NGUYỄN CHÍ TRUNG

NGUYỄN TÂN ÂN
NGUYỄN THỊ THU THỦY

PHƯƠNG PHÁP TÍNH
VÀ BÀI TOÁN TỐI ƯU

HÀ NỘI - 2010

NCT-FIT-HNUE

Computional methods and Optimization Problems

MỤC LỤC
MỞ ĐẦU......................................................................................................................................... 5
Chương 1 TÍNH GẦN ĐÚNG VÀ SAI SỐ................................................................................... 8
1. Số gần đúng và sai số của nó .................................................................................................. 8
1.1. Số gần đúng và sai số ....................................................................................................... 8
1.2. Chữ số có nghĩa và chữ số đáng tin.................................................................................. 9
1.3. Cách viết số gần đúng .................................................................................................... 10
1.4. Sai số làm tròn................................................................................................................ 10
2. Sự lan truyền sai số ............................................................................................................... 11
2.1. Mở đầu ........................................................................................................................... 11
2.2. Sai số của tổng................................................................................................................ 11
2.3. Sai số của tích................................................................................................................. 12
2.4. Sai số của thương ........................................................................................................... 13
2.5. Sai số của hàm bất kỳ..................................................................................................... 14
3. Các loại sai số ....................................................................................................................... 14
3.1. Các loại sai số mắc phải khi giải một bài toán thực tế ................................................... 14
3.2. Các loại đánh giá sai số phương pháp........................................................................... 15
BÀI TẬP ................................................................................................................................... 15
Chương 2. TÍNH GIÁ TRỊ VÀ XẤP XỈ HÀM SỐ ...................................................................... 16
1. Tính giá trị hàm số ................................................................................................................ 16
1.1. Thuật toán Hoocner tính giá trị đa thức ......................................................................... 16
1.2. Tính hàm nhờ chuỗi lũy thừa ......................................................................................... 17
2. Bài toán nội suy hàm số ........................................................................................................ 18
2.1. Đa thức nội suy Lagrange trên mốc không đều ............................................................. 18
2.2. Đa thức nội suy Lagrange với mốc cách đều ................................................................. 22
2.3. Đa thức nội suy Newton trên mốc không cách đều........................................................ 23
2.4. Đa thức nội suy Newton trên mốc cách đều................................................................... 27
2.5. Nội suy tổng quát (nội suy Hermit)................................................................................ 29
3. Xấp xỉ bình phương cực tiểu................................................................................................. 30
3.1. Phương pháp chung........................................................................................................ 30
3.2. Một số dạng hàm cụ thể. ................................................................................................ 30
BÀI TẬP ................................................................................................................................... 33
CHƯƠNG 3 GIẢI GẦN ĐÚNG PHƯƠNG TRÌNH PHI TUYẾN............................................ 34
1. Nghiệm và khoảng phân ly nghiệm ...................................................................................... 34
2. Phương pháp chia đôi ........................................................................................................... 35
2.1. Mô tả phương pháp ........................................................................................................ 35
2.2. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp chia đôi............................................ 36
3. Phương pháp lặp đơn ............................................................................................................ 37
3.1. Mô tả phương pháp ........................................................................................................ 37
3.2. Cách chọn ϕ(x) thỏa điều kiện hội tụ của phương pháp lặp đơn ................................... 39
2

NCT-FIT-HNUE

Computional methods and Optimization Problems

3.3. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp lặp đơn............................................. 40
4. Phương pháp tiếp tuyến (Newton) ........................................................................................ 40
4.1. Mô tả phương pháp ........................................................................................................ 40
4.2. Sự hội tụ của phương pháp............................................................................................. 41
4.3. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp Newton ............................................ 42
5. Phương pháp cát tuyến.......................................................................................................... 43
5.1. Mô tả phương pháp ........................................................................................................ 43
5.2. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp Cát tuyến ......................................... 43
6. Phương pháp dây cung.......................................................................................................... 44
6.1. Mô tả phương pháp ........................................................................................................ 44
6.2. Sự hội tụ của phương pháp............................................................................................. 44
BÀI TẬP ................................................................................................................................... 44
Chương 4 PHƯƠNG PHÁP SỐ TRONG ĐẠI SỐ TUYẾN TÍNH............................................. 46
1. Đại số ma trận ....................................................................................................................... 46
1.1. Vectơ cột và vectơ hàng ................................................................................................. 46
1.2. Ma trận ........................................................................................................................... 47
2. Hệ phương trình đại số tuyến tính ........................................................................................ 50
2.1. Giới thiệu........................................................................................................................ 50
2.2. Giới thiệu phương pháp Cramer..................................................................................... 51
2.3. Phương pháp khử Gauss................................................................................................. 52
2.4. Phương pháp Gauss-Seidel ............................................................................................ 55
2.5. Phương pháp giảm dư .................................................................................................... 59
2.6. Vấn đề ổn định của nghiệm của hệ phương trình........................................................... 62
3. Tính gần đúng giá trị riêng và véc tơ riêng của ma trận ....................................................... 63
3.1. Giới thiệu........................................................................................................................ 63
3.2. Ma trận đồng dạng.......................................................................................................... 64
3.3. Tìm giá trị riêng bằng phương pháp Đa-nhi-lép-ski ...................................................... 64
3.4. Tìm vectơ riêng bằng phương pháp Đan-nhi-lep-ski ..................................................... 67
BÀI TẬP ................................................................................................................................... 69
Chương 5 TÍNH GẦN ĐÚNG ĐẠO HÀM VÀ TÍCH PHÂN .................................................... 71
1. Tính gần đúng đạo hàm......................................................................................................... 71
1.1. Đạo hàm cấp 1................................................................................................................ 71
1.2. Đạo hàm cấp hai............................................................................................................. 71
2. Tính gần đúng tích phân ....................................................................................................... 72
2.1. Giới thiệu bài toán.......................................................................................................... 72
2.2. Công thức hình chữ nhật trung tâm................................................................................ 72
2.3. Công thức hình thang ..................................................................................................... 74
2.4. Công thức Simpson (hay công thức Parabol)................................................................. 76
2.5. Các thuật toán “hcn, ht, sim” tính gần đúng tích phân xác định .................................... 78
Chương 6 BÀI TOÁN QUI HOẠCH TUYẾN TÍNH ................................................................. 79
1. Giới thiệu bài toán tối ưu tổng quát ...................................................................................... 79
1.1. Ví dụ mở đầu.................................................................................................................. 79
1.2. Mô hình bài toán tối ưu tổng quát .................................................................................. 79
3

................................................................................................................4..................1.............1................................................... 83 3...............................................2................................ 100 4 . 96 BÀI TẬP ..................................... 81 2........................ Tập lồi và đa diện lồi.................. Các định lý cơ bản của thuật toán đơn hình ............ Định nghĩa ràng buộc chuẩn.... 81 2...............................NCT-FIT-HNUE Computional methods and Optimization Problems 1.... 80 2....................................... Tìm phương án cực biên ban đầu................................................. Dạng chuẩn tắc và dạng chính tắc...............1.. 95 4.......................................2........................... Nhận xét ........ Đặc điểm của tập các phương án của bài toán QHTT.......................................................................................................................2...................... 84 3.........................................3.................................................................. Đặc điểm của tập các phương án của bài toán QHTT ........................... 94 4.................................... 94 4................................................................................. 84 3.......................................................... Đường lối chung của thuật toán ................ Phương pháp phạt hay phương pháp bài toán M....................... Thuật toán đơn hình giải bài toán QHTT...... 85 3...........3.............. Thuật toán đơn hình ............................. 89 4........

tính chất nghiệm của các bài toán.1009 0. Giả sử cần tính tích phân 1 I n = ∫ x n e x−1dx (n ≥ 1) . Một cách ngắn gọn là giải các bài toán bằng số trên máy tính.3679. để tính I n ta thu được công thức truy hồi tính được In về mặt lý thuyết: I n = 1 − nI n −1 . 0 Tích phân từng phần: đặt u=xn thì du = nxn-1dx.1709 0.2073 0. e Như vậy.0839 5 . Toán tính quan tâm đến xây dựng phương pháp. Giới thiệu môn học Phương pháp tính Có các tên gọi sau: Phương pháp tính (Computional methods). các bài toán xấp xỉ hàm số và các bài toán tối ưu hóa.1268 0. 2. Là một khoa học nghiên cứu cách giải gần đúng. NXB Mc. đặt dv=ex-1dx thì v = ex-1 ta được 1 I n = x n e x −1 10 − n ∫ x n−1e x −1dx = 1 − nI n−1 . Graw Hill 1992).NCT-FIT-HNUE Computional methods and Optimization Problems MỞ ĐẦU 1.3679 0. duy nhất. Ví dụ 1 (tính ổn định).0916 0.3679.2642 0. phương pháp số (Numerical methods). rộng hơn nữa là Toán học tính toán (Computional mathematics. 0 Ngoài ra ta có 1 I1 = ∫ xe x−1dx = e x−1 ( x − 1) 1 0 0 = 1 ≈ 0. Phân biệt toán tính và toán lí thuyết Toán lí thuyết quan tâm đến các vấn đề định tính của bài toán: tồn tại. I 1 = 0. Numerical mathematics) (theo Bách khoa toàn thư về khoa học và kỹ thuật. Một thuật toán là khả thi nếu nó thực hiện được trên máy tính. Về mặt thực tế tính trên máy tính không cho kết quả mong muốn khi n lớn.1455 0. Giải tích số (Numerical analysis). Thuật toán được xây dựng phải thỏa mãn yêu cầu về tính khả thi và tính ổn định. thuật toán để để tìm nghiệm bài toán trên máy tính.1124 0. Cụ thể là tính trên máy tính với n=25 ta được bảng kết quả sau (liệt kê theo từng hàng) 0. mà chủ yếu giải bằng số (gọi là giải số) các phương trình. n ≥ 2. Một thuật toán gọi là ổn định nếu sai số tính toán (do máy tính làm tròn số) không bị khuếch đại trong quá trình tính.

Cho hệ phương trình đại số tuyến tính Ax = b .3133 192785008.0555 (khi n=16) Kết quả sau đó kết quả thay đổi thất thường và giá trị tuyệt đối tăng rất nhanh.NCT-FIT-HNUE Computional methods and Optimization Problems 0.0590 0.0774 0. Theo công thức (2) cần phải tính n +1 định thức cấp n.0669 0. mỗi số hạng là tích của n thừa số. (2) trong đó ∆ = det A . Giả sử các tính toán e tiếp theo không mắc phải sai số. Khi đó Q ≈ 9. 6 . Về lý thuyết có thể giải hệ trên bằng công thức Cramer xi = ∆i .0403 -13969. n +1 Hiện tượng kết quả tính toán I n nêu trên là sự không ổn định của thuật toán: sai số ban đầu khi tính I 1 = 1 ≈ 0. Do đó. để tính mỗi số hạng cần thực hiện n – 1 phép nhân. hàng vạn lần.0718 0. tất cả số phép tính nhân cần thực hiện trong (2) là Q = n!(n+1)(n-1).0572 -0..1924 635.3881 -7711400. còn ∆ i nhận được từ ∆ do việc thay cột thứ i bởi cột tự do b. thuật toán nêu trên là hoàn toàn không khả thi dù máy tính có tăng tốc độ lên gấp hàng nghìn. Ví dụ 2 (tính khả thi). Do vậy.0782 *10 5 năm. Với n = 2 ta được Nguyên nhân: thay vì I1 = ~ ~ I 2 = 1 − 2 I 1 = 1 − 2( I 1 + δ ) = (1 − 2 I 1 ) − 2δ = I 2 − 2δ . ~ ~ Thu được I 2 với sai số | I 2 − I 2 |= 2δ . Tương tự. Giả sử n = 20. n). Điều này hoàn toàn không phù hợp với lý thuyết vì theo lý thuyết thì I n → 0 khi n → ∞ do đó 1 0 ≤ I n ≤ ∫ x n dx = 0 1 .0627 0.7073 *10 20 . e 1 ~ ta thu được I 1 = I 1 + δ ..0295 1. Như vậy. Nếu tốc độ của máy tính là 100 triệu phép tính/giây thì thời gian để thực hiện khối lượng tính toán trên là 2.3679 đã bị khuyếch đại trong quá trình tính.. ∆ (i =1. trong đó δ là sai số. ở bước thứ n thay cho giá trị đúng I n ta thu ~ ~ được giá trị gần đúng I n với sai số | I n − I n |= n!δ . Mỗi định thức là tổng của n! số hạng. (1) trong đó A là ma trận vuông cấp n với định thức khác 0.8325 Kết quả giảm dần từ 0.0555 0.5596 -30. Một thời gian lớn vô cùng! Và như vậy.6965 *10 9 giờ = 3. sai số vẫn đủ lớn và ta không thể nhận được giá trị chấp nhận được là gần đúng cho I n . dù δ có bé thì khi n đủ lớn. Nhưng việc tính toán ra nghiệm bằng số cụ thể lại là một việc không đơn giản..8864 321308.3679 (khi n=1) đến 0.

chữ số có nghĩa và chữ số đáng tin. sai số về phương pháp thực hiện. Vì thế. cần phải nghiên cứu đề xuất các phương pháp hiệu quả để có thể giải được các hệ thống phương trình cỡ lớn. thương. từ đó tính được sai số của tổng. mà thực tế khoa học và công nghệ đòi hỏi phải giải các hệ phương trình đại số tuyến tính cỡ hàng vạn. Sự lan truyền sai số đầu vào dẫn đến sai số đầu ra x Æ f(x). hậu nghiệm đối với sai số. Và. sai số do tính toán. Chương 1 gồm các nội dung sau: Các khái niệm cơ bản: số xấp xỉ (hay số gần đúng). hiệu. Đó là một trong các nhiệm vụ của ngành Phương pháp tính. hàng triệu hoặc hơn thế nữa. Các loại sai số: giới thiệu các nguyên nhân dẫn đến sai số: sai số khi xây dựng mô hình hóa các đối tượng. cách đánh giá tiên nghiệm.NCT-FIT-HNUE Computional methods and Optimization Problems Ở trên ta mới chỉ xét việc giải một hệ cỡ 20. tích. 7 . cách viết số gần đúng. sai số quy tròn và quy tắc làm tròn để số còn lại gồm các số đáng tin. sai số tuyệt đối và sai số tương đối.

là δ= A−a ∆ = A A (3-1. thỏa mãn điều kiện A −α ≤ ∆a (1-1.5cm ± 0. đó là số ∆ a bé nhất có thể biết được. Thông thường số đúng A không biết nên ta cũng không biết chính xác sai số tuyệt đối của số gần đúng a . .. Nếu a < A thì a được gọi là xấp xỉ thiếu. Chẳng hạn. ký hiệu bởi δ . 42 là xấp xỉ thừa vì 2 = 1.1cm Tuy sai số tuyệt đối của hai phép đo trên là như nhau (= 0. 4142135623. còn nếu a > A thì a được gọi là xấp xỉ thừa của A .1 Số a được gọi là số gần đúng hay số xấp xỉ của số đúng A (tức giá trị đúng của đại lượng cần quan tâm) và ký hiệu là a ≈ A . Tuy nhiên.1) Để đơn giản người ta thường viết A = a ± ∆ a để ám chỉ rằng ∆ a là sai số tuyệt đối giới hạn của a.. (2-1. còn 3. 002 . Số gần đúng và sai số của nó 1. Sai số tuyệt đối không phản ánh đầy đủ mức độ chính xác của phép đo hoặc tính toán. Vì thế ta có thể xem đánh giá tốt nhất của ∆ là sai số tuyệt đối giới hạn của a . Định nghĩa 1-1. gọi là sai số tương đối giới hạn của a 8 . thì 3.15 là xấp xỉ thừa.14 là xấp xỉ của π thì sai số tuyệt đối là ∆ a ≤ 0.1.1) Từ bất đẳng thức trên suy ra a − ∆a ≤ A ≤ a + ∆a .1. Để thể hiện điều đó ta đưa vào khái niệm sau.1 cm) nhưng rõ ràng là phép đo thứ nhất chính xác hơn.1415926535. Sai số tương đối của số gần đúng a ..1.1) với giả thiết là A ≠ 0 .6cm ± 0.. Số gần đúng và sai số Định nghĩa 1. đo chiều dài của hai thanh sắt bằng cùng một thước đo ta nhận được các kết quả sau: l1 = 115. nếu a sai khác A không đáng kể.1 Số ∆ =| A − a | được gọi là sai số tuyệt đối của số gần đúng a .NCT-FIT-HNUE Computional methods and Optimization Problems Chương 1 TÍNH GẦN ĐÚNG VÀ SAI SỐ 1. do số A và ∆ không biết nên trong thực hành ta sẽ chấp nhận sai số tương đối của số gần đúng a là số δ a dưới đây. đối với số π = 3.14 là xấp xỉ thiếu. Nếu coi a = 3.1cm l2 = 7. mà chỉ có thể đánh giá nó. còn a2 = 1. Ví dụ 1-1. 41 là xấp xỉ thiếu. Định nghĩa 2-1. Thí dụ: Đối với số A = 2 thì a1 = 1.

1 × 100% = 0. gọi là chữ số hàng thứ s của số a..) = ± ∑ α s . 6 7.5 so với δ 2 và phép đo thứ nhất chính xác hơn nhiều so với phép đo thứ hai.304500 ..2. Vì thế δa = ∆a × 100% .15 có 4 chữ số. Chẳng hạn số 20.10 s (1-1.2.1) Người ta thường tính sai số tương đối bằng phần trăm.10 m−1 + . Những chữ số có nghĩa của một số là những chữ số của số đó kể từ chữ số khác không đầu tiên tính từ trái sang phải..15 .57. chữ số hàng thứ s của số a được gọi là chữ số đáng tin (hay chữ số đúng) nếu sai số tuyệt đối của số a không vượt quá một nửa đơn vị 1 của hàng thứ s (tức là ∆ a ≤ . |a| Trở lại phép đo chiều dài của các thanh sắt ta thấy rằng sai số tương đối của l1 là δ1 = 0.. và nếu αs là đáng ngờ thì mọi chữ số bên phải nó đều là đáng ngờ. Định nghĩa 2-1.10 s ). 20. 1.. Chữ số có nghĩa và chữ số đáng tin Một số viết ở dạng thập phân có thể gồm nhiều chữ số.10 − n + . Ví dụ 1-1. Trong các số sau. + α −n . Việc đánh giá các chữ số đáng tin và đáng ngờ của một số gấn đúng a không phụ thuộc vào bản thân các chữ số đó mà phụ thuộc vào sai số tuyệt đối của a và vị trí của chúng.33% .2. Định nghĩa 1-1.. Giả sử a là số gần đúng của A và a có biểu diễn ± α mα m − ` . số 3.1 0.2. trong đó ∆ a là sai số tuyệt đối 2 của số a.10 + α 0 . 9 . Rõ ràng là δ1 nhỏ hơn rất nhiều 115.. α −1α − 2 . 09% . 0.10 m + α m−1 .α − n tức là a = ± (α m .10 s ).. những chữ số được gạch dưới là những chữ số có nghĩa: 12.10 −1 + ..03047 ..10 0 + α −1 .NCT-FIT-HNUE δa = Computional methods and Optimization Problems ∆a a (4-1.α 1α 0 . của l2 là δ 2 = × 100% = 1.1412 có 5 chữ số. Gọi ∆ a là sai số tuyệt đối của số a . 0.2) s trong đó α s là những số nguyên từ 0 đến 9. và gọi là chữ số nghi ngờ nếu sai số tuyệt đối của số a 2 1 không vượt quá một nửa đơn của hàng thứ s (tức là ∆ a > . + α1 . Từ định nghĩa trên suy ra rằng nếu αs là chữ số đáng tin thì mọi chữ số có nghĩa bên trái nó đều là đáng tin.

3.3.14151926535. 5. 3. 7 và 2.a’| ≤ ∆ a + θ a ' Như vậy việc quy tròn thường làm tăng sai số tuyệt đối.54 nếu ∆ a ≤ × 10−2 = 0. × 10-4.7284 với ∆ a = 0.25 ta làm tròn thành 12. × 10-5.14 nếu cần giữ lại 6. 3. 150 cm ± 0.4. Theo cách này ta viết a = 23. trong đó ∆ a là sai số của thiết bị đo. 1 Ví dụ 2-1. chẳng hạn a =3. Số 12. Sai số làm tròn Khi thực hiện các tính toán nếu số a có quá nhiều chữ số trong biểu diễn thập phân. Cách viết số gần đúng Có hai cách viết số gần đúng. Kho đó sai số tuyệt đối của số a’ là ∆ a ' =| A-a’| = | A-a +a-a’| ≤ | A -a| + | a . Cách 1: Viết kèm theo sai số a ± ∆ a Cách này thường dùng để viết các kết quả đo đạc. 1. Ví dụ 1-1. Giả sử ta làm tròn a thành a' với sai số làm tròn là θ a ' . có nghĩa là sai số tuyệt đối ∆a không lớn hơn một nửa đơn vị ở hàng cuối cùng. Đối với số a =3.4. Ví dụ 1-1. 2 Bây giờ giả sử a là xấp xỉ của A với sai số tuyệt đối là ∆ a .3.14151926535 ta làm tròn thành 3. 3 hoặc 2 chữ số sau dấu chấm thập phân. Việc làm này được gọi là quy tròn hoặc làm tròn số.4.14152. 3. Sai số làm tròn tương ứng 1 1 1 1 1 không vượt quá × 10-6. Số θ a ' =| a − a ' | được gọi là sai số làm tròn. • Nếu chỉ bỏ đi một chữ số 5 thì chữ số được giữ lại cuối cùng nếu là chữ số lẻ thì tăng thêm 1.NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 2-1. tức là | a' . 4. thực nghiệm.1 cm.1415.a| ≤ θ a ' . thì để cho thuận tiện người ta thu gọn số này bằng cách bỏ bớt một số chữ số cuối để được một số a ' ngắn gọn hơn và gần đúng nhất với a . 2 1.142.005 . còn nếu chữ số bỏ đi đầu tiên < 5 thì để nguyên chữ số giữ lại cuối cùng. 65 kg ± 0. còn nếu là chẵn thì giữ nguyên.2 với sai số là 0.1 kg Cách 2: Viết theo quy ước: mọi chữ số có nghĩa đều đáng tin.2. × 10-3 và × 10-2. 2 2 2 2 2 Ví dụ 2-1. Số gần đúng a = 3.141519. 10 . còn các chữ số 8 và 4 là đáng ngờ.05 = 1 × 10-1. Điều này dẫn đến kết cục là sau khi làm tròn một số chữ số đáng tin trở nên đáng ngờ.0047 có 3 chữ số đáng tin là 3. Dưới đây là quy tắc làm tròn số nhằm bảo đảm cho sai số làm tròn không vượt quá nửa đơn vị của chữ số cuối cùng được giữ lại: • Nếu bỏ đi nhiều chữ số khác 0 và chữ số bỏ đi đầu tiên ≥ 5 thì thêm vào chữ số giữ lại cuối cùng một đơn vị.3.

vấn đề đặt ra là sai số của các dữ liệu đầu vào lan truyền và dẫn đến sai số của kết quả tính toán như thế nào? Để giải quyết vấn đề này xét hàm số u của 2 biến số x và y: u = f(x.1) Chú ý: Công thức (1-2.053 > 1 × 10-1.003 + 0.y) bất kỳ dựa vào đạo hàm riêng của từng biến.Y). Sự lan truyền sai số 2. Vì thế chữ số 4 trong a’ là 2 đáng ngờ.05 = 0. Trong thực tế tính toán các đại lượng gần đúng thường xuất hiện trong một biểu thức phức tạp.NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 3-1.X là số gia của x. còn dx là vi phân của biến x. 2. liệu ta có thể tính được sai số của V không. Sau khi làm tròn thành a’ = 0. Thí dụ thể tích của hình cầu được tính bằng V = (1/6)πd3. trong đó ta chỉ biết xấp xỉ của số π và đường kính d.1) được sử dụng trong việc chứng minh các công thức tính sai số của tổng. Ký hiệu ∆x = x . y là xấp xỉ của giá trị đúng Y và ta coi u là xấp xỉ của giá trị đúng u = f(X.1. ta có | ∆x | ≤ ∆ x .003. Theo công thức vi phân của hàm nhiều biến ta có: du = ∂u ∂u dy dx + ∂x ∂y Từ đây ta có ∆u ≈ ∂u ∂u ∆y ∆x + ∂x ∂y ∆ u =| ∂u ∂u | ∆x + | | ∆y ∂x ∂y Suy ra (1-2. hiệu. Trong trường hợp này không nên quy tròn số a . Ta có 11 . Công thức (1-2. Mở đầu Trên đây ta đã định nghĩa các loại sai số của một số gần đúng. Do đó các chữ số 3 và 5 là đáng tin.y) Giả sử x là xấp xỉ của giá trị đúng X.1) là công thức quan trọng để tính sai số của hàm hai biến u = f(x. Sai số của tổng Cho u = x ± y. Vấn đề đặt ra là biết sai số của π và d. tích thương biểu diễn hàm hai biến. Theo định nghĩa về sai số tuyệt đối.35 với ∆ a =0. 2. Biết sai số về x và y.4. Một cách tổng quát. Cho a = 0.4 ta có ∆ a ' = ∆ a + θ a ' = 0.2. hãy tính sai số của u.

NCT-FIT-HNUE

Computional methods and Optimization Problems

∂u
∂u
= ±1 .
= 1,
∂y
∂x

Do đó, từ (1.6) suy ra
∆u = ∆ x + ∆ y

(1-2.2)

Như vậy, sai số tuyệt đối của một tổng đại số bằng tổng các sai số tuyệt đối của các số hạng.
Ví dụ 1-2.2. Giả sử x = 3.6 và y = 6.4 là hai số đã được làm tròn. Tính tổng của chúng và xác
định sai số của tổng thu được.

Giải. Vì x và y đã được làm tròn đến một chữ số sau dấu chấm thập phân nên sai số tuyệt đối của
chúng là ∆ x = ∆ y = 0.05. Do đó u = x + y =3.6 + 6.4 =10.0 với sai số tuyệt đối là ∆ u = ∆ x +
∆ y = 0.05 + 0.05 = 0.1, tức là u = 10 ± 0.1.
Chú ý: Xét trường hợp u = x - y và x, y cùng dấu. Lúc đó ta có

δu =

∆ u (∆x + ∆y )
=
u
x− y

Ta thấy rằng nếu | x -y | rất bé thì sai số tương đối rất lớn.
Ví dụ 2-2.2. Giả sử x = 15.29 và y = 15.14 là hai số đã được làm tròn. Xác định sai số tương đối
của x, y và của hiệu hai số trên.

Giải. Ta có hiệu u = x - y = 15.29 -15.14 = 0.15. Do x và y đã được làm tròn đến 2 chữ số sau
dấu chấm thập phân nên sai số tuyệt đối của chúng là ∆ x = ∆ y = 0.005. Vì thế sai số tuyệt đối
của hiệu là ∆ u = ∆ x + ∆ y = 0.01. Do đó sai số tương đối của hiệu là δu = ∆ u/ |u| = 0.01/ 0.15 =

0.005
0.066 trong khi sai số tương đối của x và y tương ứng là δ x = x =
= 0.000327 ,
x 15.29

δy =

∆y
y

=

0.005
= 0.000330 . Rõ ràng là sai số tương đối của hiệu lớn gấp 200 lần sai số tương
15.14

đối của từng số x và y.
Trong tính toán người ta cố gắng tránh việc trừ hai số gần nhau bằng cách biến đổi biểu thức của
hiệu (trong những trường hợp có thể được).
Thí dụ: Để tính hiệu u =
u=

210 − 200 ta có thể biến đổi

( 201 − 200 )( 201 + 200)
( 201 + 200 )

=

1
( 201 + 200 )

2.3. Sai số của tích
Giả sử u = xy. Ta có
∂u
= x.
∂y
Từ (1-1.2) suy ra

12

NCT-FIT-HNUE

Computional methods and Optimization Problems

∆u = y ∆ x + x ∆ y

Do đó

δu =

∆ u ∆x ∆y
=
+
= δx +δy
u
x
y

Vậy

δu = δ x + δ y

(1-2.3)

Ta có quy tắc sau:
Sai số tương đối của một tích bằng tổng các sai số tương đối của các thừa số của tích.
Ví dụ 1-2.3. Giả sử X và Y là hai cạnh của một hình chữ nhật mà độ dài của chúng (tính bằng
cm) được làm tròn đến một chữ số sau dấu chấm thập phân là 15.6 và 8.2. Hỏi giá trị thực sự của
diện tích của hình chữ nhật nằm trong khoảng nào?

Giải: Ký hiệu x = 15.6, y = 8.2. Như vậy x là giá trị gần đúng của X và y là giá trị gần đúng của
Y với sai số tuyệt đối là 0.05. Do đó sai số tương đối của chúng là

0.05
0.05
= 0.0032, δ y =
= 0.0061 . Theo (3-1.2) sai số tương đối của tích là
15.6
8.2
δ u = 0.0032 + 0.0061 = 0.0093 . Vì u = x * y =15.6 * 8.2 =127.92 nên sai số tuyệt đối của u là

δx =

∆ u =| u |δ u = 127.92 * 0.0093 = 1.19 . Do đó, X * Y = 127.92 ± 1.19 , tức là giá trị thực sự của
diện tích của hình chữ nhật nằm trong khoảng từ 126.73 đến 129.11.

2.4. Sai số của thương
Cho u = x / y . Ta có:
∂u 1 ∂u
x
= − 2
= ,
∂x y ∂y
y

Từ (1.6) suy ra
∆u =

Do đó

1
x
∆x + 2 ∆y
y
y

⎞y 1
∆u
1
y ⎛1
x
= ∆ u = ⎜⎜ ∆ x + 2 ∆ y ⎟⎟ = ∆ x + ∆ y .
|u|
x ⎝ y
x
y
y
⎠x

Suy ra:

δx/ y = δx + δ y

(1-2.4)

Ta có quy tắc sau:
Sai số tương đối của một thương bằng tổng các sai số tương đối của số chia và số bị chia.

13

NCT-FIT-HNUE

Computional methods and Optimization Problems

2.5. Sai số của hàm bất kỳ
Cho hàm u = f ( x1 , x 2 ,..., x n ) . Theo công thức vi phân của hàm nhiều biến ta có:
du =

∂u
∂u
∂u
dxn
dx1 +
dx2 + ... +
∂x1
∂x 2
∂x n

Từ đây ta có
∆u ≈

∂u
∂u
∂u
∆xn
∆x1 +
∆x2 + ... +
∂x1
∂x 2
∂x n

Suy ra
∆u =

∂u
∂u
∂u
∆x
∆ x2 + ... +
∆ x1 +
∂x n n
∂x 2
∂x1

(1-2.5)

Ví dụ 1-2.5. Tính sai số tuyệt đối và sai số tương đối của thể tích hình cầu:

V = (1/6)πd3
nếu cho đường kính d = 3.7 ± 0.05 cm và π = 3.14 ± 0.0016.
Giải. Xem π và d là đối số của hàm V, áp dụng (1-2.4) và (1-2.5) ta có
δV = δπ + 3δd

(Hệ số 1/6 không ảnh hương đến sai số tương đối)

δπ = 0.0016/3.14 = 0.0005
δd = 0.05/3.7 = 0.0135
Suy ra δV = 0.0005 + 3 * 0.0135 = 0.04
Giá trị gần đúng của thể tích là V = (1/6)πd3 = 26.5 cm3 . Do đó, ta tính được sai số tương đối
của nó là ∆ V = |V|*δV = 26.5*0.04 = 1.06 ≈ 1.1 cm3. Vì thế
V = 26.5 ± 1.1 cm3.

