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.
STUDENT
[INAUDIBLE] PROFESSOR: Yeah.
[KHÔNG NGHE RÕ] GIÁO SƯ: Vâng.
STUDENT
And — [AUDIO OUT] [INTERPOSING VOICES]
Và — [ÂM THANH ĐẦU RA] [GIỌNG NÓI XEN KẼ]
PROFESSOR
Okay. [INAUDIBLE] Yeah. Welcome to the first lecture of 16A in Wheeler Hall.
Được rồi. [Không nghe rõ] Vâng. Chào mừng quý vị đến với buổi giảng đầu tiên của môn 16A tại hội trường Wheeler.
I really like teaching here compared to Zellerbach, because I have the advantage of being able to see the entire room when I'm lecturing, as opposed to Zellerbach, where I really cannot even see half of you.
Tôi thực sự thích dạy học ở đây hơn so với ở Zellerbach. vì tôi có lợi thế là có thể nhìn thấy toàn cảnh. phòng khi tôi giảng bài, trái ngược với phòng Zellerbach, Tôi thậm chí không thể nhìn thấy một nửa của các bạn.
So it's nice to be back in this classroom. Hopefully everyone can find a seat. And for the rest of the semester, we'll be right here in this room.
Thật tuyệt khi được trở lại lớp học này. Hi vọng mọi người đều tìm được chỗ ngồi. Và trong suốt thời gian còn lại của học kỳ, Chúng ta sẽ ở ngay trong phòng này.
So today we're going to continue talking about Gaussian elimination, which we started off last time.
Vậy hôm nay chúng ta sẽ tiếp tục trò chuyện. Về phương pháp khử Gauss, mà chúng ta đã bắt đầu thảo luận lần trước.
But before we start, I had just a couple of little — couple of little administrative details I wanted to talk about.
Nhưng trước khi bắt đầu, tôi chỉ có một vài điều nhỏ cần nói... Tôi có một vài chi tiết hành chính nhỏ muốn đề cập đến.
First, I got a lot of questions about the role of lecture and discussion and lab and how these all interrelate.
Đầu tiên, tôi nhận được rất nhiều câu hỏi về vai trò này. bao gồm bài giảng, thảo luận và thực hành. và mối liên hệ giữa tất cả những điều này với nhau.
In a class like 16A, where there's a lot of different things — you know, there's lecture, discussion, homework, labs, the question is, well, what is important? What should we go to?
Trong một lớp học như lớp 16A, nơi có... rất nhiều thứ khác nhau — Bạn biết đấy, có bài giảng, thảo luận, bài tập về nhà, thực hành thí nghiệm, Câu hỏi đặt ra là, vậy điều gì là quan trọng? Chúng ta nên đi đâu?
And really, the way these are all designed is they're designed together. So discussion and lecture will really play off of each other.
Và thực sự, cách mà tất cả chúng được thiết kế Chúng được thiết kế cùng nhau. Vì vậy, thảo luận và bài giảng sẽ bổ trợ lẫn nhau.
And it might be that there are some things that might be unclear in lecture, But this will be clarified further in discussion.
Và có thể có một số điều mà Điều này có thể chưa rõ ràng trong bài giảng, nhưng sẽ được làm rõ hơn sau. Trong cuộc thảo luận.
So discussion will go into a lot more detail about things, whereas lecture is designed to be much more high level.
Vì vậy, cuộc thảo luận sẽ đi sâu hơn vào chi tiết về mọi thứ. Trong khi đó, bài giảng được thiết kế ở trình độ cao hơn nhiều.
So don't feel like you have to understand every single thing perfectly the first time you hear it in lecture. That's not how the class is designed.
Vì vậy, đừng cảm thấy mình phải hiểu mọi thứ. Hoàn hảo ngay lần đầu tiên bạn nghe nó trong bài giảng. Lớp học không được thiết kế như vậy.
The class is designed in a way that there will be questions that will be raised, and these will be resolved through going to discussion, through going to lab, and through doing the homework.
Lớp học được thiết kế theo cách mà... Sẽ có những câu hỏi được đặt ra. và những vấn đề này sẽ được giải quyết thông qua thảo luận. Thông qua việc đi thực hành trong phòng thí nghiệm và làm bài tập về nhà.
There's also the series of course notes that we're writing for this class. Versions from last year are already up, and we'll be updating and adding to these as we go along.
Ngoài ra còn có bộ ghi chú bài giảng. mà chúng ta đang viết cho lớp học này. Các phiên bản từ năm ngoái đã được đăng tải. Và chúng tôi sẽ cập nhật và bổ sung thêm những thông tin này trong thời gian tới.
We won't be able to cover every single thing that is in the notes in lecture, but these are, again, designed for you to be able to get more details.
Chúng ta sẽ không thể đề cập đến mọi thứ một cách đầy đủ. Nội dung này có trong ghi chú bài giảng, nhưng đây là những thông tin cần lưu ý. Được thiết kế để bạn có thể nắm bắt thêm thông tin chi tiết.
For example, technical definitions might be talked about in the notes in a little bit more detail, things like that.
Ví dụ, các định nghĩa kỹ thuật Có thể sẽ có đề cập đến vấn đề này trong phần ghi chú sau. Chi tiết hơn, những thứ tương tự như vậy.
So please do read the notes as a way of complementing what we are talking about in discussion and lecture. Finally, I hope all of you managed to submit Homework 0.
Vì vậy, hãy đọc kỹ các ghi chú nhé. nhằm bổ sung cho những gì chúng ta đang thảo luận. và bài giảng. Cuối cùng, tôi hy vọng tất cả các bạn đã nộp bài tập về nhà số 0.
Homework 1 is coming up. Homework party will be today right after class. There was another homework party in the morning, so hopefully some of you were able to attend that.
Bài tập về nhà số 1 sắp đến rồi. Buổi "tiệc bài tập về nhà" sẽ diễn ra hôm nay ngay sau giờ học. Sáng hôm đó lại có một buổi tụ tập làm bài tập về nhà khác. Vì vậy, hy vọng một số bạn đã có thể tham dự sự kiện đó.
My office hours on Thursdays will be coinciding with homework party, so we can all walk over there together and talk about questions in lecture or about homework.
Giờ làm việc của tôi vào các ngày thứ Năm sẽ là Trùng với buổi tiệc làm bài tập về nhà, để chúng ta có thể cùng nhau đi bộ đến đó. và thảo luận về các câu hỏi trong bài giảng hoặc về bài tập về nhà.
Homework party isn't necessarily restricted to only asking questions about homework. You can ask questions about whatever material you would like.
Buổi "tiệc làm bài tập về nhà" không nhất thiết chỉ giới hạn ở việc hỏi bài tập về nhà. các câu hỏi về bài tập về nhà. Bạn có thể đặt câu hỏi về bất kỳ tài liệu nào. Bạn sẽ thích.
Finally, for the people who are looking at Homework 1, you might have noticed the troll problem that is on the homework is very similar to the image superposition example that we did in lecture.
Cuối cùng, dành cho những người đang xem Bài tập về nhà 1, Có lẽ bạn đã nhận thấy vấn đề về những kẻ chuyên gây rối trên mạng. Bài tập về nhà rất giống với hình ảnh. Ví dụ về nguyên lý chồng chất mà chúng ta đã học trong bài giảng.
So in lecture, we saw a superposition of images. What you're seeing in the homework is a superposition of audio files.
Vậy là trong bài giảng, chúng ta đã thấy sự chồng chất của các hình ảnh. Những gì bạn thấy trong bài tập về nhà là sự chồng chất của các tệp âm thanh.
So keep that in mind as you're going through the homework and thinking about what you're doing. There's a question.
Vì vậy, hãy ghi nhớ điều đó khi bạn làm bài tập về nhà. và suy nghĩ về những gì bạn đang làm. Có một câu hỏi.
Do we have to do the self-grade on the Homework 0? The answer is yes.
Chúng ta có cần tự chấm điểm bài tập về nhà số 0 không? Câu trả lời là có.
So let's get started. And we talked last time basically about Gaussian elimination. But today, I wanted to go through some more somewhat in a way trickier examples.
Vậy chúng ta bắt đầu thôi. Và về cơ bản là chúng ta đã nói chuyện lần trước rồi Về phép khử Gauss. Nhưng hôm nay, tôi muốn nói thêm một vài điều khác nữa. Theo một cách nào đó, đây là những ví dụ phức tạp hơn.
We did some straightforward ones last time, and I wanted to go more in detail. So let's think about the following example.
Lần trước chúng ta đã làm một số bài tập khá đơn giản. Và tôi muốn đi sâu hơn vào chi tiết. Hãy cùng xem xét ví dụ sau đây.
We have 2y plus 3z equal to 2, and we have x plus y equal to 1.
Ta có 2y cộng 3z bằng 2, và ta có x cộng y bằng 1.
So this is a really straightforward system of equations. Take a minute. Think about it.
Đây là một hệ thống thực sự đơn giản. các phương trình. Hãy dành một phút. Hãy suy nghĩ về điều đó.
And you know, you don't have to solve it using Gaussian elimination, but how many solutions do you think that this system of equations has? An infinite number of solutions, right?
Và bạn biết đấy, bạn không cần phải giải quyết. Nó sử dụng phép khử Gauss, nhưng có bao nhiêu Bạn nghĩ hệ phương trình này có lời giải nào không? Có vô số lời giải, phải không?
That's what we really expect. So let's go ahead and do the Gaussian elimination. Let's write this out in our usual form.
Đó là điều chúng tôi thực sự mong đợi. Vậy chúng ta hãy tiến hành phép khử Gauss. Chúng ta hãy viết điều này theo cách thông thường.
So I have now 0, 2, 3, and then we have 1, 1, 0. And I have this is as to 2 and this is equal to 1.
Vậy là bây giờ tôi có 0, 2, 3, và sau đó chúng ta có 1, 1, 0. Và tôi có cái này bằng 2 và cái này bằng 1.
And what do I see here? First of all, I see that there's a 0 here, right? My leading coefficient in my top row is 0. And we don't like that.
Và tôi thấy gì ở đây? Trước hết, tôi thấy ở đây có số 0, đúng không? Hệ số dẫn đầu ở hàng trên cùng của tôi là 0. Và chúng tôi không thích điều đó.
We want to have basically the leading coefficient be a non-zero number, and ideally be what? So what I'm going to do is I'm going to do the row operation.
Về cơ bản, chúng tôi muốn có được những người dẫn đầu. Hệ số phải là một số khác 0, và lý tưởng nhất là số nào? Vậy nên tôi sẽ thực hiện phép toán trên hàng.
Swap R1, R2.
Hoán đổi R1 và R2.
These operations that we do in the process of Gaussian elimination, these are often called row operations.
Những thao tác mà chúng ta thực hiện trong quá trình Gaussian là những thao tác này. Loại bỏ, những thao tác này thường được gọi là các phép toán hàng.
You can call them swapping and adding and linear combinations, whatever you want, but you might hear this term row operations coming up somewhere.
Bạn có thể gọi chúng là hoán đổi, cộng và tổ hợp tuyến tính. Bạn muốn nói gì cũng được, nhưng có thể bạn sẽ nghe thấy thuật ngữ "hàng" này. Các hoạt động sắp diễn ra ở đâu đó.
So here, now we swap these two and we get 1, 1, 0, and then 0, 2, 3, and then 1, 2.
Vậy ở đây, bây giờ chúng ta hoán đổi hai số này và được 1, 1, 0, rồi 0. 2, 3, rồi 1, 2.
So now I have basically the first row has a leading coefficient of 1, corresponding to the first variable, right? So great. Now I look at the second row.
Vậy là bây giờ tôi đã có gần xong hàng đầu tiên. có hệ số bậc cao nhất là 1, tương ứng đến biến số đầu tiên, đúng không? Tuyệt vời! Bây giờ tôi nhìn vào hàng thứ hai.
Do I need to eliminate the first variable from the second row? It's already done for me, right? So what do I want to do? What do I want this entry to be?
Tôi có cần loại bỏ biến đầu tiên khỏi hàng thứ hai không? Việc đó đã được làm xong cho tôi rồi, phải không? Vậy tôi muốn làm gì? Tôi muốn mục nhập này là gì?
A 1. So what am I going to do? I'm going to do the row operation of dividing our two by two.
A 1. Vậy tôi sẽ làm gì đây? Tôi sẽ thực hiện phép toán hàng. chia hai cho hai.
I'm going to get a 1, 1, 0, 1, 2, and then here I'm going to get 2 divided by 1 is 1, 3 divided by 2 is 2, and 2 divided by 1 is equal to 1 is what I'm going to get in the — did I do this right?
Tôi sẽ nhận được 1, 1, 0, 1, 2, và sau đó ở đây tôi sẽ tính 2 chia cho 1 bằng 1, 3 chia cho 2 bằng 2, và 2 chia cho 1 bằng 1. bằng 1, đó là kết quả tôi sẽ nhận được trong — Tôi làm đúng chưa vậy?
STUDENT
[INAUDIBLE] PROFESSOR: Oh, did I swap these right? Oh, divide by 2, sorry. 2 divided by 2 is 1. Yes, thank you.
[KHÔNG NGHE RÕ] GIÁO SƯ: Ồ, tôi đổi chỗ chúng đúng chưa nhỉ? Ồ, phải chia cho 2, xin lỗi. 2 chia cho 2 bằng 1. Vâng, cảm ơn bạn.
Okay. So I have this, and now what do I want to do?
Được rồi. Vậy là tôi đã có những thứ này, và giờ tôi muốn làm gì tiếp theo?
Can I somehow get rid of this 3/2? The examples we had before, we always had just zeros and ones in the bottom row. But we kind of can't do that anymore, right?
Tôi có thể loại bỏ con số 3/2 này bằng cách nào đó không? Những ví dụ chúng ta đã có trước đây, chúng ta luôn luôn Hàng dưới cùng chỉ toàn số 0 và 1. Nhưng chúng ta không thể làm thế nữa, phải không?
We're stuck. None of the row operations that we know are valid are going to help us anymore. So we've reached another type of stopping condition.
Chúng ta bị mắc kẹt rồi. Không có phép toán hàng nào mà chúng ta biết là hợp lệ. Sẽ còn giúp gì cho chúng ta nữa không? Như vậy, chúng ta đã đạt đến một loại điều kiện dừng khác.
And if we look at this, we can do one other step, which is we can say, well, let's try to do some kind of back substitution. What is this last row saying?
