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 8.
Được rồi, chúng ta bắt đầu nhé. Chào mừng các em đến với bài giảng 8.
We're going to pick up where we left off last time, but just a couple of quick announcements before we start.
Chúng ta sẽ tiếp tục từ chỗ đã dừng ở buổi trước, nhưng trước hết có vài thông báo nhanh trước khi bắt đầu.
So you might notice that the homework that was released — the homework that is due this current Friday has a lot of practice problems on it. These are not required to be done.
Các em có thể thấy bài tập về nhà vừa được đăng — bài tập về nhà hạn nộp vào thứ Sáu này có rất nhiều bài luyện tập. Các bài này không bắt buộc phải làm.
These are not necessarily — these are not going to be graded at all. But we got a lot of requests from students for practice problems for the exams.
Các bài này không nhất thiết — các bài này hoàn toàn không được chấm điểm. Nhưng nhiều sinh viên đã yêu cầu thêm bài luyện tập cho các kỳ thi.
And these are great ways to start working out extra problems in case you want to start preparing for midterm 1.
Đây là cách rất tốt để bắt đầu làm thêm bài nếu các em muốn chuẩn bị cho kỳ thi giữa kỳ 1.
So if you feel like you have any questions or if you want to discuss these, please come to us in office hours and work these out together as well.
Nếu các em có thắc mắc gì hoặc muốn trao đổi về các bài này, hãy đến giờ office hours để cùng giải nhé.
We'll try and do the same thing and have an extra practice problem or two on the next homework as well. This way you can have a chance to practice things.
Chúng tôi sẽ cố gắng làm tương tự, thêm một hai bài luyện tập trong bài tập về nhà tuần sau. Như vậy các em có cơ hội luyện tập.
So on the homework this week, we have a couple of different problems.
Bài tập về nhà tuần này có một vài bài khác nhau.
For those of you have looked at it, there's one problem that really builds on what we did in lecture last time and talks about traffic flows between different cities.
Những em đã xem qua sẽ thấy có một bài phát triển tiếp nội dung buổi trước, nói về lưu lượng giao thông giữa các thành phố.
So that's a problem that for those of you who are interested potentially in traffic applications and want to really understand how linear algebra in particular null spaces can be useful in understanding traffic flows, that's a good problem to look at.
Với những em quan tâm đến các ứng dụng về giao thông và muốn hiểu đại số tuyến tính, đặc biệt là không gian không (null space), hữu ích thế nào trong việc hiểu lưu lượng giao thông, thì đây là bài nên xem.
The other problem that we included on this week's homework was a step by step how to on doing proofs.
Bài còn lại trong bài tập tuần này là hướng dẫn từng bước cách làm chứng minh.
So there is a proof related to a pumps question that talks about the total amount of water or energy in a system. We talked about this a little bit in the last lecture, right?
Có một chứng minh liên quan đến bài về máy bơm, nói về tổng lượng nước hoặc năng lượng trong một hệ thống. Buổi trước chúng ta đã nói sơ qua về điều này, nhớ chứ?
And what you're being asked to show in that homework problem is, well, under what kind of pumps can you actually have the total amount of water or total amount of energy in the system be conserved and what happens in this case.
Bài tập yêu cầu các em chứng minh rằng với loại máy bơm nào thì tổng lượng nước hoặc tổng năng lượng trong hệ thống được bảo toàn, và điều gì xảy ra trong trường hợp đó.
And the way the question is broken out is to say that, okay, let's say you're given a theorem statement. And you're doing this on an exam. You don't necessarily have anyone to discuss with.
Cách bài toán được chia nhỏ là như sau: giả sử các em được cho một phát biểu định lý. Và các em đang làm bài trong kỳ thi. Các em không có ai để trao đổi.
You can't really go to office hours. The different sub parts are basically things that I would encourage you to try when you are doing the homework. So the question looks long.
Cũng không thể đến office hours. Các ý nhỏ về cơ bản là những điều tôi khuyến khích các em thử khi làm bài tập về nhà. Bài này trông dài.
It's a page of sub parts, but, really, each sub part is just a step-by-step given the style of proofs that we've been doing in the class — a step-by-step on how to do these kinds of proofs.
Có cả một trang các ý nhỏ, nhưng thực ra mỗi ý chỉ là một bước, theo kiểu chứng minh mà chúng ta vẫn làm trong lớp — mỗi ý là một bước hướng dẫn cách làm các chứng minh dạng này.
Are there any questions about any of this?
Các em có câu hỏi nào về những điều này không?
Okay, great. In addition to that, tonight I'm going to be hosting a special session on how to tackle proofs and application-based problems.
Được rồi, tốt. Ngoài ra, tối nay tôi sẽ tổ chức một buổi đặc biệt về cách giải các bài chứng minh và bài toán ứng dụng.
So I've been hearing from people that the homework in 16A is quite different from some of the other homework that you've dealt with before.
Tôi nghe nhiều bạn nói bài tập về nhà của 16A khá khác so với bài tập các em từng làm trước đây.
And one of the goals of 16A is to really try and contextualize the kind of linear algebra that we are doing and understand where and how these things are applied.
Một mục tiêu của 16A là đặt đại số tuyến tính mà chúng ta học vào bối cảnh thực tế và hiểu chúng được áp dụng ở đâu, như thế nào.
And as a result, we have problems on the homework that are inter leaving some of the linear algebraic concepts with more real world problems.
Vì vậy bài tập về nhà có những bài đan xen một số khái niệm đại số tuyến tính với các bài toán thực tế hơn.
And sometimes these kinds of problems require an extra cognitive jump on your part, right?
Đôi khi những bài như vậy đòi hỏi các em thêm một bước tư duy nữa, đúng không?
Because you have to read through the problem, figure out what is important, what isn't important, figure out how to formulate.
Vì các em phải đọc kỹ đề, xác định điều gì quan trọng, điều gì không, rồi tìm cách thiết lập bài toán.
And this question of how to model a problem, how to go from the English to the mathematics, is one of the learning goals of this class.
Và câu hỏi làm sao mô hình hóa một bài toán, làm sao chuyển từ lời văn sang toán học, là một mục tiêu học tập của môn này.
So this is something that when you're working in the industry or, you know, when you're doing research, problems will not come as a clear, like, solve this equation.
Khi các em đi làm trong ngành hay làm nghiên cứu, bài toán sẽ không đến dưới dạng rõ ràng kiểu hãy giải phương trình này.
Often, you will have to say, well, here is some kind of real world problem. Let me figure out a model to understand this.
Thường thì các em sẽ phải nói rằng: đây là một bài toán thực tế. Hãy tìm một mô hình để hiểu nó.
And this is what I end up doing a lot of times in my own research. And so these problems are modeling that.
Và đó là điều tôi làm rất nhiều trong nghiên cứu của mình. Các bài này chính là mô phỏng điều đó.
And going from the words to a mathematical equation sometimes takes some work.
Việc chuyển từ lời văn sang phương trình toán học đôi khi cần chút công sức.
And so I'm going to be talking about specifically how to do this, as well as specifically how to work out proof-style problems, today at 6:00 PM.
Vì vậy tôi sẽ nói cụ thể về cách làm điều này, cũng như cách giải các bài kiểu chứng minh, vào lúc 6 giờ chiều hôm nay.
So for those of you who are interested, please look at the Piazza post. And hope to see you there if you're — it's completely optional. Not required.
Em nào quan tâm thì xem bài đăng trên Piazza nhé. Hy vọng gặp các em ở đó, nhưng buổi này hoàn toàn tùy chọn. Không bắt buộc.
Nothing that I will be covering will not be available to everyone else. So it's not at all in any way required. If you can't make it, you won't be missing out on anything.
Những gì tôi sẽ nói đều sẽ được chia sẻ cho mọi người. Nên buổi này hoàn toàn không bắt buộc. Nếu không đến được, các em cũng không bỏ lỡ gì.
Okay, any questions about any of this? Yes?
Được rồi, có câu hỏi nào không? Em nào?
STUDENT
Will it be [INAUDIBLE] PROFESSOR: It will not be webcasted, no.
Buổi đó có [KHÔNG NGHE RÕ] GIẢNG VIÊN: Không, sẽ không được webcast.
It's after hours. Other questions? Yeah, we'll try to take notes and post them, but we'll see.
Vì ngoài giờ học. Còn câu hỏi nào khác không? Vâng, chúng tôi sẽ cố ghi chú và đăng lên, nhưng để xem sao.
Actually, if someone comes to the lecture tonight and writes up nice notes that can be shared with everyone on Piazza, I'll be happy to offer this person extra credit.
Thật ra, nếu có em nào đến buổi tối nay và viết lại ghi chú tốt để chia sẻ cho mọi người trên Piazza, tôi sẽ sẵn lòng cho em đó điểm cộng.
STUDENT
[INAUDIBLE] PROFESSOR: 521 Cory — 521 Cory — Maybe the whole class will be there now.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Phòng 521 Cory — 521 Cory — Có thể cả lớp sẽ có mặt ở đó luôn.
Okay, other questions? No? Okay, let's get started. We have a lot of material to cover today.
Được rồi, còn câu hỏi nào khác không? Không à? Được, chúng ta bắt đầu thôi. Hôm nay chúng ta có rất nhiều nội dung.
So last time, we left off with talking about vector spaces and basis, right?
Lần trước, chúng ta dừng ở phần nói về không gian vectơ và cơ sở, đúng không?
And we introduced the idea of a null space.
Và chúng ta đã giới thiệu khái niệm không gian không (null space).
And we've also previously talked about this idea of column space.
Trước đó chúng ta cũng đã nói về khái niệm không gian cột.
The column space of a matrix A is just the span of the columns of A. So you will see, you know, span and column space being used interchangeably.
Không gian cột của ma trận A chính là không gian sinh (span) của các cột của A. Nên các em sẽ thấy span và không gian cột được dùng thay thế cho nhau.
And just so that we can get all of the jargon out of the way quickly, sometimes this is also called the range of a matrix. Doesn't matter which word you use.
Và để nói nhanh hết các thuật ngữ cho xong, đôi khi nó còn được gọi là miền giá trị (range) của ma trận. Dùng từ nào cũng được.
We don't care. They all mean the same thing. But you should just know this so that, you know — in case it ever shows up, you will be able to understand.
Chúng ta không quan tâm. Tất cả đều có cùng một nghĩa. Nhưng các em nên biết để nếu có gặp thì vẫn hiểu được.
Okay, so the one thing that we didn't talk about or one thing that we did not define is the idea of a subspace.
Vậy điều chúng ta chưa nói tới, hay chưa định nghĩa, là khái niệm không gian con.
So that's what we're going to define today.
Đó là điều chúng ta sẽ định nghĩa hôm nay.
We'll also introduced this word rank of a matrix.
Chúng ta cũng sẽ giới thiệu khái niệm hạng của ma trận.
We will talk about determinants.
Chúng ta sẽ nói về định thức.
And we will talk about eigenvalues and eigenspaces if we get time.
Và sẽ nói về giá trị riêng và không gian riêng nếu còn thời gian.
So what is a subspace?
Vậy không gian con là gì?
A subspace is basically — you can think of it as a vector space that is inside of another vector space. So if I have a vector space, let's say, V,F is a vector space.
Không gian con về cơ bản là một không gian vectơ nằm bên trong một không gian vectơ khác. Giả sử tôi có một không gian vectơ, V, F là một không gian vectơ.
W,F is a subspace if W is a subset of V and W,F is also
W, F là không gian con nếu W là tập con của V và W, F cũng
a vector space.
là một không gian vectơ.
So, for example, let's say I give you a span of 1, 0, 0 and 0, 1, 0.
Ví dụ, giả sử tôi cho các em không gian sinh của 1, 0, 0 và 0, 1, 0.
First, Is this a vector space? How would you decide if this is a vector space?
Trước hết, đây có phải là không gian vectơ không? Các em sẽ quyết định thế nào?
We have a list of requirements, right? For something to be a vector space.
Chúng ta có một danh sách các yêu cầu, đúng không? Để một thứ là không gian vectơ.
Can people read?
Các em đọc được chứ?
Sometimes you might see people talk about vector spaces, and they'll only say that what you have to verify is closure under vector addition and closure under scalar multiplication.
Đôi khi các em sẽ thấy người ta nói về không gian vectơ và chỉ nói rằng cần kiểm tra tính đóng với phép cộng vectơ và tính đóng với phép nhân vô hướng.
We talked about the fact that there's multiple things you have to verify, right? In this class, we will be introducing you to simpler vector spaces that are not necessarily the most complex format.
Chúng ta đã nói rằng có nhiều điều cần kiểm tra, đúng không? Trong lớp này, chúng tôi sẽ giới thiệu các không gian vectơ đơn giản hơn, không nhất thiết ở dạng phức tạp nhất.
But, in general, you have to make sure that you can verify every single one of these properties.