3. Các loại sai số
3.1. Các loại sai số mắc phải khi giải một bài toán thực tế
Như đã biết, để nghiên cứu một đối tượng thực tế, chẳng hạn một đối tượng vật lý như dòng chảy
trong sông, hiện tượng dẫn nhiệt trong một thanh vật chất, hay một đối tượng kinh tế-xã hội,...
người ta thường xây dựng mô hình toán học của đối tượng và nghiên cứu đối tượng thông qua
mô hình. Do tính chất phức tạp của đối tượng nên người ta không thể đưa hết tất cả các yếu tố
liên quan vào mô hình, mà buộc phải loại bỏ những yếu tố không quan trọng và ảnh hưởng ít đến
đối tượng. Kết quả là người ta chỉ nhận được mô hình toán học phản ánh gần đúng đối tượng cần
nghiên cứu. Sai số mắc phải trong quá trình này gọi là sai số mô hình.
Khi đã có mô hình toán học, thường là các phương trình vi phân, tích phân hoặc phương trình đại
số,... người ta phải giải nó. Nói chung người ta không nhận được lời giải đúng của một bài toán
mà chỉ có thể nhận được lời giải gần đúng bằng một phương pháp nào đấy, thí dụ phương pháp
lặp giải phương trình phi tuyến, phương pháp hình thang tính tích phân,... . Sai số mắc phải khi
14

Trong quá trình tính toán bằng số này không thể tránh khỏi việc làm tròn số.001g Hãy xác định sai số tương đối của phép đo trên.718 thay cho số e. Sau khi đã có phương pháp hoặc thuật toán giải một bài toán cần phải thực hiện nó trên máy tính để có được lời giải số. Hãy quy tròn các số dưới đây (xem là đúng) với ba chữ số có nghĩa đáng tin và xác định sai số tuyệt đối ∆ và sai số tương đối δ của chúng: a) 2. Hãy xác định các giới hạn của R biết sai số tương đối giới hạn của R là 1%.00152281 15 . Thí dụ. Một loại sai số nữa có thể mắc phải khi giải một bài toán thực tế là sai số dữ liệu khi các dữ liệu đầu vào của bài toán nhận được bằng các phép đo đạc hoặc quan sát thực nghiệm hoặc là lời giải gần đúng của một bài toán khác. Sai số xảy ra trong công đoạn này được gọi là sai số tính toán.NCT-FIT-HNUE Computional methods and Optimization Problems phải giải một bài toán bằng phương pháp gần đúng được gọi là sai số phương pháp. Đây là loại sai số mà chúng ta cần quan tâm khi nghiên cứu các phương pháp gần đúng (giải tích hoặc số trị) vì sai số này phản ánh chất lượng của phương pháp và thông qua nó có thể đánh giá được khối lượng tính toán cần thiết để có được lời giải với một độ chính xác cho trước.1514 b) 0.. Lấy a=2. 4. Hãy xác định sai số tương đối. Đánh giá sai số tiên nghiệm là đánh giá sai số nhận được trước khi thực hiện tính toán.718281828459045. 3. Đánh giá sai số hậu nghiệm là đánh giá sai số nhận được sau khi tính toán được nghiệm. 12 và 11 và xác định sai số quy tròn tuyệt đối. để giải một phương trình phi tuyến bằng một phương pháp lặp đơn (xem Chương 3) ta có thể đánh giá được sai số của nghiệm gần đúng nhận được sau n lần lặp theo công thức xn − x * ≤ qn x1 − x0 . x* là nghiệm đúng. sau khi tính được xn theo phương pháp lặp đơn (xem Chương 3) ta có đánh giá hậu nghiệm xn − x * ≤ q x n − x n −1 1− q BÀI TẬP 1. Thí dụ.. 3.01204 d) . Khi xác định hằng số khí của không khí.2. Đo trọng lượng của 1 dm3 nước ở 00 C nhận được: p = 999.0.25. 1− q trong đó 0< q< 1.16152 c) 0.847g ± 0. Hãy quy tròn số e đến chữ số có nghĩa thứ 13. 5. Cho số e = 2. nhận được R =29. Các loại đánh giá sai số phương pháp Sai số của một phương pháp số có thể được đánh giá tiên nghiệm hoặc hậu nghiệm. x0 là xấp xỉ ban đầu. 2.

1) ta được: p(x) = b0xn – b0xn-1x0 + b1xn-1 – b1xn-1x0 + b2xn-1 .bn-1xn-1x0 + bn-2x2 – bn-2 xx0 + bn-1x – bn-1 x0x0 + bn = b0xn + (b1xn-1 – b0xn-1x0) + (b2xn-1 – b1xn-1x0) + … + (bn-2x2 – bn-1xn-1x0) + (bn-1x . n hay bk = ak + bk-1x0. hay bk = ak + ck với ck = bk-1x0 Thuật toán Hoocner tính giá trị các hệ số của đa thức trong (1-2.bn-2 xx0 ) + (bn – bn-1x0) n = b0 x n + ∑ (bk − bk −1 x0 ) x n−k k =1 Vậy ta có đồng nhất thức : n a0 x n + .1) Hệ (2-1. Khai triển (1-1..1. TÍNH GIÁ TRỊ VÀ XẤP XỈ HÀM SỐ 1.1) như sau : ⎧b0 ⎪ ⎨ck ⎪b ⎩ k = a0 = bk −1 x0 ∀k = 1.… .x0) + bn (1-1. + an−1 x + an = b0 x n + ∑ (bk − bk −1 x0 ) x n−k k =1 Đồng nhất hai vế ta có b0 = a0.1) Ta có ngay p(x0) = bn. n = ak + ck (2-1. Tính giá trị hàm số 1. Hơn nữa các số hạng của đa thức thường lớn nên bất lợi trong tính toán.NCT-FIT-HNUE Computional methods and Optimization Problems Chương 2.. Nếu ta phân tích đa thức thành p(x) = (b0xn-1 + b1xn-2 + … + bn-2x + bn-1) ( x . Thuật toán Hoocner tính giá trị đa thức a) Giới thiệu thuật toán Cho đa thức p(x) bậc n có dạng tổng quát: p(x) = a0xn + a1xn-1 + a2xn-2 + … + an-1x + an (a0 ≠ 0) Để tính giá trị p(x0) cần 2n-1 phép nhân và n phép cộng. bk .1) cho thấy chỉ cần tính n phép nhân và n phép cộng và các số hạng tham gia tính toán bé hơn phương pháp tính trực tiếp.1) dưới bảng sau 16 . b) Sơ đồ tính bằng tay Để tính bằng tay.bk-1x0 = ak. ∀ k = 1. ta biểu diễn (2-1.

2.2) thì ta có thể tính gấn đúng n f ( x) ≈ ∑ k =0 f ( k ) ( x0 ) ( x − x0 ) k k! (2-1. Đặt x0 = π/6.2) và ước lượng sai số là : f ( n+1) (c) Rn ( x) = x − x0 (n + 1)! n +1 hoặc trực tiếp ước lượng từ phần dư của chuỗi.2 với n = 1 và x0 = π/6 ta có: f ( 0 ) ( x0 ) f (1) ( x0 ) 0 và f ( x) = ( x − x0 ) + ( x − x 0 )1 = f ( x 0 ) + ( x − x 0 ) f ' ( x 0 ) 0! 1! Thay vào ta có sin 360 = sin (π/ 6 + π/30) = sin (π/6) + (π/30) cos (π/6) + R1 17 . Tính sin 360 Đặt x = 360 = π/ 6 + π/30. Tính hàm nhờ chuỗi lũy thừa Nếu hàm số y = f(x) dễ tính đạo hàm mọi cấp tại x = x0 và biểu diễn hàm dưới dạng chuỗi Taylor dưới đây hội tụ : ∞ f ( x) = ∑ k =0 f ( k ) ( x0 ) ( x − x0 ) k k! (1-1.3x4 + x3 . trong đó c là điểm nào đó giữa x và x0 Ví dụ 1-1.2.NCT-FIT-HNUE Computional methods and Optimization Problems a0 b0 a1 … an c1 … cn b1 … bn x0 p(x0)=bn Ví dụ 1-1.1 Tính f(x) = 2x5 .4x2 + 7x + 8 tại x = 2 như sau 2 2 -3 1 -4 7 8 4 2 6 4 22 1 3 2 11 30 2 p(2)=30 Chú ý: Khi phương trình p(x) = 0 có nghiệm x = x0 thì lược đồ Hoocner cho phép tìm ước của p(x) dưới dạng q(x) = b0xn-1 + b1xn-2 + … + bn-2x + bn-1 1. suy ra x – x0 = π/30 Áp dụng công thức 2-1.

+ R1 trong đó R1 = ⎜ ⎟ ≤ 10 2 ⎝ 30 ⎠ 2 30 2 2. b] ( i = 0. b] .. n) của hàm f (x) . Bài toán nội suy hàm số Một trong các bài toán cơ bản của giải tích số là nội suy hàm số. iii) Ngoài ra. b] . Hàm g(x) được gọi là hàm nội suy.. x1 . b] cho tập các điểm nút a ≤ xo < x 1 <. tức là phân thức đại số .Đa thức đại số .1. 2. Bài toán nội suy hàm một biến số được phát biểu như sau: Trên đoạn [a.một công cụ nội suy kinh điển và một phần về nội suy bởi hàm ghép trơn . b] nếu chỉ biết giá trị của nó tại một số điểm x0 . Các dạng nội suy khác sẽ chỉ được giới thiệu qua.1. Bài toán này thường gặp trong các trường hợp sau : i) Cần phục hồi hàm số f (x) đối với mọi điểm x thuộc khoảng [a.. x n ∈ [a. (i = 0. Đa thức nội suy Lagrange trên mốc không đều 2.Hàm ghép trơn (spline). tức là hàm đa thức từng mẩu. tính tích phân số hoặc tìm gần đúng nghiệm của phương trình. Thiết lập đa thức nội suy Lagrange Đa thức nội suy Lagrange của hàm y = f(x) tại các điểm mốc xi ∈ [a. (i = 0.. Cần xây dựng hàm g (x) dễ tính toán và trùng với hàm f (x) tại các điểm nút trên tức là g ( xi ) = y i .. Những giá trị này thường là các giá trị quan sát. n) cho bởi công thức sau: 18 .1. Khi đó người ta tính gần đúng f (x) tại một số điểm rồi xây dựng một hàm gần đúng với f(x) để tính các giá trị khác.Hàm hữu tỉ. ii) Khi hàm f (x) cho bởi công thức quá phức tạp chẳng hạn x2 3 (x + t) 2 f ( x) = ∫ t dt cos( x ) e + sin( xt ) và cần tính f (x) ∀x ∈ [a. hoặc đo đạc được. Một số dạng hàm g (x) thường được dùng để nội suy hàm số là: . Các điểm nút xi ( i = 0. n ) gọi là các mốc nội suy. nội suy hàm số còn được sử dụng để xây dựng các công thức tính đạo hàm.NCT-FIT-HNUE Computional methods and Optimization Problems 2 = sin c ⎛ π ⎞ 1 π 3 −2 + .công cụ nội suy hiện đại. n) . Nếu không nói rõ hơn ta sẽ ngầm định hiểu đa thức là đa thức đại số.<x n ≤ b và tại các điểm này cho các giá trị y i = f ( xi ). Trong chương này chúng ta chỉ tập trung vào nội suy bởi đa thức đại số .Đa thức lượng giác ..

. dễ thấy rằng ⎧1. a) Nội suy Lagrange bậc nhất Nội suy bậc nhất còn gọi là nội suy tuyến tính.1..1) ta được 19 .xi). 6 2 Giải. Ví dụ 1-2.( xi − xi −1 )( xi − xi +1 ).1) ta thu được (42. x1 = 1 1 và x 2 = .1) Xét hai trường hợp đơn giản của đa thức nội suy Lagrange.xi)) Ta thấy Ln(x) thỏa mãn điều kiện nội suy Ln ( xi ) = f ( xi ). i =0.1) j =0 (Tử số khuyết nhân tử (x .( xi − x n ) j ≠i xi − x j (2-2. 1. i = j li ( x j ) =δ ij= ⎨ ⎩0. ta có hai mút nội suy x 0 và x 1 .. mẫu số khuyết nhân tử (xi .. và L1 ( x) = f ( x0 ) x − x0 x − x1 + f ( x1 ) x0 − x1 x1 − x0 (5-2.( x − xi −1 )( x − xi +1 ). x1 vµ x 2 và L2 ( x) = f ( x0 ) ( x − x0 )( x − x2 ) ( x − x0 )( x − x1 ) ( x − x1 )( x − x2 ) + f ( x2 ) + f ( x1 ) (6-2.( x − x n ) =∏ ( xi − x 0 ).1) b) Nội suy Lagrange bậc hai Khi n = 2 ta có ba nút nội suy x0 .. Ta có bảng giá trị của hàm x 0 1/6 1/2 y 0 1/2 1 Áp dụng công thức (6-2.1) n Ln ( x) = ∑ f ( xi )l i ( x) i =1 Trong đó đa thức li(x) cho bởi công thức li ( x) = n x − xj ( x − x 0 ).1) vào (1-2. Xây dựng đa thức nội suy cho hàm y = sin πx tại các nút x0 = 0. Khi n = 1.NCT-FIT-HNUE Computional methods and Optimization Problems (1-2.1) ( x0 − x1 )( x0 − x2 ) ( x1 − x0 )( x1 − x2 ) ( x2 − x0 )( x2 − x1 ) trong đó y i = f ( xi ). 2. (i = 0..1) Vì khi i = j. Thay (4-2. n) (3-2.1) Thật vậy. Khi i ≠ j thì trên tử số có số hạng dạng (xj ..xj) = 0 (lưu ý rằng tử số chỉ khuyết số hạng xj-xi). thay x ở tử số bởi xi thì tử số giống mẫu số. i ≠ j (4-2..

x n ∈ [a. Ta có bảng các giá trị của hàm y = 3 x tại các điểm đã cho: x -1 0 1 y 1/3 1 3 Theo công thức (6-2. x1 = 0.1. 6 = 7 x − 3x 2 . x 2 = 1.K. 3 − 1.Ln (x) . b] chứa tất cả các nút nội suy xi (i = 0. 2 + 1.NCT-FIT-HNUE Computional methods and Optimization Problems 1 1 1 1 ( x − )( x − ) ( x − 0)( x − ) ( x − 0)( x − ) 1 6 2 + .1) n trong đó M n +1 = max f ( n +1) ( x). n) . (n + 1)! (7-2.(−1 − 1) 1. 1 1 1 1 1 1 1 2 1 2 (0 − )(0 − ) ( − 0)( − ) ( − 0)( − ) 6 2 6 6 2 2 2 6 Ví dụ 2-2. Định lí sau đây cho ta đánh giá đó.1) n trong đó ξ là một diểm phụ thuộc x và thuộc [a .(−1) (1 + 1)(1 − 0) 3 x( x + 1) 1 x( x − 1) = − ( x + 1)( x − 1) + = (2 x 2 + 4 x + 3) 6 2 3 Để tính 3 = 31 / 2 ta xấp xỉ 3 1 2 1 11 ≈ L2 ( ) = . tức độ lệch f (x) . tức là có đạo hàm liên tục đến cấp n+1 trên [a. Giải. L 2 ( x ) = 0. Khi đó sai số nội suy Rn ( x) = f ( x) − Ln ( x) có dạng Rn ( x ) = f ( n +1) (ξ ) ω n +1 ( x). b] có đánh giá f ( x ) − Ln ( x ) ≤ M n +1 ω n +1 ( x) .1. Cho giá trị của hàm y=sin x tại 3 điểm bởi bảng sau: 20 . + 1. 2 6 c) Đánh giá sai số Vấn đề quan trọng đặt ra khi xấp xỉ hàm f (x) tại điểm x bất kì bởi đa thức nội suy là phải đánh giá được sai số. Tìm đa thức nội suy hàm y = 3 x trên đoạn [-1. b] và ω n +1 ( x) = ∏ ( x − xi ) i =0 Hệ quả.1) ta có đa thức nội suy 1 x( x − 1) ( x + 1)( x − 1) ( x + 1)( x − 0) L2 ( x ) = . (n + 1)! (8-2. 1] dựa vào giá trị của hàm tại các điểm x0 = −1. + 3.1 Giả sử hàm số f (x) ∈ C ( n+1) [a. Đối với sai số của đa thức nội suy Lagrange cho hàm f(x) tại các mút x. và ω n +1 ( x) = ∏ ( x − xi ) i =0 a ≤ x ≤b Ví dụ 3-2. b] . Định lý 4. Sử dụng đa thức này tính gần đúng 3.2. x0 .

π π π π π π ( − ) ( − ) 4 4 2 2 2 4 Ta có sin π 2 ) π ≈ L2 ( ) ≈ 0. . x1 = 0. Cho hàm f (x) bởi công thức f (x) = x . b].024 Chú ý.707. Khi đó đa thức nội suy hàm f (x) tại các điểm x0 = −1.851.024 6 216 3 3 sin π 3 =0. Để đánh giá sai số f ( x) − L2 ( x) ta không thể áp dụng công thức (8-2.707 2 1 nhờ đa thức nội suy và đánh giá sai số. Ví dụ 4-2. Công thức đánh giá sai số (4. − = . Trong trường hợp này cần phải xem xét bài toán cụ thể. 3 3 3! 3 Dễ tính được M 3 = max y ' ' ' ( x) = max cos x = 1.8) được thiết lập với giả thiết f ( x) ∈ C ( n+1) [a.1. 3 3 4 3 2 216 π π 1 π3 − L2 ( ) ≤ × = 0. Giải. 3 3 Theo công thức (8-2.1) vì hàm f (x) không có đạo hàm tại x = 0. + 1. 1] như sau max f ( x) − L2 ( x) = max x − x 2 = max x − x 2 = x ≤1 x ≤1 x ≤1 21 1 4 . Nếu điều kiện trên không thoả mãn.1) sin π M π π − L2 ( ) ≤ 3 ω 3 ( ) .851 ± 0. Nhưng ta có thể đánh giá được sai số nội suy trên đoạn [-1. Đa thức nội suy hàm y=sin x xây dựng theo các điểm đã cho là x( x − π x( x − π ) 4 L2 ( x) = 0. tức là khi hàm f (x) không có đủ độ trơn cần thiết thì ta không thể nói gì về sai số nội suy cả.NCT-FIT-HNUE Computional methods and Optimization Problems x 0 y 0 Tính gần đúng sin π 3 π π 4 0. ω3 ( ) = 3 Do đó sin Như vậy. x 2 = 1 là đa thức L2 ( x ) = x 2 . 0≤ x ≤ π 0≤ x ≤ 2 π 2 π π π π π π π3 − .

.. for i = 0 Æ n 2.. n) output: y là giá trị của hàm tại x Algorithm: 1..t xi − x0 = h. xi − xi −1 = h x − xi +1 = h(t − (i + 1)) xi − xi +1 = − h . x − xi −1 = h(t − (i − 1)) . khi đó : h x − x0 = h.1. x − xn = h(t − n) . . y = y + yi*P 3.xj) 2. xi. y i ) .2) hay 22 . (i = 0. Tính giá trị của đa thức nội suy Lagrange Ln (x) tại điểm x cho trước theo công thức n n i =0 j ≠i j =0 y = Ln ( x ) = ∑ y i ∏ x − xj xi − x j input: x.2.(t − (i − 1))(t − (i + 1))..NCT-FIT-HNUE Computional methods and Optimization Problems 2.. yi (i = 0. P = 1.. Khởi tạo y = 0 2.2.xj) / (xi .3.. n) . Thuật toán nội suy Lagrange Bài toán: Cho bảng các giá trị ( xi .. Đặt t = x − x0 ..2..(t − n) i (i − 1).(n − i ) (1-2.1) có dạng li ( x0 + ht ) = t (t − 1). xi − x n = − h ( n − i ) Do đó đa thức li (x) trong công thức (2-2. /* P chính là đa thức li */ 2.2) li ( x0 + ht ) = t (t − 1). for j = 0 Æ n if (j ≠ i) P = P * (x . . n ) cách đều một khoảng h.1.. Đa thức nội suy Lagrange với mốc cách đều Giả sử hàm f(x) nhận các giá trị yi tại các điểm tương ứng xi ( i = o..1..2..(−1) n−i ..(t − n) (t − i )i!(n − i )!(−1) n−1 (2-2.. return y 2..i x − x1 = h(t − 1) xi − x1 = h(i − 1) .1.

x1 .C 22 ⎞ ⎟⎟ ⎜⎜ L2 (2t ) = − + 2! ⎝ t − 0 t −1 t − 2 ⎠ 4 1 ⎞ t (t − 1)(t − 2) ⎛ 5 + ⎜ + ⎟ 2 ⎝ t t −1 t − 2 ⎠ 1 = (10t 2 − 24t + 10) = 5t 2 − 12t + 5 2 = 2.1).(t − n) n (−1) n−1 f ( xi )C ni ∑ n! (t − i ) i =0 (4-2. < x n =b là tập các điểm nút..Tỷ sai phân bậc 2 của hàm f (x) tại xi . 2. x k ) xi − x k . Tiếp theo giả sử a= x0 < x1 < .2.2..Tỷ sai phân bậc 1 của hàm f (x) tại xi và x j là f ( xi . x j ) − f ( x j . Đó là công thức nội suy Newton.Một cách tổng quát. Đa thức nội suy Newton trên mốc không cách đều Đa thức nội suy Lagrange (1-2. Đây là nhược điểm rất lớn của đa thức nội suy Lagrange. x k +1 là 23 xi − x j ... Khái niệm tỷ sai phân Giả sử f (x) là một hàm số xác định và liên tục trong đoạn [a. như ta đã thấy rất đơn giản và dễ tính nếu các nút nội suy đã được cố định...2) Ví dụ 1-2.. Để khắc phục nhược điểm này người ta tính đa thức nội suy theo một cách khác hiệu quả hơn. . x k ) = f ( xi . x j .. Tìm hàm nội suy cho hàm f(x) thỏa mãn : xi 0 2 4 f(xi) 5 -2 1 Giải: Áp dụng công thức (4-2. x j .1) trong trường hợp mốc cách đều một khoảng h có dạng : (−1) n−1 f ( xi ) Ln ( x0 + ht ) = t (t − 1).. x j ) = f ( xi ) − f ( x j ) .3.1. tỷ sai phân bậc k của f tại x0 . tại đó cho trước giá trị của hàm. Ta định nghĩa: .3. Nhưng nếu như ta bổ sung thêm nút nội suy thì quá trình tính lại phải thực hiện lại từ đầu.NCT-FIT-HNUE Computional methods and Optimization Problems Vậy công thức nội suy Lagrange (1-2.2) ta có t (t − 1)(t − 2) ⎛ 5C 20 − 2C 21 1.. b] .Tỷ sai phân bậc 0 của hàm f (x) tại xi là f ( xi ) . x k là f ( xi .2) hay Ln ( x0 + ht ) = t (t − 1).(t − n)∑ i = 0 (t − i )i!( n − i )! n (3-2. ta cần đến khái niệm tỷ sai phân đối với các mốc không đều và khái niệm sai phân đối với mốc cách đều. Để xây dựng công thức này.

x n −1 ) = Pn ( x0 . x0 . x1 .. xk −1 ) − f ( x1 . vì Px ( x. x1 ....( x − x n −1 ) f ( x 0 .3) . x 0 .. Kết luận này dễ chứng minh dựa vào định lý Bezout...... x1 . (i = 0.. Pn ( x.. x0 ). x n ) = 0. x1 ) là một đa thức bậc n-2. x2 ) ....( x − x n −1 ) Pn ( x0 ... x0 . x 2 ). f ( xi . x0 . x1 ) x − x1 Pn ( x. f ( x0 .P( x.... x1 . x k −1 .. x0 ) = Pn ( x 0 ... ii) Nếu Pn (x) là đa thức bậc n thì tỷ sai phân bậc nhất Pn ( x... xn−1 ) − ( x − xn−1 ).. x k ) = f ( x k . x 2 ). x1 .3) của hàm f (x) tại các nút x0 ... xn−1 ) = Pn ( x0.. xn−1 ) Pn ( x.3..2.3..Pn ( x. x1 ) = Pn ( x0 .. n) thì công thức (4.... xk ) = f ( x0 .. x0 . x0 ) là một đa thức bậc n-1.0 = Pn ( x0.....NCT-FIT-HNUE Computional methods and Optimization Problems f ( x0 . x1 ) vì P ( x. x0 ) − P( x0 .. x1 .. x0 ).Pn ( x... x k ) = f ( x k ... x0 . x1 ) + ( x − x 0 )( x − x1 ) f ( x 0 . x1 . x n ) = 0 ta được Pn ( x) = Pn ( x 0 ) + ( x − x0 ) Pn ( x 0 .. x1 . + ( x − x0 )( x − x1 )... Đa thức nội suy Newton trên mốc không cách đều Từ định nghĩa các tỷ sai phân suy ra Pn ( x) = Pn ( x 0 ) + ( x − x0 )... x n ) = Pn ( x0.. x0 ) = p ( x ) − p ( x0 ) x − x0 Pn ( x.. . x1 ) = P ( x.... x n tức là Pn ( xi ) = f ( xi ).. và tỷ sai phân bậc n + 1 của Pn(x) là đa thức Pn ( x... x j ... xi ) .. 2.. x1 ) + ( x − x1 ). tỷ sai phân bậc hai Pn ( x... x0 .. x1 .. xk ) x0 − x k Dễ thấy rằng tỷ sai phân có các tính chất sau: i) Thứ tự các nút trong tỷ sai phân có thể đảo ngược.Pn ( x.... nếu Pn (x) là đa thức nội suy (1-2. x n ) hay 24 (2-2. . x 0 . + ( x − x0 )( x − x1 ). x j . x1 ... x1 ) + ( x − x0 )( x − x1 ) Pn ( x0 . x1 . x n ) + ( x − x n ). x2 ) − ( x − x2 )..Pn ( x. x 0 .... xn ) Từ các hệ thức trên và để ý rằng Pn ( x... x0 . x j ) = f ( x j ... x 0 ..... x1 .1) có thể viết thành Pn ( x) = f ( x0 ) + ( x − x0 ) f ( x0 . xn ) − ( x − xn−1 ).. x n ) Bây giờ. xi ) . x1 . x2 . tỷ sai phân bậc n của Pn(x) là đa thức bậc 0..... x1 .. chẳng hạn f ( xi . x1 ......

s. x0 .s.3) hay (3-2.3) được gọi là đa thức nội suy Newton (tiến) xuất phát từ nút x0 . Việc tính toán đa thức nội suy theo các công thức trên khắc phục được nhược điểm của cách tính theo công thức Lagrange (1-2. x 0 . x n ) Để ý đến (2-2. x1 . Sau khi đã tính được các tỷ sai phân..x3) f(x2.. có thể thu được f ( x) = f ( x0 ) + ( x − x 0 ) f ( x 0 . x1 .( x − x n ) f ( x...x4) x2 f(x2) f(x2.3. Nó trùng với đa thức nội suy Lagrange (vì đa thức nội suy là duy nhất) nhưng được viết trong dạng khác.x3..3.]]] 2.x2. x1 .x2.x1..x3) f(x1.... x1 ) + ( x − x 0 )( x − x1 ) f ( x 0 .3...x2) f(x1. (4-2.3.2) người ta lập bảng sau (thí dụ cho n=4) x f(x) T.x3.1) vì khi bổ sung các nút nội suy mới chỉ cần tính thêm một số số hạng mới cộng vào tổng cũ. x n ) .x2. P ( x) = f ( x0 ) + ( x − x 0 )[ f ( x0 .... x 2 ).3) n Pn ( x) = f ( x0 ) + ∑ ( x − x0 )( x − x1 ).s..x4) x1 f(x1) f(x1. x3 ) + ..3) trong đó n ω n +1 ( x) = ∏ ( x − xi ) (5-2. x1 ...4. Nhận xét 2...p bậc 4 x0 f(x0) f(xo....x2) f(x0.p) trong công thức của đa thức nội suy Newton (4. x1 .s. x0 .s. Từ đây suy ra biểu diễn sai số của đa thức nội suy Newton f ( x) − Pn ( x) = ω n +1 ( x) f ( x...x3. x1 ) + ( x − x1 )[ f ( x 0 ...x3) f(x0. x1 . xi ) i =1 Đa thức Pn (x) dạng (2-2.p bậc 2 T.x1.x1.p bậc 3 T... + ( x − x0 ). x 2 ) + ( x − x 2 )[ f ( x0 . Sơ đồ tính tỷ sai phân và đa thức newton mốc không đều Để tính các tỷ sai phân (t.3) ta viết được f ( x) = Pn ( x) + ω n +1 ( x) f ( x.( x − xi −1 ) f ( x0 . Đánh giá sai số của nội suy Newton mốc không đều Từ định nghĩa của các tỷ sai phân viết cho hàm f (x) . Nhận xét 1.. x n ) .NCT-FIT-HNUE Computional methods and Optimization Problems (3-2.x1) f(x0..3) i =0 2.( x − x n −1 ) f ( x0 .. tương tự như trong tiểu mục trước. để tính đa thức nội suy Newton một cách hữu hiệu người ta thường dùng lược đồ Horner.x4) x4 f(x4) 25 . x1 . x n ) + ( x − x 0 ).x4) x3 f x3) f(x3..x2.pbậc 1 T..

x4 ) 2 3 11 P4 ( x) = 1 + x ⋅ 1 + x( x − 2) ⋅ (− ) + x( x − 2)( x − 3) ⋅ + x( x − 2)( x − 3)( x − 5) ⋅ (− ) 3 10 120 11 4 73 3 601 2 413 =− x + x − x + x + 1. x2 . for i = 1 Æ n 2.1. 2) Sử dụng đa thức nội suy nhận được tính gần đúng f (1. 2.3.s. Thuật toán nội suy newton trên mốc không đều Nhìn vào bảng tỷ sai phân và công thức nội suy Newton (3-2.2. x3 .5.25) Giải. x1 . tich = 1.i fj = (fj+1 .9312.xj) 2.fj) / (xj+i . n) output: y là giá trị của hàm f(x) tại một điểm trong khoảng chứa các mốc nội suy Algorithm 1.25) = 3. x3 ) + ( x − x0 )( x − x1 )( x − x2 )( x − x3 ) f ( x0 . xi. Khởi tạo y = f0.3.xi-1). for j = 0 Æ n . x1 .25) ≈ P4 (1. x1 ) + ( x − x0 )( x − x1 ) f ( x0 . 26 . 120 60 120 60 2) Khi đó f (1.NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 1-2.s.s.s.pbậc 1 T. tich = tich * (x .p bậc 2 T. 2.3) ta có P4 ( x) = f ( x0 ) + ( x − x0 ) f ( x0 .p bậc 4 0 1 1 -2/3 3/10 -11/120 2 3 -1 5/6 -1/4 3 2 3/2 -1/6 5 5 1 6 6 Theo công thức (3-2.p bậc 3 T. fi (i = 0. x1 . 1) Lập bảng tỷ sai phân x f(x) T. Cho bảng giá trị của hàm số y = f (x) x 0 2 3 5 6 f(x) 1 3 2 5 6 1) Xây dựng đa thức nội suy Newton tiến xuất phát từ nút x0 = 0 của hàm số y = f (x) . x2 ) + ( x − x0 )( x − x1 )( x − x2 ) f ( x0 .3) dễ thấy rằng việc tính giá trị của đa thức Newton tại điểm x có thể mô tả bởi đoạn mã sau: input: x. x2 .

