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

....................... Thuật toán đơn hình giải bài toán QHTT.............................................................. 95 4...... Thuật toán đơn hình . 85 3................... Các định lý cơ bản của thuật toán đơn hình ......... 89 4........................................................... 81 2................ 96 BÀI TẬP ............................1...................................2........................................................................................................................................................3.................... 83 3...........................................................................NCT-FIT-HNUE Computional methods and Optimization Problems 1......................................................................4.................................... Đặc điểm của tập các phương án của bài toán QHTT ....................2............. 100 4 ......................................... 84 3.................................................. Nhận xét .........................3........................................ Dạng chuẩn tắc và dạng chính tắc............. 94 4............................................... Định nghĩa ràng buộc chuẩn............................................................................ Đặc điểm của tập các phương án của bài toán QHTT........................................2...... Tập lồi và đa diện lồi.... 84 3. 94 4.1.....................1............... 80 2..................................... Tìm phương án cực biên ban đầu............... Phương pháp phạt hay phương pháp bài toán M... Đường lối chung của thuật toán .......... 81 2...................................................

thuật toán để để tìm nghiệm bài toán trên máy tính. 0 Tích phân từng phần: đặt u=xn thì du = nxn-1dx. Là một khoa học nghiên cứu cách giải gần đúng. Giải tích số (Numerical analysis).1009 0. Một thuật toán là khả thi nếu nó thực hiện được trên máy tính. duy nhất. 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 . 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. Numerical mathematics) (theo Bách khoa toàn thư về khoa học và kỹ thuật. Ví dụ 1 (tính ổn định).3679 0. Giới thiệu môn học Phương pháp tính Có các tên gọi sau: Phương pháp tính (Computional methods). Graw Hill 1992). Phân biệt toán tính và toán lí thuyết Toán lí thuyết quan tâm đến các vấn đề định tính của bài toán: tồn tại.1124 0. n ≥ 2. mà chủ yếu giải bằng số (gọi là giải số) các phương trình. 2.2073 0.0916 0. tính chất nghiệm của các bài toán.1455 0. Về mặt thực tế tính trên máy tính không cho kết quả mong muốn khi n lớn. I 1 = 0. Cụ thể là tính trên máy tính với n=25 ta được bảng kết quả sau (liệt kê theo từng hàng) 0. Một cách ngắn gọn là giải các bài toán bằng số trên máy tính. NXB Mc. các bài toán xấp xỉ hàm số và các bài toán tối ưu hóa. Toán tính quan tâm đến xây dựng phương pháp. 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.3679. phương pháp số (Numerical methods). e Như vậy. Giả sử cần tính tích phân 1 I n = ∫ x n e x−1dx (n ≥ 1) .3679.1709 0.0839 5 .2642 0. để tính I n ta thu được công thức truy hồi tính được In về mặt lý thuyết: I n = 1 − nI n −1 .NCT-FIT-HNUE Computional methods and Optimization Problems MỞ ĐẦU 1. Thuật toán được xây dựng phải thỏa mãn yêu cầu về tính khả thi và tính ổn định.1268 0.

∆ (i =1.0627 0. Như vậy. (2) trong đó ∆ = det A . Do 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 2.0572 -0.NCT-FIT-HNUE Computional methods and Optimization Problems 0.5596 -30. 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 .0403 -13969..0774 0.3133 192785008. Tương tự.3679 đã bị khuyếch đại trong quá trình tính. 6 . 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 . e 1 ~ ta thu được I 1 = I 1 + δ .0782 *10 5 năm. Giả sử các tính toán e tiếp theo không mắc phải sai số.3881 -7711400.. để tính mỗi số hạng cần thực hiện n – 1 phép nhân. Giả sử n = 20. Khi đó Q ≈ 9. Theo công thức (2) cần phải tính n +1 định thức cấp n. thuật toán nêu trên là hoàn toàn không khả thi dù máy tính có tăng tốc độ lên gấp hàng nghìn.8325 Kết quả giảm dần từ 0.0590 0. mỗi số hạng là tích của n thừa số.3679 (khi n=1) đến 0. ~ ~ Thu được I 2 với sai số | I 2 − I 2 |= 2δ . 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.. Cho hệ phương trình đại số tuyến tính Ax = b .0718 0.8864 321308.1924 635. Mỗi định thức là tổng của n! số hạng.0555 0.0555 (khi n=16) Kết quả sau đó kết quả thay đổi thất thường và giá trị tuyệt đối tăng rất nhanh.0295 1. Ví dụ 2 (tính khả thi). Về lý thuyết có thể giải hệ trên bằng công thức Cramer xi = ∆i . Do đó. trong đó δ là sai số. tất cả số phép tính nhân cần thực hiện trong (2) là Q = n!(n+1)(n-1). n).0669 0. Một thời gian lớn vô cùng! Và như vậy.. còn ∆ i nhận được từ ∆ do việc thay cột thứ i bởi cột tự do b. (1) trong đó A là ma trận vuông cấp n với định thức khác 0.6965 *10 9 giờ = 3. Nhưng việc tính toán ra nghiệm bằng số cụ thể lại là một việc không đơn giản. sai số vẫn đủ lớn và ta không thể nhận được giá trị chấp nhận được là gần đúng cho I n . 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 . dù δ có bé thì khi n đủ lớn.7073 *10 20 . hàng vạn lần.

sai số do tính toán. sai số về phương pháp thực hiện. 7 . Vì thế. hậu nghiệm đối với sai số. hiệu. tích. sai số tuyệt đối và sai số tương đối. cần phải nghiên cứu đề xuất các phương pháp hiệu quả để có thể giải được các hệ thống phương trình cỡ lớn. Sự lan truyền sai số đầu vào dẫn đến sai số đầu ra x Æ f(x). từ đó tính được sai số của tổng. 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. chữ số có nghĩa và chữ số đáng tin. hàng triệu hoặc hơn thế nữa. thương. mà thực tế khoa học và công nghệ đòi hỏi phải giải các hệ phương trình đại số tuyến tính cỡ hàng vạn. Chương 1 gồm các nội dung sau: Các khái niệm cơ bản: số xấp xỉ (hay số gần đúng). Và. cách viết số gần đúng. sai số quy tròn và quy tắc làm tròn để số còn lại gồm các số đáng tin. Đó là một trong các nhiệm vụ của ngành Phương pháp tính.

1.6cm ± 0. Để thể hiện điều đó ta đưa vào khái niệm sau. Định nghĩa 2-1. ký hiệu bởi δ .. Định nghĩa 1-1.1cm l2 = 7.NCT-FIT-HNUE Computional methods and Optimization Problems Chương 1 TÍNH GẦN ĐÚNG VÀ SAI SỐ 1. gọi là sai số tương đối giới hạn của a 8 .1 Số ∆ =| A − a | được gọi là sai số tuyệt đối của số gần đúng a . 41 là xấp xỉ thiếu. 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. thỏa mãn điều kiện A −α ≤ ∆a (1-1. đối với số π = 3. còn 3.. nếu a sai khác A không đáng kể.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 . đo chiều dài của hai thanh sắt bằng cùng một thước đo ta nhận được các kết quả sau: l1 = 115. Nếu a < A thì a được gọi là xấp xỉ thiếu. còn nếu a > A thì a được gọi là xấp xỉ thừa của A . 002 .14 là xấp xỉ của π thì sai số tuyệt đối là ∆ a ≤ 0. Số gần đúng và sai số của nó 1. 42 là xấp xỉ thừa vì 2 = 1.15 là xấp xỉ thừa.1) Từ bất đẳng thức trên suy ra a − ∆a ≤ A ≤ a + ∆a . Vì thế ta có thể xem đánh giá tốt nhất của ∆ là sai số tuyệt đối giới hạn của a . Nếu coi a = 3..5cm ± 0. (2-1.1cm Tuy sai số tuyệt đối của hai phép đo trên là như nhau (= 0..14 là xấp xỉ thiếu. 4142135623.1 cm) nhưng rõ ràng là phép đo thứ nhất chính xác hơn.1) với giả thiết là A ≠ 0 . Chẳng hạn. .1415926535. Sai số tương đối của số gần đúng a . Số gần đúng và sai số Định nghĩa 1. mà chỉ có thể đánh giá nó. còn a2 = 1. Tuy nhiên. Sai số tuyệt đối không phản ánh đầy đủ mức độ chính xác của phép đo hoặc tính toán. thì 3.1.1. Ví dụ 1-1. Thí dụ: Đối với số A = 2 thì a1 = 1. là δ= A−a ∆ = A A (3-1.1) Để đơn giản người ta thường viết A = a ± ∆ a để ám chỉ rằng ∆ a là sai số tuyệt đối giới hạn của a. 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 .

0.) = ± ∑ α s .. + α −n .10 m−1 + . Ví dụ 1-1.2. những chữ số được gạch dưới là những chữ số có nghĩa: 12.1412 có 5 chữ số. 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. số 3.10 s ). 9 .. + α1 .NCT-FIT-HNUE δa = Computional methods and Optimization Problems ∆a a (4-1. 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 ≤ .10 − n + .10 −1 + . 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.1 0. 0. |a| Trở lại phép đo chiều dài của các thanh sắt ta thấy rằng sai số tương đối của l1 là δ1 = 0.10 m + α m−1 . 20... Chữ số có nghĩa và chữ số đáng tin Một số viết ở dạng thập phân có thể gồm nhiều chữ số.1) Người ta thường tính sai số tương đối bằng phần trăm.10 + α 0 . Gọi ∆ a là sai số tuyệt đối của số a .57..2. 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. 09% . của l2 là δ 2 = × 100% = 1..2) s trong đó α s là những số nguyên từ 0 đến 9.2.15 .10 s ). Chẳng hạn số 20. trong đó ∆ a là sai số tuyệt đối 2 của số a.15 có 4 chữ số.. α −1α − 2 .α 1α 0 . 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 > .α − n tức là a = ± (α m ..304500 . Giả sử a là số gần đúng của A và a có biểu diễn ± α mα m − ` . 6 7. 1. và nếu αs là đáng ngờ thì mọi chữ số bên phải nó đều là đáng ngờ.33% ..2. Định nghĩa 1-1. Trong các số sau. Vì thế δa = ∆a × 100% .5 so với δ 2 và phép đo thứ nhất chính xác hơn nhiều so với phép đo thứ hai.10 0 + α −1 . Rõ ràng là δ1 nhỏ hơn rất nhiều 115.03047 .1 × 100% = 0.. Định nghĩa 2-1. gọi là chữ số hàng thứ s của số a.10 s (1-1.

Cách viết số gần đúng Có hai cách viết số gần đúng. Giả sử ta làm tròn a thành a' với sai số làm tròn là θ a ' . 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.25 ta làm tròn thành 12. thực nghiệm. 3. 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 .05 = 1 × 10-1. 3. Đối với số a =3.1 cm. trong đó ∆ a là sai số của thiết bị đo. • Nếu chỉ bỏ đi một chữ số 5 thì chữ số được giữ lại cuối cùng nếu là chữ số lẻ thì tăng thêm 1.0047 có 3 chữ số đáng tin là 3. 3. 5.54 nếu ∆ a ≤ × 10−2 = 0.14151926535.005 . Ví dụ 1-1.2 với sai số là 0. Theo cách này ta viết a = 23. 7 và 2.4. × 10-5.14 nếu cần giữ lại 6. Sai số làm tròn Khi thực hiện các tính toán nếu số a có quá nhiều chữ số trong biểu diễn thập phân. Sai số làm tròn tương ứng 1 1 1 1 1 không vượt quá × 10-6. còn nếu chữ số bỏ đi đầu tiên < 5 thì để nguyên chữ số giữ lại cuối cùng. Kho đó sai số tuyệt đối của số a’ là ∆ a ' =| A-a’| = | A-a +a-a’| ≤ | A -a| + | a .4. Ví dụ 1-1. chẳng hạn a =3.142. Số gần đúng a = 3. tức là | a' .3.4. Việc làm này được gọi là quy tròn hoặc làm tròn số. còn các chữ số 8 và 4 là đáng ngờ. 65 kg ± 0.a| ≤ θ a ' . 1 Ví dụ 2-1.14152. có nghĩa là sai số tuyệt đối ∆a không lớn hơn một nửa đơn vị ở hàng cuối cùng. còn nếu là chẵn thì giữ nguyên. 3. Điều này dẫn đến kết cục là sau khi làm tròn một số chữ số đáng tin trở nên đáng ngờ. 10 . 1. Số 12. 4. 150 cm ± 0.14151926535 ta làm tròn thành 3. 2 1. 3 hoặc 2 chữ số sau dấu chấm thập phân.3.a’| ≤ ∆ a + θ a ' Như vậy việc quy tròn thường làm tăng sai số tuyệt đối.1415. 2 2 2 2 2 Ví dụ 2-1.3. × 10-3 và × 10-2. 2 Bây giờ giả sử a là xấp xỉ của A với sai số tuyệt đối là ∆ a . Cách 1: Viết kèm theo sai số a ± ∆ a Cách này thường dùng để viết các kết quả đo đạc.NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 2-1. Số θ a ' =| a − a ' | được gọi là sai số làm tròn.141519.7284 với ∆ a = 0.2. × 10-4.1 kg Cách 2: Viết theo quy ước: mọi chữ số có nghĩa đều đáng tin.

liệu ta có thể tính được sai số của V không.y) bất kỳ dựa vào đạo hàm riêng của từng biến. ta có | ∆x | ≤ ∆ x . Mở đầu Trên đây ta đã định nghĩa các loại sai số của một số gần đúng.05 = 0. còn dx là vi phân của biến x.Y). tích thương biểu diễn hàm hai biến. Theo định nghĩa về sai số tuyệt đối.35 với ∆ a =0. hiệu.003 + 0.053 > 1 × 10-1. Sai số của tổng Cho u = x ± y. 2.y) Giả sử x là xấp xỉ của giá trị đúng X.1) Chú ý: Công thức (1-2. Ta có 11 . Vấn đề đặt ra là biết sai số của π và d. Trong trường hợp này không nên quy tròn số a . Do đó các chữ số 3 và 5 là đáng tin. Thí dụ thể tích của hình cầu được tính bằng V = (1/6)πd3. Cho a = 0.1) là công thức quan trọng để tính sai số của hàm hai biến u = f(x. Sau khi làm tròn thành a’ = 0.4. hãy tính sai số của u. Biết sai số về x và y.1. y là xấp xỉ của giá trị đúng Y và ta coi u là xấp xỉ của giá trị đúng u = f(X. Vì thế chữ số 4 trong a’ là 2 đáng ngờ. Trong thực tế tính toán các đại lượng gần đúng thường xuất hiện trong một biểu thức phức tạp. Một cách tổng quát.4 ta có ∆ a ' = ∆ a + θ a ' = 0.1) được sử dụng trong việc chứng minh các công thức tính sai số của tổng. Sự lan truyền sai số 2. trong đó ta chỉ biết xấp xỉ của số π và đường kính d.003.2.X là số gia của x. Ký hiệu ∆x = x . 2. 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. Công thức (1-2.NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 3-1. 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.

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

Cho số e = 2. Thí dụ. 3. 5.2.718 thay cho số e. 3. 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. Hãy quy tròn số e đến chữ số có nghĩa thứ 13..847g ± 0. Đánh giá sai số tiên nghiệm là đánh giá sai số nhận được trước khi thực hiện 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.. 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. nhận được R =29. x0 là xấp xỉ ban đầu. 2. Lấy a=2.16152 c) 0. 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. 1− q trong đó 0< q< 1.0.001g Hãy xác định sai số tương đối của phép đo trên.1514 b) 0. 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. 4. 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) 2.00152281 15 . Đo trọng lượng của 1 dm3 nước ở 00 C nhận được: p = 999. Hãy xác định sai số tương đối. 12 và 11 và xác định sai số quy tròn tuyệt đối. 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. Sai số xảy ra trong công đoạn này được gọi là sai số tính toán. Thí dụ. Hãy xác định các giới hạn của R biết sai số tương đối giới hạn của R là 1%.01204 d) .718281828459045. Khi xác định hằng số khí của không khí. 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. Trong quá trình tính toán bằng số này không thể tránh khỏi việc làm tròn số. Đánh giá sai số hậu nghiệm là đánh giá sai số nhận được sau khi tính toán được nghiệm.25.

Khai triển (1-1.1. n = ak + ck (2-1.NCT-FIT-HNUE Computional methods and Optimization Problems Chương 2. b) Sơ đồ tính bằng tay Để tính bằng tay.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 .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) ta được: p(x) = b0xn – b0xn-1x0 + b1xn-1 – b1xn-1x0 + b2xn-1 .… .1) Hệ (2-1.1) dưới bảng sau 16 ..1) như sau : ⎧b0 ⎪ ⎨ck ⎪b ⎩ k = a0 = bk −1 x0 ∀k = 1.x0) + bn (1-1. Nếu ta phân tích đa thức thành p(x) = (b0xn-1 + b1xn-2 + … + bn-2x + bn-1) ( x . hay bk = ak + ck với ck = bk-1x0 Thuật toán Hoocner tính giá trị các hệ số của đa thức trong (1-2.1) 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. Tính giá trị hàm số 1. n hay bk = ak + bk-1x0. bk . TÍNH GIÁ TRỊ VÀ XẤP XỈ HÀM SỐ 1. ∀ k = 1.bk-1x0 = ak.1) Ta có ngay p(x0) = bn. + an−1 x + an = b0 x n + ∑ (bk − bk −1 x0 ) x n−k k =1 Đồng nhất hai vế ta có b0 = a0.. Hơn nữa các số hạng của đa thức thường lớn nên bất lợi trong tính toán. 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. ta biểu diễn (2-1.

trong đó c là điểm nào đó giữa x và x0 Ví dụ 1-1.3x4 + x3 .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 1.2) 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.NCT-FIT-HNUE Computional methods and Optimization Problems a0 b0 a1 … an c1 … cn b1 … bn x0 p(x0)=bn Ví dụ 1-1. 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. suy ra x – x0 = π/30 Áp dụng công thức 2-1.2 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 .2.2. Đặt x0 = π/6.1 Tính f(x) = 2x5 .2) thì ta có thể tính gấn đúng n f ( x) ≈ ∑ k =0 f ( k ) ( x0 ) ( x − x0 ) k k! (2-1.

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.công cụ nội suy hiện đại. b] nếu chỉ biết giá trị của nó tại một số điểm x0 ... Những giá trị này thường là các giá trị quan sát.Đa thức đại số . Bài toán nội suy hàm số Một trong các bài toán cơ bản của giải tích số là nội suy hàm số.Hàm hữu tỉ. Một số dạng hàm g (x) thường được dùng để nội suy hàm số là: . 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 .1. 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. x n ∈ [a. (i = 0.. Các điểm nút xi ( i = 0.1. Các dạng nội suy khác sẽ chỉ được giới thiệu qua. Nếu không nói rõ hơn ta sẽ ngầm định hiểu đa thức là đa thức đại số.NCT-FIT-HNUE Computional methods and Optimization Problems 2 = sin c ⎛ π ⎞ 1 π 3 −2 + . tức là phân thức đại số . nội suy hàm số còn được sử dụng để xây dựng các công thức tính đạo hàm. b] . tức là hàm đa thức từng mẩu. n) . 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 ghép trơn (spline)..Đa thức lượng giác . n) cho bởi công thức sau: 18 . Hàm g(x) được gọi là hàm nội suy. iii) Ngoài ra. b] . Đa thức nội suy Lagrange trên mốc không đều 2.. 2.một công cụ nội suy kinh điển và một phần về nội suy bởi hàm ghép trơn . Bài toán nội suy hàm một biến số được phát biểu như sau: Trên đoạn [a. Trong chương này chúng ta chỉ tập trung vào nội suy bởi đa thức đại số . x1 . n) của hàm f (x) . + R1 trong đó R1 = ⎜ ⎟ ≤ 10 2 ⎝ 30 ⎠ 2 30 2 2. b] ( i = 0. hoặc đo đạc được.<x n ≤ b và tại các điểm này cho các giá trị y i = f ( xi ). 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.1.. n ) gọi là các mốc nội suy. tính tích phân số hoặc tìm gần đúng nghiệm của phương trình. b] cho tập các điểm nút a ≤ xo < x 1 <.

