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.
GIREEJA RANADE
Okay, let's settle down. Welcome to lecture 2 for 16A.
Được rồi, các em trật tự nhé. Chào mừng các em đến với bài giảng 2 của môn 16A.
So today, I'm going to — thank you — today, I just want to start with a couple of minor administrative things, and then we're going to get right into our material.
Hôm nay, cô sẽ — cảm ơn các em — hôm nay, cô muốn bắt đầu bằng vài thông báo hành chính nhỏ, rồi chúng ta sẽ vào thẳng phần nội dung.
First of all, I want to apologize. I heard that there were some students that could not find the right room for my office hours last time.
Trước hết, cô xin lỗi. Cô nghe nói có một số sinh viên không tìm được đúng phòng cho giờ tiếp sinh viên (office hours) của cô lần trước.
And so office hours will not necessarily be in my office simply because my office isn't large enough to accommodate everyone in the class.
Giờ office hours không nhất thiết diễn ra ở văn phòng của cô vì văn phòng cô không đủ rộng để chứa tất cả mọi người trong lớp.
And so the room for office hours will always be posted on the website. Please check the website for the office hours. Today, we'll be in 212 Cory.
Vì vậy phòng cho office hours sẽ luôn được đăng trên trang web. Các em hãy xem trang web để biết giờ office hours. Hôm nay, chúng ta sẽ ở phòng 212 Cory.
We'll try to be in the same room, but because of logistics of room reservations, we might not be able to be in that exact same room.
Chúng cô sẽ cố gắng dùng cùng một phòng, nhưng do việc đặt phòng khá phức tạp, có thể không giữ được đúng phòng đó.
So if you're planning on coming to office hours, please check the website, or just walk with me right after class because if you walk with me, you're guaranteed to go to the right room.
Nên nếu em định đến office hours, hãy xem trang web, hoặc đi cùng cô ngay sau giờ học, vì nếu đi cùng cô, em chắc chắn sẽ đến đúng phòng.
That's the first thing. Second thing — we had an overwhelming response to the people who signed up for attending the roundtables, far more than we had anticipated.
Đó là điều thứ nhất. Điều thứ hai — số người đăng ký tham dự các roundtable rất đông, nhiều hơn chúng cô dự kiến rất nhiều.
So we're working on figuring out logistics so that we can accommodate every single person who wanted to attend.
Chúng cô đang tìm cách sắp xếp để có thể đáp ứng tất cả mọi người muốn tham dự.
But bear with us for a little bit while we try to figure out rooms and logistics to accommodate the larger number of people who signed up.
Mong các em kiên nhẫn một chút trong lúc chúng cô tìm phòng và sắp xếp cho số lượng người đăng ký lớn hơn.
But you should be hearing back about that, hopefully, by early next week. Last thing — we posted a little tutorial on how to install and run Jupyter Notebooks.
Hy vọng các em sẽ nhận được thông tin vào đầu tuần sau. Điều cuối cùng — chúng cô đã đăng một hướng dẫn nhỏ về cách cài đặt và chạy Jupyter Notebooks.
This will be helpful for you for homework 1. This will also be covered in the first lab section.
Hướng dẫn này sẽ hữu ích cho bài tập về nhà 1. Nội dung này cũng sẽ được nói đến trong bài thí nghiệm (lab) đầu tiên.
So for those of you who will be going to lab today and for the rest of the week, you'll get to see this.
Vậy những em có lab hôm nay và những ngày còn lại trong tuần sẽ được xem phần này.
Some of you didn't have lab on Monday because of Labor Day, so it might be worth it to just quickly look through that tutorial or go to office hours, go to homework party, so that you can make sure that you can do the first homework.
Một số em không có lab hôm thứ Hai vì nghỉ lễ Labor Day, nên có thể nên xem nhanh hướng dẫn đó, hoặc đến office hours, đến homework party, để chắc chắn là các em làm được bài tập về nhà đầu tiên.
First homework is very light. It only has two problems on it. Hopefully, it doesn't take much time.
Bài tập về nhà đầu tiên rất nhẹ. Chỉ có hai bài. Hy vọng không tốn nhiều thời gian.
But basically, we're buffering time for you to be able to install all of the necessary software on your computers and get stuff up and running because Jupyter Notebooks will be a big part of the homework going forward.
Về cơ bản, chúng cô dành thời gian đệm để các em cài đặt toàn bộ phần mềm cần thiết trên máy tính và cho mọi thứ chạy ổn, vì Jupyter Notebooks sẽ là một phần quan trọng của bài tập về nhà từ đây về sau.
Just to make it also clear, our homework policy is one that really encourages you to try and use the homework as a learning tool.
Cô cũng nói rõ thêm: chính sách bài tập về nhà của chúng ta khuyến khích các em dùng bài tập về nhà như một công cụ học tập.
Our homework is not intended to test you, and we really think that doing the homework well is the best way for you to prepare for your midterms and for your exams.
Bài tập về nhà không nhằm kiểm tra các em, và chúng cô thực sự tin rằng làm bài tập về nhà tốt là cách tốt nhất để chuẩn bị cho các bài kiểm tra giữa kỳ và các kỳ thi.
And we understand that sometimes things are stressful, sometimes there there's a problem that's particularly tricky, so for the purposes of homework credit, if you do 80% of your homework, this will be treated as full credit, and everything will be scaled accordingly.
Chúng cô hiểu đôi khi các em bị căng thẳng, đôi khi có bài đặc biệt khó, nên về điểm bài tập về nhà, nếu các em làm được 80%, thì sẽ được tính là điểm tối đa, và mọi thứ sẽ được quy đổi tương ứng.
On top of this, you will be getting one homework drop because sometimes, you might have to travel, you might fall sick — things like that.
Ngoài ra, các em còn được bỏ một bài tập về nhà vì đôi khi các em phải đi xa, hoặc bị ốm — những chuyện như vậy.
So I really encourage each one of you to focus on trying to maximize your learning from the homework.
Vì thế cô khuyến khích mỗi em tập trung tối đa hóa việc học được từ bài tập về nhà.
Use office hours, use your discussion TAs to really you know see how you can make sure that you understand what the homework is trying to tell you.
Hãy dùng office hours, hỏi các TA buổi thảo luận để xem làm thế nào để hiểu bài tập về nhà muốn truyền đạt điều gì.
And if you questions about this, please ask in Discussion, ask on Piazza, and otherwise. Finally, discussion sections will start tomorrow. Please attend a discussion section of your choice.
Nếu có câu hỏi, hãy hỏi trong buổi thảo luận, hỏi trên Piazza, hoặc cách khác. Cuối cùng, các buổi thảo luận sẽ bắt đầu từ ngày mai. Các em hãy tham dự buổi thảo luận mà mình chọn.
As I mentioned, we have many different types of discussion sections, and we ask that you find one that you think works for you.
Như cô đã nói, chúng ta có nhiều loại buổi thảo luận, và cô đề nghị các em tìm một buổi phù hợp với mình.
So we have discussion sections that are targeted towards freshmen, discussion sections that are targeted towards junior transfers, there is a section that is targeted towards students who have had some linear algebra experience.
Có những buổi thảo luận dành cho sinh viên năm nhất, những buổi dành cho sinh viên chuyển tiếp năm ba, và có một buổi dành cho sinh viên đã có chút kinh nghiệm về đại số tuyến tính.
We don't expect you to have linear-algebra experience. I want to emphasize that. You don't know how to have any linear algebra to be taking this class. In fact, we recommend that you don't.
Chúng cô không mong các em đã biết đại số tuyến tính. Cô muốn nhấn mạnh điều đó. Các em không cần biết gì về đại số tuyến tính để học lớp này. Thực ra, chúng cô khuyên là không cần.
But in the event that you do, you can attend one of these sections. This time, we also have two other sections that are different from what we've had in the past.
Nhưng nếu các em đã biết rồi, thì có thể tham dự một trong những buổi này. Lần này, chúng ta còn có hai buổi khác khác với những năm trước.
The first one is we're offering one discussion section that is two hours long. This discussion section will cover exactly the same material as the one-hour sections.
Thứ nhất là chúng ta mở một buổi thảo luận kéo dài hai tiếng. Buổi này dạy đúng cùng nội dung với các buổi một tiếng.
But it will just go more slowly, and it'll give you more time to work out problems yourselves.
Nhưng sẽ đi chậm hơn, và cho các em nhiều thời gian hơn để tự làm bài.
So if you think you would benefit from a more slow presentation of the material, please try this section out. Finally, we recognize that this is a very, very diverse group of people.
Nếu em thấy mình sẽ có lợi khi được trình bày nội dung chậm hơn, hãy thử buổi này. Cuối cùng, chúng cô nhận thấy đây là một nhóm rất, rất đa dạng về con người.
And there are people, and students, and groups within the population of students in EENCS that are underrepresented.
Có những sinh viên, và những nhóm trong cộng đồng sinh viên EECS chưa được đại diện đầy đủ.
And if you feel that you would benefit from being in a cohort of people, then there is a section that is being run — it's also on the website — that you can choose to attend.
Nếu em thấy mình sẽ có lợi khi ở trong một nhóm bạn như vậy, thì có một buổi đang được tổ chức — cũng có trên trang web — mà các em có thể chọn tham dự.
It's — I think here. So the — I think — red — okay, forget what the legend is. I forget the color labeling.
Nó ở — cô nghĩ là ở đây. Thì — cô nghĩ — màu đỏ — thôi, quên chú giải đi. Thầy/cô không nhớ cách gán màu.
Please go look on the website. It'll tell you which section is which one. Please try and find the section that you think is best for you.
Các em hãy vào xem trên trang web. Trang web sẽ cho biết section nào là section nào. Hãy cố tìm section mà các em thấy phù hợp nhất với mình.
I really encourage you, in the first week or two, to shop around. Attend different sections. Feel out the style of the TAs. They're all different, they're all amazing.
Tôi thực sự khuyến khích các em, trong một hai tuần đầu, hãy đi thử nhiều nơi. Tham dự các section khác nhau. Cảm nhận phong cách của các TA. Ai cũng khác nhau, ai cũng tuyệt vời.
Find someone that clicks with you. okay, so those are just some little administrative details. Hopefully, this is all clear.
Hãy tìm người hợp với các em. Okay, đó chỉ là một vài chi tiết hành chính nhỏ. Hy vọng mọi thứ đã rõ.
If not, please ask questions on Piazza, or come to me in office hours right after. okay, so I want to get into what we're going to be talking about today.
Nếu chưa, hãy hỏi trên Piazza, hoặc đến gặp tôi trong giờ office hours ngay sau đây. Okay, bây giờ tôi muốn vào nội dung của hôm nay.
Today, I want to introduce the first module and talk about the imaging lab. And after that, I'm going to talk a little bit about superposition and how you can recover signals from superposition.
Hôm nay, tôi muốn giới thiệu module đầu tiên và nói về imaging lab. Sau đó, tôi sẽ nói một chút về nguyên lý xếp chồng và cách khôi phục tín hiệu từ sự xếp chồng.
And I really want to, by the end of the lab — end of the lecture, get to addressing the question that people brought up at the end of last lecture, which is when you're given a system of linear equations, how do you figure out if you have no solutions, or a unique solution, or an infinite number of solutions?
Và đến cuối bài — cuối buổi học, tôi thực sự muốn trả lời câu hỏi mà mọi người nêu ra cuối buổi trước, đó là khi cho một hệ phương trình tuyến tính, làm sao biết được hệ vô nghiệm, có nghiệm duy nhất, hay có vô số nghiệm?