. 2..4.3) hoặc (3-2.3.4..3) ở mục trước biểu diễn tỷ sai phân qua sai phân theo công thức (1-2. Đánh giá sai số của nội suy Newton mốc cách đều Sai số (hay phần dư) của đa thức nội suy này đã chứng minh được có dạng f ( n +1) (ξ ) f ( x0 + th) − Pn ( x 0 + th) = t (t − 1)..4) 2. tức là xi = x0 + ih .3. dễ chứng minh được f ( x 0 .4) . Đa thức nội suy Newton trên mốc cách đều Trong công thức của đa thức nội suy Newton (2-2.NCT-FIT-HNUE Computional methods and Optimization Problems 2.1.Ta định nghĩa sai phân cấp một của hàm f (x) nh sau: • Sai phân cấp một tại nút xi là ∆f i = f i +1 − f i .4. 2. Trong trường hợp này việc tính đa thức nội suy trở nên dễ dàng hơn nhờ các sai phân..4..(t − n)h n +1 (n + 1)! 27 (3-2.2. = 1 x0 − x1 x1 − x 0 h Một cách tổng quát. • Sai phân trung tâm cấp một δf i +1 / 2 = f i +1 − f i = f i1+1 / 2 . n) . xi ) = ∆i f 0 (i = 1.h ta thu được t (t − 1) 2 t (t − 1). (i = 1. Khái niệm sai phân Giả sử cho các giá trị f i = f ( xi ) của hàm f (x) .) 2.(t − i + 1) i = f0 + ∑ ∆ f0 i! i =1 Pn ( x0 + th) = f 0 + t∆f 0 + (2-2. ∆2 f i = ∆(∆f i ) = ∆f i +1 − ∆f i = ( f i + 2 − f i +1 ) − ( f i +1 − f i ) = f i + 2 − 2 f i +1 − f i ... Từ các định nghĩa sai phân và tỷ sai phân ta có f ( x 0 . Đa thức nội suy Newton trên mốc cách đều Giả sử các nút nội suy xi cách đều nhau một khoảng là h. Ví dụ 1-2.4.. return y. x1 ) = f 0 − f1 f − f 0 ∆f 0 = . x1 . n) .. + n! 2! n t (t − 1).(t − n + 1) n ∆ f0 ∆ f 0 + . i!h i (1-2..4) Đây chính là công thức của đa thức nội suy Newton trên mốc cách đều (thường được dùng để nội suy hàm số đối với những giá trị của x ở vùng đầu bảng tức là gần x0.. y = y + tich * f0. 2.4) và đặt x = x0 + t. Sai phân cấp cao hơn được định nghĩa qua sai phân cấp thấp hơn như sau • ∆k f i = ∆ (∆k −1 f i ) .

NCT-FIT-HNUE

Computional methods and Optimization Problems

2.4.4. Sơ đồ tính sai phân với mốc cách đều

Để tính các sai phân tiến làm hệ số trong đa thức Newton ta lập bảng các sai phân (thí dụ cho n =
4)
x

f

∆f

∆2f

∆3f

∆4f

x0

f0

∆f0

∆2f0

∆3f0

∆4f0

x1

f1

∆f1

∆2f1

∆3f1

x2

f2

∆f2

∆2f2

x3

f3

∆f3

x4

f4

Ví dụ 2-2.4.

Cho bảng các giá trị của hàm y=f(x):
x

0

1

2

3

y

1

0

1

10

Xây dựng đa thức nội suy Newton xuất phát từ x0 = 0, rồi dùng đa thức này tính gần đúng f(0,5).
Giải. Lập bảng các sai phân
x

f

∆f

∆2f

∆3f

0

1

-1

2

6

1

0

1

8

2

1

9

3

10

Do x0 = 0 và h = 1 nên x = t. Theo công thức (2-2.4) ta có
t (t − 1)
t (t − 1)(t − 2)
⋅2+
⋅6
2
6
= 1 − t + t (t − 1) + t (t − 1)(t − 2).

P3 (t ) = 1 + t ⋅ (−1) +

Vì thế f (1 / 2) ≈ P3 (1 / 2) = 0,625 .
2.4.5. Thuật toán nội suy newton trên mốc cách đều

Dưới đây là tính giá trị của hàm cần nội suy tại điểm x thuộc các mốc nội suy. Khác với tính đa
thức Newton trên lưới không đều, ở đây ta chỉ cần một mảng fi (i = 0, n) . Từ bảng sai phân và
công thức nội suy Newton (2-2.4) ta đi đến đoạn mã giả sau
input: x0, x, h, fi (i = 0, n)
output: y là giá trị của hàm tại điểm x
Algorithm:

28

NCT-FIT-HNUE

Computional methods and Optimization Problems

1. Khởi tạo :

t = (x - x0)/h;
y = f0; tich = 1;

2. for i =1 Æ n
2.1. for j = 1 Æ n - i
fj = fj+1 - fj
2.2. tich = tich * (t - i + 1)/i;
2.3. y = y + tich * f0;
3. return y;

2.5. Nội suy tổng quát (nội suy Hermit)
Mục này giới thiệu sơ lược bài toán nội suy đa thức cho hàm số một cách tổng quát.
Giả sử trên đoạn [a, b] thuộc miền xác định của hàm số f ( x) cho m + 1 nút phân biệt
x0 , x1 ,..., xm và giả sử tại các nút đó ta biết các giá trị của hàm số và giá trị của đạo hàm của nó
đến một cấp nào đó (cấp cao nhất của đạo hàm tại mỗi nút có thể khác nhau). Chẳng hạn,

tại x0 biết f ( x0 ), f '( x0 ),..., f ( k0 ) ( x0 ),

tại x1 biết f ( x1 ), f '( x1 ),..., f ( k1 ) ( x1 ),

..............................

tại xm biết f ( xm ), f '( xm ),..., f ( km ) ( xm ) .

Số ki được gọi là bội của nút xi (i = 0,1,..., m).
Giả sử rằng tổng bội của tất cả các nút là k0 + k1 + ... + km = n + 1. Cần xây dựng đa thức H n ( x)
bậc n sao cho
H n( j ) ( xi ) = f n( j ) ( xi )

(i = 0, m, j = 0, k i )

(1-2.5)

Ta sẽ gọi đa thức H n ( x) là đa thức nội suy trên nút bội (hay đa thức Hermit) của hàm f ( x) .
Một cách hình thức, việc tìm đa thức này chính là xác định n + 1 hệ số a0 , a1 ,..., an của biểu diễn
n

H n ( x) = ∑ a k x k = a 0 + a1 x + ... + a n x n

(2-2.5)

k =0

từ hệ n + 1 phương trình n + 1 ẩn số:
H n ( x0 ) = f ( x0 ), H n '( x0 ) = f '( x0 ), ..., H n
H n ( x1 ) = f ( x1 ), H n '( x1 ) = f '( x1 ), ..., H n
.........

( k0 )

( k1 )

.........

( x0 ) = f ( k0 ) ( x0 ),

( x1 ) = f ( k1 ) ( x1 ),
.........

H n ( xm ) = f ( xm ), H n '( xm ) = f '( xm ), ..., H n

( km )

(3-2.5)

( xm ) = f ( km ) ( xm )

Người ta đã chứng minh được rằng hệ phương trình trên có duy nhất một nghiệm tức là đa thức
nội suy Hermit tồn tại và duy nhất. Ngoài ra, sai số của đa thức này cho bởi công thức sau
29

NCT-FIT-HNUE
f ( x) − H n ( x) =

Computional methods and Optimization Problems

f ( n +1) (ξ )
( x − x0 ) k0 ( x − x1 ) k1 ...( x − x m ) k m
(n + 1)!

(ξ ∈ [a, b])

(6-2.5)

3. Xấp xỉ bình phương cực tiểu
3.1. Phương pháp chung

Giả sử người ta thu thập được số liệu thực nghiệm về sự phụ thuộc của hai đại lượng (vật lý, hoá
học, kinh tế,...) x và y trong bảng sau
x

x1

x2

...

xn

y

y1

y2

...

yn

Bài toán đặt ra là xác định sự phụ thuộc hàm số giữa x và y, tức là tìm hàm y = f(x). Nói chung,
người ta không thể tìm được hàm đúng với tất cả các điểm (xi, yi), mà chỉ mong muốn tìm một
hàm trơn tru và lệch ít nhất so với số liệu thực nghiệm. Thông thường người ta có thể dự đoán
dạng của hàm f(x), chẳng hạn
y = a + bx,
y = a + bx + cx2
y = a + b cos (x) + c sin (x)
y = aebx
y = axb
nhưng chưa biết giá trị cụ thể của các tham số. Để tìm các tham số người ta sử dụng phương
pháp dưới đây có tên gọi là phương pháp bình phương cực tiểu.
Giả sử dạng phụ thuộc hàm số giữa x và y là
y = Q(x, a0, a1,..., am),

(1-3.1)

trong đó a0, a1,..., am là các tham số cần tìm. Các tham số này được chọn sao cho tổng bình
phương các độ lệch của hàm Q tại các điểm xi so với các giá trị thực nghiệm yi là bé nhất. Nói
cách các tham số cần được chọn sao cho tổng bình phương các sai số bé nhất, tức là hàm
2

n

S (a0 , a1 ,..., am ) = ∑ [Q( x, a0 , a1 ,..., am ) − yi ]

(2-3.1)

i =1

đạt min. Điều kiện cực trị của hàm S là

∂S
= 0, i = 0,..., m .
∂ai

(3-3.1)

Các điều kiện trên lập thành hệ phương trình để tìm các tham số a0, a1,..., am.
3.2. Một số dạng hàm cụ thể.
i) Dạng hàm tuyến tính y = a + bx.

Khi đó (2-3.1) có dạng
30

b và c phải thoả mãn hệ phương trình ( ) ( ) ( ) n ⎧ ∂S 2 2 y i − a − bxi − cxi (−1) = 0 = ∑ ⎪ ∂a i =1 ⎪ n ⎪ ∂S 2 2 y i − a − bxi − cxi (− xi ) = 0 = ⎨ ∑ ⎪ ∂b i =1 n ⎪ ∂S 2 2 2 y i − a − bxi − cxi (− xi ) =0 = ⎪ ∑ ⎩ ∂c i =1 Rút gọn ta được 31 .2) bé nhất a.2) hay từ hệ phương trình ⎧n ⎪∑ 2( yi − a − bxi )(−1) = 0 ⎪ i =1 ⎨n ⎪ 2( y − a − bx )(− x ) = 0 i i i ⎪⎩∑ i =1 Rút gọn ta được n n ⎧ na ( x ) b + = ∑ i ∑ yi ⎪ ⎪ i =1 i =1 ⎨ n n n ⎪( x )a + ( x 2 )b = x y ∑ i ∑ i i i ⎪⎩ ∑ i =1 i =1 i =1 (3-3. Giải hệ này ta nhận được a và b phải tìm. ii) Dạng hàm bậc hai y = a + bx + cx2. b) = ∑ ( yi − a − bxi ) (1-3. Trong trường hợp này để n ( S (a. c) = ∑ yi − a − bxi − cxi i =1 ) 2 2 (4-3.2) Đây là một hệ hai phương trình với hai ẩn số a và b. b.2) i =1 Các hệ số a và b tìm từ điều kiện ⎧ ∂S ⎪⎪ ∂a = 0 ⎨ ⎪ ∂S = 0 ⎪⎩ ∂b (2-3.NCT-FIT-HNUE Computional methods and Optimization Problems 2 n S (a.

65 0. Cho biết các cặp giá trị của x và y theo bảng sau x 0.92 0. Như vậy bằng cách lấy logarit hai vế ta đã đưa quan hệ phi tuyến đối với a và b về dạng tuyến tính đối với A và b. a>0.35 3. Khi đó ta có Y=A+bX.96 1.58 Tìm hàm nội suy hàm ẩn trên.NCT-FIT-HNUE Computional methods and Optimization Problems n n n ⎧ 2 + + = na ( x ) b ( x ) c ∑ i ∑ i ∑ yi ⎪ i =1 i =1 i =1 ⎪ n n n n ⎪ 2 3 ⎨(∑ xi )a + (∑ xi )b + (∑ xi )c = ∑ xi yi i =1 i =1 i =1 ⎪ i =1 n n n ⎪ n 2 3 4 2 + + = ( x ) a ( x ) b ( x ) c ⎪∑ i ∑ i ∑ i ∑ xi y i i =1 i =1 i =1 ⎩ i =1 (5-3.15 y 0. Đặt Y = lny.06 0.89 i =1 i =1 i =1 i =1 Áp dụng công thức (6-4.46 và n = 5 5 5 5 5 ∑ Xi ∑ X i2 ∑ X iYi ∑Y 4. Tìm A và b như trong trường hợp hàm tuyến tính ta sẽ tìm được a = eA. A = lna. A = ln a . Ta có y = aebx Lấy logarit cơ số e hai vế : ln y = ln a + bx Đặt Y = Ln y . Lấy logarit hai vế ta được lny = lna + blnx. iii) Dạng hàm mũ y = aebx. b và c. Khi đó ta có Y=A+bx. Như vậy bằng cách lấy logarit hai vế ta đã đưa quan hệ phi tuyến đối với a và b về dạng tuyến tính đối với A và b.75 0.75 0. X = lnx.6) ta có hệ 32 i . X = X Ta đưa về dạng Y = A + BX Xi = xi 0.85 0.85 0. b và c phải tìm. Đặt Y = lny.06 1.93 0. Giải hệ này ta nhận được a.65 0.15 Yi =ln yi -0.29 1.95 1.2.2) Đây là một hệ ba phương trình với ba ẩn số a.25 0. iv) Dạng hàm y = axb. Ví dụ 1-3. Lấy logarit hai vế ta được lny = lna + bx. Tìm A và b như trong trường hợp hàm tuyến tính ta sẽ tìm được a=eA.95 1.18 0. A = lna.04 0.17 1. Lấy hàm nội suy có dạng y = aebx Giải.

2240 2. 3 8.89 ⎧5 A ⎨ ⎩4. Dân số của một quốc gia qua điều tra được cho trong bảng sau Năm 1960 1970 1980 1990 2000 Dân số (triệu người) 45 50. ξ = 0. B= 1.5 54 60. Tìm đa thức bậc ba nội suy tốt nhất cho hàm : (i) f ( x) = 2 x trên đoạn [-1.NCT-FIT-HNUE Computional methods and Optimization Problems 5 ⎧ + nA ( X i )B = ∑ ⎪⎪ i =1 ⎨ 5 5 ⎪(∑ X i )A + (∑ X i2 ) B = ⎪⎩ i =1 i =1 5 ∑Y 5 i =1 i ∑XY i =1 i i + 4.5 64 Hãy ước lượng dân số của quốc gia này năm 1975.35 A + 3.2894 Dùng đa thức nội suy Newton trên lưới đều tính 4. (ii) f ( x) = sin( x) trên đoạn [0.5 (cho e≈2. π/2].93B = 0. b = B = 1 Vậy đa thức nội suy là g(x) = 1 x e 2 BÀI TẬP 1. ξ = π / 6 c) f(x)=2x trên đoạn [-1.92 Giải hệ trên ta được A = -0. 33 .7183) 3. π/2].1544 2. Do đó a = eA = 1/2.5 và đánh giá sai số.0800 2. Hãy tính gần đúng giá trị của hàm tại điểm ξ và đánh giá sai số a) f(x)= cos(x) trên đoạn [0. Hàm f(x) được xấp xỉ bởi đa thức nội suy Lagrange tại ba điểm cách đều nhau trên đoạn cho trước.5 d) f(x)=ex trên đoạn [-1. 5.69. ξ = π / 12 b) f(x)=xcos(x) trên đoạn [0. ξ = 0. π /2]. Cho 3 x bởi bảng sau x 3 x 8 9 10 11 12 2 2.35B = 0.414 2 3 và đánh giá sai số. Dùng các giá trị dưới đây của x x x 1 2 4 1 1. 1]. 1]. tính gần đúng 2. 1].

− 2 ). -2). Về sự tồn tại duy nhất nghiệm Nếu hàm f(x) liên tục và đơn điệu (tăng/giảm) trong khoảng [a. 3). do đó các khoảng trên là khoảng phân ly của 3 nghiệm của phương trình (1). Tiếp theo. m = f ( 2) < 0 . Phương pháp giải tích dựa trên việc khảo sát sự biến thiên của hàm số và định lý 2-1. Xét phương trình f ( x) = x 3 − 6 x + 2 = 0 (1) Ta có f'(x) = 3x2 . f'(x) = 0 Ù x = ± 2 . +∞) và giảm trong khoảng ( − 2 . Lập bảng biến thiên của hàm f(x) -∞ x f'(x) − 2 + 0 - 0 + +∞ M > 0 f(x) +∞ 2 -∞ m < 0 Ta thấy f(-∞) < 0. Một phương trình có thể có nhiều nghiệm số (thực).cos x = 0 (2) 34 . M = f (− 2 ) > 0. Định lý 2-1. Ví dụ 2-2. Xét phương trình f(x) = 2x . f(∞) > 0 và f(x) tăng trong các khoảng (-∞. 1) và (2.f(b) < 0 thì (a. Trước khi đi tìm xấp xỉ các nghiệm này ta cần phải phân ly chúng. 2 ). Định lý 1-1 Về sự tồn tại nghiệm Giả sử f(x) là hàm số liên tục trên đoạn kín [a. Xét phương trình: f(x) = 0 (1-1) Ta gọi x* ∈ D là nghiệm của phương trình (1-1) nếu f(x*) = 0. Khi đó trong khoảng (a.1. Ví dụ 1-1.NCT-FIT-HNUE Computional methods and Optimization Problems CHƯƠNG 3 GIẢI GẦN ĐÚNG PHƯƠNG TRÌNH PHI TUYẾN 1. ta có thể thu hẹp khoảng phân ly của các nghiệm thành (-3. Phân ly nghiệm của phương trình có thể thực hiện bằng hai phương pháp: phương pháp giải tích và phương pháp đồ thị.6. tức là f(a)f(b) < 0 . b) tồn tại ít nhất một điểm x* sao cho f(x*)=0. ( 2 . nghĩa là tìm các khoảng sao cho mỗi khoảng chỉ chứa một nghiệm. (0. b) chỉ chứa một nghiệm x* của phương trình (1-1) thì ta gọi khoảng (a. b) là khoảng phân ly của nghiệm x*. Định nghĩa 1-1 Nếu khoảng (a. b) là khoảng phân ly của một nghiệm của phương trình f(x) = 0. b] và f(a). b] và nhận giá trị trái dấu tại các điểm mút a và b. Nghiệm và khoảng phân ly nghiệm Cho f(x) là một hàm số xác định và liên tục trong miền D của trục số thực.

6 y=1/2*cos(x) 0. b1 = b0.4 1.5 pi/2 Hình 1-2.8 Nếu khoảng phân ly (a. b) là khoảng phân ly của nghiệm x* của phương trình f(x). Mô tả phương pháp Giả sử (a. Chia đôi khoảng [a0.3. bn) với độ rộng 35 . b0). do đó ta đặt a1 = a0.2. 0.f(b0) < 0 thì nghiệm nằm trong khoảng (x0. Đặt a0 = a.1. b) của một nghiệm x* của phuơng trình là khá nhỏ thì ta có thể coi điểm bất kỳ trong khoảng này là xấp xỉ của x*. b0 = b. Ta sẽ thu hẹp khoảng phân ly của x* bằng cách liên tiếp chia đôi khoảng phân ly mới tìm được cho đến khi độ rộng của khoảng phân ly nhỏ hơn sai số ε cho trước.f(a0) < 0 thì nghiệm nằm trong khoảng (a0. 2 2. sau n lần chia đôi hoặc ta thu được xn-1 là nghiệm đúng hoặc ta thu được khoảng phân ly (an.1. b0] bởi điểm giữa x0 = a 0 + b0 2 2. Lại xét phương trình (2). h(x) nếu phương trình g(x) = h(x) tương đương với phương trình đã cho.2 y=x 1 0.4 0. x0).1. Phương pháp đồ thị tìm khoảng phân ly của các nghiệm của phương trình f(x) = 0 dựa trên việc xác định các khoảng chứa các điểm cắt của đồ thị của hàm số y = f(x) với trục hoành hoặc hoành độ của các điểm cắt nhau của hai đồ thị g(x). Bước 2.1 2. Bước 1. Lặp các công việc sau đây: 2. Nhìn vào hình vẽ ta thấy khoảng phân ly của nghiệm duy nhất của phương trình (2) là (0. Ví dụ 3-1.5 1 1.1. Do đó (0. (iii) Nếu f(x0).cos 1 > 0.6 1. b1 = x0. (ii) Nếu f(x0). 0. Đặt g(x) = x và h(x) = (1/2)cos x. Như vậy sau lần chia đôi thứ nhất hoặc ta thu được nghiệm đúng x0 hoặc ta thu hẹp được b−a khoảng phân ly thành [a1. do đó ta đặt a1 = x0. b1] với độ rộng d1 = b1 − a1 = . Quay trở lại bước 2. f(1) = 2 . 1. Xử lí một trong 3 khả năng sau sẽ xảy ra (i) Nếu f(x0) = 0 thì x0 là nghiệm x* cần tìm. Phương pháp chia đôi 2.2 0 0 Một cách thông dụng để thu hẹp khoảng phân ly của nghiệm là phương pháp chia đôi được trình bầy dưới đây. π/2).NCT-FIT-HNUE Computional methods and Optimization Problems Ta có f’(x) = 2 + sin x > 0 và f(0) = . để tiếp tục quá trình chia đôi. 1) là khoảng phân ly của nghiệm duy nhất của phương trình đã cho.

Khi đó f (a1 ) = 1. 1) là khoảng phân ly của nghiệm dương x*.9375 0. d1 = b1 − a1 = 0.8906 0. Dễ thấy rằng (0. Khi đó xn − x * ≤ lấy xn = n 2 2n d n = bn − an = Rõ ràng là dãy số xn tiến dần đến x* khi n Æ ∞ tức là phương pháp chia đôi hội tụ.125 0. 1]. Ví dụ 1-2.8887 f(a) 3 1.0699 -0.311 -0. Ta có [a1.118 -0.1. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp chia đôi Input: hàm phi tuyến f(x). Bước 2: Lặp quá trình sau đây khi (b-a) > ε 2.8906 x0 0.0078 < ε = 0. f(x0) = 1.5.0156 0.8906 0. f ( x1 ) = 0.75. Bằng phương pháp chia đôi tìm nghiệm dương của phương trình 4 .9063 0.718 -0.8828 với sai số d6 = 0.023 -0. Nếu f(c) = 0 thì gán x0 := c và kết thúc lặp.875 0. khoảng phân ly nghiệm [a. ngược lại làm bước 2.8906 0.8828 0.8513 0. Sau 8 bước ta đạt được x6 = 0.0003 -0.5 0. Đặt x1 = (a1 + b1)/2 = 0. d 2 = 0.023 f(x0) 1.718 -0.8867 0.0699 0.758 0.311 -0.0699 0.011 b-a 1 0.8513. x0 = (a0 + b0)/2 = 0.0625 0.8828 0. Giải.2. b2 = b1 = 1. Nếu f(a)f(c) < 0 thì gán b := c 36 .01. Nếu n 2n 2 b −a b − an <ε .8867 b 1 1 1 1 0.8513.875 0.0699 0.718 -0.5 0. Quá trình lặp được thể hiện qua bảng sau đây: 1 2 3 4 5 6 7 8 9 a 0 0.118 -0.023 -0.2.75 0. sai số được phép ε Ouput: nghiệm gần đúng x0 của phương trình f(x) = 0 Algorithm: Bước 1: Gán c = (a + b)/2.9063 0.5 0.875 0.75.875 0.0003 f(b) -0.5.ex .25.0236 0.875 0.8513 nên ta đặt a1 = x0 = 1. Tiếp tục quá trình chia đôi.758 0. Nhận xét. b1 = b0 = 1. b1] = [0.8513 0.1.758 ⇒ a 2 = x1 = 0.2x2 = 0 với độ chính xác ε = 10-2.5.9375 0.0699 0.0039 b-a<eps FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE 2.25 0.718 -0. b].0236 0.023 0. 1] là khoảng phân ly.0313 0.NCT-FIT-HNUE Computional methods and Optimization Problems b−a b−a < 2ε là sai số cho trước ta dừng quá trình chia đôi và . Vì f(a0) = 3.75 0. b0] = [0.0078 0. Ta có [a0.2 2. là nghiệm gần đúng. Phương pháp chia đôi sử dụng rất ít thông tin về hàm f(x) (chỉ cần dấu của hàm) nên dễ lập trình nhưng hội tụ rất chậm.

1). 2. b] ∀x ∈ [a. b) là khoảng phân ly của nghiệm x*. trong đó x* là nghiệm đúng. nghĩa là. α nghĩa là xn − x * ≤ C xn − xn −1 . b] (3-3. Lấy một điểm x0 ∈ (a.1) Trong quá trình chứng minh định lý.1.1) qn xn − x * ≤ x1 − x0 1−1 (6-3. . …. ….1) ta thấy rằng phương pháp lặp đơn có tốc độ hội tụ cấp 1 hay tốc độ hội tụ tuyến tính. b) và tính các xấp xỉ x1.1) và (a.1. n = 1. 37 .1) hội tụ và có ước lượng xn − x * ≤ q xn − xn −1 1−1 (5-3. 3.1. Phương pháp lặp đơn 3.hoặc sai số hậu nghiệm của xn là đại lượng cấp α của độ lệch giữa hai xấp xỉ liên tiếp xn và x n1.1. x2.1) Định lý 1-3.1) Để đặc trưng cho tốc độ hội tụ của các phương pháp lặp dưới đây chúng ta đưa ra khái niệm về cấp hội tụ của phương pháp. b ] Khi đó i) Phương trình (1-3.sai số tiên nghiệm của xấp xỉ thứ n là đại lượng cấp α của sai số xấp xỉ thứ n . Định nghĩa 1-3. Về sự hội tụ của phương pháp lặp Giả sử ϕ(x) là hàm khả vi trên đoạn [a. b) ii) Quá trình lặp (2-3. xn − x * ≤ C xn −1 − x * α . (7-3. (2-3. Ta nói một phương pháp lặp giải phương trình có cấp hội tụ α nếu . C>0 là hằng số.b] và thoả mãn các điều kiện sau: i) max ϕ ' ( x) ≤ q < 1 ∀x ∈ [a.1) ii) ϕ ( x) ∈ [a. Như vậy từ các đánh giá (5-3.1) x∈[ a . ta còn rút ra được: xn − x * ≤ q xn − x * (7-3.1) có nghiệm duy nhất x* ∈ (a. theo công thức xn = ϕ(xn-1). Mô tả phương pháp Giả sử phương trình f(x) = 0 có thể viết dưới dạng: x = ϕ(x) (1-3. b] (4-3.NCT-FIT-HNUE Computional methods and Optimization Problems Nếu không thì gán a := c Bước 3: In ra nghiệm x0 = c.

Trước hết. π/2).10x + 3 = 0 bằng phương pháp lặp đơn với độ chính xác 10-4 biết khoảng phân ly nghiệm là (0. ] ∀x ∈ [0. Tìm nghiệm gần đúng của phương trình f(x) = 5x3 .1. và phương trình trên đưa được về dạng x = ϕ(x) với ϕ(x) = (1/2)cos x Lấy một điểm x0 bất kỳ trong khoảng (0. do đó phương pháp lặp hội tụ ∀x ∈ (0. (4-3. 2.1.1).cos x = 0 với độ chính xác 10-3. x0 = 0. 1 x4 = cos x3 = 0. Khi đó ϕ(x) thỏa mãn điều kiện (3-3. Ta sẽ kiểm tra các điều kiện của Định lý 1-3.0006 < 10-3.4502 là nghiệm gần đúng của phương trình đã cho với độ chính xác 10-3. Như vậy.1. Trong Ví dụ (2-2. . Giải. 1 2 ϕ ' ( x) = − sin x ≤ q = 0 ≤ ϕ ( x) ≤ 1 2 1 π < .4307 2 x2 = 1 cos x1 = 0.4426 2 1 x3 = cos x 2 = 0..1) được thoả mãn. Với x0 = 0. ta phải chọn cách sao cho thỏa mãn các điều kiện của định lý 1-3. n = 1.4502 . x4 = 0. π/2). chẳng hạn. 1).5 ta có 1 x1 = cos x0 = 0.1) ta đã xác định được khoảng phân ly nghiệm của phương trình trên là (0. Trong số các cách đưa về dạng này. nên nếu lấy x4 xấp xỉ x* ta sẽ có |x4 .1) vì 38 .NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 1-3.4502 2 .5 và xây dựng dãy lặp xn = ϕ(xn-1). π/2) và ta có đánh giá: xn − x * ≤ 1/ 2 xn − x n−1 = x n − xn−1 1 − 1/ 2 .x*| < 10-3. ]. 2 2 Rõ ràng là các điều kiện (3-3. 2 2 do đó π π ϕ ( x) ∈ [0. Tìm gần đúng nghiệm của phương trình 2x .4496 2 . Vì |x4 -x3| = |0.1. ta đưa phương trình đã cho về dạng tương đương x = ϕ(x).4496| = 0..0. Ví dụ 2-3. Giải. Ta sẽ chọn x = ϕ(x) với ϕ(x) = (5x3 + 3)/20.