. Khi n = 1.. dễ thấy rằng ⎧1. (i = 0..xj) = 0 (lưu ý rằng tử số chỉ khuyết số hạng xj-xi). i ≠ j (4-2. 1. thay x ở tử số bởi xi thì tử số giống mẫu số. mẫu số khuyết nhân tử (xi .1) ta thu được (42. Xây dựng đa thức nội suy cho hàm y = sin πx tại các nút x0 = 0. n) (3-2..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 ).( xi − xi −1 )( xi − xi +1 ). 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) b) Nội suy Lagrange bậc hai Khi n = 2 ta có ba nút nội suy x0 . a) Nội suy Lagrange bậc nhất Nội suy bậc nhất còn gọi là nội suy tuyến tính. x1 = 1 1 và x 2 = .. i = j li ( x j ) =δ ij= ⎨ ⎩0.( x − x n ) =∏ ( xi − x 0 )..( x − xi −1 )( x − xi +1 ).1) Thật vậy.( xi − x n ) j ≠i xi − x j (2-2.1) ta được 19 .1) vào (1-2.xi). Thay (4-2..NCT-FIT-HNUE Computional methods and Optimization Problems (1-2. i =0. ta có hai mút nội suy x 0 và x 1 . Khi i ≠ j thì trên tử số có số hạng dạng (xj . 6 2 Giải.xi)) Ta thấy Ln(x) thỏa mãn điều kiện nội suy Ln ( xi ) = f ( xi ).1) Xét hai trường hợp đơn giản của đa thức nội suy Lagrange..1) j =0 (Tử số khuyết nhân tử (x . 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. 2.1) ( x0 − x1 )( x0 − x2 ) ( x1 − x0 )( x1 − x2 ) ( x2 − x0 )( x2 − x1 ) trong đó y i = f ( xi ).1.1) Vì khi i = j. Ví dụ 1-2. và L1 ( x) = f ( x0 ) x − x0 x − x1 + f ( x1 ) x0 − x1 x1 − x0 (5-2.

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. 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.1) n trong đó M n +1 = max f ( n +1) ( x). Khi đó sai số nội suy Rn ( x) = f ( x) − Ln ( x) có dạng Rn ( x ) = f ( n +1) (ξ ) ω n +1 ( x).2. b] có đánh giá f ( x ) − Ln ( x ) ≤ M n +1 ω n +1 ( x) . Định lý 4. + 1.(−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 là có đạo hàm liên tục đến cấp n+1 trên [a. Định lí sau đây cho ta đánh giá đó. 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. Giải. x n ∈ [a.1. x0 . 2 + 1.1. b] .Ln (x) . (n + 1)! (8-2. 1] dựa vào giá trị của hàm tại các điểm x0 = −1. 6 = 7 x − 3x 2 . n) . Sử dụng đa thức này tính gần đúng 3.K. + 3. b] và ω n +1 ( x) = ∏ ( x − xi ) i =0 Hệ quả. (n + 1)! (7-2.1 Giả sử hàm số f (x) ∈ C ( n+1) [a. x 2 = 1.1) n trong đó ξ là một diểm phụ thuộc x và thuộc [a . và ω n +1 ( x) = ∏ ( x − xi ) i =0 a ≤ x ≤b Ví dụ 3-2. b] chứa tất cả các nút nội suy xi (i = 0.(−1 − 1) 1. tức độ lệch f (x) . Tìm đa thức nội suy hàm y = 3 x trên đoạn [-1. x1 = 0.1) ta có đa thức nội suy 1 x( x − 1) ( x + 1)( x − 1) ( x + 1)( x − 0) L2 ( x ) = . L 2 ( x ) = 0. Đối với sai số của đa thức nội suy Lagrange cho hàm f(x) tại các mút x.NCT-FIT-HNUE Computional methods and Optimization Problems 1 1 1 1 ( x − )( x − ) ( x − 0)( x − ) ( x − 0)( x − ) 1 6 2 + . 3 − 1. Cho giá trị của hàm y=sin x tại 3 điểm bởi bảng sau: 20 .

024 6 216 3 3 sin π 3 =0. Công thức đánh giá sai số (4. π π π π π π ( − ) ( − ) 4 4 2 2 2 4 Ta có sin π 2 ) π ≈ L2 ( ) ≈ 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. − = . Nhưng ta có thể đánh giá được sai số nội suy trên đoạn [-1. x 2 = 1 là đa thức L2 ( x ) = x 2 .1. ω3 ( ) = 3 Do đó sin Như vậy. Cho hàm f (x) bởi công thức f (x) = x .024 Chú ý.NCT-FIT-HNUE Computional methods and Optimization Problems x 0 y 0 Tính gần đúng sin π 3 π π 4 0. Nếu điều kiện trên không thoả mãn.707. 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 .8) được thiết lập với giả thiết f ( x) ∈ C ( n+1) [a. 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. x1 = 0. 3 3 3! 3 Dễ tính được M 3 = max y ' ' ' ( x) = max cos x = 1.707 2 1 nhờ đa thức nội suy và đánh giá sai số. + 1.1) vì hàm f (x) không có đạo hàm tại x = 0. b]. 0≤ x ≤ π 0≤ x ≤ 2 π 2 π π π π π π π3 − . . 3 3 4 3 2 216 π π 1 π3 − L2 ( ) ≤ × = 0. Khi đó đa thức nội suy hàm f (x) tại các điểm x0 = −1. Trong trường hợp này cần phải xem xét bài toán cụ thể.851. Để đánh giá sai số f ( x) − L2 ( x) ta không thể áp dụng công thức (8-2.851 ± 0. Giải. 3 3 Theo công thức (8-2.1) sin π M π π − L2 ( ) ≤ 3 ω 3 ( ) . Ví dụ 4-2.

. xi. x − xi −1 = h(t − (i − 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. Đặt t = x − x0 . (i = 0.t xi − x0 = h. xi − xi −1 = h x − xi +1 = h(t − (i + 1)) xi − xi +1 = − h .. return y 2. yi (i = 0...(−1) n−i .(n − i ) (1-2. xi − x n = − h ( n − i ) Do đó đa thức li (x) trong công thức (2-2. /* P chính là đa thức li */ 2..3. .. ... n ) cách đều một khoảng h.xj) / (xi .. y i ) ..(t − n) (t − i )i!(n − i )!(−1) n−1 (2-2. P = 1.. x − xn = h(t − n) .2.i x − x1 = h(t − 1) xi − x1 = h(i − 1) ..1.2...xj) 2.1) có dạng li ( x0 + ht ) = t (t − 1). Khởi tạo y = 0 2.2) li ( x0 + ht ) = t (t − 1).2) hay 22 . for i = 0 Æ n 2. for j = 0 Æ n if (j ≠ i) P = P * (x . 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.1. y = y + yi*P 3.2. n) .1.2. khi đó : h x − x0 = h. Thuật toán nội suy Lagrange Bài toán: Cho bảng các giá trị ( xi .1. n) output: y là giá trị của hàm tại x Algorithm: 1.(t − n) i (i − 1).NCT-FIT-HNUE Computional methods and Optimization Problems 2..(t − (i − 1))(t − (i + 1))....

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

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

x n ) .pbậc 1 T.4.2) người ta lập bảng sau (thí dụ cho n=4) x f(x) T.. Nó trùng với đa thức nội suy Lagrange (vì đa thức nội suy là duy nhất) nhưng được viết trong dạng khác.x1) f(x0...( x − x n −1 ) f ( x0 ..x1.3. x1 . + ( x − x0 ). x n ) Để ý đến (2-2.. x1 .x4) x4 f(x4) 25 .x2.3) n Pn ( x) = f ( x0 ) + ∑ ( x − x0 )( x − x1 )..( x − xi −1 ) f ( x0 .p bậc 4 x0 f(x0) f(xo. x n ) + ( x − x 0 ).x3) f(x0. x 2 ) + ( x − x 2 )[ f ( x0 . Nhận xét 2.x3) f(x2.1) vì khi bổ sung các nút nội suy mới chỉ cần tính thêm một số số hạng mới cộng vào tổng cũ..s. có thể thu được f ( x) = f ( x0 ) + ( x − x 0 ) f ( x 0 . x1 ) + ( x − x1 )[ f ( x 0 .x2) f(x0... Sơ đồ tính tỷ sai phân và đa thức newton mốc không đều Để tính các tỷ sai phân (t.. x1 ) + ( x − x 0 )( x − x1 ) f ( x 0 . Từ đây suy ra biểu diễn sai số của đa thức nội suy Newton f ( x) − Pn ( x) = ω n +1 ( x) f ( x.p) trong công thức của đa thức nội suy Newton (4. x 2 ).s...x1..x3) f(x1.. x1 .( x − x n ) f ( x. x n ) . Đánh giá sai số của nội suy Newton mốc không đều Từ định nghĩa của các tỷ sai phân viết cho hàm f (x) . tương tự như trong tiểu mục trước...s.. Nhận xét 1. x3 ) + .3) hay (3-2..s.3) trong đó n ω n +1 ( x) = ∏ ( x − xi ) (5-2..3.s. x1 . xi ) i =1 Đa thức Pn (x) dạng (2-2..x2) f(x1..p bậc 3 T.x2. để tính đa thức nội suy Newton một cách hữu hiệu người ta thường dùng lược đồ Horner.p bậc 2 T.x4) x2 f(x2) f(x2... x 0 . x1 .x3.3) được gọi là đa thức nội suy Newton (tiến) xuất phát từ nút x0 .x4) x3 f x3) f(x3.x4) x1 f(x1) f(x1.NCT-FIT-HNUE Computional methods and Optimization Problems (3-2...3... P ( x) = f ( x0 ) + ( x − x 0 )[ f ( x0 . x1 .... 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.x2. Sau khi đã tính được các tỷ sai phân.3) i =0 2.3) ta viết được f ( x) = Pn ( x) + ω n +1 ( x) f ( x. (4-2.x3.x2.3. x0 . x1 .....x1.x3. x0 .]]] 2.

s. x3 ) + ( x − x0 )( x − x1 )( x − x2 )( x − x3 ) 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. 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) . 2) Sử dụng đa thức nội suy nhận được tính gần đúng f (1. xi.9312.3) ta có P4 ( x) = f ( x0 ) + ( x − x0 ) f ( x0 .pbậc 1 T.25) = 3. x2 . x2 ) + ( x − x0 )( x − x1 )( x − x2 ) f ( x0 . 120 60 120 60 2) Khi đó f (1.NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 1-2.25) ≈ P4 (1.p bậc 3 T. x1 . x2 . 2.i fj = (fj+1 . x1 .25) Giải. 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.fj) / (xj+i .3. 2.3.xj) 2. Thuật toán nội suy newton trên mốc không đều Nhìn vào bảng tỷ sai phân và công thức nội suy Newton (3-2.s.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. Khởi tạo y = f0. 1) Lập bảng tỷ sai phân x f(x) T.s.xi-1). tich = 1. n) output: y là giá trị của hàm f(x) tại một điểm trong khoảng chứa các mốc nội suy Algorithm 1. x1 ) + ( x − x0 )( x − x1 ) f ( x0 . for j = 0 Æ n . for i = 1 Æ n 2. x1 .2. tich = tich * (x .s. x3 .p bậc 2 T.5. fi (i = 0.1. 26 .

4) . x1 . ∆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 .NCT-FIT-HNUE Computional methods and Optimization Problems 2.2. • Sai phân trung tâm cấp một δf i +1 / 2 = f i +1 − f i = f i1+1 / 2 .4) và đặt x = x0 + t.(t − n + 1) n ∆ f0 ∆ f 0 + . n) .3. return y.4. (i = 1... n) . xi ) = ∆i f 0 (i = 1. Đa thức nội suy Newton trên mốc cách đều Trong công thức của đa thức nội suy Newton (2-2.. Đa thức nội suy Newton trên mốc cách đều Giả sử các nút nội suy xi cách đều nhau một khoảng là h.(t − i + 1) i = f0 + ∑ ∆ f0 i! i =1 Pn ( x0 + th) = f 0 + t∆f 0 + (2-2.4) 2.h ta thu được t (t − 1) 2 t (t − 1).4.. 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. Trong trường hợp này việc tính đa thức nội suy trở nên dễ dàng hơn nhờ các sai phân. Sai phân cấp cao hơn được định nghĩa qua sai phân cấp thấp hơn như sau • ∆k f i = ∆ (∆k −1 f i ) . dễ chứng minh được f ( x 0 .4.3) ở mục trước biểu diễn tỷ sai phân qua sai phân theo công thức (1-2. + n! 2! n t (t − 1)..4.3) hoặc (3-2.3... = 1 x0 − x1 x1 − x 0 h Một cách tổng quát.(t − n)h n +1 (n + 1)! 27 (3-2.. 2.. tức là xi = x0 + ih .. 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). y = y + tich * f0.1. i!h i (1-2. Ví dụ 1-2.. Từ các định nghĩa sai phân và tỷ sai phân ta có f ( x 0 . x1 ) = f 0 − f1 f − f 0 ∆f 0 = .. 2.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 .) 2.4. Khái niệm sai phân Giả sử cho các giá trị f i = f ( xi ) của hàm f (x) .

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

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

Khi đó ta có Y=A+bX.95 1. b và c. A = lna.15 Yi =ln yi -0.2) Đây là một hệ ba phương trình với ba ẩn số a.18 0.58 Tìm hàm nội suy hàm ẩn trên. 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. Ta có y = aebx Lấy logarit cơ số e hai vế : ln y = ln a + bx Đặt Y = Ln y . Tìm A và b như trong trường hợp hàm tuyến tính ta sẽ tìm được a=eA. Lấy hàm nội suy có dạng y = aebx Giải. iv) Dạng hàm y = axb.65 0.75 0.06 0.85 0.6) ta có hệ 32 i . A = lna. 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.85 0.25 0. Cho biết các cặp giá trị của x và y theo bảng sau x 0. X = lnx.75 0.06 1.17 1. A = ln a .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. a>0. Đặt Y = lny.93 0. X = X Ta đưa về dạng Y = A + BX Xi = xi 0. Tìm A và b như trong trường hợp hàm tuyến tính ta sẽ tìm được a = eA.29 1. Khi đó ta có Y=A+bx.95 1.15 y 0. Giải hệ này ta nhận được a. iii) Dạng hàm mũ y = aebx.2. Đặt Y = lny.35 3.65 0. Lấy logarit hai vế ta được lny = lna + blnx.46 và n = 5 5 5 5 5 ∑ Xi ∑ X i2 ∑ X iYi ∑Y 4. b và c phải tìm.89 i =1 i =1 i =1 i =1 Áp dụng công thức (6-4.96 1.92 0.04 0. Ví dụ 1-3. Lấy logarit hai vế ta được lny = lna + bx.

3 8.5 d) f(x)=ex trên đoạn [-1.414 2 3 và đánh giá sai số. 5.2240 2.69.35 A + 3. 1]. tính gần đúng 2. 1]. π/2]. ξ = π / 6 c) f(x)=2x trên đoạn [-1.92 Giải hệ trên ta được A = -0.5 và đánh giá sai số.1544 2.35B = 0.5 (cho e≈2.5 54 60. B= 1. 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. Cho 3 x bởi bảng sau x 3 x 8 9 10 11 12 2 2.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. Dùng các giá trị dưới đây của x x x 1 2 4 1 1.2894 Dùng đa thức nội suy Newton trên lưới đều tính 4.89 ⎧5 A ⎨ ⎩4.93B = 0. Hàm f(x) được xấp xỉ bởi đa thức nội suy Lagrange tại ba điểm cách đều nhau trên đoạn cho trước. Do đó a = eA = 1/2. π/2]. ξ = 0. Hãy tính gần đúng giá trị của hàm tại điểm ξ và đánh giá sai số a) f(x)= cos(x) trên đoạn [0. Tìm đa thức bậc ba nội suy tốt nhất cho hàm : (i) f ( x) = 2 x trên đoạn [-1. 1].5 64 Hãy ước lượng dân số của quốc gia này năm 1975.7183) 3. ξ = π / 12 b) f(x)=xcos(x) trên đoạn [0. (ii) f ( x) = sin( x) trên đoạn [0.0800 2. π /2]. ξ = 0. 33 . b = B = 1 Vậy đa thức nội suy là g(x) = 1 x e 2 BÀI TẬP 1.

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

NCT-FIT-HNUE Computional methods and Optimization Problems Ta có f’(x) = 2 + sin x > 0 và f(0) = . Lại xét phương trình (2).8 Nếu khoảng phân ly (a. Phương pháp chia đôi 2. b1 = x0. Nhìn vào hình vẽ ta thấy khoảng phân ly của nghiệm duy nhất của phương trình (2) là (0. Mô tả phương pháp Giả sử (a.3. Ví dụ 3-1.cos 1 > 0. Bước 1. do đó ta đặt a1 = x0. 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*.2. Xử lí một trong 3 khả năng sau sẽ xảy ra (i) Nếu f(x0) = 0 thì x0 là nghiệm x* cần tìm. (iii) Nếu f(x0). Lặp các công việc sau đây: 2.5 1 1.f(a0) < 0 thì nghiệm nằm trong khoảng (a0.6 1. sau n lần chia đôi hoặc ta thu được xn-1 là nghiệm đúng hoặc ta thu được khoảng phân ly (an. 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). b0] bởi điểm giữa x0 = a 0 + b0 2 2.6 y=1/2*cos(x) 0.2 y=x 1 0.4 0.2 0 0 Một cách thông dụng để thu hẹp khoảng phân ly của nghiệm là phương pháp chia đôi được trình bầy dưới đây. x0). 2 2. π/2). Quay trở lại bước 2. 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. Đặt a0 = a. Đặt g(x) = x và h(x) = (1/2)cos x. 1) là khoảng phân ly của nghiệm duy nhất của phương trình đã cho.1.1. Bước 2. (ii) Nếu f(x0). 1. 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. bn) với độ rộng 35 . f(1) = 2 . do đó ta đặt a1 = a0.5 pi/2 Hình 1-2. b0 = b. Chia đôi khoảng [a0.1 2. b) là khoảng phân ly của nghiệm x* của phương trình f(x). b0). h(x) nếu phương trình g(x) = h(x) tương đương với phương trình đã cho. để tiếp tục quá trình chia đôi.1.f(b0) < 0 thì nghiệm nằm trong khoảng (x0.4 1. 0. Do đó (0. b1] với độ rộng d1 = b1 − a1 = . 0. b1 = b0.1.

