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] GIẢNG VIÊN: Vâng.
STUDENT
And — [AUDIO OUT] [INTERPOSING VOICES]
Và — [MẤT ÂM THANH] [NHIỀU NGƯỜI NÓI CHEN NHAU]
PROFESSOR
Okay. [INAUDIBLE] Yeah. Welcome to the first lecture of 16A in Wheeler Hall.
Được rồi. [KHÔNG NGHE RÕ] Vâng. Chào mừng các em đến buổi học đầu tiên của 16A ở Wheeler Hall.
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.
Thầy thích dạy ở đây hơn Zellerbach, vì ở đây thầy có lợi thế là nhìn thấy toàn bộ phòng khi giảng bài, còn ở Zellerbach thầy thậm chí không nhìn thấy nổi một nửa các em.
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.
Nên thật vui khi được quay lại phòng học này. Hy vọng ai cũng tìm được chỗ ngồi. Và trong phần còn lại của học kỳ, chúng ta sẽ học ngay tại phòng này.
So today we're going to continue talking about Gaussian elimination, which we started off last time.
Hôm nay chúng ta sẽ tiếp tục nói về phép khử Gauss, mà ta đã bắt đầu từ buổi 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, thầy có vài — vài thông báo nhỏ về mặt hành chính.
First, I got a lot of questions about the role of lecture and discussion and lab and how these all interrelate.
Đầu tiên, thầy nhận được nhiều câu hỏi về vai trò của bài giảng, buổi thảo luận và lab và chúng liên hệ với nhau thế nào.
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 môn như 16A, có rất nhiều thứ khác nhau — như bài giảng, buổi thảo luận, bài tập về nhà, lab, câu hỏi là: cái nào quan trọng? Ta nên tham dự cái nào?
And really, the way these are all designed is they're designed together. So discussion and lecture will really play off of each other.
Thực ra, tất cả những phần này được thiết kế cùng nhau. Buổi thảo luận và bài giảng bổ trợ cho nhau.
And it might be that there are some things that might be unclear in lecture, But this will be clarified further in discussion.
Có thể có những điều chưa rõ trong bài giảng, nhưng sẽ được làm rõ thêm trong buổi thảo luận. trong buổi thảo luận.
So discussion will go into a lot more detail about things, whereas lecture is designed to be much more high level.
Buổi thảo luận đi sâu vào chi tiết hơn nhiều, còn bài giảng được thiết kế ở mức tổng quát hơn.
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 nghĩ rằng phải hiểu hoàn hảo từng điều ngay lần đầu nghe trong bài giảng. Môn 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.
Môn học được thiết kế sao cho sẽ có những câu hỏi được đặt ra, và các em giải quyết chúng qua buổi thảo luận, qua lab và qua việc 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 loạt ghi chú môn học mà chúng thầy đang viết cho lớp này. Bản của năm ngoái đã được đăng, và chúng thầy sẽ cập nhật, bổ sung dần.
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.
Trong bài giảng, thầy không thể đề cập hết mọi thứ có trong ghi chú, nhưng như đã nói, ghi chú giúp các em có thêm 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 được trình bày kỹ hơn một chút trong ghi chú, kiểu 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 ghi chú để bổ sung cho những gì ta nói trong buổi thảo luận và bài giảng. Cuối cùng, hy vọng các em đều đã nộp Homework 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.
Homework 1 sắp tới. Homework party sẽ diễn ra hôm nay ngay sau giờ học. Sáng nay cũng có một homework party, hy vọng một số em đã tham dự được.
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 tiếp sinh viên của thầy vào thứ Năm trùng với homework party, nên ta có thể cùng đi sang đó và hỏi về bài giảng hoặc 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.
Homework party không nhất thiết chỉ để hỏi về bài tập về nhà. Các em có thể hỏi về bất kỳ nội dung nào mà các em muốn.
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, với những bạn đang xem Homework 1, có lẽ các em đã thấy bài troll trong bài tập rất giống ví dụ về xếp chồng ảnh mà ta đã làm 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.
Trong bài giảng, ta thấy sự xếp chồng của các hình ảnh. Còn trong bài tập về nhà, là sự xếp chồng 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.
Hãy nhớ điều đó khi làm bài tập và suy nghĩ về việc mình đang làm. Có một câu hỏi.
Do we have to do the self-grade on the Homework 0? The answer is yes.
Có phải tự chấm điểm cho Homework 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.
Bắt đầu thôi. Buổi trước ta đã nói về phép khử Gauss. Nhưng hôm nay thầy muốn đi qua thêm một số ví dụ khó hơn một chút.
We did some straightforward ones last time, and I wanted to go more in detail. So let's think about the following example.
Buổi trước ta làm những ví dụ đơn giản, và thầy muốn đi chi tiết hơn. Hãy xét ví dụ sau.
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 x cộng y bằng 1.
So this is a really straightforward system of equations. Take a minute. Think about it.
Đây là một hệ phương trình rất đơn giản. Các em dành một phút. Hãy suy nghĩ.
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?
Các em không cần giải bằng phép khử Gauss, nhưng theo các em hệ phương trình này có bao nhiêu nghiệm? Vô số nghiệm, đúng 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 ta thực sự kỳ vọng. Giờ ta hãy thực hiện phép khử Gauss. Hãy viết nó ra theo dạng quen thuộc.
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.
Giờ ta có 0, 2, 3, rồi 1, 1, 0. Và vế phải này bằng 2, còn 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 ta thấy gì ở đây? Trước hết, ta thấy có số 0 ở đây, đúng không? Hệ số đầu của hàng trên cùng là 0. Và ta 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.
Ta muốn hệ số đầu là một số khác 0, và lý tưởng là bằng bao nhiêu? Vậy nên ta sẽ thực hiện phép biến đổi hàng.
Swap R1, R2.
Hoán đổi R1, R2.
These operations that we do in the process of Gaussian elimination, these are often called row operations.
Những phép toán ta làm trong quá trình khử Gauss thường được gọi là các phép biến đổi hàng (row operations).
You can call them swapping and adding and linear combinations, whatever you want, but you might hear this term row operations coming up somewhere.
Các em có thể gọi là hoán đổi, cộng, tổ hợp tuyến tính, tùy ý, nhưng đâu đó các em sẽ nghe thuật ngữ row operations này.
So here, now we swap these two and we get 1, 1, 0, and then 0, 2, 3, and then 1, 2.
Vậy giờ ta hoán đổi hai hàng này và được 1, 1, 0, rồi 0, 2, 3, và 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.
Giờ ta có hàng đầu tiên có hệ số dẫn đầu là 1, ứng với biến đầu tiên, đúng không? Tốt. Giờ nhìn sang 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?
Có cần khử biến đầu tiên khỏi hàng thứ hai không? Nó đã xong sẵn rồi, đúng không? Vậy ta muốn làm gì? Ta muốn phần tử này bằng bao nhiêu?
A 1. So what am I going to do? I'm going to do the row operation of dividing our two by two.
Bằng 1. Vậy ta sẽ làm gì? Ta sẽ thực hiện phép biến đổi hàng là chia số 2 cho 2.
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?
Ta sẽ được 1, 1, 0, 1, 2, rồi ở đây 2 chia 1 là 1, 3 chia 2 là 2, và 2 chia 1 bằng 1 là cái ta sẽ có ở — tôi làm đúng chưa nhỉ?
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] GIẢNG VIÊN: À, tôi hoán đổi đúng chưa à? À, chia cho 2, xin lỗi. 2 chia 2 là 1. Đúng rồi, cảm ơn em.
Okay. So I have this, and now what do I want to do?
Được rồi. Giờ ta có thế này, và ta muốn làm gì tiếp?
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?
Có cách nào khử số 3/2 này không? Ở các ví dụ trước, hàng dưới cùng luôn chỉ có số 0 và số 1. Nhưng giờ ta không làm vậy được nữa, đúng 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.
