vectors.
Điều này nghĩa là tôi có thể chọn alpha là giá trị thực bất kỳ và đến được vectơ đó. Tập này chứa tất cả các vectơ như vậy.
Let's look at another example. Example one, example two. Span of 1, 1 and 1, minus 1.
Xét ví dụ khác. Ví dụ một, ví dụ hai. Không gian sinh của (1, 1) và (1, −1).
So now here, I have one vector is the black vector that we've already drawn, and what is 1, minus 1? 1, minus 1 is this orange vector.
Ở đây, một vectơ là vectơ màu đen mà ta đã vẽ, còn (1, −1) là gì? (1, −1) là vectơ màu cam này.
So if I wanted to, let's say, get to some arbitrary point, here, can I get to that point walking just along 1, 1 and 1, minus 1?
Nếu tôi muốn, chẳng hạn, đến một điểm tùy ý ở đây, liệu tôi có đến được chỉ bằng cách đi dọc theo (1, 1) và (1, −1) không?
Intuitively, there is a sense in which we all feel yes, right? Is it obvious? What does this look like? Let's say this is 4, 2.
Theo trực giác, ai cũng cảm thấy là có, đúng không? Có hiển nhiên không? Hình này trông thế nào? Giả sử đây là (4, 2).
You'd have to do some calculations to figure out how many steps to take exactly in each direction. We can't immediately just look at the picture and tell.
Bạn phải tính toán một chút để biết chính xác cần đi bao nhiêu bước theo mỗi hướng. Ta không thể nhìn hình mà nói ngay được.
But it seems like you could get to 4, 2. What about could you get to somewhere in this quadrant? Here? Here?
Nhưng có vẻ ta đến được (4, 2). Còn một điểm nào đó trong góc phần tư này thì sao? Ở đây? Ở đây?
You could probably get to all of these points. So what would we like to be able to say about the span of 1, 1 and 1, minus 1?
Có lẽ bạn đến được tất cả các điểm này. Vậy ta muốn nói gì về không gian sinh của (1, 1) và (1, −1)?
R2. We want to be able to say that the span is R2. And what we're going to do now is actually prove this. We have a sense — we have some proof by examples.
R2. Ta muốn khẳng định rằng không gian sinh là R2. Và bây giờ chúng ta sẽ chứng minh điều này. Ta đã có một cảm nhận — ta đã có vài chứng minh bằng ví dụ.
We can put in 4, 2 and try to compute. But we want to try and do this rigorously. So we want to say, theorem. This is the first theorem you're doing in this class.
Ta có thể thay 4, 2 vào rồi tính. Nhưng ta muốn làm việc này một cách chặt chẽ. Vậy ta muốn phát biểu một định lý. Đây là định lý đầu tiên bạn làm trong môn này.
Span of 1, 1, 1, minus 1 is equal to R2.
Span của (1, 1), (1, -1) bằng R2.
So take a minute and maybe think about how would you prove such a thing. What does it even mean to prove such a thing?
Các bạn hãy dành một phút nghĩ xem sẽ chứng minh điều này thế nào. Chứng minh một điều như vậy nghĩa là gì?
And if we can just see can — can't you just say, well, you can get to this point, and you can get to this point, and you can it?
Và nếu ta chỉ cần thấy rằng — chẳng phải chỉ cần nói: bạn đến được điểm này, và đến được điểm kia, vậy là xong sao?
It seems like there's not even something to show here. This is an example of a simple thing, but we need to go through it step by step.
Có vẻ như chẳng có gì để chứng minh ở đây. Đây là một ví dụ đơn giản, nhưng ta cần đi qua từng bước.
So if you had to rigorously prove this, maybe think about how you might try to do this.
Nếu phải chứng minh chặt chẽ điều này, hãy nghĩ xem bạn sẽ làm thế nào.
Feel free to talk to your neighbors, discuss, and see what steps seem natural and what steps seem unnatural. So I want to give you some time to think about it on your own.
Cứ thoải mái trao đổi với bạn bên cạnh, thảo luận, xem bước nào có vẻ tự nhiên và bước nào có vẻ không tự nhiên. Tôi muốn cho các bạn thời gian tự suy nghĩ.
Talk to your neighbors. Take a break. Whatever you want.
Nói chuyện với bạn bên cạnh. Nghỉ một chút. Tùy các bạn.
Try to make sure people don't feel left out. So look to your left and look to your right.
Hãy cố đừng để ai cảm thấy bị bỏ rơi. Nhìn sang trái và nhìn sang phải nào.
Okay, how many people think they have some ideas on how you could try to do this? How many people are not even sure what the question I'm asking is?
Được rồi, bao nhiêu bạn nghĩ mình có ý tưởng để làm việc này? Bao nhiêu bạn còn chưa chắc câu hỏi tôi đang đặt ra là gì?
It's not clear, right? How do you prove something? What does it mean to prove something? We've never talked about it in this class before, and that's what I'm hoping to do in today's class.
Không rõ lắm, đúng không? Làm sao chứng minh một điều gì đó? Chứng minh một điều gì đó nghĩa là gì? Ta chưa từng nói về điều này trong lớp, và đó là điều tôi hy vọng làm trong buổi học hôm nay.
Is there someone who wants to share one of their ideas? Yeah?
Có ai muốn chia sẻ một ý tưởng không? Mời bạn?
STUDENT
Could you say that these two vectors are some what of a linear combination of two vector that you know span R2?
Có thể nói hai vectơ này phần nào là tổ hợp tuyến tính của hai vectơ mà ta biết sinh ra R2 không ạ?
PROFESSOR
The idea was could you say that these two vectors are a linear combination of two other vectors that you know span R2? That's a very interesting and valid proof approach.
Ý bạn là liệu có thể nói hai vectơ này là tổ hợp tuyến tính của hai vectơ khác mà ta biết sinh ra R2 hay không? Đó là một hướng chứng minh rất thú vị và hợp lệ.
So if you could somehow say that these two vectors can be represented as a linear combination of something else, and those two represent all of R2, then you can kind of do a two-step by step procedure by which you can get the required
Nếu bằng cách nào đó ta nói được hai vectơ này có thể biểu diễn như tổ hợp tuyến tính của những vectơ khác, và hai vectơ kia biểu diễn toàn bộ R2, thì ta có thể làm theo quy trình hai bước để thu được các tổ hợp tuyến tính
linear combinations. The challenge is that we have not yet proven that any vectors span R2. So from the perspective of building up from first principles, we can't fully do that.
cần thiết. Khó khăn là ta chưa chứng minh được bất kỳ vectơ nào sinh ra R2. Nên xét việc xây dựng từ các nguyên lý đầu tiên, ta chưa thể làm hoàn toàn như vậy.
But it is a perfectly valid and great idea for a proof approach. Someone at the back. Yeah, all the way there.
Nhưng đó vẫn là một ý tưởng hoàn toàn hợp lệ và hay cho hướng chứng minh. Một bạn ở phía cuối. Vâng, bạn ở tận đằng kia.
STUDENT
Would it be helpful try and describe R2?
Có ích không nếu thử mô tả R2 ạ?
PROFESSOR
Great idea. Would it be helpful to first describe R2? That is one of the steps we're going to take, yeah. How about over there?
Ý tưởng hay. Có ích không nếu trước hết mô tả R2? Đó là một trong những bước ta sẽ làm. Còn bạn ở đằng kia thì sao?
Yeah?
Mời bạn?
STUDENT
I thought maybe if I add v1 and v2, you could get, let's say, 2 and then 0, and then you add v1 and negative v2, you would get 0, 2.
Em nghĩ nếu cộng v1 và v2, ta được, chẳng hạn, 2 và 0, rồi cộng v1 với âm v2 thì được 0, 2.
And then you can make literally any vector.
Và khi đó ta tạo được bất kỳ vectơ nào.
PROFESSOR
Yeah. That's a very good idea. It's very related to the idea about can you find a linear combination that spans this space, and then use that as a combination.
Vâng. Ý tưởng rất hay. Nó liên quan chặt đến ý tưởng tìm một tổ hợp tuyến tính sinh ra không gian này, rồi dùng nó làm tổ hợp.
So that's a really good idea. OK, last idea at the back over there.
Đó thực sự là một ý tưởng rất hay. Được, ý tưởng cuối cùng ở phía cuối kia.
STUDENT
I would say pick an arbitrary point in R2, call it AB, and then solve for [INAUDIBLE] PROFESSOR: Yeah.
Em sẽ chọn một điểm tùy ý trong R2, gọi là AB, rồi giải để tìm [KHÔNG NGHE RÕ] GIẢNG VIÊN: Vâng.
That's a great idea, and that's part of the idea that we are going to follow in doing this together.
Ý tưởng tuyệt vời, và đó là một phần ý tưởng mà ta sẽ cùng làm theo.
So we're going to try to follow that idea, as well as the idea that suggests let's try and describe R2.
Ta sẽ làm theo ý tưởng đó, cũng như ý tưởng gợi ý rằng hãy thử mô tả R2.
So the important thing to notice here is that everyone had a slightly different approach and a different way of proving things, and this is good.
Điều quan trọng cần nhận ra là mỗi người có một cách tiếp cận và cách chứng minh hơi khác nhau, và điều này tốt.