Nhưng nói chung, các em phải đảm bảo kiểm tra được từng tính chất một.
Otherwise, there are weird counterexamples that you can come up with that will satisfy some of these properties and not others.
Nếu không, sẽ có những phản ví dụ kỳ lạ thỏa mãn một số tính chất nhưng không thỏa mãn các tính chất khác.
So it's important to make sure when you're deciding whether or not something is a vector space, that you actually look at every single one of these.
Vì vậy khi quyết định một thứ có phải là không gian vectơ hay không, điều quan trọng là phải xem xét từng tính chất một.
One of the things that you can do quickly, though, to check if something is a subspace is check whether or not it includes the zero vector.
Tuy nhiên, một cách nhanh để kiểm tra một thứ có phải là không gian con hay không là xem nó có chứa vectơ không hay không.
The zero vector is something that always has to be included in a vector space and if something in the subspace, it also has to include that. So let's quickly check this.
Vectơ không là thứ luôn phải có trong một không gian vectơ, và nếu là không gian con thì nó cũng phải chứa vectơ không. Vậy kiểm tra nhanh nhé.
Does this include the zero vector? Right? And if we were to draw a picture of it, let's say, what does this look like? These vectors are three-dimensional.
Nó có chứa vectơ không không? Đúng không? Và nếu vẽ hình ra, nó trông như thế nào? Các vectơ này có ba chiều.
They have three entries. Let me call this the x-axis, the y-axis, and the z-axis.
Chúng có ba phần tử. Tôi gọi đây là trục x, trục y và trục z.
Oops. Okay.
Ôi. Được rồi.
So what space can you show me by hand motions — like, what space is this — are these two vectors spanning? It's this plane, right? It's this plane that is being spanned.
Vậy các em hãy dùng tay diễn tả xem, không gian nào mà hai vectơ này sinh ra? mà hai vectơ này sinh ra? Là mặt phẳng này, đúng không? Chính mặt phẳng này là không gian được sinh ra.
So if you have a 3D space, the xy plane is what is being spanned by these two vectors. And you can go through and check.
Trong không gian 3D, mặt phẳng xy là thứ được sinh ra bởi hai vectơ này. Các em có thể kiểm tra từng tính chất.
And you'll see that this is actually fully a vector space. And you can see that this is actually, in fact, a subspace of R3.
Và sẽ thấy đây đúng là một không gian vectơ. Và các em có thể thấy rằng đây thực sự là một không gian con của R3.
Okay. What if I now ask you, is R2 a subspace of R3?
Được rồi. Giờ nếu tôi hỏi, R2 có phải là không gian con của R3 không?
What is R2?
R2 là gì?
Its vector is of length 2, with two elements. Two real numbers gives you R2. What is R3?
Vectơ của nó có độ dài 2, với hai phần tử. Hai số thực cho ta R2. R3 là gì?
STUDENT
Three elements.
Ba phần tử.
PROFESSOR
Three elements — what does R2 look like? It looks like a plane, right? So it looks very much like this span.
Ba phần tử. R2 trông như thế nào? Nó trông như một mặt phẳng, đúng không? Nên nó trông rất giống không gian sinh này.
But is R2 technically a subspace of R3?
Nhưng về mặt kỹ thuật, R2 có phải là không gian con của R3 không?
It isn't, right, because are these vectors — two length vectors — are they subsets of all of the three length vectors? They're not really comparable at all, right?
Không, đúng không, vì các vectơ này, các vectơ độ dài 2, có phải là tập con của tất cả các vectơ độ dài 3 không? Chúng hoàn toàn không so sánh được, đúng không?
So R2 kind of is isomorphic to a subspace of R3. R2 is like this span in some ways, but it's not actually a subspace of R3.
Vậy R2 đẳng cấu (isomorphic) với một không gian con của R3. R2 theo một nghĩa nào đó giống không gian sinh này, nhưng thực ra nó không phải là không gian con của R3.
Does anyone have any questions about this? This is a little bit of a subtle point. That's why I wanted to bring it up.
Có ai có câu hỏi về điều này không? Đây là một điểm hơi tinh tế. Vì vậy tôi muốn nêu ra.
Everyone with me? Yeah?
Mọi người theo kịp chứ? Có câu hỏi à?
STUDENT
[INAUDIBLE] PROFESSOR: Great question. Isomorphic is a — isomorphic means that it has the same form. Iso means similar. Form — so it's like the morphism is the same.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Câu hỏi hay. Isomorphic nghĩa là có cùng dạng. Iso nghĩa là giống nhau. Còn morphism là dạng, cấu trúc.
So basically, if you were to, like, visualize R2, it looks like a plane. A plane that passes through the origin can, indeed, be a subspace in R3.
Về cơ bản, nếu các em hình dung R2, nó trông như một mặt phẳng. Một mặt phẳng đi qua gốc tọa độ thì đúng là có thể là một không gian con trong R3.
But then, you would have to write out the equation of that plane, using three element vectors, not two element vectors. Yes, good question. Thank you. Yes.
Nhưng khi đó, bạn sẽ phải viết ra phương trình của mặt phẳng đó bằng các vectơ ba phần tử, chứ không phải vectơ hai phần tử. Vâng, câu hỏi hay. Cảm ơn bạn. Vâng.
STUDENT
Can you [INAUDIBLE] a subspace that has the same [INAUDIBLE] as the [INAUDIBLE] PROFESSOR: Can you generalize to say that the subspace, the vectors in the subspace have to have the same number of entries — have to basically have the same dimension as the vectors in the actual vector space?
Thầy có thể [KHÔNG NGHE RÕ] một không gian con có cùng [KHÔNG NGHE RÕ] với [KHÔNG NGHE RÕ] GIẢNG VIÊN: Em hỏi là có thể khái quát rằng không gian con, các vectơ trong không gian con phải có cùng số phần tử, tức là phải có cùng số chiều với các vectơ trong không gian vectơ thực sự không?
And the answer is yes, because all of the vectors in your set, W, have to also be members in the set, V, right?
Và câu trả lời là có, vì tất cả các vectơ trong tập W của bạn cũng phải là phần tử của tập V, đúng không?
So if your W has just vectors of length 2 and V has just vectors of length 3, they cannot be contained in each other. Yeah. Yeah.
Nên nếu W chỉ có các vectơ độ dài 2 còn V chỉ có các vectơ độ dài 3, thì chúng không thể chứa nhau. Vâng. Vâng.
STUDENT
Is a vector space a subspace of itself?
Một không gian vectơ có là không gian con của chính nó không ạ?
PROFESSOR
Is a vector space a subspace of itself? Yes, it is. There is no need for things being strict subsets. But this is a corner case.
Một không gian vectơ có là không gian con của chính nó không? Có. Không cần phải là tập con thực sự. Nhưng đây là trường hợp đặc biệt.
We don't need to worry about it too much. Other questions? Yes.
Chúng ta không cần lo về nó quá nhiều. Còn câu hỏi nào khác không? Vâng.
STUDENT
Can you write the formal definition of a vector space?
Thầy/cô viết định nghĩa chính thức của không gian vectơ được không ạ?
PROFESSOR
This is the formal definition of a vector space.
Đây chính là định nghĩa chính thức của không gian vectơ.
STUDENT
Oh, okay.
À, vâng.
PROFESSOR
Yeah.
Ừ.
Yeah, this is all on the website under Node 7. So okay. Great. What about another example?
Tất cả đều có trên trang web, trong Node 7. Được rồi. Tốt. Còn một ví dụ khác thì sao?
What about the span of some vector, 3, 4? Is this a subspace of, let's say, R2?
Không gian sinh (span) của một vectơ, ví dụ 3, 4 thì sao? Nó có phải là không gian con của, chẳng hạn, R2 không?
What does the span of a vector in R2 look like? So I have some plane. This is my R2.
Span của một vectơ trong R2 trông như thế nào? Tôi có một mặt phẳng. Đây là R2 của tôi.
3, 4 is 1, 2, 3, 1, 2, 3, 4 into this vector.
3, 4 là đi 1, 2, 3, rồi 1, 2, 3, 4 đến vectơ này.
All right. What is the span of this?
Được rồi. Span của nó là gì?
STUDENT
The entire line.
Cả đường thẳng.
PROFESSOR
It's this entire line, right? What's the first thing you want to check? Does it contain the 0 vector?
Là cả đường thẳng này, đúng không? Điều đầu tiên em muốn kiểm tra là gì? Nó có chứa vectơ 0 không?
STUDENT
Yes.
Có.
PROFESSOR
Yes, right? So we know that this additive inverse is actually going to exist. If you add two vectors along this line, does it say on the line? Yup.
Có, đúng không? Vậy ta biết phần tử nghịch đảo cộng sẽ tồn tại. Nếu cộng hai vectơ nằm trên đường thẳng này, kết quả có còn nằm trên đường thẳng không? Có.
Does minus V belong to it? If I have any vector V, do I have minus V, right? So is this a subspace?
Trừ V có thuộc nó không? Nếu có vectơ V bất kỳ thì ta có trừ V, đúng không? Vậy đây có phải là không gian con không?
STUDENT
Subspace.
Không gian con.
PROFESSOR
Yup. What about is this a subspace of R2?
Đúng. Còn cái này có phải là không gian con của R2 không?
Yes or no? Maybe? Maybe not? Seems like a trick question.
Có hay không? Có thể? Có thể không? Có vẻ là câu hỏi mẹo.
STUDENT
Yes. [LAUGHS] PROFESSOR: Yes, three questions.
Có. [CƯỜI] GIẢNG VIÊN: Ừ, ba câu hỏi.
STUDENT
Yeah. [LAUGHS] PROFESSOR: Yes, it is a subspace. Why is it a subspace? Because for — let's check, right?
Vâng. [CƯỜI] GIẢNG VIÊN: Đúng, nó là một không gian con. Tại sao nó là không gian con? Vì... ta hãy kiểm tra nhé?
There's only one vector. So no matter how many times you add that vector, the associative property holds. The commutative property holds. The zero element is part of this set.
Chỉ có một vectơ. Nên dù cộng vectơ đó bao nhiêu lần, tính chất kết hợp vẫn đúng. Tính chất giao hoán vẫn đúng. Phần tử không thuộc tập này.
You know, the inverse of 0 is itself. You know, additive vector addition holds. No matter what scalar you multiply it by, you still get the 0 vector.
Nghịch đảo của 0 là chính nó. Phép cộng vectơ vẫn đúng. Dù nhân với số vô hướng nào, em vẫn được vectơ 0.
So every single one of these properties actually holds. So this is the one case, where you can have a single element and have it be a vector space.
Vậy mọi tính chất này đều đúng. Đây là trường hợp duy nhất mà chỉ với một phần tử ta vẫn có một không gian vectơ.
Yup.
Vâng.
STUDENT
[INAUDIBLE] difference between 0, 0 and 0, 0, 0?
[KHÔNG NGHE RÕ] khác nhau giữa 0, 0 và 0, 0, 0 là gì ạ?
PROFESSOR
Great question — so when I'm asking about the 0 vector in R2, I'm implicitly meaning zero vector equal to 0, 0.
Câu hỏi hay. Khi tôi hỏi về vectơ 0 trong R2, ngầm hiểu là vectơ 0 bằng 0, 0.
If I was to ask you, is the 0 vector a subspace of R3, I would have meant 0, 0, 0. Good question. Yes.
Nếu tôi hỏi vectơ 0 có là không gian con của R3 không, thì ý tôi là 0, 0, 0. Câu hỏi hay. Vâng.
STUDENT
Is there a reason for, like, you didn't include the word "span" in this?
Tại sao thầy/cô không dùng từ "span" ở đây ạ?
PROFESSOR
Yes, there is a reason I didn't include the word "span" for this, because here, span means that I can take any scalar multiple. But what is any scalar multiple of 0?
Có lý do là tôi không dùng từ "span" ở đây, vì ở đây span nghĩa là lấy bội vô hướng bất kỳ. Nhưng bội vô hướng bất kỳ của 0 là gì? Vẫn là 0, đúng không?
It's still 0, right? So here, typically when I say span, I do mean any number of linear combinations. Yes. Question?
Vẫn là 0, đúng không? Thường khi tôi nói span, ý tôi là mọi tổ hợp tuyến tính. Vâng. Em có câu hỏi?
STUDENT
So when you ask [INAUDIBLE] Can't any subset have zero vectors?
Vậy khi thầy/cô hỏi [KHÔNG NGHE RÕ] Tập con nào chẳng có thể chứa vectơ 0 sao?
PROFESSOR
Can't any subset have a zero vector? Great question — so what if I ask the following question? I'll write here.
Tập con nào chẳng có thể chứa vectơ 0 sao? Câu hỏi hay. Vậy nếu tôi hỏi thế này thì sao? Tôi sẽ viết ở đây.
Is the set 1, 1 — notice I'm not writing span here — of subspace of R2 — so how many elements are in this set of vectors?
