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

........ 81 2................................................................................................................. Định nghĩa ràng buộc chuẩn.........................................1.. Đặc điểm của tập các phương án của bài toán QHTT...............................................2...... Các định lý cơ bản của thuật toán đơn hình ..................................... 94 4.............................................. 81 2.1............................................................................................................................3....... 85 3...2....... 95 4......................................................... Dạng chuẩn tắc và dạng chính tắc......4.............................. Thuật toán đơn hình giải bài toán QHTT.... 89 4........ Nhận xét ...... Thuật toán đơn hình ... Đường lối chung của thuật toán ............................................................................................................3................. 94 4............................... 96 BÀI TẬP ......................NCT-FIT-HNUE Computional methods and Optimization Problems 1............................ 84 3.. 80 2.... 84 3..................................... 83 3.......................................................1......................................................................................... Phương pháp phạt hay phương pháp bài toán M....................................................... Tìm phương án cực biên ban đầu...2..................... Đặc điểm của tập các phương án của bài toán QHTT ......... Tập lồi và đa diện lồi............................................................. 100 4 ..........................................

Ví dụ 1 (tính ổn định). thuật toán để để tìm nghiệm bài toán trên máy tính. n ≥ 2. Về mặt thực tế tính trên máy tính không cho kết quả mong muốn khi n lớn. e Như vậy. Giới thiệu môn học Phương pháp tính Có các tên gọi sau: Phương pháp tính (Computional methods). mà chủ yếu giải bằng số (gọi là giải số) các phương trình.1709 0. 0 Tích phân từng phần: đặt u=xn thì du = nxn-1dx. Thuật toán được xây dựng phải thỏa mãn yêu cầu về tính khả thi và tính ổn định.1455 0.1009 0. tính chất nghiệm của các bài toán. Numerical mathematics) (theo Bách khoa toàn thư về khoa học và kỹ thuật.3679.2642 0.1268 0. các bài toán xấp xỉ hàm số và các bài toán tối ưu hóa.0839 5 . duy nhất.1124 0. Là một khoa học nghiên cứu cách giải gần đúng. Toán tính quan tâm đến xây dựng phương pháp.0916 0.3679 0. NXB Mc. 0 Ngoài ra ta có 1 I1 = ∫ xe x−1dx = e x−1 ( x − 1) 1 0 0 = 1 ≈ 0. phương pháp số (Numerical methods). Giải tích số (Numerical analysis).NCT-FIT-HNUE Computional methods and Optimization Problems MỞ ĐẦU 1. để tính I n ta thu được công thức truy hồi tính được In về mặt lý thuyết: I n = 1 − nI n −1 . Giả sử cần tính tích phân 1 I n = ∫ x n e x−1dx (n ≥ 1) .2073 0. 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. Một cách ngắn gọn là giải các bài toán bằng số trên máy tính. Phân biệt toán tính và toán lí thuyết Toán lí thuyết quan tâm đến các vấn đề định tính của bài toán: tồn tại. I 1 = 0. Cụ thể là tính trên máy tính với n=25 ta được bảng kết quả sau (liệt kê theo từng hàng) 0. 2. Graw Hill 1992). Một thuật toán là khả thi nếu nó thực hiện được trên máy tính.3679. rộng hơn nữa là Toán học tính toán (Computional mathematics. 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 .

NCT-FIT-HNUE Computional methods and Optimization Problems 0. thuật toán nêu trên là hoàn toàn không khả thi dù máy tính có tăng tốc độ lên gấp hàng nghìn.0572 -0.0782 *10 5 năm.3133 192785008. Do vậy.8864 321308. Cho hệ phương trình đại số tuyến tính Ax = b . 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. ∆ (i =1. n). Mỗi định thức là tổng của n! số hạng.0555 (khi n=16) Kết quả sau đó kết quả thay đổi thất thường và giá trị tuyệt đối tăng rất nhanh. ~ ~ Thu được I 2 với sai số | I 2 − I 2 |= 2δ . Như vậy. hàng vạn lần.0627 0. Ví dụ 2 (tính khả thi). Một thời gian lớn vô cùng! Và như vậy. trong đó δ là sai số. Nhưng việc tính toán ra nghiệm bằng số cụ thể lại là một việc không đơn giản. Theo công thức (2) cần phải tính n +1 định thức cấp n. tất cả số phép tính nhân cần thực hiện trong (2) là Q = n!(n+1)(n-1).0590 0.0718 0. 6 . sai số vẫn đủ lớn và ta không thể nhận được giá trị chấp nhận được là gần đúng cho I n . dù δ có bé thì khi n đủ lớn. 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 .3679 đã bị khuyếch đại trong quá trình tính. (1) trong đó A là ma trận vuông cấp n với định thức khác 0..3881 -7711400.0774 0. e 1 ~ ta thu được I 1 = I 1 + δ . (2) trong đó ∆ = det A . 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. Khi đó Q ≈ 9. mỗi số hạng là tích của n thừa số.3679 (khi n=1) đến 0.0669 0. 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 . để tính mỗi số hạng cần thực hiện n – 1 phép nhân.1924 635..6965 *10 9 giờ = 3.0403 -13969. Giả sử n = 20. Giả sử các tính toán e tiếp theo không mắc phải sai số. Do đó.0295 1.0555 0.. 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 .7073 *10 20 ..5596 -30. còn ∆ i nhận được từ ∆ do việc thay cột thứ i bởi cột tự do b. Về lý thuyết có thể giải hệ trên bằng công thức Cramer xi = ∆i .8325 Kết quả giảm dần từ 0. Tương tự.