Ta bị kẹt. Không phép biến đổi hàng hợp lệ nào ta biết giúp được ta nữa. Vậy ta đã gặp một dạng 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 nhìn vào đây, ta còn một bước nữa có thể làm, đó là thử thế ngược (back substitution). Hàng cuối này cho ta biết 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 cho ta một quan hệ giữa y và z, đúng không? Cột này ứng với y. Cột này 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.
Các em ngồi cuối đọc được chữ tôi không, hay tôi cần phóng to thêm? Đọc được thì giơ ngón cái lên. Được, tốt. Cảm ơn các em.
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 ta có một quan hệ ở đây giữa y và z, và một quan hệ ở hàng đầu. Hàng đầu cho ta quan hệ giữa những biến nào? một mối quan hệ giữa các hàng?
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? Giờ ta làm thêm bước thế ngược, tức là ta muốn cố gắng — cô lập các biến 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 bây giờ tôi sẽ làm r1 trừ r2 vì tôi muốn thử khử số 1 này nữa.
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.
Kết quả sẽ là 1 0 trừ 3/2. Đúng không? 0 trừ 3/2 là trừ 3/2 và 1 trừ 1 là 0.
And then I'm going to have a 0 1 3/2 1, exactly as before.
Rồi tôi có 0 1 3/2 1, y 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.
Giờ hàng này cho quan hệ giữa x và z, còn hàng kia cho quan hệ giữa y và z.
Okay?
Được chưa?
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 giờ ta làm gì? Cho z bằng số yêu thích của tôi. Giả sử z là — cứ gọi z là một số bất kỳ.
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.
Vậy y là gì? Ta viết y theo z được không? Được chứ, đúng không? Ta viết y bằng 1 trừ 3/2 z.
And what is x? x is basically equal to 3/2 of z, right?
Còn x là gì? x bằng 3/2 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 hàng này cho biết x trừ 3/2 z bằng 0. Hàng này cho biết y cộng 3/2 z bằng 1.
Everyone with me here?
Mọi người theo kịp chứ?
Oh, hey.
À, này.
In the second row, quick non-0. Why did we divide our 2 by 2?
Ở hàng thứ hai, một điểm nhanh về số khác 0. Vì sao ta chia số 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.
Ta chia vì phép khử Gauss muốn hệ số dẫn đầu bằng 1, vì khi hệ số dẫn đầu là 1 — giả sử bạn có một số 1 và cả hàng số 0 bằng một giá trị nào đó.
What does that mean? It tells you, basically, that — it's telling you the value of the variable immediately.
Điều đó nghĩa là gì? Nó cho bạn biết rằng — nó cho bạn 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.
Nếu có 2 nhân x bằng 2 thì cũng tốt, nhưng đó chỉ là cách nói rất phức tạp rằng x bằng 1.
STUDENT
[INAUDIBLE] PROFESSOR: Great question. Which 1's are the leading coefficients?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Câu hỏi hay. 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.
Bạn nhìn vào hàng đầu tiên, và hệ số khác 0 đầu tiên chính là cái tôi gọi 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?
Ở hàng thứ hai, phần tử này là hệ số khác 0 đầu tiên, nên tôi gọi nó là hệ số dẫn đầu của hàng thứ hai. Em hiểu chưa?
Okay. Great. Yes, question?
Được rồi. Tốt. Vâng, em hỏi đi?
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] GIẢNG VIÊN: Câu hỏi hay. Câu hỏi là, với phép khử Gauss, ta luôn tham số hóa theo z hay có thể tham số hóa theo cách khác?
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.
Có thể tham số hóa theo cách khác, nhưng ta sẽ thấy là ta có thể nhìn ra một cách có hệ thống biến nào là biến tự do, và 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 có nhiều cách giải một hệ phương trình tuyến tính, nên bạn có thể tham số hóa theo nhiều cách.
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 bài này ta có thể chọn y trước, rồi z, rồi x, đúng không? Cách đó cũng cho ta một nghiệm.
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 ta sắp xếp các biến theo một thứ tự nhất định — ta xếp x, rồi y, rồi z — thì ta tham số hóa theo z trước. Mọi người hiểu chứ?
It's just a systematic way of doing things, but it's not the only way. Good question. Yes.
Đây chỉ là một cách làm có hệ thống, chứ không phải cách duy nhất. Câu hỏi hay. Vâng.
STUDENT
Is z [INAUDIBLE] or is it y?
SINH VIÊN: z là [KHÔNG NGHE RÕ] hay là y?
PROFESSOR
Good question. Is z the free variable here or is it y?
Câu hỏi hay. Biến tự do ở đây là z 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 ta coi z là biến tự do, vì đó là biến ta gán giá trị trước, rồi từ đó suy ra giá trị của 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 nếu em giải theo cách khác, nếu em đặt lại nhãn cho các biến, thì biến tự do có thể là biến khác.
Okay. Great. These are all very good questions. Please keep them coming.
Được rồi. Tuyệt. Đây đều là những câu hỏi rất hay. Các em cứ tiếp tục hỏi 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.
Điều tôi muốn chỉ ra là trong ma trận này, có một cấu trúc rất đẹp xuất hiện ở đây.
These 1's and these 0's.
Những số 1 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 đang xét là ma trận vuông, tức là số hàng bằng số cột, thì nó 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.
Phép khử Gauss thường cố biến ma trận của em thành ma trận đơn vị, và điều này sẽ xuất hiện lại khi ta bắt đầu nói về nghịch đảo ma trận.
We're not there yet, but we'll come to it soon enough.
Chưa đến đó đâu, 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.
Còn dạng tổng quát của ma trận này, chỉ là phần trong khung xanh này — tôi không xét phần mở rộng mà chỉ xét phần này — được gọi là dạng bậc thang rút gọn.
So I will tell you something.
Tôi nói thật nhé.
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 thích thuật ngữ chuyên ngành lắm, mà toán học, và kỹ thuật nói chung, ví dụ nếu em đi vào học máy, là lĩnh vực đầy rẫy thuật ngữ, và đôi khi mỗi người dùng một cách gọi 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 dùng thuật ngữ, dùng những từ to tát mang ý nghĩa nào đó, có khi rõ nghĩa, có khi không rõ.
And, you know, it's important to know what jargon is, so I'm going to introduce jargon every now and then.
Và biết thuật ngữ là điều quan trọng, nên thỉnh thoảng tôi vẫn sẽ giới thiệu thuật ngữ.
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 quan trọng hơn là tập trung hiểu các nguyên lý cơ bản và thuật ngữ đó từ đâu ra, hơn là biết bản thân thuật ngữ.
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 từng thấy có lúc sinh viên khá e ngại trước những thuật ngữ được tung ra, vì đó là những từ to tát không phải lúc nào cũng dễ hiểu.
And I'm going to encourage you every time you encounter some kind of jargon to ask, well, what does this mean?
Và tôi khuyến khích các em, mỗi khi gặp một thuật ngữ nào đó, hãy hỏi: thế nó 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.
Vì thường thì, dù em không biết nghĩa của thuật ngữ đó, em có lẽ vẫn hiểu khái niệm nền tảng bên dưới. Vậy ta sẽ giới thiệu một số thuật ngữ.
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?
Ta sẽ nói về các thuật ngữ kỹ thuật này, nhưng như một triết lý của người kỹ sư, hãy nhớ rằng nguyên lý cơ bản quan trọng hơn thuật ngữ cụ thể. Nói vậy rồi, thuật ngữ này nghĩa là gì?
This is a particular form of a matrix that has some properties.
Đây là một dạng đặc biệt của ma trận có một số tính chất.
First property is that all non-0 rows are above all-0 rows.
Tính chất thứ nhất: mọi hàng khác 0 nằm trên các hàng toàn số 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 khác 0 là gì? Là hàng có một phần tử khác 0. Nếu toàn số 0 thì đó là hàng toàn số 0. Nếu có một phần tử khác 0 thì nó phải nằm 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 hệ số dẫn đầu nghĩa 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.