118 -0.9063 0. là nghiệm gần đúng.8906 0.718 -0.758 0.75 0.0236 0.2x2 = 0 với độ chính xác ε = 10-2.8867 0.8513.1. d1 = b1 − a1 = 0.0625 0.0003 f(b) -0.75.0699 0.023 -0.0156 0. Đặt x1 = (a1 + b1)/2 = 0.2 2.5. khoảng phân ly nghiệm [a. f(x0) = 1. 1]. Nhận xét.5.8887 f(a) 3 1.25. Nếu f(a)f(c) < 0 thì gán b := c 36 .75.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 .75 0. Ví dụ 1-2.8828 0.8828 0. b1 = b0 = 1.875 0.25 0.8906 0. Tiếp tục quá trình chia đôi.875 0.5 0.8513 0.ex .0699 -0.758 0.0078 0. f ( x1 ) = 0.0236 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. Ta có [a0.0699 0.718 -0.0699 0.875 0. ngược lại làm bước 2. Ta có [a1.0078 < ε = 0.8513 nên ta đặt a1 = x0 = 1. Vì f(a0) = 3.0039 b-a<eps FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE 2.023 f(x0) 1. Dễ thấy rằng (0.5.1.875 0. Bằng phương pháp chia đôi tìm nghiệm dương của phương trình 4 .2. Sau 8 bước ta đạt được x6 = 0.875 0.8513. b1] = [0. 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.2.0699 0. b]. x0 = (a0 + b0)/2 = 0. d 2 = 0.8828 với sai số d6 = 0.9375 0.718 -0.8513 0. Nếu f(c) = 0 thì gán x0 := c và kết thúc lặp. Khi đó f (a1 ) = 1.5 0.9063 0.0003 -0.8867 b 1 1 1 1 0.118 -0.8906 x0 0.01.718 -0. 1) là khoảng phân ly của nghiệm dương x*.023 -0. b0] = [0.0313 0.011 b-a 1 0.311 -0.5 0.8906 0. Quá trình lặp được thể hiện qua bảng sau đây: 1 2 3 4 5 6 7 8 9 a 0 0. Bước 2: Lặp quá trình sau đây khi (b-a) > ε 2. 1] là khoảng phân ly.023 0. Nếu n 2n 2 b −a b − an <ε . b2 = b1 = 1.311 -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.9375 0. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp chia đôi Input: hàm phi tuyến f(x).125 0.758 ⇒ a 2 = x1 = 0. Giải.

b] (4-3. b) và tính các xấp xỉ x1. ta còn rút ra được: xn − x * ≤ q xn − x * (7-3.1) Định lý 1-3.sai số tiên nghiệm của xấp xỉ thứ n là đại lượng cấp α của sai số xấp xỉ thứ n . α nghĩa là xn − x * ≤ C xn − xn −1 . . Mô tả phương pháp Giả sử phương trình f(x) = 0 có thể viết dưới dạng: x = ϕ(x) (1-3.1) hội tụ và có ước lượng xn − x * ≤ q xn − xn −1 1−1 (5-3. …. b ] Khi đó i) Phương trình (1-3. theo công thức xn = ϕ(xn-1). (2-3. b] (3-3. (7-3. x2. Ta nói một phương pháp lặp giải phương trình có cấp hội tụ α nếu . Phương pháp lặp đơn 3. …. n = 1. C>0 là hằng số. b) là khoảng phân ly của nghiệm x*. Về sự hội tụ của phương pháp lặp Giả sử ϕ(x) là hàm khả vi trên đoạn [a. 37 .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.b] và thoả mãn các điều kiện sau: i) max ϕ ' ( x) ≤ q < 1 ∀x ∈ [a.NCT-FIT-HNUE Computional methods and Optimization Problems Nếu không thì gán a := c Bước 3: In ra nghiệm x0 = c.1).1) có nghiệm duy nhất x* ∈ (a. Định nghĩa 1-3. b) ii) Quá trình lặp (2-3.1) và (a. nghĩa là. b] ∀x ∈ [a. Lấy một điểm x0 ∈ (a.1.1) ta thấy rằng phương pháp lặp đơn có tốc độ hội tụ cấp 1 hay tốc độ hội tụ tuyến tính.1.1) 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.1) qn xn − x * ≤ x1 − x0 1−1 (6-3. 3. 2.1) x∈[ a .1) ii) ϕ ( x) ∈ [a. xn − x * ≤ C xn −1 − x * α . trong đó x* là nghiệm đúng.1.1) Trong quá trình chứng minh định lý.1. Như vậy từ các đánh giá (5-3.

1. n = 1. Vì |x4 -x3| = |0. π/2). x0 = 0. Trước hết. . Tìm nghiệm gần đúng của phương trình f(x) = 5x3 .0. ].x*| < 10-3. Như vậy. nên nếu lấy x4 xấp xỉ x* ta sẽ có |x4 .NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 1-3. Với x0 = 0.1) ta đã xác định được khoảng phân ly nghiệm của phương trình trên là (0.4426 2 1 x3 = cos x 2 = 0..4502 2 . 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 (0.1) được thoả mãn.1) vì 38 . ta phải chọn cách sao cho thỏa mãn các điều kiện của định lý 1-3.4502 là nghiệm gần đúng của phương trình đã cho với độ chính xác 10-3. 1 x4 = cos x3 = 0. 2 2 Rõ ràng là các điều kiện (3-3. do đó phương pháp lặp hội tụ ∀x ∈ (0.cos x = 0 với độ chính xác 10-3.. 1 2 ϕ ' ( x) = − sin x ≤ q = 0 ≤ ϕ ( x) ≤ 1 2 1 π < .1. Ví dụ 2-3.10x + 3 = 0 bằng phương pháp lặp đơn với độ chính xác 10-4 biết khoảng phân ly nghiệm là (0. Tìm gần đúng nghiệm của phương trình 2x . π/2) và ta có đánh giá: xn − x * ≤ 1/ 2 xn − x n−1 = x n − xn−1 1 − 1/ 2 . Trong số các cách đưa về dạng này. (4-3.1. Khi đó ϕ(x) thỏa mãn điều kiện (3-3.4307 2 x2 = 1 cos x1 = 0. π/2). chẳng hạn. ] ∀x ∈ [0. Giải. Ta sẽ kiểm tra các điều kiện của Định lý 1-3. 1).4496| = 0. 2.4496 2 .0006 < 10-3. 2 2 do đó π π ϕ ( x) ∈ [0.5 và xây dựng dãy lặp xn = ϕ(xn-1).4502 . Giải.1. Ta sẽ chọn x = ϕ(x) với ϕ(x) = (5x3 + 3)/20. x4 = 0.1). ta đưa phương trình đã cho về dạng tương đương x = ϕ(x). Trong Ví dụ (2-2.5 ta có 1 x1 = cos x0 = 0.

2.b) là khoảng phân ly nghiệm và f’(x) > 0 trên [a.1509 0.1] 20 hội tụ và có đánh giá xn − x * ≤ 3 xn − xn −1 .0006 0.0893 3 0. ∀x ∈ [0.1515 0.1509 0.xn-1) 1 0. q = 1− M M .2).0000 Cách chọn hàm ϕ(x) thỏa mãn các điều kiện của định lý 1-3. hơn nữa làm cho phương pháp lặp hội tụ nhanh nhất 3. Chọn x0 = 0. b] Là điều kiện (3-3. 1].1.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. Ký hiệu M = max f ' ( x).3187 0. Vì 0 < m ≤ f’(x) ≤ M nên ϕ ' ( x) = 1 − Có thể chứng minh được rằng với cách chọn 39 . b]. m = min f ' ( x) a ≤ x ≤b a ≤ x ≤b Đặt λ=− 1 m . phương pháp lặp đơn cho dãy nghiệm: max ϕ ' ( x) = max xn = 5 xn3−1 + 3 .xn-1 3(xn . Do đó. Như vậy.2) Giả sử (a.9562 2 0.0019 4 0. 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. Cách chọn ϕ(x) thỏa điều kiện hội tụ của phương pháp lặp đơn max ϕ ' ( x) ≤ q < 1 ∀x ∈ [a. Ta có ϕ ' ( x) = 1 − f ' ( x) .1) vì 3/20 < ϕ(x) ≤ 2/5. ∀x ∈ [0. hàm M M ϕ(x) được xây dựng như trên thoả mãn điều kiện thứ nhất của Định lý 1-3.5 ta tính được các xấp xỉ xn như sau n xn xn .1) x∈[ a . M f ' ( x) m ≤1− = q < 1 trên toàn đoạn [a.0298 0. do đó ϕ(x) ∈ [0.1. Xét hàm ϕ(x) dạng (1-3. 1]. b].0000 0.1812 0.

Tiếp tuyến này có phương trình là y = f’(xn-1)(x . f(xn-1)).NCT-FIT-HNUE λ=− Computional methods and Optimization Problems 2 M +m thì hàm xác định bởi (1-3. Phương pháp tiếp tuyến (Newton) 4.1. Bước 2: Lặp quá trình sau đây khi e > ε 2.xn-1) + f(xn-1) (1-4. Ký hiệu hoành độ của điểm cắt của tiếp tuyến với trục hoành là xn. Mô tả phương pháp: Giả sử xn-1 là một xấp xỉ đã tính được của nghiệm đúng x*. trong đó M = max | f '( x) |. m = min | f '( x) | . b].3. điểm ban đầu x0 ∈ [a. 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).2. Gán x0 := x.1) 40 x* xn+1 xn xn-1 . Trong lân cận của x*.1) f(xn) Giả sử f’(xn-1) ≠ 0. Tính e := abs(x-x0). 4. b] Ouput: nghiệm gần đúng x của phương trình f(x) = 0 Algorithm: Bước 1: Khởi gán sai số e := 1.3. thay đường cong y = f(x) bởi tiếp tuyến với nó tại điểm A(xn-1.2) sinh ra phương pháp lặp hội tụ nhanh nhất với số q= M −m M +m. sai số được phép ε. Vì thế phương pháp này còn có tên gọi là phương pháp tuyến tính hoá.1. 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. 2. Tính x := g(x0). 2. khoảng phân ly [a. Thế thì xn = xn −1 − f ( xn −1 ) f ' ( xn −1 ) f(xn-1) (2-4. a ≤ x ≤b a ≤ x ≤b 3. Bước 3: In ra nghiệm x.

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) có thể viết trong dạng xn = ϕ(xn-1) với ϕ ( x) = x − f ( x) f ' ( x) (3-4. b]. Để tránh được điều này.2) 41 . Khi đó phương pháp Newton (2-4. ∀x ∈ [a. Sự hội tụ của phương pháp Định lý 1-4.1. b] là điểm Fourier. thường chọn m1 = min{f'(x)}. b] Bỏ qua phần chứng minh.1 2) Nếu xấp xỉ ban đầu x0 chọn không thích hợp thì phương pháp Newton có thể không sử dụng được. M2 = max{f'(x)} Định lý 2-4.1) Điều đó có nghĩa phương pháp Newton là một trường hợp đặc biệt của phương pháp lặp đơn. cần chọn xấp xỉ ban đầu là một điểm Fourier được định nghĩa dưới đây: Định nghĩa 1-4.1) còn có tên gọi là phương pháp tiếp tuyến . 2m1 (2. |f ”(x)| ≤ M2. Nói cách khác. b] và [a.NCT-FIT-HNUE Computional methods and Optimization Problems Ta coi xn là xấp xỉ tiếp theo của x*. Giả sử x0 là một điểm thuộc khoảng phân li nghiệm của phương trình f(x)=0.1) 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. • x0 ∈ [a. • f’(x) và f”(x) không đổi dấu trên [a.2) M2 2 xn − xn −1 . m1 (1-4.2 Đối với phương pháp Newton ta có đánh giá tiên nghiệm sau z n +1 ≤ q z n 2 (3-4.2) trong đó m1 và M2 là các hằng số thoả mãn 0 < m1 ≤ |f’(x)|. b] là khoảng phân ly nghiệm x* của phương trình f(x) = 0. 1) Công thức lặp (2-4. Nhận xét. vì xấp xỉ tiếp theo x1 có thể vuợt ra khỏi khoảng phân ly.2. Khi áp dụng. Vì thế phương pháp tìm nghiệm gần đúng theo công thức (2-4.1) hội tụ và đối với nghiệm gần đúng xn có các đánh giá sau xn − x * ≤ xn − x * ≤ f ( xn ) . x0 là điểm Fourier nếu thỏa mãn: f ( x0 ) f ' ' ( x0 ) > 0 (4-4.4. Do đó có thể khảo sát sự hội tụ của phương pháp nhờ vào Định lý 1-3. thậm chí vượt ra khỏi khoảng xác định của hàm số.

619048 1. M2 và m1 được xác định như trong Định lý 1-4.1. b] số q=M/2*m. Tính e := q*abs(x-x0)^2. Do đó [1.618034 0.3. 4. 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).2360689 0. Đặt f(x) = x2 .002267574 2.3333333 0. Ví dụ 1-4. sai số được phép ε.3. b].NCT-FIT-HNUE trong đó q = Computional methods and Optimization Problems M2 .047619048 1.x -1 = 0 với độ chính xác 0. Giải.333333333 1.00000046 FALSE FALSE FALSE TRUE x(n) Vậy x4 = 1. Gán x0 := x.666667 0.2.x -1. Với tư cách xấp xỉ ban đầu ta chọn điểm Fourier x0 = 2. 42 . f(2) = 1 > 0 và f’(x) = 2x-1 > 0. ta có f’’(x) = 2 > 0.111111111 2. 2m1 Bỏ qua phần chứng minh.618 là nghiệm gần đúng với sai số nhỏ hơn 0.618034 f[x(n-1)] f"[x(n-1)] 1 3 0. Tính x := g(x0). Ngoài ra.001 <epsilon 1. Bước 2: Lặp quá trình sau đây khi e > ε 2.236068 epsilon = |x(n)-x(n-1)| 0.618034 1. Phương pháp lặp Newton có dạng xn = xn −1 − f ( xn −1 ) x2 − x −1 = xn−1 − n −1 n−1 .001013171 1.2.001. 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. khoảng phân ly [a. 2.2380952 0. 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 := 1.0000010 2. Bước 3: In ra nghiệm x. điểm fourier x0 ∈ [a. Do đó chọn m1 =1.618034 0.0000000 2. 2] là khoảng phân ly nghiệm dương của phương trình đã cho. Nếu không xác định q thì e = abs(x-x0) 2.2. zn = xn − x*. M2 =2. Áp dụng phương pháp Newton tìm nghiệm dương của phương trình x2 . Ta có f(1) = -1 < 0.619048 0.001.666667 1.

Khi đó.1) x0. (a.5) hội tụ chậm hơn phương pháp Newton nhưng hội tụ nhanh hơn phương pháp lặp đơn.0226 4 -2. Cho phương trình f(x) = x3 -3x + 2 = 0 có một nghiệm là x* = 2. Vì thế. Ví dụ 1-5. b) là khoảng phân ly của nghiệm. sai số được phép ε.0000 5.4 ta được n x(n) 2 -2. x1 = -2. x2 x* x1 x3 Phương pháp cát tuyến (1-2. người ta đặt x0 = a. f ( xn − 2 )).. ( xn −1 .0015 5 -2. x1 = b. x0 = -2. người ta thay f’(xn-1) bởi tỷ sai phân f ( xn −1 ) − f ( xn−2 ) xn −1 − xn−2 .1066 3 -2. 2 nghiệm xấp xỉ ban đầu x0 và x1. phương pháp lặp có dạng xn = xn −1 − xn −1 − xn − 2 f ( xn −1 ). 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 .1) có thể tốn thêm nhiều thời gian nếu f’(x) là hàm phức tạp. n = 2. Sử dụng phương pháp cát tuyến với sai số 10-3.3.0000 6 -2. Ouput: nghiệm gần đúng x của phương trình f(x) = 0 Algorithm: Bước 1: Khởi gán sai số e := 1. f ( xn −1 ) − f ( xn −1 ) (1-5. Thông thường. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp Cát tuyến Input: Hàm số f(x) = 0..6. Mô tả phương pháp Việc tính đạo hàm trong công thức Newton (2-4.. x1 là các xấp xỉ cho trước. Nghiệm tìm xấp xỉ cần tìm là x = x1 43 .NCT-FIT-HNUE Computional methods and Optimization Problems 5.2.1. f ( xn −1 )) là x0 y − f ( xn −1 ) x − xn−1 = f ( xn −2 ) − f ( xn −1 ) xn−2 − xn−1 .1.

Hình bên minh họa một số xấp xỉ liên tiếp theo phương pháp dây cung giải phương trình 2x2 . 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 ) | . Tính x := x1-f(x1)-((x1-x0)/(f(x1)-f(x0))).. Giả thiết đạo hàm cấp hai f’’(x) không đổi dấu trên đoạn [a. Gán x0 := x1.2. m1 = min | f '( x) | a ≤ x ≤b a ≤ x ≤b . b].1. 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*.f”(x) > 0. 6. m1 | xn − x* |≤ M 1 − m1 | xn − xn −1 |. x0 = a nếu f(b). 2. và d = a.1 = 0.. b) là khoảng phân ly của phương trình f(x) = 0. 6.3..2. và lấy đầu mút còn lại làm xấp xỉ ban đầu x0. như thường lệ.NCT-FIT-HNUE Computional methods and Optimization Problems Bước 2: Lặp quá trình sau đây khi e > ε 2. (1-6. m1 Ở đây. x0 = b nếu f(a). x1 :=x.1) f ( xn −1 ) − f (d ) trong đó d = b. 2. Khi đó trong hai đầu mút a và b. ta cố định một đầu. BÀI TẬP 1.2. n = 1. Mô tả phương pháp Giả sử (a. Bước 3: In ra nghiệm x. mà tại đó giá trị của hàm cùng dấu với dấu của f”(x) (tức là điểm Fourier). ta ký hiệu M 1 = max | f '( x) |. Phương pháp dây cung 6.1. e := abs(x-x0). 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 .x 0.f”(x) > 0. Công thức lặp của phương pháp dây cung sẽ như sau: xn = xn −1 − f ( xn −1 )( xn −1 − d ) .

pháp lặp đơn. phương pháp lặp đơn và phương pháp cát tuyến với độ chính xác 10-3. Tính 13 bằng phương pháp Newton.x = 0 nếu xuất phát từ điểm x0 bất kỳ? 8. Sử dụng phương pháp lặp đơn dạng xn+1 = xn + λf(xn) giải phương trình f(x) = 0 4.. 45 . 6.. Phương pháp Newton hội tụ tới nghiệm nào trong ba nghiệm 0. Tìm nghiệm gần đúng của phương trình 2x2 . 2.x . Bằng phương pháp chia đôi tìm nghiệm của các phương trình cho trong bài 1 với độ chính xác ε = 10-2. 10. 5. Tính cos 200 với độ chính xác 10-3. 9. 1 và -1 của phương 3 trình x .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 = 0.0. Gợi ý: Sử dụng cos 3 × 200 = 1/2.001 và so sánh tốc độ hội tụ. 7. Sử dụng chương trình này giải phương trình trong bài tập 7. Tìm nghiệm của các phương trình cho trong bài 1 với độ chính xác ε = 10-2 bằng phương 3. tìm 7. Lập chương trình giải phương trình phi tuyến bằng các phương pháp cát tuyến và dây cung. Tìm nghiệm của các phương trình cho trong bài 1 với độ chính xác ε = 10-3 bằng phương pháp Newton.1=0 bằng các phương pháp cát tuyến và phương pháp dây cung với độ chính xác 0.. x3 . So sánh số lần lặp thực sự với số lần lặp ước lượng trước khi tính x2 .