sai số quy tròn và quy tắc làm tròn để số còn lại gồm các số đáng tin. chữ số có nghĩa và chữ số đáng tin. sai số về phương pháp thực hiện. thương. sai số tuyệt đối và sai số tương đối. cách viết số gần đúng. Và. Vì thế. Sự lan truyền sai số đầu vào dẫn đến sai số đầu ra x Æ f(x). cần phải nghiên cứu đề xuất các phương pháp hiệu quả để có thể giải được các hệ thống phương trình cỡ lớn. hiệu. Đó là một trong các nhiệm vụ của ngành Phương pháp tính. sai số do tính toán.NCT-FIT-HNUE Computional methods and Optimization Problems Ở trên ta mới chỉ xét việc giải một hệ cỡ 20. cách đánh giá tiên nghiệm. 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. hậu nghiệm đối với sai số. 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). tích. hàng triệu hoặc hơn thế nữa. 7 .

nếu a sai khác A không đáng kể.1cm l2 = 7. Số gần đúng và sai số Định nghĩa 1. 41 là xấp xỉ thiếu. Ví dụ 1-1. .NCT-FIT-HNUE Computional methods and Optimization Problems Chương 1 TÍNH GẦN ĐÚNG VÀ SAI SỐ 1.1415926535. Định nghĩa 1-1. đo chiều dài của hai thanh sắt bằng cùng một thước đo ta nhận được các kết quả sau: l1 = 115. đối với số π = 3.. là δ= A−a ∆ = A A (3-1.1) với giả thiết là A ≠ 0 .6cm ± 0. Nếu a < A thì a được gọi là xấp xỉ thiếu. thỏa mãn điều kiện A −α ≤ ∆a (1-1.1 Số ∆ =| A − a | được gọi là sai số tuyệt đối của số gần đúng a .. đó là số ∆ a bé nhất có thể biết được.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 . 42 là xấp xỉ thừa vì 2 = 1. còn 3.1) Để đơn giản người ta thường viết A = a ± ∆ a để ám chỉ rằng ∆ a là sai số tuyệt đối giới hạn của a.1 cm) nhưng rõ ràng là phép đo thứ nhất chính xác hơn. Chẳng hạn..14 là xấp xỉ thiếu. gọi là sai số tương đối giới hạn của a 8 .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 .15 là xấp xỉ thừa. ký hiệu bởi δ . 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.1cm Tuy sai số tuyệt đối của hai phép đo trên là như nhau (= 0. Thông thường số đúng A không biết nên ta cũng không biết chính xác sai số tuyệt đối của số gần đúng a . Nếu coi a = 3. thì 3.1. Sai số tương đối của số gần đúng a . 002 . Số gần đúng và sai số của nó 1.. 4142135623. Để thể hiện điều đó ta đưa vào khái niệm sau. còn nếu a > A thì a được gọi là xấp xỉ thừa của A . Sai số tuyệt đối không phản ánh đầy đủ mức độ chính xác của phép đo hoặc tính toán. (2-1.14 là xấp xỉ của π thì sai số tuyệt đối là ∆ a ≤ 0. Định nghĩa 2-1.5cm ± 0.1.1. Tuy nhiên. mà chỉ có thể đánh giá nó. Thí dụ: Đối với số A = 2 thì a1 = 1. còn a2 = 1.