Và nếu chúng ta xem xét điều này, chúng ta có thể thực hiện thêm một bước nữa, đó là Chúng ta có thể nói, được rồi, hãy thử làm Một dạng thay người ngược lại nào đó. Dòng cuối cùng này muốn nói điều gì?
This last row is giving us a relationship between y and z, right? This column is corresponding to y. This column is corresponding to z.
Hàng cuối cùng này cho chúng ta biết mối quan hệ giữa y và z. Phải? Cột này tương ứng với y. Cột này tương ứng với z.
Can everyone read my handwriting at the back by there, or do I need to zoom in more? Thumbs up if you can read. Okay, great. Thank you.
Mọi người ở phía sau kia có thể đọc chữ viết tay của tôi được không? Hay tôi cần phóng to hơn nữa? Giơ ngón tay cái lên nếu bạn đọc được. Tuyệt vời! Cảm ơn.
So we have basically a relationship here between y and z, and we have a relationship in the first row. What are the variables that the first row is giving us a relationship between?
Vậy là về cơ bản chúng ta có một mối quan hệ ở đây. Giữa y và z, và chúng ta có mối quan hệ ở hàng đầu tiên. Các biến số mà hàng đầu tiên cung cấp cho chúng ta là gì? Mối quan hệ giữa?
X and y, right? So let's do our step further of back substitution, which is where we want to try and remove basically — try and isolate the variables as much as possible.
X và y, đúng không? Vậy chúng ta hãy lùi lại một bước nữa. sự thay thế, đó là nơi chúng ta muốn cố gắng loại bỏ về cơ bản — Cố gắng tách biệt các biến số càng nhiều càng tốt.
So what I'm going to do now is I'm going to do r1 minus r2 because I want to try and get rid of this one as well.
Vậy nên bây giờ tôi sẽ làm gì? Tôi sẽ lấy r1 trừ r2 vì tôi muốn thử và đạt được kết quả mong muốn. Hãy loại bỏ cái này luôn.
So this is going to give me 1 0 minus 3/2. Right? 0 minus 3/2 is minus 3/2 and 1 minus 1 is 0.
Vậy kết quả sẽ là 10 trừ 3/2. Phải? 0 trừ 3/2 bằng -3/2 và 1 trừ 1 bằng 0.
And then I'm going to have a 0 1 3/2 1, exactly as before.
Và sau đó tôi sẽ có 0 1 3/2 1, chính xác như trước.
And now this row gives me a relationship between x and z, and this other row gives me a relationship between y and z.
Và bây giờ hàng này cho tôi biết mối quan hệ giữa x và z. Và hàng còn lại này cho tôi biết mối quan hệ giữa y và z.
Okay?
Được rồi?
So now, what can I do? Let me set z equal to my favorite number. What if z was — basically, let's call z anything.
Vậy bây giờ tôi có thể làm gì? Tôi xin đặt z bằng con số yêu thích của mình. Nếu z là— về cơ bản, hãy gọi z bằng bất kỳ tên nào.
What is y? Can I write y in terms of z? I can, right? I can write y is equal to 1 minus 3/2 of z.
y là gì? Tôi có thể viết y dưới dạng z được không? Tôi có thể làm được, phải không? Tôi có thể viết y bằng 1 trừ 3/2 của z.
And what is x? x is basically equal to 3/2 of z, right?
Vậy x là gì? Về cơ bản, x bằng 3/2 của z, đúng không?
Because this tells me that x minus 3/2 of z is equal to 0. This tells me that y plus 3/2 of z is equal to one.
Vì điều này cho tôi biết rằng x trừ đi 3/2 của z bằng 0. Điều này cho tôi biết rằng y cộng 3/2 của z bằng một.
Everyone with me here?
Mọi người có mặt ở đây không?
Oh, hey.
Ồ, chào.
In the second row, quick non-0. Why did we divide our 2 by 2?
Ở hàng thứ hai, nhanh chóng khác 0. Tại sao chúng ta lại chia 2 cho 2?
We divided our 2 by 2 because Gaussian elimination likes us to have leading coefficients as being 1 because when we have a leading coefficient 1 — let's say you had a 1 and a row of 0's equal to something.
Chúng ta đã chia 2 cho 2 vì phép khử Gauss. thích chúng ta có hệ số dẫn đầu là 1. bởi vì khi chúng ta có hệ số dẫn đầu là 1 — Giả sử bạn có một số 1 và một hàng toàn số 0, tổng của chúng bằng một số nào đó.
What does that mean? It tells you, basically, that — it's telling you the value of the variable immediately.
Điều đó có nghĩa là gì? Về cơ bản, nó cho bạn biết rằng — Nó cho bạn biết giá trị của biến ngay lập tức.
So if I had 2 times x is equal to 2, that's great, but that's just a very complicated way of saying that x is equal to 1.
Vậy nếu tôi có 2 nhân x bằng 2, thì điều đó thật tuyệt vời. nhưng đó chỉ là một cách rất phức tạp có nghĩa là nói rằng x bằng 1.
STUDENT
[INAUDIBLE] PROFESSOR: Great question. Which 1's are the leading coefficients?
[KHÔNG NGHE RÕ] GIÁO SƯ: Câu hỏi hay đấy. Những số 1 nào là hệ số dẫn đầu?
So basically you look at the first row, and the first non-0 coefficient is what I'm calling the leading coefficient.
Về cơ bản, bạn nhìn vào hàng đầu tiên, và hệ số khác 0 đầu tiên là Tôi gọi đó là hệ số dẫn đầu.
So in the second row, this entry is the first non-0 coefficient, which is why I want to call it the leading coefficient of the second row. Does that make sense?
Vậy ở hàng thứ hai, mục này là hệ số khác 0 đầu tiên. Đó là lý do tại sao tôi muốn gọi nó là hàng đầu. hệ số của hàng thứ hai. Điều đó có hợp lý không?
Okay. Great. Yes, question?
Được rồi. Tuyệt vời. Vâng, có câu hỏi gì không?
STUDENT
[INAUDIBLE] PROFESSOR: Great question. The question was, with Gaussian elimination, do we always parametrize in terms of z or can we parameters in different ways?
[KHÔNG NGHE RÕ] GIÁO SƯ: Câu hỏi hay đấy. Câu hỏi đặt ra là, với phương pháp khử Gauss, Chúng ta luôn tham số hóa theo z phải không? Hoặc chúng ta có thể tham số theo những cách khác nhau không?
You can parametrize in different ways, but what we will see is that you will be able to systematically see which variables are what we call three variables, and which variables are non-free variables.
Bạn có thể tham số hóa theo nhiều cách khác nhau, nhưng chúng ta sẽ xem xét điều đó sau. Điều đó có nghĩa là bạn sẽ có thể nhìn thấy một cách có hệ thống. những biến số đó là những gì chúng ta gọi là biến số ba chiều, và những biến nào là biến không tự do.
So because there are many ways of solving a system of linear equations, you can parametrize in different ways.
Vì vậy, có nhiều cách để giải quyết một hệ phương trình tuyến tính, bạn có thể tham số hóa theo nhiều cách khác nhau.
For example, in this setup we could have first chosen y, and then chosen z, and then chosen x, right? This could have also given us a solution.
Ví dụ, trong thiết lập này, chúng ta có thể Đầu tiên chọn y, sau đó chọn z, và cuối cùng chọn x. Phải? Điều này cũng có thể đã mang lại cho chúng ta một giải pháp.
But because we ordered our variables in a particular way — we ordered x, then y, then z — we're parameterizing by z first. Does that make sense?
Nhưng vì chúng ta đã sắp xếp các biến số theo một thứ tự cụ thể — Chúng tôi đã đặt hàng x, sau đó y, rồi z — Chúng ta sẽ tham số hóa bằng z trước. Điều đó có hợp lý không?
It's just a systematic way of doing things, but it's not the only way. Good question. Yes.
Đó chỉ là một cách làm việc có hệ thống mà thôi. Nhưng đó không phải là cách duy nhất. Câu hỏi hay đấy. Đúng.
STUDENT
Is z [INAUDIBLE] or is it y?
Là z [KHÔNG NGHE RÕ] hay là y?
PROFESSOR
Good question. Is z the free variable here or is it y?
Câu hỏi hay đấy. Ở đây, z là biến tự do hay là y?
Here, we're going to think about z as the free variable, because that's the one we're assigning first, and then it's giving us values for y and x.
Ở đây, chúng ta sẽ xem z là biến tự do. Vì đó là nhiệm vụ chúng ta sẽ giao trước tiên. và sau đó nó cung cấp cho chúng ta các giá trị cho y và x.
But again, if you had solved it a different way, if you had relabeled your variables, it might have been something else.
Nhưng một lần nữa, nếu bạn giải quyết nó theo cách khác, nếu bạn đã đổi tên các biến của mình, Có thể đó là một điều khác.
Okay. Great. These are all very good questions. Please keep them coming.
Được rồi. Tuyệt vời. Đây đều là những câu hỏi rất hay. Hãy tiếp tục gửi thêm nhé.
So what I want to point out here is if you see in this matrix, we have this kind of very nice structure showing up here.
Vậy điều tôi muốn nhấn mạnh ở đây là nếu bạn nhìn vào ma trận này, Chúng ta có một cấu trúc rất đẹp mắt xuất hiện ở đây.
These 1's and these 0's.
Những số 1 này và những số 0 này.
And in the case that the matrix we're talking about is a square matrix, which means it has the same number of rows and columns, this is going to be called the identity matrix.
Và trong trường hợp ma trận mà chúng ta đang nói đến là một ma trận vuông, có nghĩa là nó có cùng số hàng. và các cột, ma trận này sẽ được gọi là ma trận đơn vị.
And Gaussian elimination often is trying to make your matrix look like an identity matrix, and this will come up again when we start talking about matrix inversion.
Và phép khử Gauss thường là Tôi đang cố gắng làm cho ma trận của bạn trông giống như ma trận đơn vị. và điều này sẽ lại được đề cập khi chúng ta bắt đầu Nói về phép nghịch đảo ma trận.
We're not there yet, but we'll come to it soon enough.
Chúng ta chưa đạt được điều đó, nhưng sẽ sớm thôi.
But this general format of this matrix, which is just this part, the blue box — I'm not thinking about the augmented part but I'm just thinking about this part — this is what is called a row reduced echelon form.
Nhưng định dạng chung của ma trận này, vốn chỉ là... Phần này, hộp màu xanh dương — Tôi không nghĩ đến phần tăng cường. Nhưng tôi chỉ đang suy nghĩ về phần này thôi — Đây được gọi là dạng bậc thang rút gọn theo hàng.
So I will tell you something.
Vậy tôi sẽ kể cho bạn nghe một chuyện.
I'm personally not a big fan of jargon, and mathematics as a subject, and engineering in general, if you go into, for example, the fields of machine learning, is a field that is riddled with jargon, and sometimes people will use different terms.
Cá nhân tôi không phải là người thích dùng thuật ngữ chuyên ngành. và toán học như một môn học, và kỹ thuật nói chung, Ví dụ, nếu bạn theo đuổi lĩnh vực máy học, Đây là một lĩnh vực đầy rẫy thuật ngữ chuyên ngành. Và đôi khi mọi người sẽ sử dụng những thuật ngữ khác nhau.
They'll use jargon, they'll use different big words that mean things, and sometimes it's clear what they mean, sometimes it's not clear.
Họ sẽ dùng biệt ngữ, họ sẽ dùng những từ ngữ khó hiểu khác nhau. Những điều đó thật tồi tệ, và đôi khi ý nghĩa của chúng rất rõ ràng. Đôi khi điều đó không rõ ràng.
And, you know, it's important to know what jargon is, so I'm going to introduce jargon every now and then.
Và, bạn biết đấy, việc biết thuật ngữ chuyên ngành là gì rất quan trọng. Vì vậy, thỉnh thoảng tôi sẽ sử dụng một số thuật ngữ chuyên ngành.
But I personally think that it's more important to focus on understanding the fundamentals and where the jargon is coming from than knowing the jargon itself.
Nhưng cá nhân tôi nghĩ rằng việc tập trung quan trọng hơn. về việc hiểu các nguyên tắc cơ bản và nguồn gốc của thuật ngữ chuyên ngành hơn là việc biết được điều đó. Chính thuật ngữ chuyên ngành đó.
So I I've seen students, at times, being somewhat intimidated by various jargon that is being thrown around, because these are big words that don't necessarily always make a lot of sense.
Tôi đã từng thấy một số học sinh có thái độ hơi... cảm thấy choáng ngợp trước những thuật ngữ chuyên ngành khó hiểu đang được sử dụng. bởi vì đây là những từ ngữ phức tạp, không nhất thiết lúc nào cũng có nghĩa đúng. Rất hợp lý.
And I'm going to encourage you every time you encounter some kind of jargon to ask, well, what does this mean?
Và tôi sẽ luôn động viên bạn. Bạn gặp phải một số thuật ngữ chuyên ngành và muốn hỏi, chẳng hạn như... Điều này có nghĩa là gì?
Because often, even though you don't know what the meaning of that particular jargon is, you probably understand the fundamental underlying concept. So we'll introduce some kind of jargon.
Bởi vì thường thì, ngay cả khi bạn không Hiểu ý nghĩa của thuật ngữ chuyên ngành đó. Có lẽ bạn đã hiểu khái niệm cơ bản underlying. Vì vậy, chúng ta sẽ giới thiệu một số thuật ngữ chuyên ngành.
We'll talk about these technical terms, but as a philosophy for being an engineer, remember that fundamentals are more important than the particular jargon. That said, what does this jargon mean?
Chúng ta sẽ bàn về các thuật ngữ kỹ thuật này, nhưng xét về khía cạnh triết học thì khác. Là một kỹ sư, hãy nhớ những nguyên tắc cơ bản. Những điều đó quan trọng hơn thuật ngữ chuyên ngành cụ thể. Vậy thì, thuật ngữ chuyên ngành này có nghĩa là gì?
This is a particular form of a matrix that has some properties.
Đây là một dạng ma trận đặc biệt. Nó có một số đặc tính.
First property is that all non-0 rows are above all-0 rows.
Tính chất đầu tiên là tất cả các hàng khác 0 đều nằm phía trên các hàng toàn 0.
What's a non-0 row? A row that has a non-0 entry. So if it's all , then it's an all-0 row. If it has some non-0 entry, it has to be higher up.
Hàng không phải là hàng 0 là hàng nào? Một hàng có giá trị khác 0. Vậy nếu tất cả đều là 0, thì đó là một hàng toàn số 0. Nếu nó có một số mục nhập khác 0, thì mục đó phải nằm ở vị trí cao hơn.