1509 0.1) vì 3/20 < ϕ(x) ≤ 2/5. m = min f ' ( x) a ≤ x ≤b a ≤ x ≤b Đặt λ=− 1 m . Như vậy. Ký hiệu M = max f ' ( x). b] Là điều kiện (3-3.2).0000 Cách chọn hàm ϕ(x) thỏa mãn các điều kiện của định lý 1-3. 1].xn-1) 1 0.1) x∈[ a .1. 1].0019 4 0. Ta có ϕ ' ( x) = 1 − f ' ( x) . Chọn x0 = 0. phương pháp lặp đơn cho dãy nghiệm: max ϕ ' ( x) = max xn = 5 xn3−1 + 3 .5 ta tính được các xấp xỉ xn như sau n xn xn .2.0000 0.NCT-FIT-HNUE Computional methods and Optimization Problems 3x 2 3 = <1 0 ≤ x ≤1 0 ≤ x ≤1 4 4 và cũng thỏa mãn điều kiện (4-3. hàm M M ϕ(x) được xây dựng như trên thoả mãn điều kiện thứ nhất của Định lý 1-3.b) là khoảng phân ly nghiệm và f’(x) > 0 trên [a. b ] Trước hết nhận xét rằng λ ≠ 0 thì phương trình f(x) = 0 tương đương với phương trình x = ϕ(x) với ϕ(x) = x + λf(x) (1-3.1812 0.1. ∀x ∈ [0.9562 2 0.1] 20 hội tụ và có đánh giá xn − x * ≤ 3 xn − xn −1 .xn-1 3(xn . b].3187 0. ∀x ∈ [0.1509 0. Cách chọn ϕ(x) thỏa điều kiện hội tụ của phương pháp lặp đơn max ϕ ' ( x) ≤ q < 1 ∀x ∈ [a. q = 1− M M .0893 3 0.1515 0. do đó ϕ(x) ∈ [0. Xét hàm ϕ(x) dạng (1-3.0006 0. hơn nữa làm cho phương pháp lặp hội tụ nhanh nhất 3.0298 0. Vì 0 < m ≤ f’(x) ≤ M nên ϕ ' ( x) = 1 − Có thể chứng minh được rằng với cách chọn 39 .2) Giả sử (a. Do đó. M f ' ( x) m ≤1− = q < 1 trên toàn đoạn [a. b].

Tính x := g(x0). Trong lân cận của x*. Thế thì xn = xn −1 − f ( xn −1 ) f ' ( xn −1 ) f(xn-1) (2-4. b] Ouput: nghiệm gần đúng x của phương trình f(x) = 0 Algorithm: Bước 1: Khởi gán sai số e := 1.NCT-FIT-HNUE λ=− Computional methods and Optimization Problems 2 M +m thì hàm xác định bởi (1-3.3.1) f(xn) Giả sử f’(xn-1) ≠ 0. Bước 3: In ra nghiệm x. thay đường cong y = f(x) bởi tiếp tuyến với nó tại điểm A(xn-1.xn-1) + f(xn-1) (1-4. Ký hiệu hoành độ của điểm cắt của tiếp tuyến với trục hoành là xn. Tính e := abs(x-x0). trong đó M = max | f '( x) |. f(xn-1)).1) 40 x* xn+1 xn xn-1 . Phương pháp tiếp tuyến (Newton) 4. Vì thế phương pháp này còn có tên gọi là phương pháp tuyến tính hoá.1. điểm ban đầu x0 ∈ [a. Gán x0 := x.3. 2. sai số được phép ε.2) sinh ra phương pháp lặp hội tụ nhanh nhất với số q= M −m M +m. 4. khoảng phân ly [a.2. m = min | f '( x) | . Bước 2: Lặp quá trình sau đây khi e > ε 2. 2. Mô tả phương pháp Ý tưởng của phương pháp Newton giải phương trình f(x) = 0 là thay phương trình này bởi một phương trình tuyến tính gần đúng trong lân cận của nghiệm. b]. a ≤ x ≤b a ≤ x ≤b 3. Tiếp tuyến này có phương trình là y = f’(xn-1)(x .1. Mô tả phương pháp: Giả sử xn-1 là một xấp xỉ đã tính được của nghiệm đúng x*. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp lặp đơn Input: phương trình f(x) = 0 đã được chuyển về dạng x = g(x) biểu thị xn = ϕ(xn-1).

M2 = max{f'(x)} Định lý 2-4. x0 là điểm Fourier nếu thỏa mãn: f ( x0 ) f ' ' ( x0 ) > 0 (4-4.1. ∀x ∈ [a. b]. Nếu giá trị của f(x) và đạo hàm bậc hai f”(x) cùng dấu tại x0 thì x0 được gọi là điểm Fourier.1) 4. • x0 ∈ [a.4.2. |f ”(x)| ≤ M2. Nói cách khác. thậm chí vượt ra khỏi khoảng xác định của hàm số. Để tránh được điều này. • f’(x) và f”(x) không đổi dấu trên [a.1 2) Nếu xấp xỉ ban đầu x0 chọn không thích hợp thì phương pháp Newton có thể không sử dụng được. m1 (1-4. Vì thế phương pháp tìm nghiệm gần đúng theo công thức (2-4.2 Về sự hội tụ của phương pháp lặp Newton Giả sử • f là hàm khả vi liên tục hai lần trên đoạn [a. 1) Công thức lặp (2-4. b] và [a. thường chọn m1 = min{f'(x)}. Khi đó phương pháp Newton (2-4. b] Bỏ qua phần chứng minh. Khi áp dụng. b] là khoảng phân ly nghiệm x* của phương trình f(x) = 0.2) trong đó m1 và M2 là các hằng số thoả mãn 0 < m1 ≤ |f’(x)|.1) có thể viết trong dạng xn = ϕ(xn-1) với ϕ ( x) = x − f ( x) f ' ( x) (3-4.2) M2 2 xn − xn −1 . b] là điểm Fourier. cần chọn xấp xỉ ban đầu là một điểm Fourier được định nghĩa dưới đây: Định nghĩa 1-4. Sự hội tụ của phương pháp Định lý 1-4. Giả sử x0 là một điểm thuộc khoảng phân li nghiệm của phương trình f(x)=0.2 Đối với phương pháp Newton ta có đánh giá tiên nghiệm sau z n +1 ≤ q z n 2 (3-4.1) hội tụ và đối với nghiệm gần đúng xn có các đánh giá sau xn − x * ≤ xn − x * ≤ f ( xn ) . vì xấp xỉ tiếp theo x1 có thể vuợt ra khỏi khoảng phân ly. Do đó có thể khảo sát sự hội tụ của phương pháp nhờ vào Định lý 1-3. Nhận xét. 2m1 (2.1) Điều đó có nghĩa phương pháp Newton là một trường hợp đặc biệt của phương pháp lặp đơn.NCT-FIT-HNUE Computional methods and Optimization Problems Ta coi xn là xấp xỉ tiếp theo của x*.2) 41 .1) còn có tên gọi là phương pháp tiếp tuyến .

Ví dụ 1-4.x -1.3.619048 0. f(2) = 1 > 0 và f’(x) = 2x-1 > 0.618034 1. b].3. Giải. M2 và m1 được xác định như trong Định lý 1-4. zn = xn − x*. mới 0<m<|f'(x)| và |f"(x)| <M1 Ouput: nghiệm gần đúng x của phương trình f(x) = 0 Algorithm: Bước 1: Khởi gán sai số e := 1.2360689 0.001013171 1. 4.001. Đặt f(x) = x2 . Thuật toán tìm nghiệm xấp xỉ bằng phương pháp Newton Input: f(x) = 0 được chuyển về dạng x = g(x) biểu thị xn = xn-1 + f(xn-1)/f'(xn-1). Tính e := q*abs(x-x0)^2.618 là nghiệm gần đúng với sai số nhỏ hơn 0.666667 0. điểm fourier x0 ∈ [a.333333333 1. Áp dụng phương pháp Newton tìm nghiệm dương của phương trình x2 .2. ta có f’’(x) = 2 > 0. f ' ( xn −1 ) 2 xn−1 − 1 Rút gọn vế phải ta được xn = xn2−1 + 1 2 xn −1 − 1 (1) Áp dụng phương pháp lặp Newton ta có bảng sau: n x(n-1) 0 1 2 3 4 2 1. Do đó chọn m1 =1. 2.111111111 2.2380952 0. Nếu không xác định q thì e = abs(x-x0) 2.619048 1. 42 . Bước 3: In ra nghiệm x.3333333 0.001.NCT-FIT-HNUE trong đó q = Computional methods and Optimization Problems M2 .666667 1. khoảng phân ly [a.2. Gán x0 := x. Ta có f(1) = -1 < 0.002267574 2. b] số q=M/2*m.0000000 2.618034 0.0000010 2. Phương pháp lặp Newton có dạng xn = xn −1 − f ( xn −1 ) x2 − x −1 = xn−1 − n −1 n−1 .00000046 FALSE FALSE FALSE TRUE x(n) Vậy x4 = 1.047619048 1. Do đó [1. Tính x := g(x0).x -1 = 0 với độ chính xác 0.1. Ngoài ra.001 <epsilon 1. sai số được phép ε.236068 epsilon = |x(n)-x(n-1)| 0. 2] là khoảng phân ly nghiệm dương của phương trình đã cho. 2m1 Bỏ qua phần chứng minh.2.618034 f[x(n-1)] f"[x(n-1)] 1 3 0. M2 =2. Bước 2: Lặp quá trình sau đây khi e > ε 2. Với tư cách xấp xỉ ban đầu ta chọn điểm Fourier x0 = 2.618034 0.

Ví dụ 1-5. Mô tả phương pháp Việc tính đạo hàm trong công thức Newton (2-4.1066 3 -2. Khi đó.5) hội tụ chậm hơn phương pháp Newton nhưng hội tụ nhanh hơn phương pháp lặp đơn. Thông thường. x2 x* x1 x3 Phương pháp cát tuyến (1-2. Phương pháp cát tuyến 5. Phương pháp lặp trên có tên là phương pháp cát tuyến (phương pháp vị trí ảo) vì ý nghĩa hình học của nó cụ thể như sau: Phương trình của cát tuyến qua hai điểm ( xn − 2 .3. x1 là các xấp xỉ cho trước. phương pháp lặp có dạng xn = xn −1 − xn −1 − xn − 2 f ( xn −1 ). Ouput: nghiệm gần đúng x của phương trình f(x) = 0 Algorithm: Bước 1: Khởi gán sai số e := 1. x1 = b.1. f ( xn −1 )) là x0 y − f ( xn −1 ) x − xn−1 = f ( xn −2 ) − f ( xn −1 ) xn−2 − xn−1 . Nghiệm tìm xấp xỉ cần tìm là x = x1 43 . ( xn −1 . x0 = -2..NCT-FIT-HNUE Computional methods and Optimization Problems 5. Sử dụng phương pháp cát tuyến với sai số 10-3.0226 4 -2. sai số được phép ε..0000 6 -2. người ta thay f’(xn-1) bởi tỷ sai phân f ( xn −1 ) − f ( xn−2 ) xn −1 − xn−2 .0015 5 -2. f ( xn − 2 )).2.0000 5. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp Cát tuyến Input: Hàm số f(x) = 0.. Vì thế.1) có thể tốn thêm nhiều thời gian nếu f’(x) là hàm phức tạp.1.6. n = 2.1) x0. (a. b) là khoảng phân ly của nghiệm. x1 = -2. người ta đặt x0 = a. f ( xn −1 ) − f ( xn −1 ) (1-5. 2 nghiệm xấp xỉ ban đầu x0 và x1.4 ta được n x(n) 2 -2. Cho phương trình f(x) = x3 -3x + 2 = 0 có một nghiệm là x* = 2.

m1 Ở đây. b) là khoảng phân ly của phương trình f(x) = 0. 6.2. như thường lệ. 2. 6. Sự hội tụ của phương pháp Người ta đã chứng minh được rằng phương pháp dây cung hội tụ và thu được các đánh giá dưới đây về sai số của phương pháp: | xn − x* |≤ | f ( xn ) | .x 0. ta ký hiệu M 1 = max | f '( x) |. b]. Công thức lặp của phương pháp dây cung sẽ như sau: xn = xn −1 − f ( xn −1 )( xn −1 − d ) . Bước 3: In ra nghiệm x. BÀI TẬP 1.. x1 :=x.f”(x) > 0. Khi đó trong hai đầu mút a và b. và d = a. Phương pháp dây cung 6.NCT-FIT-HNUE Computional methods and Optimization Problems Bước 2: Lặp quá trình sau đây khi e > ε 2. và lấy đầu mút còn lại làm xấp xỉ ban đầu x0.3. Hình bên minh họa một số xấp xỉ liên tiếp theo phương pháp dây cung giải phương trình 2x2 .1. mà tại đó giá trị của hàm cùng dấu với dấu của f”(x) (tức là điểm Fourier).1. m1 | xn − x* |≤ M 1 − m1 | xn − xn −1 |. 2.1 = 0.. Tìm khoảng phân ly với độ rộng bằng 1 cho các nghiệm của các phương trình sau: x 4 − 3x − 20 = 0 ( x > 0) 2 − ln( x) − x = 0 44 . Giả thiết đạo hàm cấp hai f’’(x) không đổi dấu trên đoạn [a. ta cố định một đầu..f”(x) > 0. Ý tưởng của phương pháp dây cung là thay dây cung cong của đường cong y = f(x) bằng dây cung trương cung cong ấy và xem hoành độ xn của giao điểm của dây cung với trục hoành là giá trị xấp xỉ của nghiệm đúng x*. Tính x := x1-f(x1)-((x1-x0)/(f(x1)-f(x0))). x0 = b nếu f(a).1) f ( xn −1 ) − f (d ) trong đó d = b. Gán x0 := x1.2.2. n = 1. e := abs(x-x0). x0 = a nếu f(b). (1-6. m1 = min | f '( x) | a ≤ x ≤b a ≤ x ≤b . Mô tả phương pháp Giả sử (a.

Tính 13 bằng phương pháp Newton. 9.001 và so sánh tốc độ hội tụ. Gợi ý: Sử dụng cos 3 × 200 = 1/2. Sử dụng chương trình này giải phương trình trong bài tập 7. So sánh số lần lặp thực sự với số lần lặp ước lượng trước khi tính x2 . Bằng phương pháp chia đôi tìm nghiệm của các phương trình cho trong bài 1 với độ chính xác ε = 10-2. phương pháp lặp đơn và phương pháp cát tuyến với độ chính xác 10-3. 5. Tìm nghiệm của các phương trình cho trong bài 1 với độ chính xác ε = 10-3 bằng phương pháp Newton. 1 và -1 của phương 3 trình x .. Tìm nghiệm của các phương trình cho trong bài 1 với độ chính xác ε = 10-2 bằng phương 3. Sử dụng phương pháp lặp đơn dạng xn+1 = xn + λf(xn) giải phương trình f(x) = 0 4. pháp lặp đơn.. 6. Phương pháp Newton hội tụ tới nghiệm nào trong ba nghiệm 0. 10.1=0 bằng các phương pháp cát tuyến và phương pháp dây cung với độ chính xác 0.NCT-FIT-HNUE x 3 − 2 x − 5 = 0 ( x > 0) x 3 + 3x + 5 = 0 Computional methods and Optimization Problems 4 − e x − 2 x 2 = 0 ( x > 0) x − sin x = x + ex = 0 1 5 x 2 − sin πx = 0. 7. Tìm nghiệm gần đúng của phương trình 2x2 .x = 0 nếu xuất phát từ điểm x0 bất kỳ? 8. x3 .x ..0. Tính cos 200 với độ chính xác 10-3. tìm 7. 45 . 2. Lập chương trình giải phương trình phi tuyến bằng các phương pháp cát tuyến và dây cung.

au3). Ví dụ 2-1. thì u + v = ⎜ u2 + v2 ⎟ ⎜u ⎟ ⎜v ⎟ ⎜u + v ⎟ ⎝ 3⎠ ⎝ 3⎠ ⎝ 3 3⎠ Tương tự. ⎛ 3⎞ ⎜ ⎟ u = ⎜ 1 ⎟ là một vectơ cột ba thành phần. v = (4 2 9 ) là một vectơ hàng có 4 thành phần. là vectơ mà các thành phần của nó đều bằng 0. u3) và a là một số thì au = (au1.1.1. u2 + v2 . Đại số ma trận 1. u2 . Vectơ không. ⎜ 2⎟ ⎝ ⎠ Ta gọi vectơ hàng là một dạy hữu hạn có thứ tự các số được sắp xếp nối tiếp nhau theo hàng ngang. Ví dụ 1-1. u3 ) và v = (v1 . b) Các phép toán trên vectơ Cộng hai vectơ ⎛ u1 ⎞ ⎛ v1 ⎞ ⎛ u1 + v1 ⎞ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ Cho u = ⎜ u2 ⎟ và v = ⎜ v2 ⎟ . u3 ) ⎛ v1 ⎞ ⎜ ⎟ và v = ⎜ v2 ⎟ ⎜v ⎟ ⎝ 3⎠ Khi đó tích vô hướng của vectơ hàng u với vectơ cột v là số uv = u1v1 + u2v2 + u3v3 Ví dụ 3-1. v2 . Vectơ cột và vectơ hàng a) Định nghĩa Ta gọi vectơ cột là một dạy hữu hạn có thứ tự các số sắp xếp từ trên xuống dưới. u2 . u2. v3 ) . au2. u3 + v3 ) Nhân một số với một vectơ Nếu u = (u1. kí hiệu là 0.NCT-FIT-HNUE Computional methods and Optimization Problems Chương 4 PHƯƠNG PHÁP SỐ TRONG ĐẠI SỐ TUYẾN TÍNH 1. Cho u = (u1 . thì u + v = (u1 + v1 . Tích vô hướng (khi nhân vectơ hàng với vectơ cột) Cho u = (u1 .1. 46 .1.

2.000 = 590. là một ma trận vuông cấp n thỏa mãn điều kiện sau: A. n].3. i ∈ [1.. 1. . .. • Ma trận tam giác trên: Ma trận vuông A được gọi là ma trận tam giác trên. 0⎤ ⎢0 1 . amn ⎦ trong đó aij là phần tử ở hàng i. được gọi là ma trận đường chéo . ⎡ a11 a12 ⎢a a22 A = ⎢ 21 ⎢ . tức là aij = aji = 0 với i ≠ j. Định nghĩa Một ma trận A cấp m × n là một bảng gồm m × n phần tử xếp theo m hàng và n cột. là ma trận vuông cấp n có các phần tử nằm trên đường chéo bằng 1. 1 ≤ i. mỗi công đoạn cần một công nhân làm.. nếu aij = 0 nếu với ∀ i > j.. Ma trận đơn vị.…. Ma trận 1.A-1 = A-1.2... • Ma trận nghịch đảo: Cho ma trân vuông A.000 + 2*60.⎥ ⎥ ⎢ ⎣0 0 .. thường ký hiệu là E hoặc I.. ⎢ ⎣am1 am 2 .m].. . 80000đ và 60000đ.2. 1⎦ • Ma trận chuyển vị: Ma trận chuyển vị của một ma trận A. Các loại ma trận • • Ma trận vuông: Khi m = n thì ma trận A = (aij) gọi là ma trận vuông cấp n. a1n ⎤ . tức là aii = 1 và aij = 0.…. các phần tử còn lại bằng 0. . 0⎥ ⎥ E= ⎢ ⎢.000 + 4*80. . . j ≤ n.. ma trận nghịch đảo của ma trận A (nếu có). công nhân thứ hai làm mất 4 giờ và công nhân thứ ba làm mất 2 giờ.... Một số dạng đặc biệt của ma trận • Ma trận chéo: Ma trận vuông cấp n mà mọi phần tử nằm ngoài đường chéo chính bằng 0.. Số tiền phải trả để hoàn thành sản phẩm là tích vô hướng của hai vectơ ⎛ 50000 ⎞ ⎜ ⎟ u = (3 4 2 ) và v = ⎜ 80000 ⎟ ⎜ 60000 ⎟ ⎝ ⎠ tức là số uv = 3*50. a2 n ⎥⎥ .A = E 1. j ∈[1... kí hiệu là At.. tức là A có dạng: 47 ..1.000đ 1.NCT-FIT-HNUE Computional methods and Optimization Problems Một sản phẩm được tạo ra bởi ba công đoạn. ⎥ ⎥ .2.. là ma trận nhận được từ ma trận A bằng cách đổi hàng thành cột và đổi cột thành hàng. kí hiệu là A-1. ∀ i ≠ j. Công nhân thứ nhất làm mất 3 giờ. Tiền trả mỗi giờ cho các công nhân tương ứng là 50000đ.. cột j.2. ⎡1 0 .

.. j = 1.... kí hiệu là C = A + B.. m. tức là aịj=aji (i.... nếu aij= 0 khi |i-j| > m và m<<n thì ma trận có tên gọi là ma trận băng. 1. ⎥ ⎥ ..NCT-FIT-HNUE Computional methods and Optimization Problems ⎡a11 a12 ⎢0 a 22 A= ⎢ ⎢ .. Tích của hai ma trận A = (aij) kích thước m × p với ma trận B = (bij) kích thước p × n là ma trận C = (cij) có kích thước m × n.0 0 ⎢ 0 ⎢a21 a22 a23 ..2. nếu aij = 0 với ∀ i < j.......j=1.j=1....... n....... ann ⎦ . j = 1. ⎢ 0 .. Khi đó tổng của hai ma trận A và B là ma trận C = {cij}i = 1.. . .. .. . Các phép toán trên ma trận • Cộng 2 ma trận Phép cộng hai ma trận chỉ có nghĩa khi hai ma trận có cùng cấp. m. ma trận vuông A được gọi là ma trận tam giác dưới. j = 1.. a1n ⎤ ... Ma trận thưa: Ma trận thưa là ma trận có rất nhiều phần tử bằng 0...... B[2 × 4 ] = C[3 × 5] 48 .2. ⎢ ⎣ an1 an 2 • ... n.... .. n... j = 1.. m.. Trong trường hợp... .. • Nhân một hằng số k khác 0 với một ma trận: Nếu A = (aij) thì kA = (kaij) • Nhân hai ma trận: Điều kiện để thực hiện được phép nhân: Số cột của ma trận trước phải bằng số hàng của ma trận sau... n −1 ann ⎣ ⎤ ⎥ ⎥ ⎥....... a2 n ⎥⎥ .....2...... x) > 0 với mọi x ≠ 0. ⎢ 0 ⎣0 • Ma trận tam giác dưới: Tương tự. i = 1.2. an ..... • Ma trận xác định dương: Ma trận A được gọi là xác định dương nếu tích vô hướng (Ax. trong đó: p cij = ∑ aik bkj ..... ... Cho hai ma trận A = {aij}i = 1.. ... an −1. m. ann ⎦ 0⎤ 0 ⎥⎥ ... A[3 × 2] .. . Nếu m = 1 thì ma trận băng có dạng ba đường chéo ⎡a11 a12 0 ... . n ⎢0 0 ⎢0 0 0 ... n.n). ... ⎥ ⎥ . .. .......0 A = ⎢ . (i.. ..... ⎥ ⎥ ⎥ ⎦ • Ma trận đối xứng: Ma trận A được gọi là đối xứng nếu A=At. k =1 Ví dụ 1-1. ... ... với cij = aij + bij . . tức là A có dạng: ⎡ a11 0 ⎢a a22 A = ⎢ 21 ⎢ . B = {bij}i = 1..n).4.... .

điều kiện để thực hiện được phép nhân là: số phần tử của véc tơ hàng phải bằng số hàng của ma trận.a12a21 ⎣a21 a22 ⎦ b) Định thức của ma trận cấp ba ⎡ a11 a12 Cho ⎢⎢a21 a22 ⎢⎣ a31 a32 a13 ⎤ a23 ⎥⎥ thì a33 ⎥⎦ ⎡a det A = a11 det ⎢ 22 ⎣ a32 a23 ⎤ a23 ⎤ a22 ⎤ ⎡a ⎡a + a12 det ⎢ 21 + a13 det ⎢ 21 ⎥ ⎥ ⎥ a33 ⎦ ⎣a31 a33 ⎦ ⎣a31 a32 ⎦ 49 . Nói cách khác.2. ⎡ 4 0⎤ [3 2 1] ⎢⎢− 1 2⎥⎥ = [3. kí hiệu là det A hoặc |A|.2.5 ⎤ ⎡16⎤ ⎢− 1 2⎥ .NCT-FIT-HNUE Computional methods and Optimization Problems 0⎤ 2 3 5⎤ ⎡1 ⎡1 ⎢ 3 − 2⎥ . Ví dụ 3-1. ta tính được một số thực theo qui tắc dưới đây. ⎡1 2 3 5⎤ = ⎢− 9 6 1 13 ⎥ ⎢ ⎥ ⎢ 6 0 4 1⎥ ⎢ ⎥ ⎦ ⎢⎣− 1 2 ⎥⎦ ⎣ ⎢⎣ 11 − 2 5 − 3⎥⎦ • Nhân một véc tơ (hàng) với một ma trận: Là trường hợp đặc biệt của phép nhân hai ma trận A[1 × n] * B[n × p] = C[1 × p].4 + 2.(−1) + 1. Ví dụ 2-1. gọi là định thức của ma trận A. Nói cách khác.2 + 1.4 + 0. a) Định thức của ma trận cấp hai a ⎤ ⎡a Cho A = ⎢ 11 12 ⎥ thì det(A) = a11a22 .4 + 2.2.4 + 1. điều kiện để thực hiện được phép nhân là: Số cột của ma trận trước phải bằng số thành phần của véc tơ cột. Định thức của ma trận Với mỗi ma trận vuông A cấp n.5⎥ = ⎢ 6 ⎥ ⎢ ⎥ ⎢5 ⎥ ⎢ ⎥ ⎢ ⎥ ⎢⎣ 3 1 ⎥⎦ ⎣ ⎦ ⎢⎣ 3. ⎡4⎤ = ⎢(−1). ⎡ 4 0⎤ ⎡ 4.5 ⎥⎦ ⎢⎣17 ⎥⎦ Chú ý: • AB ≠ BA (phép nhân 2 ma trận không có tính giao hoán) • (AB)C = A(BC) • Nếu A là ma trận vuông cấp n và E là ma trận đơn vị thì AE = EA = A 1.3 3.5.0 + 2.1] = [13 3] ⎢⎣ 3 1 ⎥⎦ • Nhân một ma trận với một véc tơ (cột): Là trường hợp đặc biệt của phép nhân hai ma trận A[m × n] * B[n × 1] = C[m × 1].

(-3) = 240. xn)t của hệ (2-2. a nn ⎦ ⎝ n⎠ ⎝ n⎠ Bài toán đặt ra là tìm nghiệm x = (x1.a12a23a31 + a13a21a32 .1 det M1.. nếu chọn hàng 1 thì dấu cộng trừ đan xen nhau...1 det Mi. + ann xn . x=⎜ ⎟.1) Hệ phương trình này có thể viết dưới dạng ma trận Ax = b (2-2. ta có: det A = (-1)i+1 ai.. ⎜ ⎟ ⎜ ⎟ ⎥ ⎜x ⎟ ⎜b ⎟ . M 1. a1n ⎤ ⎛ x1 ⎞ ⎛ b1 ⎞ ⎜ ⎟ ⎜ ⎟ ⎥ . 2. 50 .1 + (-1)1+2 a1. + (-1)i+n ai.2.. là phương pháp cho ta nghiệm đúng của hệ phương trình (1-2. . M 1..1) sau một số hữu hạn các phép tính với giả thiết không có sai số làm tròn.1) Các phương pháp giải: Người ta chia các phương pháp giải hệ PTĐSTT thành 2 loại: các phương pháp đúng và các phương pháp gần đúng: Phương pháp đúng hay còn gọi là phương pháp trực tiếp.2 det Mi.. Ví dụ nếu chọn một hàng i nào đó. an 2 . ví dụ như các phương pháp Cramer.93 -2. x2...3 = ⎢ A = ⎢− 4 5 6⎥⎥ .2 + (-1)1+3 a1.. x2.NCT-FIT-HNUE Computional methods and Optimization Problems det A = a11a22a33 .a11a23a32 + a12a21a33 . 2 3⎤ ⎡1 ⎡ 5 6⎤ ⎡ − 4 6⎤ ⎡− 4 5⎤ ⎢ .. .n Trong đó Mi. Giới thiệu Cho hệ phương trình gồm n phương trình tuyến tính với n ẩn số x1.a13a22a31 c) Định thức của ma trận vuông cấp n tổng quát Có thể tính theo cột hoặc hàng bất kỳ. Hệ phương trình đại số tuyến tính 2.3 = a1...(-78)+3. Choleski. ⎢ ⎣a n1 a12 a 22 .1 . .2 + . + . Ví dụ 4-1.2 det M1.. ... M 1.. + a2 n xn = b2 . bắt đầu là dấu dương.1) trong đó ⎡ a11 ⎢a 21 A=⎢ ⎢ . ..1 det M1. + a n 2 x2 ..3 det M1. = bn (1-2...j là ma trận thu được từ ma trận A sau khi bỏ đi hàng i và cột j.xn + ⎧ a11 x1 ⎪a x ⎪ 21 1 ⎨ ⎪ . a 2 n ⎥ ⎜ x2 ⎟ ⎜b ⎟ .n det Mi.3 det M1..3 =1. …..1 + (-1)i+2 ai. khử Gauss..1 = ⎢ ⎥ ⎥ − 8 9⎦ 7 9⎦ 7 8⎥⎦ ⎣ ⎣ ⎣ ⎢⎣ 7 − 8 9⎥⎦ det A = (-1)1+1a1. b=⎜ 2⎟ . . .2 + a1. Để ý thấy... ⎥ .2 det M1. 2 = ⎢ .1.a1. + a1n xn = b1 + a22 x2 + . ⎪⎩an1 x1 a12 x2 + .

A3 = ⎢− 3 4 30⎥⎥ ⎢⎣ 8 − 2 3⎥⎦ ⎢⎣ − 1 8 3⎥⎦ ⎢⎣ − 1 − 2 8 ⎥⎦ Ta tính được det A = 44 ≠ 0 det A1 = -40. A2 = ⎢− 3 30 6⎥ . Hãy giải hệ ⎧ x1 ⎪ ⎨− 3 x1 ⎪−x ⎩ 1 + 2 x3 = + 4 x2 + 6 x3 = 30 − 2 x2 + 3 x3 = 6 8 Giải: Ta có 0 2⎤ ⎡1 ⎡6⎤ A = ⎢⎢− 3 4 6⎥⎥ . det A3 = 152 Ta suy ra các thành phần nghiệm của hệ đã cho: x1 = -40/44 = -10/11. x3 = 152/44 = 38/11 Vậy x = (-10/11. 38/11)t là nghiệm của hệ đã cho. Gauss-Seidel và giảm dư. Trong chương này chúng ta sẽ tìm hiểu các phương pháp: Cramer. Giới thiệu phương pháp Cramer Nếu det A ≠ 0 thì hệ (2-2. b = ⎢⎢30⎥⎥ ⎢⎣ − 1 − 2 3⎥⎦ ⎢⎣ 8 ⎥⎦ Vậy 0 2⎤ 6 2⎤ 0 6⎤ ⎡6 ⎡1 ⎡1 ⎢ ⎥ ⎢ ⎥ ⎢ A1 = ⎢30 4 6⎥ .2. x2 = 72/44 = 18/11. Khử Gausse. từ giá trị này tính các giá trị nghiệm gần đúng tốt hơn theo một qui tắc nào đó. Quá trình này được lặp nhiều lần và với một số điều kiện nhất định. Ví dụ 1-2. ví dụ như các phương pháp Jacobi.2. 51 . ta nhận được nghiệm gần đúng của hệ với một sai số có thể ước lượng được. 18/11. giảm dư. là phương pháp giải hệ bằng cách cho nghiệm một giá trị ban đầu..2) det A trong đó Aj là ma trận nhận được từ ma trận A bằng cách thay cột thứ j bởi cột b.1) có nghiệm duy nhất và nghiệm của nó có thể tính theo phương pháp Cramer với công thức: x = A−1b tức là xj = det A j (1-2.NCT-FIT-HNUE Computional methods and Optimization Problems Phương pháp gần đúng hay còn gọi là phương pháp lặp. 2. det A2 = 72. Gauss-Seidel.