How can we do this systematically? And how can we teach a computer to do this?
Làm sao làm việc này một cách có hệ thống? Và làm sao dạy máy tính làm được điều đó?
So we talked last time about the tomography example, where we can use measurements from different pixels in this image — or in this case, in parts of our body — and combine them to be able to recover the underlying image, or underlying — for example, part of your body that you're
Lần trước chúng ta nói về ví dụ chụp cắt lớp (tomography), trong đó ta dùng các phép đo từ những pixel khác nhau trong ảnh — hay ở đây là các bộ phận trên cơ thể — và kết hợp chúng để khôi phục lại bức ảnh gốc, hay là phần gốc — ví dụ một bộ phận cơ thể mà
trying to actually image. And we talked about, basically, simplifying this to this very simple 2 by 2 grid, where we had four pixels. And we talked about taking measurements.
ta đang muốn chụp ảnh. Và về cơ bản ta đã đơn giản hóa thành lưới 2 x 2 rất đơn giản, với bốn pixel. Và ta đã nói về việc thực hiện các phép đo.
And first, we took two horizontal measurements and two vertical measurements and realized that, oh, actually, you try solving things out, and somehow, you can't get everything in terms of the constants.
Đầu tiên, ta đo hai lần theo hàng ngang và hai lần theo hàng dọc, rồi nhận ra rằng, khi các em thử giải ra, thì không thể tìm được tất cả theo các hằng số.
You end up with some variables in your equations, you can't actually solve all of your equations. And so we decided that we needed to take another measurement. And then we took a diagonal measurement.
Trong phương trình vẫn còn một số biến, nên không giải hết được các phương trình. Vì vậy ta quyết định cần đo thêm một phép đo nữa. Và ta đã đo theo đường chéo.
And the question was, well, how did we know to take a diagonal measurement?
Câu hỏi đặt ra là, làm sao ta biết cần đo theo đường chéo?
How do we know, when you're designing your MRI machine or your CT scan, that the measurements that the machine is going to take are actually going to work?
Khi thiết kế máy MRI hay máy chụp CT, làm sao biết các phép đo mà máy sẽ thực hiện thực sự dùng được?
You want to know this before designing your machine and selling 1,000 versions of it rather than after you've sold it and you find out, oh, actually, the measurements that this is taking are actually wrong.
Các em muốn biết điều này trước khi thiết kế máy và bán 1.000 chiếc, chứ không phải sau khi đã bán rồi mới phát hiện ra rằng các phép đo của máy bị sai.
So how do you design to have the correct kind of measurements? And that's exactly what we're going to be talking about today.
Vậy làm sao thiết kế để có các phép đo đúng? Và đó chính xác là điều ta sẽ nói hôm nay.
And this is actually leading in to the entire first module in the imaging lab. So tomography is one example of imaging, but what is imaging in general?
Và điều này dẫn vào toàn bộ module đầu tiên là imaging lab. Chụp cắt lớp là một ví dụ về tạo ảnh, nhưng tạo ảnh nói chung là gì?
You have some subject that you're trying to image, and you have an energy source. And this energy source is, let's say, illuminating the object.
Có một đối tượng mà các em muốn chụp ảnh, và có một nguồn năng lượng. Giả sử nguồn năng lượng này chiếu sáng vật thể.
And there is a detector, like a camera, that is then detecting that energy that is being reflected, let's say, from your subject. And this is the general structure of an imaging system.
Và có một bộ phát hiện, như camera, sẽ thu nhận năng lượng phản xạ lại, chẳng hạn, từ đối tượng của các em. Đây là cấu trúc chung của một hệ thống tạo ảnh.
In the lab, in 16A, you're going to be building what we call a "single-pixel camera." The cameras on your phones have multiple pixels.
Trong lab của 16A, các em sẽ xây dựng cái gọi là "camera một pixel" (single-pixel camera). Camera trên điện thoại của các em có nhiều pixel.
What we are going to be doing is building a simpler version of this that just has one pixel.
Ta sẽ xây dựng một phiên bản đơn giản hơn chỉ có một pixel.
And what you're going to do is you're going to have patterned illumination that allows you to actually recover the image from just a single pixel.
Và các em sẽ dùng chiếu sáng theo mẫu (patterned illumination) để khôi phục ảnh chỉ từ một pixel duy nhất.
So if there's many, many pixels in the image, and you only have a single pixel, how can you possibly recover, basically, multiple unknowns.
Nếu ảnh có rất nhiều pixel, mà ta chỉ có một pixel, thì làm sao có thể khôi phục nhiều ẩn số như vậy?
If you have many pixels in your image, that means you have many unknowns. How can you recover them from just one measurement? That's kind of a little bit of a tricky question.
Nếu ảnh có nhiều pixel, nghĩa là có nhiều ẩn số. Làm sao khôi phục chúng chỉ từ một phép đo? Đây là câu hỏi hơi hóc búa.
What are we supposed to do to be able to do this? And the trick here that you're going to be using in lab is going to be patterned illumination.
Ta nên làm gì để làm được điều này? Và mẹo mà các em sẽ dùng trong lab là chiếu sáng theo mẫu.
So what could you possibly try and do in this case?
Vậy trong trường hợp này các em có thể thử làm gì?
Let's say you can only measure one pixel at a time, and you think of these pixels as, basically, numbers in a grid, like the way you set it up last time.
Giả sử mỗi lần chỉ đo được một pixel, và các em coi các pixel này về cơ bản là các con số trong một lưới, như cách ta thiết lập lần trước.
But you can only get one measurement at a time. What would you want to try and do?
Nhưng mỗi lần chỉ có một phép đo. Các em sẽ muốn thử làm gì?
Yeah.
Mời em.
STUDENT
Illuminate different parts of the [INAUDIBLE]..
Chiếu sáng các phần khác nhau của [KHÔNG NGHE RÕ].
GIREEJA RANADE
The suggestion was to illuminate different parts of the image, right?
Gợi ý là chiếu sáng các phần khác nhau của ảnh, đúng không?
So if you illuminated everything at once, you're going to get a bunch of stuff reflected back, and you're not going to be able to understand.
Nếu chiếu sáng mọi thứ cùng lúc, ta sẽ nhận về một đống thứ phản xạ lại, và không thể hiểu được gì.
But instead, what you could do is you could say, well, I can only measure one pixel. I'll only project energy on one pixel.
Thay vào đó, ta có thể nói rằng, tôi chỉ đo được một pixel. Tôi chỉ chiếu năng lượng lên một pixel.
That way, I'll only be able to get the reflectants from one back. Everything else will be black, everything else will be dark. I won't see it at all.
Như vậy, tôi chỉ nhận được ánh sáng phản xạ từ một pixel. Mọi thứ khác sẽ đen, mọi thứ khác sẽ tối. Tôi sẽ không thấy chúng chút nào.
And that's actually exactly one of the things that you're going to do in lab. But that doesn't seem very satisfying.
Và đó chính xác là một trong những việc các em sẽ làm trong lab. Nhưng cách này nghe không thỏa đáng lắm.
And actually, it turns out that this can be quite error-prone it's error-prone because, first of all, it's hard to shine light on just one pixel.
Thực ra, hóa ra cách này khá dễ sai sót, dễ sai sót vì trước hết, rất khó chiếu ánh sáng chỉ lên một pixel.
And secondly, what you get back when you're just shining one little bit of light is you get a very weak signal back. There's not a lot of light being reflected black.
Thứ hai, khi bạn chỉ chiếu một chút ánh sáng vào một điểm, tín hiệu thu về rất yếu . Có rất ít ánh sáng được phản xạ lại.
When you're taking a picture, if everything is kind of dark, there's not a lot of light, the images turn out blurry. You can't see them clearly.
Khi chụp ảnh, nếu mọi thứ khá tối và thiếu sáng, ảnh sẽ bị mờ. Bạn không nhìn rõ được.
So to get around this, what you're going to want to do is you're going to actually want to illuminate multiple pixels at once. But when you illuminate multiple pixels at once, what happens?
Vì vậy để khắc phục, điều bạn muốn làm là chiếu sáng nhiều pixel cùng lúc. Nhưng khi chiếu nhiều pixel cùng lúc thì chuyện gì xảy ra?
You suddenly have mixing of the signals. You're not getting one pixel at a time. And now the question is, what can you do? Can you recover the frog?
Các tín hiệu bỗng bị trộn lẫn. Bạn không còn nhận từng pixel một nữa. Và câu hỏi bây giờ là: bạn làm được gì? Bạn có khôi phục được con ếch không?
How many measurements are you going to need? And how should you choose which pixels to illuminate over others? Are there better ways to illuminate pixels?
Bạn cần bao nhiêu phép đo? Và nên chọn chiếu sáng pixel nào thay vì những pixel khác? Có cách chiếu sáng pixel nào tốt hơn không?
Can you design your experiments, as an engineer, to be better so that you can recover the image better? That's the question that you're really going to be thinking about.
Với tư cách kỹ sư, bạn có thể thiết kế thí nghiệm sao cho khôi phục ảnh tốt hơn không? Đó là câu hỏi mà các bạn thực sự sẽ suy nghĩ.
And that's what the entire module 1 is going to be talking about.
Và đó là nội dung của toàn bộ module 1.
So when you're thinking about some kind of linear algebra that you're learning in class, try always to map it back to, for example, the imaging lab.
Vì vậy khi học đại số tuyến tính trên lớp, hãy luôn cố gắng liên hệ nó với, chẳng hạn, bài lab về ảnh.
It will help you place yourself and might help you ask questions, might help you understand why we're trying to talk about a certain concept.
Điều đó giúp bạn định hướng, đặt câu hỏi, và hiểu vì sao chúng ta nói về một khái niệm nào đó.
And if imaging isn't your favorite application, there's going to be a lot of other applications in the homework. So pick your favorite application, and run with it.
Còn nếu ảnh không phải ứng dụng bạn thích, thì còn rất nhiều ứng dụng khác trong bài tập về nhà. Cứ chọn ứng dụng bạn thích và theo nó.
So just to give you here, this is a setup for what you're going to be seeing in lab. This will start next week, week 0.
Đây là phần chuẩn bị cho những gì các bạn sẽ gặp trong lab. Sẽ bắt đầu từ tuần sau, tuần 0.
Or the first week, you'll be basically having a Jupyter Notebook boot camp.
Hay tuần đầu tiên, các bạn sẽ có một buổi boot camp về Jupyter Notebook.
You'll hear a lot more about exactly how this is going to work in lab, but I just wanted to introduce this to you and have you keep this in the back of your mind as we start thinking about systems of linear equations and why we want to actually solve them.
Các bạn sẽ được nghe kỹ hơn về cách lab vận hành, tôi chỉ muốn giới thiệu qua để các bạn ghi nhớ khi ta bắt đầu nói về hệ phương trình tuyến tính và vì sao ta muốn giải chúng.
So with that, I guess this is kind of the big motivation, or tomography, I think of as the big motivation for understanding systems of linear equations.
Vậy đây là động lực lớn, hay đúng hơn tôi coi chụp cắt lớp là động lực lớn để hiểu hệ phương trình tuyến tính.
It's quite powerful in that this is potentially life-saving technology. And that's a pretty strong motivator for wanting to solve systems of linear equations.
Nó rất mạnh vì đây có thể là công nghệ cứu người. Và đó là động lực khá mạnh để muốn giải hệ phương trình tuyến tính.
But for those of you who might have started on homework 1, or even as we're going to talk about now, there are sometimes just some fun things that you can do with the systems of linear equations that are not necessarily things that are going to be particularly useful, but they might be entertaining.