Second is that the leading coefficient — and again, what do I mean by leading coefficient?
Thứ hai là hệ số dẫn đầu — Và một lần nữa, hệ số dẫn đầu mà tôi muốn nói đến là gì?
I look at the row from the left, and the first non-0 coefficient that I hit is what I'm calling the leading coefficient. So in the first row, this is a one.
Tôi nhìn vào hàng từ bên trái, và hệ số khác 0 đầu tiên. Cái mà tôi đạt được chính là cái mà tôi gọi là hệ số dẫn đầu. Vậy ở hàng đầu tiên, đây là số một.
It's right here. In the second row, this is the leading coefficient.
Nó ở ngay đây. Ở hàng thứ hai, đây là hệ số dẫn đầu.
Leading coefficient of a non-0 row is always to the right of the leading coefficient
Hệ số hàng đầu của một hàng khác 0 luôn nằm bên phải hệ số dẫn đầu.
of the row above it.
của hàng phía trên nó.
So if I look at this matrix here, the leading coefficient in the first row is 2, and the leading coefficient in the second row is 1, and this 1 is not to the right of this 2.
Vậy nếu tôi nhìn vào ma trận này, Hệ số cao nhất ở hàng đầu tiên là 2. và hệ số dẫn đầu ở hàng thứ hai là 1. và số 1 này không nằm bên phải số 2 này.
This 1 is to the left of this 2, right? So this is not in row reduced echelon form. However, here if you look, the leading coefficient here is to the right.
Số 1 này nằm bên trái số 2, đúng không? Như vậy, đây không phải là dạng bậc thang rút gọn theo hàng. Tuy nhiên, nếu bạn nhìn vào đây, hệ số hàng đầu Ở đây, bên phải.
What it is trying to say is it's saying it's systematizing our step-by-step, take one variable, eliminate it from everywhere, take the next variable, eliminate it from everywhere.
Điều nó muốn nói là... Nó đang hệ thống hóa các bước đi từng bước của chúng ta. Chọn một biến, loại bỏ nó khỏi mọi nơi. Hãy lấy biến tiếp theo, loại bỏ nó khỏi mọi nơi.
This is just a way of formalizing that intuition that we have. Then the third point is that the leading entry is 1. This leading coefficient is exactly 1.
Đây chỉ là một cách để chính thức hóa trực giác đó. mà chúng ta có. Điểm thứ ba là mục đầu tiên là 1. Hệ số dẫn đầu này chính xác bằng 1.
And the fourth point is that each column with a leading 1 has 0's everywhere else.
Và điểm thứ tư là mỗi cột đều có số 1 đứng đầu. Toàn bộ các phần còn lại đều là số 0.
So basically, if I have a leading 1 — so in this column, there's a leading 1 here — it means that there's 0's above it and 0s below it.
Vậy về cơ bản, nếu tôi có số 1 đứng đầu — tức là trong cột này, Ở đây có số 1 dẫn đầu — Điều đó có nghĩa là có các số 0 ở phía trên và phía dưới nó.
There's a leading 1 in this column. So there's no rows above it, but there's 0s below it. But in the third column, I don't have any leading 1's, right?
Có số 1 dẫn đầu trong cột này. Vậy là không có hàng nào ở phía trên, nhưng lại có toàn số 0 ở phía dưới. Nhưng ở cột thứ ba, tôi không có số 1 nào đứng đầu, đúng không?
The third column is never a leading coefficient, so here it's okay to have non-0's.
Cột thứ ba không bao giờ là hệ số dẫn đầu. Vì vậy, ở đây việc có giá trị khác 0 là hoàn toàn chấp nhận được.
If I have a matrix that satisfies just these two properties, the first two, sometimes you will hear this as being called row echelon form.
Nếu tôi có một ma trận chỉ thỏa mãn hai điều kiện này các đặc tính, hai đặc tính đầu tiên, đôi khi bạn Sẽ nghe thấy cách gọi này là đội hình bậc thang hàng ngang.
Again, these are just some terms that are useful to know. You might come across them in some other contexts.
Một lần nữa, đây chỉ là một số thuật ngữ hữu ích cần biết. Bạn có thể bắt gặp chúng trong một số ngữ cảnh khác.
But what I really want you to understand is the process, the systematization of Gaussian elimination, where we're taking one variable, systematically eliminating it, then taking the next variable, systematically eliminating it.
Nhưng điều tôi thực sự muốn bạn hiểu là... đó là quá trình, là sự hệ thống hóa của phép khử Gauss, trong đó chúng ta chỉ xét một biến số, Loại bỏ nó một cách có hệ thống, sau đó xem xét biến số tiếp theo. Loại bỏ nó một cách có hệ thống.
Okay? So don't worry if you don't like the terminology. I don't particularly like it either.
Được rồi? Vậy nên đừng lo lắng nếu bạn không thích thuật ngữ này. Tôi cũng không đặc biệt thích nó.
Oh, and finally, I guess one other piece of jargon that I should introduce — technically, I think we talked about it briefly, but these leading coefficients are also sometimes called pivots.
À, và cuối cùng, tôi nghĩ còn một thuật ngữ chuyên ngành nữa. Tôi nên giới thiệu điều đó - về mặt kỹ thuật, Tôi nghĩ chúng ta đã nói sơ qua về chuyện này rồi. nhưng những hệ số hàng đầu này cũng Đôi khi được gọi là trục xoay.
So you want to try and make your pivots be 1.
Vậy nên bạn muốn cố gắng làm cho các điểm xoay của mình là 1.
So here, your pivots are not 1, because you're leading coefficients are not 1, but here you want to try and have your pivots be 1.
Vậy nên ở đây, điểm xoay của bạn không phải là 1, bởi vì bạn đang Hệ số dẫn đầu không phải là 1, nhưng ở đây bạn Tôi muốn thử và đặt điểm xoay của bạn là 1.
Okay. So that's just some jargon for the sake of jargon. Everyone with me here? Yes.
Được rồi. Đó chỉ là vài thuật ngữ chuyên ngành cho có lệ mà thôi. Mọi người có mặt ở đây không? Đúng.
Question? White T-shirt.
Câu hỏi? Áo phông trắng.
STUDENT
For [? the process ?] of Gaussian elimination, why didn't you go for the upper triangular form first?
SINH VIÊN: Đối với [? quy trình ?] khử Gauss, Tại sao bạn không chọn hình tam giác trên trước?
PROFESSOR
Question was, in the process of Gaussian elimination, why didn't you go for the upper triangular form first? That's a great question.
Câu hỏi là, trong quá trình Gaussian Loại trừ, tại sao bạn không chọn dạng tam giác trên? Đầu tiên? Đó là một câu hỏi tuyệt vời.
So actually, because this is the way the shape of this matrix is, this is kind of an upper triangular matrix, because there is no full diagonal, right?
Thực ra, vì đây là hình dạng của ma trận này nên nó như vậy. Đây là một dạng ma trận tam giác trên. Vì không có đường chéo hoàn chỉnh, đúng không?
If this had another row, this could be a full diagonal, and within that, it would be upper triangular. So this is actually still a kind of upper triangular matrix.
Nếu có thêm một hàng nữa, nó có thể tạo thành một đường chéo hoàn chỉnh. và bên trong đó, nó sẽ là hình tam giác trên. Vậy nên đây thực chất vẫn là một dạng ma trận tam giác trên.
Great question. Yeah. Another question?
Câu hỏi hay đấy. Vâng. Còn câu hỏi nào khác không?
STUDENT
Do you want us to make z the fraction or do you want us to answer it that way? X and y as the fraction or z as the fraction or it doesn't matter?
Thầy/Cô có muốn chúng ta biến z thành phân số không? Hay bạn muốn chúng tôi trả lời theo cách đó? X và y dưới dạng phân số hoặc z dưới dạng phân số Hay điều đó không quan trọng?
PROFESSOR
So the question is, what does it mean to parametrize z and do we care about which one is a fraction?
Vậy câu hỏi là, điều đó có nghĩa là gì? có nghĩa là tham số hóa z và chúng ta có quan tâm không? Phân số liên quan đến cái nào?
STUDENT
Yeah. Do you care which one is the fraction?
Vâng. Bạn có quan tâm đến việc cái nào là phân số không?
Do you want us to simplify it so that the [INAUDIBLE] fraction or — PROFESSOR: No, you pick your free variable, and then you express everything else in terms of that variable.
Bạn có muốn chúng tôi đơn giản hóa nó để phân số [không nghe rõ] không? hoặc — GIÁO SƯ: Không, bạn tự chọn biến số tự do của mình. và sau đó bạn diễn đạt mọi thứ khác thông qua biến đó.
Like you might not even have fractions, right? You might just have x is equal to z minus 1. There might be no fractions. Yeah.
Có thể bạn thậm chí còn không biết đến phân số, đúng không? Có thể bạn chỉ cần x bằng z trừ 1. Có thể không có phân số nào. Vâng.
Last question.
Câu hỏi cuối cùng.
STUDENT
In this problem, was z the only free variable?
Trong bài toán này, z có phải là biến tự do duy nhất không?
PROFESSOR
In this problem, was z only free variable? Great question. The answer is yes, because as soon as you pick z, x and y become completely fixed, right?
Trong bài toán này, z có phải là biến tự do duy nhất không? Câu hỏi hay đấy. Câu trả lời là có, bởi vì ngay khi bạn chọn z, x và y trở nên hoàn toàn cố định, phải không?
There might be other ways of writing — there might be other equations where you have more than one free variable, and you'll see examples of this. Yeah?
Có thể còn những cách viết khác nữa. có thể có những phương trình khác trong đó Bạn có nhiều hơn một biến tự do. Và bạn sẽ thấy những ví dụ về điều này. Vâng?
STUDENT
Just to piggy back off the question, the number of free variables we have is depending on the number [? of equations ?] versus the number of unknowns we have?
Nhân tiện hỏi thêm, số lượng biến tự do mà chúng ta có tùy thuộc vào số lượng [? phương trình ?] so với số lượng ẩn số mà chúng ta có?
PROFESSOR
Great question. The question was, is the number of free variables dependent on the number of equations versus the number of variables?
Câu hỏi hay đấy. Câu hỏi đặt ra là, số lượng biến tự do là bao nhiêu? tùy thuộc vào số lượng phương trình so với số lượng biến số?
The answer is yes, but only kind of, because sometimes you won't be able to figure out the number of free variables just by knowing the number of equations and the number of unknowns.
Câu trả lời là có, nhưng chỉ ở một mức độ nào đó thôi. vì đôi khi bạn sẽ không thể hiểu được số lượng biến tự do chỉ bằng cách biết số lượng phương trình và số lượng ẩn số.
And we'll see some examples of this.
Và chúng ta sẽ xem một vài ví dụ về điều này.
Okay. So Gaussian eliminations, there's lots of different examples. And as we see more examples, things will start to become more clear.
Được rồi. Vậy nên phép khử Gauss, có Có rất nhiều ví dụ khác nhau. Và khi chúng ta thấy nhiều ví dụ hơn, mọi thứ sẽ trở nên rõ ràng hơn. Mọi thứ sẽ dần trở nên rõ ràng hơn.
So here, we first saw this example where we had fewer equations and more unknowns, but now I want to show you an example which has three equations and two unknowns.
Vậy là ở đây, chúng ta lần đầu tiên thấy ví dụ này. nơi chúng ta có ít phương trình hơn và nhiều ẩn số hơn, nhưng bây giờ tôi muốn cho bạn xem một ví dụ có ba các phương trình và hai ẩn số.
So if you have x plus y equals 2, x minus y equal to 1, and 2x minus 2y equal to 2.
Vậy nếu ta có x cộng y bằng 2, x trừ y bằng 1, và 2x trừ 2y bằng 2.
So how would you solve this? Again, here you have 1, 1, 2. 1 minus 1, 1. 2 minus 2, 2.
Vậy bạn sẽ giải quyết vấn đề này như thế nào? Lại một lần nữa, ở đây bạn có 1, 1, 2. 1 trừ 1, 1. 2 trừ 2, 2.
Right? So now let's do our row reduction. So again, we have a leading 1 here. We're happy.
Phải? Bây giờ chúng ta hãy thực hiện phép khử hàng. Vậy là, chúng ta lại có số 1 dẫn đầu ở đây. Chúng tôi rất vui.
What do we want to do now? We want to eliminate everything in this column, right? So we want to make a 0 here and a 0 here.
Chúng ta muốn làm gì bây giờ? Chúng ta muốn loại bỏ tất cả mọi thứ trong cột này, đúng không? Vậy chúng ta muốn tạo ra số 0 ở đây và số 0 ở đây.
So I'm going to say R2 minus R1 is the first operation I'm going to do, first row operation. So I'm going to have 1, 1, 2. Here, I get a 0, 1 minus 1.
Vậy tôi sẽ nói rằng R2 trừ R1 bằng Thao tác đầu tiên tôi sẽ thực hiện là thao tác trên hàng đầu tiên. Vậy tôi sẽ lấy 1, 1, 2. Ở đây, tôi nhận được 0, 1 trừ 1.
Here, I get a minus 2 minus 1 minus minus 1. And here I get a minus 1, and then the last row is just the same.
Ở đây, tôi nhận được -2 -1 - -1. Và ở đây tôi nhận được -1, rồi đến hàng cuối cùng. Hoàn toàn giống nhau.
And then what do I want to do? I'm just going to divide my row r2 by minus 2, which gives me 1, 1 2.
Vậy thì tôi muốn làm gì tiếp theo? Tôi chỉ cần chia hàng r2 của mình cho -2. điều đó cho tôi kết quả 1, 1, 2.
0 1, 1/2, and 2 minus 2, 2.
0 1, 1/2, và 2 trừ 2, 2.
Now what is the next row operation I want to do? What is my mission?
Bây giờ, thao tác hàng tiếp theo tôi muốn thực hiện là gì? Nhiệm vụ của tôi là gì?
Create 0's in the first column, right? So what row operation should I be doing?
Hãy tạo các số 0 ở cột đầu tiên, đúng không? Vậy tôi nên thực hiện thao tác nào trên hàng dữ liệu?
r3 minus 2r1, right? So basically, I want to try and make a 0 here.
r3 trừ 2r1, đúng không? Về cơ bản, tôi muốn thử tạo ra số 0 ở đây.
2 minus 2 times 1 is 0.
2 trừ 2 nhân 1 bằng 0.
Minus 2 minus 2 will give me, I guess, minus 4. And 2 minus 4 will give me minus 2.