Ta nhìn hàng từ bên trái, hệ số khác 0 đầu tiên gặp được gọi là hệ số dẫn đầu. Ở hàng thứ nhất, đây là số một.
It's right here. In the second row, this is the leading coefficient.
Ngay ở 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 dẫn 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.
Nhìn ma trận này, hệ số dẫn đầu ở hàng một là 2, còn ở hàng hai là 1, và số 1 này không nằm bên phải số 2.
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? Vậy ma trận này không ở dạng bậc thang rút gọn. Còn ở đây, hệ số dẫn đầu nằm 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 này muốn nói là hệ thống hóa từng bước của ta: lấy một biến, khử nó khỏi mọi nơi, rồi lấy biến tiếp theo, khử 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 cách hình thức hóa trực giác mà ta đã có. Điểm thứ ba là phần tử dẫn đầu bằng 1. Hệ số dẫn đầu này đúng bằng 1.
And the fourth point is that each column with a leading 1 has 0's everywhere else.
Điểm thứ tư là mỗi cột có số 1 dẫn đầu thì mọi vị trí khác trong cột đều bằng 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.
Tức là nếu có một số 1 dẫn đầu, như ở cột này, có số 1 dẫn đầu ở đây, thì phía trên và phía dưới nó đều là 0.
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?
Cột này có một số 1 dẫn đầu. Phía trên không có hàng nào, nhưng phía dưới là các số 0. Nhưng ở cột thứ ba, ta không có số 1 dẫn đầu nào, 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, nên ở đây có số khác 0 cũng 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 một ma trận chỉ thỏa hai tính chất đầu, thì đôi khi em sẽ nghe gọi là dạng bậc thang.
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 những thuật ngữ nên biết. Em có thể gặp chúng trong những 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 các em hiểu là quy trình, sự hệ thống hóa của phép khử Gauss, khi ta lấy một biến, khử nó một cách có hệ thống, rồi lấy biến tiếp theo, và khử 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 chứ? Nên đừng lo nếu các em không thích thuật ngữ. Thật ra thầy cũng không thích lắm.
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, còn một thuật ngữ nữa mà thầy cần giới thiệu, về mặt kỹ thuật, thầy nghĩ ta đã nhắc sơ qua rồi, đó là những hệ số dẫn đầu này đôi khi còn được gọi là phần tử trụ (pivot).
So you want to try and make your pivots be 1.
Vậy nên ta muốn đưa các phần tử trụ về bằng 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.
Ở đây, các phần tử trụ không bằng 1, vì các hệ số dẫn đầu không bằng 1, còn ở đây ta muốn cố làm cho các phần tử trụ bằng 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 cho đủ bộ thôi. Mọi người theo kịp chứ? Rồi.
Question? White T-shirt.
Có câu hỏi không? Bạn áo thun trắng.
STUDENT
For [? the process ?] of Gaussian elimination, why didn't you go for the upper triangular form first?
Trong quá trình phép khử Gauss, sao thầy không làm dạng tam giác trên trước ạ?
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 phép khử Gauss, tại sao ta không làm dạng tam giác trên trước? Câu hỏi rất hay.
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?
Thật ra, với hình dạng của ma trận này, nó cũng là một dạng ma trận tam giác trên, vì không có đường chéo đầy đủ, 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, nó có thể là đường chéo đầy đủ, và khi đó nó sẽ là tam giác trên. Nên thực ra đây vẫn là một dạng ma trận tam giác trên.
Great question. Yeah. Another question?
Câu hỏi hay. Ừ. Còn câu hỏi nào nữa 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 muốn chúng em để z là phân số hay trả lời theo cách đó ạ? x và y là phân số hay z là phân số, hay đều được ạ?
PROFESSOR
So the question is, what does it mean to parametrize z and do we care about which one is a fraction?
Câu hỏi là, tham số hóa z nghĩa là gì và ta có quan tâm biến nào là phân số không?
STUDENT
Yeah. Do you care which one is the fraction?
Vâng. Thầy có quan tâm biến nào là phân số không?
GIẢNG VIÊN
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.
Thầy có muốn chúng em rút gọn để [KHÔNG NGHE RÕ] phân số hay... Không, em chọn biến tự do của mình, rồi biểu diễn mọi thứ còn lại theo 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 khi còn không có phân số nào, đúng không? Có thể chỉ là x bằng z trừ 1. Có thể không có phân số nào. Ừ.
Last question.
Câu hỏi cuối.
STUDENT
In this problem, was z the only free variable?
Trong bài này, z có phải biến tự do duy nhất không ạ?
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 này, z có phải biến tự do duy nhất không? Câu hỏi hay. Đúng vậy, vì ngay khi em chọn z, x và y hoàn toàn được xác định, đúng 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 có những cách viết khác... có thể có những hệ phương trình khác mà có nhiều hơn một biến tự do, và các em sẽ thấy ví dụ. Ừ?
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?
Hỏi nối tiếp câu trước, số biến tự do có phụ thuộc vào số phương trình so với số ẩn không ạ?
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. Câu hỏi là, số biến tự do có phụ thuộc vào số phương trình so với số biến không?
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.
Có, nhưng chỉ phần nào thôi, vì đôi khi em không thể xác định số biến tự do chỉ bằng việc biết số phương trình và số ẩn.
And we'll see some examples of this.
Ta sẽ thấy 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 phép khử Gauss có rất nhiều ví dụ khác nhau. Và khi xem thêm ví dụ, mọi thứ sẽ dần rõ 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.
Ở đây, ta thấy ví dụ đầu tiên có ít phương trình hơn và nhiều ẩn hơn, còn bây giờ thầy muốn cho các em xem ví dụ có ba phương trình và hai ẩn.
So if you have x plus y equals 2, x minus y equal to 1, and 2x minus 2y equal to 2.
Giả sử 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 giải thế nào? Lại một lần nữa, ở đây ta 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.
Đúng không? Giờ ta thực hiện biến đổi hàng. Một lần nữa, ở đây ta có số 1 dẫn đầu. Tốt rồi.
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.
Giờ ta muốn làm gì? Ta muốn khử mọi thứ trong cột này, đúng không? Tức là tạo một số 0 ở đây và một 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.
Thầy sẽ làm R2 trừ R1 là phép biến đổi hàng đầu tiên. Vậy ta có 1, 1, 2. Ở đây ta được 0, tức 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 ta được trừ 2, tức trừ 1 trừ trừ 1. Và ở đây ta được trừ 1, còn hàng cuối thì giữ nguyên.
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.
Rồi ta muốn làm gì tiếp? Thầy sẽ chia hàng r2 cho trừ 2, được 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?
Phép biến đổi hàng tiếp theo là gì? Nhiệm vụ của ta là gì?
Create 0's in the first column, right? So what row operation should I be doing?
Tạo các số 0 ở cột đầu tiên, đúng không? Vậy ta nên làm phép biến đổi hàng nào?
r3 minus 2r1, right? So basically, I want to try and make a 0 here.
r3 trừ 2r1, đúng không? Về cơ bản, ta muốn tạo một 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 ra trừ 4. Và 2 trừ 4 sẽ ra trừ 2.
And here I have a 1/2 and here I have a 2.
Và ở đây ta có 1/2, còn ở đây ta có 2.
This then lets me say 1, 1, 2. 0, 1, 1/2. 0, I guess, 1 and 1/2.
Từ đó ta có 1, 1, 2. 0, 1, 1/2. 0, và 1 rưỡi.
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 ta sẽ làm phép biến đổi nào? Bây giờ ta chuyển sang hàng thứ hai, đúng không? Vậy là ta đã lấy biến đầu tiên và khử nó khỏi tất cả các phương trình còn lại, đúng 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 đầu tiên của ta. Giờ x không còn xuất hiện ở hàng thứ hai hay hàng thứ ba. Ta đã khử x thành công. Việc tiếp theo là khử 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.