5 so với δ 2 và phép đo thứ nhất chính xác hơn nhiều so với phép đo thứ hai.2) s trong đó α s là những số nguyên từ 0 đến 9. Định nghĩa 2-1. Giả sử a là số gần đúng của A và a có biểu diễn ± α mα m − ` .10 s ).1 0.2. Chẳng hạn số 20. gọi là chữ số hàng thứ s của số a.10 + α 0 . Chữ số có nghĩa và chữ số đáng tin Một số viết ở dạng thập phân có thể gồm nhiều chữ số. 0.10 m + α m−1 . Những chữ số có nghĩa của một số là những chữ số của số đó kể từ chữ số khác không đầu tiên tính từ trái sang phải.10 s ). Ví dụ 1-1. những chữ số được gạch dưới là những chữ số có nghĩa: 12.10 0 + α −1 . Định nghĩa 1-1. 20....10 − n + .2.15 có 4 chữ số. + α1 .33% ...NCT-FIT-HNUE δa = Computional methods and Optimization Problems ∆a a (4-1.304500 . 1...57.2. + α −n .2.) = ± ∑ α s . Gọi ∆ a là sai số tuyệt đối của số a .10 m−1 + .15 . Rõ ràng là δ1 nhỏ hơn rất nhiều 115. Vì thế δa = ∆a × 100% . 6 7.10 −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 ≤ . Trong các số sau. 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 .. số 3.1) Người ta thường tính sai số tương đối bằng phần trăm..03047 .1 × 100% = 0.10 s (1-1. 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. |a| Trở lại phép đo chiều dài của các thanh sắt ta thấy rằng sai số tương đối của l1 là δ1 = 0. α −1α − 2 . 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.1412 có 5 chữ số.α 1α 0 . trong đó ∆ a là sai số tuyệt đối 2 của số a. của l2 là δ 2 = × 100% = 1.. 9 . 0. 09% . và nếu αs là đáng ngờ thì mọi chữ số bên phải nó đều là đáng ngờ.

Ví dụ 1-1. thực nghiệm. 3. Việc làm này được gọi là quy tròn hoặc làm tròn số. Sai số làm tròn Khi thực hiện các tính toán nếu số a có quá nhiều chữ số trong biểu diễn thập phân.14151926535.3. Điều này dẫn đến kết cục là sau khi làm tròn một số chữ số đáng tin trở nên đáng ngờ. Kho đó sai số tuyệt đối của số a’ là ∆ a ' =| A-a’| = | A-a +a-a’| ≤ | A -a| + | a . • 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. 4. × 10-3 và × 10-2. Số θ a ' =| a − a ' | được gọi là sai số làm tròn.25 ta làm tròn thành 12.142.54 nếu ∆ a ≤ × 10−2 = 0.7284 với ∆ a = 0. × 10-4. 65 kg ± 0. Cách viết số gần đúng Có hai cách viết số gần đúng. 7 và 2. 10 .a’| ≤ ∆ a + θ a ' Như vậy việc quy tròn thường làm tăng sai số tuyệt đối. 3. Số gần đúng a = 3.a| ≤ θ a ' .1 cm.3.14151926535 ta làm tròn thành 3. 3. Ví dụ 1-1.4.141519. × 10-5. Cách 1: Viết kèm theo sai số a ± ∆ a Cách này thường dùng để viết các kết quả đo đạc.14152.1415. 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. có nghĩa là sai số tuyệt đối ∆a không lớn hơn một nửa đơn vị ở hàng cuối cùng. 150 cm ± 0. 5.4. Giả sử ta làm tròn a thành a' với sai số làm tròn là θ a ' .4. 2 1.2 với sai số là 0.2. Đối với số a =3.NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 2-1. 1.1 kg Cách 2: Viết theo quy ước: mọi chữ số có nghĩa đều đáng tin. còn nếu chữ số bỏ đi đầu tiên < 5 thì để nguyên chữ số giữ lại cuối cùng.005 . trong đó ∆ a là sai số của thiết bị đo. 2 Bây giờ giả sử a là xấp xỉ của A với sai số tuyệt đối là ∆ a . 3 hoặc 2 chữ số sau dấu chấm thập phân. còn các chữ số 8 và 4 là đáng ngờ. tức là | a' .0047 có 3 chữ số đáng tin là 3. 3. Số 12.14 nếu cần giữ lại 6. còn nếu là chẵn thì giữ nguyên. chẳng hạn a =3.3. Sai số làm tròn tương ứng 1 1 1 1 1 không vượt quá × 10-6.05 = 1 × 10-1. 2 2 2 2 2 Ví dụ 2-1. 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 . 1 Ví dụ 2-1. Theo cách này ta viết a = 23.