Trừ 2 trừ 2 sẽ cho tôi kết quả, tôi đoán là, trừ 4. Và 2 trừ 4 sẽ cho kết quả là -2.
And here I have a 1/2 and here I have a 2.
Và ở đây tôi có 1/2, còn ở đây tôi có 2.
This then lets me say 1, 1, 2. 0, 1, 1/2. 0, I guess, 1 and 1/2.
Vậy thì tôi có thể nói 1, 1, 2. 0, 1, 1/2. Tôi đoán là 0, hoặc 1,5.
Now what's the operation I'm going to do? Now I go to my second row, right? So now I've taken my first variable and I've eliminated it from all of the other equations, right?
Giờ tôi sẽ tiến hành ca phẫu thuật nào? Giờ tôi chuyển sang hàng ghế thứ hai, phải không? Vậy là tôi đã lấy được biến số đầu tiên rồi. Và tôi đã loại bỏ nó khỏi tất cả các phương trình khác rồi, phải không?
x was my first variable . x now no longer shows up in the second or the third row. I've succeeded in eliminating x. Next job is to try and eliminate y.
x là biến số đầu tiên của tôi. x hiện không còn xuất hiện ở hàng thứ hai hoặc hàng thứ ba nữa. Tôi đã loại bỏ thành công x. Bước tiếp theo là cố gắng loại bỏ y.
So now I focus on the second row. I've already made the leading coefficient here 1, so now I use a second row to eliminate from the third row.
Vậy bây giờ tôi sẽ tập trung vào hàng thứ hai. Tôi đã đặt hệ số dẫn đầu ở đây là 1 rồi. Vì vậy, bây giờ tôi sử dụng hàng thứ hai để loại bỏ từ hàng thứ ba.
So I do r3 minus r2, which gives me 1, 1, 2, 0, 1, 1/2, and 0, 0, 0.
Vậy tôi lấy r3 trừ r2, ta được 1, 1, 2, 0. 1, 1/2 và 0, 0, 0.
And so now, I have my row of 0's, which is going to suggest something to me. What would it suggest? What are you tempted to think if you see a row of 0's?
Và như vậy, bây giờ tôi đã có một hàng toàn số 0, Nó sẽ gợi ý điều gì đó cho tôi. Điều đó gợi ý điều gì? Bạn sẽ nghĩ gì nếu nhìn thấy một hàng toàn số 0?
Infinite solutions. But do we have infinite solutions here? We don't, right? So what do you have to do to check?
Vô số giải pháp. Nhưng liệu chúng ta có vô số giải pháp ở đây không? Chúng ta không cần, đúng không? Vậy bạn cần làm gì để kiểm tra?
So you go the next step, where you do r1 minus r2.
Vậy là bạn tiến hành bước tiếp theo, đó là lấy r1 trừ đi r2.
And I have 1, so 1 minus 1 is 0, and then 2 minus 1/2 is 3/2, and then I have 0, 1 1/2, and 0, 0, 0.
Và tôi có 1, vậy 1 trừ 1 bằng 0, và sau đó 2 trừ 1/2 bằng 3/2. và sau đó tôi có 0, 1 1/2, và 0, 0, 0.
So this row of 0's. What did this row of 0's tell us? This row of 0's told us that, look, there is some redundancy in your equations.
Vậy đây là một hàng toàn số 0. Hàng loạt số 0 này cho chúng ta biết điều gì? Hàng loạt số 0 này cho chúng ta biết rằng, hãy nhìn xem, Có một số sự trùng lặp trong các phương trình của bạn.
Whatever the third equation was representing, that information was already contained in the earlier two equations, right?
Cho dù phương trình thứ ba biểu thị điều gì đi nữa, Thông tin đó đã có trong hai phần trước đó rồi. Các phương trình, phải không?
And so if you had exactly n equations n unknowns, then that row of 0's would let you conclude that, oh, you have an infinite number of solutions. But here you don't have that.
Vì vậy, nếu bạn có chính xác n phương trình với n ẩn số, thì Hàng loạt số 0 đó sẽ cho phép bạn kết luận rằng, Ồ, bạn có vô số giải pháp. Nhưng ở đây thì không có chuyện đó.
So you have to actually go one more step, so you can say, well, this row of 0's tells me that I can basically ignore this last row. But let's go to the row before.
Vậy nên bạn phải tiến thêm một bước nữa, để có thể nói rằng, À, dãy số 0 này cho tôi biết rằng về cơ bản tôi có thể Hãy bỏ qua hàng cuối cùng này. Nhưng chúng ta hãy quay lại hàng trước đó.
This tells me now that y is equal to 1/2, and then this tells me that x is equal to 3/2.
Điều này cho tôi biết rằng y bằng 1/2. và điều này cho tôi biết rằng x bằng 3/2.
So here's a situation where I have — to answer your question, I have more equations than I have unknowns, but I have no free variables.
Vậy đây là một tình huống mà tôi cần phải giải đáp câu hỏi của bạn, Tôi có nhiều phương trình hơn số ẩn số. nhưng tôi không có biến số tự do nào.
Yeah?
Vâng?
STUDENT
Okay. So I get that this process. If you have a lot of equations, it's nice.
Được rồi. Tôi hiểu quá trình này. Nếu bạn có nhiều phương trình, điều đó rất hữu ích.
Here, if you just recognized that one equation is redundant, can you just say, equation 3 is two times equation 2, so it's redundant, and just go from there?
Ở đây, nếu bạn vừa nhận ra rằng một phương trình bị dư thừa, Bạn có thể nói rằng, phương trình 3 gấp hai lần phương trình 2 được không? Vậy là nó thừa, và cứ thế mà tiếp tục thôi?
PROFESSOR
Yes. If you can recognize the question is. Well, this is great for complicated things, but for a simple thing, you don't have to go through all of this math.
Vâng. Nếu bạn nhận ra câu hỏi là gì. Điều này rất hữu ích cho những việc phức tạp. nhưng đối với một việc đơn giản, bạn không cần phải Phải trải qua tất cả những phép toán này.
You can do stuff more simply. Absolutely, right? But what we're designing tools for is for the complicated stuff.
Bạn có thể làm mọi việc một cách đơn giản hơn. Hoàn toàn đúng không? Nhưng chúng ta đang thiết kế các công cụ cho mục đích gì? Nó dành cho những vấn đề phức tạp.
We're seeing it in terms of simple examples because simple examples are illustrative, and they help us see what's going on. Yeah?
Chúng ta đang thấy điều đó qua những ví dụ đơn giản. vì những ví dụ đơn giản rất dễ minh họa. Và chúng giúp chúng ta thấy được những gì đang diễn ra. Vâng?
STUDENT
So can we use row echelon form instead of row reduced echelon form, and then at the [? just reduce ?] [? it out? ?]
Vậy chúng ta có thể dùng dạng bậc thang hàng thay vì dạng hàng được không? dạng bậc thang rút gọn, và sau đó ở [? chỉ cần rút gọn ?] [? nó ra? ?]
PROFESSOR
Can we use row echelon form instead of row reduced echelon form? Yes, you can do that, but effectively the substitution process requires you to move to a row reduced echelon form eventually.
Chúng ta có thể sử dụng dạng bậc thang hàng thay thế được không? có dạng bậc thang rút gọn theo hàng không? Vâng, bạn có thể làm vậy, nhưng về cơ bản đó là sự thay thế. Quy trình này yêu cầu bạn di chuyển đến hàng đã được giảm bớt. cuối cùng sẽ tạo thành đội hình bậc thang.
But you can solve things any which way you like. On an exam question, on the homework question, if we want you to solve something someway, we'll tell you.
Nhưng bạn có thể giải quyết mọi việc theo bất kỳ cách nào bạn muốn. Trong câu hỏi bài kiểm tra, trong câu hỏi bài tập về nhà, Nếu chúng tôi muốn bạn giải quyết vấn đề bằng cách nào đó, Chúng tôi sẽ cho bạn biết.
In life, you're always welcome to use whatever method you want. There was a question at the back in the black t-shirt. Yeah.
Trong cuộc sống, bạn luôn được chào đón sử dụng bất kỳ phương pháp nào. Bạn muốn. Phía sau chiếc áo phông đen có in một câu hỏi. Vâng.
STUDENT
You answered it.
Anh/Chị đã trả lời rồi.
PROFESSOR
I answered it? Okay. Great. Okay.
Tôi đã trả lời rồi mà? Được rồi. Tuyệt vời. Được rồi.
Last question. Or two last two questions.
Câu hỏi cuối cùng. Hoặc hai câu hỏi cuối cùng.
STUDENT
[INAUDIBLE] PROFESSOR: In general, yes. The question is, how do you write on homework? How much information do I ought to give?
[KHÔNG NGHE RÕ] GIÁO SƯ: Nói chung là đúng vậy. Câu hỏi đặt ra là, bạn viết bài tập về nhà như thế nào? Tôi nên cung cấp bao nhiêu thông tin?
Give all the information. Yeah.
Hãy cung cấp đầy đủ thông tin. Vâng.
STUDENT
[INAUDIBLE] PROFESSOR: That's a good question.
[KHÔNG NGHE RÕ] GIÁO SƯ: Đó là một câu hỏi hay.
Basically, how many steps of this are considered Gaussian elimination and what isn't considered adoption elimination?
Về cơ bản, quá trình này gồm bao nhiêu bước? được coi là phép khử Gauss Vậy những trường hợp nào không được coi là loại bỏ việc nhận con nuôi?
So if you remember, Gaussian elimination had the last step as back substitution, and this row reduced echelon form is essentially back substitution. So again, this is something that comes with jargon.
Vậy nếu bạn còn nhớ, phép khử Gauss Bước cuối cùng là thay người về. và dạng bậc thang rút gọn hàng này về cơ bản là thay người về phía sau. Tóm lại, đây là vấn đề liên quan đến thuật ngữ chuyên ngành.
Some people will call this full process Gaussian elimination. Some people will say going to here is Gaussian elimination.
Một số người sẽ gọi toàn bộ quy trình này là phép khử Gauss. Một số người sẽ nói rằng đến đây là phương pháp khử Gauss.
It doesn't really matter, but basically your goal is to solve, so you might as well go all the way. Good question. Okay. Burning question, and then I have to move on.
Điều đó không thực sự quan trọng, nhưng về cơ bản mục tiêu của bạn là... Mục tiêu là giải quyết vấn đề, vậy thì tại sao không làm đến cùng? Câu hỏi hay đấy. Được rồi. Câu hỏi hóc búa đây, và giờ tôi phải chuyển sang vấn đề khác.
STUDENT
Is it possible to do multiple row transformations?
Có thể thực hiện nhiều phép biến đổi hàng không?
PROFESSOR
Is it possible to do multiple row transformations in one step? The answer is yes. I recommend against it simply because it's a great way to make an algebra mistake.
Có thể thực hiện nhiều phép biến đổi hàng không? Chỉ trong một bước? Câu trả lời là có. Tôi khuyên bạn không nên làm vậy đơn giản vì đó là một cách tuyệt vời. Mắc lỗi đại số.
But in general, there's nothing preventing you from doing it.
Nhưng nhìn chung, không có gì ngăn cản bạn làm điều đó cả.
Okay. So this is one example, and then I kind of want to do two quick examples just to show you.
Được rồi. Đây là một ví dụ, và sau đó tôi... Tôi muốn đưa ra hai ví dụ nhanh để minh họa cho bạn.
Let's say I have x plus y plus z equal to 1, and x plus y plus z equal to 2. So just to answer this question about free variables, right?
Giả sử tôi có x cộng y cộng z bằng 1, và x cộng y cộng z bằng 2. Vậy là để trả lời câu hỏi về các biến tự do, đúng không?
What do we know? How many solutions does this have? This doesn't have solutions, right? But we have more variables than we have constraints.
Chúng ta biết gì về điều này? Bài toán này có bao nhiêu lời giải? Việc này không có giải pháp, phải không? Nhưng chúng ta có nhiều biến số hơn là các ràng buộc.
So just by saying that, okay, let's look at the number of variables in the number of constraints, we cannot figure out what's going on.
Vậy chỉ cần nói như vậy thôi, được rồi, hãy cùng xem con số đó. số lượng biến trong số lượng ràng buộc, Chúng tôi không thể hiểu chuyện gì đang xảy ra.
And you'll see that if you do Gaussian elimination, this will show up. Here you will get, now, one 1, 1, 1, 1, 0, 0, 0, 1.
Và bạn sẽ thấy rằng nếu bạn thực hiện phép khử Gauss, Điều này sẽ hiển thị. Ở đây bạn sẽ nhận được một 1, 1, 1, 1, 0, 0, 0, 1.
You'll get this inconsistency. Okay?
Bạn sẽ gặp phải sự không nhất quán này. Được rồi?
Finally, I guess let's look at one last example.
Cuối cùng, tôi nghĩ chúng ta hãy xem xét một ví dụ nữa.
So very similar to this one, but slightly different. What does Gaussian elimination tell you? You get 1, 1, 1, 1, and then 1, 1, 2, 2.
Rất giống với cái này, nhưng hơi khác một chút. Phương pháp khử Gauss cho bạn biết điều gì? Bạn nhận được 1, 1, 1, 1, rồi 1, 1, 2, 2.
When I do the first row reduction, I get 1, 1, 1, 1, and 0, 0, 1, 1.
Khi tôi thực hiện phép rút gọn hàng đầu tiên, Tôi nhận được 1, 1, 1, 1 và 0, 0, 1, 1.
What does this tell us?
Điều này cho chúng ta biết điều gì?
Where are we now? What's the next step that we would want to do? Back substitution, right?
Chúng ta đang ở đâu? Bước tiếp theo mà chúng ta muốn làm là gì? Thay người về phía sau, đúng không?
So we want to do, now, 1, 1, 0, 0, and 0, 0, 1, 1, right? This is row 1 minus row 2.
Vậy bây giờ chúng ta muốn thực hiện 1, 1, 0, 0 và 0, 0, 1, 1, đúng không? Đây là hàng 1 trừ đi hàng 2.
Here I did row 2 minus row 1. So now, what does this last row tell us? It's telling us z equal to 1.
Ở đây tôi đã lấy hàng 2 trừ đi hàng 1. Vậy, hàng cuối cùng này cho chúng ta biết điều gì? Nó cho chúng ta biết z bằng 1.
And then what is it telling us to do? It's saying that, well, actually, z doesn't matter for x and y, right? There's a constraint between x and y, but z is decoupled from them.