Tập 1, 1 (chú ý tôi không viết span ở đây) có phải là không gian con của R2 không? Tập các vectơ này có bao nhiêu phần tử?
Exactly one, right? I'm not writing span of 1, 1. I'm just writing 1, 1. And it doesn't include the 0 vector.
Đúng một, phải không? Tôi không viết span của 1, 1. Tôi chỉ viết 1, 1. Và nó không chứa vectơ 0.
But if I was to write span of 1, 1, then I could say 0 times 1, 1 gives me the 0 vector. That's a great question.
Nhưng nếu tôi viết span của 1, 1, thì tôi có thể nói 0 nhân 1, 1 cho ra vectơ 0. Câu hỏi rất hay.
So that's why we explicitly had to check for whether the 0 vector is included or not. So this is not a subspace.
Đó là lý do chúng ta phải kiểm tra rõ ràng xem vectơ 0 có nằm trong tập hay không. Vậy đây không phải là một không gian con.
We're not going to be quizzing you in, like, technical details about, like, complicated questions on whether something is or is not a subspace.
Chúng tôi sẽ không kiểm tra các em về những chi tiết kỹ thuật, những câu hỏi phức tạp về việc một tập có phải là không gian con hay không.
The goal of these types of questions is not going to be to ask you some kind of trick — trip-you-up questions.
Mục tiêu của những câu hỏi này không phải là đánh đố — những câu hỏi làm các em vấp.
But there is just terminology that you need to know to be able to move forward in this. Like, these people will just end up using this kind of terminology.
Nhưng đây là thuật ngữ mà các em cần biết để có thể học tiếp. Vì những người khác sẽ cứ dùng loại thuật ngữ này.
Yes.
Mời em.
STUDENT
Is that 1, 1 you just write — is that even a vector space?
Vectơ 1, 1 mà thầy viết — nó có phải là một không gian vectơ không ạ?
PROFESSOR
It is not a vector space.
Nó không phải là không gian vectơ.
STUDENT
So then, by that logic, can you say that this zero vector is the subspace of any vector space?
Vậy theo logic đó, có thể nói vectơ không là không gian con của mọi không gian vectơ không ạ?
PROFESSOR
The zero vector with the appropriate number of elements is a subspace of any vector space. Yes. Yes.
Vectơ không với số phần tử phù hợp là không gian con của mọi không gian vectơ. Đúng vậy. Đúng vậy.
STUDENT
[INAUDIBLE] subspace always composed of vectors? Or could it be [INAUDIBLE] something else, like polynomials?
[KHÔNG NGHE RÕ] không gian con luôn gồm các vectơ ạ? Hay có thể là [KHÔNG NGHE RÕ] thứ khác, như đa thức ạ?
PROFESSOR
Subspaces can be — vector spaces can be composed of many different things. They can be composed of things like polynomials. Maybe we'll make a problem about that.
Không gian con có thể — không gian vectơ có thể gồm rất nhiều loại đối tượng khác nhau. Chúng có thể gồm những thứ như đa thức. Có thể chúng tôi sẽ ra một bài về chuyện đó.
But in general, almost all of these — these, like, quantities can be mapped to vectors.
Nhưng nói chung, hầu như tất cả các đại lượng này đều có thể ánh xạ thành vectơ.
So if you want to think about polynomials, you can stack the polynomials, the coefficients of the polynomials into a vector. And so you can treat them like a vector.
Nếu muốn xét đa thức, các em có thể xếp các hệ số của đa thức thành một vectơ. Và như vậy có thể coi chúng như một vectơ.
So vector spaces basically — you can use them to refer to many different objects just because vectors can be used to represent many different things, right? We've used vectors to represent flows.
Vậy không gian vectơ về cơ bản — có thể dùng để chỉ nhiều đối tượng khác nhau vì vectơ có thể dùng để biểu diễn rất nhiều thứ, đúng không? Ta đã dùng vectơ để biểu diễn các dòng lưu lượng.
We've used vectors to represent state. Just like that, you can use vectors represent polynomials or whatever else you might want. Okay. Last question.
Ta đã dùng vectơ để biểu diễn trạng thái. Tương tự, có thể dùng vectơ biểu diễn đa thức hay bất cứ thứ gì khác các em muốn. Được rồi. Câu hỏi cuối cùng.
STUDENT
So you basically just have a zero vector.
SINH VIÊN
What scalars are included in that [INAUDIBLE] PROFESSOR: In the case where you just have a zero vector, what scalars are included? Great question.
Vậy nếu chỉ có vectơ không thì các vô hướng nào được tính trong đó ạ? [KHÔNG NGHE RÕ] GIẢNG VIÊN: Trường hợp chỉ có vectơ không, thì các vô hướng nào được tính? Câu hỏi rất hay.
In any of these cases, if I don't include explicitly what the scalar is, I mean all of R, all of the real numbers.
Trong mọi trường hợp này, nếu tôi không nói rõ vô hướng là gì, thì ý tôi là toàn bộ R, tất cả số thực.
And in this class, we will not be ever talking about a vector space, where the associated field is not the real numbers.
Và trong lớp này, chúng ta sẽ không bao giờ nói về không gian vectơ mà trường đi kèm không phải là số thực.
When you go to see a 70, you will see a slight generalization, where you will start to do mod math.
Khi học CS 70, các em sẽ thấy một sự tổng quát hóa nhẹ, khi các em bắt đầu làm toán modulo.
And then, you might see this replaced by something that is not the real numbers. But in this class, it will always be the real numbers. Okay.
Lúc đó, các em có thể thấy nó được thay bằng một thứ không phải số thực. Nhưng trong lớp này, luôn luôn là số thực. Được rồi.
Great — all very good questions.
Tuyệt, đều là những câu hỏi rất hay.
Okay. So then, just as a reminder, we talked about some important specific vector spaces, right?
Được rồi. Nhắc lại, ta đã nói về một số không gian vectơ cụ thể quan trọng, đúng không?
In particular, we talked about the null space of a matrix A, which is the set of solutions to the equation Ax equal to 0, right?
Cụ thể là không gian không (null space) của ma trận A, là tập nghiệm của phương trình Ax bằng 0, đúng không?
Notice here I'm writing a zero vector without actually saying what dimension it is. In this case, I'm implicitly inferring the dimension of the 0 vector based on the dimensions of A and x, right?
Chú ý ở đây tôi viết vectơ không mà không nói rõ số chiều của nó. Ở đây, tôi ngầm suy ra số chiều của vectơ 0 từ số chiều của A và x, đúng không?
So if you see that ever a zero vector that's written without the dimensions explicitly written out, it just means here you will actually match to whatever the dimensions of this multiplication would give you.
Vậy nếu các em thấy một vectơ không được viết mà không ghi rõ số chiều, thì nghĩa là nó sẽ khớp với số chiều mà phép nhân này cho ra.
Okay.
Được rồi.
And then, there's the column space of A, which is basically the span of the columns of A.
Và còn có không gian cột của A, về cơ bản là không gian sinh (span) của các cột của A.
So we saw last time we did some calculations on the dimension of the null space, right? In the traffic flow example, we computed the null space of the matrix that represented the graph.
Lần trước ta đã tính một số thứ về số chiều của không gian không, đúng không? Trong ví dụ lưu lượng giao thông, ta tính không gian không của ma trận biểu diễn đồ thị.
And then, we said, well, the number of measurements that we need to take is basically the number of free variables, right? And we said that that was the dimension of the null space.
Rồi ta nói, số phép đo cần thực hiện về cơ bản chính là số biến tự do, đúng không? Và ta nói đó là số chiều của không gian không.
What about the dimension of the column space? What is the dimension of the column space?
Còn số chiều của không gian cột thì sao? Số chiều của không gian cột là gì?
So let's think of an example, right?
Hãy xét một ví dụ nhé.
Whenever you're asked a general question like this, be it a proof or something that, you know, you don't really know how to handle, how do you tackle it?
Mỗi khi gặp một câu hỏi tổng quát như thế này, dù là chứng minh hay thứ gì đó mà các em chưa biết xử lý, thì làm thế nào?
You do a simple example, right? So let's just do some examples.
Làm một ví dụ đơn giản, đúng không? Vậy ta làm vài ví dụ.
So for example, if I put A equal to 1, 2, 3, 4 — some matrix — what is the dimension of the column space of A?
Chẳng hạn, nếu A bằng 1, 2, 3, 4 — một ma trận nào đó — thì số chiều của không gian cột của A là bao nhiêu?
STUDENT
2?
2 ạ?
PROFESSOR
2 is what I'm hearing. Why is that? What is the first column of A? We have A1 is equal to 1, 3.
Tôi nghe là 2. Tại sao vậy? Cột đầu tiên của A là gì? Ta có A1 bằng 1, 3.
We have A2 is equal to 2, 4, right? And now, we want to say, well, let's look at the span of 1, 3 and 2, 4.
Ta có A2 bằng 2, 4, đúng không? Giờ ta muốn xét không gian sinh của 1, 3 và 2, 4.
So are these columns — are these vectors linearly dependent?
Vậy các cột này — các vectơ này có phụ thuộc tuyến tính không?
STUDENT
Heck no.
Chắc chắn không.
PROFESSOR
No, they are linearly independent, right? So they span all of R2, which means that — what is the dimension of the span of these two vectors?
Không, chúng độc lập tuyến tính. Nên chúng sinh ra toàn bộ R2, nghĩa là — số chiều của không gian sinh của hai vectơ này là bao nhiêu?
2, right, because the dimension of R2 is 2. How did we define dimension? We defined dimension as the number of elements in the set of basis vectors, right?
2, đúng không, vì số chiều của R2 là 2. Ta đã định nghĩa số chiều như thế nào? Ta định nghĩa số chiều là số phần tử trong tập các vectơ cơ sở, đúng không?
So let's remind ourselves what the basis is, or the number of elements in the basis is equal to the dimension.
Nhắc lại một chút cơ sở là gì nhé, hay đúng hơn, số phần tử của cơ sở bằng số chiều.
And what is the basis? The basis is a set of vectors that, 1, spans your vector space. And 2, all these vectors are linearly independent, right?
Vậy cơ sở là gì? Cơ sở là một tập vectơ thỏa mãn: 1, sinh ra không gian vectơ của bạn. Và 2, tất cả các vectơ này độc lập tuyến tính, đúng không?
So you need to make sure that no two vectors in your basis set can be expressed as linear combinations of each other.
Nên bạn phải đảm bảo không có hai vectơ nào trong tập cơ sở có thể biểu diễn thành tổ hợp tuyến tính của nhau.
And I think in discussion last — the previous discussion or yesterday, you did some examples of figuring out what was a basis and what wasn't a basis, right?
Tôi nghĩ trong buổi thảo luận lần trước — buổi thảo luận trước hoặc hôm qua, các bạn đã làm vài ví dụ xác định đâu là cơ sở và đâu không phải là cơ sở, đúng không?
Everyone remember those?
Mọi người còn nhớ chứ?
So here, what would be a basis for R2?
Vậy ở đây, cơ sở của R2 là gì?
1, 3, 2, 4 is a perfectly valid basis. You know, another basis might be 1, 0 0, 1 — also a perfectly valid basis.
1, 3, 2, 4 là một cơ sở hoàn toàn hợp lệ. Một cơ sở khác có thể là 1, 0 và 0, 1 — cũng hoàn toàn hợp lệ.
1, 0, 0, 2 would also be a perfectly valid basis. Basically, any two linearly independent vectors will form a basis.
1, 0, 0, 2 cũng là một cơ sở hoàn toàn hợp lệ. Về cơ bản, hai vectơ độc lập tuyến tính bất kỳ đều tạo thành một cơ sở.
So in this case, we see that the dimension of the column space of A is exactly 2. What if instead my A was equal to 1, 2, and then 2, 4?
Vậy trong trường hợp này, số chiều của không gian cột của A đúng bằng 2. Nếu A bằng 1, 2, rồi 2, 4 thì sao?
What is the dimension of the column space of A?
Số chiều của không gian cột của A là bao nhiêu?
STUDENT
1.
1.
PROFESSOR
1, right? Does this span all of R2?
1, đúng không? Nó có sinh ra toàn bộ R2 không?
STUDENT
No.
Không.
PROFESSOR
Nope, because basically, these are the same vector, right? The two columns are linearly dependent.
Không, vì về cơ bản đây là cùng một vectơ, đúng không? Hai cột phụ thuộc tuyến tính.
And so the column space has dimension 2 — oh, sorry.
Nên không gian cột có số chiều 2 — ồ, xin lỗi.
STUDENT
1. [LAUGHS] PROFESSOR: Dimension 1 — what about if I had A equal to 1, 2, 2, 4 and 3, 4?
1. [CƯỜI] GIẢNG VIÊN: Số chiều 1 — còn nếu tôi có A bằng 1, 2, 2, 4 và 3, 4 thì sao?
What is the dimension of the column space of this A?