Sự lan truyền sai số 2. Sau khi làm tròn thành a’ = 0.1.1) được sử dụng trong việc chứng minh các công thức tính sai số của tổng. Vì thế chữ số 4 trong a’ là 2 đáng ngờ. còn dx là vi phân của biến x. Do đó các chữ số 3 và 5 là đáng tin.2.NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 3-1. Thí dụ thể tích của hình cầu được tính bằng V = (1/6)πd3. Một cách tổng quát.003 + 0.1) là công thức quan trọng để tính sai số của hàm hai biến u = f(x.05 = 0. 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. Ký hiệu ∆x = x . Ta có 11 .Y).y) bất kỳ dựa vào đạo hàm riêng của từng biến. hãy tính sai số của u. Sai số của tổng Cho u = x ± y.4. Cho a = 0. Công thức (1-2. Mở đầu Trên đây ta đã định nghĩa các loại sai số của một số gần đúng. 2. Vấn đề đặt ra là biết sai số của π và d.4 ta có ∆ a ' = ∆ a + θ a ' = 0. Trong thực tế tính toán các đại lượng gần đúng thường xuất hiện trong một biểu thức phức tạp. tích thương biểu diễn hàm hai biến. liệu ta có thể tính được sai số của V không.35 với ∆ a =0. hiệu. 2. 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. ta có | ∆x | ≤ ∆ x . trong đó ta chỉ biết xấp xỉ của số π và đường kính d.1) Chú ý: Công thức (1-2.053 > 1 × 10-1. Theo định nghĩa về sai số tuyệt đối.003. Trong trường hợp này không nên quy tròn số a .X là số gia của x. y là xấp xỉ của giá trị đúng Y và ta coi u là xấp xỉ của giá trị đúng u = f(X. Biết sai số về x và y.y) Giả sử x là xấp xỉ của giá trị đúng 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

. 5. Đo trọng lượng của 1 dm3 nước ở 00 C nhận được: p = 999. Khi xác định hằng số khí của không khí. Cho số e = 2.1514 b) 0.718281828459045.001g Hãy xác định sai số tương đối của phép đo trên. Lấy a=2. 3.16152 c) 0.2. Thí dụ. 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. 3. 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 1.01204 d) . 4.. 12 và 11 và xác định sai số quy tròn tuyệt đối. 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.0. Đánh giá sai số hậu nghiệm là đánh giá sai số nhận được sau khi tính toán được nghiệm. 1− q trong đó 0< q< 1. nhận được R =29.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. Hãy xác định sai số tương đối. x* là nghiệm đúng. 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. Thí dụ. x0 là xấp xỉ ban đầu. Hãy xác định các giới hạn của R biết sai số tương đối giới hạn của R là 1%. 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. 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 . Trong quá trình tính toán bằng số này không thể tránh khỏi việc làm tròn số. Sai số xảy ra trong công đoạn này được gọi là sai số tính toán.847g ± 0. 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.00152281 15 .718 thay cho số e. 2.25. Hãy quy tròn số e đến chữ số có nghĩa thứ 13. Đánh giá sai số tiên nghiệm là đánh giá sai số nhận được trước khi thực hiện tính toán.

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

2.NCT-FIT-HNUE Computional methods and Optimization Problems a0 b0 a1 … an c1 … cn b1 … bn x0 p(x0)=bn Ví dụ 1-1. Tính sin 360 Đặt x = 360 = π/ 6 + π/30. Đặt x0 = π/6. 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! (1-1.2) 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. trong đó c là điểm nào đó giữa x và x0 Ví dụ 1-1. suy ra x – x0 = π/30 Áp dụng công thức 2-1.2.4x2 + 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) thì ta có thể tính gấn đúng n f ( x) ≈ ∑ k =0 f ( k ) ( x0 ) ( x − x0 ) k k! (2-1.3x4 + x3 .1 Tính f(x) = 2x5 .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. 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. tức là phân thức đại số . Những giá trị này thường là các giá trị quan sát.Hàm ghép trơn (spline).1. Các dạng nội suy khác sẽ chỉ được giới thiệu qua.Đa thức lượng giác . (i = 0. Nếu không nói rõ hơn ta sẽ ngầm định hiểu đa thức là đa thức đại số. 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 .Đa thức đại số .. b] cho tập các điểm nút a ≤ xo < x 1 <. n) . b] . b] ... tức là hàm đa thức từng mẩu. Bài toán nội suy hàm số Một trong các bài toán cơ bản của giải tích số là nội suy hàm số. iii) Ngoài ra.1. x n ∈ [a. n) cho bởi công thức sau: 18 ..công cụ nội suy hiện đại.1. (i = 0. Đa thức nội suy Lagrange trên mốc không đều 2. + R1 trong đó R1 = ⎜ ⎟ ≤ 10 2 ⎝ 30 ⎠ 2 30 2 2. tính tích phân số hoặc tìm gần đúng nghiệm của phương trình. b] ( i = 0. Thiết lập đa thức nội suy Lagrange Đa thức nội suy Lagrange của hàm y = f(x) tại các điểm mốc xi ∈ [a.. x1 . b] nếu chỉ biết giá trị của nó tại một số điểm x0 . n ) gọi là các mốc nội suy. 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.<x n ≤ b và tại các điểm này cho các giá trị y i = f ( xi ). Một số dạng hàm g (x) thường được dùng để nội suy hàm số là: . hoặc đo đạc được.một công cụ nội suy kinh điển và một phần về nội suy bởi hàm ghép trơn . n) của hàm f (x) . Hàm g(x) được gọi là hàm nội suy. nội suy hàm số còn được sử dụng để xây dựng các công thức tính đạo hàm..Hàm hữu tỉ. 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 .NCT-FIT-HNUE Computional methods and Optimization Problems 2 = sin c ⎛ π ⎞ 1 π 3 −2 + . 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. Các điểm nút xi ( i = 0.