Vậy thì nó đang muốn chúng ta làm gì? Nó nói rằng, thực ra thì, z Điều đó không quan trọng đối với x và y, phải không? Có một sự ràng buộc giữa x và y. nhưng z không liên quan đến chúng.
So, okay, I wrote this poorly, but this goes here. This goes here. This tells you that x plus y is equal to 0.
Được rồi, tôi viết đoạn này không hay lắm, nhưng nó vẫn phải ở đây. Cái này ở đây. Điều này cho bạn biết rằng x cộng y bằng 0.
And so how many free variables are there in this setup now?
Vậy hiện tại có bao nhiêu biến tự do trong thiết lập này?
2, 1, 1, or 2, right?
2, 1, 1, hoặc 2, đúng không?
It's a really good question. What is the free variable? A free variable is one that you could set to be anything. Okay?
Đây là một câu hỏi rất hay. Biến tự do là gì? Biến tự do là biến mà bạn có thể gán cho bất kỳ giá trị nào. Được rồi?
So let's say I picked y to be my favorite number. Let's say I picked y to be equal to 3.14, right?
Vậy giả sử tôi chọn y là số yêu thích của mình. Giả sử tôi chọn y bằng 3,14, đúng không?
What constraints does that impose?
Điều đó đặt ra những hạn chế gì?
Does it tell me what x is? So how many free variables are there? Only one, right? So even though there's 1 coupling between x and y, is there any freedom on z?
Nó có cho tôi biết x là gì không? Vậy có bao nhiêu biến tự do? Chỉ một thôi, đúng không? Vì vậy, mặc dù chỉ có 1 liên kết giữa x và y, Liệu có sự tự do nào trên trục z không?
z is fixed, right? So now, what you can see is that, basically — let's look at these two rows.
z là hằng số, đúng không? Vậy bây giờ, điều mà bạn có thể thấy là, về cơ bản — Hãy cùng xem hai hàng này.
When you look at the first row, what is the leading coefficient here? It's this 1, right? Now let me look at the second row.
Khi nhìn vào hàng đầu tiên, hệ số dẫn đầu là bao nhiêu? đây? Là cái này, đúng không? Giờ hãy xem hàng thứ hai.
I would want, ideally, there to be a 1 here, right? I would sort of expect. I don't want to necessarily skipped by two, but I'm skipping by 1.
Tôi muốn, lý tưởng nhất là ở đây sẽ có số 1, đúng không? Tôi cũng phần nào dự đoán được điều đó. Tôi không nhất thiết muốn bỏ qua hai bước, nhưng tôi sẽ nhảy số 1.
And the leading coefficient here is in the third position.
Và hệ số dẫn đầu ở đây nằm ở vị trí thứ ba.
So basically, if I have a column in which there is no leading coefficient of 1 — so if I look at the second column, the second column has an entry, but it doesn't have a leading coefficient of 1, then you can interpret that as meaning that variable is a free variable.
Về cơ bản, nếu tôi có một cột mà không có ký tự đầu dòng nào. hệ số là 1 — vậy nếu tôi nhìn vào cột thứ hai, Cột thứ hai có một mục nhập, nhưng nó không có hệ số bậc cao nhất là 1. Khi đó bạn có thể hiểu điều đó có nghĩa là biến số là một biến tự do.
And so you'll see more examples in discussion and homework on this.
Vì vậy, bạn sẽ thấy thêm nhiều ví dụ trong phần thảo luận và bài tập về nhà. về vấn đề này.
But basically, here, this is telling you that y is free variable. I can choose y to be equal to anything.
Nhưng về cơ bản, ở đây, điều này đang nói với bạn. trong đó y là biến số tự do. Tôi có thể chọn y bằng bất kỳ giá trị nào.
Yes?
Đúng?
STUDENT
[INAUDIBLE] PROFESSOR: So this is a specific example — and basically you're going to see more examples like this.
[KHÔNG NGHE RÕ] GIÁO SƯ: Đây là một ví dụ cụ thể — Và về cơ bản, bạn sẽ thấy nhiều ví dụ tương tự như thế này nữa.
I want to move on in the interest of time, but it's a good question. So let's hold that. This will become clearer in discussion.
Tôi muốn kết thúc vấn đề này để tiết kiệm thời gian. Nhưng đó là một câu hỏi hay. Vậy hãy giữ nguyên như vậy. Điều này sẽ trở nên rõ ràng hơn trong quá trình thảo luận.
But I just want you to see that, basically, there will be cases when y will not be a free variable. There'll be cases where y will not be a free variable.
Nhưng tôi chỉ muốn bạn hiểu rằng, về cơ bản là như vậy. Sẽ có những trường hợp y không phải là biến tự do. Sẽ có những trường hợp y không phải là biến tự do.
There will be cases when you will have a constraint on y, even with just two equations. Okay? I'm going to ask you to hold questions, because otherwise we will never get through class.
Sẽ có những trường hợp bạn gặp phải ràng buộc đối với y. ngay cả với chỉ hai phương trình. Được rồi? Tôi đề nghị các bạn tạm dừng đặt câu hỏi. Bởi vì nếu không thì chúng ta sẽ không bao giờ hoàn thành được tiết học.
Okay.
Được rồi.
So we've done some examples on Gaussian elimination, and what I want to do next is build on this, and I want to now bring up a very important point, and this is one of the most important things in today's lecture.
Vậy là chúng ta đã làm một số ví dụ về phép khử Gauss. Và điều tôi muốn làm tiếp theo là phát triển dựa trên nền tảng này. Và bây giờ tôi muốn nêu lên một điểm rất quan trọng, và đây là một trong những điều quan trọng nhất trong thời đại ngày nay. bài giảng.
So write this down or however you remember things. But what did we notice when we were doing Gaussian elimination? We did all these examples, right?
Vì vậy, hãy ghi chép lại hoặc ghi nhớ mọi thứ bằng bất cứ cách nào bạn thấy hợp lý. Nhưng chúng ta đã nhận thấy điều gì khi ở đó? Thực hiện phép khử Gauss? Chúng ta đã làm hết các ví dụ này rồi, phải không?
We had this example. We had this example. We had this example. We had this example.
Chúng ta đã có ví dụ này. Chúng ta đã có ví dụ này. Chúng ta đã có ví dụ này. Chúng ta đã có ví dụ này.
When we chose what row operation to do, did stuff on the right hand side of this line matter?
Khi chúng ta lựa chọn thao tác trên hàng nào, Những thứ ở phía bên phải của dòng này có quan trọng không?
We didn't care, right? The process of Gaussian elimination depended on the coefficients, not on what we were seeing.
Chúng ta đâu có quan tâm, phải không? Quá trình khử Gauss Nó phụ thuộc vào các hệ số, chứ không phải vào những gì chúng ta đang thấy.
And this is the thing that I want you to just keep in mind, and we'll come back to this.
Và đây là điều tôi muốn các bạn hãy ghi nhớ, và chúng ta sẽ quay lại vấn đề này sau.
So to understand why this is an important observation to make, I want to go back to thinking about systems of linear equations as a matrix vector multiplication.
Vậy để hiểu tại sao đây là một nhận xét quan trọng, Tôi muốn quay lại suy nghĩ về các hệ thống. của các phương trình tuyến tính dưới dạng phép nhân ma trận vectơ.
So we talked about what a vector is last time. What is a matrix?
Lần trước chúng ta đã nói về khái niệm vectơ rồi. Ma trận là gì?
Just as a reminder, a matrix is basically this rectangular array of numbers And I want to differentiate between the matrix and an augmented matrix.
Xin nhắc lại, ma trận về cơ bản là... mảng số hình chữ nhật này Và tôi muốn phân biệt giữa ma trận. và một ma trận mở rộng.
When I draw a picture like this, where there's a line, that means something different from when I draw a picture that is just like this.
Khi tôi vẽ một bức tranh như thế này, nơi có một đường kẻ, Điều đó có nghĩa khác so với khi tôi vẽ một bức tranh. Nó cũng giống như thế này.
This is a matrix.
Đây là một ma trận.
This is an augmented matrix. These are not the same.
Đây là một ma trận mở rộng. Chúng không giống nhau.
This is representing an equation. Here, this is not representing an equation. Okay?
Đây là biểu diễn của một phương trình. Ở đây, điều này không biểu thị một phương trình. Được rồi?
This is basically two equations and two variables, whereas this is basically talking about an operator on a vector with three elements, and that's what I want to introduce.
Về cơ bản, đây là hai phương trình và hai biến số. trong khi đây về cơ bản là nói chuyện về một toán tử trên một vectơ có ba phần tử, Và đó là điều tôi muốn giới thiệu.
So if I think about a matrix in general — let's call it a1,1, a1,2, all the way up to a1n, a2,1, a2,2, a2n, am1, am2, amn.
Vậy nếu tôi suy nghĩ về ma trận nói chung — Chúng ta hãy gọi nó là a1,1, a1,2, cho đến a1n, a2,1, a2,2, a2n, am1, am2, amn.
This is a matrix.
Đây là một ma trận.
It has n columns and m rows, and we say that this belongs to rm cross n.
Nó có n cột và m hàng, và chúng ta Hãy nói rằng điều này thuộc về rm cross n.
r is just the set of real numbers. What this means is this is a matrix with n columns, m rows, and every entry is a real number.
r chỉ đơn giản là tập hợp các số thực. Điều này có nghĩa là đây là một ma trận có n cột, m hàng, và mỗi mục nhập đều là một số thực.
This matrix, and I'm going to say this is multiple by a vector. x1, x2, all the way up to xn.
Ma trận này, và tôi sẽ nói Đây là phép nhân với một vectơ. x1, x2, cho đến xn.
This is a vector x.
Đây là một vectơ x.
I write this as this belongs to rn, because this has n rows and exactly one column, so I can write it as rn by 1, and I write it with this notation of having an arrow on top.
Tôi viết điều này vì nó thuộc về rn, vì bảng này có n hàng và đúng một cột. Vì vậy, tôi có thể viết nó ngay bây giờ lúc 1 giờ, và tôi viết nó. Với ký hiệu có mũi tên ở phía trên.
And this I'm going to write — so remember, what is this notation saying? This is basically saying that I'm trying to set up a system of equations, right?
Và đây là điều tôi sẽ viết — Vậy hãy nhớ xem, ký hiệu này nói lên điều gì? Về cơ bản, điều này có nghĩa là tôi đang Đang cố gắng thiết lập một hệ phương trình, phải không?
What is the number of variables in my system of equations if I have n things here? n, right? What is the number of equations that I have?
Hệ phương trình của tôi có bao nhiêu biến? Nếu tôi có n món đồ ở đây thì sao? n, đúng không? Tôi có bao nhiêu phương trình?
m. So when I'm writing out the right-hand side here, what should be the length of this vector? m, right?
m. Vậy nên khi tôi viết phần bên phải ở đây, Độ dài của vectơ này phải là bao nhiêu? m, đúng không?
It's important to remember that the length of the x vector and the length of the b vector might not be the same. So this is b1, b2, all the way up to bm.
Điều quan trọng cần nhớ là độ dài của vectơ x và độ dài của vectơ b Có thể không giống nhau. Vậy đây là b1, b2, cho đến bm.
I'm going to call this my b vector, and this belongs to rm.
Tôi sẽ gọi đây là vectơ b của tôi, và nó thuộc về rm.
And as a shorthand, I can write this as matrix A — usually I write a capital letter for a matrix — times this vector x, is equal to this vector b.
Và để viết tắt, tôi có thể viết điều này là ma trận A — Thông thường tôi viết chữ cái đầu tiên của ma trận bằng chữ in hoa. lần vectơ x này bằng vectơ b này.
And here, we can think about this matrix vector multiplication that we're defining, we're basically defining this, and we're seeing this matrix A is transforming.
Và ở đây, chúng ta có thể xem xét ma trận vectơ này. phép nhân mà chúng ta đang định nghĩa, Về cơ bản, chúng ta đang định nghĩa điều này và chúng ta đang thấy Ma trận A này đang biến đổi.
It's an operator that takes this vector x and gives you this vector b, right?
Đây là một toán tử nhận vectơ x này. và cho bạn vectơ b này, đúng không?
Just like functions take an input and give you an output, this matrix vector multiplication is basically taking a vector and transforming it to give you another vector.
Giống như hàm số nhận đầu vào và trả về đầu ra, phép nhân ma trận vectơ này Về cơ bản, đó là việc lấy một vectơ và biến đổi nó. Nó sẽ cung cấp cho bạn một hướng đi khác.
And we're going to come back to this perspective in a couple of lectures. So this is basically — you can think of a matrix as an operator.
Và chúng ta sẽ quay lại với quan điểm này sau. trong một vài bài giảng. Về cơ bản thì... Bạn có thể coi ma trận như một toán tử.
So we started with this as a notation for a system of linear equations, but now we're moving into something slightly different, right?
Vậy là chúng ta bắt đầu với ký hiệu này. đối với một hệ phương trình tuyến tính, nhưng giờ chúng ta đang chuyển sang một chủ đề hơi khác một chút, Phải?
Each row here is an equation, each column basically represents a variable, rate?
Mỗi hàng ở đây là một phương trình, mỗi cột về cơ bản là một phương trình. Biểu thị một biến số, tỷ lệ?
So, for example, if I have, let's say, 1, 2, 3, 9, 8, 7 times x1, x2, x3, this is basically equal to x1 plus 2x2 plus 3x3
Ví dụ, nếu tôi có, hãy... ví dụ, 1, 2, 3, 9, 8, 7 lần x1, x2, x3, Về cơ bản, điều này tương đương với x1 cộng 2x2 cộng 3x3.
in the first element, and then 9x1 plus 8x2 plus 7x3 in the second row.
trong phần tử đầu tiên, và sau đó là 9x1 cộng 8x2 cộng 7x3 ở hàng thứ hai.
And let's say I said that this was equal to 4 or 5. Now this represents a system of equations, right?
Và giả sử tôi nói rằng điều này bằng 4 hoặc 5. Đây là một hệ phương trình, đúng không?
If I don't write this here, this is just part of an equation or it's just representing this matrix multiplying this vector.
Nếu tôi không viết điều này ở đây, thì đây chỉ là một phần của phương trình. hoặc đơn giản là nó biểu diễn phép nhân ma trận này với vectơ này.
This is what I want to call, basically, the row perspective.
Về cơ bản, tôi muốn gọi đây là góc nhìn theo hàng.
on matrix vector multiplication, where basically every row of the matrix represents an equation, right?
về phép nhân ma trận với vectơ, trong đó về cơ bản là mọi hàng của ma trận Nó biểu thị một phương trình, phải không?