Số chiều của không gian cột của A này là bao nhiêu?
STUDENT
[INAUDIBLE] PROFESSOR: 2, right? So here, the column space has dimension 2.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: 2, đúng không? Vậy ở đây, không gian cột có số chiều 2.
So this observation — what if I kept adding columns to A here — if I kept adding two-dimensional vectors?
Từ nhận xét này — nếu tôi cứ thêm cột vào A ở đây — cứ thêm các vectơ hai chiều thì sao?
What would be the dimension of A — the dimension of the column space of A?
Số chiều của A sẽ là bao nhiêu — số chiều của không gian cột của A?
STUDENT
It would still be 2.
Vẫn là 2.
PROFESSOR
It would still be 2, right, no matter how many I added.
Vẫn là 2, đúng rồi, dù tôi thêm bao nhiêu cột.
And this leads us to the definition of rank — rank of a matrix.
Và điều này dẫn đến định nghĩa của hạng — hạng của một ma trận.
This is equal to the number of linearly independent columns.
Nó bằng số cột độc lập tuyến tính.
So if we look at this example, this matrix, A, has two linearly independent columns. And so its rank is 2.
Nếu nhìn ví dụ này, ma trận A có hai cột độc lập tuyến tính. Nên hạng của nó là 2.
This matrix — how many linearly independent columns are there?
Ma trận này — có bao nhiêu cột độc lập tuyến tính?
STUDENT
Only 1.
Chỉ 1.
PROFESSOR
Only 1, right? If I pick one element — if I pick one of these, then the other column becomes linearly dependent.
Chỉ 1, đúng không? Nếu tôi chọn một phần tử — nếu tôi chọn một trong hai cột này thì cột còn lại sẽ phụ thuộc tuyến tính.
So the maximum number of linearly independent columns I can pick is basically just 1. So this is 1. What about here? I can pick the first column and the last column, right?
Nên số cột độc lập tuyến tính tối đa tôi có thể chọn chỉ là 1. Vậy hạng là 1. Còn ở đây thì sao? Tôi có thể chọn cột đầu và cột cuối, đúng không?
So here, I have two linearly independent columns. In this class, we're not going to rely heavily on the concept of rank.
Nên ở đây có hai cột độc lập tuyến tính. Trong môn này, chúng ta sẽ không dựa nhiều vào khái niệm hạng.
The concept of rank is something that will come up a lot more when you take classes like 16B and 127 and 189.
Khái niệm hạng sẽ xuất hiện nhiều hơn khi các bạn học các môn như 16B, 127 và 189.
Here, I just want to introduce this, because sometimes people will use the terminology, a matrix is full rank.
Ở đây tôi chỉ muốn giới thiệu nó, vì đôi khi người ta dùng thuật ngữ ma trận có hạng đầy đủ (full rank).
All that jargon means is that your matrix is going to be invertible if it's a square matrix, because what does it mean?
Thuật ngữ đó chỉ có nghĩa là ma trận của bạn sẽ khả nghịch nếu nó là ma trận vuông, vì điều đó nghĩa là gì?
If you have full rank, it's saying that all of the columns of the matrix are linearly independent. And we know that linearly independent columns means that your matrix is invertible.
Nếu có hạng đầy đủ, tức là tất cả các cột của ma trận đều độc lập tuyến tính. Và ta biết các cột độc lập tuyến tính nghĩa là ma trận của bạn khả nghịch.
So this is a piece of jargon that is sometimes used. And that's the only reason I want to introduce this terminology. Yes. Question.
Đây là một thuật ngữ đôi khi được dùng. Và đó là lý do duy nhất tôi muốn giới thiệu nó. Vâng. Bạn hỏi đi.
STUDENT
So the length of a matrix is the thing as the column space's dimension?
Vậy độ dài của ma trận là cùng thứ với số chiều của không gian cột ạ?
PROFESSOR
The rank of a matrix is the same as the column space's dimension. That is correct. Yes, back.
Hạng của ma trận bằng số chiều của không gian cột. Đúng vậy. Vâng, bạn phía sau.
STUDENT
How is this rank different than basis?
Hạng khác cơ sở như thế nào ạ?
PROFESSOR
How is a rank different than basis? That's a good question. So a rank — the rank is defined for a matrix. The basis is defined for a vector space.
Hạng khác cơ sở như thế nào? Câu hỏi hay. Hạng được định nghĩa cho một ma trận. Cơ sở được định nghĩa cho một không gian vectơ.
So they're connected, in that the dimension of the column space is the number of elements of the basis of that column space. But there is certainly different. Yes.
Chúng có liên hệ, vì số chiều của không gian cột là số phần tử của cơ sở của không gian cột đó. Nhưng chắc chắn chúng khác nhau. Vâng.
STUDENT
So can a vector space be linearly dependent?
Vậy một không gian vectơ có thể phụ thuộc tuyến tính không ạ?
PROFESSOR
Can a vector space be linearly dependent? Vector spaces are collections of vectors, right? So for a subset of vectors in a vector space to be linearly dependent, that is, of course, possible.
Một không gian vectơ có thể phụ thuộc tuyến tính không? Không gian vectơ là tập hợp các vectơ, đúng không? Nên một tập con các vectơ trong không gian vectơ phụ thuộc tuyến tính thì tất nhiên là có thể.
For example, 1, 1 is an element in R2. And 2, 2 is also an element in R2. And these are linearly dependent vectors.
Ví dụ, 1, 1 là một phần tử của R2. Và 2, 2 cũng là một phần tử của R2. Và hai vectơ này phụ thuộc tuyến tính.
But you wouldn't ever say that a vector space is linearly dependent. Linear dependence is a property of a finite number of vectors.
Nhưng bạn sẽ không bao giờ nói một không gian vectơ phụ thuộc tuyến tính. Phụ thuộc tuyến tính là tính chất của một số hữu hạn các vectơ.
Yes.
Vâng.
STUDENT
[INAUDIBLE] PROFESSOR: I — can you speak up?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Bạn nói to hơn được không?
STUDENT
Oh, I'm sorry. [INAUDIBLE] columns [INAUDIBLE] PROFESSOR: Sure.
Ồ, em xin lỗi. [KHÔNG NGHE RÕ] các cột [KHÔNG NGHE RÕ] GIẢNG VIÊN: Được.
The question was, if I keep adding columns here, why is the dimension of the column space still 2?
Câu hỏi là: nếu em cứ thêm các cột vào đây, tại sao số chiều của không gian cột vẫn là 2?
So let's consider this matrix.
Ta xét ma trận này.
A is equal to 1, 2, 3, 4, 8, 9, 121, 13, and something.
A bằng 1, 2, 3, 4, 8, 9, 121, 13, và một số nữa.
Okay. Great — lots of big matrix.
Được. Tuyệt, một ma trận rất lớn.
When I take linear combinations of the columns of A, what is the dimension of the vector that I'm going to get out?
Khi lấy các tổ hợp tuyến tính của các cột của A, vectơ mà ta nhận được có số chiều là bao nhiêu?
When I take A times x, what is the dimension of the vector of the corresponding B?
Khi tính A nhân x, vectơ B tương ứng có số chiều là bao nhiêu?
STUDENT
2.
2.
PROFESSOR
What kinds of vectors can I multiply here? What — I can multiply this vector here by — I'll do this row times this column.
Ta có thể nhân với những vectơ nào ở đây? Ta có thể nhân vectơ này với hàng này nhân cột này.
So this can have four entries. But what is going to come out here?
Nên vectơ này có thể có bốn phần tử. Nhưng kết quả ra ở đây là gì?
STUDENT
[INAUDIBLE] PROFESSOR: Two rows of the matrix means, how many equations can I represent?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Ma trận có hai hàng nghĩa là ta biểu diễn được bao nhiêu phương trình?
STUDENT
Two.
Hai.
PROFESSOR
Two, right? So when I do A times x, whatever B comes out is going to be a 2 by 1 vector no matter what, right? So what is this B?
Hai, đúng không? Vậy khi tính A nhân x, B ra luôn là vectơ cỡ 2 nhân 1, bất kể thế nào, đúng không? Vậy B này là gì?
This B is a linear combination of all of these columns. So no matter what linear combination I take of the columns, it's always going to be two dimensional.
B là một tổ hợp tuyến tính của tất cả các cột này. Nên dù lấy tổ hợp tuyến tính nào của các cột, kết quả luôn có hai chiều.
Is that part clear?
Phần này rõ chưa?
STUDENT
Yeah.
Rõ ạ.
PROFESSOR
Okay.
Được.
Now, because any two dimensional vector is in R2 and you know that basically just two of these vectors is sufficient to span R2, the maximum number of linearly independent columns that you're going to find is going to be always 2.
Vì mọi vectơ hai chiều đều thuộc R2 và các em biết chỉ cần hai vectơ là đủ để sinh ra R2, nên số cột độc lập tuyến tính tối đa mà các em tìm được luôn là 2.
Of course, you could rig an example where you just have 1, 2, 1, 2 1, 2, 1, 2 1, 2, 1, 2, 1, 2 forever.
Dĩ nhiên, ta có thể dựng ví dụ chỉ toàn 1, 2, 1, 2, 1, 2, 1, 2, 1, 2, 1, 2 mãi mãi.
What would be the dimension of the column space of that matrix?
Khi đó số chiều của không gian cột của ma trận đó là bao nhiêu? Số chiều của không gian cột của ma trận này là bao nhiêu?
What is the dimension of the column space of this matrix?
Số chiều của không gian cột của ma trận này là bao nhiêu?
STUDENT
1.
1.
PROFESSOR
1, right? So you had to check that you have the two linearly independent vectors.
1, đúng. Vậy phải kiểm tra xem có hai vectơ độc lập tuyến tính hay không.
But in general, if you have a sufficiently large number of vectors, you're going to have two of them be linearly independent. Does that answer the question?
Nhưng nói chung, nếu có đủ nhiều vectơ thì sẽ có hai vectơ trong đó độc lập tuyến tính. Vậy đã trả lời câu hỏi chưa?
STUDENT
Yeah.
Rồi ạ.
PROFESSOR
Okay.
Được.
Yes.
Mời em.
STUDENT
If you have a zero vector, that would be [INAUDIBLE] PROFESSOR: If I have a zero vector, would I — STUDENT: It could be [INAUDIBLE] PROFESSOR: If I added a zero vector — if I added a zero vector here, I would still be able to span all of R2.
Nếu có một vectơ không, thì nó sẽ [KHÔNG NGHE RÕ] GIẢNG VIÊN: Nếu có một vectơ không, thì ta — SINH VIÊN: Có thể là [KHÔNG NGHE RÕ] GIẢNG VIÊN: Nếu thêm một vectơ không vào đây, thì ta vẫn sinh ra được toàn bộ R2.
So in this case, the rank would still be — the matrix would still be 2.
Nên trường hợp này hạng vẫn là — hạng của ma trận vẫn là 2.
Okay. Great.
Được. Tốt.
So these are all concepts that are somewhat abstract but hopefully will, like, become clearer as time goes on.
Đây đều là những khái niệm hơi trừu tượng nhưng hy vọng sẽ dần rõ hơn theo thời gian.
Why do we care about vector spaces and bases and column spaces and all of these things, right? This is a question that I often get from a lot of students.
Tại sao ta quan tâm đến không gian vectơ, cơ sở, không gian cột và những thứ này? Đây là câu hỏi tôi thường nhận được từ nhiều sinh viên.
And I think one good example of where this really comes up for those of you in particular, who are interested in robotics and AI is thinking about control of robotic devices.
Một ví dụ hay cho thấy chúng xuất hiện thực sự với những bạn quan tâm đến robot và AI là việc điều khiển các thiết bị robot.
So for example, you had a problem on the homework that talks about a quadcopter flying around, right?
Ví dụ, bài tập về nhà có một bài về quadcopter bay quanh, nhớ không? Nhớ không?
And when you're commanding a quadcopter, let's say to go somewhere, you're always telling the quadcopter to go somewhere in what we call Earth coordinates.
Khi ra lệnh cho quadcopter, chẳng hạn bay đến một nơi nào đó, ta luôn bảo nó đi đến đó theo cái gọi là tọa độ Trái Đất.
So your quadcopter, let's say, starts here on this doc cam. And you want it to fly to the exit sign at that door, right?
Giả sử quadcopter bắt đầu ở đây, trên cái doc cam này. Và em muốn nó bay đến biển exit ở cửa kia, đúng không?
So you program — whatever you would say, you would say, here's a vector that goes from the origin, which is where you are starting, to that exit sign.
Vậy em lập trình, em sẽ nói: đây là vectơ đi từ gốc tọa độ, là nơi bắt đầu, đến biển exit đó.
And that would be the kind of control input or command that you would want to give to your quadcopter. But the quadcopter can't just take that and go, right?