2.0782 . • • Cơ sở của việc biến đổi: Sử dụng các phép biến đổi tương đương như: - Đổi chỗ 2 phương trình bất kỳ. riêng số phép nhân phải thực hiện trong (12. .. n. Một đặc điểm của các phương pháp đó là khước từ việc nghịch đảo ma trận..1023.n+1 ⎥⎥ ⎥ . ta coi cột b là cột thứ n + 1 của ma trận A.n+1 ⎦ Để tiện cho quá trình biến đổi tương đương.3. j = i + 1..n+1 ⎤ ⎡a '11 ⎥ ⎢ 0 a 2. x1 bằng phương pháp “thế ngược”. Như vậy. nghĩa là cần rất nhiều các phép tính số học. m = − a ji aii (1-2. .2) đã là n!(n+1)(n-1). a 22 .. xn = 1 bn ann 52 .1 lần biến đổi : Lần biến đổi thứ i (làm cho aji = 0 . mỗi số hạng là tích của n thừa số. mà mỗi định thức chứa n! số hạng.. Giả sử n=20.. do vậy để tính mỗi số hạng cần thực hiện n-1 phép nhân...n +1 ⎦ ⎣ 0 a '12 .. Vì thế cần phải có các phương pháp giải hệ phương trình tốt hơn để có thể cho lời giải trong một thời gian chấp nhận được. - Nhân một phương trình bất kỳ với một số khác không. a ' 2 n . chẳng hạn cỡ nghìn. a '1n a ' 22 . Phương pháp khử Gauss a) Mô tả phương pháp • Cần biến đổi ma trận vuông A cấp n về dạng ma trận tam giác trên: ⎡ a11 ⎢a 21 A=⎢ ⎢ . chục nghìn. ⎥ ⎥ ⎢ a n . ….3) Quá trình ngược: giải hệ tam giác trên từ dưới lên trên. phương pháp khử Gauss gồm 2 quá trình: - Quá trình thuận: đưa ma trận A về dạng tam giác trên.. xn-1. . a nn a1. 105 năm! Trong khoa học và công nghệ người ta thường phải giải các hệ phương trình cỡ lớn hơn 20 rất nhiều. Khi đó n!=20! ≈ 2. tức là tính các nghiệm xn. Và kim chỉ nam cho việc xây dựng các phương pháp nhanh để giải hệ phương trình đại số tuyến tính cỡ lớn là khai thác triệt để các thông tin về ma trận của hệ. a ' nn a '1. ⎢ ⎣a n1 a12 . ⎥ a ' n ...NCT-FIT-HNUE Computional methods and Optimization Problems Nhận xét : Công thức (1-2. n) bằng cách công thức: Dòng j - = Dòng j + Dòng i × m . . Cách biến đổi A Æ A’: Thực hiện n . an 2 a1n ..4329 ..n+1 ⎥ Æ A' = ⎢ ⎢ .2) rất đẹp về mặt lý thuyết nhưng rất đắt về về mặt tính toán.7073 . để tính các xj theo công thức trên cần tính n+1 định thức cấp n. Nếu máy tính thực hiện được 100 triệu phép tính trong một giây thì để để thực hiện được khối lượng tính toán trên cần 3. - Cộng vào một phương trình một tổ hợp tuyến tính của một số phương trình khác Từ đó. .. j = i + 1.n+1 ⎤ a ' 2. Cụ thể là. 0 .. a 2 n .. 1018 và n!(n+1)(n-1) ≈ 9. thậm chí cỡ hàng triệu.. …...

5. x1 bằng phương pháp “thế ngược”: Ta tính được x3 = 1.n xn ) (2-2.b] = ⎜ 0 − 1 − 5 ⎜ 0 0 18 − 12 ⎟⎠ ⎝ 6 ⎞ ⎟ − 6⎟ 18 ⎟⎠ Như vậy kết thúc quá trình trên ta sẽ thu được hệ có dạng tam giác trên ⎧ x1 ⎪ ⎨ ⎪ ⎩ + 2 x2 + 3 x3 = − x2 − 5 x3 = −6 18 x3 = 6 18 Quá trình ngược Giải ngược: Tính các nghiệm xn. xn-1.3) … xi = n 1 (bi − ∑ aij x j ) aii j =i +1 Ví dụ 1-2.5 * Dòng 2 ⎛1 2 3 ⎜ [A.b] = ⎜ 2 3 1 ⎜3 1 2 ⎝ • ⎛1 2 6⎞ 3 ⎟ ⎜ 6 ⎟ → [A. b] = ⎜ 2 3 1 ⎜3 1 2 ⎝ 6⎞ ⎟ 6⎟ 6 ⎟⎠ Quá trình thuận • i=1 Dòng 2 = Dòng 2 .n−1 (bn−1 − an−1.3.b] = ⎜ 0 − 1 − 5 ⎜0 − 5 − 7 6 ⎟⎠ ⎝ 6 ⎞ ⎟ −6 ⎟ − 12 ⎟⎠ i=2 Dòng 3 = Dòng 3 . ….3 * Dòng 1 ⎛1 2 3 ⎜ [A.NCT-FIT-HNUE Computional methods and Optimization Problems xn−1 = 1 an−1. x1 = 6 . Giải hệ phương trình ⎧ x1 ⎪ ⎨2 x1 ⎪3 x ⎩ 1 + 2 x2 + 3 x3 = 6 + 3 x2 + x2 + x3 + 2 x3 = 6 = 6 Ta có ⎛1 2 3 ⎜ A' = [A.b] = ⎜ 0 − 1 − 5 ⎜0 − 5 − 7 ⎝ ⎛1 2 6 ⎞ 3 ⎟ ⎜ − 6 ⎟ → [A.1 = 1.2 * Dòng 1 Dòng 3 = Dòng 3 . x2 = 6 .2 . 53 .3 = 1.

(-2.6.(-5).2 ⎟ = 2 det ⎜ 0 .3 1.1 ⎟⎠ ⎝ ⎛1 2 ⎜ ⎜0 1 ⎜0 0 ⎝ ⎛1 2 ⎜ ⎜0 1 ⎜0 0 ⎝ 2 ⎞ ⎟ 1.5.a nn .9) det ⎜ 0 1 ⎜0 0 ⎝ ⎞ ⎟ ⎟ ⎟ ⎠ 1.5 1.6 ⎟ 2 ⎟⎠ Quá trình tính ngược cho ta x1 = 1..(-5).3 ⎜ 4 11 7 ⎟ ⎜ 4 11 7 ⎟ ⎜0 3 1 ⎟ ⎜ 0 0 .2.2x3 = -2 4x1+ 11x2+ 7x3 = 7 Các hệ số và vế phải của các hệ trung gian thu được sau từng bước khử được viết trong dạng ma trận mở rộng như sau ⎛2 4 3 4 ⎞ ⎜ ⎟ ⎜3 1 .9) = 29.(-2.5 . x3 = -2.6.5 . Giải hệ PTĐSTT sau bằng phương pháp khử Gauss: 2x1 + 4x2+ 3x3 = 4 3x1+ x2.8 ⎟ ⎜0 3 1 .3 ⎟ = 2. ma trận a(n.2⎟ ⎜ 4 11 7 7 ⎟ ⎝ ⎠ 2⎞ ⎛ 1 2 1. trừ đi từ hàng một hàng khác nhân với một số và đổi chỗ hai hàng.5 1.8 ⎟⎠ 1. do đó có thể làm giảm độ chính xác của nghiệm tìm được. ⎛2 4 3 ⎞ ⎛ 1 2 1.5 ⎞ ⎛ 1 2 1. 1 ⎟⎠ b) Thuật toán Khử Gauss Input: n. Ngoài ra nếu nó có trị tuyệt đối nhỏ thì khi chia cho nó sai số làm tròn sẽ lớn.5 ⎜ ⎟ ⎜ 0 .(-5) det ⎜ 0 1 1.2 ⎟ = 2 det ⎜ 3 1 .3. 54 . Do đó. Ví dụ 2-2. Nhận xét 1: Trong quá trình thuận ta phải thực hiện phép chia cho phần tử trụ aii.9 . trong đó k là số lần đổi chỗ các hàng và aiij là phần tử trụ lần lặp thứ i.5 ⎜ ⎜ ⎜ ⎜ ⎟ ⎟ ⎟ det ⎜ 3 1 .NCT-FIT-HNUE Computional methods and Optimization Problems Khối lượng tính toán: Ta có thể đánh giá được tổng số phép toán của phương pháp khử Gauss là O(n3) khi n đủ lớn..2 .n+1) là ma trận các hệ số. định thức của ma trận A có thể tính theo công thức (1) ( n −1) det A = (−1) k a11( 0 ) a 22 .5 ⎟ = 2.5 .3.3 1 2⎞ ⎟ 1.5 ⎞ ⎛ 1 2 1.2.5 ⎞ ⎟ 1. Để khắc phục khó khăn trên người ta thường dùng phương pháp Gauss với phần tử trụ có trị tuyệt đối lớn nhất trong cột.6 ⎟ . x2 = -1.9 ⎝ ⎝ ⎝ ⎝ ⎠ ⎠ ⎠ ⎛1 2 ⎜ = 2. cột n+1 là vế phải của phương trình. Nếu nó bằng 0 thì quá trình không thực hiện được. Ví dụ 3-2. Nhận xét 2: Trong phương pháp khử Gauss ta sử dụng các phép biến đổi lên ma trận như chia một hàng cho một số.

. 1 (a n . 3..3.. gán kết quả cho phương trình trung gian c a[i.i] ≠ 0.n −1 x n −1 ) .j]. . 2.4) . nếu a[i.n+1]. . + .i] = 0 thì tìm phương trình j sao cho a[j. . n.. Xuất x1.. Algorithm: 1.2.n +1 a 22 . .. + a 2 n x n = a 2..n+1 Về dạng ⎧ ⎪ x1 ⎪ ⎪⎪ x 2 ⎨ ⎪.4.2. − . .i] a[j. a1n x n ... n.j]=a[i. n + 1] .. nếu không thì kết luận hệ suy biến và dừng thuật toán.. n 3..i] để chuẩn bị cho việc khử x[i] trong các phương trình còn lại .. Tính x[n]=a[n.. + an 2 x2 .n+1 (1-2..n +1 a nn − a12 x2 − a 21 x1 − a13 x3 − . + a nn xn = a1.i]. + + a 22 x2 + .. 2. . − a n .n +1 . Quá trình thuận: Biến đổi A Æ A’ Lặp quá trình sau với i = 1 Æ n . = a n . − a2 n xn ) .. Với mỗi phương trình j = i +1 Æ n Cộng phương trình j với phương trình c sau khi phương trình c (tức là phương trình i ở trên) đã nhân với -a[j. ⎪ ⎪ xn ⎪⎩ = = . − a n1 x1 − a n 2 x2 − a n 3 x3 55 . Phương pháp Gauss-Seidel a) Mô tả phương pháp Ý tưởng chung của phương pháp Gauss-Deidel là đưa hệ Ax = b về dạng x = Bx + g. . j] với j = k+1. c[j]=a[i. 1 (i) Tính tổng s = s + a[k. Nhập n.. xn 2. Trước hết.. . với j = 1. 2. . j = 1...NCT-FIT-HNUE Computional methods and Optimization Problems Output: véct tơ nghiệm x.. . Quá trình ngược 3.....j]/a[i.k] = a[j. . biến đổi hệ ⎧ a11 x1 ⎪a x ⎪ 21 1 ⎨ ⎪ ..1 2.n +1 a11 1 (a 2. . .k] + c[k] * (-a[j.. . x2.1.s 4. Nếu tồn tại phương trình j thì hoán đổi hai phương trình cho nhau. ai (i=1... ..2.... n (ii) Tính x[k] = a[k.1. Tính thành phần nghiệm x[k] với k = n-1. ⎪⎩a n1 x1 + a12 x 2 + .. Chia 2 vế của phương trình i cho a[i. với k = 1. − a1n x n ) − a 23 x3 − . = 1 (a1.i]. Xét a[i.k]) ... . n+1) 2..

x3..n+1 − ∑ a nj x j ) / a nn ...4) để tính x1 = ( x11 . − ⎟ ⎜ a 22 ⎥ .. − Tiếp theo... j ≠ i j =1 Tiếp tục quá trình đó ta tính x2.. j ≠ i aii j =1 (4-2.NCT-FIT-HNUE Computional methods and Optimization Problems Hay ⎧ ⎪ x1 ⎪ ⎪⎪ x ⎨ 2 ⎪. cho hệ nghiệm ban đầu x0 = ( x10 ....n+1 − ∑ aij x 0j ) / aii . n thì n xi = (ai . g = ⎜ a 22 ⎟ . 2.. x n0 ) t .. an 2 − a nn ⎛ a1. = (a n . ⎪ ⎪ xn ⎪⎩ n (a1. ⎥ ⎜ . ⎟ ⎜ ⎥ xn ⎟⎠ ⎝ ⎜ a n .. 0 ⎥ ⎜ a ⎟ ⎥⎦ ⎝ nn ⎠ . Thay x0 vào phương trình (2-2... x12 . n . ….n+1 − ∑ aij x kj ) . xk Tổng quát: xik +1 = n 1 (ai .n +1 − ∑ a1 j x j ) / a11 ( j ≠ 1) = (a 2.. x 20 .. .4) trong đó B gọi là ma trận lặp và ⎡ ⎢ 0 ⎢ ⎢ − a 21 B = ⎢ a 22 ⎢ ... x1n ) t với n xi1 = (ai .4) có dạng x = Bx + g (3-2.4) j =1 Viết gọn hơn thì hệ (1-2.n +1 − ∑ a 2 j x j ) / a 22 ( j ≠ 2) = j =1 n j =1 .4) Quá trình lặp nói trên sẽ dừng tại xk nếu thỏa mãn tiêu chuẩn hội tụ tuyệt đối: xik +i − xik < ε (∀i = 1.. …. ( j ≠ n) j =1 Tổng quát ta có với i = 1..n +1 ⎟ a2n ⎥ ⎜ x2 ⎟ ...n+1 − ∑ aij x j ) / aii .n +1 ⎞ a1n ⎤ ⎟ ⎜ ⎥ a a11 ⎟ ⎜ x ⎛ ⎞ 11 ⎥ ⎜ 1⎟ ⎜ a 2. j ≠ i (2-2. .. ⎜ ⎟ .n +1 ⎟ ... ⎢ a ⎢− n1 ⎢⎣ a nn − a12 a11 0 . n) b) Điều kiện hội tụ của phương pháp Gauss-Seidel Hệ phương trình có ma trận lặp B thỏa mãn một trong các điều kiện sau đây thì quá trình lặp sẽ hội tụ: 56 .. x = ⎜ ⎟ ..

0001 0.4.6000 2 0.0009 -1.4 x3( k ) + 1. b] với sai số không vượt quá 10-3.4.9400 -0.0000 0.2 x 2( k ) − 0.4) Ví dụ 1-2. Giải hệ cho dưới dạng ma trận [A.0009 5 1.4) j =1 n r2 = max ∑ bij < 1 (ii) j n r3 = ∑ (iii) i =1 (6-2.1x1 = − 0. Bảng kết quả tính toán dưới đây giải hệ ⎧5 x1 − x 2 + 2 x3 = 8 ⎪ ⎨ x1 + 4 x 2 − x3 = −4 ⎪ x + x + 4x = 4 2 3 ⎩ 1 theo công thức (4-2.25 x1( k +1) + 0.6 ⎪ ( k +1) = −0. k x1( k ) x 2( k ) x3( k ) || x ( k ) − x || ∞ 1 1.0002 0.6000 -1.1x3 +1 − 0.0000 Ví dụ 2-2.0000 -1.2 x3 + 1 .4000 0.8 57 .NCT-FIT-HNUE Computional methods and Optimization Problems n r1 = max ∑ bij < 1 (i) i (5-2.1x 2 − 0.9500 0.0144 0.9951 1.4) thì ⎧ x1( k +1) = 0.9975 1.2 x 2 − 0.25 x 2( k +1) + 1 ⎩ x3 cho thấy phương pháp Gauss-Seidel thực sự hội tụ nhanh.0600 3 0.9998 0.0000 -1. ⎡10 2 1 10⎤ ⎢ 1 10 2 10⎥ ⎢ ⎥ ⎢⎣ 1 1 10 8 ⎥⎦ Áp dụng công thức (4-2.0001 6 1.4) i =1 n ∑b 2 ij j =1 <1 (7-2.9948 -0.4) ta có ⎧ x1 ⎪ ⎨ x2 ⎪x ⎩ 3 = = − 0.0000 0.2 + 0 .1x1 − 0 .0052 4 1.0001 1.25 x3( k ) − 1 ⎨ x2 ⎪ ( k +1) = −0.0000 1.25 x1( k +1) − 0.

0.002 0. j = 1 Æ n+1) 2.737. Tính các thành phần yi cho nghiệm tiếp theo. Output: véct tơ nghiệm x.68 0.58 3 0.. tương tự tính x2. ai (i=1 Æ n. Nhập n. .2 ⎟ ⎜ 0 .8)t. 0.627 6 0. 0)t thay vào ta được x1 = (1.3.xn) /* Ta gọi nghiệm thứ k là x.737 1. và bảng kết quả là k x1(k) x2(k) x3(k) 1 1.NCT-FIT-HNUE Computional methods and Optimization Problems Ta có − 0.1 0 ⎥⎦ ⎝ ⎠ n Do r1 = max ∑ bij = 0..xi6| < 10-3 ∀ i = 1. Nhập nghiệm xuất phát x = (x1.1. e) Thay xi = yi 58 .8 ⎟ ⎢⎣− 0. Nhập sai số ε 3. g = ⎜ 1 .2.2. Lặp quá trình sau đây 4.yn) */ 4. . 1. cột n+1 là vế phải của phương trình.2.xi| ≥ ε thì gán stop = false.. với i = 1 Æ n a) Khởi tạo tổng S = 0 b) Với j = 1 Æ n Nếu (j ≠ i) thì gán S = S + aij * xj c) yi = (ai.3 < 1 thỏa mãn điều kiện hội tụ nên ta có thể áp dụng phương pháp Gaussi j =1 Seidel.1 − 0.623 5 0.626 Nghiệm của hệ là x = (0.n+1 .. ma trận a(n.001.738 1. Algorithm: 1.94 0.997 0.2 0.2 − 0. y2. Chọn x0 = (0.638 4 0. 1.016 0.001 0.626) vì |xi7 . .1 0 − 0 .n+1) là ma trận các hệ số.8 2 0.737 1.2 ⎥ .626 7 0.754 1. c) Thuật toán Gauss-Seidel Input: n.733 0.. Khởi tạo stop = true 4. x2.S)/aii d) Nếu |yi . 0.1⎤ ⎡ 0 ⎛ 1 ⎞ ⎜ ⎟ ⎢ ⎥ B = ⎢ − 0 .001 0. x3. nghiệm thứ k+1 là y = (y1.

Tìm Rs0 = max {|R10|. .n+1 ⎪a ⎪ 2.. + a nn xn ⎧ a1.... .bi. . − a 2 n x n = 0 .5) .n+1 . nghĩa là xs1 = xs0 .. |Rn0|} và làm triệt tiêu phần tử đó bằng cách cho xs một số gia δxs = Rs0.n+1 về dạng a1n xn = 0 − a 22 x2 − .. 2.Rs0. .... .n +1 − bn1 x1 − b13 x3 − ..NCT-FIT-HNUE Computional methods and Optimization Problems Lặp quá trình trên đến khi stop = true 5. . − bn 2 x 2 .... − ... . . + a 2 n xn = a 2. x n0 ) t Vì x0 chưa phải là nghiệm. . R20. − x2 = 0 . .n+1 ⎪ ⎪b2.s * Rs0 (i = 1.n+1 − a11 x1 − − a 21 x1 a12 x 2 + . = a n . − ... − ..n+1 ⎨ ⎪ ⎪⎩a n . − bn 2 x20 − − . thu được hệ có dạng ⎧b1. (2-2. − x20 . x 20 . − x n . ⎪⎩a n1 x1 + + a n 2 x2 + . .bi.5) R10.. .. − x10 .. .n +1 − b12 x 2 ⎪b ⎪ 2. Tính lại các số dư: Rs1 = 0 Ri1 = Ri0 .5) (6-2.s * δxs = Ri0 .5) . − xn0 = R10 = R20 .n+1 + a 22 x2 + . .5.. − . .n +1 − b21 x1 ⎨ .... . nên ⎧ b1.. + a1n xn = a1.... .5) = 0 Cho vectơ (cột) nghiệm ban đầu là x0 = ( x10 . − . − bn1 x10 − b13 x30 − b23 x30 .5) = 0 Chia hàng i cho aii ≠ 0... |R20|. .n+1 ⎨ ⎪ ⎪bn .. ⎪ ⎪⎩bn .. . − x1 = 0 − b23 x3 − ... . − a nn x n . (3-2. − a n1 x1 − an 2 x2 a12 x2 . Phương pháp giảm dư a) Mô tả phương pháp Biến đổi hệ phương trình ⎧ a11 x1 ⎪a x ⎪ 21 1 ⎨ ⎪ ... Xuất xi (i = 1 Æ n) 2...... = Rn0 (4-2. . .. n) 59 (5-2.. (1-2. . . Rn0 là các số dư sai khác giữa nghiệm x0 và nghiệm đúng của hệ.n+1 ⎩ − b12 x20 − b21 x10 ..

x31 = x30 + R30 = 0.7 + 0.6 + 0. xnk) là nghiệm của hệ.04 0 0. Ví dụ 1-2.99 0.99 0.96 0. . R31) = (0. ∀i =1.78 Æ R1 = (R11.01 0.1x 1 ⎩ + 0 ..8.01 0.19 0. 0) Tương tự. 0..78 0 0. R20.01 0 0.92 0. x2k.1x2 − − x2 x3 = 0 = 0 Cho x0 = (0.5.2 x 3 + 0.7 0.07 0.2 x1 ⎪0.76 0.76 R21 = R20 + b23.1 × 0.R30 = 0.76.. 60 .7 + 0.8 0.NCT-FIT-HNUE Computional methods and Optimization Problems Cứ tiếp tục quá trình lặp trên cho đến khi |Rik| < ε (∀i=1. ta có bảng kết quả x1 0 x2 0 x3 R1 R2 R3 0 0.8 0. 0.03 0.8 + 0. R30) = (0.. Giải hệ cho bởi ma trận [A.17 0.01 0 0 0 0. 0) Æ R0 = (R10.02 0 0 0.8 = 0.18 0.6.2 x2 ⎪ ⎨0. 3..01 0 0 0 0 0. . 0. 0.6 0. 1. n) thì xk = (x1k.99 1 1 1 Vậy nghiệm của hệ là x = (1.6 + 0. R21.2 × 0.8 = 0.8) R30 = max{|Ri0|} = 0.8 Tính lại các số dư: R31 = 0 R11 = R10 + b13.7. 1).92 0 0.2 x 3 − x1 = 0 + 0 .R30 = 0.. 2.08 0 0.78 0.78.b] sau ⎡ 10 − 2 − 2 6⎤ ⎢− 2 10 − 1 7 ⎥ ⎢ ⎥ ⎢⎣ 1 1 − 10 8 ⎥⎦ Giải: Biến đổi hệ về dạng ⎧0.

a[i. if (|r[i]| ≥ ε) continue = true. n) for i = 1 Æ n { r[i] = a[i.a[i.} 7. for j=1 Æ n r[i] = r[i] . for i = 1 Æ n { r[i] = r[i] .Quá trình hội tụ không phụ thuộc vào x0 mà chỉ phụ thuộc vào bản chất của hệ phương trình. for i = 1 Æ n if (max < |r[i]|) {max = r[i]. n+1].i]. k] * d. 2.13) về dạng (3. nếu không phải đổi hàng. } 4. Output: véct tơ nghiệm x. Algorithm: 1. a[i. 2. k = i. /* Tìm rs = max{|r[i]|. } 5. for i = 1 Æ n { for j = 1 Æ n+1 if (i!=j) a[i. 2..n+1) là ma trận các hệ số. Nhập n. ma trận a(n. aij. .} x[k] = x[k] + r[k]..i] = 1. Khởi tạo đầu lặp continue = true 6. …. i = 1. Lặp khi continue = true continue = false. cột n+1 là vế phải của phương trình.Phương pháp chỉ thực hiện được khi aii ≠ 0. 61 . Xuất nghiệm x[i]. n) Lưu ý: . xi 2.NCT-FIT-HNUE Computional methods and Optimization Problems b) Thuật toán Giảm dư Input: n. Biến đổi hệ từ dạng (3. (i= 1.j] * x[j]. ….. /* Tính lại r[i] và kiểm tra khả năng lặp tiếp theo */ d = r[k]. k = 1. Tính r[i] ban đầu (i = 1. . n} và tính lại xs */ max = |r[1]|.14) 3.j] / a[i.

Như vậy. 2.6. Khi đó người ta thu được không phải là hệ (1-2. x2 = 10. rất khác so với nghiệm của hệ đã cho. Hệ phương trình ⎧x1 + 2x 2 = 1 ⎨ ⎩x1 + 2. Hệ phương trình ⎧1. rất khác so với nghiệm của hệ đã cho.6.6.Nếu các phần tử aii càng lớn hơn các phần tử trên dòng bao nhiêu thì quá trình hội tụ càng nhanh. Hệ phương trình ⎧2x 1 + x 2 = 2 ⎨ ⎩2x 1 + 1. tức là khi dữ kiện đầu vào thay đổi ít thì liệu nghiệm có thay đổi ít không? Dưới đây ta chỉ ra một vài thí dụ.01x 2 = 2.6) trong đó các hệ số aij và bi được tính theo một công thức nào đó. .6.01 62 .NCT-FIT-HNUE Computional methods and Optimization Problems . x2 = 0. x2 = 3.01x 2 = 1. Vấn đề ổn định của nghiệm của hệ phương trình Trong nhiều trường hợp người ta thu được hệ phương trình đại số tuyến tính Ax = b (1-2.0001x 2 = 3 có nghiệm là x1= 3. ta có (A + δA)( x+δx) = b+δb (2-2.01x 2 = 1 có nghiệm là x1= 1. Và tất nhiên nghiệm của hệ nhiễu này bây giờ không phải là x mà là x+δx. Ví dụ 3-2. mà là hệ phương trình với ma trận nhiễu A+δA và vế phải nhiễu b+δb.6) Vấn đề đặt ra là liệu sự thay đổi δx của nghiệm có phụ thuộc liên tục vào sự thay đổi của dữ kiện đầu vào là δA và δb hay không.6). có thể là khá phức tạp cho nên không tránh khỏi sai số. x2 = 0. Trong khi đó hệ với nhiễu nhỏ của ma trận A ⎧x 1 + x 2 = 3 ⎨ ⎩x 1 + 1. Ví dụ 2-2. Hệ với nhiễu nhỏ của vế phải ⎧x 1 + 2x 2 = 1 ⎨ ⎩x 1 + 2. trong đó xảy ra hiện tượng “sai một ly đi một dặm”.0001x1 + x 2 = 3 ⎨ ⎩x 1 + x 2 = 3 có nghiệm là x1= 0. cụ thể là sai số nhỏ của dữ kiện dẫn đến sai số lớn của nghiệm.Mọi hệ phương trình có giá trị riêng λ ≥ 1 đều hội tụ đến nghiệm một cách nhanh chóng.01 lại có nghiệm là x1= -19. Ví dụ 1-2.

1) Đây là một hệ phương trình tuyến tính thuần nhất. Ví dụ 1-3. Số λ gọi là giá trị riêng của A nếu phương trình Ax = λx. Giới thiệu Định nghĩa 1-3. x luôn hiểu là vecto cột. Nhưng hệ phương trình trên với sự thay đổi ít của ma trận A và vế phải ⎧2x 1 + x 2 = 2 ⎨ ⎩2.1. Ví dụ 2-3.1) có nghiệm x = (x1. 2) ∈ R2.. Phương trình (3-3. x2 = 1. Vectơ x ≠ 0 này được gọi là vectơ riêng ứng với giá trị riêng λ. 0). x ∈ Rn (1-3.5. ….1) được gọi là phương trình đặc trưng của ma trận vuông A.1. trong đó E là ma trận đơn vị cấp n. Do đó ta có (A . 2) thì Ax = 3x Do đó giá trị riêng của A là 3 ứng với vectơ riêng là (1.1: Giả sử A là ma trận vuông cấp n. Trong những thí dụ trên ta nói rằng hệ phương trình có nghiệm không ổn định. Chú ý trong cách viết Ax.NCT-FIT-HNUE Computional methods and Optimization Problems có nghiệm là x1= 0.1) Đó là phương trình để xác định giá trị riêng của A.λE)x = 0 (2-3. Hãy tìm các giá trị riêng của ma trận ⎡ 3 2⎤ A=⎢ ⎥ ⎣− 1 0⎦ Giải: Ta có 63 . 0.1. Muốn cho λ là giá trị riêng của A và hệ trên có nghĩa x ≠ 0 thì điều kiện cần và đủ là det (A-λE) = 0 (3-3. Để tìm giá trị riêng của ma trận vuông A cấp n. x2 = -8. 3. Ta thấy A⎢ ⎥ = ⎢ Cho A = ⎢ ⎥ ⎢ ⎥ = ⎢ ⎥ = 3⎢ ⎥ ⎥ ⎣2⎦ ⎣8 − 1⎦ ⎣2⎦ ⎣6⎦ ⎣2⎦ ⎣8 − 1⎦ Vậy với x = (1. xn) khác (0. …. khác xa so với nghiệm của hệ gốc đã cho.01x 1 + x 2 = 2. Định nghĩa 2-3. x ∈ Rn. x2. Tính gần đúng giá trị riêng và véc tơ riêng của ma trận 3. ta viết Ax = λx thành Ax = λEx. ⎡1⎤ ⎡3 0 ⎤ ⎡1⎤ ⎡3⎤ ⎡1 ⎤ ⎡3 0 ⎤ .1.05 lại có nghiệm là x1= 5.