Everyone clear with the notation? This is just notation. Yeah?
Mọi người đã hiểu rõ ký hiệu chưa? Đây chỉ là ký hiệu. Vâng?
STUDENT
[INAUDIBLE] PROFESSOR: The question was, can you explain the r2 power symbol? Am I repeating a question correctly?
[KHÔNG NGHE RÕ] GIÁO SƯ: Câu hỏi là, bạn có thể... Hãy giải thích ký hiệu lũy thừa r2? Tôi lặp lại câu hỏi có đúng không vậy?
Yes. Okay. So this symbol. So I'm drawing this are a little bit funny.
Đúng. Được rồi. Vậy là biểu tượng này. Tôi vẽ bức này hơi hài hước một chút.
This r means the set of real numbers.
Chữ r này biểu thị tập hợp các số thực.
And when I say, let's say r2, I mean pairs of real numbers.
Và khi tôi nói, giả sử là r2, ý tôi là các cặp số thực.
So I mean, basically, some r1, r2 where both of these are real numbers.
Ý tôi là, về cơ bản, một số r1, r2 trong đó cả hai đều như vậy Đây là những con số thực.
If I wanted to visually represent r2, I would think of that as a plane, where r1 is this axis and r2 is this axis. So every pair gives me a point in the plane.
Nếu tôi muốn biểu diễn r2 bằng hình ảnh, Tôi sẽ coi đó như một mặt phẳng, trong đó r1 là Trục này và r2 là trục này. Như vậy, mỗi cặp điểm tương ứng với một điểm trên mặt phẳng.
If I thought of r3, that represents three space.
Nếu tôi nghĩ đến r3, nó đại diện cho không gian ba chiều.
When I say rm cross n, I'm saying, basically, I have this entire rectangle of real numbers.
Khi tôi nói rm cross n, về cơ bản tôi đang nói rằng, Tôi có cả một hình chữ nhật chứa toàn bộ các số thực.
So that, I can't visualize the way I would visualize just r2. Does that help answer the question?
Vì vậy, tôi không thể hình dung theo cách mà tôi thường hình dung r2. Điều đó có giúp trả lời câu hỏi không?
When r to the fourth, how do you visualize that? You can't. That's a really good question, but I don't know.
Khi r mũ 4, bạn hình dung điều đó như thế nào? Bạn không thể. Đó là một câu hỏi rất hay, nhưng tôi không biết.
Yeah. Like visualizing basically anything that's — you can visualize one dimension, two dimension, three dimensions. Four dimensional things are pictures in our imagination. Yeah.
Vâng. Giống như việc hình dung bất cứ thứ gì... Bạn có thể hình dung một chiều, hai chiều, ba chiều. Những vật thể bốn chiều là những hình ảnh trong trí tưởng tượng của chúng ta. Vâng.
Okay. Red t-shirt.
Được rồi. Áo phông đỏ.
STUDENT
Where'd you get [INAUDIBLE] PROFESSOR: I made them up. Yeah. Good question.
Cô lấy [KHÔNG NGHE RÕ] ở đâu vậy? Tôi tự bịa ra chúng. Vâng. Câu hỏi hay đấy.
I was just saying that if I wanted to write this as some a, x — if I wanted to write ax equal to b, and I said b was equal to 4 or 5, and I said x was equal to this guy, and a was equal to this,
Tôi chỉ đang nói rằng nếu tôi muốn viết điều này dưới dạng một số chữ a, x — Nếu tôi muốn viết ax bằng b, và tôi nói b bằng 4 hoặc 5, và tôi nói x bằng người này, và a bằng người kia,
I could represent. I made up four and five entirely. So yeah. Good question.
Tôi có thể đại diện. Tôi hoàn toàn bịa ra số bốn và số năm. Ừ. Câu hỏi hay đấy.
Okay. Everyone with me? Okay.
Được rồi. Mọi người cùng tham gia với tôi chứ? Được rồi.
So now let's remember the example that we started out with.
Vậy bây giờ chúng ta hãy nhớ lại ví dụ. mà chúng ta đã bắt đầu với.
The imaging lab, right?
Phòng thí nghiệm hình ảnh, phải không?
And there we had, basically, in the very first lecture we had this setup where we had four pixels and we made these measurements, right?
Và về cơ bản, ngay trong bài giảng đầu tiên, chúng ta đã có điều đó. Chúng tôi có thiết lập này với bốn pixel. Và chúng ta đã thực hiện các phép đo này, đúng không?
And we had the equations basically x1 plus x2 equal to b1, and then we had x3 plus x4 is equal to b2, and we had x1 plus x3 is equal to b3, and then we had x2 plus x4 is equal to b4,
Và về cơ bản chúng ta có phương trình x1 cộng x2 bằng đến b1, và sau đó ta có x3 cộng x4 bằng b2, và ta có x1 cộng x3 bằng b3, và sau đó ta có x2 cộng x4 bằng b4,
and then we had x1 plus x4 is equal to b5. And these are equations one, two, three, four, five.
và sau đó ta có x1 cộng x4 bằng b5. Và đây là các phương trình một, hai, ba, bốn, năm.
So let's represent this, now, in the matrix vector notation that we've been thinking about, right?
Vậy bây giờ, chúng ta hãy biểu diễn điều này bằng ký hiệu ma trận vectơ. Đó là điều mà chúng ta đã suy nghĩ đến, phải không?
Because remember, what we wanted to do was we wanted to make sure that whenever we built our tomography machine and sold a million copies of it, we wanted to know it worked before it went out the door, right?
Vì hãy nhớ rằng, điều chúng ta muốn làm là chúng ta muốn đảm bảo rằng bất cứ khi nào Chúng tôi đã chế tạo máy chụp cắt lớp và bán nó. Chúng tôi muốn có một triệu bản của nó. Để chắc chắn nó hoạt động tốt trước khi đưa ra khỏi cửa, đúng không?
So how do you know that the measurements that you're taking, that you're designing, are actually good measurements? And for this matrix vector notation is going to turn out to be helpful for us.
Vậy làm sao bạn biết được các phép đo đó? những gì bạn đang thực hiện, những gì bạn đang thiết kế, Liệu đó có thực sự là những phép đo tốt? Và đối với ký hiệu vectơ ma trận này Điều này sẽ rất hữu ích cho chúng ta.
So if I want to write Measurement Set 1, which were basically equations one through four, right?
Vậy nếu tôi muốn viết "Bộ đo lường" 1, về cơ bản là các phương trình từ một đến bốn, Phải?
First we just took these first four equations. Does everyone remember that?
Đầu tiên, chúng ta chỉ lấy bốn phương trình đầu tiên này. Mọi người còn nhớ chuyện đó không?
This was Measurement Set 1, and Measurements Set 2 was — Right?
Đây là Bộ đo lường 1, và Bộ đo lường 2 là — Phải?
Remember that we decided to substitute the last equation out? So let's write the first four equations over here in matrix vector form. 0, 0, 1, 1.
Hãy nhớ rằng chúng ta đã quyết định thay thế phương trình cuối cùng. ngoài? Vậy chúng ta hãy viết bốn phương trình đầu tiên ở đây. ở dạng ma trận vectơ. 0, 0, 1, 1.
I have 1, 1, 0, 0, 0, 0, 1, 1, 1, 0, 1, 0, and then I have 0, 1, 0, 1.
Tôi có 1, 1, 0, 0, 0, 0, 1, 1, 1, 0, 1, 0, và sau đó tôi có 0, 1, 0, 1.
And then I had this x1 x2 x3 x4, and I have b1, b2, b3, b4.
Và sau đó tôi có x1 x2 x3 x4, và tôi có b1, b2, b3, b4.
Right? This was Measurements Set 1.
Phải? Đây là Bộ đo lường số 1.
Measurements 2 were, let's say, equations one to three, and then equation. five.
Các phép đo 2, có thể nói, là các phương trình từ một đến ba, và sau đó là phương trình số năm.
And if I write that out, I had 1, 1, 0, 0, 0, 0, 1, 1, 1, 0, 1, 0, and then I had 1, 0, 0, 1.
Và nếu tôi viết ra, tôi sẽ có 1, 1, 0, 0, 0, 0, 1, 1, 1, 0, 1, 0, và sau đó tôi có 1, 0, 0, 1.
x1, x2 x3 x4 equal to b1, b2, 3b, b5.
x1, x2 x3 x4 bằng b1, b2, 3b, b5.
Yeah?
Vâng?
STUDENT
[INAUDIBLE] PROFESSOR: Why did omit the fourth equation? Great question.
[KHÔNG NGHE RÕ] GIÁO SƯ: Tại sao lại bỏ qua phương trình thứ tư? Câu hỏi hay đấy.
So the first lecture, we tried solving these four equations, and we found that we couldn't come up with a unique solution, and so we said, let's take this fifth measurement.
Vậy nên trong bài giảng đầu tiên, chúng ta đã thử giải bốn phương trình này. và chúng tôi nhận thấy rằng mình không thể đưa ra một giải pháp duy nhất. Vì vậy, chúng tôi nói, hãy thực hiện phép đo thứ năm này.
And so we're trying to compare which sets of measurements are good measurements. How would I decide? Basically what did I do?
Vì vậy, chúng tôi đang cố gắng so sánh các bộ số đo nào. Đây là những phép đo tốt. Tôi sẽ quyết định như thế nào? Tóm lại, tôi đã làm gì?
I looked at, basically, energy source here, energy source here, energy source here, and energy source here. This was the very first lecture that we did.
Về cơ bản, tôi đã xem xét nguồn năng lượng ở đây. nguồn năng lượng ở đây, nguồn năng lượng ở đây và nguồn năng lượng đây. Đây là bài giảng đầu tiên mà chúng tôi thực hiện.
And there we said that, okay, if we try and solve these, and it's good to quickly remind yourself to just try and solve these, you'll find that you won't be able to get a unique solution.
Và lúc đó chúng tôi nói rằng, được rồi, nếu chúng ta cố gắng giải quyết những vấn đề này, và thật tốt khi nhanh chóng tự nhắc nhở bản thân rằng hãy cố gắng giải quyết vấn đề. Với những điều này, bạn sẽ thấy rằng bạn sẽ không có khả năng tìm ra giải pháp độc đáo.
And so we said, well, if we take a fifth measurement, maybe we can get this unique solution.
Và vì vậy chúng tôi nói, nếu chúng ta thực hiện phép đo thứ năm, Có lẽ chúng ta có thể tìm ra giải pháp độc đáo này.
STUDENT
[INAUDIBLE] PROFESSOR: Why did we omit the fourth one? We could have admitted any other equation. We just chose to omit the fourth one. It's not binding.
[KHÔNG NGHE RÕ] GIÁO SƯ: Tại sao chúng ta lại bỏ qua điều thứ tư? Chúng ta có thể chấp nhận bất kỳ phương trình nào khác. Chúng tôi chỉ đơn giản là quyết định bỏ qua mục thứ tư. Nó không mang tính ràng buộc.
Good question. We don't have to omit the fourth one. Another, we could evaluate different sets of measurements. So let's say we have these five options.
Câu hỏi hay đấy. Chúng ta không cần phải bỏ qua cái thứ tư. Một cách khác là chúng ta có thể đánh giá các bộ số liệu khác nhau. Vậy giả sử chúng ta có năm lựa chọn này.
We know we have four unknowns, so we want at least four equations. So what we can say is that, well, let's evaluate different subsets of these measurements.
Chúng ta biết rằng chúng ta có bốn ẩn số, vì vậy chúng ta Cần ít nhất bốn phương trình. Vậy điều chúng ta có thể nói là, Hãy cùng đánh giá các tập con khác nhau của các phép đo này.
So here are two options, but you're making a great point is that we could consider a third option, like equation one, equation two, equation three, and equation five.
Vậy là có hai lựa chọn, nhưng bạn... Một điểm rất hay là chúng ta có thể xem xét phương án thứ ba. như phương trình một, phương trình hai, phương trình ba và phương trình năm.
That would be another valid thing to consider.
Đó cũng là một điều đáng cân nhắc.
Here, just for the sake of exposition, I want to consider these two, and the question that I want to ask is, is one of these sets of measurements better than the other set in terms of pinning down the exact values of x1, x2, x3, x4.
Ở đây, chỉ để giải thích thêm, Tôi muốn xem xét hai điều này và câu hỏi. Điều tôi muốn hỏi là, liệu một trong những bộ số đo này có đúng không? tốt hơn bộ còn lại về mặt nhằm xác định chính xác các giá trị của x1, x2, x3, x4.
We could also ask that question for other sub groupings. Is that clear? Good.
Chúng ta cũng có thể đặt câu hỏi đó cho các nhóm nhỏ khác. Bạn đã hiểu rõ chưa? Tốt.
So here in this case, what I wanted to point out is there are two parts here, right?
Vậy trong trường hợp này, điều tôi muốn nhấn mạnh là... Ở đây có hai phần, đúng không?
Here we have these measurements b1, b2 b3, b4, b5, and we're writing this now in this form of a times some vector x — this is unknown — equal to b.
Ở đây chúng ta có các số đo b1, b2, b3, b4, b5, và chúng tôi đang viết điều này dưới dạng này, đôi khi... vectơ x — đây chưa được biết — bằng b.
Here, what do we have control over? What do we as engineers get to choose about this setup? The a's, right? This is the engineer's choice.
Vậy, chúng ta có thể kiểm soát được những gì ở đây? Với tư cách là kỹ sư, chúng ta có quyền lựa chọn điều gì trong cấu hình này? Chữ a, đúng không? Đây là sự lựa chọn của kỹ sư.
And b is decided by nature. We don't get to choose what the measurements are, right? Whatever data comes out, it comes out, right? There's nothing we can do about that.
Và b được quyết định bởi tự nhiên. Chúng ta không được quyền lựa chọn các chỉ số đo, đúng không? Dữ liệu nào được công bố thì cứ để nó được công bố thôi, đúng không? Chúng ta không thể làm gì được về điều đó.
Nature is controlling that.
Thiên nhiên đang chi phối điều đó.
So ideally, do we want to be able to decide whether our machine works looking at b or do we want to be able to decide whether our machine works looking at a?
Vậy lý tưởng nhất là chúng ta muốn có thể quyết định liệu máy của chúng ta có hoạt động không? tại b hay chúng ta muốn có thể quyết định Liệu máy của chúng ta có hoạt động khi nhìn vào A không?
a, right? Because that's what we have control over. You don't want it to fail because it took a certain measurement. You want to know out the door.