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

+ 1. (n + 1)! (8-2.K.Ln (x) . 1] dựa vào giá trị của hàm tại các điểm x0 = −1.2. 3 − 1. L 2 ( x ) = 0. 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.NCT-FIT-HNUE Computional methods and Optimization Problems 1 1 1 1 ( x − )( x − ) ( x − 0)( x − ) ( x − 0)( x − ) 1 6 2 + . x1 = 0.1 Giả sử hàm số f (x) ∈ C ( n+1) [a. b] và ω n +1 ( x) = ∏ ( x − xi ) i =0 Hệ quả. 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.(−1 − 1) 1. Định lý 4. n) .1) ta có đa thức nội suy 1 x( x − 1) ( x + 1)( x − 1) ( x + 1)( x − 0) L2 ( x ) = . Tìm đa thức nội suy hàm y = 3 x trên đoạn [-1. 2 + 1. tức là có đạo hàm liên tục đến cấp n+1 trên [a.1) n trong đó M n +1 = max f ( n +1) ( x). + 3.1. x 2 = 1. x n ∈ [a. b] có đánh giá f ( x ) − Ln ( x ) ≤ M n +1 ω n +1 ( x) . 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. x0 . b] .1. Giải. Sử dụng đa thức này tính gần đúng 3. tức độ lệch f (x) .(−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 ( ) = . b] chứa tất cả các nút nội suy xi (i = 0. Đối với sai số của đa thức nội suy Lagrange cho hàm f(x) tại các mút x. 6 = 7 x − 3x 2 . Cho giá trị của hàm y=sin x tại 3 điểm bởi bảng sau: 20 . Khi đó sai số nội suy Rn ( x) = f ( x) − Ln ( x) có dạng Rn ( x ) = f ( n +1) (ξ ) ω n +1 ( x). (n + 1)! (7-2.1) n trong đó ξ là một diểm phụ thuộc x và thuộc [a . Định lí sau đây cho ta đánh giá đó. và ω n +1 ( x) = ∏ ( x − xi ) i =0 a ≤ x ≤b Ví dụ 3-2.

707 2 1 nhờ đa thức nội suy và đánh giá sai số. 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. 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) = 0.851.8) được thiết lập với giả thiết f ( x) ∈ C ( n+1) [a.NCT-FIT-HNUE Computional methods and Optimization Problems x 0 y 0 Tính gần đúng sin π 3 π π 4 0. − = . 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 . 3 3 Theo công thức (8-2.1. Nếu điều kiện trên không thoả mãn. .1) vì hàm f (x) không có đạo hàm tại x = 0.024 Chú ý. ω3 ( ) = 3 Do đó sin Như vậy. + 1. x1 = 0.1) sin π M π π − L2 ( ) ≤ 3 ω 3 ( ) . 0≤ x ≤ π 0≤ x ≤ 2 π 2 π π π π π π π3 − . Trong trường hợp này cần phải xem xét bài toán cụ thể. 3 3 3! 3 Dễ tính được M 3 = max y ' ' ' ( x) = max cos x = 1. Cho hàm f (x) bởi công thức f (x) = x . Công thức đánh giá sai số (4. Nhưng ta có thể đánh giá được sai số nội suy trên đoạn [-1.707. b]. Khi đó đa thức nội suy hàm f (x) tại các điểm x0 = −1. x 2 = 1 là đa thức L2 ( x ) = x 2 . 3 3 4 3 2 216 π π 1 π3 − L2 ( ) ≤ × = 0. Ví dụ 4-2.851 ± 0. π π π π π π ( − ) ( − ) 4 4 2 2 2 4 Ta có sin π 2 ) π ≈ L2 ( ) ≈ 0. Giải.024 6 216 3 3 sin π 3 =0. Để đánh giá sai số f ( x) − L2 ( x) ta không thể áp dụng công thức (8-2.