Proofs are about creativity, but they're also about like step by step planning and procedure.
Chứng minh cần sự sáng tạo, nhưng cũng cần lập kế hoạch và thực hiện từng bước.
So having different ways of doing things is a very good thing, and it's not necessary that two people will come up with the same approved for a particular concept.
Vì vậy có nhiều cách làm khác nhau là điều rất tốt, và không nhất thiết hai người sẽ nghĩ ra cùng một cách chứng minh cho một khái niệm nào đó. Cứ tiếp tục nghĩ ra các ý tưởng nhé.
So keep these ideas coming.
So how we're going to go about doing this — this pen is not working — is we want to show that these two steps are equal.
Vậy ta sẽ làm như thế nào — cây bút này không viết được — là ta muốn chứng minh hai tập này bằng nhau.
So in the span of 1, 1 and 1, minus 1, there's a bunch of vectors, and in R2, there's a bunch of vectors.
Trong span của (1, 1) và (1, -1), có một loạt vectơ, và trong R2, cũng có một loạt vectơ.
So let's ask, first, the question can span of 1, 1 and 1, minus 1 be bigger than R2?
Trước hết ta hỏi: span của (1, 1) và (1, -1) có thể lớn hơn R2 không? Nếu muốn nói hai tập này bằng nhau, thì mọi thứ ở đây phải nằm ở đây, và mọi thứ ở đây phải nằm ở đây.
If we want to say that these two are equal, then everything in here should be in here, and everything in here should be in here.
Không tập nào được lớn hơn tập kia.
None of these sets should be bigger than the other. So what is the span of this? So let's say consider some vector v. Consider.
Vậy span của nó là gì? Xét một vectơ v nào đó. Là tổ hợp tuyến tính của hai vectơ ứng viên của ta.
Which is a linear combination of our two candidate vectors. So how do you represent a linear combination? Let's take some constants.
Vậy biểu diễn một tổ hợp tuyến tính thế nào? Lấy một vài hằng số.
Let's call them alpha times the first vector plus beta times the second vector.
Gọi là alpha nhân vectơ thứ nhất cộng beta nhân vectơ thứ hai. Đây là một tổ hợp tuyến tính của hai vectơ của ta.
This is a linear combination of our two vectors. What is that going to give you? Well, I can add the components up. This is going to be alpha plus beta, and alpha minus beta.
Nó sẽ cho ra gì? Ta cộng các thành phần lại. Được alpha cộng beta, và alpha trừ beta. Đây có phải là một phần tử của R2 không?
Is this now an element of R2?
Tại sao đây là một phần tử của R2?
Why is this an element of R2? Why does this belong to R2?
Tại sao nó thuộc R2?
Because both components are real numbers, and our definition of R2 is all those vectors where each component is a real number.
Vì cả hai thành phần đều là số thực, và định nghĩa của R2 là tất cả những vectơ mà mỗi thành phần là một số thực. là một số thực.
So we've seen that if you have a linear combination of these two guys, well, they're a vector that belongs to R2.
Vậy ta đã thấy rằng nếu có một tổ hợp tuyến tính của hai vectơ này, thì nó là một vectơ thuộc R2.
This is a step that at some level, once you start doing lots and lots and lots of proofs, is a simple step, and you might choose to not write it out as explicitly.
Đây là một bước mà ở mức độ nào đó, khi các em đã làm thật nhiều chứng minh, thì nó là bước đơn giản, và các em có thể chọn không viết ra tường minh.
But right now, because we're learning to do proofs, we're going to write every single step out super explicitly.
Nhưng bây giờ, vì chúng ta đang học cách chứng minh, ta sẽ viết ra từng bước một thật tường minh.
So what this means is that if your vector v belongs to your span of these guys, then v belongs to R2.
Vậy điều này có nghĩa là nếu vectơ v thuộc không gian sinh (span) của các vectơ này, thì v thuộc R2.
So we've shown that, basically, the span cannot be bigger than R2. What's the other thing we now have to show to complete our proof? We want to show equality, right?
Vậy ta đã chỉ ra rằng không gian sinh không thể lớn hơn R2. Điều còn lại ta phải chỉ ra để hoàn thành chứng minh là gì? Ta muốn chứng minh sự bằng nhau, đúng không?
We have to show that it's no less than, or we have to show that basically every single vector in R2 is part of the span.
Ta phải chỉ ra nó không nhỏ hơn, hay nói cách khác, mọi vectơ trong R2 đều thuộc không gian sinh.
We've shown every single vector in the span is part of R2. Now we have to show every single vector in R2 can be represented as a linear combination.
Ta đã chỉ ra mọi vectơ trong không gian sinh đều thuộc R2. Giờ ta phải chỉ ra mọi vectơ trong R2 đều biểu diễn được thành một tổ hợp tuyến tính.
Everyone clear on the second part? If you're not clear, ask your neighbor. If both of you can't figure it out, please raise your hand and let me know.
Mọi người rõ phần thứ hai chưa? Nếu chưa rõ, hãy hỏi bạn bên cạnh. Nếu cả hai bạn đều không hiểu, xin hãy giơ tay và cho tôi biết.
Ask questions.
Cứ đặt câu hỏi.
So the second part is can any vector in R2 be represented as a linear combination of 1, 1 and 1,
Phần thứ hai là: vectơ bất kỳ trong R2 có thể biểu diễn thành tổ hợp tuyến tính của 1, 1 và 1,
minus 1?
âm 1 không?
So here, we're starting with the opposite vector. Here, we started with the vector in the span. Start with v in span.
Ở đây ta bắt đầu từ vectơ theo chiều ngược lại. Ở phần trước, ta bắt đầu từ vectơ thuộc không gian sinh. Bắt đầu với v thuộc span.
Now we want to start with some u belonging to R2. You see how we're starting on the other side?
Giờ ta muốn bắt đầu với một u nào đó thuộc R2. Các em thấy ta bắt đầu từ phía bên kia chứ?
So what's a general u that is in R2? Well, let's consider a u which is u1, u2, and u1, u2 both are real numbers.
Vậy một u tổng quát thuộc R2 là gì? Xét u gồm u1, u2, với u1, u2 đều là số thực.
This is a general vector.
Đây là một vectơ tổng quát.
So now what is the question?
Vậy câu hỏi bây giờ là gì?
Can we find alpha, beta such that alpha times 1, 1 plus beta times 1, minus 1 is equal to u1, u2.
Có tìm được alpha, beta sao cho alpha nhân 1, 1 cộng beta nhân 1, âm 1 bằng u1, u2 không?
And we have to be able to do this for any u1, u2. We're not making any assumptions on u1, u2. We're not saying u1, u2 is off of the form alpha, alpha.
Và ta phải làm được điều này với mọi u1, u2. Ta không đặt giả thiết nào cho u1, u2. Ta không nói u1, u2 có dạng alpha, alpha.
We're not saying it's of the form alpha, minus alpha. u1 and u2 are arbitrary real numbers.
Cũng không nói nó có dạng alpha, âm alpha. u1 và u2 là các số thực tùy ý.
So this is where we want to now start to use some of the tools that we've built up.
Đây là lúc ta bắt đầu dùng một số công cụ mà ta đã xây dựng.
So we want to figure out if u1, u2 can be represented in this format. I want to take this and manipulate it a little bit. So this is kind of our beginning.
Ta muốn xác định xem u1, u2 có thể biểu diễn dưới dạng này không. Tôi muốn biến đổi nó một chút. Đây là điểm bắt đầu của ta.
Oops, thank you. This is our beginning point. This is our end point. And we're going to try some manipulations to see how we can get from beginning to end.
Ôi, cảm ơn em. Đây là điểm xuất phát. Đây là điểm đích. Và ta sẽ thử một vài phép biến đổi để xem làm thế nào đi từ điểm đầu đến điểm cuối.
So you're here.
Ta đang ở đây.
So I have alpha times 1, 1 plus beta times 1, minus 1.
Ta có alpha nhân 1, 1 cộng beta nhân 1, âm 1.
These are linear combinations of columns. We have now a way of representing this compactly using matrices. So I can write this just as 1, 1 times alpha plus 1, minus 1 times beta.
Đây là các tổ hợp tuyến tính của các cột. Giờ ta có cách biểu diễn gọn điều này bằng ma trận. Tôi có thể viết thành 1, 1 nhân alpha cộng 1, âm 1 nhân beta.
I did nothing. I just rewrote the multiplication. The scalar can go on either side of the vector.
Tôi chẳng làm gì cả. Tôi chỉ viết lại phép nhân. Số vô hướng có thể đứng ở cả hai phía của vectơ.
But now, it's basically this vector scaled by this constant, and then this vector scaled by this constant. I can write this out as a matrix.
Nhưng giờ, về cơ bản đó là vectơ này nhân với hằng số này, rồi vectơ này nhân với hằng số kia. Tôi có thể viết thành một ma trận.
1, 1, 1, minus 1, and make alpha, beta into a vector.
1, 1, 1, âm 1, và biến alpha, beta thành một vectơ.
And so now the question is does 1, 1, 1, minus 1, alpha, beta is equal to u1, u2 have a solution?