Nhưng với những bạn đã bắt đầu làm bài tập về nhà 1, hoặc như ta sắp nói đây, đôi khi cũng có vài điều vui bạn làm được với hệ phương trình tuyến tính mà không hẳn là đặc biệt hữu ích, nhưng có thể thú vị.
So I know a lot of people in the room are freshmen or incoming transfers, so you might be taking 16A and 61A at the same time.
Tôi biết nhiều bạn trong phòng là sinh viên năm nhất hoặc mới chuyển trường, nên có thể đang học 16A và 61A cùng lúc.
And when we were trying to make the websites for these classes over the summer, we kept running into this issue where this image kept popping up.
Khi chúng tôi làm trang web cho các lớp này hồi hè, chúng tôi liên tục gặp một vấn đề là bức ảnh này cứ hiện ra.
And it will show up on the 61A website, and then there are two up on the 16A website and there is all this confusion about, wait, who's the instructor?
Nó hiện trên web của 61A, rồi có hai bức trên web của 16A và mọi người rất bối rối, khoan đã, giảng viên là ai vậy?
Who is that exactly? And we knew it was supposed to be Professor DeNero and Professor Boser, but these weird images kept popping up. And we couldn't recover the original instructors.
Đây chính xác là ai? Chúng tôi biết đó phải là Giáo sư DeNero và Giáo sư Boser, nhưng những bức ảnh kỳ lạ này cứ hiện lên. Và chúng tôi không khôi phục được các giảng viên gốc.
We had a measurement on our website which kept being generated. What do you want to do when you have measurements but you want to recover something?
Chúng tôi có một phép đo trên trang web cứ liên tục được tạo ra. Khi có các phép đo mà muốn khôi phục lại thứ gì đó thì làm sao?
You want to try and basically figure out what the original thing is.
Bạn muốn tìm ra thứ ban đầu là gì.
If you have some measurements, and they're not enough in terms of being able to figure it out — all I have is this image — what would you want to do to try and, say, figure out what the original instructors actually were?
Nếu có vài phép đo mà chưa đủ để suy ra được, tôi chỉ có bức ảnh này, bạn sẽ làm gì để tìm ra các giảng viên gốc thực sự là ai?
This would not work. If you could do anything you wanted?
Cách này sẽ không được. Nếu bạn muốn làm gì cũng được thì sao?
Okay, yeah, got it back. Well, one idea might be to say, here is basically one mix of the instructors that is being shown.
Được rồi, ra lại rồi. Một ý tưởng là, đây là một hỗn hợp của các giảng viên đang được hiển thị.
What if I gave you another mix of the instructors?
Nếu tôi đưa thêm một hỗn hợp khác thì sao?
What can you do now with potentially two mixes of instructors? I'm not really asking you to think about reading this code, though I can walk you through it.
Bây giờ bạn làm được gì với hai hỗn hợp của các giảng viên? Tôi không yêu cầu các bạn đọc đoạn code này, dù tôi có thể giải thích.
Basically, what we're doing here is there is an original image, there's two original images, there's two factors, and we're basically taking factor one times instructor one, factor two times instructor two.
Về cơ bản, ở đây có một ảnh gốc, thật ra có hai ảnh gốc, có hai hệ số, và ta lấy hệ số một nhân giảng viên một, hệ số hai nhân giảng viên hai.
And we have two linear combinations of these images that are being rendered. Maybe we could have different linear combinations, we can have something like that.
Và ta có hai tổ hợp tuyến tính của các ảnh này được hiển thị. Có thể ta dùng các tổ hợp tuyến tính khác, ví dụ như thế này.
Look what happened here. You might have different versions if we tried to make this 16.
Hãy xem điều gì xảy ra ở đây. Bạn có thể có các phiên bản khác nhau nếu ta thử đổi thành 16.
You might have different versions there, depending on the different weights. These are different weights that are being provided to these two different images.
Bạn có thể có các phiên bản khác nhau ở đó, tùy theo các trọng số khác nhau. Đây là các trọng số khác nhau được gán cho hai bức ảnh khác nhau.
So when you think about wanting to recover these two images, how many unknowns are there? These are 512 by 512 images.
Vậy khi muốn khôi phục hai bức ảnh này, có bao nhiêu ẩn số? Đây là các ảnh 512 nhân 512.
So that's about, I think, 200,000 variables that, basically, every single pixel is an unknown. You want to recover every single one of these.
Vậy khoảng 200.000 biến, vì mỗi pixel là một ẩn số. Bạn muốn khôi phục từng pixel một.
We could do it by hand. But I trust none of you want that as your homework exercise.
Ta có thể làm bằng tay. Nhưng tôi tin không ai muốn đó là bài tập về nhà cả.
And so what we want to try and do is figure out, basically, systematically, how can we disentangle these two images?
Vậy điều ta muốn làm là tìm ra, một cách có hệ thống, làm sao chúng ta có thể tách hai bức ảnh này ra?
And the way that Jupyter Notebooks, or basically, IPython, will do this is — let's say we can print out each of these images. And what you see here are all of these pixel values.
Và cách mà Jupyter Notebook, hay nói đúng hơn là IPython, thực hiện việc này là — giả sử ta in từng bức ảnh ra. Và ở đây các em thấy toàn bộ các giá trị pixel.
And I can print out, and I can see the shape of it, which I can see it's 512 pixels by 512 pixels.
Tôi có thể in ra và xem kích thước của nó, là 512 pixel nhân 512 pixel.
I can print out the other mixture, and I can print out its shape as well.
Tôi in bản trộn còn lại, và cũng in kích thước của nó.
And now what I have here is a little bit of just organizational — just a little bit of organizational code.
Và bây giờ tôi có một chút đoạn mã chỉ để sắp xếp — chỉ là một chút mã sắp xếp thôi.
And what I want to call, really, here is this function, np.linalg.solve.
Và thứ tôi thực sự muốn gọi ở đây là hàm np.linalg.solve.
And then I'm going to do that, I have that, I have this. And let's see. I get two answers. Let's see what the answers I get.
Rồi tôi sẽ chạy, tôi có cái này, có cái này. Để xem nào. Tôi nhận được hai kết quả. Xem kết quả là gì nào.
Oh, I get one nice image, and I get a second clean image. And what did I do here?
Ồ, tôi được một bức ảnh đẹp, và một bức ảnh sạch thứ hai. Vậy tôi đã làm gì ở đây?
I basically told this function np.linalgebra.solve that I have, basically, some measurements, which are in this B vector.
Tôi đã nói với hàm np.linalgebra.solve này rằng tôi có một số phép đo, nằm trong vectơ B này.
And I know that these images are combined by these ratios. Please solve this to give me the original images back.
Và tôi biết các ảnh được trộn theo những tỉ lệ này. Hãy giải để trả lại cho tôi các ảnh gốc.
And what we're going to talk about today is, what is in the guts of this function — linknowledge.solve. Because we really don't want to be solving this out exactly by hand.
Và hôm nay chúng ta sẽ nói về bên trong hàm này có gì — linknowledge.solve. Vì chúng ta thực sự không muốn giải chính xác bài này bằng tay.
So with that, I want to try and shift to the document camera.
Vậy nên, tôi muốn chuyển sang camera tài liệu.
Can everyone see this at the back? Yeah? Great. Thank you.
Các em ở cuối lớp có nhìn thấy không? Được không? Tốt. Cảm ơn các em.
okay, so you have this image mix 1, which is some factor alpha 1 times image 1, plus some factor alpha 2 times image 2.
Được rồi, ta có ảnh trộn mix 1, là một hệ số alpha 1 nhân image 1, cộng một hệ số alpha 2 nhân image 2.
And you have mix 2, which is beta 1 times image 1, plus beta 2 times image 2.
Và có mix 2, là beta 1 nhân image 1, cộng beta 2 nhân image 2.
And these M1, M2 — these are your measurements, or your data.
Và M1, M2 này — là các phép đo, hay dữ liệu của các em.
These are the two superposed images that you saw. And what are these guys — Alpha 1, alpha 2, beta 1, beta 2?
Đó là hai ảnh chồng lên nhau mà các em đã thấy. Còn những thứ này là gì — Alpha 1, alpha 2, beta 1, beta 2?
These are those coefficients that were used to generate the combination. And these are also known. So the measurements and data are known.
Đó là những hệ số được dùng để tạo ra bản trộn. Và chúng cũng đã biết. Vậy các phép đo và dữ liệu là đã biết.
And we want to figure out, what were the underlying images? So these guys — image 1, image 2 — these are what are unknown.
Và ta muốn tìm ra các ảnh gốc là gì? Vậy image 1, image 2 này mới là những thứ chưa biết.
It's important to keep track, especially when you're doing a lot of symbolic math, you might have symbols that are representing variables and other symbols that are representing constants.
Điều quan trọng là phải theo dõi cho rõ, đặc biệt khi các em làm nhiều toán ký hiệu, có những ký hiệu biểu diễn biến và những ký hiệu khác biểu diễn hằng số.
Constants are known, variables are unknown. It's important to figure out a way in your head to keep track of these different things.
Hằng số là đã biết, biến là chưa biết. Các em cần có cách nào đó trong đầu để phân biệt những thứ khác nhau này.
And the way that we solve this, what I did — the little piece of code that we had — what it actually did was it took this image, which is this, basically, square that is 512 by 512.
Và cách ta giải bài này, những gì tôi đã làm — đoạn mã nhỏ mà ta có — thực ra là nó lấy bức ảnh này, về cơ bản là một hình vuông 512 nhân 512.
And it said, oh, look, there's so many little pixels here. All of these is a little pixel.
Và nó nói, ồ, có rất nhiều pixel nhỏ ở đây. Mỗi ô này là một pixel nhỏ.
But this is a bit hard to manipulate, and so it transformed these into what we're going to call a "vector."
Nhưng cái này hơi khó xử lý, nên nó biến chúng thành thứ mà ta sẽ gọi là "vectơ".
And a vector is just an ordered — O-R-D-E-R-E-D — ordered list of elements. And usually, we'll write this in a long column.
Vectơ đơn giản là một danh sách các phần tử có thứ tự — O-R-D-E-R-E-D — có thứ tự. Và thường ta sẽ viết nó thành một cột dài.
So I'm going to write this as, let's say, a vector x, which is equal to x1, x2, all the way up to xn, where, here, n is equal to the 512 times 512.
Tôi sẽ viết là, giả sử, vectơ x bằng x1, x2, cho đến xn, trong đó n bằng 512 nhân 512.
And so basically, this pixel goes here, the second pixel goes here, this third pixel goes here, so on and so forth until I put all of these pixel in the this really really, really long vector.
Vậy pixel này xếp vào đây, pixel thứ hai vào đây, pixel thứ ba vào đây, cứ thế cho đến khi tôi xếp hết các pixel vào vectơ rất, rất, rất dài này.
You're going to be doing something very, very similar in the lab.
Các em sẽ làm một việc rất, rất giống vậy trong bài lab.
And so you'll get to understand a little bit more about this — how do you go from things that are organized as a grid into things that are organized in a vector in a straight line.
Và các em sẽ hiểu rõ hơn một chút về việc này — làm sao đi từ dữ liệu được tổ chức dạng lưới sang dữ liệu được tổ chức thành vectơ nằm trên một đường thẳng.
You'll get to see more about this in lab. But what we want to figure out is now, how do we solve this?
Các em sẽ thấy rõ hơn trong bài lab. Nhưng điều ta muốn tìm hiểu bây giờ là, làm sao giải bài này?