Đó sẽ là loại đầu vào điều khiển hay lệnh mà em muốn đưa cho quadcopter. Nhưng quadcopter không thể nhận lệnh đó rồi đi ngay được.
It has these four propellers. It has to decide, well, how much force do I apply to which propeller? And how do I actually get there, right?
Nó có bốn cánh quạt. Nó phải quyết định: tác dụng lực bao nhiêu lên cánh quạt nào? Và làm sao để thực sự đến được đó?
It doesn't have a sense of where it is in the world, right?
Nó không có cảm nhận về vị trí của mình trên thế giới.
Just like when you take your cell phone, your GPS uses satellites to figure out where you are relative to other locations in the world, right?
Giống như điện thoại của em, GPS dùng vệ tinh để xác định em đang ở đâu so với các vị trí khác trên thế giới.
So it can only take actions in what are called its local frame of reference.
Nên nó chỉ hành động được trong cái gọi là hệ quy chiếu cục bộ của nó.
So it can only say, well, I want to move, you know, 1 foot to the left from my current position. It cannot really understand in the global frame of reference where.
Nó chỉ có thể nói: tôi muốn di chuyển 1 foot sang trái so với vị trí hiện tại. Nó không thực sự hiểu được trong hệ quy chiếu toàn cục nó đang ở đâu.
And so often, what you end up doing is that you have a basis that represents the quadcopter's position in the Earth coordinates.
Vì vậy thường ta sẽ có một cơ sở biểu diễn vị trí của quadcopter trong tọa độ Trái Đất.
And then, you have a basis that represents the actions that the quadcopter is taking in its local frame of reference. So you have these two things.
Và một cơ sở khác biểu diễn các hành động của quadcopter trong hệ quy chiếu cục bộ của nó. Vậy ta có hai thứ này.
And you translate back and forth between them to actually be able to achieve your goal.
Và ta chuyển qua lại giữa chúng để thực sự đạt được mục tiêu.
So this is one example of something, where these ideas of bases and coordinates and vector spaces actually end up playing quite an important role.
Đây là một ví dụ mà các ý tưởng về cơ sở, tọa độ và không gian vectơ thực sự đóng vai trò khá quan trọng.
So figuring out whether or not, for example, your quadcopter can actually read somewhere is a problem that builds on the span of the possible directions that your quadcopter can move in.
Chẳng hạn, việc xác định quadcopter có thực sự đến được một nơi nào đó hay không là bài toán dựa trên không gian sinh (span) của các hướng mà quadcopter có thể di chuyển.
And if you think about the Segway problem that's on the homework for this week, that's not about a quadcopter. Obviously, it's about a Segway.
Và nếu nghĩ đến bài toán Segway trong bài tập về nhà tuần này, thì đó không phải về quadcopter. Rõ ràng là bài này nói về Segway.
But it's exactly talking about the same robotic principles that can be used for controlling much more complex things. So these ideas are all connected up.
Nhưng nó nói đúng về những nguyên lý robot như vậy, vốn có thể dùng để điều khiển những hệ phức tạp hơn nhiều. Vậy là các ý tưởng này đều liên kết với nhau.
And hopefully, as you do the homework and things go — and you keep going on in the class, these things will become clearer. Yes. Question.
Hy vọng khi các em làm bài tập về nhà và mọi thứ tiến triển — và khi các em học tiếp trong lớp, những điều này sẽ rõ ràng hơn. Vâng. Em hỏi đi.
STUDENT
[INAUDIBLE] linearly [INAUDIBLE] problem [INAUDIBLE] PROFESSOR: Here? This one?
[KHÔNG NGHE RÕ] tuyến tính [KHÔNG NGHE RÕ] bài toán [KHÔNG NGHE RÕ] GIẢNG VIÊN: Ở đây à? Cái này à?
STUDENT
No, no, the [INAUDIBLE] PROFESSOR: Oh, column here — 3, 7.
Không, không, cái [KHÔNG NGHE RÕ] GIẢNG VIÊN: À, cột ở đây — 3, 7.
STUDENT
[INAUDIBLE] PROFESSOR: This one — 1, 2, 2, 4, 3, 4, and 3, 7.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Cái này — 1, 2, 2, 4, 3, 4, và 3, 7.
STUDENT
Yeah. [INAUDIBLE] PROFESSOR: So you're saying, let's add 3, 7 here?
Vâng. [KHÔNG NGHE RÕ] GIẢNG VIÊN: Ý em là thêm cột 3, 7 vào đây phải không?
Well, the dimension of the column space would still be 2, because you would still have at most 2 linearly independent vectors.
Thì số chiều của không gian cột vẫn là 2, vì em vẫn chỉ có tối đa 2 vectơ độc lập tuyến tính.
So you could pick, for example — this and this is a linearly independent pair. But then, the third one you can get as a linear combination of these two.
Ví dụ em có thể chọn — cặp này là một cặp độc lập tuyến tính. Nhưng vectơ thứ ba thì em có thể có được như một tổ hợp tuyến tính của hai vectơ kia.
So no matter how many you added, you would still never be able to go beyond 2.
Nên dù thêm bao nhiêu vectơ đi nữa, em vẫn không bao giờ vượt quá 2 được.
STUDENT
[INAUDIBLE] the number of [INAUDIBLE] PROFESSOR: So it's basically the size of the set that is linearly independent. So you want to make one set of linearly independent columns.
[KHÔNG NGHE RÕ] số [KHÔNG NGHE RÕ] GIẢNG VIÊN: Về cơ bản đó là kích thước của tập độc lập tuyến tính. Tức là em muốn lập một tập các cột độc lập tuyến tính.
So here, given two dimensional vectors, the maximum number of vectors that you can have that will be linearly independent is actually just 2, right?
Ở đây, với các vectơ hai chiều, số vectơ tối đa mà độc lập tuyến tính thực ra chỉ là 2, đúng không?
You can never have 3 vectors that are of size 2 by 1 that are all linearly independent.
Em không bao giờ có 3 vectơ cỡ 2 nhân 1 mà độc lập tuyến tính hết được.
Okay. So you can think about this as the maximum number of linearly independent columns. Like, what is the maximum set of linearly independent columns that you can make?
Được rồi. Vậy em có thể xem đây là số tối đa các cột độc lập tuyến tính. Tức là tập cột độc lập tuyến tính lớn nhất mà em có thể lập là bao nhiêu?
Okay.
Được rồi.
So we've talked about the inevitability of a matrix. And we've seen a bunch of different, you know, conditions for a matrix being invertible, right?
Chúng ta đã nói về tính khả nghịch của một ma trận. Và đã thấy khá nhiều điều kiện để ma trận khả nghịch, đúng không?
You've seen basically that it's very deeply connected to the linear independence and dependence of the columns. So a matrix A is invertible.
Về cơ bản các em thấy nó gắn rất chặt với tính độc lập tuyến tính và phụ thuộc tuyến tính của các cột.
We now know if and only if A has linearly independent columns.
Vậy ma trận A khả nghịch khi và chỉ khi A có các cột độc lập tuyến tính.
This is sometimes referred to as the matrix is full rank.
Đôi khi người ta gọi đó là ma trận có hạng đầy đủ.
You can also say that this is the same as Ax equal to B has a unique solution.
Cũng có thể nói điều này tương đương với việc Ax = b có nghiệm duy nhất.
You can also see this as the null space of A is trivial. It's just a zero vector.
Hoặc không gian không (null space) của A là tầm thường, chỉ gồm vectơ không.
And now, I'm going to introduce another way of understanding this. So it's that the determinant of A is not equal to 0. And we haven't yet defined what this determinant means.
Và bây giờ tôi sẽ giới thiệu một cách hiểu khác về điều này. Đó là định thức của A khác 0. Và ta chưa định nghĩa định thức này nghĩa là gì.
And remember, we've proven only some directions of these. We've proven all of the rightward going arrows. You have proved all of the leftward going arrows. You will prove when you get to 16B.
Nhớ là ta mới chứng minh một số chiều của các mối liên hệ này. Ta đã chứng minh tất cả các mũi tên đi sang phải. Các em đã chứng minh tất cả các mũi tên đi sang trái. Các em sẽ chứng minh khi học 16B.
So what is this idea of a determinant? How do we decide when a matrix is invertible and when it isn't?
Vậy định thức là gì? Làm sao quyết định khi nào một ma trận khả nghịch và khi nào không?
We know that this has something to do with the linear dependence and independence of the columns, right?
Ta biết điều này liên quan đến sự phụ thuộc và độc lập tuyến tính của các cột, đúng không? Đúng không?
So to do this, some of your TAs helped me make a very nice demo that I wanted to show you. Let's see how this works.
Để làm điều đó, một số trợ giảng đã giúp tôi làm một bản demo rất hay mà tôi muốn cho các em xem. Xem nó chạy thế nào.
Okay. So you don't need to read the code.
Được rồi. Các em không cần đọc code đâu.
Okay. Could everyone see this?
Được rồi. Mọi người nhìn thấy chưa?
Oh, dear — frozen computer.
Ôi, máy tính bị treo rồi.
Okay. This is visible, right?
Được rồi. Nhìn thấy được chứ?
So what we're doing here is we're plotting a set of vectors. So I have the vector 1, 0 and 0, 1 — 1, 0, 0, 1, right?
Ở đây ta đang vẽ một tập các vectơ. Tôi có các vectơ 1, 0 và 0, 1 — 1, 0, 0, 1, đúng không?
The blue vector is the first column. The red vector is the second column. Are these vectors linearly dependent?
Vectơ màu xanh là cột thứ nhất. Vectơ màu đỏ là cột thứ hai. Hai vectơ này có phụ thuộc tuyến tính không?
STUDENT
Nope.
Không.
PROFESSOR
Nope. Great.
Không. Tốt.
Here's another pair of vectors — 1 and point. 2 and 0.3 and — sorry. This should be 1.3 and 1.2.
Đây là một cặp vectơ khác — 1 và 0. 2 và 0.3 và — xin lỗi. Chỗ này phải là 1.3 và 1.2.
But you have these two vectors — this one and this one. So this should be 0.2 comma 1. And this should be 0.3 — or 1 comma 0.3.
Nhưng các em có hai vectơ này — cái này và cái này. Vậy chỗ này phải là 0.2 phẩy 1. Và chỗ này phải là 0.3 — hay 1 phẩy 0.3.
The label is a bit off. I'm sorry.
Nhãn bị lệch một chút. Xin lỗi các em.
Are these linearly dependent, independent? Linearly dependent, right? Or linearly independent — okay. What about these two vectors?
Chúng phụ thuộc hay độc lập tuyến tính? Phụ thuộc tuyến tính, đúng không? À, hay độc lập tuyến tính — được rồi. Còn hai vectơ này thì sao?
Ignore the labels.
Bỏ qua các nhãn.
Linearly independent, right? What about these two?
Độc lập tuyến tính, đúng không? Còn hai vectơ này?
What's happening to these vectors? What is the series of vectors that we're plotting? We keep getting closer and closer, right? What's going to happen as I keep bringing them closer and closer?
Điều gì đang xảy ra với các vectơ này? Dãy vectơ ta đang vẽ là gì? Chúng cứ ngày càng gần nhau, đúng không? Điều gì sẽ xảy ra khi tôi cứ đưa chúng lại gần hơn nữa?
STUDENT
[INAUDIBLE] PROFESSOR: They're slowly going to end up being exactly on top of each other, right?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Dần dần chúng sẽ nằm chồng khít lên nhau, đúng không?
So if I wanted to interpret this geometrically — if I wanted to use this visualization to figure out whether or not my vectors were linearly dependent or independent, what are you ending up looking at?
Vậy nếu muốn diễn giải điều này theo hình học — nếu tôi muốn để dùng hình minh họa này xem các vectơ của mình phụ thuộc tuyến tính hay độc lập tuyến tính, thì cuối cùng mình nhìn vào đâu?
You're ending up looking at this angle, right, between the vectors. And when they're linearly dependent, the angle is basically 0. When they're linearly independent, the angle is not equal to 0.
Mình nhìn vào góc này, đúng không, giữa hai vectơ. Khi chúng phụ thuộc tuyến tính, góc về cơ bản bằng 0. Khi chúng độc lập tuyến tính, góc khác 0.
And what is this angle related to? What is the area of the triangle that is described by these vectors?
Vậy góc này liên quan đến cái gì? Diện tích của tam giác tạo bởi các vectơ này.
If I think of joining the endpoints of these two and making a triangle, what is happening to the area of that triangle?
Nếu nối hai đầu mút của chúng lại để tạo thành một tam giác, thì điều gì xảy ra với diện tích của tam giác đó?
STUDENT
[INAUDIBLE] PROFESSOR: It's going to 0, right? And this observation is what motivates our definition of the determinant.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Nó tiến về 0, đúng không? Và quan sát này dẫn đến định nghĩa của định thức.
So we're going to actually think about, not the area of this exact triangle, but the area of the parallelogram that is defined by these vectors. So the triangle is basically half of the parallelogram.