. 0 ⎥⎥ ..n ⎥ 0 1 ⎥⎦ (1-3.3) Hàng thứ n-1 của M-1 bằng hàng thứ n của A. pn−1 0 0 .. a n . Để tránh việc khai triển định thức đòi hỏi số phép tính lớn. Tìm giá trị riêng bằng phương pháp Đa-nhi-lép-ski a) Mô tả phương pháp tìm giá trị riêng Mục tiêu cần đạt được là đưa ma trận A về dạng ma trận Phơ-rê-be-mit.. 1 pn ⎤ 0 ⎥⎥ 0⎥ ⎥ . nếu tồn tại ma trận không suy biến M (tức det M ≠ 0) sao cho B = M-1AM.. 0 ⎤ . ⎡ p1 ⎢1 ⎢ P=⎢0 ⎢ ⎢.3. 1 0.. ta chỉ cần tìm ma trận B sao cho B đồng dạng với ma trận A và B có dạng là ma trận Phơ-rê-be-mit..λI = ⎢ ⎥ ⎥=⎢ ⎣− 1 0⎦ ⎣0 1 ⎦ ⎣ − 1 2 ⎤ − λ ⎥⎦ Vậy phương trình đặc trưng của A là det (A .. .. Ma trận đồng dạng Định nghĩa 1-3. . ⎥ ⎥ . 3. Tính chất: A~BÆB~A A ~ B.2.. .2.. kí hiệu là B ~ A. ... nói cách khác ta có: M n−−11...1 ⎢⎣ 0 0 1 . Trong phương pháp này. ⎢⎣ 0 p2 0 1 . a n. Ma trận B gọi là ma trận đồng dạng với ma trận A. 0 .1) Khi đó giá trị riêng của A cũng là giá trị riêng của B.1 lần biến đổi: • Lần biến đổi 1: Tìm M-1. B ~ C Æ A ~ C A ~ B Æ Giá trị riêng λ của A và B trùng nhau. ...3λ + 2 = 0 −λ Suy ra λ = 1 và λ = 2 là các giá trị riêng của A.. Tính M-1 và M có dạng như sau: M −1 ⎡ 1 ⎢ 0 ⎢ =⎢ .λI) = 3−λ −1 2 = λ2 . ⎢ ⎢a n . 2 0 ..NCT-FIT-HNUE Computional methods and Optimization Problems ⎡ 3 2⎤ ⎡1 0⎤ ⎡3 − λ − λ⎢ A. ⎥ 0 ⎥⎦ (4-3. khi tìm giá trị riêng λ ta có thể áp dụng phương pháp Đa-nhi-lep-ski. M sao cho A1 = M1 A M ~ A và dòng thứ n của A1 có dạng là 0 0 0 . 3. Thực hiện n .. j = An . j 64 .

.pn-1λ .. 0 . Tại lần này: . a n.2.… . ⎡ p1 ⎢1 ⎢ P=⎢0 ⎢ ⎢.. .p1λn-1 .. • .pn-1λ .NCT-FIT-HNUE ⎡ 1 ⎢ 0 ⎢ M =⎢ . Riêng phần tử trong M ở vị trí tương ứng với phần tử biến đổi của A thì mang dấu dương và bằng 1 chia cho phần tử biến đổi. Riêng phần tử trong M ở vị trí tương ứng với phần tử biến đổi của A thì mang dấu dương và bằng 1 chia cho phần tử biến đổi. Giải phương trình trên ta suy ra được các giá trị riêng λ.1 ta nhận được ma trận An-1 ~ A và có dạng ma trận Phơ-rê-be-mit P.Hàng thứ n .… . j ⎪⎩ a n .. Hàng thứ n-1 của M bằng hàng thứ n của A chia cho phần tử biến đổi và thương mang dấu âm. 1 pn ⎤ 0 ⎥⎥ 0⎥ ⎥ . Phần tử biến đổi của A ứng với lần thứ hai ở trên hàng n . .. Tìm giá trị riêng của ma trận 65 .. .. ⎥ 0 ⎥⎦ Khi đó giá trị định thức của P .λE là det (P .1.3) Lần biến đổi 2 tương tự: Chọn M-1.n −1 a ⎪− n .n −1 ⎥ 0 1 ⎥⎦ Gọi phần tử biến đổi của ma trận A ứng với lần thứ nhất là phần tử ở hàng n và cột n .. pn−1 0 0 .2 của M bằng hàng thứ n -1 của A chia cho phần tử biến đổi và thương mang dấu âm.n −1 if j = n −1 (3-3.pn) det (P ..n ⎥ − ⎥ a n . M sao cho A2 = M-1 A1 M ~ A1 và dòng thứ n -1 của A2 có dạng 0 0 0 .n −1 a n .1 ⎢− ⎢ a n ... Nói cách khác ta có: M n −1.. j ⎧ 1 ⎪a ⎪ = ⎨ n .n −1 ⎣⎢ 0 − 0 1 . Ví dụ 1-3.n −1 0 .1 của ma trận A. ⎢⎣ 0 p2 0 1 .p1λn-1 .3.. 2 .1và cột n . a n . .Hàng thứ n .λE) = 0 ⇔ λn . . 1 0 0. ⎥ (2-3...... A1 ~ A Æ A2 ~ A.. Chú ý rằng P = M-1AM.pn = 0. .λE) = (-1)n (λn . Computional methods and Optimization Problems 0 0 ⎤ 0 0 ⎥⎥ . .. ⎢ a n .2 của M-1 sẽ bằng hàng thứ n .3) if j ≠ n −1 A1 = M-1 A M ~ A • (4-3. Ta thu được A2 ~ A1.. .. .. • Lần biến đổi thứ n .3) a 1 n .

4) = 0 ⇔ λ = 2. trừ vị trí ở chính cột 1 thì bằng 1 chia cho nó. 2. ai.j = 1. b) Thuật toán Đan-nhi-lep-ski tìm giá trị riêng Input: n. ma trận A= (ai. λ = 4.. Dòng 2 của M bằng dòng 3 của A chia cho phần tử cột 2 lấy dấu âm. chọn M −1 ⎡1 = ⎢⎢ 0 ⎢⎣ 0 0 1 1 0⎤ ⎡ 1 0 0 ⎤ ⎡1 0 0 ⎤ 2 ⎥⎥ .j) Algorithm: 1. λ = 1. ⎡ 2 1 − 2⎤ A1 = M A M = ⎢⎢1 5 − 5⎥⎥ ⎢⎣0 1 0 ⎥⎦ -1 Lần 2. 2... ..j) (i.2)(λ . n) 66 .. n) Output: Các giá trị riêng của ma trận A = (ai. M = ⎢ 0 ⎢ ⎢⎣0 0 1 ⎥⎦ ⎢0 ⎣⎢ 5 1 1 0 − − − 5⎤ ⎡1 1 ⎥ ⎢ ⎥ = 0 0 ⎥ ⎢ 1 ⎥ ⎢⎣ 0 ⎦⎥ −5 1 0 5⎤ 0 ⎥⎥ 1 ⎥⎦ Trong đó : dòng 1 của M-1 là dòng 2 của A.8 = 0 ⇔ (λ .1)(λ . ⎡7 − 14 8⎤ A2 = M-1 A M = ⎢⎢1 0 0⎥⎥ = P ⎢⎣0 1 0⎥⎦ Vậy giá trị riêng là nghiệm của phương trình λ3 . Nhập a.NCT-FIT-HNUE Computional methods and Optimization Problems ⎡2 1 0⎤ A = ⎢⎢1 3 1 ⎥⎥ . trừ vị trí ở chính cột 2 thì bằng 1 chia cho nó. chọn M −1 ⎡1 ⎡ 1 5 − 5⎤ ⎢1 ⎢ ⎥ = ⎢0 1 0 ⎥ .. Dòng 2 của M bằng dòng 2 của A chia cho phần tử cột 1 lấy dấu âm. . n = 3 ⎢⎣0 1 2⎥⎦ Ta tìm ma trận Phơ-rê-be-mit: ⎡ p1 P = ⎢⎢ 1 ⎢⎣ 0 p2 0 1 p3 ⎤ 0 ⎥⎥ 0 ⎥⎦ Lần 1.7λ2 + 14λ .j (i. M = ⎢− 0 1 − 2 ⎥ = ⎢0 1 − 2⎥ ⎥ ⎢ ⎢ 1 1 ⎥ ⎢ 0 0 11 ⎥ ⎢⎣0 0 1 ⎥⎦ 0 ⎥⎦ ⎦ ⎣ Trong đó : dòng 2 của M-1 là dòng 3 của A.j = 1.

.y = λ.4) Ax = λEx Vậy x là vectơ riêng của A Tính x theo công thức (9-3.4.j] = .NCT-FIT-HNUE Computional methods and Optimization Problems 2. j]/a[k+1.y = M.y Nhân hai vế với M: M.j] = 1/a[k+1. Tìm vectơ riêng bằng phương pháp Đan-nhi-lep-ski a) Mô tả phương pháp Gọi y là vectơ riêng của ma trận P ~ A Ta có (P .λE)y = 0 Py = λEy M-1.. if (j = k) M[i.A.E. j] = 1} else {M[i. output: B) Lần 2: Nhân(input: M1.M 1−1 AM 1 M 2 .λ.k) /* Tính hai ma trận M và M1 (M1 là nghịch đảo của ma trận M*/ for i = 1 Æ n for j = 1 Æ n if i ≠ k if (i = j) {M[i. k].M. Lặp k = n .y A.A.y = λ.E.M n −1 .M. Y. Xuất ai..M-1.M..λE)y = 0 67 .j (i. j]. M.a[k+1. Định nghĩa hàm nhân 2 ma trận vuông cấp n: Nhân(input: X. M1[i..M.4) Xác định vectơ y nhờ phương trình (P . Mi và Mi-1 là ma trận M và M-1 xác định ở lần biến đổi thứ i và M = M1M2…Mn-1 (2-3.j = 1 Æ n) 3. output: Z) 3. B.E.j] = a[k+1.j] = 0.1 Æ 1 (phần tử biến đổi là ak+1. else M[i. output: A) 4.j] = 0} else {M1[i.3) trong đó M và Y xác định bởi các công thức sau: P = M n−−11 M n−−12 . k]} /* Gọi hàm nhân 2 lần */ Lần 1: Nhân(input A. j] = 1. M1[i.y Đặt vectơ x = My: (1-3.

.18 ta đã tìm được 3 giá trị riêng. Ở ví dụ 3. 4. ta có 3 vectơ riêng ⎡1 − 5 5 ⎤ ⎡4⎤ ⎡− 1⎤ x = ⎢⎢0 1 − 2⎥⎥ ⎢⎢2⎥⎥ = ⎢⎢ 0 ⎥⎥ ⎢⎣0 0 1 ⎥⎦ ⎢⎣1 ⎥⎦ ⎢⎣ 1 ⎥⎦ 1 68 .. y n −1 − λy n = 0 cho yn =1 Æ yn-1 = λ.. 1 hay ⎧( p1 − λ ) y1 ⎪y ⎪ 1 ⎨ ⎪ ⎪⎩ + p2 y2 + pn yn − λy 2 = 0 = 0 . λ. + p n −1 y n −1 p n −1 0 ...4) Ví dụ 1-3.. .. y1 = λn-1 Vậy y = (λn-1.NCT-FIT-HNUE Computional methods and Optimization Problems hay ⎡ p1 − λ ⎢ 1 P=⎢ ⎢ . Tìm vectơ riêng của A ⎡ 2 1 0⎤ A = ⎢⎢1 3 1 ⎥⎥ ⎢⎣0 1 2⎥⎦ Gọi y là vectơ riêng của ma trận Phơ-rê-be-mit P ~ A.. . 1) λ2 = 1 Æ y2 = (1. 1) (3. 1.....3. Ứng với 3 giá trị riêng.4... 1) Tìm M : ⎡1 0 0 ⎤ ⎡1 − 5 5⎤ ⎡1 − 5 5 ⎤ M = M 1 M 2 = ⎢⎢0 1 − 2⎥⎥ ⎢⎢0 1 0⎥⎥ = ⎢⎢0 1 − 2⎥⎥ ⎢⎣0 1 0 ⎥⎦ ⎢⎣0 0 1⎥⎦ ⎢⎣0 0 1 ⎥⎦ x = M y... − λ .. 1) λ3 = 3 Æ y3 = (16. pn ⎤ 0 ⎥⎥ . 0 .. yn-2 = λyn-1= λ2. 2. nên ta có λ1 = 2 Æ y1 = (4. λn-1. . ⎢ ⎣ 0 p2 . ⎥ ⎢ ⎥ ⎣ yn ⎦ + . . ⎥ ⎥ − λ⎦ ⎡ y1 ⎤ ⎢y ⎥ ⎢ 2⎥ = 0 ⎢ ...

output: A) Lần 3: Nhân(input: B1. 1) và x3 = (1. Giải các hệ phương trình Ax = b sau đây bằng phương pháp khử Gauss.3 2 10 ⎟ ⎝ ⎠ ⎠ ⎝ ⎛ 2 0 ⎜ b) A = ⎜ . Lặp k = n .j BÀI TẬP 1. ⎜6 ⎟ ⎜ . Khởi tạo B1 = E 2. 2.3 1 ⎟' b = ⎜ 2 ⎟ .NCT-FIT-HNUE Computional methods and Optimization Problems ⎡1 − 5 5 ⎤ ⎡1⎤ ⎡ 1 ⎤ x = ⎢⎢0 1 − 2⎥⎥ ⎢⎢1⎥⎥ = ⎢⎢− 1⎥⎥ ⎢⎣0 0 1 ⎥⎦ ⎢⎣1⎥⎦ ⎢⎣ 1 ⎥⎦ 2 ⎡1 − 5 5 ⎤ ⎡16⎤ ⎡1 ⎤ x = ⎢⎢0 1 − 2⎥⎥ ⎢⎢ 4 ⎥⎥ = ⎢⎢2⎥⎥ ⎢⎣0 0 1 ⎥⎦ ⎢⎣ 1 ⎥⎦ ⎢⎣1 ⎥⎦ 3 Vậy các vectơ riêng của A là x1 = (-1.1⎞ ⎛ − 3⎞ ⎜ ⎟ ⎟ 1 ⎟' b = ⎜ 2 ⎟ . Xuất ai. M.1 ⎟' b = ⎜ 4 ⎟ .1 Æ 1 /* Tính 2 ma trận M. ⎜1 ⎟ ⎝ ⎠ 69 . M. ⎜1 ⎟ ⎝ ⎠ ⎛ − 1⎞ ⎜ ⎟ x* = ⎜ 0 ⎟ . ⎜1 ⎟ ⎝ ⎠ ⎛1 ⎞ ⎜ ⎟ x* = ⎜ 0 ⎟ . -1 . output B) Lần 2: Nhân(input: B1. x2 = (1. M. So sánh với nghiệm đúng x* ⎛11⎞ ⎛5 0 1⎞ ⎜ ⎟ ⎟ ⎜ a) A = ⎜ 1 3 .1 3 ⎜ 1 -1 ⎝ . 0. 1) . output: B) /* Gán lại ma trận B1 = B */ 3. 1) b) Thuật toán tìm vectơ riêng Ta bổ sung vào thuật toán tìm giá trị riêng ở hai chỗ : phần khởi tạo và trong vòng lặp k 1. ⎜3 ⎟ 4 ⎟⎠ ⎝ ⎠ ⎛1 ⎞ ⎛ 2 0 -1 ⎞ ⎜ ⎟ ⎟ ⎜ c) A = ⎜ 1 . M1 như thuật toán tìm giá trị riêng*/ /* Gọi hàm nhân 3 lần */ Lần 1: Nhân(input: A.j và bi. ⎜ 4⎟ ⎜ 1 1 3⎟ ⎝ ⎠ ⎠ ⎝ ⎛ 2⎞ ⎜ ⎟ x* = ⎜1 ⎟ .

10. 70 . ⎜ 4 ⎟ ⎜ 1 . Dùng phương pháp đồ thị giải hệ phương trình sau 2x + y = 2 2 x + 1.5. ⎟ -5 1 0 6 ⎜⎜ ⎟⎟ ⎟⎟ 1 -1 1 ⎠ ⎝1 ⎠ ⎛ 1 ⎞ ⎟ ⎜ ⎜ −1 ⎟ . 7.1 3⎟ ⎝ ⎠ ⎠ ⎝ ⎛ − 1⎞ ⎜ ⎟ x* = ⎜ 0 ⎟ . ⎜ − 3⎟ ⎢⎣ 0 .01 y = 2.1⎟ ⎜ − 1⎟ ' b = ⎜ ⎟. ⎜ 2 ⎟ ⎝ ⎠ ⎛3 ⎜ ⎜2 f) A = ⎜ 2 ⎜⎜ ⎝1 0 -1 1 ⎞ ⎛ 4⎞ ⎜ ⎟ ⎟ 2 1 . x2 = 1.01 Giải thích vì sao nghiệm thu được có thể sai khác rất lớn so với nghiệm đúng là x1 = 0.2 ⎟' b = ⎜ − 4 ⎟. Cho hệ phương trình Ax = b với ⎛ −1 ⎞ ⎡ 2 -1 0 ⎤ ⎜ ⎟ ⎥ ⎢ A = ⎢. Có thể áp dụng phương pháp lặp gì để giải hệ sau đây và lý giải vì sao x1 − x2 = 10 − x1 + 2 x2 − x3 = 6 − x2 + 2 x3 − x4 = 10 − x3 + 2 x4 = 9.1 3⎟ ⎝ ⎠ ⎠ ⎝ ⎛ − 2⎞ ⎜ ⎟ x* = ⎜ 0 ⎟ . ⎜1 ⎟ ⎝ ⎠ ⎛ − 4⎞ ⎛ 3 -1 1 ⎞ ⎜ ⎟ ⎟ ⎜ e) A = ⎜ .1 3 1 ⎟' b = ⎜ 4 ⎟.1 ⎥ . 6.NCT-FIT-HNUE Computional methods and Optimization Problems ⎛ − 2⎞ ⎛ 2 -1 0 ⎞ ⎜ ⎟ ⎟ ⎜ d) A = ⎜ 2 5 . Sau các phép biến đổi thích hợp hãy sử dụng phương pháp lặp Gauss-Seidel giải hệ phương trình sau với sai số 10-3 x1 + 3 x2 + 9 x3 + x4 = 10 x1 + x2 + x3 + 5 x4 = 6 2 x1 + 7 x2 + 3 x3 + 2 x4 = 15 4 x1 + 2 x2 + x3 + x4 = 9. Hãy đề xuất một phương pháp lặp giải hệ trên và biện luận sự hội tụ của nó. x* = ⎜ −1 ⎟ ⎟⎟ ⎜⎜ 0 ⎠ ⎝ 3.1 2 . ⎜ 2 ⎟ ⎜ 1 . b = ⎜ 5 ⎟ .1 2⎥⎦ ⎝ ⎠ Tìm nghiệm của hệ bằng phương pháp khử Gauss.

2) Ước lượng trên được chứng minh nhờ khai triển Taylor đến thành phần chứa đạo hàm cấp 4 với giả thiết f ( x) ∈ C ( 4) [a. (4-1. Đạo hàm cấp 1 .i yi +1 − yi −1 1 = ( y x . trong đó h = (b − a) / n. (6-1.i − f ' ( x i ) = O ( h ) . (5-1. n) . 71 .i = y i +1 − y i ∆y i = h h (i = 0. b].i ) (i = 1.i = y i − y i −1 ∇y i = h h (i = 1. n − 1) 2h 2 (3-1. Đạo hàm cấp hai Để tính đạo hàm cấp hai của hàm f (x) tại các nút xi có thể dùng công thức đạo hàm sai phân sau y xx . n − 1) (7-1. i − f ' ' ( x i ) = O ( h 2 ) (8-1.i 1.1. n.1.1) .Đạo hàm sai phân tiến: thường để tính gần đúng đạo hàm tại điểm biên y’(x0) y x .1) y x .2.1) .Đạo hàm sai phân lùi: thường để tính gần đúng đạo hàm tại điểm biên y’(xn) y x .) Sai số của các đạo hàm sai phân trên được đánh giá như sau: y x .b] và xi = a + ih. Cho gía trị của hàm tại các điểm lưới trên: yi = f ( xi ) (i = 0.2) Sai số của công thức trên được ước lượng như sau y xx . Tính gần đúng đạo hàm Giả sử f (x) là hàm trơn trên đoạn [a. i = yi +1 − 2 yi + y i −1 h2 (i = 1.1) y 0 − f ' ( xi ) = O ( h 2 ) . 1.i + y x .Đạo hàm sai phân trung tâm: thường để tính gần đúng đạo hàm tại các điểm trong yο = x . i = 0. n) (2-1. Khi đó có thể tính gần đúng đạo hàm cấp một của hàm tại các điểm lưới nhờ các công thức đạo hàm sai phân sau.NCT-FIT-HNUE Computional methods and Optimization Problems Chương 5 TÍNH GẦN ĐÚNG ĐẠO HÀM VÀ TÍCH PHÂN 1.1) x . n − 1) (1-1. là các điểm mốc cách đều nhau.i − f ' ( x i ) = O ( h ) .

Cần tính b I = ∫ f ( x)dx (1-2. n) với 1 h = (b − a) / n.1) không có tác dụng. 2 Ta có b n −1 xi +1 a i =0 xi ∫ f ( x)dx = ∑ ∫ f ( x)dx (1-2. Công thức hình chữ nhật trung tâm a) Thiết lập công thức Chia đoạn [a.NCT-FIT-HNUE Computional methods and Optimization Problems Để xây dựng các công thức tính đạo hàm với sai số cấp 2 tức là có ước lượng O(h 2 ) tại các điểm mút x0 và xn .1. b] thành các đoạn con và trên mỗi khoảng con xấp xỉ hàm số bởi một đa thức. n − 1) bởi các điểm xi = a + ih. b] sẽ là tổng các tích phân trên từng khoảng con. xi +1 ] (i = 0. Ý tưởng cơ bản của các phương pháp tính gần đúng tích phân là chia nhỏ khoảng tích phân [a.Leibnitz b ∫ f ( x)dx = F (b) − F (a).1) a Tuy nhiên trong thực tế ta gặp các hàm f (x) mà nguyên hàm của nó không thể biểu diễn bằng các hàm số sơ cấp hoặc ta không tìm được nguyên hàm của chúng. cũng như tính đạo hàm cấp cao hơn ta sẽ sử dụng công cụ nội suy hàm số.) Ta xấp xỉ xi +1 ∫ f ( x)dx ≈ f ( xi +1 / 2 )h (2-2. 2.2. (i = 0. b] thành n đoạn con [ xi . Trong những trường hợp ấy công thức (2-2.2) xi 72 . Vì thế người ta phải tìm cách tính gần đúng tích phân xác định. Giới thiệu bài toán Cho f (x) là hàm số liên tục trên đoạn [a. 2. do đó có thể áp dụng công thức Newton. b] . Tích phân trên toàn đoạn [a.2.Leibnitz tính tích phân trên mỗi đoạn con. Tính gần đúng tích phân còn có ý nghĩa khi hàm f (x) không cho ở dạng biểu thức toán học mà cho dưới dạng bảng số. Ký hiệu xi +1 / 2 = ( xi + xi +1 ) là điểm giữa của mỗi đoạn con. (2-2. Với các đa thức ta có thể tìm được các nguyên hàm của chúng.1) a Trong giáo trình giải tích toán học ta biết rằng nếu f (x) có nguyên hàm là hàm F (x) thì có thể tính tích phân trên một cách đơn giản nhờ công thức Newton. Tính gần đúng tích phân 2.

2) và (2-2.2 ta lập bảng giá trị i+1/2 xi+1/2 yi+1/2 0 0.7000 0. Từ (1-2. Với h = 0. 24 (4-2. (5-2.9000 0. xn = b]: n −1 I CN ≈ ∑ f ( xi +1/ 2 )h (3-2.6667 3 0.NCT-FIT-HNUE Computional methods and Optimization Problems Về mặt hình học.2) M 2 = max f ' ' ( x) .5882 4 0.5000 0.6919.7692 2 0.2) 4 I hcn = h∑ yi +1/ 2 =0.2) i =0 b) Đánh giá sai số: Người ta đã chứng minh được ước lượng sai số địa phương là: M2 3 h .2* 3. xi +1 ] được xấp xỉ bởi hình chữ nhật trung tâm với đường cao bằng giá trị của hàm f (x) tại điểm giữa xi +1 / 2 .5263 Σ=3.3000 0.2) ei ≤ trong đó: a ≤ x ≤b Từ đó suy ra ước lượng của sai số toàn phần của công thức hình chữ nhật trung tâm là E ≤ M2 (b − a)h 2 24 (6-2. điều đó có nghĩa là hình thang cong giới hạn bởi đường cong y = f (x) trên đoạn [ xi .1000 0. Ta có 73 .4595 = 0.4595 Theo công thức (3-2. i =0 Bây giờ ta ước lượng sai số của giá trị tính được.9091 1 0.2) suy ra công thức hình chữ nhật trung tâm tính gần đúng tích phân xác định trên đoạn [a = x0. Giải.2) c) Thí dụ 1 dx bằng công thức hình chữ nhật trung tâm với số đoạn chia n 1+ x 0 Tính gần đúng tích phân I = ∫ =5 và đánh giá sai số.

6952) trong khi giá trị đúng của 24 tích phân là I = ln 2 = 0. 0. Vậy I = 0.3) trong dạng y + yn ⎞ ⎛ n I ht ≈= h⎜ ∑ yi − 0 ⎟ 2 ⎠ ⎝ i =0 (2’-2... Theo công thức (6-2. + 2 yn−1 + yn ) 2n (3-2.0033 = (0.NCT-FIT-HNUE f ' ( x) = − Computional methods and Optimization Problems 1 .6886.. (1 + x) 3 Do đó M 2 = max f ' ' ( x) = 2 . Do đó b n −1 a i =0 I = ∫ f ( x)dx ≈ ∑ h ( yi + yi+1 ). | E |≤ 2.6931. Công thức hình thang a) Thiết lập công thức Ta thay hình thang cong bởi hình thang thẳng như trong hình sau đây: yi x0 x1 yi+1 xi xi+1 xn Khi đó xi +1 ∫ f ( x)dx ≈ xi 1 ( yi + yi+1 )h.2) 2 = 0. + y n−1 ⎟ I ht ≈ h⎜ 0 ⎝ 2 ⎠ (2-2.6919 ± 0. (1 + x) 2 f ' ' ( x) = 2 .3) Có thể viết (2-2.3.3) trong đó để viết cho gọn ta đã ký hiệu yi = f ( xi ) . 2 Vậy ta có công thức hình thang tính gần đúng tích phân xác định là ⎛ y + yn ⎞ + y1 + . 2 (1-2.2) ta có ước lượng sai số 0 ≤ x ≤1 2 (0.0033.3) 74 ..3) hoặc I ht ≈ b−a ( y0 + 2 y1 + .

(1 + x) 2 f ' ' ( x) = 2 . Giải.6938.5263 10 1.3) y + y10 ⎞ ⎛ 10 I ht ≈ h⎜ ∑ yi − 0 ⎟ = 0. (1 + x) 3 75 . Ta có f ' ( x) = − 1 .2000 0.5000 Σ=7.6877 Theo công thức (2’-2.0000 1.9000 0.6877 – 1.6250 7 0.NCT-FIT-HNUE Computional methods and Optimization Problems b) Đánh giá sai số Người ta đã chứng minh được ước lượng của sai số địa phương là ei ≤ M2 3 h .1 * (7.3) Do đó sai số toàn phần của công thức hình thang sẽ là E ≤ M2 (b − a )h 2 .7000 0. 12 (5-2.3000 0.8333 3 0.0000 0. 2 ⎠ ⎝ i =0 Bây giờ ta ước lượng sai số của giá trị tính được.9091 2 0. Ta có h = 0.7692 4 0.0000 1 0.8000 0.1 và bảng giá trị i xi yi 0 0.3) Trong đó M 2 = max f " ( x ) x0 ≤ x ≤ xn c) Ví dụ 1 dx bằng công thức hình thang với số đoạn chia n =10 và đánh 1+ x 0 Tính gần đúng tích phân I = ∫ giá sai số.7143 5 0.5000/2 ) = 0.6000 0.5882 8 0.5556 9 0.4000 0.1000 0.6667 6 0.5000 0. 12 (4-2.

2. yi). Khi đó công thức Simpson có dạng: 76 . yi+1). yi). yi+1).4.4) Công thức (1-2.4) Nhận xét 1.6938 ± 0. Theo công thức (5-2.a)/(2n) và trên mỗi đoạn kép [x2i. Trên mỗi đoạn con ta sẽ xấp xỉ hàm y = f (x ) bởi đa thức nội suy bậc hai tại các điểm xi .0017.1) 2 = 0.3) ta có ước lượng sai số 0≤ x ≤1 | E |≤ 2 (0. Kết quả tính tích phân ở vế phải cho ta Ii ≈ h ( yi + 4 yi+1 / 2 + yi+1 ) 6 Khi đó ta có công thức Simson tính gần đúng tích phân xác định: n −1 I sim ≈ ∑ i =0 h ( yi + 4 yi+1/ 2 + yi+1 ) 6 (1-2. yi+2). 12 Vậy I = 0. Công thức Simpson (hay công thức Parabol) a) Thiết lập công thức Cũng như ở trên ta chia [a. h Đặt xi + 1 xi + 1 xi xi I i = ∫ f ( x)dx ≈ ∫ L2i ( x)dx. xi +1 ] . xi +1 / 2 . b] thành n đoạn con bằng nhau bởi các điểm xi = a + ih với h = (b − a ) / n và ký hiệu xi +1 / 2 là điểm giữa của đoạn con [ xi .6931. b] thành 2n phần bằng nhau với độ rộng h = (b . . Để tránh dùng chỉ số không nguyên người ta thường chia đoạn [a. (xi+1.3) trong dạng thuận tiện cho tính toán như sau y + y n ⎞ 2h n h⎛ n I sim ≈ ⎜ ∑ yi − 0 ⎟ + ∑ yi +1 / 2 3 ⎝ i =0 2 ⎠ 3 i =0 (2-2.0017 trong khi giá trị đúng của tích phân là I = ln 2 = 0. (xi+1/2. Có thể viết lại công thức (1-2. yi+1/2).NCT-FIT-HNUE Computional methods and Optimization Problems Do đó M 2 = max f ''( x) = 2. (xi+2.4) còn gọi là công thức parabol vì nó nhận được nhờ thay đường cong y = f(x) bởi parabol qua 3 điểm (xi. xi +1 f ( x) ≈ L2i ( x) = yi ( x − xi +1 / 2 )( x − xi +1 ) ( x − xi )( x − xi +1 ) + yi +1 / 2 ( xi − xi +1 / 2 )( xi − xi +1 ) ( xi +1 / 2 − xi )( xi +1 / 2 − xi +1 ) + yi +1 = ( x − xi )( x − xi +1 / 2 ) ( xi +1 − xi )( xi +1 − xi +1 / 2 ) 2 4 yi ( x − xi +1 / 2 )( x − xi +1 ) − 2 yi +1 / 2 ( x − xi )( x − xi +1 ) 2 h h 2 + 2 yi +1 ( x − xi )( x − xi +1 / 2 ). x2i+2] xấp xỉ hàm f(x) bởi bởi parabol qua 3 điểm (xi. (xi+1.