Vậy câu hỏi giờ là: 1, 1, 1, âm 1 nhân alpha, beta bằng u1, u2 có nghiệm không?
If this has a solution, then that means I can find alpha, beta to get u1, u2 as a linear combination.
Nếu có nghiệm, nghĩa là tôi tìm được alpha, beta để u1, u2 là một tổ hợp tuyến tính.
This is just rewriting, essentially, the definition of span. I'm doing it out in a slightly longer way just so that you can get used to the definition of span.
Về bản chất, đây chỉ là viết lại định nghĩa của không gian sinh (span). Tôi làm theo cách dài hơn một chút để các em quen với định nghĩa của span.
There are other ways to do this proof. It's not the only way. But now, what are you in a situation where you know basically one thing for solving systems of linear equations.
Còn có những cách khác để chứng minh. Đây không phải cách duy nhất. Nhưng giờ, các em đang ở tình huống mà về cơ bản ta biết một công cụ để giải hệ phương trình tuyến tính.
Gaussian elimination. So why don't you quickly do Gaussian elimination? I'll do it on the side here as well, and see what you get. So this is known.
Phép khử Gauss. Vậy các em hãy nhanh chóng thực hiện phép khử Gauss nhé. Tôi cũng sẽ làm bên cạnh đây, xem các em ra gì. Cái này đã biết.
This is known.
Cái này đã biết.
This guy is unknown.
Còn cái này là ẩn.
And so I can write this now as 1, 1, 1, minus 1, u1, u2. I'm just going to do the rho operation first.
Giờ tôi viết thành 1, 1, 1, âm 1, u1, u2. Tôi sẽ làm phép biến đổi hàng trước.
So R2 minus R1 gives me 1, 1, u1, 0 minus 2, u2 minus u1.
R2 trừ R1 cho ra 1, 1, u1, 0 âm 2, u2 trừ u1.
Then R2 divided by minus 2 gives me 1, 1, u1, 0, 1, u1 minus u2 divided by 2.
Rồi R2 chia cho âm 2 cho ra 1, 1, u1, 0, 1, u1 trừ u2 chia 2.
And then I do the back substitution step. So this gives me the second component. That beta is equal to u1 minus u2 over 2.
Sau đó tôi làm bước thế ngược. Cái này cho ta thành phần thứ hai. Tức là beta bằng u1 trừ u2 chia 2.
I do back substitution to basically get this 1, 0, 0, 1, here and here I get u1 plus u2 by 2, and here I get u1 minus u2 by 2.
Tôi thế ngược để có 1, 0, 0, 1 ở đây, và ở đây ta có u1 cộng u2 chia 2, còn ở đây ta có u1 trừ u2 chia 2.
So this means that I have alpha is equal to u1 plus u2 by 2. Beta is equal to u1 minus u2 by 2.
Vậy alpha bằng u1 cộng u2 chia 2. Beta bằng u1 trừ u2 chia 2.
Yeah, question?
Em có câu hỏi à?
STUDENT
[INAUDIBLE] PROFESSOR: Okay.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Được rồi.
No worries. It's very, very easy to make algebra mistakes. So good to catch these things. Yeah?
Không sao đâu. Rất dễ mắc lỗi đại số. Nên phát hiện được những chỗ này là tốt. Em nói đi?
STUDENT
[INAUDIBLE] PROFESSOR: So we saw some examples last time that showed that just by looking for whether there is a row of zeros doesn't always necessarily give you
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Lần trước ta đã thấy một số ví dụ cho thấy chỉ nhìn xem có hàng toàn số không hay không thì không phải lúc nào cũng cho
the right answer. So you actually have to go through the entire procedure. So that approach could work, but it might not work.
đáp án đúng. Nên các em thực sự phải làm hết toàn bộ quy trình. Cách đó có thể đúng, nhưng cũng có thể không.
STUDENT
[INAUDIBLE] PROFESSOR: In this case, you're not going to get a row of all zeros, but in the case where you had a separate situation, you might.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Trong trường hợp này, em sẽ không có hàng toàn số không, nhưng ở một tình huống khác thì có thể có.
Let's talk about it offline. Yeah?
Chúng ta nói riêng chuyện này sau nhé. Còn câu hỏi nào không?
STUDENT
[INAUDIBLE] PROFESSOR: What is the objective of the first part of the proof? Which part? This part?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Mục đích của phần đầu của chứng minh là gì? Phần nào? Phần này à?
Before we did the u1, u2 step. That's a great question. What is the point of this part of the proof?
Phần trước bước u1, u2. Câu hỏi rất hay. Phần này của chứng minh để làm gì?
So when you want to show two things are equal, two sets are equal, you are to show every member of the first set is a member of the second set.
Khi muốn chứng minh hai thứ bằng nhau, tức hai tập hợp bằng nhau, ta phải chứng minh mọi phần tử của tập thứ nhất đều thuộc tập thứ hai.
In this case, it's simple to see that if you take a linear combination of the two vectors, they belong to R2.
Ở đây, dễ thấy rằng nếu lấy một tổ hợp tuyến tính của hai vectơ thì nó thuộc R2.
But because we're learning how to do a proof, it's important to do that first step out. Once you're taking grad classes or even when you're taking classes like 70, you might not do this.
Nhưng vì chúng ta đang học cách chứng minh, nên cần viết rõ bước đầu tiên đó. Khi học các lớp sau đại học, hay thậm chí các lớp như 70, em có thể không cần làm vậy.
But the goal of 16A is to help prepare you for classes like 70 where you're going to be expected to do more advanced proofs.
Nhưng mục tiêu của 16A là giúp em chuẩn bị cho các lớp như 70, nơi em sẽ được yêu cầu làm những chứng minh nâng cao hơn.
So this is kind of the first very, very ease into proofs type of problem.
Đây là bài làm quen nhẹ nhàng nhất với chứng minh.
Okay, so we're here. We basically have alpha, beta, and we've figured them out.
Được rồi, ta đang ở đây. Ta có alpha, beta và đã tìm ra chúng.
So now this means that for all u1, u2, which means all u, we can find alpha, beta.
Vậy nghĩa là với mọi u1, u2, tức mọi u, ta đều tìm được alpha, beta.
And basically, this means that all u can be written as a linear combination.
Và điều này nghĩa là mọi u đều có thể viết thành một tổ hợp tuyến tính.
Basically, you can say QED, which is basically Latin for what was to be shown.
Vậy có thể kết luận QED, tức là tiếng Latinh của "điều cần chứng minh".
You started out by saying that you wanted to show that all vectors in R can be written as a linear combination.
Lúc đầu em nói rằng muốn chứng minh mọi vectơ trong R đều viết được thành một tổ hợp tuyến tính.
And what you have done here, this style of proof is what is called a constructive proof.
Và kiểu chứng minh em vừa làm ở đây gọi là chứng minh kiến tạo (constructive proof).
You ask the question, can every vector in R2 be expressed as a linear combination? And the way you answered that was by finding that linear combination.
Em đặt câu hỏi: mọi vectơ trong R2 có biểu diễn được thành tổ hợp tuyến tính không? Và em trả lời bằng cách tìm ra tổ hợp tuyến tính đó.
You found exactly those numbers. It's possible to prove things without necessarily constructing an example, and we'll see an example of a proof like that.
Em tìm ra chính xác các số đó. Có thể chứng minh mà không nhất thiết phải dựng ra một ví dụ, và ta sẽ thấy một chứng minh như vậy.
But what you did here, it's important to remember, is that you did a constructive proof.
Nhưng cần nhớ rằng ở đây em đã làm một chứng minh kiến tạo.
Okay. Yes, question?
Được rồi. Em có câu hỏi à?
STUDENT
[INAUDIBLE] PROFESSOR: The question was can you just prove that the vectors are linearly independent?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Câu hỏi là có thể chỉ cần chứng minh các vectơ độc lập tuyến tính không?
We will eventually get to learning about linear independence and dependence, but we haven't even defined those things yet.
Rồi ta sẽ học về độc lập và phụ thuộc tuyến tính, nhưng ta còn chưa định nghĩa chúng.
So when you're doing a proof, you have to know what is in your scope, what is in your toolbox, and what isn't.
Khi chứng minh, em phải biết cái gì nằm trong phạm vi, trong hộp công cụ, và cái gì chưa.
And because none of those are in school because we're proving things from first principles, that would not be necessarily a valid approach that we could do right now.
Vì những thứ đó chưa có, do ta đang chứng minh từ các nguyên lý đầu tiên, nên đó chưa phải là cách hợp lệ để làm ngay lúc này.
But again, if you're taking an advanced class, once you've learned that in the class, you're welcome to do things like that.
Nhưng nếu em học một lớp nâng cao, khi đã học điều đó trong lớp, em hoàn toàn có thể làm như vậy.
But we haven't learned that yet, so that wouldn't be a valid way of proving it right now. Yes, in the back.
Nhưng ta chưa học nó, nên bây giờ đó chưa phải cách chứng minh hợp lệ. Em phía cuối lớp.
STUDENT
How do you know that that linear combination [INAUDIBLE] PROFESSOR: How do I know that that linear combination has no solutions?