How do we solve? And what did that function — the solve function — actually do?
Làm sao để giải? Và hàm đó — hàm solve — thực sự đã làm gì?
And I don't really want to sit here and do our full example with these many variables. It's too much algebra, and we'll never get anywhere. We'll spend the entire time writing out the problem.
Và tôi không muốn ngồi đây làm trọn ví dụ với chừng ấy biến. Đại số nhiều quá, và ta sẽ chẳng đi đến đâu. Ta sẽ mất cả buổi chỉ để viết ra bài toán.
So we're going to do basically something that we're going to keep doing over and over and over in this class.
Vậy ta sẽ làm một việc mà ta sẽ làm đi làm lại nhiều lần trong môn này.
And if there's one thing that I want you to take away with you when you leave this class, it is when you're faced with a complicated, large problem, simplify.
Và nếu có một điều tôi muốn các em mang theo khi rời khỏi lớp này, thì đó là khi đối mặt với một bài toán lớn, phức tạp, hãy đơn giản hóa.
Make a simple example, and understand that.
Làm một ví dụ đơn giản, và hiểu nó.
So we're going to do our usual 16A strategy, which is simplify.
Vậy ta sẽ dùng chiến lược quen thuộc của 16A, đó là đơn giản hóa.
When in doubt, simplify. It's probably one of the most important things you can take away from this class. okay, so let me see if I can zoom out a little bit.
Khi còn lúng túng, hãy đơn giản hóa. Có lẽ đó là một trong những điều quan trọng nhất các em có thể mang theo từ môn này. Được rồi, để xem tôi thu nhỏ lại một chút được không.
If I zoom out to this level, can the people at the back still read? No. okay. okay, I will zoom in again.
Nếu thu nhỏ đến mức này, các em ở cuối lớp còn đọc được không? Không. Được rồi. Được, tôi sẽ phóng to lại.
And the simple example I want to think about is the following — 2x plus 3y equal to 8. Let's call this equation 1.
Và ví dụ đơn giản tôi muốn xét là như sau — 2x cộng 3y bằng 8. Ta gọi đây là phương trình 1.
And 3x minus y equal to 1. Let us call this equation 2. So we have two variables. We have two equations.
Và 3x trừ y bằng 1. Ta gọi đây là phương trình 2. Vậy ta có hai biến. Ta có hai phương trình.
Why don't you just take a minute to work this out, solve it, talk to your neighbor, take a stretch break, whatever you want. But ideally, in a minute, try to solve this problem.
Các em hãy dành một phút để tự giải bài này nhé, nói chuyện với bạn bên cạnh, nghỉ giải lao một chút, tùy các bạn. Nhưng lý tưởng là trong một phút, hãy cố giải bài này.
Feel free to talk. Get to know your neighbors.
Cứ tự nhiên trao đổi. Làm quen với những người ngồi cạnh.
[INTERPOSING VOICES] How many people think they have a solution for this system?
[NHIỀU GIỌNG NÓI XEN VÀO] Có bao nhiêu bạn nghĩ mình đã có nghiệm của hệ này?
Show of hands. okay. How many people solved this system exactly the same way as the person sitting next to them?
Giơ tay nào. Được rồi. Bao nhiêu bạn giải hệ này giống hệt cách của người ngồi bên cạnh?
How many people saw it in a different way from the person sitting next to them? Right? How many people think that they're probably several different ways that all of you collectively solved this problem?
Bao nhiêu bạn giải theo cách khác với người ngồi bên cạnh? Đúng không? Bao nhiêu bạn nghĩ có lẽ có nhiều cách khác nhau mà cả lớp đã cùng dùng để giải bài này?
Probably some of you chose to solve for x first, others chose to solve for y first, some of you substituted equation 1 into equation 2. Some of you did the other way around.
Có lẽ một số bạn chọn giải x trước, số khác chọn giải y trước, một số bạn thế phương trình 1 vào phương trình 2. Một số bạn làm ngược lại.
There's clearly many, many different ways to do this, right?
Rõ ràng có rất nhiều cách để làm việc này, đúng không?
But if we wanted to now write a piece of software that would solve systems of equations for us, do we want that software to have different behavior every single time?
Nhưng giả sử ta muốn viết một phần mềm giải hệ phương trình cho ta, ta có muốn phần mềm đó hoạt động khác nhau mỗi lần không?
We want it to be reliable, predictable, and we want it to be systematic.
Ta muốn nó đáng tin cậy, dự đoán được, và có tính hệ thống.
So what we're going to talk about is, how do we develop a systematic way for solving these systems of linear equations?
Vậy điều ta sẽ bàn là, làm sao xây dựng một cách có hệ thống để giải các hệ phương trình tuyến tính này?
And for that, let's start doing it together. So first thing that I'm going to try and do is I'm going to try and be a little bit lazy.
Và để làm vậy, ta cùng bắt đầu nhé. Việc đầu tiên tôi sẽ làm là cố gắng lười đi một chút.
So I have 2x plus 3y equal to 8, and 3x minus y equal to 1. But there's like some repetition here. x shows up twice, y shows up twice.
Tôi có 2x + 3y = 8, và 3x - y = 1. Nhưng ở đây có sự lặp lại. x xuất hiện hai lần, y cũng hai lần.
So I'm going to write these numbers in a box. I'm going to put a 2 here, and a 3 here, and an 8 here.
Nên tôi sẽ viết các số này vào một khung. Tôi đặt số 2 ở đây, số 3 ở đây, và số 8 ở đây.
And I'm going to put a 3 here, and a minus 1 here, and a 1 here. And I'm going to draw this line.
Và tôi đặt số 3 ở đây, số -1 ở đây, và số 1 ở đây. Và tôi sẽ kẻ đường này.
And this is what I call the "augmented-matrix form" for this system of linear equations.
Đây gọi là dạng ma trận mở rộng (augmented matrix) của hệ phương trình tuyến tính này.
It's just a rewriting of the equation where we're ignoring the variables. And we'll see why this is useful.
Nó chỉ là cách viết lại hệ phương trình mà ta bỏ qua các biến. Và ta sẽ thấy vì sao nó hữu ích.
And you'll start to use this more and more as we go along, but we don't even have to think about it so much. But how would we now solve this systematically?
Các bạn sẽ dùng nó ngày càng nhiều về sau, và thậm chí không cần nghĩ nhiều về nó. Nhưng giờ ta giải hệ này một cách có hệ thống thế nào?
What I want to do is I want to say, first, set the coefficient for x to be 1.
Điều tôi muốn là, trước hết, đặt hệ số của x bằng 1.
Basically, normalize equation 1.
Tức là chuẩn hóa phương trình 1.
So what I'm going to do is I'm going to say I'm going to take E1, and I'm going to divide it by 2, which is going to give me x plus 3 over 2y is equal to 4.
Vậy tôi sẽ lấy E1 và chia cho 2, được x + 3/2 y = 4. Tôi gọi đây là E1 sao.
I'm going to call this E1 star.
Tôi gọi đây là E1 sao.
Does everyone see how I got E1 star from E1? We're good?
Mọi người có thấy tôi có E1 sao từ E1 thế nào không? Ổn chứ?
STUDENT
Yeah.
Vâng.
GIREEJA RANADE
Yes? okay, great. Now, our second step in doing things systematically is to systematically eliminate.
Có không? Được, tốt. Bước thứ hai để làm có hệ thống là khử một cách có hệ thống.
So we're going to say, use equation 1 star to eliminate x from equation 2.
Ta dùng phương trình 1 sao để khử x khỏi phương trình 2.
And so in equation 2, I know that there is a coefficient of 3. So if I wanted to remove x, what do I need to multiply this equation by?
Trong phương trình 2, tôi biết có hệ số là 3. Nếu muốn loại x, ta cần nhân phương trình này với bao nhiêu?
STUDENT
[INAUDIBLE] GIREEJA RANADE: 3, right? Or minus 3. So I can write E2 times — or sorry — E2 minus 3 times E1 star.
[KHÔNG NGHE RÕ] GIREEJA RANADE: 3, đúng không? Hoặc -3. Vậy tôi viết E2 nhân — à nhầm, E2 trừ 3 lần E1 sao.
This gives me 3x minus y minus 3 times x plus 3 over 2y.
Ta được 3x - y - 3 nhân (x + 3/2 y).
And this is equal to — now on the right side, I have 1 minus 3 times 4, which is equal to minus 11.
Và cái này bằng — vế phải, ta có 1 - 3 nhân 4, bằng -11.
STUDENT
[INAUDIBLE] GIREEJA RANADE: Yep.
[KHÔNG NGHE RÕ] GIREEJA RANADE: Đúng.
We're good here? okay. And so now, this gives me, basically, minus 11y over 2 is equal to minus 11 is my equation.
Đến đây ổn chứ? Được. Vậy ta có phương trình -11y/2 bằng -11.
So my 3x — this cancels.
3x triệt tiêu.
And now my third step — notice that I'm being very systematic here. You all can read off the value of y from this equation.
Bước thứ ba — để ý là tôi đang làm rất có hệ thống. Các bạn đã có thể đọc ra giá trị của y từ phương trình này.
But I'm going to say third step is solve for y, which gives me y is equal to 2.
Nhưng bước ba là giải y, ta được y = 2.
And finally, what we're going to say is for back-substitute.
Cuối cùng là thế ngược lại (back-substitute).
okay, let me try to zoom out just a little bit.
Để tôi thu nhỏ lại một chút.
okay.
Được rồi.
Probably some of you solve the problem exactly this way. But this is one way of solving it. And so I want to now just compare this.
Có lẽ một số bạn đã giải đúng như thế này. Nhưng đây chỉ là một cách giải.
And write this exact algorithm in a slightly different form using these augmented matrices. So here, I had this augmented matrix. And what did I do?
Giờ tôi muốn so sánh, và viết đúng thuật toán này dưới một dạng hơi khác dùng các ma trận mở rộng này. Ở đây, tôi có ma trận mở rộng này. Và tôi đã làm gì?
I just divided, basically, the first equation by 2, which here, is the same as dividing the first row by two.
Tôi chỉ chia phương trình thứ nhất cho 2, ở đây tức là chia hàng thứ nhất cho 2.
So if I divide the first row by 2, I can represent the step 1 as 2 divided by 1 is 1, 3 divided by 2 is 3 over 2, 8 divided by 2 is 4.
Nếu chia hàng thứ nhất cho 2, bước 1 biểu diễn là 2 chia 2 bằng 1, 3 chia 2 là 3/2, 8 chia 2 là 4.
And I didn't change anything on the bottom equation, so that's just as it is.
Và tôi không đổi gì ở phương trình dưới, nên nó giữ nguyên.
That's all I did here. And how would we do that for the second step? Here, in the second step, we haven't changed the first equation. It's exactly as it was.
Đó là tất cả những gì tôi làm ở đây. Còn bước thứ hai thì làm thế nào? Ở bước hai, ta không thay đổi phương trình đầu. Nó giữ nguyên như cũ.
But now, I am taking E2 and replacing it by E2 minus 3 times E1 star.
Nhưng giờ tôi lấy E2 và thay nó bằng E2 trừ 3 lần E1 sao.
So when I did that, here, I got, basically, this was implicitly a 0x plus — minus 11 over 2. So when I do this operation, what do I get here?
Khi làm vậy, ở đây tôi được ngầm hiểu là 0x cộng — -11/2. Vậy khi làm phép này, ta được gì ở đây?
I get a 0 here, I get minus 11 over 2, and here, I get a minus 11.
Ở đây tôi được 0, ở đây được -11/2, và ở đây tôi được -11.