Vì vậy ta sẽ xét, không phải diện tích của chính tam giác này, mà là diện tích của hình bình hành xác định bởi các vectơ này. Tam giác chính là một nửa hình bình hành.
If the area of the triangle is 0, the area of the parallelogram is also 0, right?
Nếu diện tích tam giác bằng 0, thì diện tích hình bình hành cũng bằng 0, đúng không?
So think about drawing a parallel line to the red vector here and a parallel line to the blue vector here.
Hãy tưởng tượng vẽ một đường song song với vectơ đỏ ở đây và một đường song song với vectơ xanh ở đây.
And as these vectors keep coming closer and closer together, what is this area of that parallelogram going to be?
Khi các vectơ này càng lúc càng gần nhau, diện tích hình bình hành đó sẽ bằng bao nhiêu?
STUDENT
0.
0.
PROFESSOR
0.
0.
So this is what we want to use to — can I go back to the document camera, please — to understand the determinant.
Đây là điều ta muốn dùng để — cho tôi quay lại máy chiếu vật thể nhé — hiểu về định thức.
So let me actually draw the same picture here.
Tôi vẽ lại đúng hình này ở đây.
So let's say I have a matrix A. And this is A, B, C, D. Okay.
Giả sử có ma trận A. Và đây là A, B, C, D. Được rồi.
And I'm going to, let's say, draw my vector A.
Tôi sẽ vẽ vectơ A.
And so this is A. And this is C. And then, let's kind of draw this other vector, B. And now, this x-coordinate here
Đây là A. Và đây là C. Rồi vẽ vectơ còn lại, B. Và tọa độ x ở đây là B. Đây là D. Và tôi sẽ vẽ nốt hình bình hành.
is B. This is D. And I'm going to complete the parallelogram.
Tôi muốn tìm cách tính diện tích hình bình hành này.
So I want to figure out a way to compute the area of this parallelogram.
Nên về cơ bản ta muốn làm được việc này.
So we want to basically be able to do this. And what are we given? We're given that we have these two vectors. This is our first vector.
Vậy ta được cho những gì? Ta được cho hai vectơ này. Đây là vectơ thứ nhất. Và đây là vectơ thứ hai.
And this is our second vector. There's lots of ways to do it.
Có nhiều cách để làm.
But we want to be able to find a way of doing it that only uses the A, C, B, and D numbers, right?
Nhưng ta muốn tìm cách chỉ dùng các số A, C, B và D, đúng không?
If we could, we would — we could use trigonometry and basically, you know, compute these angles in terms of, for example, other constructions we could do, right?
Nếu được thì ta có thể dùng lượng giác và tính các góc này qua những cách dựng hình khác chẳng hạn, đúng không?
But we don't want to go down that route, because we don't have any other information. All we're told is what these two vectors are.
Nhưng ta không đi theo hướng đó, vì ta không có thêm thông tin nào khác. Ta chỉ biết hai vectơ này là gì. Và ta muốn tìm diện tích của hình bình hành này.
And we want to figure out what is the area of this parallelogram? So the one trick that we're going to do is we're going to — you know, what is easier?
Mẹo ta sẽ dùng là — cái gì dễ hơn nhỉ?
Well, it's easier to compute the area of a rectangle than it is to compute the area of a parallelogram, right?
Tính diện tích hình chữ nhật dễ hơn tính diện tích hình bình hành, đúng không?
For a parallelogram, you basically have to now divide it into two triangles and compute the areas of the two triangles.
Với hình bình hành, bạn phải chia nó thành hai tam giác rồi tính diện tích hai tam giác đó.
So you have to draw a perpendicular here, then do, like, the base times the height formula. We don't want to do that.
Tức là phải kẻ một đường vuông góc ở đây, rồi dùng công thức đáy nhân chiều cao. Ta không muốn làm vậy.
So what I'm going to do is I'm actually going to complete this rectangle.
Nên tôi sẽ vẽ thêm để hoàn thành hình chữ nhật này. Được rồi.
Okay. And then, I'm going to complete this and complete this.
Rồi tôi vẽ nốt cạnh này và cạnh này. Ở đây, điểm này tại B. Vậy độ dài này là bao nhiêu?
So here, this point is at B. So what is this length here?
Độ dài này là B, đúng không?
This length here is B, right?
Và độ dài này là D. Vậy độ dài này là bao nhiêu?
SINH VIÊN
And this length here is D. So what is this length here?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Độ dài này cũng là D, đúng không?
STUDENT
[INAUDIBLE] PROFESSOR: This length is also D, right?
Độ dài này ta biết chính là C.
This length we know is exactly C. What is this length going to be here?
Còn độ dài này ở đây sẽ là bao nhiêu?
This length is going to be exactly C, right, as well, because these two triangles are basically exactly the same.
Độ dài này cũng chính là C, đúng không, vì hai tam giác này về cơ bản giống hệt nhau. Và ở đây cũng vậy, độ dài này sẽ là B.
And so here, also we're going to have this length is going to be B.
Mọi người dành một phút tự thuyết phục mình rằng các độ dài tôi vừa ghi là đúng.
Everyone, take a minute to convince yourself that the lengths that I just wrote out are actually correct. Like, take a minute. Talk to each other.
Cứ dành một phút. Trao đổi với nhau. Đảm bảo là các bạn theo kịp vì sao lại như vậy.
Make sure that you follow what — how that happened. [SIDE CONVERSATION] Yeah.
[NÓI CHUYỆN RIÊNG] Vâng.
STUDENT
For the [INAUDIBLE] second part [INAUDIBLE]
Về phần thứ hai [KHÔNG NGHE RÕ] ở phần thứ hai, ma trận [KHÔNG NGHE RÕ] khả nghịch,
on the second part for matrix [INAUDIBLE] invertible, is that [INAUDIBLE] what if, like, A is [INAUDIBLE] PROFESSOR: This is only — matrix A is invertible means we're talking about a square matrix.
thế nếu, ví dụ, A là [KHÔNG NGHE RÕ] GIẢNG VIÊN: Chỉ khi — ma trận A khả nghịch nghĩa là ta đang nói đến ma trận vuông.
STUDENT
[INAUDIBLE] for the Ax [INAUDIBLE] B has a unique [INAUDIBLE] PROFESSOR: Right.
[KHÔNG NGHE RÕ] để Ax [KHÔNG NGHE RÕ] B có nghiệm duy nhất [KHÔNG NGHE RÕ] GIẢNG VIÊN: Đúng.
SINH VIÊN
But when we're writing it in this context, we're talking about A being square.
Nhưng khi viết trong ngữ cảnh này, ta đang nói A là ma trận vuông. Dạ.
STUDENT
Okay.
Vâng.
PROFESSOR
Yeah.
Được rồi.
Okay. So where are we so far? What is the total length here? Is everyone with me on how we do this, right?
Vậy đến giờ ta đã làm được gì? Tổng độ dài ở đây là bao nhiêu? Mọi người theo kịp cách làm chưa?
Basically, you're saying that this triangle is the same as this triangle. This triangle is the same as this triangle. These two sides are equal.
Về cơ bản, tam giác này bằng tam giác này. Tam giác này bằng tam giác này. Hai cạnh này bằng nhau. Do đó hai hình chữ nhật này cũng bằng nhau, đúng không?
Therefore, these two rectangles are also equal, right? So you have a BC rectangle. You have a BC rectangle.
Vậy bạn có một hình chữ nhật BC. Và một hình chữ nhật BC nữa.
Here, this length is A. This length is C. Therefore, here, this length is A. This length is C, right? Everyone with me? Okay.
Ở đây, độ dài này là A. Độ dài này là C. Do đó ở đây, độ dài này là A. Độ dài này là C, đúng không? Mọi người theo kịp chứ? Mọi người theo kịp chứ? Được rồi.
So let's now try — what are things that we know how to compute the areas of? Can we compute the area of this big rectangle?
Bây giờ ta thử nhé — ta biết tính diện tích của những hình nào? Ta có tính được diện tích hình chữ nhật lớn này không?
STUDENT
Yes.
Có.
PROFESSOR
What are the sides of this? What is this length?
Các cạnh của nó là gì? Độ dài này là bao nhiêu?
STUDENT
A plus B.
A cộng B.
PROFESSOR
A plus B. What is this length?
A cộng B. Còn độ dài này?
STUDENT
[INAUDIBLE] PROFESSOR: B plus C, right?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: B cộng C, đúng không?
So area of big rectangle is equal to A plus B times D plus C, right?
Vậy diện tích hình chữ nhật lớn bằng A cộng B nhân D cộng C, đúng không?
But we want the area of the parallelogram. So what areas do we have to take out?
Nhưng ta muốn diện tích hình bình hành. Vậy ta phải trừ đi những diện tích nào?
STUDENT
[INAUDIBLE] PROFESSOR: Where do we move some areas, right? So what about the area of these squares — or these rectangles? Sorry.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Ta dời những phần diện tích đi đâu, đúng không? Vậy diện tích của các hình vuông này thì sao — hay đúng hơn là các hình chữ nhật? Xin lỗi.
Area of these blue rectangles — this is equal to BC, right, the product of the sides.
Diện tích các hình chữ nhật màu xanh này — bằng BC, đúng không, tích của hai cạnh.
What about this triangle?
Còn tam giác này thì sao?
What is the area of these red triangles — red triangles?
Diện tích các tam giác đỏ này là bao nhiêu — các tam giác đỏ?
STUDENT
[INAUDIBLE] PROFESSOR: It's a right angle triangle. So I have 1/2 times the base times the height, right?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Đây là tam giác vuông. Nên diện tích là 1/2 nhân đáy nhân chiều cao, đúng không?
And how many are there? So I have 1/2 times A times C plus 1/2 times A times C, because there's two red triangles, right?
Và có bao nhiêu tam giác? Vậy ta có 1/2 nhân A nhân C cộng 1/2 nhân A nhân C, vì có hai tam giác đỏ, đúng không?
Yup.
Vâng.
STUDENT
[INAUDIBLE] rectangles [INAUDIBLE] PROFESSOR: Yup. There should be two of these.
[KHÔNG NGHE RÕ] hình chữ nhật [KHÔNG NGHE RÕ] GIẢNG VIÊN: Đúng. Phải có hai cái như thế.
There's two blue rectangles. There's two BC's. There's two red triangles. There's two half AC's.
Có hai hình chữ nhật xanh. Có hai BC. Có hai tam giác đỏ. Có hai lần nửa AC.
What are we missing?
Ta còn thiếu gì?
STUDENT
[INAUDIBLE] PROFESSOR: These ones, right, these orange triangles.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Những cái này, các tam giác màu cam.
The orange triangles — what is their area?
Các tam giác cam có diện tích bao nhiêu?
1/2BD plus 1/2BD — so what remains?
1/2BD cộng 1/2BD — vậy còn lại bao nhiêu?
Therefore, area of parallelogram — it is A plus B times D plus C minus 2BC minus AC minus BD, right?
Do đó, diện tích hình bình hành — là A cộng B nhân D cộng C trừ 2BC trừ AC trừ BD, đúng không?
This is equal to AD plus AC plus BD plus BC minus 2BC minus AC minus BD is equal to AB minus BC, right?
Bằng AD cộng AC cộng BD cộng BC trừ 2BC trừ AC trừ BD, bằng AD trừ BC, đúng không?
So what did you just compute in terms of the elements entirely?
Vậy ta vừa tính được gì, nếu chỉ xét theo các phần tử?
So if you didn't know the angle between the two vectors but you just were told, here are four vectors, is the angle between them 0 or not? What can you do?
Nếu bạn không biết góc giữa hai vectơ mà chỉ được cho bốn số, tức là bốn phần tử của vectơ, thì góc giữa chúng có bằng 0 hay không? Bạn có thể làm gì?
Do you got to do this entire, like, picture every time. What are you going to compute? AD minus BC, right? This is called the determinant.
Có phải lần nào cũng vẽ cả hình này ra không? Bạn sẽ tính gì? AD trừ BC, đúng không? Đây gọi là định thức.
If you now have a three dimensional space — if I, let's say, had a third vector — like, let's say we augmented this to be a three space, right?
Nếu giờ ta có không gian ba chiều — giả sử ta có thêm vectơ thứ ba — chẳng hạn mở rộng thành không gian ba chiều, đúng không?
Would I look at the area of the parallelogram?
Ta có xét diện tích hình bình hành không?
I would then look at the area — I would look at the volume of the parallelepiped, right — so basically, the three dimensional version of the parallelogram.
Lúc đó ta sẽ xét diện tích — ta sẽ xét thể tích của hình hộp, đúng không — tức là phiên bản ba chiều của hình bình hành.
In third space, I have no idea how to even visualize this. But it turns out that the exact same idea generalizes.
Trong không gian ba chiều, tôi cũng không biết hình dung thế nào. Nhưng hóa ra cùng một ý tưởng đó vẫn tổng quát hóa được.