Tích vô hướng (khi nhân vectơ hàng với vectơ cột) Cho u = (u1 . Cho u = (u1 . kí hiệu là 0. Đại số ma trận 1. ⎛ 3⎞ ⎜ ⎟ u = ⎜ 1 ⎟ là một vectơ cột ba thành phần. u3 ) và v = (v1 . u3) và a là một số thì au = (au1. au3). Vectơ không. u2. thì u + v = ⎜ u2 + v2 ⎟ ⎜u ⎟ ⎜v ⎟ ⎜u + v ⎟ ⎝ 3⎠ ⎝ 3⎠ ⎝ 3 3⎠ Tương tự. 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. u2 . ⎜ 2⎟ ⎝ ⎠ Ta gọi vectơ hàng là một dạy hữu hạn có thứ tự các số được sắp xếp nối tiếp nhau theo hàng ngang. u3 + v3 ) Nhân một số với một vectơ Nếu u = (u1. là vectơ mà các thành phần của nó đều bằng 0. u2 + v2 .1.1. au2. thì u + v = (u1 + v1 . v3 ) . u2 . 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. v = (4 2 9 ) là một vectơ hàng có 4 thành phần. Ví dụ 1-1.NCT-FIT-HNUE Computional methods and Optimization Problems Chương 4 PHƯƠNG PHÁP SỐ TRONG ĐẠI SỐ TUYẾN TÍNH 1. v2 . 46 . Ví dụ 2-1.1.1. b) Các phép toán trên vectơ Cộng hai vectơ ⎛ u1 ⎞ ⎛ v1 ⎞ ⎛ u1 + v1 ⎞ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ Cho u = ⎜ u2 ⎟ và v = ⎜ v2 ⎟ .

Tiền trả mỗi giờ cho các công nhân tương ứng là 50000đ. kí hiệu là At. tức là aii = 1 và aij = 0. Công nhân thứ nhất làm mất 3 giờ.3. 1...A-1 = A-1. các phần tử còn lại bằng 0. .⎥ ⎥ ⎢ ⎣0 0 .. tức là A có dạng: 47 .000 + 2*60.2.000 + 4*80... a1n ⎤ .NCT-FIT-HNUE Computional methods and Optimization Problems Một sản phẩm được tạo ra bởi ba công đoạn.. kí hiệu là A-1. ⎥ ⎥ . 80000đ và 60000đ.. Ma trận 1.. cột j. i ∈ [1.…. j ≤ n..1. a2 n ⎥⎥ . 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.. là một ma trận vuông cấp n thỏa mãn điều kiện sau: A.. ⎡1 0 . 1⎦ • Ma trận chuyển vị: Ma trận chuyển vị của một ma trận A..000 = 590. Các loại ma trận • • Ma trận vuông: Khi m = n thì ma trận A = (aij) gọi là ma trận vuông cấp n. . 1 ≤ i. mỗi công đoạn cần một công nhân làm. 0⎥ ⎥ E= ⎢ ⎢. . là ma trận nhận được từ ma trận A bằng cách đổi hàng thành cột và đổi cột thành hàng. amn ⎦ trong đó aij là phần tử ở hàng i. • Ma trận tam giác trên: Ma trận vuông A được gọi là ma trận tam giác trên.000đ 1.. 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. thường ký hiệu là E hoặc I. ∀ i ≠ j. .. j ∈[1. ⎢ ⎣am1 am 2 . ⎡ a11 a12 ⎢a a22 A = ⎢ 21 ⎢ . Ma trận đơn vị. được gọi là ma trận đường chéo .m]. 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... • Ma trận nghịch đảo: Cho ma trân vuông A... .…. n].2. . nếu aij = 0 nếu với ∀ i > j. 0⎤ ⎢0 1 . tức là aij = aji = 0 với i ≠ j.2.A = E 1.2. là ma trận vuông cấp n có các phần tử nằm trên đường chéo bằng 1...2. Định nghĩa Một ma trận A cấp m × n là một bảng gồm m × n phần tử xếp theo m hàng và n cột.

... x) > 0 với mọi x ≠ 0. ...0 0 ⎢ 0 ⎢a21 a22 a23 ..4.. ⎢ 0 .0 A = ⎢ . .. 1. .. j = 1... j = 1. ma trận vuông A được gọi là ma trận tam giác dưới.... • Ma trận xác định dương: Ma trận A được gọi là xác định dương nếu tích vô hướng (Ax. an −1...j=1... m. ⎢ 0 ⎣0 • Ma trận tam giác dưới: Tương tự.... n.2.... Ma trận thưa: Ma trận thưa là ma trận có rất nhiều phần tử bằng 0.. j = 1. ⎥ ⎥ ..... Trong trường hợp...... j = 1.... . .. m.. . .n). a2 n ⎥⎥ .. Cho hai ma trận A = {aij}i = 1.j=1. ⎢ ⎣ an1 an 2 • .. . B = {bij}i = 1. nếu aij = 0 với ∀ i < j. n.. với cij = aij + bij . 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. 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. A[3 × 2] . nếu aij= 0 khi |i-j| > m và m<<n thì ma trận có tên gọi là ma trận băng.. ...n). m. ann ⎦ 0⎤ 0 ⎥⎥ . . ..2.... m..... ⎥ ⎥ ⎥ ⎦ • Ma trận đối xứng: Ma trận A được gọi là đối xứng nếu A=At.. n −1 ann ⎣ ⎤ ⎥ ⎥ ⎥.... • 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........ (i. n...... ann ⎦ ...... Nếu m = 1 thì ma trận băng có dạng ba đường chéo ⎡a11 a12 0 .. a1n ⎤ ....... i = 1.... ...... ..2.. n ⎢0 0 ⎢0 0 0 .. . B[2 × 4 ] = C[3 × 5] 48 ... Khi đó tổng của hai ma trận A và B là ma trận C = {cij}i = 1.. tức là aịj=aji (i...2.. . n. k =1 Ví dụ 1-1... ⎥ ⎥ .. tức là A có dạng: ⎡ a11 0 ⎢a a22 A = ⎢ 21 ⎢ ... . .NCT-FIT-HNUE Computional methods and Optimization Problems ⎡a11 a12 ⎢0 a 22 A= ⎢ ⎢ . an ... kí hiệu là C = A + B...... trong đó: p cij = ∑ aik bkj .. ....

5⎥ = ⎢ 6 ⎥ ⎢ ⎥ ⎢5 ⎥ ⎢ ⎥ ⎢ ⎥ ⎢⎣ 3 1 ⎥⎦ ⎣ ⎦ ⎢⎣ 3.4 + 2. ⎡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. gọi là định thức của ma trận A. ⎡ 4 0⎤ ⎡ 4. Ví dụ 3-1. điều kiện để thực hiện được phép nhân là: Số cột của ma trận trước phải bằng số thành phần của véc tơ cột.5 ⎤ ⎡16⎤ ⎢− 1 2⎥ .(−1) + 1. Định thức của ma trận Với mỗi ma trận vuông A cấp n.0 + 2.2.2. ⎡4⎤ = ⎢(−1).3 3.4 + 0.5 ⎥⎦ ⎢⎣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. ta tính được một số thực theo qui tắc dưới đây. Ví dụ 2-1.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. kí hiệu là det A hoặc |A|.2. ⎡ 4 0⎤ [3 2 1] ⎢⎢− 1 2⎥⎥ = [3.5.4 + 1.NCT-FIT-HNUE Computional methods and Optimization Problems 0⎤ 2 3 5⎤ ⎡1 ⎡1 ⎢ 3 − 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]. Nói cách khác. điều kiện để thực hiện được phép nhân là: số phần tử của véc tơ hàng phải bằng số hàng của ma trận. a) Định thức của ma trận cấp hai a ⎤ ⎡a Cho A = ⎢ 11 12 ⎥ thì det(A) = a11a22 .2 + 1.

. = bn (1-2. x=⎜ ⎟.2 det Mi.1 + (-1)i+2 ai.2 + a1. + a n 2 x2 .3 = a1..NCT-FIT-HNUE Computional methods and Optimization Problems det A = a11a22a33 .1) trong đó ⎡ a11 ⎢a 21 A=⎢ ⎢ .2 det M1. ví dụ như các phương pháp Cramer. . . là phương pháp cho ta nghiệm đúng của hệ phương trình (1-2.3 det M1. 2 3⎤ ⎡1 ⎡ 5 6⎤ ⎡ − 4 6⎤ ⎡− 4 5⎤ ⎢ . + a2 n xn = b2 .3 =1.93 -2..1 det M1. ⎜ ⎟ ⎜ ⎟ ⎥ ⎜x ⎟ ⎜b ⎟ .. . + (-1)i+n ai.1 .n Trong đó Mi.a1.xn + ⎧ a11 x1 ⎪a x ⎪ 21 1 ⎨ ⎪ . 2.. nếu chọn hàng 1 thì dấu cộng trừ đan xen nhau. M 1....2. Để ý thấy.1) Hệ phương trình này có thể viết dưới dạng ma trận Ax = b (2-2..2 det M1.1 det Mi..n det Mi. Ví dụ 4-1. + ann xn .a13a22a31 c) Định thức của ma trận vuông cấp n tổng quát Có thể tính theo cột hoặc hàng bất kỳ.a12a23a31 + a13a21a32 .(-3) = 240. ⎥ . ⎢ ⎣a n1 a12 a 22 .1 + (-1)1+2 a1. an 2 . a1n ⎤ ⎛ x1 ⎞ ⎛ b1 ⎞ ⎜ ⎟ ⎜ ⎟ ⎥ . x2..j là ma trận thu được từ ma trận A sau khi bỏ đi hàng i và cột j. x2. .. ….. Ví dụ nếu chọn một hàng i nào đó. 2 = ⎢ .. ⎪⎩an1 x1 a12 x2 + .3 det M1... khử Gauss... a 2 n ⎥ ⎜ x2 ⎟ ⎜b ⎟ . Giới thiệu Cho hệ phương trình gồm n phương trình tuyến tính với n ẩn số x1.. b=⎜ 2⎟ . Hệ phương trình đại số tuyến tính 2.a11a23a32 + a12a21a33 . xn)t của hệ (2-2... ta có: det A = (-1)i+1 ai...(-78)+3. .1 = ⎢ ⎥ ⎥ − 8 9⎦ 7 9⎦ 7 8⎥⎦ ⎣ ⎣ ⎣ ⎢⎣ 7 − 8 9⎥⎦ det A = (-1)1+1a1.1 det M1.2 + (-1)1+3 a1. M 1. 50 . + a1n xn = b1 + a22 x2 + .2 + .3 = ⎢ A = ⎢− 4 5 6⎥⎥ .1) sau một số hữu hạn các phép tính với giả thiết không có sai số làm tròn.. a nn ⎦ ⎝ n⎠ ⎝ n⎠ Bài toán đặt ra là tìm nghiệm x = (x1. bắt đầu là dấu dương... Choleski. .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. + . M 1.1. .

từ giá trị này tính các giá trị nghiệm gần đúng tốt hơn theo một qui tắc nào đó. ta nhận được nghiệm gần đúng của hệ với một sai số có thể ước lượng được. 18/11. 38/11)t là nghiệm của hệ đã cho. A2 = ⎢− 3 30 6⎥ . b = ⎢⎢30⎥⎥ ⎢⎣ − 1 − 2 3⎥⎦ ⎢⎣ 8 ⎥⎦ Vậy 0 2⎤ 6 2⎤ 0 6⎤ ⎡6 ⎡1 ⎡1 ⎢ ⎥ ⎢ ⎥ ⎢ A1 = ⎢30 4 6⎥ .2. A3 = ⎢− 3 4 30⎥⎥ ⎢⎣ 8 − 2 3⎥⎦ ⎢⎣ − 1 8 3⎥⎦ ⎢⎣ − 1 − 2 8 ⎥⎦ Ta tính được det A = 44 ≠ 0 det A1 = -40.. 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⎥⎥ . x2 = 72/44 = 18/11. Gauss-Seidel.NCT-FIT-HNUE Computional methods and Optimization Problems Phương pháp gần đúng hay còn gọi là phương pháp lặp. Quá trình này được lặp nhiều lần và với một số điều kiện nhất định. 2. 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. ví dụ như các phương pháp Jacobi. là phương pháp giải hệ bằng cách cho nghiệm một giá trị ban đầu. Trong chương này chúng ta sẽ tìm hiểu các phương pháp: Cramer. Khử Gausse. Gauss-Seidel và giảm dư. 51 . Ví dụ 1-2. det A2 = 72. giảm dư.2.1) 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 (1-2.2) det A trong đó Aj là ma trận nhận được từ ma trận A bằng cách thay cột thứ j bởi cột b. Giới thiệu phương pháp Cramer Nếu det A ≠ 0 thì hệ (2-2.

NCT-FIT-HNUE Computional methods and Optimization Problems Nhận xét : Công thức (1-2. .. a 22 . - Nhân một phương trình bất kỳ với một số khác không. 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. n.4329 ...n+1 ⎥⎥ ⎥ . do vậy để tính mỗi số hạng cần thực hiện n-1 phép nhân.7073 . 1018 và n!(n+1)(n-1) ≈ 9..n+1 ⎦ Để tiện cho quá trình biến đổi tương đương. ⎢ ⎣a n1 a12 . phương pháp khử Gauss gồm 2 quá trình: - Quá trình thuận: đưa ma trận A về dạng tam giác trên.. a '1n a ' 22 .. - Cộng vào một phương trình một tổ hợp tuyến tính của một số phương trình khác Từ đó.2) đã là n!(n+1)(n-1).. a ' 2 n . a 2 n .0782 . j = i + 1. xn = 1 bn ann 52 .n+1 ⎤ a ' 2.... để tính các xj theo công thức trên cần tính n+1 định thức cấp n. mà mỗi định thức chứa n! số hạng. a nn a1.3.. an 2 a1n . .3) Quá trình ngược: giải hệ tam giác trên từ dưới lên trên. 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=⎢ ⎢ .. Khi đó n!=20! ≈ 2. j = i + 1.1023.. n) bằng cách công thức: Dòng j - = Dòng j + Dòng i × m .. a ' nn a '1.1 lần biến đổi : Lần biến đổi thứ i (làm cho aji = 0 . .2) rất đẹp về mặt lý thuyết nhưng rất đắt về về mặt tính toán. chục nghìn. thậm chí cỡ hàng triệu.n +1 ⎦ ⎣ 0 a '12 . ⎥ ⎥ ⎢ a n . riêng số phép nhân phải thực hiện trong (12. …. mỗi số hạng là tích của n thừa số. ⎥ a ' n . ….n+1 ⎥ Æ A' = ⎢ ⎢ . Như vậy.. chẳng hạn cỡ nghìn. ...n+1 ⎤ ⎡a '11 ⎥ ⎢ 0 a 2. • • Cơ sở của việc biến đổi: Sử dụng các phép biến đổi tương đương như: - Đổi chỗ 2 phương trình bất kỳ. xn-1. 0 . nghĩa là cần rất nhiều các phép tính số học. 2. 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. tức là tính các nghiệm xn. 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. Cách biến đổi A Æ A’: Thực hiện n . 105 năm! Trong khoa học và công nghệ người ta thường phải giải các hệ phương trình cỡ lớn hơn 20 rất nhiều... m = − a ji aii (1-2. x1 bằng phương pháp “thế ngược”. .. Cụ thể là. ta coi cột b là cột thứ n + 1 của ma trận A. Giả sử n=20. Một đặc điểm của các phương pháp đó là khước từ việc nghịch đảo ma trận.

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.2 .3) … xi = n 1 (bi − ∑ aij x j ) aii j =i +1 Ví dụ 1-2.b] = ⎜ 0 − 1 − 5 ⎜0 − 5 − 7 ⎝ ⎛1 2 6 ⎞ 3 ⎟ ⎜ − 6 ⎟ → [A. 53 . b] = ⎜ 2 3 1 ⎜3 1 2 ⎝ 6⎞ ⎟ 6⎟ 6 ⎟⎠ Quá trình thuận • i=1 Dòng 2 = Dòng 2 . ….3 * Dòng 1 ⎛1 2 3 ⎜ [A.3.n−1 (bn−1 − an−1.1 = 1.n xn ) (2-2.2 * Dòng 1 Dòng 3 = Dòng 3 . x2 = 6 .5 * Dòng 2 ⎛1 2 3 ⎜ [A.5. xn-1.3 = 1. 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 6 ⎟⎠ ⎝ 6 ⎞ ⎟ −6 ⎟ − 12 ⎟⎠ i=2 Dòng 3 = Dòng 3 . x1 bằng phương pháp “thế ngược”: Ta tính được x3 = 1.b] = ⎜ 2 3 1 ⎜3 1 2 ⎝ • ⎛1 2 6⎞ 3 ⎟ ⎜ 6 ⎟ → [A.NCT-FIT-HNUE Computional methods and Optimization Problems xn−1 = 1 an−1. x1 = 6 .

54 . định thức của ma trận A có thể tính theo công thức (1) ( n −1) det A = (−1) k a11( 0 ) a 22 .5 1. Do đó. ⎛2 4 3 ⎞ ⎛ 1 2 1.2.5 ⎞ ⎟ 1. Ví dụ 2-2.2 .1 ⎟⎠ ⎝ ⎛1 2 ⎜ ⎜0 1 ⎜0 0 ⎝ ⎛1 2 ⎜ ⎜0 1 ⎜0 0 ⎝ 2 ⎞ ⎟ 1.(-5).5 ⎜ ⎟ ⎜ 0 .6. x2 = -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. ma trận a(n.3. 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.5 ⎜ ⎜ ⎜ ⎜ ⎟ ⎟ ⎟ det ⎜ 3 1 . x3 = -2.2⎟ ⎜ 4 11 7 7 ⎟ ⎝ ⎠ 2⎞ ⎛ 1 2 1. 1 ⎟⎠ b) Thuật toán Khử Gauss Input: n.2 ⎟ = 2 det ⎜ 3 1 ..3.5 ⎞ ⎛ 1 2 1.8 ⎟ ⎜0 3 1 .3 ⎟ = 2.(-5).3 1.6 ⎟ ..3 1 2⎞ ⎟ 1. trong đó k là số lần đổi chỗ các hàng và aiij là phần tử trụ lần lặp thứ i. trừ đi từ hàng một hàng khác nhân với một số và đổi chỗ hai hàng. Ngoài ra nếu nó có trị tuyệt đối nhỏ thì khi chia cho nó sai số làm tròn sẽ lớn. Nhận xét 1: Trong quá trình thuận ta phải thực hiện phép chia cho phần tử trụ aii.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 .5.3 ⎜ 4 11 7 ⎟ ⎜ 4 11 7 ⎟ ⎜0 3 1 ⎟ ⎜ 0 0 .5 ⎞ ⎛ 1 2 1.2.5 .5 .6 ⎟ 2 ⎟⎠ Quá trình tính ngược cho ta x1 = 1.9 ⎝ ⎝ ⎝ ⎝ ⎠ ⎠ ⎠ ⎛1 2 ⎜ = 2. do đó có thể làm giảm độ chính xác của nghiệm tìm được. Ví dụ 3-2.5 ⎟ = 2.n+1) là ma trận các hệ số.9) = 29.(-2.2 ⎟ = 2 det ⎜ 0 . Nếu nó bằng 0 thì quá trình không thực hiện được. Giải hệ PTĐSTT sau bằng phương pháp khử Gauss: 2x1 + 4x2+ 3x3 = 4 3x1+ x2. 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.9) det ⎜ 0 1 ⎜0 0 ⎝ ⎞ ⎟ ⎟ ⎟ ⎠ 1.8 ⎟⎠ 1.5 .6.5 1. cột n+1 là vế phải của phương trình.(-5) det ⎜ 0 1 1.9 .a nn .

biến đổi hệ ⎧ a11 x1 ⎪a x ⎪ 21 1 ⎨ ⎪ .. Tính x[n]=a[n. . n. x2.. 1 (a n . nếu a[i. Algorithm: 1.3.NCT-FIT-HNUE Computional methods and Optimization Problems Output: véct tơ nghiệm x. ... .. 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.j]. .. .1 2. n. + an 2 x2 . . Quá trình ngược 3.j]/a[i. n+1) 2.n +1 .. 2. . Nhập n.i]..n +1 a nn − a12 x2 − a 21 x1 − a13 x3 − . n + 1] . 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. với k = 1.1. Trước hết.. c[j]=a[i..i] = 0 thì tìm phương trình j sao cho a[j.s 4. . + a 2 n x n = a 2. ai (i=1.i] để chuẩn bị cho việc khử x[i] trong các phương trình còn lại . n (ii) Tính x[k] = a[k. .. = 1 (a1. với j = 1.... . nếu không thì kết luận hệ suy biến và dừng thuật toán. a1n x n ..n −1 x n −1 ) ..4.k] + c[k] * (-a[j.. ⎪ ⎪ xn ⎪⎩ = = .... + + a 22 x2 + . .j]=a[i. xn 2. 1 (i) Tính tổng s = s + a[k.n+1]. 3. − .4) . gán kết quả cho phương trình trung gian c a[i.2.i] a[j. Xét a[i.n +1 a11 1 (a 2.i].. ⎪⎩a n1 x1 + a12 x 2 + .. = a n . 2. j = 1.2.n+1 Về dạng ⎧ ⎪ x1 ⎪ ⎪⎪ x 2 ⎨ ⎪. Tính thành phần nghiệm x[k] với k = n-1... − a2 n xn ) . .. n 3.i] ≠ 0.n+1 (1-2.n +1 a 22 . − a n1 x1 − a n 2 x2 − a n 3 x3 55 .. j] với j = k+1. .k]) . − a1n x n ) − a 23 x3 − .. − a n .... Xuất x1. ..1. Nếu tồn tại phương trình j thì hoán đổi hai phương trình cho nhau. 2... + .... Chia 2 vế của phương trình i cho a[i. + a nn xn = a1.. Quá trình thuận: Biến đổi A Æ A’ Lặp quá trình sau với i = 1 Æ n . . .2..k] = a[j.