I'm just representing the output of each of these systematic steps. I'm just drawing them in this table form. And then the last step — I solved for y.
Tôi chỉ đang biểu diễn kết quả của từng bước có hệ thống này. Tôi chỉ vẽ chúng dưới dạng bảng. Và bước cuối cùng, tôi giải ra y.
What did I do? I got 1, 3 over 2, 0. I divided.
Tôi đã làm gì? Tôi có 1, 3/2, 0. Tôi đã chia.
I scaled this by 2 over 11 to get, basically, here, a 1; and here, a 4; and here, a 2.
Tôi nhân dòng này với 2/11 để được ở đây số 1; ở đây số 4; và ở đây số 2.
And as soon as I saw this 1, I basically knew that this meant 1 times y equal to 2. And I was done. I was able to solve.
Ngay khi thấy số 1 này, tôi biết nó có nghĩa là 1 nhân y bằng 2. Và thế là xong. Tôi đã giải được.
The nice thing here, when you notice, when you look at this, what are you seeing here? You're seeing that there's a triangle that has formed here.
Điều hay ở đây là, khi các em nhìn vào đây, các em thấy gì? Các em thấy đã hình thành một hình tam giác.
And you can think about it as stuff above the diagonal is non-0. Stuff below the diagonal is 0.
Có thể hiểu là phần phía trên đường chéo khác 0. Phần phía dưới đường chéo bằng 0.
This algorithm that we have just performed, we did it using just operations and manipulations to these equations. Then I rewrote it with some boxes and some lines around it.
Thuật toán vừa rồi, chúng ta chỉ dùng các phép thao tác và biến đổi trên các phương trình này. Rồi tôi viết lại với các ô và các đường kẻ xung quanh.
This algorithm is Gaussian elimination.
Thuật toán này là phép khử Gauss.
And this algorithm is what forms the basic fundamental principles behind the linalgebra.solve that we used in the example that we just did in the IPython Notebook.
Và thuật toán này là nguyên lý cơ bản đằng sau linalgebra.solve mà chúng ta đã dùng trong ví dụ vừa rồi trong IPython Notebook.
So Gaussian elimination — one would think that if this method is named after it Gauss, that was the person that invented it.
Về phép khử Gauss, người ta có thể nghĩ rằng phương pháp mang tên Gauss thì ông ấy là người phát minh ra nó.
Turns out that Gauss did do a lot of work on this algorithm, and he is one of the reasons that it is so widely used today.
Thực ra Gauss đã làm rất nhiều việc về thuật toán này, và ông là một trong những lý do nó được dùng rộng rãi ngày nay.
But actually, this algorithm was invented in China more than 2000 years ago.
Nhưng thực ra thuật toán này được phát minh ở Trung Quốc hơn 2000 năm trước.
It showed up in a book, I think, called Nine Jewels of Mathematics, or Nine Chapters of Mathematical Art.
Nó xuất hiện trong một cuốn sách, tôi nghĩ tên là Cửu Chương Toán Thuật, hay Nine Chapters of Mathematical Art.
It was a book that was written 2,000 years ago in China, but the attribution of this algorithm — we always give to Gauss — so something to keep in mind when we're thinking about names.
Cuốn sách được viết cách đây 2.000 năm ở Trung Quốc, nhưng việc gán tên cho thuật toán này thì luôn là cho Gauss, nên đây là điều cần nhớ khi nghĩ về tên gọi.
Either way, I hope that I've convinced you that this is pretty simple. There is nothing complicated here.
Dù sao, tôi hy vọng đã thuyết phục được các em rằng việc này khá đơn giản. Không có gì phức tạp ở đây cả.
And what I want to do is now use this systematic strategy for solving things to go back to answering the question from last lecture. What was the question that we left with?
Giờ tôi muốn dùng chiến lược có hệ thống này để giải quyết, quay lại trả lời câu hỏi từ bài giảng trước. Câu hỏi chúng ta bỏ ngỏ là gì?
How do I know that there is going to be a unique solution to my system of linear equations?
Làm sao biết được liệu có nghiệm duy nhất cho hệ phương trình tuyến tính của mình?
How do I know when I've solved stuff, I'm going to be able to — when I've set up my system of the equations, I'm going to have a solution.
Làm sao biết khi giải xong, khi tôi đã thiết lập hệ phương trình, tôi sẽ có nghiệm.
Or maybe I'll have no solutions, maybe I'll have infinite solutions. That's exactly what I want to try and figure out. And so that's what we're going to do for the rest of the lecture.
Hoặc có thể sẽ vô nghiệm, hoặc có vô số nghiệm. Đó chính xác là điều tôi muốn tìm hiểu. Và đó là việc chúng ta sẽ làm trong phần còn lại của bài giảng.
But before doing that, I just wanted to point out another representation for this that we will be coming back to later in this class for these systems of linear equations.
Nhưng trước đó, tôi muốn chỉ ra một cách biểu diễn khác cho điều này, mà chúng ta sẽ quay lại sau trong môn học cho các hệ phương trình tuyến tính này.
And remember, we drew this is a box. We had this box here. And we call it an the augmented matrix form. I'm going to call this "matrix-vector form."
Nhớ rằng chúng ta đã vẽ một cái hộp. Chúng ta có cái hộp này. Và gọi nó là dạng ma trận mở rộng. Tôi sẽ gọi đây là "dạng ma trận-vectơ".
And here, I'm just going to add a little reminder about what the variables are. So I'm going to copy this exactly, and I have my 8 and my 1.
Và ở đây tôi thêm một lời nhắc nhỏ về các biến là gì. Tôi sẽ chép lại y nguyên, và tôi có 8 và 1.
So I basically separated this out. The stuff after the line, I put here. The stuff before the line, I put here.
Về cơ bản tôi đã tách riêng ra. Phần sau đường kẻ, tôi đặt ở đây. Phần trước đường kẻ, tôi đặt ở đây.
And I'm going to put a reminder that x and y are my variables. And how do I read this?
Và tôi ghi chú rằng x và y là các biến. Đọc cái này thế nào?
I read this as the variables associated with the first column are at the top of this vector.
Biến ứng với cột đầu tiên nằm ở trên cùng của vectơ này.
Whatever variable is associated with the second column is the second element. So if I had more equations and more variables, I would just have a larger stack. But basically, do you see this correspondence?
Biến nào ứng với cột thứ hai thì là phần tử thứ hai. Nếu có nhiều phương trình và nhiều biến hơn, thì chỉ cần xếp chồng dài hơn. Nhưng các em có thấy sự tương ứng này không?
But this is 2x plus 3 y equal to 8. And I'm just writing exactly this equation, but in this other form.
Đây là 2x cộng 3y bằng 8. Tôi chỉ đang viết đúng phương trình này, nhưng ở dạng khác.
okay? Great. Now is a good time to pause and take a question or two. Anyone have any questions?
được chứ? Tốt. Giờ là lúc thích hợp để dừng và nhận một hai câu hỏi. Ai có câu hỏi nào không?
Yeah.
Vâng.
STUDENT
[INAUDIBLE] GIREEJA RANADE: Great question. The question was, do you always had to have an upper triangle, or can you have a lower triangle as well?
[KHÔNG NGHE RÕ] GIREEJA RANADE: Câu hỏi hay. Câu hỏi là: có phải luôn phải có tam giác trên, hay có thể có cả tam giác dưới?
So when you're solving the algorithm of Gaussian elimination, your goal is to get an upper-triangular matrix. But as we just saw, there's many, many different ways of solving systems of linear equations.
Khi dùng thuật toán phép khử Gauss, mục tiêu là có ma trận tam giác trên. Nhưng như vừa thấy, có rất nhiều cách khác nhau để giải hệ phương trình tuyến tính.
So another way would be to come up with an algorithm that would get you a lower triangular matrix. This could also lead to solving the system, but it would be a different way.
Vậy một cách khác là nghĩ ra một thuật toán cho ra ma trận tam giác dưới. Cách này cũng có thể giải được hệ, nhưng là một cách khác.
So is it Gaussian elimination? No. But is it wrong? Also no.
Vậy nó có phải phép khử Gauss không? Không. Nhưng nó có sai không? Cũng không.
It's just a different way. And in fact, I believe some of the precursors to Gaussian elimination involved generating writing equations slightly differently, involved writing the equations vertically.
Chỉ là một cách khác. Thực tế, tôi tin rằng một số tiền thân của phép khử Gauss viết các phương trình hơi khác, tức là viết các phương trình theo chiều dọc.
So we, nowadays, write horizontally. But sometimes, these equations are written vertically with the same arrangement. So there are slightly different manipulations, things look slightly different.
Ngày nay chúng ta viết theo chiều ngang. Nhưng đôi khi các phương trình này được viết theo chiều dọc theo cùng một cách sắp xếp. Nên các phép biến đổi sẽ hơi khác một chút, trông cũng hơi khác một chút.
This was back in the ancient days when these algorithms were actually being invented. Yes, question.
Đó là hồi xa xưa, khi các thuật toán này mới được phát minh. Có câu hỏi, mời em.
STUDENT
Following up on that, can the triangle [INAUDIBLE] GIREEJA RANADE: Following up on that, can the triangle be inverted?
Tiếp theo ý đó, tam giác có thể [KHÔNG NGHE RÕ] GIREEJA RANADE: Tiếp theo ý đó, tam giác có thể bị đảo ngược không?
Again, it is possible for the triangle to be inverted — another different way of solving the system.
Vâng, tam giác hoàn toàn có thể bị đảo ngược — đó là một cách khác để giải hệ.
But again, in Gaussian elimination, the standard algorithm that we will be learning and using — we will be using what is called an "upper triangular setup."
Nhưng trong phép khử Gauss, thuật toán chuẩn mà chúng ta sẽ học và sử dụng — ta sẽ dùng cái gọi là "dạng tam giác trên".
So this is called an "upper triangular matrix."
Đây gọi là "ma trận tam giác trên".
And our goal will be to try and get this to being in an upper triangular form. And here, I just want to label this guy as a matrix.
Và mục tiêu của ta là đưa nó về dạng tam giác trên. Ở đây, tôi chỉ muốn ghi chú cái này là một ma trận.
This guy is a vector. This guy is a vector.
Cái này là một vectơ. Cái này cũng là một vectơ.
okay.
Được rồi.
So now, since we had our goal of trying to understand, when do systems have infinite solutions or no solutions, let's try another example.
Bây giờ, vì mục tiêu của ta là tìm hiểu khi nào hệ có vô số nghiệm hoặc vô nghiệm, hãy thử một ví dụ khác.
Let's try the following example, where we have example 2.
Ta thử ví dụ sau, ví dụ 2.
2x plus 3y is equal to 8 — so very similar to the first one. And we have 2x plus 3y is equal to 6.
2x cộng 3y bằng 8 — rất giống ví dụ đầu. Và 2x cộng 3y bằng 6.
So let's try and do Gaussian elimination on this example. Looking at this, example you should already be feeling a little funny. It's like, why would I come up with this example?
Hãy thử làm phép khử Gauss cho ví dụ này. Nhìn vào ví dụ này, các em chắc đã thấy hơi lạ lạ rồi. Kiểu như, sao lại nghĩ ra ví dụ này?
Because we're trying to understand what's going on. So if I want to write this in augmented-matrix form, how would I write this? Can someone call out the numbers for me?
Vì ta đang cố hiểu chuyện gì đang xảy ra. Nếu viết dưới dạng ma trận mở rộng, thì viết thế nào? Ai đọc giúp tôi các số được không?