Đúng không? Vì đó là điều chúng ta có thể kiểm soát được. Bạn không muốn nó thất bại vì... Đã thực hiện một phép đo nhất định. Bạn muốn biết ngay khi ra khỏi cửa.
But what was the nice thing about Gaussian elimination?
Nhưng điều tuyệt vời của phương pháp khử Gauss là gì?
When you're doing Gaussian elimination to solve a system of equations, does it matter the operations that you do? They don't actually depend on the b, right?
Khi bạn thực hiện phép khử Gauss Để giải một hệ phương trình, các phép toán có quan trọng không? Bạn làm vậy sao? Chúng thực sự không phụ thuộc vào chữ b, đúng không?
They don't depend on the measurements.
Chúng không phụ thuộc vào các phép đo.
What this is suggesting is that you can figure out whether or not your measurements are going to give you the right answer just by looking at this matrix, without even figuring out what these are.
Điều này có nghĩa là bạn có thể tìm ra liệu các số đo của bạn có mang lại cho bạn điều đó hay không. Chỉ cần nhìn vào ma trận này là có thể tìm ra câu trả lời đúng. mà thậm chí không hề biết chúng là gì.
There's a small case where you might have noisy observations and you might have inconsistent equations. And this is something that we're going to come to in the third module.
Có một số ít trường hợp bạn có thể gặp phải các quan sát nhiễu. và bạn có thể gặp phải các phương trình không nhất quán. Và đây là điều mà chúng ta sẽ làm sẽ được đề cập trong mô-đun thứ ba.
But for now, we're going to pretend that we never have any noise in our measurements. So we're going to pretend that our measurements are always perfectly accurate.
Nhưng tạm thời, chúng ta hãy giả vờ như chuyện đó chưa từng xảy ra. bất kỳ nhiễu nào trong các phép đo của chúng tôi. Vậy nên chúng ta sẽ giả vờ rằng các phép đo của chúng ta luôn luôn chính xác. Hoàn toàn chính xác.
Noise we will deal with later in Module 3. So the question we now want to ask, is this a matrix better or is this a matrix better?
Chúng ta sẽ đề cập đến vấn đề tiếng ồn ở phần sau của Module 3. Vậy câu hỏi mà chúng ta muốn đặt ra bây giờ là, liệu ma trận này có tốt hơn không? Hay đây là ma trận thì tốt hơn?
And for that, we want to basically learn a little bit more about wide matrices and vectors, and to answer this question, we're going to do a little bit more linear algebra.
Và vì điều đó, về cơ bản chúng ta muốn Tìm hiểu thêm một chút về ma trận và vectơ rộng. Và để trả lời câu hỏi này, chúng ta sẽ... Tôi sẽ học thêm một chút về đại số tuyến tính.
And this is going to be kind of the rest of today's lecture, and setting up for the lecture that we're going to have on Tuesday is going to help us understand properties of this matrix that can tell us, is our system going to be solvable or not?
Và đây sẽ là phần còn lại của bài giảng hôm nay. và chuẩn bị cho bài giảng mà chúng ta sắp trình bày. sẽ có vào thứ Ba giúp chúng ta hiểu rõ hơn về các đặc tính của ma trận này. Có thể cho chúng ta biết, liệu hệ thống của chúng ta có thể giải quyết được hay không?
So is everyone clear on what our goal is?
Vậy mọi người đã hiểu rõ mục tiêu của chúng ta là gì chưa?
Goal: Understand just by looking at a if our system will give us
Mục tiêu: Hiểu được chỉ bằng cách nhìn vào một thứ gì đó xem hệ thống của chúng ta có cung cấp cho chúng ta điều gì không.
a unique solution. We won't fully answer this today, but in the next lectures, we will. But keep this.
Một giải pháp độc đáo. Chúng ta sẽ không trả lời đầy đủ câu hỏi này hôm nay. Nhưng trong các bài giảng tiếp theo, chúng ta sẽ làm điều đó. Nhưng hãy giữ lại cái này.
So two little things that you probably already saw in discussion, but some properties of vectors that we need to introduce to get to answering that question.
Vậy là có hai điều nhỏ mà có lẽ bạn... Như đã thảo luận trước đó, nhưng đây là một số thuộc tính của vectơ. Chúng ta cần giới thiệu những yếu tố đó để có thể trả lời câu hỏi đó.
So first is vector addition.
Đầu tiên là phép cộng vectơ.
Let's say I have x equal to x1, x2, y is equal to y1 y2, then I can write x plus y is equal to x1 plus y1, x2 plus y2.
Giả sử tôi có x bằng x1, x2, y bằng y1, y2, sau đó tôi có thể viết x cộng y bằng x1 cộng y1, x2 cộng y2.
I can add things component-wise. So if I say, I have 1, 2 plus 13, 14, I will get 14, 16.
Tôi có thể thêm từng thành phần một. Vậy nếu tôi nói, tôi có 1, 2 cộng 13, 14, tôi sẽ được 14, 16.
Straightforward. You probably saw this in discussion yesterday, right? Okay.
Đơn giản. Chắc hẳn bạn đã thấy điều này trong cuộc thảo luận hôm qua rồi, phải không? Được rồi.
Second is multiplication between a scalar and a vector, and here you have, basically, some c times a vector x, where c is now a real number,
Thứ hai là phép nhân giữa một đại lượng vô hướng và một đại lượng có hướng. và ở đây bạn có, về cơ bản, một số c nhân với vectơ x, trong đó c lúc này là một số thực, Nó chỉ là cx1, cx2.
it is just cx1, cx2. So if I take 2 times 1, 2, This is equal to 2, 4.
Vậy nếu tôi lấy 2 nhân 1, 2, thì kết quả là 2, 4.
Okay. This is stuff you saw, to some extent, I think, yesterday, so I won't spend a lot of time on it.
Được rồi. Đây là những điều bạn đã thấy, ở một mức độ nào đó. Tôi nghĩ là hôm qua rồi, nên tôi sẽ không dành nhiều thời gian cho việc đó.
But I want to use this to now introduce a second perspective on matrix vector multiplication, and I'm going to call it the column view.
Nhưng tôi muốn dùng điều này để giới thiệu... Một góc nhìn thứ hai về phép nhân ma trận với vectơ. và tôi sẽ gọi nó là chế độ xem theo cột.
So let's say I have this matrix A. a11, a12, a13, a21, a22, a23, a31, a32, a33.
Giả sử tôi có ma trận A này: a11, a12, a13, a21, a22, a23, a31, a32, a33.
This is the matrix. I want to and I've been looking at this all this time we've been focusing on these rows, because these rows to us mean equations.
Đây là ma trận. Tôi muốn và tôi đã xem xét điều này suốt thời gian qua. Chúng tôi đã tập trung vào những hàng này, bởi vì những hàng này có ý nghĩa với chúng tôi. các phương trình trung bình.
But I want to know, instead, look at the columns of a. And these columns of a, they look like vectors, because they're a vertical stack of numbers. So I have a1.
Nhưng thay vào đó, tôi muốn biết, hãy nhìn vào các cột của a. Và những cột này của a, chúng trông giống như các vectơ. Bởi vì chúng là một chồng số xếp theo chiều dọc. Vậy là tôi có một cái.
I can write vector a1 is equal to a11, a21, a31. Vector a2.
Tôi có thể viết vectơ a1 bằng a11, a21, a31. Vectơ a2.
Notice that here I have an arrow on top of a1, which shows it's a vector, whereas here, because there's no arrows on top of these, these are scalars.
Hãy chú ý rằng ở đây tôi có một mũi tên phía trên ô a1, điều đó có nghĩa là... cho thấy đó là một vectơ, trong khi ở đây, Vì không có mũi tên nào ở phía trên các biểu thức này, nên đây là các đại lượng vô hướng.
This is a12, a22, a32, and a3 is equal to a13, a23, a33.
Đây là a12, a22, a32, và a3 bằng a13, a23, a33.
then I can write a basically as vector a1, followed by vector a2, followed by vector a3. Does everyone see how this is just an equivalent way of writing the matrix A?
sau đó tôi có thể viết về cơ bản dưới dạng vectơ vectơ a1, tiếp theo là vectơ a2, tiếp theo là vectơ a3. Mọi người có thấy đây chỉ là một sự tương đương không? Cách viết ma trận A như thế nào?
So these columns are now associated each with a variable, right?
Như vậy, các cột này hiện đã được liên kết với nhau. Mỗi cái đều có một biến số, đúng không?
When I consider a times x, when I think of a1, a2, a3 times x1, x2 x3, every single row is an equation, which means that every row is
Khi tôi xem xét a nhân với x, khi tôi nghĩ đến a1, a2, a3 lần x1, x2, x3, mỗi hàng là một phương trình, có nghĩa là mỗi hàng là
a measurement, right? Every row is I shine energy once and I get some measurement back.
Một phép đo, phải không? Mỗi hàng đều thể hiện năng lượng tôi tỏa ra một lần và tôi nhận được một số phép đo. mặt sau.
But if I want to look at now the role of x1 across all of my measurement, across all of my equations, where is that information contained? That's all contained in a1, right?
Nhưng nếu bây giờ tôi muốn xem xét vai trò của x1 Trên tất cả các phép đo của tôi, trên tất cả các phương trình của tôi, Thông tin đó được lưu trữ ở đâu? Tất cả đều nằm trong ô a1, đúng không?
So if my a, for example, was equal to, let's say, 100, 1, 1, 1, 100, 100, 1 — or let's call this 1, 100.
Vậy nếu a của tôi, chẳng hạn, bằng, Ví dụ, 100, 1, 1, 1, 100, 100, 1 — Hoặc chúng ta hãy gọi đây là 1, 100.
This is saying — oh, sorry. Thank you. Yeah. Actually, can I nominate some people in class whose job it is to tell me when you cannot see the document camera?
Điều này có nghĩa là — ồ, xin lỗi. Cảm ơn. Vâng. Thực ra, tôi có thể đề cử một vài người trong lớp có nhiệm vụ đó không? Hãy cho tôi biết khi nào bạn không nhìn thấy camera ghi hình?
I would ideally like someone who tends to sit on this side of class and someone who tends to sit on that side of class.
Lý tưởng nhất là tôi muốn tìm một người có xu hướng... ngồi ở phía bên này của lớp học và ai đó người thường ngồi ở phía bên kia lớp.
If you can volunteer to do this job, everyone here will be grateful to you forever.
Nếu bạn có thể tình nguyện làm công việc này, Mọi người ở đây sẽ mãi mãi biết ơn bạn.
Okay. Great. Thank you. Two of you on this side.
Được rồi. Tuyệt vời. Cảm ơn. Hai người ở phía này.
Someone on this side. Okay. Red shirt. Thank you so much.
Ai đó ở phía này. Được rồi. Áo sơ mi đỏ. Cảm ơn bạn rất nhiều.
Please wave at me if you cannot see. Or tell me. Just shout out, can't see document camera. I really wish we had whiteboards or blackboards.
Nếu bạn không nhìn thấy, hãy vẫy tay chào tôi nhé. Hoặc hãy nói cho tôi biết. Hãy hét lên, tôi không thấy camera ghi hình. Tôi ước gì chúng ta có bảng trắng hoặc bảng đen.
Teaching on a document camera is really hard because you have to keep juggling all of your paper around, but sadly this room does not have whiteboards.
Dạy học bằng máy chiếu tài liệu thực sự rất khó. vì bạn phải liên tục xoay xở với tất cả giấy tờ của mình. Xung quanh có nhiều chỗ, nhưng tiếc là phòng này không có bảng trắng.
But we're going to do the best we can with the document camera. Anyway, back to the regular programming. Here, where we looking at? We were looking at this matrix A.
Nhưng chúng ta sẽ cố gắng hết sức có thể. có thể dùng với máy quay tài liệu. Thôi được, quay lại với chương trình chính. Chúng ta đang nhìn vào đâu vậy? Chúng tôi đang xem xét ma trận A này.
If, now, you see that the first column is 100, 1, 1, this means that x1, the unknown x1, had a lot more weight in the first experiment than in the second and third experiments.
Nếu bây giờ bạn thấy cột đầu tiên là 100, 1, 1, Điều này có nghĩa là x1, x1 chưa biết, có trọng lượng lớn hơn nhiều trong thí nghiệm đầu tiên. so với thí nghiệm thứ hai và thứ ba.
Right? It was much more influential in the first experiment than in the later ones. In the second experiment. on the other hand, the second variable was more influential.
Phải? Nó có ảnh hưởng lớn hơn nhiều trong thí nghiệm đầu tiên. so với những phiên bản sau này. Trong thí nghiệm thứ hai, mặt khác, Biến số thứ hai có ảnh hưởng lớn hơn.
In the third experiment, the third one was more influential.
Trong thí nghiệm thứ ba, kết quả của thí nghiệm thứ ba có ảnh hưởng lớn hơn.
So basically, what you can think of this as that these columns are telling you about how sensitive each experiment was to each part of your unknowns.
Vậy tóm lại, bạn nghĩ gì về điều này? như những cột này đang nói với bạn về độ nhạy của từng thí nghiệm đối với từng phần trong những điều bạn chưa biết.
And this basically brings us to this column perspective.
Và điều này về cơ bản dẫn chúng ta đến với góc nhìn theo cột này.
So if I think about now — let's say I take a1, x1 plus a2x2 plus a3x3, right?
Vậy nếu tôi nghĩ về hiện tại — Giả sử tôi lấy a1, x1 cộng a2x2 cộng a3x3, đúng không?
This is a weighted sum of columns of a or a linear combination.
Đây là tổng có trọng số của các cột. của một hoặc một tổ hợp tuyến tính.
And the first column is weighted by x1. The second column is weighted by x2. These I'm going to call weights.
Cột đầu tiên được tính trọng số bằng x1. Cột thứ hai được nhân với hệ số x2. Tôi sẽ gọi chúng là tạ.
So what did this equal? We just learned about scalar multiplication of a vector and vector addition. So this is just a scalar multiplication of a vector, right?
Vậy kết quả này bằng bao nhiêu? Chúng ta vừa học về phép nhân vô hướng của một vectơ. và phép cộng vectơ. Vậy đây chỉ là phép nhân vô hướng của một vectơ. Phải?
I have three vectors multiplied by three scalars, and then I'm adding them together. So if I do that out, what do I get?
Tôi có ba vectơ nhân với ba số vô hướng. và sau đó tôi cộng chúng lại với nhau. Vậy nếu tôi làm như vậy, tôi sẽ nhận được gì?