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 ... 0 ⎥ ⎜ a ⎟ ⎥⎦ ⎝ nn ⎠ .. 2.n+1 − ∑ aij x 0j ) / aii . ( j ≠ n) j =1 Tổng quát ta có với i = 1.n+1 − ∑ a nj x j ) / a nn ... an 2 − a nn ⎛ a1.. ….. .n +1 ⎟ a2n ⎥ ⎜ x2 ⎟ . j ≠ i j =1 Tiếp tục quá trình đó ta tính x2.4) để tính x1 = ( x11 . ..n +1 − ∑ a1 j x j ) / a11 ( j ≠ 1) = (a 2.. x3..... − ⎟ ⎜ a 22 ⎥ . x 20 .NCT-FIT-HNUE Computional methods and Optimization Problems Hay ⎧ ⎪ x1 ⎪ ⎪⎪ x ⎨ 2 ⎪... ⎪ ⎪ xn ⎪⎩ n (a1. Thay x0 vào phương trình (2-2. ⎟ ⎜ ⎥ xn ⎟⎠ ⎝ ⎜ a n . j ≠ i aii j =1 (4-2.....n +1 − ∑ a 2 j x j ) / a 22 ( j ≠ 2) = j =1 n j =1 .. …. n thì n xi = (ai . x12 . ⎥ ⎜ . x n0 ) t .4) trong đó B gọi là ma trận lặp và ⎡ ⎢ 0 ⎢ ⎢ − a 21 B = ⎢ a 22 ⎢ .n +1 ⎞ a1n ⎤ ⎟ ⎜ ⎥ a a11 ⎟ ⎜ x ⎛ ⎞ 11 ⎥ ⎜ 1⎟ ⎜ a 2. xk Tổng quát: xik +1 = n 1 (ai . g = ⎜ a 22 ⎟ . ⎢ a ⎢− n1 ⎢⎣ a nn − a12 a11 0 .. x = ⎜ ⎟ . ⎜ ⎟ .n +1 ⎟ . x1n ) t với n xi1 = (ai .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 ≠ i (2-2.4) có dạng x = Bx + g (3-2..4) j =1 Viết gọn hơn thì hệ (1-2. − Tiếp theo.. cho hệ nghiệm ban đầu x0 = ( x10 .n+1 − ∑ aij x kj ) . n ..n+1 − ∑ aij x j ) / aii . = (a n ...

9998 0.2 x 2( k ) − 0.4) j =1 n r2 = max ∑ bij < 1 (ii) j n r3 = ∑ (iii) i =1 (6-2.9500 0.0600 3 0.25 x1( k +1) − 0.4) thì ⎧ x1( k +1) = 0.25 x3( k ) − 1 ⎨ x2 ⎪ ( k +1) = −0. Giải hệ cho dưới dạng ma trận [A.9948 -0.1x 2 − 0.4.4) Ví dụ 1-2.6000 2 0.9975 1.0001 0.0009 -1.4000 0.4.1x3 +1 − 0.0000 -1.1x1 = − 0.8 57 .4) i =1 n ∑b 2 ij j =1 <1 (7-2.2 x3 + 1 . b] với sai số không vượt quá 10-3.0000 0.0000 Ví dụ 2-2.9951 1.2 x 2 − 0.6 ⎪ ( k +1) = −0.0000 0.0000 -1. k x1( k ) x 2( k ) x3( k ) || x ( k ) − x || ∞ 1 1.0009 5 1.0002 0.6000 -1.4 x3( k ) + 1.2 + 0 .1x1 − 0 .NCT-FIT-HNUE Computional methods and Optimization Problems n r1 = max ∑ bij < 1 (i) i (5-2.0001 6 1.0052 4 1. ⎡10 2 1 10⎤ ⎢ 1 10 2 10⎥ ⎢ ⎥ ⎢⎣ 1 1 10 8 ⎥⎦ Áp dụng công thức (4-2.0144 0.9400 -0.0000 1.4) ta có ⎧ x1 ⎪ ⎨ x2 ⎪x ⎩ 3 = = − 0.25 x 2( k +1) + 1 ⎩ x3 cho thấy phương pháp Gauss-Seidel thực sự hội tụ nhanh. 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) + 0.0001 1.

. Chọn x0 = (0.2.754 1. Nhập nghiệm xuất phát x = (x1.1. x3.1 0 − 0 .yn) */ 4. 0)t thay vào ta được x1 = (1. nghiệm thứ k+1 là y = (y1. j = 1 Æ n+1) 2. Tính các thành phần yi cho nghiệm tiếp theo.3.016 0.1 0 ⎥⎦ ⎝ ⎠ n Do r1 = max ∑ bij = 0.. Algorithm: 1.733 0.xi| ≥ ε thì gán stop = false.2 ⎟ ⎜ 0 . Khởi tạo stop = true 4.8 2 0.001 0.1⎤ ⎡ 0 ⎛ 1 ⎞ ⎜ ⎟ ⎢ ⎥ B = ⎢ − 0 . Nhập n.737 1. 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.n+1) là ma trận các hệ số.94 0. g = ⎜ 1 .8 ⎟ ⎢⎣− 0. y2.737.738 1.2 0.997 0. 0. Lặp quá trình sau đây 4. 1. ai (i=1 Æ n. tương tự tính x2.001 0. cột n+1 là vế phải của phương trình.8)t.737 1. 1.xn) /* Ta gọi nghiệm thứ k là x.3 < 1 thỏa mãn điều kiện hội tụ nên ta có thể áp dụng phương pháp Gaussi j =1 Seidel. ma trận a(n.S)/aii d) Nếu |yi .627 6 0..623 5 0.xi6| < 10-3 ∀ i = 1. x2.002 0.626 7 0. c) Thuật toán Gauss-Seidel Input: n. Output: véct tơ nghiệm x. e) Thay xi = yi 58 .58 3 0.638 4 0. .2..NCT-FIT-HNUE Computional methods and Optimization Problems Ta có − 0.626 Nghiệm của hệ là x = (0.. 0.2 ⎥ .68 0.626) vì |xi7 . .2.n+1 . .001. và bảng kết quả là k x1(k) x2(k) x3(k) 1 1. Nhập sai số ε 3.2 − 0. 0.1 − 0.

..Rs0. − x1 = 0 − b23 x3 − . |Rn0|} và làm triệt tiêu phần tử đó bằng cách cho xs một số gia δxs = Rs0.n+1 ⎪a ⎪ 2. . − . Phương pháp giảm dư a) Mô tả phương pháp Biến đổi hệ phương trình ⎧ a11 x1 ⎪a x ⎪ 21 1 ⎨ ⎪ .n+1 ⎩ − b12 x20 − b21 x10 .. (3-2. ⎪ ⎪⎩bn .n+1 − a11 x1 − − a 21 x1 a12 x 2 + . − a n1 x1 − an 2 x2 a12 x2 . (1-2... − x10 ....n+1 về dạng a1n xn = 0 − a 22 x2 − .. R20.n+1 . nên ⎧ b1.n+1 ⎨ ⎪ ⎪bn .n +1 − b12 x 2 ⎪b ⎪ 2. − . thu được hệ có dạng ⎧b1.. = a n . nghĩa là xs1 = xs0 ...... − . − xn0 = R10 = R20 .. − a 2 n x n = 0 . = Rn0 (4-2. − .5) (6-2. − bn 2 x20 − − ... .. 2.. − bn1 x10 − b13 x30 − b23 x30 .n+1 + a 22 x2 + . Rn0 là các số dư sai khác giữa nghiệm x0 và nghiệm đúng của hệ. . − x2 = 0 . + a nn xn ⎧ a1. − . n) 59 (5-2. ...bi.5) .. . Xuất xi (i = 1 Æ n) 2.5) R10.n +1 − bn1 x1 − b13 x3 − .5) = 0 Chia hàng i cho aii ≠ 0.n +1 − b21 x1 ⎨ ... − x n .. .n+1 ⎪ ⎪b2. x 20 .. − a nn x n .. (2-2. ... . . + a1n xn = a1.NCT-FIT-HNUE Computional methods and Optimization Problems Lặp quá trình trên đến khi stop = true 5.. .. .. .. + a 2 n xn = a 2. .. .. ⎪⎩a n1 x1 + + a n 2 x2 + .... .bi... − bn 2 x 2 ..s * Rs0 (i = 1. .n+1 ⎨ ⎪ ⎪⎩a n . .5) = 0 Cho vectơ (cột) nghiệm ban đầu là x0 = ( x10 . .5) .s * δxs = Ri0 .5... Tìm Rs0 = max {|R10|.. . . Tính lại các số dư: Rs1 = 0 Ri1 = Ri0 .. . x n0 ) t Vì x0 chưa phải là nghiệm. − x20 . . . |R20|.

1x2 − − x2 x3 = 0 = 0 Cho x0 = (0..18 0. 0) Æ R0 = (R10. 0) Tương tự.2 × 0..NCT-FIT-HNUE Computional methods and Optimization Problems Cứ tiếp tục quá trình lặp trên cho đến khi |Rik| < ε (∀i=1. 0.96 0.04 0 0.99 0.6 + 0.7 + 0. x31 = x30 + R30 = 0. Ví dụ 1-2. 1. . R21.92 0 0. 3.76 0.01 0 0 0 0 0.08 0 0.8 = 0. ta có bảng kết quả x1 0 x2 0 x3 R1 R2 R3 0 0.5.8 Tính lại các số dư: R31 = 0 R11 = R10 + b13.2 x 3 + 0.01 0 0. 1).7 0. n) thì xk = (x1k.03 0. 2.6 + 0. 0.78 0 0.17 0. 0. xnk) là nghiệm của hệ.92 0.2 x2 ⎪ ⎨0.2 x1 ⎪0.02 0 0 0. x2k. R30) = (0.8 0.76 R21 = R20 + b23.. .1x 1 ⎩ + 0 .99 1 1 1 Vậy nghiệm của hệ là x = (1. ∀i =1.7 + 0.R30 = 0..76.8 0.6. Giải hệ cho bởi ma trận [A.01 0.19 0.8 + 0.7.78 Æ R1 = (R11. 60 .1 × 0.8) R30 = max{|Ri0|} = 0..01 0 0 0 0. R20.01 0.6 0.8. 0.8 = 0.b] sau ⎡ 10 − 2 − 2 6⎤ ⎢− 2 10 − 1 7 ⎥ ⎢ ⎥ ⎢⎣ 1 1 − 10 8 ⎥⎦ Giải: Biến đổi hệ về dạng ⎧0.78 0. R31) = (0.78.99 0..07 0.2 x 3 − x1 = 0 + 0 .R30 = 0.

for j=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.Phương pháp chỉ thực hiện được khi aii ≠ 0.a[i. n) for i = 1 Æ n { r[i] = a[i. for i = 1 Æ n { for j = 1 Æ n+1 if (i!=j) a[i. (i= 1.. n} và tính lại xs */ max = |r[1]|. 61 . for i = 1 Æ n { r[i] = r[i] .j] / a[i. /* Tìm rs = max{|r[i]|. nếu không phải đổi hàng. …. ma trận a(n. } 4. Nhập n. Tính r[i] ban đầu (i = 1. if (|r[i]| ≥ ε) continue = true.. /* Tính lại r[i] và kiểm tra khả năng lặp tiếp theo */ d = r[k].. k = i. n+1].14) 3. Xuất nghiệm x[i]. . ….13) về dạng (3. 2. n) Lưu ý: . i = 1.a[i. Biến đổi hệ từ dạng (3.} x[k] = x[k] + r[k]. cột n+1 là vế phải của phương trình. Output: véct tơ nghiệm x. aij. Lặp khi continue = true continue = false. k] * d.i].i] = 1. 2. xi 2. Algorithm: 1. .NCT-FIT-HNUE Computional methods and Optimization Problems b) Thuật toán Giảm dư Input: n.j] * x[j]. k = 1. for i = 1 Æ n if (max < |r[i]|) {max = r[i].n+1) là ma trận các hệ số. Khởi tạo đầu lặp continue = true 6. a[i. 2.} 7. } 5.

6.01x 2 = 2. Trong khi đó hệ với nhiễu nhỏ của ma trận A ⎧x 1 + x 2 = 3 ⎨ ⎩x 1 + 1.6) 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. Hệ phương trình ⎧2x 1 + x 2 = 2 ⎨ ⎩2x 1 + 1. Hệ với nhiễu nhỏ của vế phải ⎧x 1 + 2x 2 = 1 ⎨ ⎩x 1 + 2. Ví dụ 1-2.01x 2 = 1 có nghiệm là x1= 1. Hệ phương trình ⎧x1 + 2x 2 = 1 ⎨ ⎩x1 + 2. Và tất nhiên nghiệm của hệ nhiễu này bây giờ không phải là x mà là x+δx. x2 = 0.6) trong đó các hệ số aij và bi được tính theo một công thức nào đó.01 62 . Ví dụ 2-2. mà là hệ phương trình với ma trận nhiễu A+δA và vế phải nhiễu b+δb.6.01x 2 = 1. Hệ phương trình ⎧1.6). 2. 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. có thể là khá phức tạp cho nên không tránh khỏi sai số. . Ví dụ 3-2. Như vậy.6.01 lại có nghiệm là x1= -19.Mọi hệ phương trình có giá trị riêng λ ≥ 1 đều hội tụ đến nghiệm một cách nhanh chóng.0001x1 + x 2 = 3 ⎨ ⎩x 1 + x 2 = 3 có nghiệm là x1= 0. x2 = 0.NCT-FIT-HNUE Computional methods and Optimization Problems . 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. cụ thể là sai số nhỏ của dữ kiện dẫn đến sai số lớn của nghiệm. rất khác so với nghiệm của hệ đã cho. Khi đó người ta thu được không phải là hệ (1-2.0001x 2 = 3 có nghiệm là x1= 3.Nếu các phần tử aii càng lớn hơn các phần tử trên dòng bao nhiêu thì quá trình hội tụ càng nhanh.6. x2 = 10. rất khác so với nghiệm của hệ đã cho. ta có (A + δA)( x+δx) = b+δb (2-2. x2 = 3. trong đó xảy ra hiện tượng “sai một ly đi một dặm”.

trong đó E là ma trận đơn vị cấp n.1) được gọi là phương trình đặc trưng của ma trận vuông A. ⎡1⎤ ⎡3 0 ⎤ ⎡1⎤ ⎡3⎤ ⎡1 ⎤ ⎡3 0 ⎤ .1.NCT-FIT-HNUE Computional methods and Optimization Problems có nghiệm là x1= 0. 0. Ví dụ 2-3. Số λ gọi là giá trị riêng của A nếu phương trình Ax = λx. Ví dụ 1-3.1) Đây là một hệ phương trình tuyến tính thuần nhất.01x 1 + x 2 = 2.λE)x = 0 (2-3. x ∈ Rn. Do đó ta có (A . 3. ….1) có nghiệm x = (x1. khác xa so với nghiệm của hệ gốc đã cho. Chú ý trong cách viết Ax. Nhưng hệ phương trình trên với sự thay đổi ít của ma trận A và vế phải ⎧2x 1 + x 2 = 2 ⎨ ⎩2. 2) thì Ax = 3x Do đó giá trị riêng của A là 3 ứng với vectơ riêng là (1.1. xn) khác (0. x ∈ Rn (1-3. 2) ∈ R2. 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 (3-3.1: Giả sử A là ma trận vuông cấp n. Phương trình (3-3. …. Vectơ x ≠ 0 này được gọi là vectơ riêng ứng với giá trị riêng λ. Ta thấy A⎢ ⎥ = ⎢ Cho A = ⎢ ⎥ ⎢ ⎥ = ⎢ ⎥ = 3⎢ ⎥ ⎥ ⎣2⎦ ⎣8 − 1⎦ ⎣2⎦ ⎣6⎦ ⎣2⎦ ⎣8 − 1⎦ Vậy với x = (1. 0).1) Đó là phương trình để xác định giá trị riêng của A. Giới thiệu Định nghĩa 1-3. x2 = -8. Hãy tìm các giá trị riêng của ma trận ⎡ 3 2⎤ A=⎢ ⎥ ⎣− 1 0⎦ Giải: Ta có 63 . x2 = 1. Tính gần đúng giá trị riêng và véc tơ riêng của ma trận 3. ta viết Ax = λx thành Ax = λEx.. Định nghĩa 2-3.1.5. x2. Để tìm giá trị riêng của ma trận vuông A cấp n.1. x luôn hiểu là vecto cột. Trong những thí dụ trên ta nói rằng hệ phương trình có nghiệm không ổn định.05 lại có nghiệm là x1= 5.

kí hiệu là B ~ A. ⎡ p1 ⎢1 ⎢ P=⎢0 ⎢ ⎢..3) Hàng thứ n-1 của M-1 bằng hàng thứ n của A.NCT-FIT-HNUE Computional methods and Optimization Problems ⎡ 3 2⎤ ⎡1 0⎤ ⎡3 − λ − λ⎢ A. Ma trận B gọi là ma trận đồng dạng với ma trận A. a n. ⎢ ⎢a n . B ~ C Æ A ~ C A ~ B Æ Giá trị riêng λ của A và B trùng nhau. ⎢⎣ 0 p2 0 1 .. 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) Khi đó giá trị riêng của A cũng là giá trị riêng của B. j 64 . j = An . 2 0 .. ⎥ 0 ⎥⎦ (4-3. 3.... Tính chất: A~BÆB~A A ~ B.... . 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. 0 ⎥⎥ ... 3. 0 ⎤ . . nói cách khác ta có: M n−−11. .λI = ⎢ ⎥ ⎥=⎢ ⎣− 1 0⎦ ⎣0 1 ⎦ ⎣ − 1 2 ⎤ − λ ⎥⎦ Vậy phương trình đặc trưng của A là det (A ..3λ + 2 = 0 −λ Suy ra λ = 1 và λ = 2 là các giá trị riêng của A. pn−1 0 0 . 1 pn ⎤ 0 ⎥⎥ 0⎥ ⎥ . Trong phương pháp này.. a n . Để tránh việc khai triển định thức đòi hỏi số phép tính lớn. . .. ⎥ ⎥ .1 ⎢⎣ 0 0 1 ..n ⎥ 0 1 ⎥⎦ (1-3. 1 0. Tính M-1 và M có dạng như sau: M −1 ⎡ 1 ⎢ 0 ⎢ =⎢ .1 lần biến đổi: • Lần biến đổi 1: Tìm M-1.2.... 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 . nếu tồn tại ma trận không suy biến M (tức det M ≠ 0) sao cho B = M-1AM.3.λI) = 3−λ −1 2 = λ2 ... Ma trận đồng dạng Định nghĩa 1-3.2. 0 . Thực hiện n .