Nên bây giờ ta tập trung vào hàng thứ hai. Ta đã làm cho hệ số đầu ở đây bằng 1, nên giờ dùng hàng thứ hai để khử ở hàng thứ ba.
So I do r3 minus r2, which gives me 1, 1, 2, 0, 1, 1/2, and 0, 0, 0.
Vậy ta làm r3 trừ r2, 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 giờ ta có một hàng toàn số 0, nó gợi cho ta một điều gì đó. Nó gợi ra điều gì? Thấy một hàng toàn số 0, các em dễ nghĩ đến điều gì?
Infinite solutions. But do we have infinite solutions here? We don't, right? So what do you have to do to check?
Vô số nghiệm. Nhưng ở đây ta có vô số nghiệm không? Không, đúng không? Vậy phải làm gì để kiểm tra?
So you go the next step, where you do r1 minus r2.
Ta đi bước tiếp theo, làm r1 trừ 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.
Ta có 1 trừ 1 bằng 0, rồi 2 trừ 1/2 bằng 3/2, rồi 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 hàng toàn số 0 này. Hàng số 0 này cho ta biết điều gì? Hàng số 0 này cho ta biết rằng các phương trình của ta có sự dư thừa.
Whatever the third equation was representing, that information was already contained in the earlier two equations, right?
Phương trình thứ ba biểu diễn điều gì đi nữa, thì thông tin đó đã có sẵn trong hai phương trình trước rồi, đúng 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.
Và nếu có đúng n phương trình n ẩn, thì hàng số 0 đó cho phép ta kết luận rằng ồ, có vô số nghiệm. Nhưng ở đây thì không phải vậy.
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.
Nên ta phải đi thêm một bước nữa, và có thể nói rằng hàng số 0 này cho ta biết về cơ bản là có thể bỏ qua hàng cuối cùng. Nhưng hãy xem hàng ngay 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.
Nó cho ta biết y bằng 1/2, và hàng này cho biết 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 tình huống, để trả lời câu hỏi của em, ta có nhiều phương trình hơn số ẩn, nhưng không có biến tự do nào.
Yeah?
Em nói đi?
STUDENT
Okay. So I get that this process. If you have a lot of equations, it's nice.
Vâng. Em hiểu quy trình này. Nếu có nhiều phương trình thì nó rất tiện.
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 em nhận ra một phương trình là dư thừa, em có thể nói phương trình 3 bằng hai lần phương trình 2, nên nó dư thừa, rồi làm tiếp từ đó không ạ?
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.
Được. Nếu em nhận ra được, vấn đề là vậy. Cách này rất hay cho các bài phức tạp, còn với bài đơn giản thì không cần phải làm hết chỗ tính toán này.
You can do stuff more simply. Absolutely, right? But what we're designing tools for is for the complicated stuff.
Em có thể làm đơn giản hơn. Hoàn toàn đúng, phải không? Nhưng công cụ mà ta đang xây dựng là dành cho những bài 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?
Ta xem qua các ví dụ đơn giản vì ví dụ đơn giản mang tính minh họa, và giúp ta thấy chuyện gì đang diễn ra. Em nói đi?
STUDENT
So can we use row echelon form instead of row reduced echelon form, and then at the [? just reduce ?] [? it out? ?]
Vậy ta có thể dùng dạng bậc thang thay vì dạng bậc thang rút gọn, rồi sau đó [? rút gọn ?] [? nó ra không? ?]
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.
Có thể dùng dạng bậc thang thay vì dạng bậc thang rút gọn không? Được, nhưng thực ra quá trình thế ngược cuối cùng vẫn đòi hỏi em chuyển sang dạng bậc thang rút gọn.
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 em có thể giải theo cách nào tùy thích. Trong bài thi, bài tập về nhà, nếu chúng tôi muốn em giải theo cách nào đó, chúng tôi sẽ nói rõ.
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.
Ngoài đời, em luôn được dùng phương pháp nào em muốn. Có một câu hỏi ở phía sau, bạn mặc áo thun đen. Mời em.
STUDENT
You answered it.
Thầy đã trả lời rồi ạ.
PROFESSOR
I answered it? Okay. Great. Okay.
Thầy trả lời rồi à? Được. Tốt. Được rồi.
Last question. Or two last two questions.
Câu hỏi cuối. Hoặc hai câu cuối.
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] GIẢNG VIÊN: Nói chung là có. Câu hỏi là viết bài tập về nhà thế nào? Nên đưa bao nhiêu thông tin?
Give all the information. Yeah.
Hãy đưa đầy đủ thông tin. Mời em.
STUDENT
[INAUDIBLE] PROFESSOR: That's a good question.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Câu hỏi hay.
Basically, how many steps of this are considered Gaussian elimination and what isn't considered adoption elimination?
Về cơ bản là bao nhiêu bước trong này được coi là phép khử Gauss và bước nào thì không?
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.
Nếu còn nhớ, phép khử Gauss có bước cuối là thế ngược, và dạng bậc thang rút gọn này về bản chất chính là thế ngược. Đây lại là chuyện thuật ngữ.
Some people will call this full process Gaussian elimination. Some people will say going to here is Gaussian elimination.
Có người gọi cả quá trình này là phép khử Gauss. Có người chỉ gọi đến đây là phép 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.
Không quan trọng lắm, nhưng mục tiêu của em là giải hệ, nên cứ đi đến cùng. Câu hỏi hay. Được rồi. Một câu hỏi cấp bách nữa, rồi thầy phải đi tiếp.
STUDENT
Is it possible to do multiple row transformations?
Có thể thực hiện nhiều phép biến đổi hàng cùng lúc không ạ?
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 trong một bước không? Câu trả lời là có. Thầy khuyên không nên, đơn giản vì đó là cách rất dễ mắc lỗi đại số.
But in general, there's nothing preventing you from doing it.
Nhưng nói chung, không có gì cấm em làm vậy.
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 thầy muốn làm nhanh thêm hai ví dụ nữa để các em thấy.
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 ta có x cộng y cộng z bằng 1, và x cộng y cộng z bằng 2. Để trả lời câu hỏi về biến tự do nhé.
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.
Ta biết điều gì? Hệ này có bao nhiêu nghiệm? Hệ này vô nghiệm, đúng không? Nhưng số biến nhiều hơn số 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 nếu chỉ nhìn vào số biến và số ràng buộc, ta không thể biết 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 khi làm phép khử Gauss, điều này sẽ lộ ra. Ở đây bây giờ ta được 1, 1, 1, 1, 0, 0, 0, 1.
You'll get this inconsistency. Okay?
Ta sẽ có sự mâu thuẫn này. Rõ chưa?
Finally, I guess let's look at one last example.
Cuối cùng, ta 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 ví dụ này, nhưng hơi khác một chút. Phép khử Gauss cho ta biết điều gì? Ta có 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 biến đổi hàng lần đầu, ta được 1, 1, 1, 1, và 0, 0, 1, 1.
What does this tell us?
Điều này cho ta biết gì?
Where are we now? What's the next step that we would want to do? Back substitution, right?
Giờ ta đang ở đâu? Bước tiếp theo ta muốn làm là gì? Thế ngược, 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.
Giờ ta muốn có 1, 1, 0, 0, và 0, 0, 1, 1, đúng không? Đây là hàng 1 trừ 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 làm hàng 2 trừ hàng 1. Vậy hàng cuối này cho ta biết gì? Nó cho 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.
Rồi nó bảo ta làm gì nữa? Thực ra z không ảnh hưởng đến x và y, đúng không? Có một ràng buộc giữa x và y, nhưng z tách rời khỏi 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.
Tôi viết hơi xấu, nhưng cái này nằm ở đây. Cái này nằm ở đây. Nó cho biết x cộng y bằng 0.
And so how many free variables are there in this setup now?
Vậy bây giờ có bao nhiêu biến tự do?
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?
Câu hỏi rất hay. Biến tự do là gì? Biến tự do là biến bạn có thể đặt bằng giá trị bất kỳ. Rõ chưa?