8000 4+1/2 0.4) suy ra được: I sim = ( I ht + 2 I cn ) / 3 . Ta có h = 0.4) a ≤ x ≤b Từ công thức trên ta nhận được đánh giá sai số toàn phần của công thức Simpson E = I − I sim ≤ M 4 (b − a) 4 h .4000 2+1/2 0.4595 77 S2=4..0000 0.4) Nhận xét 2.4) trong đó M 4 = max f ( 4) ( x) .7692 0.NCT-FIT-HNUE I sim = Computional methods and Optimization Problems b−a ( y 0 + 4 y1 + 2 y 2 + . (3-2. xi + 1 ei = ∫ f ( x)dx − xi 5 h ( yi + 4 yi +1 / 2 + yi +1 ) ≤ M 4 h 6 2880 (5-2.3000 2 0.7000 4 0.3) và (2-2.0000 1/2 0.5882 0.0000 yi yi 1.5000 S1=3.2. Lập bảng giá trị của hàm tại các điểm nút và điểm giữa i xi 0 0.Từ các công thức (3-2.5556 0. Giải. (6-2.9091 0.2000 1+1/2 0.6250 0.8333 0.7143 0. (4-2.9000 5 1.4) b) Đánh giá sai số Người ta đã chứng tỏ được rằng (xem sách Bakhvalov [5] trang 101).6667 0. + 2 y 2 n − 2 + 4 y 2 n −1 + y 2 n 6n (3-2.. c) Ví dụ 1 dx bằng công thức Simpson với số đoạn chia n =5 và đánh giá 1 + x 0 Tính gần đúng tích phân I = ∫ sai số.4) Từ đây ta thấy rằng công thức Simpson đúng cho mọi đa thức bậc 3.5000 3 0.1000 1 0. 2880 (7-2.6000 3+1/2 0.5263 0.2).2282 .

Icn=f(x1).2 * 3. 2. x1=a+h/2. Các thuật toán “hcn. 3.2.4.2 * (4.1. 2. Icn=Icn+f(x1). Iht=f(x2). Isim=(Iht+2*Icn)/3. x2=a. Khởi tạo h=(b-a)/n. Gán Icn=h*Icn. và Simpson.4). = 24 và ta có đánh giá 0≤x ≤1 E = I − I sim ≤ 24 × (1 − 0) × 0. 2. (1 + x) f ( 4) ( x) = 24 .69314718. Iht. Iht. b] b Output: Ihcn.69314667 trong khi giá trị đúng của tích phân là I = ln 2 =0. 2. Isim là các giá trị gần đúng của tích phân I = ∫ f ( x)dx tương ứng bởi các a công thức hình chữ nhật trung tâm. x2=x2=h. b. Như vậy. ht. Iht=h*Iht. sai số thực sự của Isim là 0. Ta có f ( x) = 1 .5.3. 2.4595 / 3 = 0.NCT-FIT-HNUE Computional methods and Optimization Problems Theo công thức (2-2.2282 – 0. (1 + x) 5 Do đó M 4 = max f ( 4 ) ( x) . 2880 Kết quả tính toán và ước lượng trên cho thấy công thức Simpson có độ chính xác rất cao (so sánh với kết quả tính bằng công thức hình thang ở tiểu mục trước!). hình thang. x1=x1+h.00000051. Lặp for i=1 Æ n-1 2. sim” tính gần đúng tích phân xác định Input: a. hàm f (x) trên đoạn [ a.00001333. return Icn.75) / 3 + 2 * 0. Algorithm: 1. Isim 78 .4) ta có I sim = y + y 5 ⎞ 2h 4 h⎛ 5 ⎜ ∑ yi − 0 ⎟+ ∑ yi +1 / 2 3 ⎝ i =0 2 ⎠ 3 i =0 = 0.2 4 = 0. Iht=Iht+f(x2). n. Bây giờ ta ược lượng sai số theo công thức (7-2. 4.

. của một đơn vị sản phầm B là 5 triệu đồng Yêu cầu: Lập kế hoạch sản xuất (sản xuất bào nhiêu mỗi loại sản phẩm) để tiền lãi thu về nhiều nhất với hạn chế về nguyên liệu đã cho. b) Mô hình toán học của bài toán Xét vectơ cột x = (x1. . g2(x) = x1 + 2x2. . xn)t ∈ X ⊂ Rn để cực đại hóa hàm f(x) sau đây: n f ( x) = ∑ c j x j → max (1-1. 3.NCT-FIT-HNUE Computional methods and Optimization Problems Chương 6 BÀI TOÁN QUI HOẠCH TUYẾN TÍNH 1. x2. và II. II. III với số lượng tương ứng là 8.. . 7. 1.2) j =1 79 .2 ≤ 8 ≤ 7 ≤ 3 Bài toán trên được xem là thuộc dạng bài toán qui hoạch tuyến tính vì các hàm g1(x) = 2x1 + x2. Mô hình bài toán tối ưu tổng quát Bài toán tối ưu tổng quát P có dạng: Tìm phương án x = (x1.1. Giới thiệu bài toán tối ưu tổng quát 1. Chi phí nguyên liệu (số lượng nguyên liệu) để sản xuất ra hai sản phẩm A và B cho trong bảng sau: Sản phẩm A B I 2 1 II 1 2 III 0 1 Nguyên liệu . Theo bài toán ta có mô hình: f(x) = 4x1 + 5x2 Æ max + x2 ⎧2 x1 ⎪x + 2 x2 ⎪ 1 ⎨ x2 ⎪ ⎪⎩ x j ≥ 0 .. trong đó x1 và x2 lần lượt là số lượng sản phẩm A và B tương ứng cần sản xuất.2. j = 1. Ví dụ mở đầu a) Phát biểu bài toán . II. Tiền lãi của một đơn vị sản phẩm A là 4 triệu đồng. g3(x) = x2 là các hàm tuyến tính. x2)t. Sử dụng ba loại nguyên liệu I. Công ty dự trữ ba loại nguyên liệu I. Một công ty sản xuất 2 loại sản phẩm A và B .

b = (b1. . Vectơ dòng c = (c1. .. b2. i = 1. Phương phán x* ∈ D được gọi là phương án tối ưu (tức là nghiệm của bài toán) nếu f(x*) ≥ f(x) với ∀ x ∈ D. x> Æ max f(x) = <c.. n } được gọi là tập các phương án chấp nhận được. xn)t ∈ X ⊂ Rn : gi(x) (≤. j x j = bi . j ≤ −bi ⇔ ∑ a 'i . Dạng chuẩn tắc và dạng chính tắc Bài toán QHTT tổng quát có hai dạng chuẩn tắc và chính tắc được định nghĩa như sau: Dạng chuẩn tắc Dạng chính tắc n n f ( x) = ∑ c j x j → max f ( x) = ∑ c j x j → max j =1 j =1 n ⎧ = g ( x ) ai .. n ⎩ j (2 − 1. Các bài toán QHTT có thể qui về dạng chuẩn tắc và dạng chính tắc nhờ các phép biến đổi sau đây : (1) Một rạng buộc ≥ đưa đ\ực về ràng buộc ≤ nhờ việc nhân hai vế với -1 n ∑a j =1 i. chú ý rằng x là vectơ cột..≥. n ⎩ j n Hoặc viết dưới dạng ma trận như sau f(x) = <c.=) bi với i = 1. Ma trận A = (ai. Chú ý: Bài toán tìm min của hàm mục tiêu có thể chuyển thành bài toán tìm max bằng cách thay các hệ số của hàm mục tiêu là -cj.. m ⎪ i ∑ D⎨ j =1 ⎪ x ≥ 0. m . <C. m D⎨ j =1 ⎪ x ≥ 0.. j = 1. =) bi . Hàm f(x) được gọi là hàm mục tiêu.. .2) (3 − 1. x2. m ⎪ i ∑ D⎨ j =1 ⎪ x ≥ 0. xj ≥ 0. j = 1..m.3. j ≤ bi ⎪⎩ j =1 80 .NCT-FIT-HNUE Computional methods and Optimization Problems n ⎧ = g ( x ) ai . .. j x j (≤.. j ⎧n ⎪⎪∑ ai . j ≤ b'i (2) Ràng buộc = tương đương với hai ràng buộc ≤ và ≥ n ∑a j =1 i.. j = 1..j)i=1. cn) là các hệ số của hàm mục tiêu. x> = n ∑c x j =1 j j . i = 1. n là ma trận gồm m ràng buộc đối với phương án x.. bn)t. j n n j =1 j =1 ≥ bi ⇔ −∑ ai . n ⎩ j ⎧ ⎪ g i ( x) = ∑ ai .. i = 1..j)m × n.2) Trong đó: D = {x = (x1.. x = (x1.. ≥. xn)t. c2... 1. x> Æ max ⎧ Ax ≤ b ⎨ ≥ 0 ⎩x ⎧ Ax = b ⎨ ≥ 0 ⎩x trong đó A = (ai. j ≥ bi = bi ⇔ ⎨ jn=1 ⎪∑ ai . j = 1. j x j ≤ bi . j=1.

i = 1.> 0 ta được bài toán mới tương đương là một bài toán dạng chính tắc: f(x) = x1 + 4x2 -3(x3+ . j = 1. kí hiệu là dAB. Điểm x gọi là tổ hợp lồi của các điểm xi.1.> 0 Ví dụ 1-1. i = 1.x5Æ max ⎧2 x1 + x2 + 3( x 3+ − x3− ) + x4 ⎪ − 3 x2 − 2( x 3+ − x3− ) − x5 ⎪4 x1 ⎨ + 2 x2 − ( x 3+ − x3− ) ⎪ x1 ⎪ x j ≥ 0. j − yi = bi i. ….1 Trong mặt phẳng R2: 81 .3 ⎩ = 7 = 9 = 2 2. tức là: dAB = { M ∈ Rn | M = αA + (1-α)B.. xm trong không gian Rm. Tổ hợp lồi : Cho m điểm x1. x3.2 ≤ 7 ≥ 9 = 2 Thêm biến phụ x4 ≥ 0. Đoạn thẳng: Đoạn thẳng đi qua hai điểm A và B ∈ Rn.1..với x3+.3 Xét bài toán f(x) = x1 + 4x2 -3x3 Æ max + x2 + 3 x3 ⎧2 x1 ⎪4 x − 3 x2 − 2 x3 ⎪ 1 ⎨ + 2 x2 − x3 ⎪ x1 ⎪⎩ x j ≥ 0. x5 ≥ 0 và thay biến x3 không phụ thuộc dấu bởi hai biến phụ thuộc dấu: x3 = x3+ .với xj+ và xj. j ≤ bi ⇔ ∑ ai . Đặc điểm của tập các phương án của bài toán QHTT 2. được định nghĩa là một tổ hợp lồi của tập hai điểm A và B. j j =1 n n ∑a j =1 i. m nếu m x = α1 x1 + α 2 x 2 + . j = 1.x3-) + 0. j + yi = bi j =1 (4) Một biến xj không phụ thuộc dấu có thể thay bằng hai biến phụ thuộc dấu xj = xj+ .Computional methods and Optimization Problems NCT-FIT-HNUE (3) Đưa ràng buộc ≤ và ≥ về ràng buộc = nhờ việc thêm biến phụ (i) j =1 (ii) n n ∑a ≥ bi ⇔ ∑ ai . Tập lồi và đa diện lồi Định nghĩa 1-2. 0 ≤ α ≤ 1} Ví dụ 1-2.xj.1.x3. m và n ∑α i =1 i =1 Định nghĩa 2-2.x4 + 0.2. + α m x m = ∑ α i xi i =1 với α i ≥ 0. x2.

thì các điểm còn lại đó chính là các điểm cực biên của đa diện lồi. Tập lồi: Cho S ⊂ Rn. • Đa diện lồi là một tập lồi. x2 y2 x3 y3 x1 y1 x4 y4 x5 y5 Đa diện lồi Tập lồi đa diện 82 .1. 0 ≤ α ≤ 1} Định nghĩa 3-2. Tập S được gọi là một tập lồi nếu với hai điểm A và B bất kì trong S thì đoạn thẳng dAB nằm trọn trong S. …. các đỉnh của các đa giác lồi là các điểm cực biên. trong đó mọi điểm bên trong đều có thể biểu diễn dưới dạng tổ hợp lồi của các đỉnh đa giác . x2 ∈ S thì x = αx1 + (1-α)x2 ∈ S với ∀ α ∈ [0. • Tập lồi đa diện là một tập lồi không giới nội Ví dụ 3-2. Ví dụ 2-2. 1]. • Trong đa diện lồi. các đa giác lồi là các đa diện lồi. Điểm x* ∈ S được gọi là điểm cực biên nếu x* không thể biểu diễn được dưới dạng tổ hợp lồi thật sự của hai điểm phân biệt trong S. Nói cách khác. Điểm cực biên: Xét các điểm x trong tập lồi S ⊂ Rn. với 2 điểm bất kì x1. …. tức là: dAB = { M ∈ R | M = αA + (1-α)B.1 Trong mặt phẳng R2. xm nào đó cho trước. nếu ta loại bỏ những điểm mà nó có thể biểu diễn được dưới dạng tổ hợp lồi của các điểm x1. các đa giác lồi là các tập lồi. Định nghĩa 5-2. A B Định nghĩa 4-2. Đa diện lồi và tập lồi đa diện • Đa diện lồi là tập S chứa các điểm là tổ hợp lồi của m điểm x1.1 Trong mặt phẳng R2.1. Nếu một đa giác không có cạnh thì phần mặt phẳng tạo bởi đa giác là một tập lồi đa diện.1 Trong mặt phẳng R2. Chúng sinh ra đa diện lồi. Ví dụ 3-2. xm còn lại.Computional methods and Optimization Problems NCT-FIT-HNUE 3 -∞ 8 A M +∞ B Đoạn thẳng dAB gồm các điểm M nằm giữa A và B.1.các điểm cực biên.

2. Lấy 2 điểm bất kì x1. thì f(x) đạt giá trị lớn nhất bằng 22 tại điểm cực biên là đỉnh M(3. Nói cách khác.2.2 qua lời giải “bài toán mở đầu” bằng phương pháp hình học f(x) = 4x1 + 5x2 Æ max ⎧2 x1 + x2 ≤ 8 ⎪ x1 + 2 x2 ≤ 7 ⎪ ⎨x ≤ 3 ⎪ 2 ⎪⎩ x j ≥ 0. Đặc điểm của tập các phương án của bài toán QHTT Định lí 1-2. Minh họa ý nghĩa hình học của định lý 1-2. Kí hiệu Aj là vectơ cột thứ j của ma trận A khi đó phương trình 83 .2: • Nếu D là một đa diện lồi khác rỗng thì bài toán QHTT chắc chắn có phương án tối ưu. do đó x ∈ D. • Nếu D có phương án tối ưu thì có ít nhất một phương án tối ưu. 1] ta có Ax = A(αx1 + (1-α)x2) = αAx1 + (1-α)Ax2 = αb + (1-α)b = b. để tìm phương án tối ưu thì ta chỉ cần tìm trên các phương án cực biên trong tập phương án D. Ví dụ 1-2. Xét mọi điểm x mà x = αx1 + (1-α)x2 với α ∈ [0. Nhận xét: Tập phương án D là tập lồi.NCT-FIT-HNUE Computional methods and Optimization Problems 2. x2 ∈ D. • Nếu D không giới nội nhưng hàm mục tiêu bị chặn trên D thì cũng chắc chắn có phương án tối ưu. với A = (ai. 2) của đa giác. Xét bài toán QHTT chính tắc (chuẩn tắc chứng minh tương tự). Chứng minh.2. có ba khả năng • D=∅ • D là đa diện lồi (tập lồi bị chặn) • D là tập lồi đa diện (tập lồi không bị chặn) Hệ quả 1-1. Vậy D là tập lồi. Bây giờ xét hệ ràng buộc Ax = b. Tập tất cả các phương án D của bài toán QHTT là một tập lồi.j)m × n. Ta có Ax1 = b và Ax2 = b. j = 1.2 Cho đường mức f(x) = 4x1 + 5x2 chuyển động trong miền đa giác (màu xám) là miền thỏa mãn các ràng buộc của bài toán. • Việc chọn phương án tối ưu tương đương với việc chọn các điểm cực biên của D (các đỉnh của D).

Bước 2: Kiểm tra 2 điều kiện sau đây đối với pacb đã tìm được: 2. Pacb thỏa mãn điều kiện tối ưu. Thuật toán đơn hình giải bài toán QHTT 3.2 dưới đây để kiểm tra một pacb có phải là patu hay không.. ⎜ ⎟ ⎜x ⎟ ⎝ n⎠ ⇔ ( A1 x + A2 x2 + . 3. Mặt khác. x2. x2. xn) ∈ D là phương án cực biên của bài toán QHTT chính tắc khi và chỉ khi các vec tơ Aj ứng với các thành phần xj > 0 là một hệ độc lập tuyến tính. …. (2) Điều kiện tối ưu của một pacb là gì? Điều này dẫn đến Định 1-3. A2 .1.1. kết thúc thuật toán. 2.2) Phương án x = (x1. …. khi đó nó là patu cần tìm (nghiệm của bài toán). ∀ j = 1.. Tính chất 3 (Định lý 4-2. khi đó cũng kết thúc thuật toán. Bước 3: Tìm một pacb mới sao cho cải thiện giá trị hàm mục tiêu rồi quay về Bước 2. Như vậy có 4 vấn đề nảy sinh: (1) Tìm pacb ban đầu ở bước 1 như thế nào? Điều này sẽ được nghiên cứu trong mục 4. …. An} là độc lập tuyến tính và A1x1 + A2x2 + … + Akxk = b với xj > 0 . ….NCT-FIT-HNUE Computional methods and Optimization Problems ⎛ x1 ⎞ ⎜ ⎟ ⎜x ⎟ Ax = b ⇔ ( A1 . Thuật toán chung Bước 1: Tìm một pacb (một đỉnh thuộc D).. x2.. nếu D là đa diện lồi thì phải có hữu hạn đỉnh. do đó tồn tại một thuật toán để tìm patu là một trong các đỉnh của D.. xk.. Tính chất 2 (Định lý 3-2. Tính chất 3 là điều kiện cần và đủ để một phương án là phương án cực biên. Từ các tính chất trên dẫn đến thuật toán đơn hình giải bài toán QHTT.. 0.2. k (k ≤ n) thì điểm x = (x1. 0) là phương án cực biên của D. A2.2) Nếu x = (x1. xn) là phương án cực biên của D thì hệ vectơ tương ứng với các thành phần xj > 0 trong biểu diễn A1x1 + A2x2 + … + Anxn = b là độc lập tuyến tính. Đường lối chung của thuật toán Vì bài toán QHTT có phương án tối ưu (patu) thì có ít nhất một phương án cực biên (pacb) của D là patu. An ) ⎜ 2 ⎟ = b .2) Nếu hệ {A1. ….. 84 .. + An xn ) = b Ta có 3 tính chất quan trọng sau đây: Tính chất 1 (Định lý 2-2. Pacb đang xét đủ để kết luận bài toán không có patu (bài toán vô nghiệm).

2x3 Æ max ⎧ x1 + 2 x2 + x3 = 4 ⎪ D : ⎨ x1 + x2 + x4 = 2 ⎪ x ≥ 0. (4) Bằng cách nào để tìm pacb mới tốt hơn pacb cũ? Điều này dẫn đến Định lí 3-3.x2 . 0 .2 dưới đây để kiểm tra dấu hiệu bài toán không có lời giải. Với pacb đang xét.j) m × n ⎧ Ax = b ⎨ ≥ 0 ⎩x Aj là các vectơ cột của A. cách nào cũng được. j = 1. Phương án x2 suy biến và J0 = {2}. 2}. 2) và x2 = (0. 4. 3x1 . hay ∑x j∈J 0 j Aj = b (1-3.2.. Vì rank(A) = m nên nếu |J0| < m thì ta sẽ bổ sung để thu được tập J (chứa J0) sao cho |J| = m. xn0) là một pacb. • Ta xét các vectơ cột trong A. 3}. Kí hiệu J0 là tập các chỉ số ứng với các thành phần xj0 > 0. Các định lý cơ bản của thuật toán đơn hình Xét bài toán QHTT dạng chính tắc: f(x) = <c. ví dụ J = {1. j = 1. tức là J0 = {j | xj0 > 0} Khi đó. Phương án x1 không suy biến ứng với J = {3. 0 . ngược lại ta nói rằng nó là phương án suy biến. ta gọi các biến xj với j ∈ J là các biến cơ sở. 0)t là các phương án thuộc D.2) 85 . Ví dụ 1-3. • Nếu |J0| = m thì ta nói rằng pacb x0 là phương án không suy biến.. Giả sử chọn J = {1.Computional methods and Optimization Problems NCT-FIT-HNUE (3) Dấu hiệu nào của pacb đang xét để chứng tỏ bài toán không có patu? Điều này dẫn đến Định lí 2-3.2. 4}. hoặc J = {2. • Từ các giả định trên ta có ngay kết quả sau đây : Vì x0 là pacb nên nó thỏa mãn ràng buộc của bài toán. hệ vectơ {Aj}j ∈ J0 là độc lập tuyến tính (theo điều kiện cần và đủ để một phương án là pacb). x> Æ max Trong đó A = (ai.. .4 ⎩ j Nhận xét : x1 =(0.2 dưới đây để cải thiện hàm mục tiêu. 2} thì các biến x12 và x22 là các biến cơ sở. 3. 2. Ta có thể bổ sung vào J0 để được tập J sao cho |J| = 2. nhưng khi đã chọn thì phải cố định. n Giả thiết rank(A) = m • Giả sử x0 = (x10. Bài toán QHTT mà mọi pacb đều không suy biến gọi là bài toán không suy biến. các biến còn lại gọi là các biến phi cơ sở. còn các biến x32 và x42 là các biến phi cơ sở. x20. Khi đó hệ vectơ {Aj}j ∈ J là độc lập tuyến tính và hệ này được gọi là (các vectơ) cơ sở của các phương án. hoặc J = {2. 4}.

Do đó ta chỉ cần xét Ak với ∀ k ∉ J.k ai .2) j∈J trong đó các hệ số xj.k bằng chính các thành phần tương ứng của vectơ Ak cần tình.k = ai .2. 4} và cơ sở {A3.k (2) Với k = 2 cũng tương tự như thế ta rút được các công thức (1) và (2). A4} gồm các vectơ đơn vị ⎡a ⎤ ⎡a ⎤ ⎡a ⎤ ⎡1⎤ ⎡1⎤ ⎡0 ⎤ k = 1.k = ∑ x j . Qua ví dụ trên ta rút ra được kết luận tổng quát như sau: Các hệ số xj.2: Giả sử x = (x1.k 0 với ∀ j ≠ k. của bài toán QHTT chính tắc đã cho. ….2) khi k ∈ J thì xk.k = ai . Bổ đề 1-3. x2.k =1 và xj.2 ở trên ⎡a A = ⎢ 11 ⎣a21 a12 a22 a13 a23 a14 ⎤ ⎡1 2 1 0⎤ = a24 ⎥⎦ ⎢⎣1 1 0 1 ⎥⎦ . i = 1. tổng Σ chính là giá trị của hàm mục tiêu tại các thành phần cơ sở biểu thị cho Ak. Ví dụ 2-3.…. A1 A2 A3 A4 J = {3. k c j − ck (5-3. n đều có thể biểu diễn được thông qua hệ đó dưới dạng tổ hợp tuyến tính của các vectơ trong hệ : Ak = ∑ x j .2). k = 1. Vậy ∆k biểu thị độ lệch của hàm mục tiêu trong cơ sở biểu thị cho Ak với hệ số của hàm mục tiêu tại thành phần thứ k.2) có thể tính được nhờ giải hệ sau : ai .2 Xét lại bài toán ở vị 1-3.2) j∈J Rõ ràng trong công thức (2-3.2) tức là xj.k được xác định trong công thức (2-3.a13 + x41a14 Æ ⎨ 11 Æ tổng quát là ai . xn)t là một phương án bất kỳ.2) ở trên. Trong công thức (5-3. i = 1. m (3-3. m (1) j∈J ⎩a21 = x31a23 + x42 a24 ⎧ x = a14 = 1 Æ ⎨ 31 ⎩ x41 = a21 = 1 Æ tổng quát là x j .k ai . j .2) j∈J Nếu các vectơ cơ sở là các vectơ đơn vị thì ta có ngay : x j .k trong (2-3.k (4-3. A1 = x31A3 + x41A4 hay ⎢ 11 ⎥ = x31 ⎢ 13 ⎥ + x41 ⎢ 14 ⎥ ⇔ ⎢ ⎥ = x31 ⎢ ⎥ + x41 ⎢ ⎥ ⎣1⎦ ⎣0 ⎦ ⎣1 ⎦ ⎣a21 ⎦ ⎣a24 ⎦ ⎣a23 ⎦ ⎧a = x31.k A j (2-3.Computional methods and Optimization Problems NCT-FIT-HNUE Vì hệ vectơ {Aj}j ∈ J là độc lập tuyến tính nên mọi vectơ cột Ak. tức x ∈ D. j .k = ∑ x j . • Ta cần lập một đại lượng ∆k quan trọng sau đây : ∆ k = ∑ x j . Khi đó ta có: 86 .

∀k ≤ n thì pacb x0 là patu.2.k . thay Ak bởi vế phải trong (2-3.k c j − ck ⎟⎟xk thay biểu thức trong ngoặc bởi ∆k trong (5-3. ước lược Aj và tổng theo j ở hai vế ta được: j∈J j∈J k∉J ⇔ x j = x 0j − ∑ xk x j . 87 . do đó x0 là patu.k + ∑ ck xk . k∉J Định lý 1-3. Định lý 2-3. Dấu hiệu vô nghiệm Nếu tồn tại k sao cho ∆k < 0 và xj.2) k∉J ⎝ j∈J ⎠ ⇔ f ( x) = f ( x 0 ) − ∑ ∆ k xk . tách tổng này thành hai tổng: i =1 ⇔ ∑ x j A j + ∑ xk Ak = b = ∑ x 0j A j (b bằng tổng vế phải do 1-3. Chứng minh.2) j∈J k∉J j∈J ⇔ ∑ x j A j = ∑ x 0j A j − ∑ xk Ak . k∉J n (ii) f ( x) = ∑ c j x j = ∑ c j x j + ∑ ck xk j =1 j∈J k∉J ⎞ ⎛ = ∑ c j ⎜⎜ x 0j − ∑ xk x j .k ⎟⎟ + ∑ ck xk .Computional methods and Optimization Problems NCT-FIT-HNUE (i) x j = x 0j − ∑ xk x j .2.k A j j∈J j∈J k∉J j∈J ⇔ ∑ x j A j = ∑ ( x 0j − ∑ xk x j . Theo bổ đề (ii).k ≤ 0 ∀j ∈ J thì bài toán không có patu. Vậy (i) được chứng minh. Tiêu chuẩn tối ưu Nếu ∆k ≥ 0. ∀ x ∈ D ta có f ( x ) = f ( x 0 ) − ∑ xk ∆ k k∉J trong đó xk ≥ 0. j∈J (6-3.2) ta được: j∈J j∈J k∉J ⇔ ∑ x j A j = ∑ x 0j A j − ∑ xk ∑ x j .k ) A j .2) k∉J n Chứng minh: (i) x ∈ D Æ x = ∑ xi Ai = b . Vậy (ii) được chứng minh. ∆k ≥ 0 do đó tổng sau dấu trừ mang dấu dương. do khai triển và thay đổi thứ tự hai tổng j∈J k∉J j∈J k∉J ⎛ ⎞ = f ( x 0 ) − ∑ ⎜⎜ ∑ x j . do thay xj bởi vế phải trong (i) j∈J k∉J ⎠ k∉J ⎝ = ∑ c j x 0j − ∑∑ c j xk x j .k . j ∈ J .2) k∉J f ( x ) = f ( x 0 ) − ∑ xk ∆ k (ii) (7-3. suy ra f(x) ≤ f(x0) với ∀ x ∈ D.

88 .s là giao của dòng xoay r và cột xoay s được gọi là phần tử trục (hoặc phần tử xoay).s > 0.s bé nhất.2) không thỏa mãn thì khi đó với ∆s > 0 nào đó.k với θ > 0. theo điều kiện của định lý (3-3. Trong cơ sở J’ mới này. Ta thấy f(x1) Æ ∞ khi θ Æ ∞. Định lý 3-3.Công thức (a): Lấy biến cơ sở cũ tại dòng xoay r cũ chia cho phần tử trục rồi đặt kết quả là θ vào dòng s mới. Trong nội dung chứng minh định lý (3-3.2) Lưu ý rằng các phần tử xjs là các phần tử ở cột xoay. Vì xj. Cải thiện hàm mục tiêu Nếu định lý (1-3. x . ta chỉ cần quan tâm đến cách tìm ra pacb x1.2) (b) Về thao tác trong công thức (10-3.2.2) Ta gọi cột As hay (ngắn gọn cột s) là cột xoay. s ⎨ ⎪ x1 = x 0 − θ .2) thì phải tồn tại các thành phần xj.θxj. s ⎪⎭ ⎪⎩ x j . Chứng minh. Vì thế các nội dung sau đây là quan trọng vì nó được sử dụng lại trong thuật toán đơn hình cần xây dựng. j ∈ J ' j j . Phần tử xr.Computional methods and Optimization Problems NCT-FIT-HNUE (xj. trong số đó.2). các thành phần của pacb x1 được xác định như sau: ⎧ 1 xr0 =θ ⎪ xs = xr .k ≤ 0 thì xj1 > 0 và hàm mục tiêu f(x1) = f(x0) . do đó x1 là pacb tốt hơn pacb x0. ta tìm được một pacb x1 mới nhận xs1 làm biến cơ sở (mới) và thỏa mãn f(x1) > f(x0). Dòng s mới được gọi là dòng chính. ta chọn dòng j = r sao cho tỷ số x 0j x j . Ta có thể chỉ ra một pacb x1 mà xj1= xj0 .θ∆k > f(x0) (lớn hơn f(x0) vì θ > 0 và ∆k < 0).2) : .s (9-3. do đó bài toán vô nghiệm.k là các hệ số trong biểu thức biểu thị Ak qua cơ sở {Aj}j ∈ J) Chứng minh.2) và (2-3. tức là : ⎫⎪ ⎧⎪ x 0j xr0 = min ⎨ | x j . Dòng r thu được được gọi là dòng xoay. Bây giờ ta chọn cơ sở mới J’ như sau : J’ = J \ {r} ∪ {s} Nói cách khác cơ sở mới nhận được từ cơ sở cũ bằng cách thay cột Ar bằng cột As (Cột xoay s được đưa vào cơ sở mới). Ta chọn ∆ s = min{∆ k | ∆ k < 0} (8-3.s ⎩ j (a) (10-3. s > 0⎬ xr . Khi đó.