And a way to check if a matrix has linearly dependent columns or not is to actually compute the determinant.
Và một cách để kiểm tra ma trận có các cột phụ thuộc tuyến tính hay không là tính định thức.
So for those of you who might have seen some of these new ideas before, this is the justification of why the determinant actually works.
Với những bạn có thể đã thấy qua các ý tưởng này, đây là lý do vì sao định thức thực sự hoạt động.
And we want to now build on this to really connect it back to invertability. So let us now really think about this matrix, ABCD, and say, what is its inverse?
Giờ ta muốn dựa vào đó để nối nó với tính khả nghịch. Vậy ta hãy xét ma trận ABCD này, và hỏi, nghịch đảo của nó là gì?
So how do I compute the inverse of this matrix, right? You've all done now Gaussian elimination. You all know how to compute the inverse of this matrix, right?
Vậy tính nghịch đảo của ma trận này như thế nào? Các bạn đã làm phép khử Gauss rồi. Các bạn đều biết cách tính nghịch đảo của ma trận này, đúng không?
I'm going to write it as an augmented matrix.
Tôi sẽ viết nó thành ma trận mở rộng.
And I'm going to go through and row reduce. So why don't you take a couple of minutes and actually try and find the inverse of this matrix?
Rồi tôi sẽ rút gọn theo hàng. Các bạn dành vài phút thử tìm nghịch đảo của ma trận này nhé?
Feel free to talk to each other. Make sure your work is correct.
Cứ trao đổi với nhau. Hãy chắc là bài làm của bạn đúng.
[SIDE CONVERSATION] What is the first step that you want to do here?
[NÓI CHUYỆN RIÊNG] Bước đầu tiên các bạn muốn làm ở đây là gì?
STUDENT
Going to divide.
Chia.
PROFESSOR
We're going to divide the first row by A, right? So I'll do my work quietly. And you can do your work quietly. You don't have to talk.
Ta chia hàng đầu cho A, đúng không? Tôi sẽ làm lặng lẽ. Các bạn cũng cứ làm lặng lẽ. Không cần nói chuyện.
Do your steps match mine? No? Yes? What's the next step?
Các bước của bạn có khớp với của tôi không? Không? Có? Bước tiếp theo là gì?
STUDENT
[INAUDIBLE] PROFESSOR: Okay. One more minute for you folks to do it on your own — then, I'll do the rest.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Được rồi. Cho các bạn thêm một phút tự làm — rồi tôi sẽ làm phần còn lại.
[SNEEZES] [LAUGHTER] Bless you.
[HẮT HƠI] [CƯỜI] Chúc sức khỏe.
[SIDE CONVERSATION] What is starting to show up?
[NÓI CHUYỆN RIÊNG] Cái gì đang bắt đầu xuất hiện?
What is this quantity equal to?
Đại lượng này bằng gì?
AD minus bc is starting to show up, right?
AD trừ bc đang bắt đầu xuất hiện, đúng không?
So what do you do in the first step? You make the first element here 1. Then, you use the first row to cancel out the second row. Now, you do that.
Vậy ở bước đầu bạn làm gì? Bạn làm cho phần tử đầu tiên ở đây bằng 1. Rồi dùng hàng đầu để khử hàng thứ hai. Giờ bạn làm vậy.
Now, I have an element here. I have a zero and a non-zero element. So now, what I want to do is I want to now divide.
Giờ tôi có một phần tử ở đây. Tôi có một số 0 và một phần tử khác 0. Giờ tôi muốn chia.
I want to cancel this out to make this a 1. So I divide — basically, I multiply by a over ad minus bc. What allows me to do that step?
Tôi muốn khử cái này để nó thành 1. Nên tôi chia — thực chất là nhân với a trên ad trừ bc. Điều gì cho phép tôi làm bước đó?
Can I always do the step from here to here? Can I do it if ad minus bc is equal to 0?
Em có luôn làm được bước từ đây sang đây không? Em có làm được nếu ad trừ bc bằng 0 không?
If ad minus equal — bc is equal to 0, what would I get here?
Nếu ad trừ bc bằng 0 thì ở đây sẽ ra gì?
STUDENT
[INAUDIBLE] PROFESSOR: I would get a 0 in this entry, right?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Ta sẽ có số 0 ở phần tử này, đúng không?
So I go through. I finish the algebra. You should do it on your own time. What do I get?
Vậy ta làm tiếp. Tôi hoàn thành phần đại số. Các em nên tự làm ở nhà. Ta được gì?
A inverse is basically db minus ca. And all of these entries are divided by ad minus bc. So I can pull this out — ad minus bc times d, b, minus c, a.
A nghịch đảo về cơ bản là db trừ ca. Và tất cả các phần tử này đều chia cho ad trừ bc. Nên tôi có thể đưa nó ra ngoài — ad trừ bc nhân với d, b, trừ c, a.
So when am I allowed to write this formula? Can I always write this formula?
Vậy khi nào ta được viết công thức này? Có phải lúc nào cũng viết được công thức này không?
Yes. Question?
Có. Em có câu hỏi?
STUDENT
Should [INAUDIBLE] be negative [INAUDIBLE] PROFESSOR: Should b be minus?
Có phải [KHÔNG NGHE RÕ] phải là âm không [KHÔNG NGHE RÕ] GIẢNG VIÊN: b phải có dấu trừ à?
STUDENT
Yeah.
Dạ.
PROFESSOR
Oh, did I get a sign wrong?
Ồ, tôi sai dấu à?
Yes, thank you.
Đúng rồi, cảm ơn em.
Did everyone do the same algebra I did? I hope not. Thank you for pointing that out. Yes, I've made an algebra mistake.
Mọi người có làm cùng phép đại số như tôi không? Tôi mong là không. Cảm ơn em đã chỉ ra. Vâng, tôi đã sai đại số.
So now, what you have derived is the formula for the inverse of the 2 by 2 matrix, right? Some of you may have seen this formula around in different textbooks.
Vậy bây giờ các em đã suy ra công thức của nghịch đảo ma trận 2 nhân 2, đúng không? Có thể một số em đã thấy công thức này trong các sách giáo khoa khác nhau.
Now, you have proven that this is true. You have derived this. We're not just asking you to memorize a formula that came out of nowhere.
Giờ các em đã chứng minh được nó đúng. Các em đã tự suy ra nó. Chúng tôi không bắt các em học thuộc một công thức từ trên trời rơi xuống.
But you now have both a geometric intuition for why the determinant matters and why it shows up when you're computing inverses and furthermore, an algorithmic verification of the fact that this formula actually works.
Giờ các em vừa có trực giác hình học về lý do định thức quan trọng và xuất hiện khi tính nghịch đảo, vừa có một kiểm chứng bằng thuật toán rằng công thức này thực sự đúng.
You've derived this formula, right? Does anyone have any questions about any of this?
Các em đã suy ra công thức này, đúng không? Có ai có câu hỏi nào về phần này không?
Okay. So is everyone clear about determinants and inverses? Yes.
Được rồi. Vậy mọi người đã rõ về định thức và nghịch đảo chưa? Vâng.
STUDENT
What if your steps for Gaussian elimination was dividing by a — PROFESSOR: Yes. STUDENT: --would our formula still work [INAUDIBLE] PROFESSOR: Our formula still works if a equals 0.
Nếu các bước của phép khử Gauss là chia cho a thì sao — GIẢNG VIÊN: Vâng. SINH VIÊN: — công thức của ta có còn đúng không [KHÔNG NGHE RÕ] GIẢNG VIÊN: Công thức vẫn đúng khi a bằng 0.
So that is correct. You can modify this exact calculation to figure out how we would do it in the case of where a is exactly equal to 0.
Em nói đúng. Em có thể sửa chính phép tính này để tìm cách làm trong trường hợp a đúng bằng 0.
So this derivation that I did would not work in the case that a is equal to 0, because I divided by a — great question. Yes.
Cách suy ra của tôi sẽ không dùng được khi a bằng 0, vì tôi đã chia cho a. Câu hỏi hay. Vâng.
STUDENT
What if you use [INAUDIBLE] How did you make the top row 1, 0 [INAUDIBLE] PROFESSOR: How did I make the top row 1, 0?
Nếu dùng [KHÔNG NGHE RÕ] Làm sao thầy làm hàng trên thành 1, 0 [KHÔNG NGHE RÕ] GIẢNG VIÊN: Làm sao tôi có hàng trên là 1, 0?
I basically multiplied by the reciprocal of this and subtracted out. So I basically used this row to cancel out this.
Về cơ bản tôi nhân với nghịch đảo của số này rồi trừ đi. Tức là tôi dùng hàng này để khử số này. Tôi nhân hàng này với b — với a rồi trừ.
So I multiplied this row by b — by a and then subtracted. So please go home and make sure that you can do this derivation on your own.
Hãy về nhà và chắc chắn rằng các em tự làm được phép suy ra này. Chỉ là đại số thôi. Đáng để làm cẩn thận một lần.
It's algebra. It's worth doing once carefully. Okay. Make sure you do not, for example, forget a minus sign.
Được rồi. Đừng quên dấu trừ chẳng hạn. Được rồi. Tốt.
Okay. Good.
Giờ đến phần cuối của bài giảng, tôi muốn đi đến đích của toàn bộ phần xây dựng này.
So now, for the last part of the lecture, I want to basically go to where all of this buildup has been taking us.
Và đây là một trong những phần tôi thích nhất của cả môn học.
And it's one of, I think, my favorite parts of the entire class. And I'm going to start with this example of what I call a tale of two websites.
Tôi sẽ bắt đầu với ví dụ mà tôi gọi là câu chuyện của hai website. Giờ ta sẽ cùng xây dựng thuật toán page rank. Có người gọi page rank là bài toán vectơ riêng triệu đô.
And we're now going to build up together the algorithm for page rank.
Page rank là thuật toán đã dẫn đến sự ra đời của Google.
Some people call page rank as basically the million dollar eigenvector problem. Page rank is the algorithm that basically led to the formation of Google.
Nó được phát triển tại Stanford bởi hai người đồng sáng lập Google, Larry Page và Sergey Brin. Và nó hoàn toàn dựa trên những gì ta đã xây dựng trong môn học này cho đến giờ.
This was developed at Stanford by the Google co-founders, Larry Page and Sergey Brin. And it basically relies entirely on things that we have been building up in this class so far.
Trong phần còn lại của bài hôm nay và bài ngày mai, các em sẽ tự suy ra thuật toán này. Đây là những gì ta đã làm đến giờ.
And now, in the course of the rest of today's lecture and tomorrow's lecture, you are going to derive this algorithm on your own. This is what we have done so far.
Ta đã xây dựng các công cụ để cuối cùng hiểu được làm sao những người này có thể hiểu được mạng lưới website phức tạp. Vậy vấn đề then chốt của tìm kiếm là gì?
We've built up tools to be able to finally understand how these folks were able to make sense of the complex network of websites.
Bạn muốn biết website nào phổ biến và website nào ít phổ biến hơn. Bạn muốn website phổ biến hiện lên cao trong kết quả tìm kiếm.
So what is the key problem in search, right? You want to understand which websites are popular and which websites are not as popular.
Còn website ít phổ biến thì hiện thấp hơn. Nhưng không thể đo toàn bộ lưu lượng của mọi website được.
And you want to have popular websites show up high in your search with search results. And you want to have less popular websites show up lower down.
Bạn chỉ biết phần nào đó về việc mọi người đi đâu. Bạn đo được inlink và outlink. Và có thể hình dung phần nào.
But you can't measure all of the traffic to all of the websites necessarily. You basically have some knowledge of, you know, where people are going. You can measure inlinks and outlinks.
Nhưng làm sao hiểu được chuyện gì xảy ra ở một dạng trạng thái dừng? Ta lại làm điều này trong trường hợp đơn giản rồi mở rộng dần. Giả sử có hai website.
And you can have some sense of this.
Giả sử có website của Stanford.
SINH VIÊN
But how do you understand what happens at some notion of steady state?
Và website của Berkeley. Yeah!
GIẢNG VIÊN
And we're going to, again, do this in a simplified case and build out from there. So let's say you have two websites. Let's say that you have the Stanford website.
Và ta thấy rằng những người đang ở mỗi website này có hành vi như sau. Giả sử bạn có trang web của Stanford.
And you have the Berkeley website.
Và bạn có trang web của Berkeley.
STUDENT
Yeah!
Dạ!
PROFESSOR
And what you see is that people, who are on each of these websites have the following behavior.
Và điều các bạn thấy là những người đang ở trên mỗi trang web này có hành vi như sau.
If you're on the Stanford website — [LAUGHTER] --there is a probability 1/2 with which you will return to the Stanford website.
Nếu bạn đang ở trang web Stanford — [CƯỜI] — thì có xác suất 1/2 là bạn sẽ quay lại trang web Stanford.