1.. n) . return y 2.1.2) li ( x0 + ht ) = t (t − 1).. Tính giá trị của đa thức nội suy Lagrange Ln (x) tại điểm x cho trước theo công thức n n i =0 j ≠i j =0 y = Ln ( x ) = ∑ y i ∏ x − xj xi − x j input: x.2) hay 22 ..2..2. x − xn = h(t − n) .. . P = 1..t xi − x0 = h. for j = 0 Æ n if (j ≠ i) P = P * (x .xj) 2. y = y + yi*P 3. x − xi −1 = h(t − (i − 1)) .(n − i ) (1-2.2. /* P chính là đa thức li */ 2..(−1) n−i .(t − n) (t − i )i!(n − i )!(−1) n−1 (2-2. khi đó : h x − x0 = h. 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. y i ) ... Đặt t = x − x0 .3.1. . Thuật toán nội suy Lagrange Bài toán: Cho bảng các giá trị ( xi .(t − (i − 1))(t − (i + 1)).... n) output: y là giá trị của hàm tại x Algorithm: 1.(t − n) i (i − 1).2. Khởi tạo y = 0 2.i x − x1 = h(t − 1) xi − x1 = h(i − 1) ... xi − xi −1 = h x − xi +1 = h(t − (i + 1)) xi − xi +1 = − h . xi..1) có dạng li ( x0 + ht ) = t (t − 1). yi (i = 0.NCT-FIT-HNUE Computional methods and Optimization Problems 2. for i = 0 Æ n 2..xj) / (xi .1. n ) cách đều một khoảng h. xi − x n = − h ( n − i ) Do đó đa thức li (x) trong công thức (2-2... (i = 0.

. như ta đã thấy rất đơn giản và dễ tính nếu các nút nội suy đã được cố định.3.. b] . Nhưng nếu như ta bổ sung thêm nút nội suy thì quá trình tính lại phải thực hiện lại từ đầu.. x k ) = f ( xi . x k là f ( xi .Tỷ sai phân bậc 2 của hàm f (x) tại xi . 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. tại đó cho trước giá trị của hàm.Tỷ sai phân bậc 0 của hàm f (x) tại xi là f ( xi ) .. Để xây dựng công thức này. x j .2. x j ) − f ( x j . < x n =b là tập các điểm nút. Khái niệm tỷ sai phân Giả sử f (x) là một hàm số xác định và liên tục trong đoạn [a.. 2. x j .(t − n)∑ i = 0 (t − i )i!( n − i )! n (3-2. Tiếp theo giả sử a= x0 < x1 < .2) hay Ln ( x0 + ht ) = t (t − 1).1. ta cần đến khái niệm tỷ sai phân đối với các mốc không đều và khái niệm sai phân đối với mốc cách đều..(t − n) n (−1) n−1 f ( xi )C ni ∑ n! (t − i ) i =0 (4-2.3. x k ) xi − x k . tỷ sai phân bậc k của f tại x0 . Ta định nghĩa: . x1 .Tỷ sai phân bậc 1 của hàm f (x) tại xi và x j là f ( xi ..NCT-FIT-HNUE Computional methods and Optimization Problems Vậy công thức nội suy Lagrange (1-2. Đây là nhược điểm rất lớn của đa thức nội suy Lagrange.2) Ví dụ 1-2.1). x j ) = f ( xi ) − f ( x j ) ..2) ta có t (t − 1)(t − 2) ⎛ 5C 20 − 2C 21 1..1) trong trường hợp mốc cách đều một khoảng h có dạng : (−1) n−1 f ( xi ) Ln ( x0 + ht ) = t (t − 1). Đa thức nội suy Newton trên mốc không cách đều Đa thức nội suy Lagrange (1-2.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.. x k +1 là 23 xi − x j .2.. Đó là công thức nội suy Newton.Một cách tổng quát.

... xi ) . x1 . x2 ) − ( x − x2 ). xi ) . x1 . x1 .. x1 .. x2 ) . x0 . x n ) Bây giờ. nếu Pn (x) là đa thức nội suy (1-2. x1 ) vì P ( x. x1 ....... f ( xi .. x0 ).... x1 ) + ( x − x 0 )( x − x1 ) f ( x 0 . và tỷ sai phân bậc n + 1 của Pn(x) là đa thức Pn ( x. xn−1 ) − ( x − xn−1 ). x0 ) = Pn ( x 0 ...Pn ( x... x k ) = f ( x k . x1 .. x1 ) là một đa thức bậc n-2.Pn ( x. x 0 ... 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.. x 2 )... 2.. x1 ... x n ) = 0. x1 .. x0 ) là một đa thức bậc n-1.. .. x k −1 ... x0 ) = p ( x ) − p ( x0 ) x − x0 Pn ( x. x0 ... x1 . x1 ) = P ( x.. x1 . tỷ sai phân bậc hai Pn ( x. x n ) = Pn ( x0.. x j .3) của hàm f (x) tại các nút x0 .... tỷ sai phân bậc n của Pn(x) là đa thức bậc 0.( x − x n −1 ) Pn ( x0 . x0 .. x1 ) x − x1 Pn ( x. x1 ) = Pn ( x0 ..3) .2. x 2 ).( x − x n −1 ) f ( x 0 ..... x 0 . n) thì công thức (4. x1 . x0 ) − P( x0 .. xn ) Từ các hệ thức trên và để ý rằng Pn ( x. x0 ... xk −1 ) − f ( x1 .. xn−1 ) Pn ( x. x n −1 ) = Pn ( x0 ... x1 . Pn ( x. x1 .... x2 .... Kết luận này dễ chứng minh dựa vào định lý Bezout... x k ) = f ( x k ..... x j ) = f ( x j .. chẳng hạn f ( xi ...... x0 .P( x... f ( x0 .3.0 = Pn ( x0... x n ) + ( x − x n ). 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 )... x0 . + ( x − x0 )( x − x1 ). x1 ) + ( x − x1 ). (i = 0.. x n ) hay 24 (2-2. x1 ) + ( x − x0 )( x − x1 ) Pn ( x0 . x n tức là Pn ( xi ) = f ( xi ).. x0 ). vì Px ( x..NCT-FIT-HNUE Computional methods and Optimization Problems f ( x0 .1) có thể viết thành Pn ( x) = f ( x0 ) + ( x − x0 ) f ( x0 . x n ) = 0 ta được Pn ( x) = Pn ( x 0 ) + ( x − x0 ) Pn ( x 0 . xk ) = f ( x0 ... x 0 . x0 ..3.......Pn ( x.... x1 . .. x1 . + ( x − x0 )( x − x1 ).Pn ( x.. x 0 .. x j . ii) Nếu Pn (x) là đa thức bậc n thì tỷ sai phân bậc nhất Pn ( x. xn ) − ( x − xn−1 ). xn−1 ) = Pn ( x0..