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?
Giả sử tôi chọn y là số yêu thích của mình. Giả sử tôi chọn y bằng 3.14.
What constraints does that impose?
Điều đó áp đặt ràng buộc nào?
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, đúng không? Dù có 1 liên kết giữa x và y, thì z có tự do không?
z is fixed, right? So now, what you can see is that, basically — let's look at these two rows.
z cố định, đúng không? Vậy bây giờ bạn có thể thấy là — hãy nhìn 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.
Ở hàng thứ nhất, hệ số dẫn đầu là gì? Là số 1 này, đúng không? Giờ nhìn 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.
Lý tưởng thì tôi muốn có số 1 ở đây, đúng không? Ta sẽ kỳ vọng như vậy. Không nhất thiết phải nhảy cách hai cột, nhưng ở đây tôi nhảy cách một cột.
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.
Vậy nếu có một cột không có hệ số dẫn đầu bằng 1, ví dụ cột thứ hai, cột thứ hai có phần tử, nhưng không có hệ số dẫn đầu bằng 1, thì bạn có thể hiểu rằng biến đó là biến tự do.
And so you'll see more examples in discussion and homework on this.
Bạn sẽ gặp thêm ví dụ trong buổi thảo luận và bài tập về nhà về phần này.
But basically, here, this is telling you that y is free variable. I can choose y to be equal to anything.
Nhưng ở đây, điều này cho biết y là biến tự do. Tôi có thể chọn y bằng bất kỳ giá trị nào.
Yes?
Em hỏi à?
STUDENT
[INAUDIBLE] PROFESSOR: So this is a specific example — and basically you're going to see more examples like this.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Đây là một ví dụ cụ thể — và bạn sẽ gặp thêm nhiều ví dụ như vậy.
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.
Vì thời gian, tôi muốn đi tiếp, nhưng đó là câu hỏi hay. Ta tạm gác lại nhé. Điều này sẽ rõ hơn trong buổi 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.
Tôi chỉ muốn bạn thấy rằng sẽ có trường hợp y không phải là biến tự do. Sẽ có 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 trường hợp y bị ràng buộc, dù chỉ có hai phương trình. Rõ chưa? Tôi xin các bạn giữ câu hỏi lại, vì nếu không ta sẽ không bao giờ học xong.
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.
Ta đã làm vài ví dụ về phép khử Gauss, và tiếp theo tôi muốn phát triển từ đây, nêu ra một điểm rất quan trọng, và đây là một trong những điều quan trọng nhất của bài hôm nay.
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?
Hãy ghi lại, hoặc nhớ theo cách của bạn. Ta đã nhận thấy gì khi làm phép khử Gauss? Ta đã làm tất cả các ví dụ này, đúng không?
We had this example. We had this example. We had this example. We had this example.
Ta có ví dụ này. Ta có ví dụ này. Ta có ví dụ này. Ta có ví dụ này.
When we chose what row operation to do, did stuff on the right hand side of this line matter?
Khi chọn phép biến đổi hàng nào để làm, phần bên phải đường kẻ 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.
Ta không quan tâm, đúng không? Quá trình khử Gauss phụ thuộc vào các hệ số, chứ không phụ thuộc vào vế phải.
And this is the thing that I want you to just keep in mind, and we'll come back to this.
Đây là điều tôi muốn bạn ghi nhớ, và ta sẽ quay lại vấn đề này.
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.
Để hiểu vì sao đây là một nhận xét quan trọng, tôi muốn quay lại việc xem hệ phương trình tuyến tính như một phép nhân ma trận với vectơ.
So we talked about what a vector is last time. What is a matrix?
Lần trước ta đã nói vectơ là gì. 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.
Nhắc lại, ma trận về cơ bản là một mảng số hình chữ nhật. Và tôi muốn phân biệt ma trận với ma trận mở rộng (augmented matrix).
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 hình như thế này, có một đường kẻ, thì nó mang nghĩa khác với khi tôi vẽ một hình chỉ 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 (augmented matrix). Hai cái này không giống nhau.
This is representing an equation. Here, this is not representing an equation. Okay?
Cái này biểu diễn một phương trình. Còn đây thì không biểu diễn phương trình. Okay?
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.
Cái này về cơ bản là hai phương trình với hai biến, còn cái này thì nói về một toán tử tác động lên 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 xét một ma trận tổng quát — gọi là a1,1, a1,2, 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 ta nói nó thuộc R^(m×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 là tập các số thực. Nghĩa là đây là ma trận có n cột, m hàng, và mọi phần tử đều là 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 nhân nó với một vectơ. x1, x2, đến xn.
This is a vector x.
Đây là 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 nó thuộc R^n, vì nó có n hàng và đúng một cột, nên cũng có thể viết là R^(n×1), và tôi viết bằng ký hiệu có mũi tên ở 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 cái này tôi sẽ viết — nhớ nhé, ký hiệu này nói lên điều gì? Về cơ bản là ta đang thiết lập một hệ phương trình, đúng 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?
Số biến trong hệ phương trình của tôi là bao nhiêu nếu ở đây có n phần tử? n, đúng không? Số phương trình là bao nhiêu?
m. So when I'm writing out the right-hand side here, what should be the length of this vector? m, right?
m. Vậy khi viết vế phải ở đây, vectơ này phải có độ dài 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.
Cần nhớ rằng độ dài của vectơ x và độ dài của vectơ b có thể không bằng nhau. Vậy đây là b1, b2, đến bm.
I'm going to call this my b vector, and this belongs to rm.
Tôi gọi đây là vectơ b, và nó thuộc R^m.
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.
Viết tắt, tôi có thể viết là ma trận A — thường tôi viết chữ in hoa cho ma trận — nhân 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.
Ở đây, ta có thể nghĩ về phép nhân ma trận với vectơ mà ta đang định nghĩa, ta đang định nghĩa như vậy, và ta thấy ma trận A này đang biến đổi.
It's an operator that takes this vector x and gives you this vector b, right?
Nó là một toán tử nhận vectơ x này và cho ra 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 cho ra đầu ra, phép nhân ma trận với vectơ này về cơ bản là nhận một vectơ và biến đổi nó để cho ra một vectơ 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.
Ta sẽ quay lại góc nhìn này trong vài bài giảng nữa. Vậy về cơ bản — bạn có thể xem 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?
Ta bắt đầu với đây là một ký hiệu cho hệ phương trình tuyến tính, nhưng giờ ta chuyển sang một thứ hơi khác, đúng không?
Each row here is an equation, each column basically represents a variable, rate?
Mỗi hàng ở đây là một phương trình, mỗi cột biểu diễn một biến, đúng không?
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 1, 2, 3, 9, 8, 7 nhân x1, x2, x3, thì nó bằng x1 cộng 2x2 cộng 3x3
in the first element, and then 9x1 plus 8x2 plus 7x3 in the second row.
ở phần tử đầu, và 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?
Giả sử tôi nói cái này bằng 4 và 5. Giờ nó biểu diễn 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 vế phải, nó chỉ là một phần của phương trình hay chỉ là ma trận này nhân với vectơ này.
This is what I want to call, basically, the row perspective.
on matrix vector multiplication, where basically every row of the matrix represents an equation, right?
Đây là cái tôi gọi là góc nhìn theo hàng của phép nhân ma trận với vectơ, trong đó mỗi hàng của ma trận biểu diễn một phương trình, đúng không?
Everyone clear with the notation? This is just notation. Yeah?
Mọi người rõ ký hiệu rồi chứ? Đây chỉ là ký hiệu thôi. Vâng?
STUDENT
[INAUDIBLE] PROFESSOR: The question was, can you explain the r2 power symbol? Am I repeating a question correctly?
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Câu hỏi là, thầy có thể giải thích ký hiệu R mũ 2 không? Tôi nhắc lại câu hỏi đúng chứ?
Yes. Okay. So this symbol. So I'm drawing this are a little bit funny.