Hàng thứ n-1 của M bằng hàng thứ n của A chia cho phần tử biến đổi và thương mang dấu âm. ⎥ 0 ⎥⎦ Khi đó giá trị định thức của P .λE là det (P . .3. 2 .1. ...NCT-FIT-HNUE ⎡ 1 ⎢ 0 ⎢ M =⎢ ..3) Lần biến đổi 2 tương tự: Chọn M-1.… ... Giải phương trình trên ta suy ra được các giá trị riêng λ.3) if j ≠ n −1 A1 = M-1 A M ~ A • (4-3. 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.3) a 1 n . ⎢ a n . pn−1 0 0 .. Tại lần này: . A1 ~ A Æ A2 ~ A.1 của ma trận A.λE) = (-1)n (λn .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 . 1 0 0... 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.. a n . ⎥ (2-3.2.p1λn-1 . Nói cách khác ta có: M n −1. j ⎧ 1 ⎪a ⎪ = ⎨ n .n −1 0 ..... Phần tử biến đổi của A ứng với lần thứ hai ở trên hàng n .pn-1λ .n −1 if j = n −1 (3-3..n −1 a ⎪− n . ... ..1 ⎢− ⎢ a n .. Ví dụ 1-3. • Lần biến đổi thứ n .p1λn-1 ..n ⎥ − ⎥ a n .pn = 0.2 của M-1 sẽ bằng hàng thứ n .λE) = 0 ⇔ λn . ⎢⎣ 0 p2 0 1 .1 ta nhận được ma trận An-1 ~ A và có dạng ma trận Phơ-rê-be-mit P. ⎡ p1 ⎢1 ⎢ P=⎢0 ⎢ ⎢.Hàng thứ n . . Tìm giá trị riêng của ma trận 65 . • .… . . 0 . .. Computional methods and Optimization Problems 0 0 ⎤ 0 0 ⎥⎥ ..Hàng thứ n ..pn) det (P . . a n.. M sao cho A2 = M-1 A1 M ~ A1 và dòng thứ n -1 của A2 có dạng 0 0 0 . j ⎪⎩ a n .pn-1λ .2 của M bằng hàng thứ n -1 của A chia cho phần tử biến đổi và thương mang dấu âm. .n −1 ⎣⎢ 0 − 0 1 .1và cột n . 1 pn ⎤ 0 ⎥⎥ 0⎥ ⎥ . Chú ý rằng P = M-1AM. Ta thu được A2 ~ A1..n −1 a n .

. 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. ma trận A= (ai. . n) 66 .. . ⎡ 2 1 − 2⎤ A1 = M A M = ⎢⎢1 5 − 5⎥⎥ ⎢⎣0 1 0 ⎥⎦ -1 Lần 2.j = 1. λ = 4. 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.4) = 0 ⇔ λ = 2. trừ vị trí ở chính cột 2 thì bằng 1 chia cho nó..2)(λ . 2.. Dòng 2 của M bằng dòng 3 của A chia cho phần tử cột 2 lấy dấu âm. ⎡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 . chọn M −1 ⎡1 = ⎢⎢ 0 ⎢⎣ 0 0 1 1 0⎤ ⎡ 1 0 0 ⎤ ⎡1 0 0 ⎤ 2 ⎥⎥ .7λ2 + 14λ . 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. 2.j = 1. n) Output: Các giá trị riêng của ma trận A = (ai. chọn M −1 ⎡1 ⎡ 1 5 − 5⎤ ⎢1 ⎢ ⎥ = ⎢0 1 0 ⎥ . ai.. b) Thuật toán Đan-nhi-lep-ski tìm giá trị riêng Input: n.NCT-FIT-HNUE Computional methods and Optimization Problems ⎡2 1 0⎤ A = ⎢⎢1 3 1 ⎥⎥ .8 = 0 ⇔ (λ .j) Algorithm: 1. trừ vị trí ở chính cột 1 thì bằng 1 chia cho nó. Dòng 2 của M bằng dòng 2 của A chia cho phần tử cột 1 lấy dấu âm.j (i. λ = 1.1)(λ .j) (i.. Nhập a.

λE)y = 0 Py = λEy M-1.M.M. B.j] = 0} else {M1[i.j = 1 Æ n) 3. M.j] = a[k+1. output: A) 4.λE)y = 0 67 .M. if (j = k) M[i.j (i.y = λ.1 Æ 1 (phần tử biến đổi là ak+1.E.λ. Xuất ai.M 1−1 AM 1 M 2 .A.. output: Z) 3.4) Xác định vectơ y nhờ phương trình (P . j]. Y. j]/a[k+1.E.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.j] = .y = λ.M.. j] = 1} else {M[i.3) trong đó M và Y xác định bởi các công thức sau: P = M n−−11 M n−−12 .j] = 0.4. j] = 1.y Nhân hai vế với M: M. 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. M1[i. else M[i..y = M.y Đặt vectơ x = My: (1-3.NCT-FIT-HNUE Computional methods and Optimization Problems 2.E. Định nghĩa hàm nhân 2 ma trận vuông cấp n: Nhân(input: X.M n −1 . k]} /* Gọi hàm nhân 2 lần */ Lần 1: Nhân(input A.a[k+1. M1[i. output: B) Lần 2: Nhân(input: M1.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 . k]..A.y A..M-1. Lặp k = n .4) Ax = λEx Vậy x là vectơ riêng của A Tính x theo công thức (9-3.

− λ ... 1) (3.. 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. λn-1. 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. ⎥ ⎢ ⎥ ⎣ yn ⎦ + .3. . Ở ví dụ 3........... pn ⎤ 0 ⎥⎥ .NCT-FIT-HNUE Computional methods and Optimization Problems hay ⎡ p1 − λ ⎢ 1 P=⎢ ⎢ ...4) Ví dụ 1-3.4.. 1 hay ⎧( p1 − λ ) y1 ⎪y ⎪ 1 ⎨ ⎪ ⎪⎩ + p2 y2 + pn yn − λy 2 = 0 = 0 . 1) λ3 = 3 Æ y3 = (16. ta có 3 vectơ riêng ⎡1 − 5 5 ⎤ ⎡4⎤ ⎡− 1⎤ x = ⎢⎢0 1 − 2⎥⎥ ⎢⎢2⎥⎥ = ⎢⎢ 0 ⎥⎥ ⎢⎣0 0 1 ⎥⎦ ⎢⎣1 ⎥⎦ ⎢⎣ 1 ⎥⎦ 1 68 .. . ⎥ ⎥ − λ⎦ ⎡ y1 ⎤ ⎢y ⎥ ⎢ 2⎥ = 0 ⎢ . 1. y n −1 − λy n = 0 cho yn =1 Æ yn-1 = λ. y1 = λn-1 Vậy y = (λn-1. λ. 4.. nên ta có λ1 = 2 Æ y1 = (4... . ⎢ ⎣ 0 p2 . . yn-2 = λyn-1= λ2. Ứng với 3 giá trị riêng.18 ta đã tìm được 3 giá trị riêng. 1) λ2 = 1 Æ y2 = (1. 0 . 2. + p n −1 y n −1 p n −1 0 .

j BÀI TẬP 1.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. output: A) Lần 3: Nhân(input: B1.1 3 ⎜ 1 -1 ⎝ . So sánh với nghiệm đúng x* ⎛11⎞ ⎛5 0 1⎞ ⎜ ⎟ ⎟ ⎜ a) A = ⎜ 1 3 . M. ⎜3 ⎟ 4 ⎟⎠ ⎝ ⎠ ⎛1 ⎞ ⎛ 2 0 -1 ⎞ ⎜ ⎟ ⎟ ⎜ c) A = ⎜ 1 .1⎞ ⎛ − 3⎞ ⎜ ⎟ ⎟ 1 ⎟' b = ⎜ 2 ⎟ . Giải các hệ phương trình Ax = b sau đây bằng phương pháp khử Gauss. M1 như thuật toán tìm giá trị riêng*/ /* Gọi hàm nhân 3 lần */ Lần 1: Nhân(input: A. output: B) /* Gán lại ma trận B1 = B */ 3. 0. ⎜ 4⎟ ⎜ 1 1 3⎟ ⎝ ⎠ ⎠ ⎝ ⎛ 2⎞ ⎜ ⎟ x* = ⎜1 ⎟ . 1) và x3 = (1. Xuất ai.1 Æ 1 /* Tính 2 ma trận M. M.3 2 10 ⎟ ⎝ ⎠ ⎠ ⎝ ⎛ 2 0 ⎜ b) A = ⎜ . ⎜1 ⎟ ⎝ ⎠ ⎛ − 1⎞ ⎜ ⎟ x* = ⎜ 0 ⎟ . x2 = (1. output B) Lần 2: Nhân(input: B1. M. Khởi tạo B1 = E 2. -1 . ⎜1 ⎟ ⎝ ⎠ ⎛1 ⎞ ⎜ ⎟ x* = ⎜ 0 ⎟ .j và bi. ⎜6 ⎟ ⎜ . Lặp k = n . ⎜1 ⎟ ⎝ ⎠ 69 .3 1 ⎟' b = ⎜ 2 ⎟ .1 ⎟' b = ⎜ 4 ⎟ . 1) . 2. 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.

b = ⎜ 5 ⎟ .5. 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. ⎜ 4 ⎟ ⎜ 1 . ⎜ 2 ⎟ ⎝ ⎠ ⎛3 ⎜ ⎜2 f) A = ⎜ 2 ⎜⎜ ⎝1 0 -1 1 ⎞ ⎛ 4⎞ ⎜ ⎟ ⎟ 2 1 . 6.NCT-FIT-HNUE Computional methods and Optimization Problems ⎛ − 2⎞ ⎛ 2 -1 0 ⎞ ⎜ ⎟ ⎟ ⎜ d) A = ⎜ 2 5 .1 2⎥⎦ ⎝ ⎠ Tìm nghiệm của hệ bằng phương pháp khử Gauss. ⎜1 ⎟ ⎝ ⎠ ⎛ − 4⎞ ⎛ 3 -1 1 ⎞ ⎜ ⎟ ⎟ ⎜ e) A = ⎜ .1 3 1 ⎟' b = ⎜ 4 ⎟. ⎜ 2 ⎟ ⎜ 1 . Dùng phương pháp đồ thị giải hệ phương trình sau 2x + y = 2 2 x + 1. Cho hệ phương trình Ax = b với ⎛ −1 ⎞ ⎡ 2 -1 0 ⎤ ⎜ ⎟ ⎥ ⎢ A = ⎢. 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 = 9.2 ⎟' b = ⎜ − 4 ⎟. ⎟ -5 1 0 6 ⎜⎜ ⎟⎟ ⎟⎟ 1 -1 1 ⎠ ⎝1 ⎠ ⎛ 1 ⎞ ⎟ ⎜ ⎜ −1 ⎟ .01 y = 2. 7.01 Giải thích vì sao nghiệm thu được có thể sai khác rất lớn so với nghiệm đúng là x1 = 0. Hãy đề xuất một phương pháp lặp giải hệ trên và biện luận sự hội tụ của nó.1 3⎟ ⎝ ⎠ ⎠ ⎝ ⎛ − 1⎞ ⎜ ⎟ x* = ⎜ 0 ⎟ .1 3⎟ ⎝ ⎠ ⎠ ⎝ ⎛ − 2⎞ ⎜ ⎟ x* = ⎜ 0 ⎟ . x* = ⎜ −1 ⎟ ⎟⎟ ⎜⎜ 0 ⎠ ⎝ 3. ⎜ − 3⎟ ⎢⎣ 0 .1 ⎥ .1⎟ ⎜ − 1⎟ ' b = ⎜ ⎟. x2 = 1. 10. 70 .1 2 .

i ) (i = 1. n) (2-1. 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 .1) . i = yi +1 − 2 yi + y i −1 h2 (i = 1.i + y x . n − 1) (1-1. là các điểm mốc cách đều nhau. b].Đạo hàm sai phân trung tâm: thường để tính gần đúng đạo hàm tại các điểm trong yο = x . i = 0.Đạo hàm sai phân tiến: thường để tính gần đúng đạo hàm tại điểm biên y’(x0) y x . n − 1) 2h 2 (3-1.i = y i − y i −1 ∇y i = h h (i = 1. n) .NCT-FIT-HNUE Computional methods and Optimization Problems Chương 5 TÍNH GẦN ĐÚNG ĐẠO HÀM VÀ TÍCH PHÂN 1.1.1.) Sai số của các đạo hàm sai phân trên được đánh giá như sau: y x .i − f ' ( x i ) = O ( h ) . Đạo hàm cấp 1 . Cho gía trị của hàm tại các điểm lưới trên: yi = f ( xi ) (i = 0.2.i 1.b] và xi = a + ih. n − 1) (7-1. 71 .1) y x .1) y 0 − f ' ( xi ) = O ( h 2 ) . (4-1. 1.1) . Tính gần đúng đạo hàm Giả sử f (x) là hàm trơn trên đoạn [a.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. (6-1. n. (5-1.i = y i +1 − y i ∆y i = h h (i = 0.i − f ' ( x i ) = O ( h ) . 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.i yi +1 − yi −1 1 = ( y x . i − f ' ' ( x i ) = O ( h 2 ) (8-1.Đạo hàm sai phân lùi: thường để tính gần đúng đạo hàm tại điểm biên y’(xn) y x .2) Sai số của công thức trên được ước lượng như sau y xx .1) x . trong đó h = (b − a) / n.

2. Trong những trường hợp ấy công thức (2-2. n) với 1 h = (b − a) / n. b] thành n đoạn con [ xi . xi +1 ] (i = 0. (2-2. Cần tính b I = ∫ f ( x)dx (1-2.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 . Giới thiệu bài toán Cho f (x) là hàm số liên tục trên đoạn [a. Với các đa thức ta có thể tìm được các nguyên hàm của chúng. 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.1. b] sẽ là tổng các tích phân trên từng khoảng con. do đó có thể áp dụng công thức Newton.2. 2. Vì thế người ta phải tìm cách tính gần đúng tích phân xác định.Leibnitz tính tích phân trên mỗi đoạn con.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. cũng như tính đạo hàm cấp cao hơn ta sẽ sử dụng công cụ nội suy hàm số.2. Tích phân trên toàn đoạn [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. n − 1) bởi các điểm xi = a + ih. Ký hiệu xi +1 / 2 = ( xi + xi +1 ) là điểm giữa của mỗi đoạn con. (i = 0.) Ta xấp xỉ xi +1 ∫ f ( x)dx ≈ f ( xi +1 / 2 )h (2-2. Ý tưởng cơ bản của các phương pháp tính gần đúng tích phân là chia nhỏ khoảng tích phân [a.1) không có tác dụng.Leibnitz b ∫ f ( x)dx = F (b) − F (a).2) xi 72 . b] thành các đoạn con và trên mỗi khoảng con xấp xỉ hàm số bởi một đa thức. b] . Công thức hình chữ nhật trung tâm a) Thiết lập công thức Chia đoạn [a. Tính gần đúng tích phân 2. 2 Ta có b n −1 xi +1 a i =0 xi ∫ f ( x)dx = ∑ ∫ f ( x)dx (1-2.

2 ta lập bảng giá trị i+1/2 xi+1/2 yi+1/2 0 0.2) suy ra công thức hình chữ nhật trung tâm tính gần đúng tích phân xác định trên đoạn [a = x0.6919.2) M 2 = max f ' ' ( x) . 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 .NCT-FIT-HNUE Computional methods and Optimization Problems Về mặt hình học. i =0 Bây giờ ta ước lượng sai số của giá trị tính được.2) i =0 b) Đánh giá sai số: Người ta đã chứng minh được ước lượng sai số địa phương là: M2 3 h . Ta có 73 .6667 3 0. (5-2.1000 0.7000 0.9091 1 0.2) 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.5882 4 0.7692 2 0. điều đó có nghĩa là hình thang cong giới hạn bởi đường cong y = f (x) trên đoạn [ xi .5263 Σ=3.9000 0. Với h = 0. Từ (1-2.5000 0. 24 (4-2.3000 0.4595 Theo công thức (3-2.2) 4 I hcn = h∑ yi +1/ 2 =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 (6-2.2* 3. Giải.2) và (2-2.4595 = 0. xn = b]: n −1 I CN ≈ ∑ f ( xi +1/ 2 )h (3-2.

(1 + x) 2 f ' ' ( x) = 2 .. 2 Vậy ta có công thức hình thang tính gần đúng tích phân xác định là ⎛ y + yn ⎞ + y1 + . + y n−1 ⎟ I ht ≈ h⎜ 0 ⎝ 2 ⎠ (2-2.NCT-FIT-HNUE f ' ( x) = − Computional methods and Optimization Problems 1 .2) ta có ước lượng sai số 0 ≤ x ≤1 2 (0.3) trong đó để viết cho gọn ta đã ký hiệu yi = f ( xi ) .0033 = (0. Do đó b n −1 a i =0 I = ∫ f ( x)dx ≈ ∑ h ( yi + yi+1 ).3) hoặc I ht ≈ b−a ( y0 + 2 y1 + .. | E |≤ 2.. 0.0033.6886. + 2 yn−1 + yn ) 2n (3-2.2) 2 = 0. Vậy I = 0. (1 + x) 3 Do đó M 2 = max f ' ' ( x) = 2 ..6952) trong khi giá trị đúng của 24 tích phân là I = ln 2 = 0. 2 (1-2. Theo công thức (6-2.3.3) 74 .3) trong dạng y + yn ⎞ ⎛ n I ht ≈= h⎜ ∑ yi − 0 ⎟ 2 ⎠ ⎝ i =0 (2’-2.3) Có thể viết (2-2. 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.6931.6919 ± 0.