There is a probability 1/2 with which you will jump to the Berkeley web page. Here on the Berkeley web page — [LAUGHTER] It's super interesting.
Và có xác suất 1/2 là bạn sẽ chuyển sang trang web Berkeley. Còn ở đây, trang web Berkeley — [CƯỜI] Nó cực kỳ thú vị.
And you keep coming back to the Berkeley web page. Okay. If you notice, this model is very, very similar to the pumps of water or the energy models that we've been thinking about.
Và bạn cứ quay lại trang web Berkeley mãi. Được rồi. Các em để ý, mô hình này rất giống với mô hình các máy bơm nước hay mô hình năng lượng mà chúng ta đã xét.
But this is exactly the model that was used by Page and Brin to actually model the internet. So you have these two websites. And you're observing people there.
Và đây chính là mô hình mà Page và Brin đã dùng để mô hình hóa internet. Vậy ta có hai trang web này. Và ta quan sát những người dùng ở đó.
So let's say you start out in an initial state, x0 is equal to 1, 0, where you have basically x, Stanford, and x, Berkeley.
Giả sử ta bắt đầu từ trạng thái ban đầu x0 = (1, 0), trong đó ta có x Stanford và x Berkeley.
So you have fraction 1 of all of your people — 100% of all of your people are at this node and 0 are over here. Okay.
Tức là tỉ lệ 1 của tất cả mọi người — 100% mọi người đang ở nút này và 0 ở bên này. Được rồi.
So now, you can write out the transition matrix for this. What is Q? Well, Stanford has 1/2 the people returning to it and 1/2 the people going out.
Bây giờ ta viết ma trận chuyển cho hệ này. Q là gì? Stanford có 1/2 số người quay lại và 1/2 số người đi ra.
At the next time step, Stanford gets 1/2 of the people that were at Stanford and 0 of the people at Berkeley. So this is 1/2, 0.
Ở bước thời gian kế tiếp, Stanford nhận được 1/2 số người đang ở Stanford và 0 số người ở Berkeley. Vậy là 1/2, 0.
And here again, you have 1/2 and a 1. So now, I have x of 1 is equal to 2 times x of 0, right?
Và ở đây lại có 1/2 và 1. Vậy x(1) = Q nhân x(0), đúng không?
And so what is x of 1 equal to? This is equal to 100% of people were here. 1/2 returned. 1/2 went over here in the first time step.
Vậy x(1) bằng bao nhiêu? 100% mọi người ban đầu ở đây. 1/2 quay lại. 1/2 chuyển sang đây ở bước thời gian đầu tiên.
So what do you have now?
Vậy bây giờ ta có gì?
STUDENT
1/2.
1/2.
PROFESSOR
1/2, 1/2, right?
1/2, 1/2, đúng không?
Just take Q and multiply 1, 0 by Q. Everyone with me here? What happens in the second time step?
Cứ lấy Q nhân (1, 0). Mọi người theo kịp chưa? Ở bước thời gian thứ hai thì sao?
What happens to the people that were here at the Stanford website? What do they get multiplied by?
Những người đang ở đây, tại trang web Stanford, thì sao? Họ được nhân với bao nhiêu?
STUDENT
[INAUDIBLE] PROFESSOR: Again, by 1/2, right? So you have 1/4. And those, again, go over to the Berkeley website. So now, you have 1/4 and 3/4.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Lại là 1/2, đúng không? Vậy ta có 1/4. Và những người kia lại chuyển sang trang Berkeley. Vậy bây giờ ta có 1/4 và 3/4.
And x of 3 is equal to 1/8 and 7/8.
Và x(3) bằng 1/8 và 7/8.
And if you keep running this, keep running this, keep running this, every time step, the number of people at the Stanford website gets multiplied by 1/2.
Và nếu cứ chạy tiếp, chạy tiếp, chạy tiếp như vậy, mỗi bước thời gian, số người ở trang web Stanford lại được nhân với 1/2.
So in t time steps, what will be the number of people that are at the Stanford website? It will be 1/2 to the t, right, if I've taken t steps.
Vậy sau t bước, số người ở trang web Stanford sẽ là bao nhiêu? Sẽ là 1/2 mũ t, đúng không, nếu ta đi t bước.
And the remainder will be at the Berkeley website. I'm arguing this intuitively.
Và phần còn lại sẽ ở trang web Berkeley. Tôi đang lập luận theo trực giác.
Make sure you go home and try actually the matrix multiplication way of doing this. So if I keep building this up, what is x of infinity?
Về nhà các em nhớ thử lại bằng cách nhân ma trận nhé. Nếu cứ tiếp tục, x(∞) là gì?
If I keep running this in steady state, where will I end up?
Nếu cứ chạy mãi đến trạng thái dừng, ta sẽ kết thúc ở đâu?
STUDENT
0.
0.
PROFESSOR
0, 1, right — no people at the Stanford website, 100% of people at the Berkeley website.
0, 1, đúng — không còn ai ở trang web Stanford, 100% người ở trang web Berkeley.
So here, we see that even if we started with all the people on this first website, we're going to end up with all of the people being on the second website.
Vậy ở đây ta thấy dù ban đầu tất cả mọi người ở trang web thứ nhất, ta vẫn sẽ kết thúc với tất cả mọi người ở trang web thứ hai.
What this is called is — or what this is evolving to is a notion of steady state. Now, let's say I start in the other direction.
Điều này được gọi là — hay đúng hơn hệ đang tiến tới khái niệm trạng thái dừng. Bây giờ giả sử ta bắt đầu theo chiều ngược lại.
If I start with 100% people at the Berkeley website and no one at the Stanford website — let's say I had if x of 0 was equal to 0, 1.
Nếu bắt đầu với 100% người ở trang Berkeley và không ai ở trang Stanford — giả sử x(0) = (0, 1).
What is x of 1?
x(1) là gì?
STUDENT
0, 1.
0, 1.
PROFESSOR
0, 1 — what is x of 2?
0, 1 — còn x(2) là gì?
STUDENT
0, 1.
0, 1.
PROFESSOR
0, 1. x of 2,000?
0, 1. x(2000)?
STUDENT
0, 1.
0, 1.
PROFESSOR
Still 0, 1, right? What 0, 1 is — it's called a steady state for this system. It says that these people are on these websites. They're going around.
Vẫn là 0, 1, đúng không? (0, 1) này được gọi là một trạng thái dừng của hệ. Nghĩa là những người này đang ở các trang web đó. Họ cứ di chuyển qua lại.
They're doing their business, you know, following links. And after this system has run for a very, very long time, you're going to end up in this steady state.
Họ làm việc của mình, bấm theo các liên kết. Và sau khi hệ chạy rất, rất lâu, ta sẽ đi đến trạng thái dừng này.
And once you're in this steady state, you're not going to change.
Và một khi đã ở trạng thái dừng, ta sẽ không thay đổi nữa.
So we call a vector x a steady state if x of the steady state, even when it is multiplied by the transition matrix,
Ta gọi vectơ x là trạng thái dừng nếu x của trạng thái dừng, dù được nhân với ma trận chuyển,
remains exactly the same.
vẫn giữ nguyên y như cũ.
We want to basically find out what allocation of people on this graph is such that even if the people keep jumping around, this relative proportions of people on the different websites remains exactly the same.
Về cơ bản ta muốn tìm xem cách phân bố người trên đồ thị này như thế nào để dù mọi người cứ nhảy qua lại, tỉ lệ tương đối của số người trên các trang web vẫn giữ nguyên.
This is what we mean by a steady state.
Đó là ý nghĩa của trạng thái dừng.
And this is exactly the problem basically that Google or any search engine wanted to solve, which is that at steady state, because you know, people are constantly jumping around, trying to find information on the web, but if you just took a snapshot at steady state, what fraction of the total people would be on which website?
Và đây chính là bài toán mà Google hay bất kỳ công cụ tìm kiếm nào muốn giải, đó là ở trạng thái dừng, vì bạn biết đấy, mọi người liên tục nhảy qua lại để tìm thông tin trên web, nhưng nếu ta chỉ chụp một ảnh nhanh ở trạng thái dừng, thì tỉ lệ bao nhiêu trong tổng số người sẽ ở mỗi trang web?
And you wanted to make sure that the websites that had the most people were ranked higher. And the websites that had fewer people were ranked lower.
Và bạn muốn đảm bảo các trang web có nhiều người nhất được xếp hạng cao hơn. Còn các trang web có ít người hơn thì xếp hạng thấp hơn.
So the problem that basically they wanted to solve was how can we find this vector x such that this is true?
Vậy bài toán mà họ muốn giải là làm sao tìm được vectơ x sao cho điều này đúng?
We see here that it's true for some vectors and not true for other vectors. How can we set this up in the way that we can actually do this?
Ta thấy nó đúng với một số vectơ và không đúng với các vectơ khác. Làm sao ta thiết lập bài toán theo cách để chúng ta thực sự giải được bài này?
So here, we know basically how to do one thing in this class, right? What is the one algorithm that we know how to use?
Ở đây, về cơ bản trong lớp này ta chỉ biết làm một việc, đúng không? Thuật toán duy nhất mà ta biết cách dùng là gì?
STUDENT
Gaussian elimination.
Phép khử Gauss.
PROFESSOR
Gaussian elimination, right? So if we wanted to solve this somehow, how would we want to reformulate it?
Phép khử Gauss, đúng rồi. Vậy nếu muốn giải bài này bằng cách nào đó, ta muốn viết lại nó như thế nào?
Can we somehow put this into a format that can actually allow us to use what we know? Is this a system of linear equations?
Liệu ta có thể đưa nó về một dạng mà cho phép dùng những gì đã biết không? Đây có phải là một hệ phương trình tuyến tính không?
Kind of, but is it in the format? What is the format of equations we'd like to solve? Ax equal to B, right — this is, like, Ax equal to x.
Gần như vậy, nhưng nó đã đúng dạng chưa? Dạng phương trình mà ta muốn giải là gì? Ax bằng B, đúng không — ở đây là Ax bằng x.
So can we do some rearrangements to get it into the format that we want? So how would we do that?
Vậy ta có thể biến đổi một chút để đưa nó về dạng mà ta muốn không? Làm thế nào?
What if I say I have Q times x equal to x? I want to find x. I can write this as Q times x minus x is equal to 0, right?
Giả sử ta có Q nhân x bằng x. Tôi muốn tìm x. Tôi viết được là Q nhân x trừ x bằng 0, đúng không?
It's the same thing.
Vẫn là một thứ thôi.
And I can further write this as Q times x minus identity times x is equal to 0.
Và tôi viết tiếp được là Q nhân x trừ ma trận đơn vị nhân x bằng 0.
And now, I can pull the x out. And now, I can write this as Q times — Q minus I times x is equal to 0, right?
Giờ tôi đặt x ra ngoài. Và giờ tôi viết được là Q nhân — Q trừ I, nhân x bằng 0, đúng không?
All I did was rearrange these things. What is Q minus I? It's a matrix.
Tôi chỉ sắp xếp lại các số hạng thôi. Q trừ I là gì? Là một ma trận.
Do we know what x is? No, but now, we have a right-hand side that is a concrete vector. It's not a variable, right?
Ta có biết x là gì không? Không, nhưng giờ vế phải là một vectơ cụ thể. Nó không phải là biến, đúng không?
And this is a special kind of equation actually that we have learned how to solve. What vectors x satisfy this equation?
Và đây là một loại phương trình đặc biệt mà ta đã học cách giải. Những vectơ x nào thỏa mãn phương trình này?
STUDENT
Null space.
Không gian không (null space).
PROFESSOR
The null space of Q minus I.
Không gian không của Q trừ I.
STUDENT
[INAUDIBLE] [LAUGHTER] PROFESSOR: So any vector that is of this form x is said to belong to the null space of Q minus I.
[KHÔNG NGHE RÕ] [CƯỜI] GIẢNG VIÊN: Vậy mọi vectơ x có dạng này được gọi là thuộc không gian không của Q trừ I.
And it is an eigenvector belonging to the eigenspace corresponding to eigenvalue 1.
Và nó là một vectơ riêng thuộc không gian riêng ứng với giá trị riêng 1.
Okay. Why is the eigenvalue here 1? It's because Q times x is implicitly equal to 1 times x.
Được rồi. Tại sao giá trị riêng ở đây là 1? Vì Q nhân x ngầm hiểu là bằng 1 nhân x.
Think about this. We will generalize next class. [LAUGHTER] [SIDE CONVERSATION] STUDENT: Question about the homework.
Hãy suy nghĩ về điều này. Buổi sau ta sẽ tổng quát hóa. [CƯỜI] [TRÒ CHUYỆN RIÊNG] SINH VIÊN: Em có câu hỏi về bài tập về nhà.
PROFESSOR
Mm-hmm.
Ừm.
STUDENT
So there is a problem. What is the step-by-step —
Có một bài này. Từng bước làm là gì —
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.