Đúng. Okay. Ký hiệu này. Tôi vẽ chữ R này hơi lạ.
This r means the set of real numbers.
R này là tập các số thực.
And when I say, let's say r2, I mean pairs of real numbers.
Và khi tôi nói R^2, ý là các cặp số thực.
So I mean, basically, some r1, r2 where both of these are real numbers.
Tức là một cặp r1, r2 nào đó mà cả hai đều là 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 muốn hình dung R^2, ta nghĩ nó là một mặt phẳng, trong đó r1 là trục này và r2 là trục này. Mỗi cặp cho ta một điểm trên mặt phẳng.
If I thought of r3, that represents three space.
Nếu nghĩ đến R^3, nó biểu diễn 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 R^(m×n), ý là ta có cả một hình chữ nhật các số thực.
So that, I can't visualize the way I would visualize just r2. Does that help answer the question?
Cái đó tôi không hình dung được như cách hình dung R^2. Vậy có trả lời được câu hỏi chưa?
When r to the fourth, how do you visualize that? You can't. That's a really good question, but I don't know.
Còn R mũ 4 thì hình dung thế nào? Không hình dung được. 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. Việc hình dung bất cứ thứ gì — bạn hình dung được một chiều, hai chiều, ba chiều. Những thứ bốn chiều chỉ là hình ảnh trong trí tưởng tượng của ta. Vâng.
Okay. Red t-shirt.
Okay. Bạn áo thun đỏ.
STUDENT
Where'd you get [INAUDIBLE] PROFESSOR: I made them up. Yeah. Good question.
Thầy lấy [KHÔNG NGHE RÕ] ở đâu vậy ạ? Tôi tự bịa ra đấy. Vâng. Câu hỏi hay.
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 muốn nói rằng nếu tôi muốn viết cái này thành một a, x — nếu tôi muốn viết ax bằng b, và tôi cho b bằng 4 hoặc 5, và x bằng cái này, còn a bằng cái này,
I could represent. I made up four and five entirely. So yeah. Good question.
thì tôi có thể biểu diễn được. Tôi tự bịa ra số bốn và số năm. Vậy đó. Câu hỏi hay.
Okay. Everyone with me? Okay.
Được rồi. Mọi người theo kịp chứ? Được rồi.
So now let's remember the example that we started out with.
Bây giờ hãy nhớ lại ví dụ mà chúng ta đã bắt đầu.
The imaging lab, right?
Bài thí nghiệm chụp ảnh, nhớ 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?
Ở đó, trong bài giảng đầu tiên, chúng ta có một hệ bốn điểm ảnh (pixel) và thực hiện các phép đo, 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 ta có các phương trình: x1 cộng x2 bằng b1, rồi x3 cộng x4 bằng b2, x1 cộng x3 bằng b3, rồi 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 x1 cộng x4 bằng b5. 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?
Giờ ta hãy biểu diễn chúng bằng ký hiệu ma trận và vectơ mà ta đang nói đến, nhé?
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, điều chúng ta muốn là đảm bảo rằng khi chế tạo máy chụp cắt lớp và bán một triệu chiếc, ta phải biết nó hoạt động tốt trước khi xuất xưởng, 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 biết các phép đo mà bạn đang thực hiện, đang thiết kế, thực sự là các phép đo tốt? Và ký hiệu ma trận vectơ này sẽ hữu ích cho chúng ta.
So if I want to write Measurement Set 1, which were basically equations one through four, right?
Nếu tôi muốn viết Bộ đo 1, tức là các phương trình một đến bốn, nhớ không?
First we just took these first four equations. Does everyone remember that?
Ban đầu ta chỉ lấy bốn phương trình đầu này. Mọi người còn nhớ chứ?
This was Measurement Set 1, and Measurements Set 2 was — Right?
Đây là Bộ đo 1, còn Bộ đo 2 là — Nhớ không?
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.
Nhớ là ta đã thay phương trình cuối bằng một cái khác? Vậy hãy viết bốn phương trình đầu ở đây dưới 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, rồi 0, 1, 0, 1.
And then I had this x1 x2 x3 x4, and I have b1, b2, b3, b4.
Rồi có x1 x2 x3 x4, và b1, b2, b3, b4.
Right? This was Measurements Set 1.
Đúng không? Đây là Bộ đo 1.
Measurements 2 were, let's say, equations one to three, and then equation. five.
Bộ đo 2 gồm, giả sử, các phương trình một đến ba, và phương trình 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.
Viết ra thì tôi có 1, 1, 0, 0, 0, 0, 1, 1, 1, 0, 1, 0, rồi 1, 0, 0, 1.
x1, x2 x3 x4 equal to b1, b2, 3b, b5.
x1, x2, x3, x4 bằng b1, b2, b3, b5.
Yeah?
Được chứ?
STUDENT
[INAUDIBLE] PROFESSOR: Why did omit the fourth equation? Great question.
[KHÔNG NGHE RÕ] GIẢNG VIÊN: Tại sao tôi bỏ phương trình thứ tư? Câu hỏi rất hay.
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.
Ở bài giảng đầu, ta thử giải bốn phương trình này và thấy không tìm được nghiệm duy nhất, nên ta nói: hãy lấy thêm phép đo thứ năm.
And so we're trying to compare which sets of measurements are good measurements. How would I decide? Basically what did I do?
Và ta đang so sánh xem bộ phép đo nào là tốt. Tôi sẽ quyết định thế nào? Về cơ bản 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.
Tôi xét nguồn năng lượng ở đây, nguồn năng lượng ở đây, ở đây, và nguồn năng lượng ở đây. Đây là bài giảng đầu tiên của chúng ta.
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.
Ở đó ta nói rằng, nếu cố giải các phương trình này, và nên nhanh chóng tự thử giải lại chúng, bạn sẽ thấy không thể có nghiệm duy nhất.
And so we said, well, if we take a fifth measurement, maybe we can get this unique solution.
Và ta nói, nếu lấy thêm phép đo thứ năm, có thể ta sẽ có nghiệm duy nhất.
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] GIẢNG VIÊN: Tại sao bỏ phương trình thứ tư? Ta có thể bỏ bất kỳ phương trình nào khác. Chỉ là tôi chọn bỏ phương trình thứ tư. Điều đó không bắt 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. Ta không nhất thiết phải bỏ cái thứ tư. Ta cũng có thể đánh giá các bộ phép đo khác. Giả sử 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.
Ta biết có bốn ẩn số, nên ta cần ít nhất bốn phương trình. Vậy ta có thể nói rằng, hãy 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.
Đây là hai lựa chọn, nhưng bạn nói rất đúng là ta có thể xét lựa chọn thứ ba, như phương trình một, hai, ba và năm.
That would be another valid thing to consider.
Đó cũng là một khả năng hợp lệ để xem xét.
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 minh họa, tôi muốn xét hai bộ này, và câu hỏi tôi muốn đặt ra là: bộ phép đo nào trong hai bộ này tốt hơn bộ kia xét về việc xác định chính xác giá trị của x1, x2, x3, x4?
We could also ask that question for other sub groupings. Is that clear? Good.
Ta cũng có thể hỏi như vậy cho các nhóm con khác. Rõ chưa? Tốt.
So here in this case, what I wanted to point out is there are two parts here, right?
Ở trường hợp này, điều tôi muốn chỉ ra là có hai phần ở đây, 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 ta có các phép đo b1, b2, b3, b4, b5, và giờ ta viết dưới dạng a nhân một vectơ x nào đó — đây là ẩn — 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.
Ở đây, ta kiểm soát được cái gì? Là kỹ sư, ta được chọn gì trong thiết lập này? Các a, đúng không? Đây là 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.
Còn b do tự nhiên quyết định. Ta không được chọn các phép đo là gì, đúng không? Dữ liệu nào ra thì cứ ra, đúng không? Mình không thể làm gì về điều đó.
Nature is controlling that.
Do tự nhiên quyết định.