Làm sao thầy biết tổ hợp tuyến tính đó [KHÔNG NGHE RÕ] GIẢNG VIÊN: Làm sao tôi biết tổ hợp tuyến tính đó vô nghiệm?
I basically set this up as alpha and beta are the coefficients of the linear combination.
Tôi thiết lập alpha và beta là các hệ số của tổ hợp tuyến tính.
Alpha and beta are basically alpha times the first vector plus beta times this vector gives me vector u, and I'm solving it using Gaussian elimination.
Alpha nhân vectơ thứ nhất cộng beta nhân vectơ này thì ra vectơ u, và tôi giải bằng phép khử Gauss.
And by Gaussian elimination, I'm constructing the example so I know that there is a solution because I constructed it.
Nhờ phép khử Gauss, tôi dựng ra ví dụ đó nên tôi biết có nghiệm, vì tôi đã dựng ra nó.
Yeah.
Vâng.
STUDENT
[INAUDIBLE] PROFESSOR: We could have two equations and two unknowns, and have infinitely many solutions or no solutions.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Có thể có hai phương trình hai ẩn mà vô số nghiệm hoặc vô nghiệm.
Two equations and two unknowns doesn't guarantee that, and we're going to see more of how and where — this is a great lead into what I want to talk about next.
Hai phương trình hai ẩn không đảm bảo điều đó, và ta sẽ thấy rõ hơn khi nào và ở đâu — đây là lời dẫn rất tốt cho phần tôi sắp nói.
So let me move on.
Để tôi đi tiếp.
I'm sorry?
Em nói gì cơ?
STUDENT
[INAUDIBLE] PROFESSOR: What has a solution? This equation has a solution because I computed it.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Cái gì có nghiệm? Phương trình này có nghiệm vì tôi đã tính ra.
This is the equation. Alpha and beta are my unknowns. u and u2 is a vector that is given to me.
Đây là phương trình. Alpha và beta là các ẩn. u và u2 là vectơ cho trước.
I'm writing it in terms of symbols, but I know exactly what u1, u2 is. So it's important to remember, this is known, this is known, these guys are unknown.
Tôi viết bằng ký hiệu, nhưng tôi biết chính xác u1, u2 là gì. Cần nhớ: cái này đã biết, cái này đã biết, còn những cái này là ẩn.
Alpha, beta are unknown. Good question.
Alpha, beta là ẩn. Câu hỏi hay.
Okay, so this leads me to moving to the next part, which is remember last time we talked about when we have our experiment, we have some object — thank you.
Được rồi, giờ sang phần tiếp theo, nhớ lại lần trước ta đã nói khi làm thí nghiệm, ta có một vật — cảm ơn em.
We have our object, which is x, and we're doing our imaging experiment.
Ta có vật là x, và đang làm thí nghiệm chụp ảnh.
And our imaging experiment is represented by this matrix, A, which is taking linear combinations of the pixels of the object, and this gives us our measurement.
Thí nghiệm chụp ảnh được biểu diễn bằng ma trận A này, lấy các tổ hợp tuyến tính của các điểm ảnh của vật, và cho ra phép đo. Đây là ví dụ về chụp cắt lớp.
This is the tomography example.
Đây là ví dụ chụp cắt lớp (tomography).
And our question was, how do I know that my design of my MRI machine is good from the get go?
Câu hỏi của ta là: làm sao biết thiết kế máy MRI của mình tốt ngay từ đầu?
Or at least how do I know that it's not bad from the get go? And we said last time that we're going to answer that question in today's lecture.
Hay ít nhất là biết nó không tệ ngay từ đầu? Lần trước ta đã nói rằng sẽ trả lời câu hỏi đó trong bài hôm nay.
And for that, I want to basically introduce a definition, and this definition is linear dependence.
Và để làm vậy, tôi muốn giới thiệu một định nghĩa, và định nghĩa này là phụ thuộc tuyến tính.
We say a set of vectors, A1, A2, all the way up to An are said to be linearly dependent if one of the vectors
Ta nói một tập các vectơ A1, A2, cho đến An là phụ thuộc tuyến tính nếu một trong các vectơ
can be as a linear combination.
có thể viết dưới dạng một tổ hợp tuyến tính.
So what does this mean?
Vậy điều này có nghĩa là gì?
Effectively, it's saying if one of your vectors in your set is in the span of all of the other vectors in your set, then your entire set is said to be linearly dependent.
Về cơ bản, nếu một vectơ trong tập của bạn nằm trong không gian sinh (span) của tất cả các vectơ còn lại trong tập, thì cả tập được gọi là phụ thuộc tuyến tính.
Linearly dependent, meaning you take some linear combination of some of them, and it gives you the other one. And linear dependence is something that's going to show up a lot.
Phụ thuộc tuyến tính nghĩa là bạn lấy một tổ hợp tuyến tính của một số vectơ, và nó cho ra vectơ còn lại. Và phụ thuộc tuyến tính là khái niệm sẽ xuất hiện rất nhiều.
So for example, if you have the set, let's say 1, 1 and 2, 2. Is this set of vectors linearly dependent?
Ví dụ, nếu bạn có tập, giả sử, 1, 1 và 2, 2. Tập vectơ này có phụ thuộc tuyến tính không?
Yes, this is the linear dependent because 2 times 1, 1 gives you 2, 2. Okay, what about 1, 1, 1 and 1, 2, 3?
Có, nó phụ thuộc tuyến tính vì 2 nhân 1, 1 cho ra 2, 2. Còn 1, 1, 1 và 1, 2, 3 thì sao?
Are these linearly dependent? No, right? You cannot do this. This is not linearly dependent.
Chúng có phụ thuộc tuyến tính không? Không, đúng không? Bạn không thể làm như vậy. Tập này không phụ thuộc tuyến tính.
You could also write this as linearly independent. What about 1, 1 minus 1, 1 and 2, 3?
Bạn cũng có thể nói là độc lập tuyến tính. Còn 1, 1, rồi minus 1, 1 và 2, 3 thì sao?
Is the set of vectors linearly dependent or linearly independent?
Tập vectơ này phụ thuộc tuyến tính hay độc lập tuyến tính?
Okay, I'm getting different answers now.
Được rồi, giờ tôi nghe nhiều đáp án khác nhau.
So take a minute. Figure it out. Talk to your neighbors.
Các bạn dành một phút. Tự tìm câu trả lời. Trao đổi với bạn bên cạnh.
So do we have some kind of consensus? What did we talk about? What did we look at for these two vectors, 1, 1 and 1, minus 1?
Vậy chúng ta đã có đồng thuận chưa? Ta đã nói về điều gì? Ta đã xét gì với hai vectơ 1, 1 và 1, minus 1?
Or minus 1, 1, which are just the same vector.
Hay minus 1, 1, vốn cũng là cùng một vectơ.
What is the span of these? R2. Can 2, 3 be written as a linear combination of 1, 1 and minus 1, 1? Yes.
Không gian sinh của chúng là gì? R2. 2, 3 có viết được như một tổ hợp tuyến tính của 1, 1 và minus 1, 1 không? Có.
So is this set of vectors linearly dependent or independent? Dependent, right? Okay, good. So this is linearly dependent.
Vậy tập vectơ này phụ thuộc hay độc lập tuyến tính? Phụ thuộc, đúng không? Tốt lắm. Vậy tập này phụ thuộc tuyến tính.
Okay, so we have some examples.
Vậy là ta có vài ví dụ.
Now, let's get really to the meat of the lecture, which is now we're going to actually prove a theorem that connects linear dependence and independence to systems of linear equations.
Giờ ta vào phần trọng tâm của bài giảng: ta sẽ chứng minh một định lý nối phụ thuộc và độc lập tuyến tính với hệ phương trình tuyến tính.
You say if the columns of A are linearly dependent, then ax equal to b does not have a unique solution.
Định lý nói: nếu các cột của A phụ thuộc tuyến tính thì Ax = b không có nghiệm duy nhất.
This is the second theorem that we want to prove today.
Đây là định lý thứ hai mà ta muốn chứng minh hôm nay.
And for this, actually, I wrote out — I'll post this later, but I want to kind of try and use these tips for writing out proofs that we can think about while going through this process.
Và cho phần này, thật ra tôi đã viết ra — Tôi sẽ đăng sau, nhưng tôi muốn thử dùng những mẹo viết chứng minh này để ta cùng suy nghĩ trong quá trình làm.
So there's two learning objectives that I want to achieve in going through this proof. The first one is proving to you that this is true because, hey, this is great.
Có hai mục tiêu học tập mà tôi muốn đạt được qua chứng minh này. Thứ nhất là chứng minh cho các bạn rằng điều này đúng vì điều này rất hữu ích.
If we set up our imaging machine, and it turns out that the measurements it's taking gives us linearly dependent columns, we know it's a failed endeavor.
Nếu ta lắp đặt máy chụp ảnh, và hóa ra các phép đo mà nó thực hiện cho ra các cột phụ thuộc tuyến tính, thì ta biết là thất bại rồi.
We know we should go back to the drawing board because we know that we're not going to get a unique solution. So that's one part of the learning objective.
Ta biết phải quay lại thiết kế lại vì ta sẽ không có nghiệm duy nhất. Đó là một phần của mục tiêu học tập.