STUDENT
2, 3, 8, 2, 3, 6.
2, 3, 8, 2, 3, 6.
GIREEJA RANADE
Great. Now what are we going to do? What is our first step? Our first step is to normalize the first row.
Tốt. Giờ ta làm gì? Bước đầu tiên là gì? Bước đầu là chuẩn hóa hàng thứ nhất.
So what am I going to do? What am I going to get? I'm going to get 1, 3/2, 4 — just as before — and 2, 3, 6.
Vậy tôi sẽ làm gì? Tôi sẽ được gì? Tôi được 1, 3/2, 4 — giống như trước — và 2, 3, 6.
Everybody with me here? I divide row one by 2.
Mọi người theo kịp chứ? Tôi chia hàng một cho 2.
okay Now, I'm going to try and eliminate x from equation 2. And how am I going to do that?
Được rồi. Giờ tôi sẽ khử x khỏi phương trình 2. Làm bằng cách nào?
Well, I can take the second row minus 2 times the first row. So I can have row 2 minus 2 times row one.
Ta lấy hàng hai trừ 2 lần hàng một. Tức là hàng 2 trừ 2 lần hàng một.
What will that give me? I'll get 1, 3/2, 4 because that won't change. Here, I'll get a 0. What will I get here?
Ta sẽ được gì? Được 1, 3/2, 4 vì hàng này không đổi. Ở đây, ta được 0. Ở đây sẽ được gì?
STUDENT
[INAUDIBLE] GIREEJA RANADE: Thank you. What will I get here?
[KHÔNG NGHE RÕ] GIREEJA RANADE: Cảm ơn em. Còn ở đây sẽ được gì?
STUDENT
0 GIREEJA RANADE: 0, and — right?
0 GIREEJA RANADE: 0, và — đúng không?
STUDENT
[INAUDIBLE] GIREEJA RANADE: Thank you.
[KHÔNG NGHE RÕ] GIREEJA RANADE: Cảm ơn em.
So what am I getting here now? I'm getting, basically, a row of 0s equal to a nonzero number.
Vậy bây giờ ta nhận được gì ở đây? Về cơ bản, ta có một hàng toàn số 0 bằng một số khác 0.
And so what does this mean? in our interpretation, we've been writing it in this form, but really, this means 0x plus 0y is equal to 2, or negative 2.
Vậy điều này nghĩa là gì? Ta đang viết nó dưới dạng này, nhưng thực chất nó có nghĩa là 0x cộng 0y bằng 2, hoặc âm 2.
It doesn't really matter.
Cái đó không quan trọng.
So can you solve this? What does this mean? This means that there is no solution, right?
Vậy giải được không? Điều này có nghĩa gì? Nghĩa là hệ vô nghiệm, đúng không?
So Gaussian elimination — if you put things into an upper triangular form, but you get basically, a row of 0s on the left and nonzero on the right, this
Vậy với phép khử Gauss, nếu ta đưa hệ về dạng tam giác trên, mà có một hàng toàn số 0 ở bên trái và số khác 0 ở bên phải, thì
means you have no solution.
hệ vô nghiệm.
So do you see how, now because we're doing it in this systematic way, we can teach a computer how to do this — we can write an algorithm — whereas if we sometimes did it so that we had an upper triangular matrix, and sometimes did it so we had a lower triangular matrix, or sometimes did it in some other order, we could still solve it.
Các em thấy không, vì ta làm theo cách có hệ thống này, ta có thể dạy máy tính làm — ta có thể viết một thuật toán — còn nếu lúc thì ta làm để có ma trận tam giác trên, lúc thì làm để có ma trận tam giác dưới, hoặc lúc thì làm theo thứ tự khác, thì ta vẫn giải được.
But we wouldn't be able to teach a computer how to interpret that result. By doing it in the standard way, we can then write software that basically allows you to look at this and immediately tell what kind of system it is.
Nhưng ta không thể dạy máy tính cách diễn giải kết quả đó. Làm theo cách chuẩn thì ta có thể viết phần mềm nhìn vào đây là biết ngay đó là loại hệ nào.
So this says that there's one more type of system that we want to try and figure out.
Như vậy còn một loại hệ nữa mà ta cần tìm hiểu.
And the last example that I want to do is the following — x plus 4y equal to 6.
Và ví dụ cuối cùng tôi muốn làm là như sau — x cộng 4y bằng 6.
And let's say 2x plus 8y is equal to 12.
Và giả sử 2x cộng 8y bằng 12.
So why don't you take a minute to do this one out, and just check your answer with your neighbor.
Các em dành một phút làm ví dụ này, và kiểm tra đáp án với bạn bên cạnh.
[INTERPOSING VOICES] So when you try to do the first step, what is the first step?
[NHIỀU NGƯỜI NÓI CÙNG LÚC] Khi làm bước đầu tiên, bước đầu là gì?
The first step says, normalize.
Bước đầu là chuẩn hóa.
If you try to do this first step normalize, do you need to normalize? It's kind of already done for you. The leading coefficient here is already 1.
Nếu làm bước chuẩn hóa đầu tiên này, có cần chuẩn hóa không? Nó đã được làm sẵn rồi. Hệ số đầu ở đây đã bằng 1.
When you look at this matrix here, there's already a 1 here. So there's nothing you need to do. Great. This was easy.
Nhìn vào ma trận này, ở đây đã có số 1 rồi. Nên không cần làm gì cả. Tốt. Dễ quá.
So then let's go to the second step, and let's use this row to eliminate x from the second row.
Vậy ta sang bước thứ hai, và dùng hàng này để khử x khỏi hàng thứ hai.
So I want to take basically, row 2 minus 2 times row one. So I get 2 minus 2 times 1, which is going to be a 0 here.
Tôi lấy hàng 2 trừ 2 lần hàng một. Ta có 2 trừ 2 nhân 1, được 0 ở đây.
Here, I keep exactly the same. So 2 minus 2 is 0. 8 minus 4 times 2 is 0.
Ở đây, tôi giữ nguyên. Vậy 2 trừ 2 là 0. 8 trừ 4 nhân 2 là 0.
And 12 minus 6 times 2 is 0. So again, I have ended up with this row of 0s at the bottom. And this is different from the first example where we did.
Và 12 trừ 6 nhân 2 là 0. Vậy là một lần nữa, ta có một hàng toàn số 0 ở dưới cùng. Và điều này khác với ví dụ đầu tiên mà ta đã làm.
See, because here, you see in this example, there is no operation that you could have done that would have gotten you a row of 0s at the bottom.
Thấy không, vì ở ví dụ này, không có phép toán nào mà bạn có thể thực hiện để tạo ra một hàng toàn số 0 ở dưới cùng.
But as you see in both of our problem situations — this one, where we have no solution, and this one, where we know that we're going to have many solutions — we have this row of 0s showing up.
Nhưng như các bạn thấy ở cả hai trường hợp có vấn đề này, trường hợp này là vô nghiệm, và trường hợp này, mà ta biết là sẽ có nhiều nghiệm, đều xuất hiện hàng toàn số 0.
And so this row of 0s is telling us something about our equations.
Vậy hàng toàn số 0 này đang cho ta biết điều gì đó về các phương trình của mình.
But we know from looking at them, because there's a few number of equations, what we're seeing is that basically, equation 2 is just a scalar, a multiple, of the first equation.
Nhưng nhìn vào là ta biết rồi, vì số phương trình ít, nên về cơ bản, phương trình 2 chỉ là một bội số, tức là một hệ số nhân, của phương trình đầu tiên.
They're not actually giving you two pieces of information. They're giving you the same information twice. They're not new things.
Chúng không thực sự cho bạn hai thông tin. Chúng cho bạn cùng một thông tin hai lần. Không có gì mới cả.
And so what this is saying is that this isn't enough information to give you a unique solution for x and y.
Và điều này có nghĩa là thông tin này không đủ để cho bạn một nghiệm duy nhất cho x và y.
In fact, if you were able to choose any value for x — let's say I choose x — what is your favorite number?
Thực ra, nếu bạn được chọn bất kỳ giá trị nào cho x, giả sử tôi chọn x, số yêu thích của bạn là gì?
STUDENT
3.
3.
GIREEJA RANADE
3 — favorite number is 3. If you chose x as 3, would you be able to find a value for y?
3, số yêu thích là 3. Nếu chọn x bằng 3, bạn có tìm được giá trị của y không?
STUDENT
Yes.
Có.
GIREEJA RANADE
Yes. What about if you chose x as 15?
Có. Còn nếu chọn x bằng 15 thì sao?
STUDENT
Yes.
Có.
GIREEJA RANADE
Yes, right? If you chose x as 10 million, you'd still find a value for what y is. So here, you have an infinitely many solutions.
Có, đúng không? Nếu chọn x bằng 10 triệu, bạn vẫn tìm được giá trị của y. Vậy ở đây, bạn có vô số nghiệm.
Many solutions. Let me try and zoom out here.
Nhiều nghiệm. Để tôi thử thu nhỏ lại một chút.
Yeah.
Được rồi.
So again, here, we're looking at this in upper triangular form. And what we see here is now there is this row of 0s. Here also, there's a row of 0s.
Ở đây ta đang xét ở dạng tam giác trên. Và ta thấy bây giờ có một hàng toàn số 0. Ở đây cũng có một hàng toàn số 0.
But this guy is nonzero.
Nhưng phần tử này khác 0.
And these are basically the systematic ways in which we can figure out if there is a unique solution, or infinitely many solutions, or just no solutions at all.
Và đây về cơ bản là những cách có hệ thống để ta xác định xem có nghiệm duy nhất, hay vô số nghiệm, hay hoàn toàn vô nghiệm.
So this is an introduction to Gaussian elimination by example. What I wanted to do now is formally present this algorithm because clearly, Python does not implement this by example.
Vậy đây là phần giới thiệu phép khử Gauss qua ví dụ. Bây giờ tôi muốn trình bày một cách chính thức thuật toán này, vì rõ ràng Python không cài đặt nó theo từng ví dụ.
Each example is not hard-coded. There's an algorithm that's hard-coded. So let's try and actually write this exact algorithm out.
Mỗi ví dụ không được viết cứng vào. Người ta viết cứng một thuật toán. Vậy ta hãy thử viết ra đúng thuật toán đó.
So in a general setup, when you have many, many variables and many, many equations — let's say you have random variables and m equations.
Trong trường hợp tổng quát, khi bạn có rất nhiều biến và rất nhiều phương trình, giả sử bạn có n biến và m phương trình.
So this means you have, let's say, alpha 11 — let me write these — alpha 12 dot, dot, dot, alpha 1n, x1 plus x2 plus xn is equal to beta 1.
Tức là bạn có, chẳng hạn, alpha 11, để tôi viết ra, alpha 12, ..., alpha 1n, x1 cộng x2 cộng xn bằng beta 1.
And then I have alpha 12, alpha 22, alpha 2n equal to beta 2, x1 plus x2 plus xn.
Rồi tiếp theo là alpha 12, alpha 22, alpha 2n bằng beta 2, x1 cộng x2 cộng xn.
And then they have 1m, alpha 2m, alpha mn, x1 plus x2 xn.
Rồi đến 1m, alpha 2m, alpha mn, x1 cộng x2 cộng xn.
This is equal to — the reason I'm taking all this effort to put things in color is, again, it's really important to keep track of what is known and what is unknown.
Cái này bằng lý do tôi cố gắng tô màu như vậy là vì, một lần nữa, rất quan trọng là phải theo dõi cái nào đã biết và cái nào chưa biết.