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, ta muốn quyết định máy của mình có hoạt động được hay không bằng cách nhìn vào b, hay muốn quyết định điều đó bằng cách nhìn vào a?
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.
Là a, đúng không? Vì đó là thứ ta kiểm soát được. Bạn không muốn nó hỏng chỉ vì một phép đo nào đó. Bạn muốn biết ngay từ khi xuất xưởng.
But what was the nice thing about Gaussian elimination?
Nhưng điều hay của phép 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 dùng phép khử Gauss để giải một hệ phương trình, các phép biến đổi bạn làm có quan trọng không? mà các bạn thực hiện? Thực ra chúng không phụ thuộc vào 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 cho thấy bạn có thể biết được các phép đo của mình có cho ra đáp án đúng hay không chỉ bằng cách nhìn ma trận này, mà không cần biết các giá trị này 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 trường hợp nhỏ là các quan sát có thể bị nhiễu và các phương trình có thể mâu thuẫn nhau. Và đây là điều ta sẽ gặp ở module 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 bây giờ, ta giả sử là không có nhiễu trong các phép đo. Ta giả sử các phép đo luôn 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?
Nhiễu ta sẽ xử lý sau, ở Module 3. Vậy câu hỏi bây giờ là ma trận này tốt hơn hay ma trận kia 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.
Để trả lời, về cơ bản ta cần tìm hiểu thêm về ma trận rộng và các vectơ, và để trả lời câu hỏi này, ta sẽ học thêm một chút 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?
Đó sẽ là phần còn lại của bài giảng hôm nay, và phần chuẩn bị cho bài giảng thứ Ba sẽ giúp ta hiểu các tính chất của ma trận này để giúp ta hiểu các tính chất của ma trận này mà để biết hệ của mình có giải được hay không.
So is everyone clear on what our goal is?
Mọi người đã rõ mục tiêu của ta chưa?
Goal: Understand just by looking at a if our system will give us
Mục tiêu: chỉ nhìn vào a là hiểu hệ có cho ta
a unique solution. We won't fully answer this today, but in the next lectures, we will. But keep this.
nghiệm duy nhất hay không. Hôm nay ta sẽ chưa trả lời trọn vẹn, nhưng các bài sau thì sẽ. Cứ nhớ điều 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.
Có hai điều nhỏ mà có lẽ các bạn đã thấy ở buổi thảo luận, đó là một số tính chất của vectơ cần giới thiệu để 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 x bằng x1, x2, y bằng y1, y2, thì 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.
Ta cộng từng thành phần. Nếu có 1, 2 cộng 13, 14 thì được 14, 16.
Straightforward. You probably saw this in discussion yesterday, right? Okay.
Đơn giản. Hôm qua chắc các bạn đã thấy ở buổi thảo luận rồi, đúng không? Được.
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 số vô hướng và một vectơ, ở đây, về cơ bản có một số c nhân với vectơ x, với c là một số thực,
it is just cx1, cx2. So if I take 2 times 1, 2, This is equal to 2, 4.
kết quả là cx1, cx2. Nếu lấy 2 nhân 1, 2 thì được 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. Phần này hôm qua các bạn cũng đã thấy phần nào, nên tôi sẽ không dành nhiều thời gian.
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 nó để giới thiệu cách nhìn thứ hai về phép nhân ma trận với vectơ, và tôi gọi nó là cách nhìn theo cột.
So let's say I have this matrix A. a11, a12, a13, a21, a22, a23, a31, a32, a33.
Giả sử 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. Từ nãy giờ ta vẫn tập trung vào các hàng, vì với ta mỗi hàng là một phương trình.
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 bây giờ tôi muốn nhìn vào các cột của A. Các cột này trông như vectơ, vì chúng là các số xếp chồng theo chiều dọc. Vậy ta có a1.
I can write vector a1 is equal to a11, a21, a31. Vector a2.
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.
Lưu ý ở đây a1 có mũi tên phía trên, cho biết nó là vectơ, còn ở đây, vì không có mũi tên nên chúng là số 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?
Khi đó có thể viết A là vectơ a1, rồi đến vectơ a2, rồi đến vectơ a3. Mọi người có thấy đây chỉ là một cách viết tương đương của ma trận A không?
So these columns are now associated each with a variable, right?
Giờ mỗi cột này gắn với một biến, 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 xét A nhân x, tức a1, a2, a3 nhân x1, x2, x3, mỗi hàng là một phương trình, nghĩa là mỗi hàng
a measurement, right? Every row is I shine energy once and I get some measurement back.
là một phép đo, đúng không? Mỗi hàng là một lần tôi chiếu năng lượng và nhận lại một phép đo .
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 giờ tôi muốn xem vai trò của x1 trong tất cả các phép đo, trong tất cả các phương trình, thì thông tin đó nằm ở đâu? Tất cả nằm trong 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.
Ví dụ nếu A của tôi bằng, giả sử, 100, 1, 1, 1, 100, 100, 1 — hoặc gọi 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 nói rằng — ồ, xin lỗi. Cảm ơn em. Vâng. À, tôi nhờ vài bạn trong lớp làm nhiệm vụ báo cho tôi khi không nhìn thấy camera tài liệu được không?
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.
Tốt nhất là một bạn thường ngồi bên này của lớp và một bạn thường ngồi bên kia.
If you can volunteer to do this job, everyone here will be grateful to you forever.
Nếu các bạn tình nguyện làm việc này, mọi người ở đây sẽ biết ơn các bạn mãi mãi.
Okay. Great. Thank you. Two of you on this side.
Được. Tuyệt. Cảm ơn các bạn. Hai bạn bên này.
Someone on this side. Okay. Red shirt. Thank you so much.
Một bạn bên này. Được rồi. Bạn áo đỏ. Cảm ơn các 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 không nhìn thấy thì hãy vẫy tay với tôi. Hoặc nói với tôi. Cứ hô lên: không thấy camera tài liệu. Tôi ước gì phòng này 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 bằng camera tài liệu thật sự rất khó vì phải liên tục xoay xở với đống giấy của mình, mà tiếc là phòng này không có bảng.
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 với camera tài liệu. Thôi, quay lại nội dung chính. Chúng ta đang xem gì nhỉ? Chúng ta đang xem 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.
Bây giờ, thấy cột đầu tiên là 100, 1, 1, nghĩa là x1, ẩn x1, có trọng số lớn hơn nhiều trong thí nghiệm thứ nhất 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.
Đúng không? Nó có ảnh hưởng lớn hơn nhiều trong thí nghiệm đầu so với các thí nghiệm sau. Ngược lại, trong thí nghiệm thứ hai, biến thứ hai có ảnh hưởng hơn.
In the third experiment, the third one was more influential.
Trong thí nghiệm thứ ba, biến thứ ba có ảnh hưởng 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.
Về cơ bản, các em có thể hiểu rằng các cột này cho ta biết mỗi thí nghiệm nhạy đến mức nào với từng thành phần của các ẩn.
And this basically brings us to this column perspective.
Và điều này đưa ta đến góc nhìn theo cột.
So if I think about now — let's say I take a1, x1 plus a2x2 plus a3x3, right?
Giờ nếu ta xét — giả sử ta lấy a1 x1 cộng a2 x2 cộng a3 x3, đúng không?
This is a weighted sum of columns of a or a linear combination.
Đây là tổng có trọng số các cột của A, hay 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 có trọng số x1. Cột thứ hai có trọng số x2. Tôi sẽ gọi những số này là các trọng số.
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 biểu thức này bằng gì? Chúng ta vừa học phép nhân vô hướng với vectơ và phép cộng vectơ. Đây chỉ là phép nhân một vectơ với một số vô hướng, đúng không?
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?
Ta có ba vectơ nhân với ba số vô hướng, rồi cộng chúng lại. Khai triển ra thì 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.
Ta được nó bằng a11 — viết thế nào để các em vẫn nhìn thấy nhỉ? Được rồi. Tôi đặt 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. Ở đây sẽ nhân với gì?