But the other thing is I want to try and use this to think about, constructively, how can we step by step build up a proof? So this is a pretty complex thing to prove.
Nhưng điều còn lại là tôi muốn dùng chứng minh này để nghĩ xem, theo hướng xây dựng, làm sao ta có thể từng bước dựng nên một chứng minh? Đây là một điều khá phức tạp để chứng minh.
It's more complex than proving that the span of the set that we just discussed is exactly R2. So when you're trying to do a proof, there's a couple of things that I always recommend.
Nó phức tạp hơn việc chứng minh rằng không gian sinh của tập vừa nãy chính xác là R2. Khi bạn làm một chứng minh, tôi luôn khuyên một vài điều.
And the first thing is that you want to try and write out the beginning part of the proof and the end part of the proof explicitly. So here, let's look at this statement.
Điều đầu tiên là bạn nên thử viết ra phần đầu của chứng minh và phần cuối của chứng minh một cách tường minh. Ở đây, ta hãy xem mệnh đề này.
So we have if — we have an if, and we have a then. So if this statement is true, then we want to prove the second part is true.
Ta có nếu — có "nếu" và có "thì". Nếu mệnh đề này đúng, thì ta muốn chứng minh vế thứ hai đúng.
One of the things I see students confuse a lot is accidentally trying to show that the second part of the statement implies the first part of the statement.
Một điều tôi thấy sinh viên hay nhầm là vô tình đi chứng minh rằng vế thứ hai của mệnh đề suy ra vế thứ nhất.
So when you're reading a statement, look at the implication. It says if something is true, then something else is true. So you want to show this clause implies this other clause.
Vì vậy khi đọc một mệnh đề, hãy nhìn vào phép suy ra. Nó nói nếu điều gì đó đúng, thì điều khác cũng đúng. Vậy bạn muốn chứng minh vế này suy ra vế kia.
So this is the kind of proof where you have P implies Q. So P is this first statement, and Q is the second statement. So look at the direction of the implication.
Đây là kiểu chứng minh có P suy ra Q. P là mệnh đề đầu, và Q là mệnh đề thứ hai. Hãy nhìn chiều của phép suy ra.
That's what this is saying. Look at the direction of the implication, and then write out what the two clauses are, separately.
Đó là điều nó nói. Hãy nhìn chiều của phép suy ra, rồi viết ra hai vế đó một cách riêng biệt.
So here, you want to basically say if the columns of A are linearly dependent. So let's write out this proof.
Vậy ở đây, về cơ bản bạn muốn nói nếu các cột của A phụ thuộc tuyến tính. Ta hãy viết ra chứng minh này.
So the beginning — so what does it mean to have the columns of A linearly dependent?
Phần đầu — vậy các cột của A phụ thuộc tuyến tính nghĩa là gì?
Well, let's say A is given by A1, A2, An.
Giả sử A gồm A1, A2, An.
These are the columns of A. We know that for some Ai, there's some column Ai — we don't know which one, but one of them is equal to a linear combination of the other ones.
Đây là các cột của A. Ta biết rằng với một Ai nào đó, có một cột Ai nào đó — ta không biết là cột nào, nhưng có một cột bằng một tổ hợp tuyến tính của các cột còn lại.
So I'm writing out this definition of columns are linearly dependent in this mathematical notation.
Tôi đang viết định nghĩa này của các cột phụ thuộc tuyến tính bằng ký hiệu toán học.
So I'm saying for some column Ai, it is a linear combination of the other columns, and here in this linear combination, I want to make sure that I don't write Ai equal to Ai.
Tức là tôi nói với một cột Ai nào đó, nó là tổ hợp tuyến tính của các cột còn lại, và trong tổ hợp tuyến tính này, tôi phải đảm bảo không viết Ai bằng Ai.
That's not a valid linear combination. So I'm specifying that I cannot use any columns equal to the i-th column, but I can use all of the other columns.
Đó không phải là một tổ hợp tuyến tính hợp lệ. Nên tôi quy định là không được dùng cột nào bằng cột thứ i, nhưng được dùng tất cả các cột khác.
We're going from 1 to n, except for the one where j is equal to i. Is this notation clear to everyone? Yeah, question?
Ta chạy từ 1 đến n, trừ cột mà j bằng i. Ký hiệu này đã rõ với mọi người chưa? Vâng, bạn có câu hỏi?
STUDENT
So you're saying for some column Ai, this statement of [INAUDIBLE] is true. But if all the columns are linearly dependent, [INAUDIBLE] PROFESSOR: Good question.
Vậy thầy đang nói là với một cột Ai nào đó, thì phát biểu [KHÔNG NGHE RÕ] này đúng. Nhưng nếu tất cả các cột đều phụ thuộc tuyến tính, [KHÔNG NGHE RÕ] GIẢNG VIÊN: Câu hỏi hay.
So the question is why are we choosing just one Ai? I'm saying it's true for some Ai, and not true for all of the Ai's. Let's go back to the definition of linear dependence.
Câu hỏi là tại sao ta chỉ chọn một Ai? Thầy nói nó đúng với một Ai nào đó, chứ không đúng với tất cả các Ai. Ta quay lại định nghĩa của phụ thuộc tuyến tính.
The definition says if one of the vectors.
Định nghĩa nói: nếu một trong các vectơ.
So we might not have this be true for all of the vectors, but only one — sometimes it'll be true that there'll be multiple linear combinations, but other times it might not be.
Vậy có thể điều này không đúng với mọi vectơ, mà chỉ với một vectơ thôi — đôi khi sẽ có nhiều tổ hợp tuyến tính, nhưng có lúc thì không.
So you have only one, so you can only assume that one.
Nên bạn chỉ có một, và chỉ có thể giả sử cho một vectơ đó.
Yeah, a question?
Ừ, em hỏi đi?
STUDENT
[INAUDIBLE] PROFESSOR: No, it does not matter. Good question.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Không, điều đó không quan trọng. Câu hỏi hay.
Okay. So we have this beginning statement, and what is the end statement that we want to try and get to?
Được rồi. Vậy ta có phát biểu ban đầu này, còn phát biểu cuối mà ta muốn đi tới là gì?
We want to show that ax equals to b does not have a unique solution. This is a bit harder to immediately mathematize.
Ta muốn chứng minh ax = b không có nghiệm duy nhất. Cái này khó toán học hóa ngay hơn một chút.
What do we do know how to mathematize?
Ta biết cách toán học hóa điều gì?
You don't know how to say something is not a solution, but what we're going to try and do here is we're going to try and do a proof by contradiction, which is a different style of proof from the style of proof we just did.
Ta không biết cách nói điều gì đó không phải là nghiệm, nhưng ở đây ta sẽ thử chứng minh bằng phản chứng, một kiểu chứng minh khác với kiểu chứng minh ta vừa làm.
So here we're going to say assume, if possible, that ax equal to b has a unique solution.
Ở đây ta sẽ giả sử, nếu có thể, rằng ax = b có nghiệm duy nhất.
Let x star be this solution.
Gọi x star là nghiệm đó.
And now, the proof approach that we're going to try and take is we're going to say, well, let's try and go from here to here, but show that what we're assuming here is wrong.
Và hướng chứng minh mà ta sẽ thử là đi từ đây đến đây, nhưng chỉ ra rằng điều ta giả sử ở đây là sai. Ta đi đến một mâu thuẫn.
Let's arrive at a contradiction.
So whenever you have some kind of complex proof like this, dealing with these sigma notation, dealing with n columns all at once, this can sometimes be quite complicated and can distract you from thinking about the core ideas within the proof.
Khi gặp một chứng minh phức tạp như thế này, với ký hiệu sigma, với n cột cùng một lúc, nó có thể khá rối và làm bạn xao nhãng khỏi những ý tưởng cốt lõi trong chứng minh.
So I always recommend is the first thing you should try is try out basically a small, simple example.
Nên thầy luôn khuyên việc đầu tiên nên thử là thử một ví dụ nhỏ, đơn giản. Hôm nay ta thử với trường hợp a là ma trận 3 x 3.
So here today, let's try and do this just for the context of a is a 3 by 3 matrix. So let's do a simple example.
Vậy ta làm một ví dụ đơn giản. Giả sử A bằng A1, A2, A3, và nó là 3 x 3.
So let's say A is equal to just A1, A2, A3, and it's 3 by 3.
Hơn nữa, giờ ta có thể viết điều này.
And furthermore, let us say we can write this now. We want to write this condition of linear dependence in our 3 by 3 context. So now we have this question.
Ta muốn viết điều kiện phụ thuộc tuyến tính này trong trường hợp 3 x 3. Giờ ta có câu hỏi này. A1 có phụ thuộc vào A2 và A3 không?
Is A1 dependent on A2 and A3? Or is A2 dependent on A1 and A3? How do we figure this out? So one option is to do cases.
Hay A2 phụ thuộc vào A1 và A3? Làm sao biết được? Một cách là chia trường hợp.
To say, well, let's first assume that A1 is dependent on A2 and A3. All we know is that one of them is dependent. We don't know which one.
Tức là trước hết giả sử A1 phụ thuộc vào A2 và A3. Ta chỉ biết là có một vectơ phụ thuộc. Ta không biết là vectơ nào. Vậy ta chọn một.