So here — STUDENT: [INAUDIBLE] GIREEJA RANADE: Is this readable?
Vậy ở đây, SINH VIÊN: [KHÔNG NGHE RÕ] GIREEJA RANADE: Các bạn đọc được không?
[INTERPOSING VOICES] GIREEJA RANADE: okay.
[NHIỀU GIỌNG NÓI CHEN NHAU] GIREEJA RANADE: Được rồi.
Yeah, question?
Vâng, bạn có câu hỏi?
STUDENT
There should be [INAUDIBLE]..
Chỗ này phải có [KHÔNG NGHE RÕ].
GIREEJA RANADE
Oh, sorry. Yep, you're right.
À, xin lỗi. Đúng rồi.
Thank you. Anyway, the point of this was to show that — what are these guys? These are the measurement.
Cảm ơn bạn. Dù sao, mục đích của việc này là để cho thấy rằng, những thứ này là gì? Đây là các số đo.
These alphas are coefficients, or our experimental design, basically. So these are also known.
Các alpha này là hệ số, hay nói cách khác là thiết kế thí nghiệm của ta. Vậy những cái này cũng đã biết.
And the Xs — these are our variables.
Còn các x là các biến của ta.
okay, writing is going to be challenging. Let me try.
Được rồi, viết sẽ hơi khó. Để tôi thử.
okay, so what we're going to do is we're going to write this all into a giant augmented matrix form.
Bây giờ ta sẽ viết tất cả vào một ma trận mở rộng lớn.
So we're going to have alpha 11, alpha 12, alpha 1n, alpha 21, alpha 22, alpha 2n, alpha — m1 — should be m1, n2, alpha mn.
Ta sẽ có alpha 11, alpha 12, alpha 1n, alpha 21, alpha 22, alpha 2n, alpha m1, phải là m1, m2, alpha mn.
And here, you have beta 1, beta 2, beta m.
Và ở đây là beta 1, beta 2, beta m.
And the way we're going to talk about Gaussian elimination is we're going to talk about it systematically as operations on one row after the other.
Cách ta nói về phép khử Gauss là nói một cách có hệ thống, như các phép toán trên từng hàng một.
So we're going to start with the first row. Start with row i equal to 1.
Ta sẽ bắt đầu với hàng đầu tiên. Bắt đầu với hàng i bằng 1.
And then we're going to say, first step — one of the things that you have to think about Gaussian elimination is you have this setup.
Rồi bước đầu tiên, một điều bạn phải nghĩ đến khi làm phép khử Gauss là bạn có cách thiết lập này.
But what if alpha 11 was 0? What does that mean? That means that the first equation doesn't contain the first variable. x1 doesn't show up.
Nhưng nếu alpha 11 bằng 0 thì sao? Điều đó nghĩa là gì? Nghĩa là phương trình đầu tiên không chứa biến đầu tiên. x1 không xuất hiện.
So now, what do you need to do deal with that? Our algorithm always said, normalize so that you have the coefficient of 1 for the first variable in the first spot.
Vậy bây giờ, ta cần làm gì để xử lý trường hợp đó? Thuật toán của ta luôn nói là chuẩn hóa để hệ số của biến đầu tiên ở vị trí đầu tiên bằng 1.
So there's actually a pre-step that you want to do.
Vậy thực ra có một bước chuẩn bị mà bạn cần làm.
And what you want to do is you want to basically swap rows so you have the equation with xi in i-th row.
Và việc cần làm là hoán đổi các hàng để phương trình có xi nằm ở hàng thứ i.
So when you're starting with i equal to 1, this means that make sure that the first row actually has the variable x1.
Khi bắt đầu với i bằng 1, nghĩa là phải đảm bảo hàng đầu tiên thực sự có biến x1.
Then what you do is you make sure that the coefficient of xi in row i should be 1.
Sau đó bạn đảm bảo hệ số của xi ở hàng i phải bằng 1.
So this requires multiplying and dividing as necessary.
Việc này cần nhân và chia khi cần thiết.
Now for all the remaining rows, for all the rows j that are starting from i plus 1 to n — so you basically — you take your first row.
Bây giờ với tất cả các hàng còn lại, tất cả các hàng j bắt đầu từ i cộng 1 đến n, Về cơ bản, bạn lấy hàng đầu tiên.
You normalize it, you make sure that you have the coefficient 1 for x1, then you take all of the bottom rows, and you systematically eliminate x1 from these other rows.
Bạn chuẩn hóa nó, đảm bảo hệ số bằng 1 cho x1, rồi lấy tất cả các hàng bên dưới, và khử x1 một cách có hệ thống khỏi các hàng còn lại.
In our case, we only had two variables, so it was really easy.
Trong ví dụ của chúng ta, chỉ có hai biến, nên rất dễ.
If you have more variables, you do exactly what you did for the second row for the third row, and the fourth row, and so on and so forth.
Nếu có nhiều biến hơn, bạn làm y hệt những gì đã làm với hàng thứ hai cho hàng thứ ba, hàng thứ tư, và cứ thế tiếp tục.
So you say use the i-th row to cancel xi from row j.
Tức là dùng hàng thứ i để khử xi khỏi hàng j.
And once you've done this all the way through, you update, and then you start with the second row and the second variable and so on and so forth.
Và khi đã làm xong hết một lượt, bạn cập nhật, rồi bắt đầu với hàng thứ hai và biến thứ hai, và cứ thế tiếp tục.
You keep going until you get your upper triangular matrix.
Bạn làm tiếp cho đến khi có ma trận tam giác trên.
And then you can see the bottom row there. Is it a row of all 0s?
Rồi bạn nhìn hàng dưới cùng. Nó có phải là hàng toàn số 0 không?
It is a row of 0s with a nonzero Is basically a row of 0s and then a 1 and then something?
Hay là hàng số 0 rồi một số khác 0? Tức là hàng số 0 rồi một số 1 và một thứ gì đó?
This will tell you which situation you're in, how many solutions you have, and once you have that, you can basically solve or back-substitute in the case that you have this unique solution.
Điều này cho bạn biết bạn đang ở trường hợp nào, có bao nhiêu nghiệm, và khi đã biết, bạn có thể giải hoặc thế ngược lại trong trường hợp có nghiệm duy nhất.
And this is your algorithm. Maybe I can zoom out a little bit to have all of this show.
Và đây là thuật toán của chúng ta. Để tôi thu nhỏ lại một chút để hiện hết.
This is basically the algorithm of Gaussian elimination. This is written out in a lot of detail in the notes. Please go and read it. Please make sure you understand it.
Đây chính là thuật toán của phép khử Gauss. Phần này được viết rất chi tiết trong tài liệu. Các bạn hãy đọc nhé. Hãy chắc chắn là bạn hiểu nó.
Ask questions if you have any questions. okay, let's see how much time I have left. okay, great.
Có thắc mắc gì thì cứ hỏi. Ừm, xem tôi còn bao nhiêu thời gian. Ừ, tốt.
So we're good here?
Vậy là ổn chứ?
Basically now, there's the stopping conditions.
Giờ là các điều kiện dừng.
And just to write all of these out very carefully, we have three stopping conditions. We can have a row of 0s and a 0.
Và để viết hết ra thật cẩn thận, ta có ba điều kiện dừng. Ta có thể có một hàng số 0 và một số 0.
And we know here that we're going to have an infinite number of solutions.
Và ở đây ta biết là sẽ có vô số nghiệm.
We can have a row of 0s and then something else, where b is not equal to 0. And here, we have no solution.
Ta có thể có một hàng số 0 rồi một giá trị khác, với b khác 0. Và ở đây, hệ vô nghiệm.
And the third option is that we're going to have 0s, and then the 1, and then some constant b. And here, we know that we have a unique solution.
Và trường hợp thứ ba là có các số 0, rồi số 1, rồi một hằng số b. Và ở đây, ta biết có nghiệm duy nhất.
Are your stopping conditions clear? Any questions about this algorithm?
Các điều kiện dừng đã rõ chưa? Có câu hỏi nào về thuật toán này không?
Basically, what I want to emphasize is that this is something that is very similar to what you've been doing in terms of solving systems the equations, just written differently.
Điều tôi muốn nhấn mạnh là nó rất giống với những gì các bạn vẫn làm khi giải hệ phương trình, chỉ là được viết theo cách khác.
Question there in the red shirt.
Bạn áo đỏ, mời bạn hỏi.
STUDENT
[INAUDIBLE] GIREEJA RANADE: Sorry, you have to speak up.
[KHÔNG NGHE RÕ] GIREEJA RANADE: Xin lỗi, bạn nói to lên được không?
I can't — STUDENT: [INAUDIBLE] GIREEJA RANADE: Yes. So you will see examples in your homework where you might not get through all of the rows.
Tôi không — SINH VIÊN: [KHÔNG NGHE RÕ] GIREEJA RANADE: Vâng. Trong bài tập về nhà sẽ có ví dụ mà bạn không đi hết tất cả các hàng.
You might end up with a row of 0s early on, and you will end up stopping early. So the question was, do you how to go through the algorithm?
Bạn có thể gặp hàng số 0 từ sớm, và sẽ dừng sớm. Vậy câu hỏi là: có phải chạy hết thuật toán không?
If you hit a stopping condition early, what if you haven't gone through the entire matrix yet? What if you haven't touched all of your rows yet?
Nếu gặp điều kiện dừng sớm, mà chưa đi hết ma trận thì sao? Nếu chưa đụng đến hết các hàng thì sao?
And the answer is that these stopping conditions will terminate you if you hit them early on as well. I know there is a question back there Yeah.
Câu trả lời là các điều kiện dừng này cũng sẽ kết thúc thuật toán nếu bạn gặp chúng sớm. Tôi biết có một câu hỏi ở phía sau. Mời bạn.
STUDENT
Is the number of rows m, not n?
Số hàng là m chứ không phải n ạ?
GIREEJA RANADE
Isn't the number of rows m, not n? So if you have m equations, you have m rows.
Số hàng chẳng phải là m, không phải n sao? Nếu có m phương trình thì có m hàng.
STUDENT
[INAUDIBLE] GIREEJA RANADE: Yes, thank you. Good catch. This should be m.
[KHÔNG NGHE RÕ] GIREEJA RANADE: Vâng, cảm ơn bạn. Bạn phát hiện đúng đấy. Chỗ này phải là m.
Thank you.
Cảm ơn bạn.
Other questions? Yes.
Còn câu hỏi nào khác không? Mời bạn.
STUDENT
[INAUDIBLE] GIREEJA RANADE: Great question. Can you explain what "upper triangular matrix" means?
[KHÔNG NGHE RÕ] GIREEJA RANADE: Câu hỏi hay. Bạn hỏi "ma trận tam giác trên" nghĩa là gì.
So whenever I say, "upper triangular matrix," I mean a matrix of this form, where, when I look below the diagonal, all I have is 0s.
Khi tôi nói "ma trận tam giác trên", ý tôi là ma trận có dạng này, trong đó phía dưới đường chéo toàn là số 0.
So above the diagonal — there can be 0s above the diagonal too, but below the diagonal, they had better all be 0s.
Còn phía trên đường chéo thì cũng có thể có số 0, nhưng phía dưới đường chéo thì phải toàn là số 0.
So even if this was not a 0 here, that would still be an upper triangular matrix.
Nên dù chỗ này không phải là 0, nó vẫn là ma trận tam giác trên.
okay, last question.
Được rồi, câu hỏi cuối.
STUDENT
[INAUDIBLE] GIREEJA RANADE: The question is about, are there conditions between m and n?