. s ⎨ ⎪ x ' = x − δ .4.Các cột Aj ghi hệ số của hàm mục tiêu ở hàng trên cùng và bên dưới là các hệ số khai triển xj. .Cột hệ số biểu diễn các hệ số của hàm mục tiêu tương ứng với các vectơ cơ sở (hoặc các biến cơ sở) . người ta chứng minh được f(x1) > f(x0). Aj2.k (a ) (11-3. Nếu tồn tại ∆k < 0 và xj. .2.Cột phương án ghi giá trị tương ứng của các biến cơ sở của phương án x0 .n ∆1 ∆2 … ∆n .Cột cơ sở ghi tên các vectơ cơ sở .1 xjm.1 xj1.2 … xj1. ta tính được các thành phần x 'j . .k j .2. . Hệ số Cơ sở c1 c2 … cn cj Aj. ….Công thức (a): Chia các phần tử ở dòng xoay cho phần tử trục rồi đặt vào dòng chính.x j . . dừng thuật toán. . . . .1 xj2.k ⎧ ' =δ ⎪ x s .NCT-FIT-HNUE Computional methods and Optimization Problems . . Bước 3: Kiểm tra “Dấu hiệu vô nghiệm” theo định lý 2-3.Công thức (b): Lấy phần tử cũ tương ứng trừ đi tích của δ trên dòng chính nhân với phần tử tương ứng ở dòng xoay. x 0jm Phương án f(x0) .s ⎩ j . j∈J A1 A2 … An cj1 Aj1 x 0j1 xj1. Ajm} và lập bảng đơn hình phần 1.n cj2 Aj2 x 0j 2 xj2. Bước 2: Kiểm tra “Tiêu chuẩn tối ưu” theo định lý 1-3. .Công thức (b): Lấy biến cơ sở cũ ở dòng j tương ứng trừ đi tích của số θ trên dòng chính nhân với phần tử ở cột xoay tương ứng.k của vectơ cột Ak trong cơ sở {Aj}j ∈ J. . xjm. Trong cơ sở mới này. .2 … xj2. 89 .2) (b) Về thao tác trong công thức (11-3. Khi đó.k mới của các vectơ Ak biểu diễn qua cơ sở mới {Aj}j ∈ J’ nhờ các biến đổi Gauss-Jordan như sau: xr .k = xr . . 3.2 … xjm. . dừng thuật toán.2) : . . . Nếu mọi ∆k ≥ 0 thì x0 là patu.Hàng cuối cùng là giá trị của f(x0) và các giá trị ∆k.n . cjm Ajm .k ≤ 0 với mọi j ∈ J thì bài toán không có patu. Thuật toán đơn hình Bước 1: Tìm pacb ban đầu x0 với cơ sở J = {Aj1. . .

như vậy dòng r bây giờ là dòng s. Kết quả được đặt ở dòng mới tương ứng. kết quả thu được đặt ở dòng As.2) xr0 =θ x = xr . Cuối cùng tính lại các độ lệnh ∆k mới ∆k (mới) = ∆k (cũ) .2) 4. Sau đó quay về bước 2. s 4. s 1 s (11a-3.2 và 2-3.s : phần tử trục .2. thay Ar bởi As. Cột s: cột xoay (9-3.2) x1j = x 0j − θ .2. Và ta có cơ sở mới gồm các vectơ cột {Aj }. j ∈ J’ = J \ {r} ∪ {s} 4.x j . Trong cột cơ sở.s > 0⎬ xr . tức là tìm r sao cho ⎧⎪ x 0 ⎫⎪ xr0 = min ⎨ j | x j . gọi là dòng chính.x2 + 3x3 + x4 Æ max ⎧ x1 + 2 x2 + x3 = 8 ⎪ D : ⎨2 x1 + x2 + x4 = 10 ⎪ x j ≥ 0. Giải bài toán tối ưu sau bằng thuật toán đơn hình: f(x) = 21 .1. Dòng r: dòng xoay .2) x 'j .4.k =δ xr .s .5. xjr : phần tử thuộc cột xoay.2 không thỏa mãn thì xây dựng pacb mới x1 và lập bảng đơn hình phần thứ hai tiếp theo như nội dung chứng minh của định lý 3-3.k = x j . Chọn vectơ As để đưa nó vào cơ sở mới. s ⎪⎩ x j . xr.4.Dòng chính * ∆s Ví dụ 1-3. Dòng mới = Dòng cũ . Tình bảng đơn hình phần tiếp theo cho cơ sở mới theo các biến đổi Gauss-Jordan sau đây a) Chia mỗi phần tử dòng xoay cho phần tử trục (được số 1 ở vị trí trục).Dòng chính * phần tử trên cột xoay Thực chất các thao tác trên là thực hiện các công thức : (10b-3. Các thao tác này chính là thực hiện các công thức: (10a-3.2) . Việc xây dựng x1 có thể tóm tắt lại như sau: 4.k = xr .3.3. s b) Lấy mỗi dòng khác (cũ) trừ đi tích của dòng chính nhân với phần tử ở cột xoay tương ứng (được số 0 ở vị trí còn lại trên cột xoay). j = 1.4 ⎩ 90 . 4. j ∈ J ' (11b-3.k − δ . Chọn vectơ Ar để đưa nó ra khỏi cơ sở mới.NCT-FIT-HNUE Computional methods and Optimization Problems Bước 4: Nếu hai định lý 1-3.2) xs' . tức là tìm s sao cho ∆ s = min{∆ k | ∆ k < 0} (8-3. gọi là dòng chính.x j . Trong cột hệ số Cj : thay Cr bởi Cs .2.s ⎪⎭ .

Vì ∆k ≥ 0 với ∀ k = 1.(-1) . 0.10 = 34.k = xj. 10. j ∈ J c3 3 A3 c4 1 A4 3 A3 8 1 2 1 0 1 A4 10 2 1 0 1 f(x) = 34 3 8 0 0 f(x) = 3.1 + 1.(-1) = 8. Ví dụ 2-3. pacb x0 = (0. 8. Giải bài toán Lập kế hoạch sản xuất cho một xí nghiệp sao cho tiền lãi thu được lớn nhất Thời gian làm các sản phẩm (giờ) Máy I A B C D Hạn định số giờ 1 máy/1 tháng 1 2 4 8 24. 0. ∆4 =∆5 = 0. 10) là patu với giá trị tối ưu của hàm mục tiêu là f(x0) = 34. Tồn tại ∆k = ∆3 < 0 (k=3 ∉J) và xj.(-1) = 3.1 .NCT-FIT-HNUE Computional methods and Optimization Problems ⎡1 2 1 0⎤ 0 t A=⎢ ⎥ .000 91 . Giải bài toán tối ưu sau bằng thuật toán đơn hình: f(x) = -x1 + 3x2 + 4x3 .2 . Hệ số cơ sở J = {3.4. j ∈ J c3 4 A3 c4 1 A4 c5 0 A5 1 A4 10 2 -1 -1 1 0 0 A5 20 3 1 -1 0 1 f(x) = 10 3 -4 -4 0 0 ∆1 = 1. 0.3 .3 = -4. ∆1 = 3. 20)t.4 = -4. 3.4.2 = 3. 2 1 0 1 ⎣ ⎦ c2 c1 Cơ sở Phương án Hệ số 2 -1 A A cj 1 2 Aj . ∆2 = 3. pacb x = (0. 4}. ∆2 = 1.2.8 + 1. 0.(-1) + 0.x4 Æ max ⎧2 x1 − x2 − x3 − x4 = 10 ⎪ D : ⎨3 x1 + x2 − x3 + x5 = 20 ⎪ x ≥ 0. ∆3 =∆4 = 0. 8. 4 ∈ J nên theo định lý về “Dấu hiệu vô nghiệm” thì bài toán đã cho không có patu. 10) . 5}.5 ⎩ j Hệ số cơ sở J = {4. Ví dụ 3-3. ∆3 = 1(-1)+0. c2 c1 Cơ sở Phương Hệ số -1 3 án A1 A2 cj Aj . j = 1.2 + 0.3 < 0 với j = 3.1 . 4 nên theo định lý về “Dấu hiệu tối ưu” thì x0 = (0.2 + 1.

Dòng A7: 6 .500 0. 6. 4 ⎪⎩ x j .Cột phương án: tính biến cơ sở xj1: . 0. .s x5.5 0.. 24.4 + 8 x4 ≤ 24000 ≤ 12000 + x4 ≤ 26500 Ta chuyển về bài toán QHTT dạng chính tắc: f(x) = 0.000.5x3 + 0.000. 0.500 .Dòng A5 : 24000/8 = 3000.2 0.3000*0 = 12.4x1 + 0.2x2 + 0.k.2x2 + 0.8 Lãi/1 đvsp Mô hình toán học của bài toán là mô hình của bài toán QHTT dạng chuẩn tắc: f(x) = 0.3. x0 = (0. phần tử ở cột xoay tương ứng là 1 92 .8x4 + 0x5 + 0x6 + 0x7 Æ max + 2 x2 + 4 x3 ⎧ x1 ⎪3 x + 5 x2 + x3 ⎪ 1 ⎨ + 3x3 ⎪6 x1 ⎪⎩ x j ≥ 0.7 + 8 x4 + x5 = 24000 + x6 + x4 = 12000 + x7 = 26500 Minh họa cách tính theo các công thức (8Æ 11 .5x3 + 0.8x4 Æ max + 2 x2 + 4 x3 ⎧ x1 ⎪3x + 5 x2 + x3 ⎪ 1 ⎨ + 3 x3 ⎪6 x1 ⎪⎩ x j ≥ 0. .(1/2)*0 = 1 . ∆s = ∆4 = min {∆k | ∆k < 0} Æ s = 4 ⎧⎪ x 0j ⎫⎪ x50 xr0 = = min ⎨ | x j .4 = 8.000 . 4 ⎪⎭ • Tính dòng chính: Chia các phần tử ở dòng xoay Ar cũ cho phần tử trục và đặt vào dòng chính As mới .4 0. 0.(1/8)*0 = 3. 7} xr .Rồi đặt vào dòng A4 trong bảng đơn hình phần II. ví dụ: . 26.000 .Các cột Aj: tính xj. 7}. Dòng A6: 12. Dòng A6: 3 . j = 1. 4 > 0⎬ Æ r = 5.(1/8)*1 = 47/8 . 12. đó là dòng chính • Tính các dòng còn lại: (dòng mới = dòng chính * phần tử cột xoay tương ứng) .2): Ở lần lặp thứ nhất: J = {5. phần tử ở cột xoay tương ứng là 0 5 . j = 1.4x1 + 0.500) Tồn tại ∆k <0 do đó x0 chưa là patu.Dòng A7: 26. 2/8 = 1/4.NCT-FIT-HNUE Computional methods and Optimization Problems Máy II 3 5 1 0 12.(1/4)*0 = 5 1 . 4/8 = 1/2.500 .000 Máy III 6 0 3 1 26. phần tử trục x5. Cơ sở mới J = {4. 6.3000*1 = 23.

0.2 -0.1 0 0 0..3. 0.8 0 0 0 án Hệ số A A A A A A A 1 2 3 4 5 6 7 Aj.4.(1/2)*1 =5/2. và patu là x* = (4.600 0 0.5 (-0.500) Ví dụ 4-3.2 0.7 nên theo định lý về “Dấu hiệu tối ưu” thì x = (4..2 ≤ 8 ≤ 7 ≤ 3 Ta chuyển bài toán về dạng chính tắc: f(x) = 4x1 + 5x2 + 0x3 + 0x4 + 0x5 Æ max + x2 + x3 ⎧2 x1 ⎪x + 2 x2 ⎪ 1 ⎨ x3 ⎪ ⎪⎩ x j ≥ 0. 0. .3) 0 -0. 2. 0. Giải bài toán Lập kế hoạch sản xuất trong ví dụ mở đầu: f(x) = 4x1 + 5x2 Æ max + x2 ⎧2 x1 ⎪x + 2 x2 ⎪ 1 ⎨ x2 ⎪ ⎪⎩ x j ≥ 0 ..Kể cả ∆k (mới) cũng tính = ∆k (cũ) .000 1/8 1/4 1/2 1 1/8 0 0 0 A6 12.4 A1 4.8 A4 2.600. 2. ta có ∆k ≥ 0 với ∀ k = 1.000 [3] 5 1 0 0 1 0 0 A7 23.1 Tại bảng đơn hình lần lặp thứ 3.8 A4 3.8)=-0.4 0.500.1 0 0.000 1 5/3 1/3 0 0 1/3 0 0 A7 0 0 -241/24 13/24 0 -1/8 -47/24 1 f(x) = 3.dòng chính * ∆s.j∈J cj I II III 0 A5 24. 0.4-(1/8)*(-0.(1/4)*1 = -1/4 3 . j = 1.000.5 0.5 0 0 0 0. j = 1. Vậy giá trị tối ưu của hàm mục tiêu là f(x*) = 3..1 0.8) 0 0 0 0. Ví dụ ∆’1= -0.000 3 5 1 0 0 1 0 0 A7 26.500 47/8 -1/4 5/2 0 -1/8 0 0 f(x) = 2400 (-0.000 1 2 4 [8] 1 0 0 0 A6 12. .500 6 0 3 1 0 0 1 f(x) = 0 -0.4 -0.. 0.5 = 8 + x4 = 7 + x5 93 = 3 .NCT-FIT-HNUE Computional methods and Optimization Problems 0 .000. 0) là patu. c2 c3 c4 c5 c6 c7 c1 Cơ sở Phương 0.500 0 1/24 11/24 1 1/8 -1/24 0 0.

94 .Ở bước đầu tiên của thuật toán phải có ngay một pacb.. 4. và patu là x* = (3.Nếu ở dạng chuẩn thì đưa được về dạng chính tắc bằng cách thêm biến phụ.pacb ban đầu tìm được ngay nếu cơ sở không suy biến. .Phải ở dạng chính tắc với b > 0.5 nên x = (3.1. . Khi đó pacb x0 tìm được ngay vì xj0 = bi. Có thể giải trực tiếp bằng phương pháp Crame. Nhận xét Bài toán QHTT đã giới thiệu ở trên thực hiện thuật toán đơn hình với các điều kiện sau: . 0. Như vậy bài toán QHTT dạng chính tắc có thể không giải được ngay ngay cả khi cơ sở của nó không suy biến nhưng các vectơ cơ sở không là các vectơ đơn vị. ta có ∆k ≥ 0 với ∀ k = 1. hơn nữa các vectơ cơ sở là các vectơ đơn vị.. 2). Tìm phương án cực biên ban đầu 4. 2. Vậy giá trị tối ưu của hàm mục tiêu là f(x*) = 22. 0.Giải hệ Ax0 = b để tìm pacb ban đầu. 1) là patu. Khi đó ta có hai cách ..j∈J 0 Tại bảng đơn hình lần lặp thứ 4.NCT-FIT-HNUE I II III IV Computional methods and Optimization Problems Phương án c1 4 A1 c2 5 A2 c3 0 A3 c4 0 A4 c5 0 A7 A3 8 2 1 1 0 0 0 A4 7 1 2 0 1 0 0 A5 3 0 [1] 0 0 1 f(x) = 0 -4 (-5) 0 0 0 0 A3 5 2 0 1 0 -1 0 A4 1 [1] 0 0 1 -2 5 A2 3 0 1 0 0 1 f(x)= 15 (-4) 0 0 0 1 0 A3 3 0 0 1 -2 [3] 4 A1 1 1 0 0 1 -2 5 A2 3 0 1 0 0 1 f(x) = 19 0 0 0 4 (-3) 0 A5 1 0 0 1/3 -2/3 1 4 A1 3 1 0 2/3 -1/3 0 5 A2 2 0 1 -1/3 2 0 f(x) = 22 0 0 1 2 0 Hệ số Cơ sở cj Aj. .

còn lại ai. .j = 0 với ∀j = 1. aj.Ràng buộc (1) có biến chuẩn là xk(i) = x5(1) của điều kiện i = 1. nói cách khác cơ sở là {A5. Định nghĩa ràng buộc chuẩn Xét bài toán QHTT dạng chính tắc . ta có ngay pacb ban đầu x0 mà x0k(i) = bi ∀i = 1. trong đó : .NCT-FIT-HNUE Computional methods and Optimization Problems . j x j = bi . do đó các ràng buộc (1).Thêm biến giả để có một cơ sở gồm các vectơ đơn vị.k = a1. (3) đều là ràng buộc chuẩn.15x5 Æ max 95 .5 = 1.Bài toán QHTT dạng chính tắc mà mọi ràng buộc đều chuẩn thì gọi là bài toán QHTT (chính tắc) chuẩn. còn lại ai. tức là Ak = A3 là vec tơ cơ sở thứ hai có ai. 4.j = 0 với ∀j = 2. j = 1.3 = 1. Ví dụ 2-4.2.Ràng buộc n ∑a j =1 i. A3. Khi đó biến xk được gọi là biến chuẩn của điều kiện i. Xét Bài toán f(x) = 0.3 (≠ i = 1). tức là Ak = A1 là vec tơ cơ sở thứ ba có ai. các thành phần còn lại tất nhiên bằng 0. 2 (≠ i = 3).k = 0 với ∀j ≠ i. .k = a1.3 = 1. (2). i = 1. Xét Bài toán P sau đây : f(x) = x1 + 6x2 + 3x4 . vectơ Ak này có thành phần thứ i bằng 1. 3.5 + 2 x4 + x5 = 15 (1) + x4 = 30 (2) + 3 x4 = 20 (3) ⎡0 A = ⎢⎢0 ⎢⎣1 A1 3 0 2 1⎤ 0 1 1 0⎥⎥ 1 0 3 0⎥⎦ A2 A3 A4 A5 Ta có J = {5.k = a2. Nói một cách đơn giản : ràng buộc chuẩn là ràng buộc tương ứng với một vectơ cột Ak là vectơ đơn vị để có thể đưa vào cơ sở.Ràng buộc (2) có biến chuẩn là xk(i) = x3(2) của điều kiện i = 2. Ví dụ 1-4.2.2 x1 + x2 + 5x3 + x4 . m vaf x0j =0 với ∀ j ≠ i.2.x5 Æ max 3 x2 ⎧ ⎪ x3 ⎪ D:⎨ + x2 ⎪ x1 ⎪⎩ x j ≥ 0. A1} gồm các vectơ đơn vị.Ràng buộc (3) có biến chuẩn là xk(i) = x1(3) của điều kiện i = 3. . còn lại ai. tức là Ak = A5 là vec tơ cơ sở thứ nhất có ai. 1}. Nói cách khác vectơ cột Ak của A là vectơ cơ sở thứ i của cơ sở. Đối với bài toán chuẩn.j = 0 với ∀j = 1. 3 (≠ i = 2). m được gọi là ràng buộc chuẩn (của điều kiện i) nếu: (i) bi ≥ 0 (nếu bi < 0 ta nhân hai vế với -1) (ii) Tìm được biến xk(i) (viết k(i) để nói rằng dòng k tìm phụ thuộc vào i) sao cho ai.k = 1.

k ∈ I 2 I2 là tập các ràng buộc không chuẩn j = 1. đủ để tạo thành một cơ sở có hạng bằng m. j = 1.Mx6 . n Ví dụ : Bài toán P trong Ví dụ 2-4. bài toán QHTT chính tắc P có thể viết dưới dạng f(x) = <c.<M. Vấn đề đặt ra là bài toán P2 có tương đương với bài toán P không và giải bài toán P2 này như thế nào? 4.k = a3. A1} là cơ sở gồm các vectơ đơn vị với các ràng buộc đều là chuẩn và có ngay pacb ban đầu là x0 = (2. ⎪ ⎩ = bi .2 có I1 = {3}.15x5 . 0.NCT-FIT-HNUE Computional methods and Optimization Problems − x3 ⎧ ⎪ − 7 x3 x2 ⎪ D:⎨ + x2 + 2 x3 ⎪ x1 ⎪⎩ x j ≥ 0.j = 0 với ∀j = 1. 0. M). Bài toán P2 khi thêm biến giả không phải là để khử các dấu bất đẳng thức trong các ràng buộc mà là để sinh thêm các vectơ đơn vị.1 = 1. 0. Bài toán P2 cùng với số M lớn bao nhiêu tùy ý này được gọi là “bài toán M”. M. 7. j x j ⎪ jn=1 ⎪ D : ⎨∑ ak . Để tất cả các ràng buộc đều là chuẩn thì bài toán P cần thêm 2 biến giả nữa để có bài toán sau đây : Bài toán P2: f(x) = x1 + 6x2 + 3x4 . còn lại ai. 1} hay {A6.5 ⎡0 A = ⎢⎢0 ⎢⎣1 A1 − 3 x4 − 5 x4 + x6 + 2 x5 + x7 = 0 (1) = 5 ( 2) + 4 x4 + x5 = 2 (3) 0 − 1 − 3 0 1 0⎤ 1 -7 − 5 2 0 1⎥⎥ 1 2 4 1 0 0 ⎥⎦ A2 A3 A4 A5 A6 A7 Khi đó ta có J = {6. Bài toán M: Bài toán sau đây được gọi là bài toán phạt (hay bài toán M) của bài toán P : f(x) = <c. x> .Mx7Æ max (M lớn bao nhiêu tùy ý) − x3 ⎧ ⎪ x2 − 7 x3 ⎪ D:⎨ + x2 + 2 x3 ⎪ x1 ⎪⎩ x j ≥ 0. 2}. i ∈ I1 I1 là tập các ràng buộc chuẩn = bk . x> Æ max (M là số dương lớn tùy ý) 96 .3. j x j ⎪ j =1 ⎪ x j ≥ 0. tức là Ak = A1 là vec tơ cơ sở thứ ba có ai. x> Æ max ⎧n ⎪∑ ai . I2 = {1. j = 1.2 (≠ i = 3). A7. Phương pháp phạt hay phương pháp bài toán M Bài toán P : Một cách tổng quát.5 − 3 x4 = 0 (1) − 5 x4 + 2 x5 = 5 ( 2) + 4 x4 + x5 = 2 (3) ⎡0 A = ⎢⎢0 ⎢⎣1 A1 0 − 1 − 3 0⎤ 1 -7 − 5 2⎥⎥ 1 2 4 1 ⎥⎦ A2 A3 A4 A5 Ta thấy chỉ có ràng buộc (3) là ràng buộc chuẩn với biến chuẩn là xk(i) = x1(3) của điều kiện i = 3.

Việc xét dấu ∆k và so sánh hai số ∆k = akM + bk và ∆’k = a’kM + b’k dựa vào (*). 3) Nếu bài toán M có nghiệm ( x * .3 Giải bài toán P sau đây : f(x) = <c. ∀bk ⎧a < a 'k . xI*2 ) và ∃x *j > 0. Ví dụ 1-4.Dòng trên ứng với các hệ số M của I2 (ứng với biến giả) . Khi cơ sở không còn vectơ giả thì dòng ∆k cũng không cần tách thành 2 dòng. Mối quan hệ về nghiệm của bài toán P và bài toán M được cho như sau 1) Nếu bài toán M không có nghiệm thì bài toán P cũng không có nghiệm.. n. ∀bk . …. j x j j =1 ⎪n ⎪ D : ⎨∑ ak . j ∈ I 2 thì bài toán P không có phương án chấp nhận được. dòng ∆k được tách thành 2 dòng : . . Tại dòng f(x): không cần tính giá trị f(x) khi trong cơ sở còn có các vectơ giả. j = 1.. 0. x> = -x1 + x2 + x3 -2x5 Æ max 97 . k ∈ I 2 ⎪ ⎩ Chú ý rằng. Trong bảng đơn hình giải bài toán M. nếu đây là bài toán tìm min thì hàm mục tiêu cộng thêm lượng <M. Nếu bài toán M vô nghiệm thì P cũng vô nghiệm. j x j + xk = bk . nếu bài toán M có nghiệm x = (x1. x I*2 ) và x *j = 0. bk < 0 ⎩bk < b'k . ∀j ∈ I 2 thì x* là nghiệm của bài toán P. …. xk ≥ 0. Nếu bài toán M có nghiệm nhưng có ít nhất một thành phần ứng với biến giả mà khác 0 thì bài toán P cũng vô nghiệm. i ∈ I1 ⎪∑ ai .3. xn). x >= ∑ c j x j . < M . x> và aM + b ≥ cM + d ⎡a > c ⇔⎢ ⎣a = c and b > d (*) n Ở đây < c. if ak = a'k Chú ý: Các cột ứng với biến giả (tức là ck = -M) không cần phải tính. 2) Nếu bài toán M có nghiệm ( x * . Nói cách khác. k ∈ I 2 ⎪ j =1 ⎪ x j ≥ 0.NCT-FIT-HNUE Computional methods and Optimization Problems ⎧n = bi . b'k và ∆ k < ∆'k ⇔ ⎨ k ∆k < 0 ⇔ ⎨ k ⎩ak = 0. Tức là ta có: ⎧a < 0. Từ định lí trên suy ra : Để giải bài toán P ta tiến hành giải bài toán M. xn. 0) với các thành phần 0 phía sau thuộc I2 thì bài toán P có nghiệm là x = (x1. ngược lại nếu tất cả các thành phần ứng với biến giả mà bằng 0 thì bài toán P có nghiệm là nghiệm của bài toán M nhưng bỏ đi các biến giả.Dòng dưới ứng với các hệ số cj mà j ∈ I1 (ứng với biến thật) Hoặc nếu không tách thành hai dòng thì ∆k viết dưới dạng ∆k = ak + bkM. x >= ∑ Mxk j =1 k∈I 2 Định lý 1-4.

A3} với pacb ban đầu là x0 = (0. Khi đó ta có bài toán phạt của bài toán P sau đây: Bài toán M: f(x) = <c. x> = -x1 + x2 + x3 -2x5 -Mx7 Æ max (M lớn tùy ý) − x2 ⎧2 x1 ⎪3x ⎪ 1 D:⎨ ⎪ ⎪⎩ x j ≥ 0. 0 .NCT-FIT-HNUE Computional methods and Optimization Problems − x2 ⎧2 x1 ⎪3 x ⎪ 1 D:⎨ x3 ⎪ ⎪⎩ x j ≥ 0. 0. j = 1.….0). 2. tập các ràng buộc chuẩn tương ứng với các điều kiện i = 2 và i = 3. 8. 4.7 x3 − x4 − x4 + x5 − 2x4 + 2 x5 + x7 = 6 (1) = 10 (2) + x6 = 4 (3) Cơ sở ban đầu là J = {A7. x> = 2x1 + x2 . 2. 0. Để có ràng buộc chuẩn với điều kiện i = 1. j = 1. ta cần thêm một biến giả x7 ở ràng buộc (1). 6) c2 c3 c4 c1 Cơ sở Phương Hệ -1 1 1 0 án số A A A A 1 2 3 4 Aj. 8.3 Giải bài toán P sau đây : f(x) = <c. 3}. 0.x3 -x4 Æ max 98 .j∈J cj I III c5 0 A6 -M A7 6 [2] -1 0 -1 0 0 0 A6 10 3 0 0 -1 1 1 1 A3 4 0 0 1 -2 2 0 (-2M) M 0 M 0 0 1 -1 0 -2 0 0 f(x) = II c5 2 A5 -1 A1 3 1 -1/2 0 -1/2 0 0 0 A6 1 0 3/2 0 [1/2] 1 1 1 A3 4 0 0 1 -2 2 0 f(x)= 1 0 -1/2 0 (-3/2) 0 0 -1 A1 4 1 1 0 0 1 1 0 A4 2 0 3 0 1 2 2 1 A3 8 0 6 1 0 6 4 f(x) = 4 0 4 0 0 3 3 c5 -M A7 Bài toán M tại lần lặp thứ 3 có ∆k ≥ 0 với ∀ k = 1. 0. 0) với giá trị tối ưu của hàm mục tiêu là f(x*) = 4. Biến giả x7 = 0. 10. do đó bài toán P đã cho có patu là x* = (4. A6. Ví dụ 2-4. 0. 0. 7 nên thu được patu là (4.6 − x4 = 6 − x4 + x5 + x6 − 2 x4 + 2 x5 (1) = 10 (2) = 4 (3) Ta có I1 ={2.

A7). 7) c2 c3 c1 Cơ sở Phương Hệ 2 1 -1 án số cj A A A 1 2 3 Aj. 0.M 0 -3 +5 -1 2 A1 8/3 1 0 -1/3 0 1 A2 2/3 0 1 -7/3 1 -M A7 11/3 0 0 [11/3] 0 0. 0. 6.j∈J I c5 -M A7 2 [1] -1 2 -1 1 0 0 -M A6 6 2 1 -3 1 0 1 0 -M A7 7 1 1 1 1 0 0 1 (-4M) -M 0. Ta chuyển về Bài toán M: f(x) = <c. j = 1.x3 -x4 -Mx5 -Mx6 -Mx7 Æ max (M lơn tùy ý) − x2 + 2 x3 ⎧ x1 ⎪2 x + x2 − 3 x3 ⎪ 1 D:⎨ + x2 + x3 ⎪ x1 ⎪⎩ x j ≥ 0.M (-11M/3) 0.M -5. x> = 2x1 + x2 . j = 1. Pacb ban đầu là (0. A6.M) 8.4 − x4 + x5 + x4 + x6 + x4 + x7 = 2 (1) = 6 ( 2) = 7 (3) Cơ sở ban đầu là {A5.M 0 0 -2/3 2 f(x) = IV c5 -M A6 A5 f(x)= III c5 -M A5 -M f(x) = II c4 -1 A4 2 A1 3 1 0 0 0 1 A2 3 0 1 0 1 -1 A3 1 0 0 1 0 f(x) = 8 0 0 0 2 99 .4 − x4 = 2 (1) + x4 = 6 ( 2) + x4 = 7 (3) Bài toán P đã cho không có ràng buộc nào chuẩn. 2.M -M -2 -1 1 1 2 A1 2 1 -1 2 -1 -M A6 2 0 [3] -7 3 -M A7 5 0 2 -1 2 0.NCT-FIT-HNUE Computional methods and Optimization Problems − x2 + 2 x3 ⎧ x1 ⎪2 x + x2 − 3 x3 ⎪ 1 D:⎨ + x2 + x3 ⎪ x1 ⎪⎩ x j ≥ 0.M (-5.M 0. 0.

. 0.. 0. 0 .…. x1 + x2 + 3 x3 + 2 x4 → Max ⎧ x1 + 2 x2 + x 3 +2 x4 ≤ 10 ⎪ 2 x + x +3 x + 4 x = 9 ⎪ 1 2 3 4 ⎨ ⎪ x1 + 2 x2 + 2 x3 + x4 ≥ 8 ⎪⎩ x j ≥ 0 j = 1.2.5. BÀI TẬP Giải các bài toán tối ưu sau đây: 1. 2 x1 + x2 + 3 x3 − 4 x4 + 3 x5 − x6 → Min − x3 + x 4 +2 x5 − 3 x6 = 45 ⎧ 3 x1 ⎪− 2 x + x +2 x − x − x + 2 x = 8 ⎪ 1 2 3 4 5 6 ⎨ − 3 x3 − 2 x4 + x5 = 20 ⎪ x1 ⎪⎩ xj ≥ 0 j = 1..0).3. 1.3. 4. do đó bài toán P đã cho có patu là x* = (3. 3.4 100 .6 2..2.. 2 x1 + x2 − x3 + x4 + 3 x5 → Max ⎧ − 3 x1 + 2 x2 + x3 + x4 + 2 x5 = 14 ⎪ − 2 x + 6 x − 3x + x5 ≤ 18 ⎪ 1 2 3 ⎨ − x5 = −16 ⎪− 2 x1 + x2 − 2 x3 ⎪⎩ x j ≥ 0. 7 nên thu được patu là (3. j = 1. 1. 0.. 3. 0) với giá trị tối ưu của hàm mục tiêu là f(x*) = 8.2. Các biến giả x5 = x6 = x7 = 0. j = 1. x1 + 3x2 + x3 → Min ⎧ x1 + x2 + x3 ≥ 5 ⎪ − x 2 − 2 x 3 = −8 ⎪ ⎨ ⎪ x1 + 2 x2 + x3 ≤ 10 ⎪⎩ x j ≥ 0..NCT-FIT-HNUE Computional methods and Optimization Problems Bài toán M tại lần lặp thứ 4 có ∆k ≥ 0 với ∀ k = 1. 3..2.

Sign up to vote on this title
UsefulNot useful