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

3. x2 ) + ( x − x0 )( x − x1 )( x − x2 ) f ( x0 . x2 . tich = 1. 120 60 120 60 2) Khi đó f (1. Khởi tạo y = f0. n) output: y là giá trị của hàm f(x) tại một điểm trong khoảng chứa các mốc nội suy Algorithm 1. x2 . 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. for i = 1 Æ n 2. for j = 0 Æ n .2. x3 .NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 1-2.fj) / (xj+i .25) ≈ P4 (1. 2. x1 ) + ( x − x0 )( x − x1 ) f ( x0 . x1 . tich = tich * (x .s.xi-1). x1 .i fj = (fj+1 . fi (i = 0. xi. x1 . 1) Lập bảng tỷ sai phân x f(x) T.p bậc 3 T.3) ta có P4 ( x) = f ( x0 ) + ( x − x0 ) f ( x0 .pbậc 1 T.s.9312. 2) Sử dụng đa thức nội suy nhận được tính gần đúng f (1.p bậc 2 T. x3 ) + ( x − x0 )( x − x1 )( x − x2 )( x − x3 ) f ( x0 .25) Giải. 26 . 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) .s.5. 2.xj) 2.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. Thuật toán nội suy newton trên mốc không đều Nhìn vào bảng tỷ sai phân và công thức nội suy Newton (3-2.1.3) dễ thấy rằng việc tính giá trị của đa thức Newton tại điểm x có thể mô tả bởi đoạn mã sau: input: x.s.25) = 3.3.

3) hoặc (3-2.3.h ta thu được t (t − 1) 2 t (t − 1).(t − n + 1) n ∆ f0 ∆ f 0 + ..4. + n! 2! n t (t − 1).2.4) 2. n) . Sai phân cấp cao hơn được định nghĩa qua sai phân cấp thấp hơn như sau • ∆k f i = ∆ (∆k −1 f i ) . Đa thức nội suy Newton trên mốc cách đều Trong công thức của đa thức nội suy Newton (2-2.. return y.4..3) ở mục trước biểu diễn tỷ sai phân qua sai phân theo công thức (1-2. xi ) = ∆i f 0 (i = 1. i!h i (1-2.) 2.. x1 ) = f 0 − f1 f − f 0 ∆f 0 = ...(t − n)h n +1 (n + 1)! 27 (3-2..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 x0.1.4) . x1 . Ví dụ 1-2. = 1 x0 − x1 x1 − x 0 h Một cách tổng quát. y = y + tich * f0. (i = 1. 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)..(t − i + 1) i = f0 + ∑ ∆ f0 i! i =1 Pn ( x0 + th) = f 0 + t∆f 0 + (2-2. Từ các định nghĩa sai phân và tỷ sai phân ta có f ( x 0 .3.4) và đặt x = x0 + t..4.. • Sai phân trung tâm cấp một δf i +1 / 2 = f i +1 − f i = f i1+1 / 2 . Trong trường hợp này việc tính đa thức nội suy trở nên dễ dàng hơn nhờ các sai phân. 2. Khái niệm sai phân Giả sử cho các giá trị f i = f ( xi ) của hàm f (x) ..4.NCT-FIT-HNUE Computional methods and Optimization Problems 2. Đa thức nội suy Newton trên mốc cách đều Giả sử các nút nội suy xi cách đều nhau một khoảng là h.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. ∆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 .4. dễ chứng minh được f ( x 0 . n) . 2.. tức là xi = x0 + ih .