[KHÔNG NGHE RÕ] GIREEJA RANADE: Câu hỏi là về việc giữa m và n có điều kiện nào không.
And it turns out that Gaussian elimination will actually be robust. Try it out. You'll see.
Hóa ra phép khử Gauss khá bền vững. Cứ thử đi. Các bạn sẽ thấy.
And you'll see examples of this in discussion, and how to deal with more equations, and less unknowns, and so on and so forth.
Và các bạn sẽ thấy ví dụ trong buổi thảo luận, về cách xử lý khi nhiều phương trình hơn, ít ẩn hơn, và cứ thế.
Basically, you'll find that you'll end up in these situations where you have either no solution or infinite number of solutions if your m and n are mismatched.
Về cơ bản, bạn sẽ thấy mình rơi vào các tình huống hoặc là vô nghiệm, hoặc là vô số nghiệm nếu m và n không khớp nhau.
okay, so now, I want to move, finally, to talking a little bit about something that is a different perspective on systems of linear equations, which is a geometric perspective.
Được rồi, giờ cuối cùng tôi muốn chuyển sang nói một chút về một góc nhìn khác về hệ phương trình tuyến tính, đó là góc nhìn hình học.
And let's start with the example that we did first. So we have 2x plus 3y equal to 8.
Hãy bắt đầu với ví dụ đầu tiên. Ta có 2x cộng 3y bằng 8.
And we have 3x minus y equal to 1. This was our E1, and this was our E2.
Và 3x trừ y bằng 1. Đây là E1, và đây là E2.
And we know that a linear equation like this can be represented as a line in a two-dimensional plane.
Và ta biết một phương trình tuyến tính như thế này có thể biểu diễn bằng một đường thẳng trong mặt phẳng hai chiều.
So how does our understanding of Gaussian elimination connect to this geometric perspective? So for this, I want to just plot this out.
Vậy hiểu biết của ta về phép khử Gauss liên hệ thế nào với góc nhìn hình học này? Để xem, tôi sẽ vẽ nó ra.
So let's say I have my x-axis here and my y-axis here, and I have some units on my x-axis.
Giả sử tôi có trục x ở đây và trục y ở đây, và có vài đơn vị trên trục x.
okay, And so 2x plus 3y equal to 8.
Được rồi, và 2x cộng 3y bằng 8.
Here, I can put x equals to 0, which tells me that y is 8 by 3 equal to 2.66.
Ở đây, tôi có thể cho x bằng 0, thì ta được thì y bằng 8/3, tức là 2,66.
And if I put y equal to 0, this tells me that x is equal to 4.
Và nếu cho y bằng 0, thì x bằng 4.
So I know that, let's say for my first equation — for my first equation, I'm going to have, basically,
Vậy với phương trình thứ nhất của mình — với phương trình thứ nhất,
x0 y is 2.66. So I'm going to have x is 4 when y is 0.
khi x bằng 0 thì y là 2,66. Và x bằng 4 khi y bằng 0.
And so this line — this is my E1.
Và đường thẳng này — đây là E1 của mình.
This point is basically 0 comma 4. This point is — oh sorry — this is 0 comma 2.66, and this is 4 comma 0.
Điểm này là 0 phẩy 4. Điểm này — ô xin lỗi — đây là 0 phẩy 2,66, còn đây là 4 phẩy 0.
I can graph this equation as a line.
Mình có thể vẽ phương trình này thành một đường thẳng.
And what about the other one?
Còn phương trình kia thì sao?
I know there that if I put — for this one, I can say that if x is equal to 0, then I know that y is equal to minus 1.
Mình biết rằng nếu cho — với phương trình này, nếu x bằng 0 thì y bằng -1.
If y is equal to 0, I know x is equal to 1/3. So again, I have 0 comma minus 1 and 1/3 comma 0.
Nếu y bằng 0 thì x bằng 1/3. Vậy mình có 0 phẩy -1 và 1/3 phẩy 0.
So I have a point here, and I have a point here. And this is my line.
Một điểm ở đây, và một điểm ở đây. Và đây là đường thẳng của mình.
And so what is the solution that I have for these two systems?
Vậy nghiệm của hai hệ này là gì?
This is 2 comma 1, which is exactly the solution that you recovered when you solved these.
Đây là 2 phẩy 1, đúng bằng nghiệm mà các em tìm được khi giải.
STUDENT
1 comma 2.
1 phẩy 2.
GIREEJA RANADE
Oh, 1 comma 2 — very good. Thank you.
Ồ, 1 phẩy 2 — rất tốt. Cảm ơn em.
And so we can see that, basically, since we are talking about linear equations, they can be represented by lines.
Và như vậy ta thấy rằng vì ta đang nói về các phương trình tuyến tính, nên chúng có thể biểu diễn bằng các đường thẳng.
And we can see that, okay, well, the first equation allows motion along this blue line, the second equation along allows motion along this orange line. Where they intersect is basically a solution.
Phương trình thứ nhất cho phép di chuyển dọc theo đường xanh này, phương trình thứ hai cho phép di chuyển dọc theo đường cam này. Chỗ chúng giao nhau chính là nghiệm.
So now, how would you think about the case that there are no solutions for a system of — STUDENT: [INAUDIBLE] GIREEJA RANADE: There.
Vậy bây giờ, các em nghĩ sao về trường hợp hệ không có nghiệm — SINH VIÊN: [KHÔNG NGHE RÕ] GIREEJA RANADE: Đúng.
If you had parallel lines, if I was to take this orange line and rotate it to be parallel to the blue line, then you'll see that these are never going to intersect, which means that there's never going to be a solution.
Nếu hai đường song song, nếu cô lấy đường cam này và xoay cho song song với đường xanh, thì các em thấy chúng sẽ không bao giờ cắt nhau, nghĩa là sẽ không bao giờ có nghiệm.
What about an infinite number of solutions?
Còn vô số nghiệm thì sao?
STUDENT
[INAUDIBLE] GIREEJA RANADE: If the lines were right on top of each other, right?
[KHÔNG NGHE RÕ] GIREEJA RANADE: Nếu hai đường nằm chồng lên nhau, đúng không?
And so this geometric perspective is something that holds not only in two dimensions, but it also holds in much higher dimensions.
Và góc nhìn hình học này không chỉ đúng trong hai chiều, mà còn đúng trong các chiều cao hơn nhiều.
And it's a perspective that we will build on because we are going to start talking about linear transformations. And when we're talking about linear transformations, we want to keep this geometry in mind.
Và ta sẽ xây dựng tiếp trên góc nhìn này vì ta sắp bắt đầu nói về phép biến đổi tuyến tính. Và khi nói về phép biến đổi tuyến tính, ta muốn luôn nhớ hình học này.
And so basically, when we're manipulating these equations, we're basically looking at them as different lines. So one of your TAs has actually made a really great demo that I will share with everyone.
Vậy khi ta biến đổi các phương trình này, thực chất ta đang xem chúng như những đường thẳng khác nhau. Một trợ giảng của các em đã làm một bản demo rất hay mà cô sẽ chia sẻ cho mọi người.
But I wanted to show it to you here. Could I have this again?
Nhưng cô muốn cho các em xem ngay đây. Cho cô xem lại cái này nhé?
Go ahead.
Em cứ hỏi.
STUDENT
[INAUDIBLE] GIREEJA RANADE: The question was, for infinitely many solutions, a plane also works. Absolutely.
[KHÔNG NGHE RÕ] GIREEJA RANADE: Câu hỏi là, với vô số nghiệm thì một mặt phẳng cũng được. Hoàn toàn đúng.
That would be in a situation where you're considering an ambient space that is three dimensional. Then you could have infinitely many solutions in the plane.
Đó là trường hợp khi không gian chứa của ta là ba chiều. Khi đó có thể có vô số nghiệm nằm trong mặt phẳng.
Alternatively, you could have, basically, no constraints in a two-dimensional space, and you could still have infinitely many solutions in a plane. So that's definitely possible.
Hoặc cũng có thể, không có ràng buộc nào trong không gian hai chiều, và vẫn có vô số nghiệm trong một mặt phẳng. Vậy chắc chắn là có thể.
So what you have here, what some of your teachers have done, is it's an interactive Jupyter Notebook.
Còn đây là thứ mà một số thầy cô của các em đã làm, một Jupyter Notebook tương tác.
And this is basically showing you that you can try and figure out how systems are going to behave by looking at them geometrically.
Nó cho các em thấy có thể dự đoán các hệ sẽ hoạt động ra sao bằng cách nhìn chúng theo hình học.
And we've been writing systems as basically in this format — oh, we can't see here. Never mind.
Ta vẫn viết các hệ theo dạng này — ồ, không thấy ở đây. Thôi kệ. Thôi kệ.
We've been writing systems as a times x plus b times y equal to some constant c, right?
Ta vẫn viết hệ dưới dạng a nhân x cộng b nhân y bằng một hằng số c, đúng không?
But we can also write them in a format that is a slope-and-intercept format, that y is equal to m times x plus c, where m is your slope and c is your intercept.
Nhưng ta cũng có thể viết theo dạng hệ số góc và tung độ gốc, tức là y bằng m nhân x cộng c, với m là hệ số góc và c là tung độ gốc.
You can just divide to rewrite these in different formats. So this is written using basically the slope-and-intercept format. And it draws out this point of parallel lines.
Chỉ cần chia để viết lại theo các dạng khác nhau. Cái này được viết theo dạng hệ số góc và tung độ gốc. Và nó minh họa rõ trường hợp hai đường song song.
So what this allows you to do is you have actually — I might have to restart this and see if this runs.
Vậy điều này cho phép các em — Có thể cô phải khởi động lại xem nó có chạy không.
yeah. So this basically plots two equations. The first is y is equal to — can everyone see this in the back?
được rồi. Cái này vẽ hai phương trình. Phương trình đầu là y bằng — phía cuối lớp có nhìn thấy không?
It's 2 times x minus 1, and this other one is y is equal to minus 3 times x plus 1.
Là 2 nhân x trừ 1, còn phương trình kia là y bằng -3 nhân x cộng 1.
And as you basically play around with the slopes, you can see that — oh, I can adjust it to be exactly parallel.
Và khi các em thay đổi các hệ số góc, các em sẽ thấy — ồ, cô có thể chỉnh cho chúng song song hẳn.
For example, if you have parallel lines — they're never going to intersect. But, oh, as I change the intercept, I can get it to be, actually, an infinite number of solutions.
Ví dụ, nếu hai đường song song — chúng sẽ không bao giờ cắt nhau. Nhưng khi cô đổi tung độ gốc, thực ra có thể được vô số nghiệm.
Or as my intercept moves off, I still have no solutions. If I change the slope on the other line, I can actually have a unique solution.
Hoặc khi tung độ gốc lệch đi, vẫn không có nghiệm. Nếu đổi hệ số góc của đường kia, cô có thể có nghiệm duy nhất.
So this is a tool that we will put up on the website that you can play with, that you can try to build on.
Đây là công cụ mà cô sẽ đăng lên trang web để các em thử nghịch và phát triển thêm.
Perhaps you can also try to explore this in three dimensions. So with that, I'm going to end for the day. If you have questions, please come to office hours.
Có thể các em cũng thử khám phá điều này trong ba chiều. Vậy hôm nay cô xin kết thúc ở đây. Nếu có câu hỏi, hãy đến giờ hỗ trợ (office hours).
Follow me right after. And please look into submitting your homework. Thank you.
Hoặc đi theo cô ngay sau đây. Và nhớ nộp bài tập về nhà nhé. Cảm ơn các em.
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.