6250 7 0.5000 Σ=7.4000 0.7143 5 0.5000/2 ) = 0.5882 8 0.8333 3 0. Giải. Ta có h = 0. 2 ⎠ ⎝ i =0 Bây giờ ta ước lượng sai số của giá trị tính được.5000 0. 12 (5-2.5263 10 1.9000 0. (1 + x) 3 75 .7692 4 0.3) y + y10 ⎞ ⎛ 10 I ht ≈ h⎜ ∑ yi − 0 ⎟ = 0.6667 6 0.7000 0.3) Do đó sai số toàn phần của công thức hình thang sẽ là E ≤ M2 (b − a )h 2 .1 và bảng giá trị i xi yi 0 0.0000 0.1 * (7.3000 0.8000 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 .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.0000 1.1000 0.9091 2 0.0000 1 0.6938. Ta có f ' ( x) = − 1 .6000 0.6877 – 1.5556 9 0. (1 + x) 2 f ' ' ( x) = 2 .2000 0.6877 Theo công thức (2’-2. 12 (4-2.

yi). (xi+1. yi+1). yi+2). yi).4) Nhận xét 1. 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 . (xi+1. Công thức Simpson (hay công thức Parabol) a) Thiết lập công thức Cũng như ở trên ta chia [a. xi +1 / 2 . 2. 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 ).4) còn gọi là công thức parabol vì nó nhận được nhờ thay đường cong y = f(x) bởi parabol qua 3 điểm (xi.4.6938 ± 0.6931.0017 trong khi giá trị đúng của tích phân là I = ln 2 = 0. Khi đó công thức Simpson có dạng: 76 . yi+1). b] thành 2n phần bằng nhau với độ rộng h = (b . Theo công thức (5-2. (xi+2. 12 Vậy I = 0.NCT-FIT-HNUE Computional methods and Optimization Problems Do đó M 2 = max f ''( x) = 2.0017.3) ta có ước lượng sai số 0≤ x ≤1 | E |≤ 2 (0. xi +1 ] . yi+1/2).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. Trên mỗi đoạn con ta sẽ xấp xỉ hàm y = f (x ) bởi đa thức nội suy bậc hai tại các điểm xi . 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.a)/(2n) và trên mỗi đoạn kép [x2i. x2i+2] xấp xỉ hàm f(x) bởi bởi parabol qua 3 điểm (xi. . h Đặt xi + 1 xi + 1 xi xi I i = ∫ f ( x)dx ≈ ∫ L2i ( x)dx. (xi+1/2.1) 2 = 0. Để tránh dùng chỉ số không nguyên người ta thường chia đoạn [a.4) Công thức (1-2. Có thể viết lại công thức (1-2.

3) và (2-2..Từ các công thức (3-2. + 2 y 2 n − 2 + 4 y 2 n −1 + y 2 n 6n (3-2. Lập bảng giá trị của hàm tại các điểm nút và điểm giữa i xi 0 0.2282 .2.5263 0.0000 1/2 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 .4) trong đó M 4 = max f ( 4) ( x) ..8333 0.0000 yi yi 1.8000 4+1/2 0. xi + 1 ei = ∫ f ( x)dx − xi 5 h ( yi + 4 yi +1 / 2 + yi +1 ) ≤ M 4 h 6 2880 (5-2.2000 1+1/2 0.7143 0. 2880 (7-2.6667 0. 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.0000 0.7692 0.4) Từ đây ta thấy rằng công thức Simpson đúng cho mọi đa thức bậc 3.NCT-FIT-HNUE I sim = Computional methods and Optimization Problems b−a ( y 0 + 4 y1 + 2 y 2 + .4) b) Đánh giá sai số Người ta đã chứng tỏ được rằng (xem sách Bakhvalov [5] trang 101).1000 1 0. (6-2.9000 5 1. (3-2. Giải.9091 0. Ta có h = 0. (4-2.5882 0.4) Nhận xét 2.4595 77 S2=4.6250 0.7000 4 0.2).5556 0.4000 2+1/2 0.4) suy ra được: I sim = ( I ht + 2 I cn ) / 3 .5000 3 0.3000 2 0.5000 S1=3.6000 3+1/2 0.

x1=x1+h.2 4 = 0. Bây giờ ta ược lượng sai số theo công thức (7-2. sim” tính gần đúng tích phân xác định Input: a. 2. Isim=(Iht+2*Icn)/3.4595 / 3 = 0. 2.4) ta có I sim = y + y 5 ⎞ 2h 4 h⎛ 5 ⎜ ∑ yi − 0 ⎟+ ∑ yi +1 / 2 3 ⎝ i =0 2 ⎠ 3 i =0 = 0. Iht=h*Iht. Khởi tạo h=(b-a)/n.75) / 3 + 2 * 0. Algorithm: 1. x2=a. 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!).69314718.2.2 * 3. sai số thực sự của Isim là 0.5. Lặp for i=1 Æ n-1 2.3.2 * (4.69314667 trong khi giá trị đúng của tích phân là I = ln 2 =0. 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. và Simpson.1. hình thang. Ta có f ( x) = 1 . 2.4. return Icn. Iht=f(x2). (1 + x) f ( 4) ( x) = 24 .2282 – 0. 2. Các thuật toán “hcn. hàm f (x) trên đoạn [ a. b] b Output: Ihcn. b. n. x2=x2=h. 2. 3. Iht. Iht=Iht+f(x2). 4. ht. Icn=f(x1). Iht.4). Gán Icn=h*Icn. Icn=Icn+f(x1).00000051. Isim 78 . x1=a+h/2. (1 + x) 5 Do đó M 4 = max f ( 4 ) ( x) . = 24 và ta có đánh giá 0≤x ≤1 E = I − I sim ≤ 24 × (1 − 0) × 0.NCT-FIT-HNUE Computional methods and Optimization Problems Theo công thức (2-2.00001333. Như vậy.

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

. ... i = 1. Hàm f(x) được gọi là hàm mục tiêu. Ma trận A = (ai. chú ý rằng x là vectơ cột. j = 1.j)m × n. j = 1. j = 1.≥. n ⎩ j ⎧ ⎪ g i ( x) = ∑ ai .NCT-FIT-HNUE Computional methods and Optimization Problems n ⎧ = g ( x ) ai . bn)t. j ≤ bi ⎪⎩ j =1 80 . x> Æ max f(x) = <c. x2. .. n } được gọi là tập các phương án chấp nhận được. j ≤ −bi ⇔ ∑ a 'i . m ⎪ i ∑ D⎨ j =1 ⎪ x ≥ 0..2) Trong đó: D = {x = (x1.3.. 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. j ≤ b'i (2) Ràng buộc = tương đương với hai ràng buộc ≤ và ≥ n ∑a j =1 i.. m ⎪ i ∑ D⎨ j =1 ⎪ x ≥ 0.. m . m D⎨ j =1 ⎪ x ≥ 0.. c2.. x> Æ max ⎧ Ax ≤ b ⎨ ≥ 0 ⎩x ⎧ Ax = b ⎨ ≥ 0 ⎩x trong đó A = (ai..j)i=1.. j x j = bi . j n n j =1 j =1 ≥ bi ⇔ −∑ ai . b = (b1.. . n ⎩ j n Hoặc viết dưới dạng ma trận như sau f(x) = <c. 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. b2. n ⎩ j (2 − 1.. cn) là các hệ số của hàm mục tiêu. j x j ≤ bi . xj ≥ 0.. 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 là ma trận gồm m ràng buộc đối với phương án x...2) (3 − 1. j=1. x = (x1. i = 1. j x j (≤. xn)t. 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. 1. j = 1.. . i = 1. x> = n ∑c x j =1 j j . Vectơ dòng c = (c1. ≥. xn)t ∈ X ⊂ Rn : gi(x) (≤. <C.=) bi với i = 1. =) bi .. j ⎧n ⎪⎪∑ ai . j ≥ bi = bi ⇔ ⎨ jn=1 ⎪∑ ai .

i = 1. kí hiệu là dAB. Điểm x gọi là tổ hợp lồi của các điểm xi..3 ⎩ = 7 = 9 = 2 2. tức là: dAB = { M ∈ Rn | M = αA + (1-α)B.2.1. m nếu m x = α1 x1 + α 2 x 2 + . Tổ hợp lồi : Cho m điểm x1. j j =1 n n ∑a j =1 i.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.x3. 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 . Đoạn thẳng: Đoạn thẳng đi qua hai điểm A và B ∈ Rn.với xj+ và xj. x5 ≥ 0 và thay biến x3 không phụ thuộc dấu bởi hai biến phụ thuộc dấu: x3 = x3+ .1.x4 + 0.> 0 ta được bài toán mới tương đương là một bài toán dạng chính tắc: f(x) = x1 + 4x2 -3(x3+ .xj.. j − yi = bi i. được định nghĩa là một tổ hợp lồi của tập hai điểm A và B. Đặc điểm của tập các phương án của bài toán QHTT 2. x2.x3-) + 0. m và n ∑α i =1 i =1 Định nghĩa 2-2. x3.1. i = 1. Tập lồi và đa diện lồi Định nghĩa 1-2.với x3+.2 ≤ 7 ≥ 9 = 2 Thêm biến phụ x4 ≥ 0. + α m x m = ∑ α i xi i =1 với α i ≥ 0.3 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.> 0 Ví dụ 1-1. j = 1. j = 1. j ≤ bi ⇔ ∑ ai . xm trong không gian Rm.1 Trong mặt phẳng R2: 81 . 0 ≤ α ≤ 1} Ví dụ 1-2.

….1. các đa giác lồi là các đa diện lồi. 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.1. xm còn lại. 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.1 Trong mặt phẳng R2. Chúng sinh ra đa diện lồi. A B Định nghĩa 4-2.1 Trong mặt phẳng R2. Điểm cực biên: Xét các điểm x trong tập lồi S ⊂ Rn. trong đó mọi điểm bên trong đều có thể biểu diễn dưới dạng tổ hợp lồi của các đỉnh đa giác . • Đa diện lồi là một tập lồi. nếu ta loại bỏ những điểm mà nó có thể biểu diễn được dưới dạng tổ hợp lồi của các điểm x1. các đỉnh của các đa giác lồi là các điểm cực biên.1 Trong mặt phẳng R2. 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. các đa giác lồi là các tập lồi. Ví dụ 2-2.1. xm nào đó cho trước. Định nghĩa 5-2. x2 y2 x3 y3 x1 y1 x4 y4 x5 y5 Đa diện lồi Tập lồi đa diện 82 . Ví dụ 3-2. thì các điểm còn lại đó chính là các điểm cực biên của đa diện lồi.các điểm cực biên. 0 ≤ α ≤ 1} Định nghĩa 3-2. …. Nói cách khác. • Trong đa diện lồi.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. tức là: dAB = { M ∈ R | M = αA + (1-α)B. • Tập lồi đa diện là một tập lồi không giới nội Ví dụ 3-2. Nếu một đa giác không có cạnh thì phần mặt phẳng tạo bởi đa giác là một tập lồi đa diện. Tập lồi: Cho S ⊂ Rn. x2 ∈ S thì x = αx1 + (1-α)x2 ∈ S với ∀ α ∈ [0. 1]. với 2 điểm bất kì x1.

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. 1] ta có Ax = A(αx1 + (1-α)x2) = αAx1 + (1-α)Ax2 = αb + (1-α)b = b. thì f(x) đạt giá trị lớn nhất bằng 22 tại điểm cực biên là đỉnh M(3. 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. • Nếu D có phương án tối ưu thì có ít nhất một phương án tối ưu. Tập tất cả các phương án D của bài toán QHTT là một tập lồi.2. Nhận xét: Tập phương án D là tập lồi. Chứng minh. Đặc điểm của tập các phương án của bài toán QHTT Định lí 1-2. Lấy 2 điểm bất kì x1.2. Vậy D là tập lồi. do đó x ∈ D. Ta có Ax1 = b và Ax2 = b. • Việc chọn phương án tối ưu tương đương với việc chọn các điểm cực biên của D (các đỉnh của D).NCT-FIT-HNUE Computional methods and Optimization Problems 2.j)m × n. • Nếu D không giới nội nhưng hàm mục tiêu bị chặn trên D thì cũng chắc chắn có phương án tối ưu. x2 ∈ D. Nói cách khác. với A = (ai.2. Kí hiệu Aj là vectơ cột thứ j của ma trận A khi đó phương trình 83 . 2) của đa giác. Xét mọi điểm x mà x = αx1 + (1-α)x2 với α ∈ [0.2 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. j = 1. Xét bài toán QHTT chính tắc (chuẩn tắc chứng minh tương tự). để tìm phương án tối ưu thì ta chỉ cần tìm trên các phương án cực biên trong tập phương án D. Minh họa ý nghĩa hình học của định lý 1-2. Bây giờ xét hệ ràng buộc Ax = b. Ví dụ 1-2.2: • Nếu D là một đa diện lồi khác rỗng thì bài toán QHTT chắc chắn có phương án tối ưu.

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

cách nào cũng được.4 ⎩ j Nhận xét : x1 =(0.. 3}. • 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. ta gọi các biến xj với j ∈ J là các biến cơ sở. j = 1. 4}. 0)t là các phương án thuộc D. Các định lý cơ bản của thuật toán đơn hình Xét bài toán QHTT dạng chính tắc: f(x) = <c. Ta có thể bổ sung vào J0 để được tập J sao cho |J| = 2. 4. nhưng khi đã chọn thì phải cố định. 2. 3x1 . 4}. n Giả thiết rank(A) = m • Giả sử x0 = (x10.j) m × n ⎧ Ax = b ⎨ ≥ 0 ⎩x Aj là các vectơ cột của A.2x3 Æ max ⎧ x1 + 2 x2 + x3 = 4 ⎪ D : ⎨ x1 + x2 + x4 = 2 ⎪ x ≥ 0. Bài toán QHTT mà mọi pacb đều không suy biến gọi là bài toán không suy biến..2. các biến còn lại gọi là các biến phi cơ sở. • Ta xét các vectơ cột trong A. x> Æ max Trong đó A = (ai. Phương án x2 suy biến và J0 = {2}. • Nếu |J0| = m thì ta nói rằng pacb x0 là phương án không suy biến. . xn0) là một pacb. hoặc J = {2.. Với pacb đang xét. 2) và x2 = (0. j = 1. hoặc J = {2.2 dưới đây để cải thiện hàm mục tiêu. tức là J0 = {j | xj0 > 0} Khi đó. hay ∑x j∈J 0 j Aj = b (1-3. 0 .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 dưới đây để kiểm tra dấu hiệu bài toán không có lời giải. Ví dụ 1-3. Phương án x1 không suy biến ứng với J = {3. hệ vectơ {Aj}j ∈ J0 là độc lập tuyến tính (theo điều kiện cần và đủ để một phương án là pacb). còn các biến x32 và x42 là các biến phi cơ sở.2. ví dụ J = {1.2) 85 . 0 . Giả sử chọn J = {1.x2 . 2} thì các biến x12 và x22 là các biến cơ sở. Kí hiệu J0 là tập các chỉ số ứng với các thành phần xj0 > 0. ngược lại ta nói rằng nó là phương án suy biến. (4) Bằng cách nào để tìm pacb mới tốt hơn pacb cũ? Điều này dẫn đến Định lí 3-3. 3. Vì rank(A) = m nên nếu |J0| < m thì ta sẽ bổ sung để thu được tập J (chứa J0) sao cho |J| = m. 2}. 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. x20.

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

∀k ≤ n thì pacb x0 là patu. Dấu hiệu vô nghiệm Nếu tồn tại k sao cho ∆k < 0 và xj. do thay xj bởi vế phải trong (i) j∈J k∉J ⎠ k∉J ⎝ = ∑ c j x 0j − ∑∑ c j xk x j . do đó x0 là patu. Vậy (ii) được chứng minh.2) ta được: j∈J j∈J k∉J ⇔ ∑ x j A j = ∑ x 0j A j − ∑ xk ∑ x j . j∈J (6-3.k . 87 .k .2) k∉J f ( x ) = f ( x 0 ) − ∑ xk ∆ k (ii) (7-3.k ⎟⎟ + ∑ ck xk . Tiêu chuẩn tối ưu Nếu ∆k ≥ 0. 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 .k ) A j . ∀ x ∈ D ta có f ( x ) = f ( x 0 ) − ∑ xk ∆ k k∉J trong đó xk ≥ 0.2) j∈J k∉J j∈J ⇔ ∑ x j A j = ∑ x 0j A j − ∑ xk Ak . thay Ak bởi vế phải trong (2-3. 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. 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 . suy ra f(x) ≤ f(x0) với ∀ x ∈ D.k ≤ 0 ∀j ∈ J thì bài toán không có patu. k∉J Định lý 1-3. Định lý 2-3. Theo bổ đề (ii). do khai triển và thay đổi thứ tự hai tổng j∈J k∉J j∈J k∉J ⎛ ⎞ = f ( x 0 ) − ∑ ⎜⎜ ∑ x j .k + ∑ ck xk .k A j j∈J j∈J k∉J j∈J ⇔ ∑ x j A j = ∑ ( x 0j − ∑ xk x j . ∆k ≥ 0 do đó tổng sau dấu trừ mang dấu dương.k c j − ck ⎟⎟xk thay biểu thức trong ngoặc bởi ∆k trong (5-3.2) k∉J ⎝ j∈J ⎠ ⇔ f ( x) = f ( x 0 ) − ∑ ∆ k xk .2.2. j ∈ J . Vậy (i) được chứng minh.Computional methods and Optimization Problems NCT-FIT-HNUE (i) x j = x 0j − ∑ xk x j .2) k∉J n Chứng minh: (i) x ∈ D Æ x = ∑ xi Ai = b . Chứng minh.

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

k ⎧ ' =δ ⎪ x s . Bước 3: Kiểm tra “Dấu hiệu vô nghiệm” theo định lý 2-3.1 xjm. Nếu tồn tại ∆k < 0 và xj.4.Hàng cuối cùng là giá trị của f(x0) và các giá trị ∆k. . . Trong cơ sở mới này.2. dừng thuật toán. cjm Ajm .k ≤ 0 với mọi j ∈ J thì bài toán không có patu. Ajm} và lập bảng đơn hình phần 1. …. Hệ số Cơ sở c1 c2 … cn cj Aj. .1 xj2.Cột phương án ghi giá trị tương ứng của các biến cơ sở của phương án x0 . .2) (b) Về thao tác trong công thức (11-3.1 xj1. . .2) : . Thuật toán đơn hình Bước 1: Tìm pacb ban đầu x0 với cơ sở J = {Aj1. . .Cột cơ sở ghi tên các vectơ cơ sở . 89 . .x j .k (a ) (11-3. Bước 2: Kiểm tra “Tiêu chuẩn tối ưu” theo định lý 1-3.Cột hệ số biểu diễn các hệ số của hàm mục tiêu tương ứng với các vectơ cơ sở (hoặc các biến cơ sở) . Khi đó. x 0jm Phương án f(x0) . .k = xr .2 … xjm. s ⎨ ⎪ x ' = x − δ . . 3. . người ta chứng minh được f(x1) > f(x0). . j∈J A1 A2 … An cj1 Aj1 x 0j1 xj1.s ⎩ j . Aj2.k mới của các vectơ Ak biểu diễn qua cơ sở mới {Aj}j ∈ J’ nhờ các biến đổi Gauss-Jordan như sau: xr .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. xjm.n cj2 Aj2 x 0j 2 xj2. .2 … xj2.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. .2 … xj1. ta tính được các thành phần x 'j .k j . .NCT-FIT-HNUE Computional methods and Optimization Problems . . .k của vectơ cột Ak trong cơ sở {Aj}j ∈ J. Nếu mọi ∆k ≥ 0 thì x0 là patu.n ∆1 ∆2 … ∆n . dừng thuật toán. .Công thức (a): Chia các phần tử ở dòng xoay cho phần tử trục rồi đặt vào dòng chính. .Các cột Aj ghi hệ số của hàm mục tiêu ở hàng trên cùng và bên dưới là các hệ số khai triển xj.2.n .