So let's pick one.
So let's assume A1 is equal to basically some C2 times A2 plus C3 times A3.
Giả sử A1 bằng C2 nhân A2 cộng C3 nhân A3. Và nhớ là ta sẽ kiểm tra cho A1.
And remember, we will check this for A1. Do for A1. Must also check for A2 and A3.
Làm cho A1. Còn phải kiểm tra cho A2 và A3.
And what we'll find out — we'll do these steps and we'll find out that actually, the procedure that we would go through for A2 and A3 would be very, very similar to the procedure that we would go through, assuming A1 has a dependence.
Và ta sẽ thấy — ta làm các bước này và sẽ thấy rằng quy trình cho A2 và A3 sẽ rất, rất giống quy trình ta làm khi giả sử A1 có sự phụ thuộc. Và nhờ đó ta sẽ đưa vào khái niệm gọi là không mất tính tổng quát.
And so we will introduce this notion of what we call without loss of generality. But I want to come back to that at the end of the proof.
Nhưng thầy sẽ quay lại điều đó ở cuối chứng minh.
Here, I just want to say let's, for now, assume that A1 is what is dependent on A2 and A3.
Giờ thầy chỉ muốn nói là tạm thời giả sử A1 là vectơ phụ thuộc vào A2 và A3.
So now that we're here, let me pause and give you a chance to try and play with this a little bit yourself. So what do we have here?
Đến đây, thầy dừng lại cho các em thời gian tự thử xem. Vậy ta có gì ở đây? Ta có một ví dụ đơn giản.
We have a simple example. We're doing this just in the context of the 3 by 3 case.
Ta chỉ làm trong trường hợp 3 x 3.
We're assuming A1 is a linear combination of the other two columns, and we want to arrive at a contradiction to x star being the unique solution.
Ta giả sử A1 là tổ hợp tuyến tính của hai cột còn lại, và muốn đi đến mâu thuẫn với việc x star là nghiệm duy nhất.
So the next step in of our standard way of doing proofs is to try to manipulate, basically, the beginning side and the ending side or any combinations to see if you can get to where you want to go.
Bước tiếp theo trong cách chứng minh quen thuộc của ta là thử biến đổi vế đầu và vế cuối, hoặc kết hợp cả hai, xem có tới được đích không.
The important thing is to take small steps, and every time you make a transformation, justify why you're doing that transformation. Write it out. Be explicit.
Điều quan trọng là đi từng bước nhỏ, và mỗi lần biến đổi, hãy giải thích vì sao bạn làm vậy. Viết ra. Rõ ràng. Các em dành vài phút tự làm.
So take a chance to take a few minutes to do it on your own. Talk to your neighbor. See what you come up with.
Trao đổi với bạn bên cạnh. Xem các em nghĩ ra gì. Hãy thử nói chuyện với người mới.
Try to talk to new people. Make sure that people aren't left out. Be very, very inclusive.
Đảm bảo không ai bị bỏ rơi. Hãy thật hòa nhập. Ai muốn thêm một phút thảo luận?
How many people want another minute for discussion? How many people are ready to move on? Okay, it's about equal. So I'll give you a minute.
Ai đã sẵn sàng đi tiếp? Được, số người bằng nhau. Vậy thầy cho một phút. Được rồi, mọi người dừng nói chuyện.
Okay, everyone stop talking. Okay, we can move on if people are ready to move on.
Được, nếu mọi người sẵn sàng thì ta đi tiếp. Khi thấy cái này, suy nghĩ đầu tiên của thầy là gì?
So when I see something like this, what is my first thought?
To me, right now, it's not at all clear how to go from this — this is something about the columns, and I want to now prove something about the matrix.
Với thầy lúc này, chưa rõ làm sao đi từ cái này — đây là điều về các cột, mà giờ thầy muốn chứng minh điều về ma trận. Thầy có các cột và có ma trận.
I have columns and I have matrix.
So I somehow want to get these columns to reconfigure back to looking like a matrix because here on this side, I have a times x equal to b.
Nên thầy muốn sắp xếp lại các cột này để trở về dạng ma trận, vì ở bên này thầy có a nhân x bằng b. Tất cả các cột được xếp chồng lại thành dạng ma trận.
So all the columns are stacked together in this matrix form. So how can we make this look like a matrix?
Vậy làm sao để nó trông giống một ma trận? Ừ, em hỏi đi?
SINH VIÊN
Yes, question?
[KHÔNG NGHE RÕ].
STUDENT
[INAUDIBLE].
[KHÔNG NGHE RÕ].
PROFESSOR
Oh. Sure. Why not?
À. Được chứ. Sao lại không?
STUDENT
[INAUDIBLE] PROFESSOR: Yeah.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Đúng.
So basically, the next step that I want to do is I think about it a little bit differently, but that's exactly — every one of us will think about it differently.
Vậy bước tiếp theo mà thầy muốn làm là thầy nghĩ về nó hơi khác một chút, nhưng em nói hoàn toàn đúng — mỗi người sẽ nghĩ theo một cách khác nhau.
That's exactly the right way. So I want to make these things look like a matrix. So I'm going to look at this. So I'm going to look at the left-hand side of this.
Đó chính xác là cách đúng. Thầy muốn làm cho những thứ này trông giống một ma trận. Nên thầy sẽ nhìn vào chỗ này. Thầy sẽ nhìn vế trái của nó.
And what is A1 in terms of — can I write A1 as a matrix vector product?
Và A1 theo — liệu có thể viết A1 như một tích ma trận với vectơ không?
If I take the matrix A, which is equal to A1, A2, A3, and I multiply it by the vector 1, 0, 0, what do I get out?
Nếu lấy ma trận A gồm A1, A2, A3, và nhân với vectơ 1, 0, 0 thì được gì?
A1. So this left-hand side is basically A times this vector.
A1. Vậy vế trái này chính là A nhân với vectơ này.
1, 0, 0.
1, 0, 0.
Does everyone see that? What about the right-hand side?
Mọi người thấy rõ chưa? Còn vế phải thì sao?
Can I write the right-hand side also as a matrix vector product?
Có thể viết vế phải cũng như một tích ma trận với vectơ không?
I can write A1, A2, A3 times — what would I want to write? So the three columns are A1, A2, A3.
Ta có thể viết A1, A2, A3 nhân với — nên viết gì đây? Ba cột là A1, A2, A3.
What is A1 being scaled by on the right-hand side? 0. A2 is being scaled by C2, and A3 is being scaled by C3.
Ở vế phải, A1 được nhân với hệ số nào? 0. A2 được nhân với C2, và A3 được nhân với C3.
So this is basically A times 0, C2, C3.
Vậy đây chính là A nhân với 0, C2, C3.
Okay, I'll try and write on this sheet of paper so you can see everything.
Được rồi, thầy sẽ viết lên tờ giấy này để các em thấy hết.
Okay, so now I have both sides of this equation that are represented by A. So I have basically A times 1, 0, 0 equal to A times 0, C2, C3.
Giờ cả hai vế của phương trình này đều được biểu diễn qua A. Tức là A nhân 1, 0, 0 bằng A nhân 0, C2, C3.
I can now reorganize this to say that A times 0, C2, C3 minus A times 1, 0, 0 is equal to 0.
Giờ ta sắp xếp lại: A nhân 0, C2, C3 trừ A nhân 1, 0, 0 bằng 0.
Just reorganized. Remember, take small steps. Try not to do lots of things at once. It often leads to algebra mistakes or mistaken logic on exams.
Chỉ là sắp xếp lại thôi. Nhớ nhé, làm từng bước nhỏ. Cố đừng làm nhiều việc cùng một lúc. Điều đó hay dẫn đến sai đại số hoặc sai logic trong bài thi.
I recommend against it. This implies — now I can write this as basically, A times minus 1, C2, C3 equal to 0.
Thầy khuyên không nên. Suy ra, giờ ta viết được: A nhân -1, C2, C3 bằng 0.
So I have A times some vector equal to 0.
Vậy A nhân một vectơ nào đó bằng 0.
What else have we assumed? We have assumed that x star is a solution of a x equal to b.
Ta còn giả sử điều gì nữa? Ta đã giả sử x sao là nghiệm của Ax = b.
So what this means is that I have a times x star is equal to b.
Nghĩa là A nhân x sao bằng b.
By our assumption, we have A times x star equal to B. Okay, so what do you want to do now?
Theo giả thiết, A nhân x sao bằng b. Được rồi, giờ các em muốn làm gì?
What do we want to get a contradiction to? We have said that x star is the unique solution. We want to somehow say that this is false. We want to arrive at a contradiction.
Ta muốn dẫn đến mâu thuẫn với điều gì? Ta đã nói x sao là nghiệm duy nhất. Ta muốn chỉ ra điều này là sai. Ta muốn đi đến một mâu thuẫn.
So what's one way to say that x star is not the unique solution?
Vậy một cách để nói x sao không phải nghiệm duy nhất là gì?
Multiply it by 0. Multiplying it by 0 would just give us a 0, right? We wouldn't necessarily — but you're on the right track. You're thinking exactly in the right way.