I get that this is equal to a11 — how do I do this so you can still see? Okay. I'll put this here.
Tôi hiểu rằng điều này tương đương với a11 — Tôi phải làm thế nào để bạn vẫn có thể nhìn thấy? Được rồi. Tôi sẽ đặt cái này ở đây.
So a1 is multiplied by x1. a11, x1, a21, x1, a31, x1, plus a12. What's going to be multiplied here?
Vậy a1 được nhân với x1. a11, x1, a21, x1, a31, x1, cộng a12. Cái gì sẽ được nhân lên ở đây?
x2 a22, x2, a32, x2 plus a13, x3, a23, x3, a33, x3.
x2 a22, x2, a32, x2 cộng a13, x3, a23, x3, a33, x3.
And now, I can just use vector addition rules to add this up component-wise. What am I going to get out at the end? Am I going to get a matrix or a vector?
Và giờ, tôi chỉ cần sử dụng các quy tắc cộng vectơ để cộng chúng lại. xét theo từng thành phần. Cuối cùng thì tôi sẽ nhận được gì? Tôi sẽ nhận được ma trận hay vectơ?
A vector, right? A 3 by 1 vector, which is just a11, x1 plus a12, x2 plus a13, x3, right?
Một vectơ, phải không? Một vectơ 3x1, chỉ đơn giản là a11, x1 cộng a12, x2 cộng a13, x3, đúng không?
This, plus this, plus this, then this, plus this, plus this, then this, plus this, plus this. Right? I'm not going to write out the rest of these terms.
Cái này, cộng cái này, cộng cái này, rồi cái này nữa, cộng thêm điều này, cộng thêm điều này, rồi điều này, cộng thêm điều này, cộng thêm điều này. Phải? Tôi sẽ không viết ra phần còn lại của các điều khoản này.
Is it clear to everyone what just happened?
Mọi người đã hiểu rõ chuyện gì vừa xảy ra chưa?
But when I think about my matrix A times x — what did I write out as a times x?
Nhưng khi tôi nghĩ về ma trận A nhân x — Tôi đã viết gì dưới dạng nhân với x?
This was basically just a11, a12, a13, a21, a22, a23, a31, a32, a33 times x1, x2, x3.
Về cơ bản, đây chỉ là a11, a12, a13, a21, a22, a23, a31, a32, a33 nhân x1, x2, x3.
So what I did here was I took every column and I weighted it by the corresponding variable, but when we first defined this using the row perspective, what did we do?
Vì vậy, điều tôi đã làm ở đây là tôi đã lấy từng cột. và tôi đã tính trọng số cho nó dựa trên biến số tương ứng. nhưng khi chúng ta lần đầu tiên định nghĩa điều này bằng cách sử dụng góc nhìn hàng, Chúng ta đã làm gì?
We took this entire row and we multiplied it by this, right?
Chúng ta lấy toàn bộ hàng này và nhân nó với hàng này, đúng không?
We said, a11 is the coefficient for x1 in the first experiment, a12 is the coefficient for x2 in the first experiment, so on and so forth. Right?
Chúng tôi đã nói rằng, a11 là hệ số của x1 trong thí nghiệm đầu tiên. a12 là hệ số của x2 trong thí nghiệm đầu tiên. vân vân và vân vân. Phải?
So when we write this out as a system of equations, this gives us a11, x1 plus a12, x2 plus a13, x3, right?
Vì vậy, khi chúng ta viết điều này ra dưới dạng một hệ phương trình, Điều này cho ta a11, x1 cộng a12, x2 cộng a13, x3, đúng không?
And so on, and it gives us three equations But what are the equations here and equations here that you get? They're the same, right?
Và cứ thế tiếp tục, ta có ba phương trình. Nhưng các phương trình ở đây là gì và các phương trình đó là gì? Bạn nhận được gì ở đây? Chúng giống nhau, phải không?
So basically, matrix vector multiplication can be thought of from this row perspective that represents equations or it can be thought of from this column perspective as a linear combination of the columns of the matrix A.
Nói tóm lại, đó là phép nhân ma trận với vectơ. có thể được xem xét từ góc độ hàng này rằng Biểu thị các phương trình hoặc có thể được hiểu từ cột này. quan điểm như một tổ hợp tuyến tính của các cột của ma trận A.
And it'll be important to be able to go back and forth between these two perspectives because when we're going to answer our question on are our measurements good, our measurements are going to be taken in the style of rows.
Và việc có thể đi lại giữa hai nơi sẽ rất quan trọng. giữa hai quan điểm này bởi vì khi chúng ta Tôi sẽ trả lời câu hỏi của chúng ta về việc liệu các phép đo của chúng ta có chính xác hay không. Các phép đo của chúng ta sẽ được thực hiện theo kiểu hàng.
But we're going to analyze them by talking about properties of the columns of the matrix. Okay? So is this equivalence clear?
Nhưng chúng ta sẽ phân tích chúng bằng cách nói về các thuộc tính. của các cột trong ma trận. Được rồi? Vậy sự tương đương này đã rõ ràng chưa?
Basically, this we have shown is equal to a times x.
Về cơ bản, điều chúng ta đã chứng minh là bằng a nhân với x.
Any questions on this? Yeah.
Bạn có câu hỏi gì về vấn đề này không? Vâng.
STUDENT
Are x1, x2, and x3 [INAUDIBLE] PROFESSOR: The question was are x1, x2, x3 dimensions? No, they're not. They are variables. They are the unknowns, but they're scalars.
HỌC SINH: x1, x2 và x3 có phải là [KHÔNG NGHE RÕ] GIÁO SƯ: Câu hỏi là x1, x2, x3 có phải là các chiều không? Không, chúng không phải vậy. Chúng là các biến số. Chúng là những ẩn số, nhưng chúng là các đại lượng vô hướng.
So if you want to think about — just take the example, take this. It's worth doing as an exercise. Take a matrix, for example, let's take one of these examples that we just did.
Vậy nếu bạn muốn suy nghĩ về điều đó— hãy lấy ví dụ này, Cầm lấy cái này. Đây là một bài tập đáng để thực hiện. Ví dụ, hãy xét một ma trận. Hãy xem một trong những ví dụ mà chúng ta vừa làm.
Anyway, let's take 1, 2, 3, 6, 7, 8 times 2, 3, 5. That's it.
Tóm lại, chúng ta hãy lấy 1, 2, 3, 6, 7, 8 nhân với 2, 3, 5. Vậy thôi.
Due out, basically, both ways of multiplication. You'll see that you get the same answer. And here you just proved it. Worth doing this example on you own time.
Về cơ bản, cả hai cách nhân đều cho kết quả đúng. Bạn sẽ thấy rằng mình nhận được cùng một câu trả lời. Và đây chính là bằng chứng cho điều đó. Bạn nên tự làm ví dụ này vào thời gian rảnh.
So now, with this insight, and this different way of thinking about matrix vector multiplication, I want to ask the question, can we have a new interpretation?
Vậy nên, với sự hiểu biết này và cách suy nghĩ khác biệt này, giờ đây chúng ta đã có thể suy nghĩ như thế. Về phép nhân ma trận với vectơ, Tôi muốn đặt câu hỏi, liệu chúng ta có thể có một cách hiểu mới không?
Does this give an interpretation for ax equal to b that is different?
Liệu điều này có đưa ra cách giải thích nào cho ax không? bằng b, tức là khác nhau?
So here, if I'm giving you a vector b, and I have the vectors that are the columns of a, alternative way of thinking about ax equal to b is to say, can I express b as a linear combination of the columns of a, right?
Vậy ở đây, nếu tôi đưa cho bạn một vectơ b, và tôi có các vectơ là các cột của ma trận a, Một cách suy nghĩ khác về ax bằng b là nói rằng, Tôi có thể biểu diễn b dưới dạng tổ hợp tuyến tính được không? của các cột của a, đúng không?
Can I express b as the linear combination of a1, a2, and a3?
Tôi có thể biểu diễn b dưới dạng tổ hợp tuyến tính của a1, a2 và a3 không?
Because a times x is basically representing a linear combination, right?
Vì a nhân x về cơ bản biểu thị Một tổ hợp tuyến tính, phải không?
ax, linear combination of columns of a.
ax, tổ hợp tuyến tính của các cột của a.
And we know how to solve this, basically, using Gaussian elimination, right?
Và về cơ bản, chúng ta biết cách giải quyết vấn đề này. Sử dụng phương pháp khử Gauss, đúng không?
So what we can say is that, well, if you can express b as a linear combination of the columns of a, then you can find that linear combination — and when I mean that linear combination, I mean these weights, x1, x2, and x3 —
Vậy điều chúng ta có thể nói là, nếu bạn có thể biểu diễn b dưới dạng tổ hợp tuyến tính của các cột của a, thì bạn có thể tìm được tổ hợp tuyến tính đó — và khi tôi nói đến tổ hợp tuyến tính đó, Ý tôi là những trọng số này, x1, x2 và x3 —
by solving the system of equations, ax equal to b.
bằng cách giải hệ phương trình ax bằng b.
So let's think about in an example, and this example will help us define this notion of span.
Vậy hãy cùng xem xét một ví dụ, Ví dụ này sẽ giúp chúng ta định nghĩa khái niệm về khoảng thời gian (span).
So what is the span?
Vậy khoảng thời gian đó là bao lâu?
The span of the columns of a matrix A is the set of all vectors b, such that ax
Khoảng không gian được tạo bởi các cột của ma trận A. là tập hợp tất cả các vectơ b, sao cho ax Phương trình bằng b có nghiệm — Đây không nhất thiết là một giải pháp duy nhất.
equal to b has a solution — not necessarily a unique solution.
A solution — which basically means that b can be obtained as a linear combination of the columns of a.
Một giải pháp - về cơ bản có nghĩa là b có thể được tìm thấy dưới dạng tổ hợp tuyến tính. của các cột của a.
And I have five minutes. I have exactly enough time to do this example, which is, say, let us take a is equal to 1, 1 and 1 minus 1.
Tôi chỉ có năm phút. Tôi có đủ thời gian để làm ví dụ này, Ví dụ, ta lấy a bằng 1, 1 và 1 trừ 1.
And let me draw this.
Và để tôi vẽ bức này.
So here, I have a1 is equal to 1, 1. This column.
Vậy ở đây, tôi có a1 bằng 1, 1. Cột này.
Where'd my colors go? And I have this column, which is a2, which is equal to 1 minus 1.
Màu sắc của tôi đâu rồi? Và tôi có cột này, là a2, bằng 1 trừ 1.
So 1, 1 is basically this vector, and 1 minus 1 is basically this vector.
Vậy 1, 1 về cơ bản là vectơ này, và 1 trừ 1 Về cơ bản, đây là vectơ.
And now, let's say I say b is equal to 3, 2, and I ask, is b in the span of a?
Và bây giờ, giả sử tôi nói b bằng 3, 2, và tôi hỏi, Liệu b có nằm trong không gian con của a không?
Which basically means, does ax equal to b have a solution?
Về cơ bản, điều đó có nghĩa là phương trình ax = b có nghiệm hay không?
And so does ax equal to be have a solution? This we can answer using Gaussian elimination, but if we want to look at this visually, what does this linear combination mean?
Vậy thì phương trình ax bằng có nghiệm không? Chúng ta có thể trả lời câu hỏi này bằng phương pháp khử Gauss. nhưng nếu chúng ta muốn xem xét điều này một cách trực quan, Tổ hợp tuyến tính này có nghĩa là gì?
What do these weights mean? It means that I can walk — let's say I am here at the origin and this is a 2D plane.
Các trọng số này có ý nghĩa gì? Điều đó có nghĩa là tôi có thể đi lại được. Giả sử tôi đang ở gốc tọa độ và đây là một mặt phẳng 2D.
I Can walk along vector a1, which points this way. I can take as many steps as I want. That's the first weight.
TÔI Có thể đi dọc theo vectơ a1, vectơ này chỉ về hướng này. Tôi có thể đi bao nhiêu bước tùy thích. Đó là quả cân đầu tiên.
And I can walk along the second vector, a2, which goes in this direction. I can take as many steps as I want.
Và tôi có thể đi dọc theo vectơ thứ hai, a2, Nó đi theo hướng này. Tôi có thể đi bao nhiêu bước tùy thích.
Can I, walking only along the orange and the pink arrows, get to b, which is basically 3, 2, which is 1, 2, 3, 2.
Tôi có thể chỉ đi theo các mũi tên màu cam và màu hồng không? Đến b, về cơ bản là 3, 2, tức là 1, 2, 3, 2.
Right? This is the blue arrow. What? Oh, 3, 2.
Phải? Đây là mũi tên màu xanh. Cái gì? Ồ, 3, 2.
And how can I do that?
Vậy tôi có thể làm điều đó như thế nào?
Is it clear? How many steps should I take around a1?
Đã rõ chưa? Tôi nên đi bao nhiêu bước quanh điểm a1?
STUDENT
2 and 1/2.
2 tuổi rưỡi.
PROFESSOR
2 and 1/2 steps. And how many steps do I take along a2? A 1/2 a step, right? Now if I gave you a different beat, can you solve this?
2 bước rưỡi. Tôi cần đi bao nhiêu bước dọc theo đường a2? Một bước nhỏ, phải không? Nếu tôi đưa cho bạn một nhịp điệu khác, bạn có thể giải được không?
Turns out that the span of this particular set of vectors is the entire two dimensional plane, but if, instead, I gave you — if instead of a2 being here, I gave you that this was your a2, could you reach b?
Hóa ra, không gian sinh bởi tập hợp các vectơ cụ thể này. là toàn bộ mặt phẳng hai chiều, nhưng nếu thay vào đó, tôi đưa cho bạn — nếu thay vì ô A2 ở đây, tôi lại nói với bạn rằng đây là ô A2 của bạn, Bạn có thể với tới b không?
STUDENT
No.
Không.
PROFESSOR
No. So the span here is just this limited set. So we're going to build on all of this next time. This is just the basic idea.
Không. Vì vậy, phạm vi ở đây chỉ giới hạn trong một tập hợp nhất định. Vậy nên chúng ta sẽ tiếp tục phát triển những điều này trong lần tới. Đây chỉ là ý tưởng cơ bản.
We're going to move, in the next lecture, to talking about linear dependence and independence, and how this relates to systems of equations. [AUDIO OUT]
Chúng ta sẽ chuyển sang phần tiếp theo trong bài giảng. để nói về sự phụ thuộc và độc lập tuyến tính, và mối liên hệ của điều này với hệ phương trình. [ÂM THANH ĐẦU RA]
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.