Chọn vectơ As để đưa nó vào cơ sở mới.NCT-FIT-HNUE Computional methods and Optimization Problems Bước 4: Nếu hai định lý 1-3.3. Kết quả được đặt ở dòng mới tương ứng. j ∈ J’ = J \ {r} ∪ {s} 4. 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).4 ⎩ 90 . s 1 s (11a-3.4. như vậy dòng r bây giờ là dòng s.x2 + 3x3 + x4 Æ max ⎧ x1 + 2 x2 + x3 = 8 ⎪ D : ⎨2 x1 + x2 + x4 = 10 ⎪ x j ≥ 0.2 và 2-3.2) xs' .k = x j .Dòng chính * phần tử trên cột xoay Thực chất các thao tác trên là thực hiện các công thức : (10b-3.2) x1j = x 0j − θ . tức là tìm r sao cho ⎧⎪ x 0 ⎫⎪ xr0 = min ⎨ j | x j . Chọn vectơ Ar để đưa nó ra khỏi cơ sở mới. Việc xây dựng x1 có thể tóm tắt lại như sau: 4. tức là tìm s sao cho ∆ s = min{∆ k | ∆ k < 0} (8-3. Và ta có cơ sở mới gồm các vectơ cột {Aj }.x j .s ⎪⎭ . 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). Sau đó quay về bước 2. j ∈ J ' (11b-3. thay Ar bởi As. 4.k − δ . s 4.2) x 'j .4. Các thao tác này chính là thực hiện các công thức: (10a-3.Dòng chính * ∆s Ví dụ 1-3. j = 1. Dòng mới = Dòng cũ . Giải bài toán tối ưu sau bằng thuật toán đơn hình: f(x) = 21 .5.2. Cuối cùng tính lại các độ lệnh ∆k mới ∆k (mới) = ∆k (cũ) .k =δ xr .s > 0⎬ xr . xr.2) 4.3. xjr : phần tử thuộc cột xoay. gọi là dòng chính.x j . kết quả thu được đặt ở dòng As.2) xr0 =θ x = xr . Cột s: cột xoay (9-3. gọi là dòng chính.s : phần tử trục . s ⎪⎩ x j .2.k = xr . Trong cột hệ số Cj : thay Cr bởi Cs .1.2 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. Trong cột cơ sở.2. Dòng r: dòng xoay .s .2) .

4 ∈ J nên theo định lý về “Dấu hiệu vô nghiệm” thì bài toán đã cho không có patu.(-1) = 8.4. Vì ∆k ≥ 0 với ∀ k = 1. 10) .3 . Giải bài toán tối ưu sau bằng thuật toán đơn hình: f(x) = -x1 + 3x2 + 4x3 . ∆2 = 1.8 + 1.4. 3.k = xj.2 + 1. pacb x0 = (0. c2 c1 Cơ sở Phương Hệ số -1 3 án A1 A2 cj Aj .(-1) = 3.x4 Æ max ⎧2 x1 − x2 − x3 − x4 = 10 ⎪ D : ⎨3 x1 + x2 − x3 + x5 = 20 ⎪ x ≥ 0.NCT-FIT-HNUE Computional methods and Optimization Problems ⎡1 2 1 0⎤ 0 t A=⎢ ⎥ . 20)t.3 < 0 với j = 3. ∆4 =∆5 = 0. ∆2 = 3. 10) là patu với giá trị tối ưu của hàm mục tiêu là f(x0) = 34. 0. 5}.4 = -4.2. 4 nên theo định lý về “Dấu hiệu tối ưu” thì x0 = (0.3 = -4. Ví dụ 3-3.2 + 0.10 = 34. j = 1. 8. 10. 2 1 0 1 ⎣ ⎦ c2 c1 Cơ sở Phương án Hệ số 2 -1 A A cj 1 2 Aj . Hệ số cơ sở J = {3. 4}.(-1) . ∆3 = 1(-1)+0. 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.(-1) + 0.1 .1 . 0.2 = 3. ∆3 =∆4 = 0. 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. ∆1 = 3.000 91 . Ví dụ 2-3. 0.5 ⎩ j Hệ số cơ sở J = {4.1 + 1. Tồn tại ∆k = ∆3 < 0 (k=3 ∉J) và xj. 8. pacb x = (0.2 . 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.

k.4 = 8. 6. 4/8 = 1/2. .4 + 8 x4 ≤ 24000 ≤ 12000 + x4 ≤ 26500 Ta chuyển về bài toán QHTT dạng chính tắc: f(x) = 0. Dòng A7: 6 . Dòng A6: 3 . phần tử trục x5.2x2 + 0.000.000 Máy III 6 0 3 1 26.7 + 8 x4 + x5 = 24000 + x6 + x4 = 12000 + x7 = 26500 Minh họa cách tính theo các công thức (8Æ 11 .4x1 + 0. 2/8 = 1/4. ví dụ: . 4 > 0⎬ Æ r = 5.(1/8)*1 = 47/8 . 12.8x4 + 0x5 + 0x6 + 0x7 Æ max + 2 x2 + 4 x3 ⎧ x1 ⎪3 x + 5 x2 + x3 ⎪ 1 ⎨ + 3x3 ⎪6 x1 ⎪⎩ x j ≥ 0.5x3 + 0.000. 7}.8 Lãi/1 đvsp Mô hình toán học của bài toán là mô hình của bài toán QHTT dạng chuẩn tắc: f(x) = 0. 7} xr .(1/4)*0 = 5 1 . phần tử ở cột xoay tương ứng là 0 5 .500 .000 .8x4 Æ max + 2 x2 + 4 x3 ⎧ x1 ⎪3x + 5 x2 + x3 ⎪ 1 ⎨ + 3 x3 ⎪6 x1 ⎪⎩ x j ≥ 0. đó là dòng chính • Tính các dòng còn lại: (dòng mới = dòng chính * phần tử cột xoay tương ứng) .. phần tử ở cột xoay tương ứng là 1 92 . 0. j = 1.Dòng A5 : 24000/8 = 3000.500 .500 0. 4 ⎪⎭ • Tính dòng chính: Chia các phần tử ở dòng xoay Ar cũ cho phần tử trục và đặt vào dòng chính As mới . 6.5 0. 4 ⎪⎩ x j .4 0.Các cột Aj: tính xj. x0 = (0. ∆s = ∆4 = min {∆k | ∆k < 0} Æ s = 4 ⎧⎪ x 0j ⎫⎪ x50 xr0 = = min ⎨ | x j . .2x2 + 0.4x1 + 0. j = 1.Dòng A7: 26. 0. Cơ sở mới J = {4.2): Ở lần lặp thứ nhất: J = {5.Rồi đặt vào dòng A4 trong bảng đơn hình phần II.500) Tồn tại ∆k <0 do đó x0 chưa là patu.5x3 + 0.(1/8)*0 = 3. 26.3.2 0.3000*0 = 12. Dòng A6: 12.Cột phương án: tính biến cơ sở xj1: . 0.(1/2)*0 = 1 .000 .NCT-FIT-HNUE Computional methods and Optimization Problems Máy II 3 5 1 0 12.s x5.3000*1 = 23. 24.

500) Ví dụ 4-3.NCT-FIT-HNUE Computional methods and Optimization Problems 0 .8 A4 2..5 = 8 + x4 = 7 + x5 93 = 3 . 0.5 0 0 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) = 3.2 0.8)=-0.dòng chính * ∆s.1 0 0 0.500 6 0 3 1 0 0 1 f(x) = 0 -0. 0) là patu.4 -0.1 0. 2.000 3 5 1 0 0 1 0 0 A7 26.8) 0 0 0 0. 0.1 0 0..4 0.. .500 0 1/24 11/24 1 1/8 -1/24 0 0. 0.000 [3] 5 1 0 0 1 0 0 A7 23. 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 .5 0..(1/2)*1 =5/2.Kể cả ∆k (mới) cũng tính = ∆k (cũ) . Vậy giá trị tối ưu của hàm mục tiêu là f(x*) = 3. ta có ∆k ≥ 0 với ∀ k = 1.4-(1/8)*(-0.000 1/8 1/4 1/2 1 1/8 0 0 0 A6 12.3.000. 2. 0. Ví dụ ∆’1= -0.500 47/8 -1/4 5/2 0 -1/8 0 0 f(x) = 2400 (-0. c2 c3 c4 c5 c6 c7 c1 Cơ sở Phương 0.600.1 Tại bảng đơn hình lần lặp thứ 3.8 A4 3. 0.3) 0 -0.4.(1/4)*1 = -1/4 3 . .000..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. j = 1. và patu là x* = (4.j∈J cj I II III 0 A5 24. j = 1.4 A1 4.600 0 0.8 0 0 0 án Hệ số A A A A A A A 1 2 3 4 5 6 7 Aj. 0.2 -0.7 nên theo định lý về “Dấu hiệu tối ưu” thì x = (4.000 1 2 4 [8] 1 0 0 0 A6 12.500.5 (-0.

Khi đó pacb x0 tìm được ngay vì xj0 = bi.Ở bước đầu tiên của thuật toán phải có ngay một pacb.. ta có ∆k ≥ 0 với ∀ k = 1. . 4. hơn nữa các vectơ cơ sở là các vectơ đơn vị.Giải hệ Ax0 = b để tìm pacb ban đầu.1.j∈J 0 Tại bảng đơn hình lần lặp thứ 4.pacb ban đầu tìm được ngay nếu cơ sở không suy biến..5 nên x = (3. 2. Có thể giải trực tiếp bằng phương pháp Crame.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. 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. Vậy giá trị tối ưu của hàm mục tiêu là f(x*) = 22. . 0. Nhận xét Bài toán QHTT đã giới thiệu ở trên thực hiện thuật toán đơn hình với các điều kiện sau: . Tìm phương án cực biên ban đầu 4. 94 . 2). 1) là patu. 0.Phải ở dạng chính tắc với b > 0. . Khi đó ta có hai cách . và patu là x* = (3..Nếu ở dạng chuẩn thì đưa được về dạng chính tắc bằng cách thêm biến phụ.

Xét Bài toán P sau đây : f(x) = x1 + 6x2 + 3x4 .Ràng buộc (3) có biến chuẩn là xk(i) = x1(3) của điều kiện i = 3. trong đó : .2.Ràng buộc (1) có biến chuẩn là xk(i) = x5(1) của điều kiện i = 1. còn lại ai.2. Định nghĩa ràng buộc chuẩn Xét bài toán QHTT dạng chính tắc . còn lại ai. Ví dụ 2-4. i = 1. Nói cách khác vectơ cột Ak của A là vectơ cơ sở thứ i của cơ sở. còn lại ai.NCT-FIT-HNUE Computional methods and Optimization Problems .Ràng buộc n ∑a j =1 i. ta có ngay pacb ban đầu x0 mà x0k(i) = bi ∀i = 1. A1} gồm các vectơ đơn vị.Bài toán QHTT dạng chính tắc mà mọi ràng buộc đều chuẩn thì gọi là bài toán QHTT (chính tắc) chuẩn. 4.k = a1.5 = 1. tức là Ak = A1 là vec tơ cơ sở thứ ba có ai. 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.3 (≠ i = 1). aj. vectơ Ak này có thành phần thứ i bằng 1.k = a1.k = 0 với ∀j ≠ i. 1}.2.2 x1 + x2 + 5x3 + x4 . tức là Ak = A3 là vec tơ cơ sở thứ hai có ai.k = a2.j = 0 với ∀j = 2. . các thành phần còn lại tất nhiên bằng 0. A3. nói cách khác cơ sở là {A5. . Ví dụ 1-4. 3 (≠ i = 2). 3. Xét Bài toán f(x) = 0. j = 1. 2 (≠ i = 3).15x5 Æ max 95 . Khi đó biến xk được gọi là biến chuẩn của điều kiện i.Thêm biến giả để có một cơ sở gồm các vectơ đơn vị.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 = {5.3 = 1. do đó các ràng buộc (1).3 = 1. j x j = bi . tức là Ak = A5 là vec tơ cơ sở thứ nhất có ai. m vaf x0j =0 với ∀ j ≠ i. (3) đều là ràng buộc chuẩn. (2). 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.j = 0 với ∀j = 1.x5 Æ max 3 x2 ⎧ ⎪ x3 ⎪ D:⎨ + x2 ⎪ x1 ⎪⎩ x j ≥ 0.k = 1.j = 0 với ∀j = 1. Đối với bài toán chuẩn. .Ràng buộc (2) có biến chuẩn là xk(i) = x3(2) của điều kiện i = 2.

7. Bài toán P2 cùng với số M lớn bao nhiêu tùy ý này được gọi là “bài toán M”. ⎪ ⎩ = bi .Mx6 . j x j ⎪ j =1 ⎪ x j ≥ 0. j = 1. k ∈ I 2 I2 là tập các ràng buộc không chuẩn j = 1. 0. I2 = {1. x> Æ max ⎧n ⎪∑ ai . j = 1. 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. bài toán QHTT chính tắc P có thể viết dưới dạng f(x) = <c.2 (≠ i = 3).Mx7Æ max (M lớn bao nhiêu tùy ý) − x3 ⎧ ⎪ x2 − 7 x3 ⎪ D:⎨ + x2 + 2 x3 ⎪ x1 ⎪⎩ x j ≥ 0. 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 . x> Æ max (M là số dương lớn tùy ý) 96 . 0.k = a3.<M.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. M). 2}. A7. M. i ∈ I1 I1 là tập các ràng buộc chuẩn = bk . 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. đủ để tạo thành một cơ sở có hạng bằng m.j = 0 với ∀j = 1.NCT-FIT-HNUE Computional methods and Optimization Problems − x3 ⎧ ⎪ − 7 x3 x2 ⎪ D:⎨ + x2 + 2 x3 ⎪ x1 ⎪⎩ x j ≥ 0.15x5 . 0.5 ⎡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 = {6.2 có I1 = {3}. 1} hay {A6. Phương pháp phạt hay phương pháp bài toán M Bài toán P : Một cách tổng quát. x> . tức là Ak = A1 là vec tơ cơ sở thứ ba có ai.3. n Ví dụ : Bài toán P trong Ví dụ 2-4. 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. Bài toán M: Bài toán sau đây được gọi là bài toán phạt (hay bài toán M) của bài toán P : f(x) = <c. j x j ⎪ jn=1 ⎪ D : ⎨∑ ak . còn lại ai.

nếu bài toán M có nghiệm x = (x1. bk < 0 ⎩bk < b'k . …. j = 1.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.Dòng trên ứng với các hệ số M của I2 (ứng với biến giả) . 0. xn).3 Giải bài toán P sau đây : f(x) = <c. Nói cách khác. . ∀bk . xk ≥ 0. j x j j =1 ⎪n ⎪ D : ⎨∑ ak . xn. x >= ∑ c j x j . Trong bảng đơn hình giải bài toán M. 0) với các thành phần 0 phía sau thuộc I2 thì bài toán P có nghiệm là x = (x1. n. dòng ∆k được tách thành 2 dòng : . k ∈ I 2 ⎪ j =1 ⎪ x j ≥ 0. x> = -x1 + x2 + x3 -2x5 Æ max 97 . ∀bk ⎧a < a 'k . 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. 2) Nếu bài toán M có nghiệm ( x * . Từ định lí trên suy ra : Để giải bài toán P ta tiến hành giải bài toán M. if ak = a'k Chú ý: Các cột ứng với biến giả (tức là ck = -M) không cần phải tính.NCT-FIT-HNUE Computional methods and Optimization Problems ⎧n = bi . x I*2 ) và x *j = 0. 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. j x j + xk = bk . 3) Nếu bài toán M có nghiệm ( x * .. k ∈ I 2 ⎪ ⎩ Chú ý rằng. 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. ∀j ∈ I 2 thì x* là nghiệm của bài toán P. x> và aM + b ≥ cM + d ⎡a > c ⇔⎢ ⎣a = c and b > d (*) n Ở đây < c.. Nếu bài toán M vô nghiệm thì P cũng vô nghiệm. Khi cơ sở không còn vectơ giả thì dòng ∆k cũng không cần tách thành 2 dòng. Tức là ta có: ⎧a < 0. xI*2 ) và ∃x *j > 0. < M . x >= ∑ Mxk j =1 k∈I 2 Định lý 1-4. Ví dụ 1-4.3. nếu đây là bài toán tìm min thì hàm mục tiêu cộng thêm lượng <M. Việc xét dấu ∆k và so sánh hai số ∆k = akM + bk và ∆’k = a’kM + b’k dựa vào (*). i ∈ I1 ⎪∑ ai . Tại dòng f(x): không cần tính giá trị f(x) khi trong cơ sở còn có các vectơ giả. j ∈ I 2 thì bài toán P không có phương án chấp nhận được. …. b'k và ∆ k < ∆'k ⇔ ⎨ k ∆k < 0 ⇔ ⎨ k ⎩ak = 0.

8.NCT-FIT-HNUE Computional methods and Optimization Problems − x2 ⎧2 x1 ⎪3 x ⎪ 1 D:⎨ x3 ⎪ ⎪⎩ x j ≥ 0. 2. 0.3 Giải bài toán P sau đây : f(x) = <c. 0. 0.7 x3 − x4 − x4 + x5 − 2x4 + 2 x5 + x7 = 6 (1) = 10 (2) + x6 = 4 (3) Cơ sở ban đầu là J = {A7. 10. 0. 0) với giá trị tối ưu của hàm mục tiêu là f(x*) = 4. j = 1. 2. 6) c2 c3 c4 c1 Cơ sở Phương Hệ -1 1 1 0 án số A A A A 1 2 3 4 Aj. j = 1. Ví dụ 2-4. A6. 7 nên thu được patu là (4.0). x> = -x1 + x2 + x3 -2x5 -Mx7 Æ max (M lớn tùy ý) − x2 ⎧2 x1 ⎪3x ⎪ 1 D:⎨ ⎪ ⎪⎩ x j ≥ 0. Biến giả x7 = 0.…. A3} với pacb ban đầu là x0 = (0. Để có ràng buộc chuẩn với điều kiện i = 1. ta cần thêm một biến giả x7 ở ràng buộc (1). Khi đó ta có bài toán phạt của bài toán P sau đây: Bài toán M: f(x) = <c.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. 4. 0. do đó bài toán P đã cho có patu là x* = (4. 0. 0 .x3 -x4 Æ max 98 . 3}. x> = 2x1 + x2 .6 − x4 = 6 − x4 + x5 + x6 − 2 x4 + 2 x5 (1) = 10 (2) = 4 (3) Ta có I1 ={2. 8. tập các ràng buộc chuẩn tương ứng với các điều kiện i = 2 và i = 3.

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 -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 0.4 − x4 + x5 + x4 + x6 + x4 + x7 = 2 (1) = 6 ( 2) = 7 (3) Cơ sở ban đầu là {A5. Ta chuyển về Bài toán M: f(x) = <c. 7) c2 c3 c1 Cơ sở Phương Hệ 2 1 -1 án số cj A A A 1 2 3 Aj. 6.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. 0.M) 8. Pacb ban đầu là (0. x> = 2x1 + x2 . 0.M (-5. 2. j = 1.M (-11M/3) 0.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.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 .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. A7). A6.4 − x4 = 2 (1) + x4 = 6 ( 2) + x4 = 7 (3) Bài toán P đã cho không có ràng buộc nào chuẩn.M -5. 0.M 0. j = 1.

4.. 0.3.. j = 1. 3. 3.. 7 nên thu được patu là (3.3. Các biến giả x5 = x6 = x7 = 0. 0..2.5.2.NCT-FIT-HNUE Computional methods and Optimization Problems Bài toán M tại lần lặp thứ 4 có ∆k ≥ 0 với ∀ k = 1. 0) với giá trị tối ưu của hàm mục tiêu là f(x*) = 8..…. 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. 1.6 2. BÀI TẬP Giải các bài toán tối ưu sau đây: 1.. 3. j = 1. 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..4 100 .0). do đó bài toán P đã cho có patu là x* = (3.. 1. 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 ≥ 0.2.2. x1 + 3x2 + x3 → Min ⎧ x1 + x2 + x3 ≥ 5 ⎪ − x 2 − 2 x 3 = −8 ⎪ ⎨ ⎪ x1 + 2 x2 + x3 ≤ 10 ⎪⎩ x j ≥ 0. 0.

Sign up to vote on this title
UsefulNot useful