Nhân nó với 0. Nhân với 0 thì chỉ ra 0 thôi, đúng không? Chưa chắc — nhưng em đang đi đúng hướng. Em đang nghĩ hoàn toàn đúng cách.
You want to somehow use this 0. There's a 0 that we've created here, and we can add zeros to things without creating a problem.
Ta muốn tận dụng số 0 này. Ta vừa tạo ra một số 0 ở đây, và ta có thể cộng số 0 vào mọi thứ mà không gây vấn đề gì.
So if I can somehow create a second solution, if I can give you another solution — x double star that is not equal to x star, but is also a solution, do we have our contradiction?
Nếu ta tạo ra được một nghiệm thứ hai, nếu đưa ra được một nghiệm khác — x hai sao mà không bằng x sao nhưng vẫn là nghiệm, thì ta có mâu thuẫn rồi phải không?
Yeah, question?
Em hỏi đi?
STUDENT
[INAUDIBLE] PROFESSOR: If everything inside this vector were multiplied by a constant, it would still be 0.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Nếu mọi thành phần trong vectơ này được nhân với một hằng số thì vẫn bằng 0.
Yes?
Em nói đi?
STUDENT
[INAUDIBLE].
PROFESSOR
Yes, but we don't need to use that right now. Yes, white t-shirt.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Đúng, nhưng giờ ta chưa cần dùng điều đó. Bạn áo thun trắng.
STUDENT
[INAUDIBLE].
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Đúng.
PROFESSOR
Yeah. That's exactly what we're going to try and do. There was a purple t-shirt or a red t-shirt question also right there. Yeah, you.
Đó chính là điều ta sắp làm. Cũng có một câu hỏi từ bạn áo thun tím hay đỏ ngay đằng kia. Ừ, em đó.
No? Good? Okay. Okay, so how do we create our new solution?
Không à? Ổn chứ? Được rồi. Vậy làm sao tạo ra nghiệm mới?
Let's consider A times x star plus 0 equal to B.
Xét A nhân x sao cộng 0 bằng b.
If A times x star is equal to B, A times x star plus 0 is also equal to B. Nothing has changed. But what is 0 equal to?
Nếu A nhân x sao bằng b thì A nhân x sao cộng 0 cũng bằng b. Không có gì thay đổi. Nhưng 0 bằng gì?
Its A times this vector. So I have A times x star plus A times minus 1, C2, C3 equal to B.
Nó bằng A nhân vectơ này. Vậy ta có A nhân x sao cộng A nhân -1, C2, C3 bằng b.
This means that A times x star plus minus 1, C2, C3 is equal to B. I'm going to call this vector x double star.
Nghĩa là A nhân (x sao cộng -1, C2, C3) bằng b. Thầy gọi vectơ này là x hai sao.
This implies A times x double star is equal to B.
Suy ra A nhân x hai sao bằng b.
So what does this mean?
Vậy điều này có nghĩa gì?
x star is not unique. We just produced a second solution, right?
x sao không duy nhất. Ta vừa tạo ra nghiệm thứ hai, đúng không?
What is the one thing we have to check to make sure that x star — that we can go forward? What if x star and x double star were equal?
Còn một điều ta phải kiểm tra để đảm bảo x sao — để ta có thể đi tiếp? Nếu x sao và x hai sao bằng nhau thì sao?
Our proof wouldn't hold, right? This would not be a contradiction. So how do we know that x star and x double star are not equal?
Chứng minh của ta sẽ không đứng vững, đúng không? Đó sẽ không phải là mâu thuẫn. Vậy làm sao biết x sao và x hai sao không bằng nhau?
This vector that we're adding is not all zeros.
Vectơ mà ta cộng vào không phải toàn số 0.
So now what we have to do — so now we have found x double star also a solution.
Vậy giờ ta phải — giờ ta đã tìm được x hai sao cũng là nghiệm.
x doubles star does not equal x star because x doubles star minus x star is equal to minus 1, C2, C3.
x hai sao không bằng x sao vì x hai sao trừ x sao bằng -1, C2, C3.
And why do we know that minus 1, C2, C3 is not equal to 0? C2 and C3 could be 0, right?
Và vì sao biết -1, C2, C3 không bằng 0? C2 và C3 có thể bằng 0, đúng không?
But we have this minus 1 here, and we know that minus 1 is definitely not 0. This is not equal to 0. So we have to do this check.
Nhưng ta có số -1 ở đây, và ta biết -1 chắc chắn không bằng 0. Vậy nó không bằng 0. Vì vậy chúng ta phải làm bước kiểm tra này.
This implies x star is not the unique solution.
Điều này suy ra x star không phải là nghiệm duy nhất.
This is a contradiction, which means that we are done.
Đây là một mâu thuẫn, nghĩa là chúng ta đã chứng minh xong.
Yeah.
Vâng.
STUDENT
I lost track of where the check came from. Why don't we have the x double star minus x star?
Em không theo kịp bước kiểm tra này đến từ đâu. Tại sao chúng ta không có x double star trừ x star?
PROFESSOR
Great question. So excellent. Thank you for asking. So we're over here.
Câu hỏi rất hay. Rất tuyệt. Cảm ơn em đã hỏi. Chúng ta đang ở đây.
We've added A times x star plus 0 equal to B. Now we have A. We pulled the A out.
Chúng ta đã cộng A nhân x star cộng 0 bằng B. Bây giờ ta có A. Ta đã đưa A ra ngoài.
So we have A times x star plus this vector equal to B, and x double star we're defining to be equal to x star plus minus 1, C2, C3.
Vậy ta có A nhân x star cộng vectơ này bằng B, và x double star ta định nghĩa bằng x star cộng minus 1, C2, C3.
We're defining this here. This definition is hidden here, but now it's also called out over here. Excellent question.
Ta định nghĩa nó ở đây. Định nghĩa này bị ẩn ở đây, nhưng giờ nó cũng được nêu rõ ở đây. Câu hỏi rất hay.
Everyone with me here? And now we want to check to make sure that, well, we created a second solution, but how do I know that the second solution isn't just x star plus 0?
Mọi người theo kịp chứ? Và bây giờ ta muốn kiểm tra để chắc chắn rằng, ta đã tạo ra nghiệm thứ hai, nhưng làm sao biết nghiệm thứ hai không chỉ là x star cộng 0?
That's the trick way of creating a second solution. That's not actually a different solution. Well, we can check that the difference between them is not 0. That's why we know.
Đó là cách tạo nghiệm thứ hai một cách gian lận. Đó thực ra không phải là nghiệm khác. Ta có thể kiểm tra hiệu của chúng không bằng 0. Đó là lý do ta biết.
Do you see how the style and flavor of proof and way of thinking is different from the first proof that we did where we created the example?
Các em thấy phong cách và cách suy nghĩ của chứng minh này khác với chứng minh đầu tiên mà ta tạo ra một ví dụ không?
And this was a different flavor of proof. So it's something to take to keep in mind. Any other questions? This is complex.
Và đây là một kiểu chứng minh khác. Hãy ghi nhớ điều này. Còn câu hỏi nào khác không? Phần này khá phức tạp.
Yes, black shirt.
Vâng, bạn áo đen.
STUDENT
How does this prove that this works for all matrices, not just [INAUDIBLE] PROFESSOR: Great question. How does this prove this works for three all matrices, and not just three by threes?
Làm sao điều này chứng minh nó đúng với mọi ma trận, không chỉ [KHÔNG NGHE RÕ] đúng với mọi ma trận, không chỉ [KHÔNG NGHE RÕ] GIẢNG VIÊN: Câu hỏi hay. Làm sao chứng minh nó đúng với mọi ma trận, chứ không chỉ ma trận 3 nhân 3?
We haven't proven that yet. We were just doing the simple example part. So what would be the next step that you would do?
Chúng ta chưa chứng minh điều đó. Ta mới làm phần ví dụ đơn giản. Vậy bước tiếp theo em sẽ làm gì?
You would do this out basically for the larger setup, but you now know exactly what you would do. So what would be the thing that you would want to do?
Về cơ bản em làm tương tự cho trường hợp lớn hơn, và giờ em biết chính xác mình sẽ làm gì. Vậy em muốn làm điều gì?
If I said Ai was equal to sigma i not equal to j, j equal to 1 to n, Cj, Aj.
Nếu tôi nói Ai bằng sigma i khác j, j từ 1 đến n, Cj, Aj.
What was the key step here? This was the key step, right?
Bước then chốt ở đây là gì? Đây là bước then chốt, đúng không?
So I know I can rewrite this out as A times 0, 0, except there's a 1 in the i-th position.
Tôi có thể viết lại thành A nhân 0, 0, ngoại trừ có số 1 ở vị trí thứ i.
1 in i-th position, and the right-hand side we know is C1, C2, except there's a 0 in i-th position.
1 ở vị trí thứ i, và vế phải ta biết là C1, C2, ngoại trừ có số 0 ở vị trí thứ i.
Instead of 3, now if you had a set up where you n columns, you would basically get this exact same thing, but now instead of having the 0 in the first position, you would have it in the general position.
Thay vì 3, nếu bạn có n cột, về cơ bản bạn sẽ có đúng như vậy, nhưng thay vì có số 0 ở vị trí đầu tiên, bạn sẽ có nó ở vị trí tổng quát.