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?
Giờ ta chỉ cần dùng quy tắc cộng vectơ để cộng theo từng thành phần. Cuối cùng ta nhận được gì? Là ma trận hay vectơ?
A vector, right? A 3 by 1 vector, which is just a11, x1 plus a12, x2 plus a13, x3, right?
Vectơ, đúng không? Một vectơ 3 nhân 1, mà thành phần đầu 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.
Số này cộng số này cộng số này, rồi số này, cộng số này cộng số này, rồi số này cộng số này cộng số này. Đúng không? Tôi sẽ không viết hết các số hạng còn lại.
Is it clear to everyone what just happened?
Mọi người có hiểu vừa rồi chuyện gì xảy ra không?
But when I think about my matrix A times x — what did I write out as a times x?
Nhưng khi nghĩ về ma trận A nhân x — ta đã viết A nhân x như thế nào?
This was basically just a11, a12, a13, a21, a22, a23, a31, a32, a33 times x1, x2, x3.
Chính 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?
Vậy ở đây tôi đã lấy từng cột và nhân với biến tương ứng, còn khi ta định nghĩa lần đầu theo góc nhìn theo hàng, ta đã làm gì?
We took this entire row and we multiplied it by this, right?
Ta lấy cả hàng này và nhân với vectơ 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?
Ta nói a11 là hệ số của x1 trong thí nghiệm đầu, a12 là hệ số của x2 trong thí nghiệm đầu, và cứ thế. Đúng không?
So when we write this out as a system of equations, this gives us a11, x1 plus a12, x2 plus a13, x3, right?
Vậy khi viết thành hệ phương trình, ta có 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, ta có ba phương trình. Nhưng các phương trình ở đây và các phương trình ở đây thì sao? Chúng giống nhau, đúng 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.
Vậy phép nhân ma trận với vectơ có thể hiểu theo góc nhìn theo hàng, tức là biểu diễn các phương trình, hoặc theo góc nhìn theo cột, tức là 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 chuyển qua lại giữa hai góc nhìn này sẽ rất quan trọng vì khi ta trả lời câu hỏi các phép đo của ta có tốt không, các phép đo 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 ta sẽ phân tích chúng bằng cách nói về các tính chất của các cột của ma trận. Được chứ? Vậy sự tương đương này đã rõ chưa?
Basically, this we have shown is equal to a times x.
Về cơ bản, ta đã chứng minh cái này bằng A nhân x.
Any questions on this? Yeah.
Có câu hỏi nào không? Mời bạn.
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.
SINH VIÊN: x1, x2 và x3 có phải là [KHÔNG NGHE RÕ] GIẢNG VIÊN: Câu hỏi là x1, x2, x3 có phải là các chiều không? Không, không phải. Chúng là các biến. Chúng là các ẩn, nhưng là các số 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.
Nếu muốn hình dung thì cứ lấy ví dụ, lấy cái này. Rất nên làm như một bài tập. Lấy một ma trận, chẳng hạn lấy một trong những ví dụ ta vừa làm.
Anyway, let's take 1, 2, 3, 6, 7, 8 times 2, 3, 5. That's it.
Thôi, lấy 1, 2, 3, 6, 7, 8 nhân 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.
Hãy tính cả hai cách nhân. Các em sẽ thấy ra cùng một kết quả. Và vậy là các em đã tự chứng minh rồi. Nên làm ví dụ này vào thời gian riêng của mình.
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?
Giờ với hiểu biết này, và cách nghĩ khác này về phép nhân ma trận với vectơ, tôi muốn hỏi: ta có thể có một cách diễn giải mới không?
Does this give an interpretation for ax equal to b that is different?
Điều này có cho ta một cách diễn giải cho Ax không bằng b thì có gì khác không?
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?
Ở đây, nếu tôi cho các em một vectơ b, và có các vectơ là các cột của A, thì một cách khác để nghĩ về Ax = b là hỏi: liệu tôi có thể biểu diễn b như một tổ hợp tuyến tính của các cột của A không?
Can I express b as the linear combination of a1, a2, and a3?
Tôi có thể biểu diễn b như 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 diễn một tổ hợp tuyến tính, đúng không?
ax, linear combination of columns of a.
Ax là tổ hợp tuyến tính của các cột của A.
And we know how to solve this, basically, using Gaussian elimination, right?
Và ta biết cách giải bài này, bằng phép 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 ta có thể nói rằng, nếu b biểu diễn được như tổ hợp tuyến tính của các cột của A, thì ta tìm được tổ hợp tuyến tính đó — và khi nói tổ hợp tuyến tính đó, ý tôi là các trọng số x1, x2 và x3 —
by solving the system of equations, ax equal to b.
bằng cách giải hệ phương trình Ax = b.
So let's think about in an example, and this example will help us define this notion of span.
Ta hãy nghĩ qua một ví dụ, và ví dụ này sẽ giúp ta định nghĩa khái niệm không gian sinh (span).
So what is the span?
Vậy không gian sinh là gì?
The span of the columns of a matrix A is the set of all vectors b, such that ax
Không gian sinh của các cột của ma trận A là tập hợp mọi vectơ b sao cho Ax
equal to b has a solution — not necessarily a unique solution.
= b có nghiệm — không nhất thiết là nghiệm duy nhất.
A solution — which basically means that b can be obtained as a linear combination of the columns of a.
Có nghiệm — nghĩa là b có thể thu được như một 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 còn năm phút. Vừa đủ thời gian làm ví dụ này, giả sử lấy A gồm các cột (1, 1) và (1, -1).
And let me draw this.
Để tôi vẽ ra.
So here, I have a1 is equal to 1, 1. This column.
Ở đây, 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 của tôi đâu rồi nhỉ? Và đây là cột a2, bằng (1, -1).
So 1, 1 is basically this vector, and 1 minus 1 is basically this vector.
(1, 1) chính là vectơ này, còn (1, -1) chính là vectơ này.
And now, let's say I say b is equal to 3, 2, and I ask, is b in the span of a?
Giờ giả sử b bằng (3, 2), và tôi hỏi: b có nằm trong không gian sinh của A không?
Which basically means, does ax equal to b have a solution?
Nghĩa là Ax = b có nghiệm 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 Ax = b có nghiệm không? Ta trả lời được bằng phép khử Gauss, nhưng nếu muốn nhìn 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 nghĩa là gì? Nghĩa là tôi có thể đi — giả sử tôi đứng ở gốc tọa độ trên mặt phẳng 2D này.
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 vectơ a1, hướng về phía này. Tôi có thể đi bao nhiêu bước tùy ý. Đó là trọng số 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 vectơ thứ hai, a2, theo hướng này. Tôi cũng đi bao nhiêu bước tùy ý.
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.
Chỉ đi dọc các mũi tên cam và hồng, tôi có đến được b, tức (3, 2), tức là 1, 2, 3, rồi 2 không?
Right? This is the blue arrow. What? Oh, 3, 2.
Đúng không? Đây là mũi tên xanh. Gì cơ? À, (3, 2).
And how can I do that?
Vậy làm thế nào?
Is it clear? How many steps should I take around a1?
Các em rõ chưa? Tôi nên đi bao nhiêu bước theo a1?
STUDENT
2 and 1/2.
2 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. Còn theo a2 thì bao nhiêu bước? Nửa bước, đúng không? Nếu tôi cho một vectơ b khác, các em 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 của tập vectơ này là toàn bộ mặt phẳng hai chiều, nhưng nếu thay vào đó tôi cho — nếu a2 không ở đây mà ở chỗ này, thì các em có đến được 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. Vậy không gian sinh ở đây chỉ là tập hạn chế này. Lần sau ta sẽ xây dựng tiếp từ tất cả những điều này. 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]
Bài giảng tiếp theo, ta sẽ chuyển sang phụ thuộc tuyến tính và độc lập tuyến tính, và mối liên hệ với các hệ phương trình. [MẤT ÂM THANH]
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.