In fact, even for the 3 by 3 case, we've only done the one case where you assume that A1 is a linear combination of A2 and A3. What about the other two cases?
Thực ra, ngay cả với trường hợp 3 nhân 3, ta mới làm một trường hợp, khi giả sử A1 là tổ hợp tuyến tính của A2 và A3. Còn hai trường hợp kia thì sao?
Here is where I want to introduce this idea of what we say without loss of generality.
Ở đây tôi muốn giới thiệu ý tưởng mà ta gọi là không mất tính tổng quát.
s What this means is that I have this symmetry between A1, A2, A3.
Nghĩa là có tính đối xứng giữa A1, A2, A3.
If I assume A1 is a linear combination of A2, A3, and go through the proof, mechanistically, I can basically do the same thing for all of the other cases.
Nếu giả sử A1 là tổ hợp tuyến tính của A2, A3, và làm theo chứng minh một cách máy móc, tôi có thể làm y hệt cho tất cả các trường hợp còn lại.
So that's why you say without any loss of generality. You're doing a specific case, but if it applies to the general case. That's what without loss of generality means.
Vì thế ta nói là không mất tính tổng quát. Bạn làm một trường hợp cụ thể, nhưng nó áp dụng cho trường hợp tổng quát. Đó là ý nghĩa của không mất tính tổng quát.
And so here, we did this one assumption. In the end by end case, you would say without loss of generality, let Ai be represented as a linear combination of the remainder.
Và ở đây, ta đã đưa ra một giả thiết này. Trong trường hợp n nhân n, bạn sẽ nói không mất tính tổng quát, giả sử Ai biểu diễn được thành tổ hợp tuyến tính của các cột còn lại.
You would have these two steps. You would have this step, and you would basically follow through the similar steps.
Bạn sẽ có hai bước này. Bạn có bước này, rồi về cơ bản làm theo các bước tương tự.
The reason to do it out in 3 by 3 is starting to think about this large thing with keeping track of these indices and i's and j's is super complicated.
Lý do làm trước với 3 nhân 3 là vì nghĩ ngay đến trường hợp lớn mà phải theo dõi các chỉ số i và j thì rất phức tạp.
It's easy to get lost. So we basically do it out as a 3 by 3 example first, and then do the general example. Great question.
Rất dễ bị lạc. Nên ta làm ví dụ 3 nhân 3 trước, rồi mới làm trường hợp tổng quát. Câu hỏi hay.
Does everyone see how we could use the 3 by 3 example to build a proof for the larger case? Yeah? Thumbs up if you kind of do, thumbs down if you don't.
Mọi người có thấy cách dùng ví dụ 3 nhân 3 để xây dựng chứng minh cho trường hợp lớn hơn không? Vâng? Giơ ngón cái lên nếu hiểu, xuống nếu không.
Yeah, blue t-shirt.
Vâng, bạn áo xanh.
STUDENT
[INAUDIBLE] PROFESSOR: We haven't talked about converses yet, and we will eventually, but it is not.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Ta chưa nói về mệnh đề đảo, và cuối cùng sẽ nói, nhưng không phải vậy.
It is important to keep in mind, this question is basically related to implications.
Cần nhớ rằng, câu hỏi này về cơ bản liên quan đến phép kéo theo.
What we're saying is that if the columns of A are linearly dependent, then ax minus b does not have a unique solution.
Điều ta nói là nếu các cột của A phụ thuộc tuyến tính, thì ax trừ b không có nghiệm duy nhất.
This is not saying that if ax minus b does not have a unique solution, then the columns of A are linearly dependent. That's a different direction, and that's not what we have proven.
Điều này không nói rằng nếu ax trừ b không có nghiệm duy nhất, thì các cột của A phụ thuộc tuyến tính. Đó là chiều ngược lại, và đó không phải điều ta đã chứng minh.
Other questions? Yes, gray t-shirt.
Còn câu hỏi nào khác không? Vâng, bạn áo xám.
STUDENT
[INAUDIBLE] PROFESSOR: Hey, I'm going to ask people to keep their voices down just because we have a couple more minutes, and I really want to answer people's questions if they have questions.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Này, tôi xin mọi người nói nhỏ lại vì chúng ta còn vài phút nữa, và tôi thật sự muốn trả lời các câu hỏi nếu mọi người có.
STUDENT
[INAUDIBLE] PROFESSOR: Great question.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Câu hỏi hay.
The question is if the columns are linearly independent, then can you prove that you have a unique solution?
Câu hỏi là nếu các cột độc lập tuyến tính, thì có chứng minh được là có nghiệm duy nhất không?
We will get to this in the next lecture, but this will be true only for square systems. We will not be able to prove this generally because it isn't true.
Chúng ta sẽ nói đến điều này trong bài giảng tới, nhưng điều này chỉ đúng với các hệ vuông. Chúng ta sẽ không chứng minh được điều này trong trường hợp tổng quát vì nó không đúng.
Good question. Yes, red blouse.
Câu hỏi hay. Vâng, bạn áo blouse đỏ.
STUDENT
[INAUDIBLE] PROFESSOR: Without loss of generally will apply in general. I can barely hear you.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Không mất tính tổng quát nghĩa là sẽ áp dụng được trong trường hợp chung. Tôi gần như không nghe được bạn.
So let's talk after class. Hey, folks, please be polite to your other students. Your fellow students are trying to ask questions.
Vậy chúng ta nói chuyện sau giờ học nhé. Các bạn ơi, hãy lịch sự với các bạn khác. Các bạn cùng lớp đang cố đặt câu hỏi.
If you want to leave that's fine, but be respectful of the people who have questions.
Nếu muốn rời lớp thì không sao, nhưng hãy tôn trọng những người có câu hỏi.
Any other questions? Yeah.
Còn câu hỏi nào khác không? Vâng.
STUDENT
So this A times the vector 000100, was the purpose of you writing that to prove that no matter the dimensions, it's still [INAUDIBLE] PROFESSOR: Yes.
Vậy A nhân với vectơ 000100, mục đích thầy viết như thế là để chứng minh rằng bất kể số chiều là bao nhiêu, nó vẫn [KHÔNG NGHE RÕ] GIẢNG VIÊN: Đúng vậy.
The question was why am I writing this generally with the dot, dot, dots, and the zeros? And was the point of that to say that regardless of the dimension, this holds true?
Câu hỏi là tại sao tôi viết tổng quát như vậy với các dấu chấm chấm chấm và các số không? Và có phải để nói rằng bất kể số chiều là bao nhiêu, điều này vẫn đúng không?
And the answer is basically yes. I want to conceptually say that no matter what, I'm going to be able to come up with a vector that is of this form.
Câu trả lời về cơ bản là đúng. Về mặt khái niệm, tôi muốn nói rằng dù thế nào tôi cũng tìm được một vectơ có dạng này.
That is A times C1, C2, all the way up to Ci minus 1, 0 in the i-th position, Ci plus 1 all the way up to Cn, this is equal to 0.
Tức là A nhân với C1, C2, cho đến Ci trừ 1, 0 ở vị trí thứ i, Ci cộng 1 cho đến Cn, thì bằng 0.
So this is a parallel of — sorry, I want to have a minus 1.
Đây là phiên bản tương tự của — xin lỗi, tôi muốn có số trừ 1.
This is a parallel of this vector, where the minus 1, instead of being in the first position, is now in the i-th position.
Đây là phiên bản tương tự của vectơ này, trong đó số trừ 1, thay vì ở vị trí đầu tiên, thì nay ở vị trí thứ i.
And here, it doesn't matter how many columns you have.
Và ở đây, có bao nhiêu cột cũng không quan trọng.
STUDENT
[INAUDIBLE] PROFESSOR: How do you prove that something happens without loss of generality? That is a great question. Usually you prove it by symmetries.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Làm sao chứng minh một điều xảy ra mà không mất tính tổng quát? Đó là một câu hỏi rất hay. Thường thì ta chứng minh bằng tính đối xứng.
The first couple of times you're doing proofs, it might be worth it to convince yourself by doing the case where A2 is dependent on the other guys.
Vài lần đầu làm chứng minh, bạn nên tự thuyết phục mình bằng cách làm trường hợp A2 phụ thuộc vào các cột còn lại.
But quickly, you will start to see that basically, anytime that relabeling is allowed, without loss of generality holds. That's the short answer to that question.
Nhưng rất nhanh bạn sẽ thấy rằng về cơ bản, hễ việc đánh số lại được phép thì không mất tính tổng quát. Đó là câu trả lời ngắn gọn cho câu hỏi này.
Yes?
Vâng?
STUDENT
So before when you said that [INAUDIBLE]
Lúc nãy khi thầy nói rằng [KHÔNG NGHE RÕ]
PROFESSOR
Yes, exactly. Exactly right. OK, well, let's stop here. If you have more questions, please come to office hours.
Vâng, chính xác. Hoàn toàn đúng. Được rồi, chúng ta dừng ở đây. Nếu còn câu hỏi, hãy đến giờ office hours.
And see you on Thursday, thanks.
Hẹn gặp lại các bạn vào thứ Năm, cảm ơn.
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.