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

Trong trường hợp này để n ( S (a. Giải hệ này ta nhận được a và b phải tìm. b) = ∑ ( yi − a − bxi ) (1-3. b.2) Đây là một hệ hai phương trình với hai ẩn số a và 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. c) = ∑ yi − a − bxi − cxi i =1 ) 2 2 (4-3.2) 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 (3-3.2) bé nhất 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 .NCT-FIT-HNUE Computional methods and Optimization Problems 2 n S (a.

Lấy logarit hai vế ta được lny = lna + blnx.15 y 0. Đặt Y = lny. A = lna.65 0. A = lna.85 0. iv) Dạng hàm y = axb. a>0. Ta có y = aebx Lấy logarit cơ số e hai vế : ln y = ln a + bx Đặt Y = Ln y . X = X Ta đưa về dạng Y = A + BX Xi = xi 0.25 0.92 0.04 0. Tìm A và b như trong trường hợp hàm tuyến tính ta sẽ tìm được a=eA.2.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. 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.15 Yi =ln yi -0.65 0.58 Tìm hàm nội suy hàm ẩn trên. Lấy hàm nội suy có dạng y = aebx Giải.06 0. X = lnx. Ví dụ 1-3.18 0.29 1. b và c phải tìm. Khi đó ta có Y=A+bx.95 1. Đặt Y = lny.96 1. Khi đó ta có Y=A+bX. Tìm A và b như trong trường hợp hàm tuyến tính ta sẽ tìm được a = eA.46 và n = 5 5 5 5 5 ∑ Xi ∑ X i2 ∑ X iYi ∑Y 4.93 0.17 1. b và c.2) Đây là một hệ ba phương trình với ba ẩn số a.75 0. A = ln a .6) ta có hệ 32 i . Giải hệ này ta nhận được a. Cho biết các cặp giá trị của x và y theo bảng sau x 0.35 3.85 0. Như vậy bằng cách lấy logarit hai vế ta đã đưa quan hệ phi tuyến đối với a và b về dạng tuyến tính đối với A và b. iii) Dạng hàm mũ y = aebx.89 i =1 i =1 i =1 i =1 Áp dụng công thức (6-4.95 1.06 1.75 0. Lấy logarit hai vế ta được lny = lna + bx.

ξ = π / 6 c) f(x)=2x trên đoạn [-1. b = B = 1 Vậy đa thức nội suy là g(x) = 1 x e 2 BÀI TẬP 1. 1].5 d) f(x)=ex trên đoạn [-1.5 54 60.89 ⎧5 A ⎨ ⎩4.5 64 Hãy ước lượng dân số của quốc gia này năm 1975. 1].7183) 3.5 và đánh giá sai số. tính gần đúng 2. B= 1.92 Giải hệ trên ta được A = -0. 33 . 5. π /2]. Hàm f(x) được xấp xỉ bởi đa thức nội suy Lagrange tại ba điểm cách đều nhau trên đoạn cho trước. Hãy tính gần đúng giá trị của hàm tại điểm ξ và đánh giá sai số a) f(x)= cos(x) trên đoạn [0.0800 2.2894 Dùng đa thức nội suy Newton trên lưới đều tính 4. Tìm đa thức bậc ba nội suy tốt nhất cho hàm : (i) f ( x) = 2 x trên đoạn [-1. Cho 3 x bởi bảng sau x 3 x 8 9 10 11 12 2 2.2240 2. Dân số của một quốc gia qua điều tra được cho trong bảng sau Năm 1960 1970 1980 1990 2000 Dân số (triệu người) 45 50. ξ = π / 12 b) f(x)=xcos(x) trên đoạn [0. Do đó a = eA = 1/2.69.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. ξ = 0.414 2 3 và đánh giá sai số.35 A + 3. π/2]. 3 8.93B = 0. π/2].35B = 0. ξ = 0.5 (cho e≈2. (ii) f ( x) = sin( x) trên đoạn [0.1544 2. Dùng các giá trị dưới đây của x x x 1 2 4 1 1. 1].

b) là khoảng phân ly của nghiệm x*. 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. Một phương trình có thể có nhiều nghiệm số (thực). Khi đó trong khoảng (a. Tiếp theo. +∞) và giảm trong khoảng ( − 2 . 1) và (2. m = f ( 2) < 0 . f(∞) > 0 và f(x) tăng trong các khoảng (-∞. Trước khi đi tìm xấp xỉ các nghiệm này ta cần phải phân ly chúng. 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.cos x = 0 (2) 34 . Xét phương trình f(x) = 2x .NCT-FIT-HNUE Computional methods and Optimization Problems CHƯƠNG 3 GIẢI GẦN ĐÚNG PHƯƠNG TRÌNH PHI TUYẾN 1. Định nghĩa 1-1 Nếu khoảng (a. nghĩa là tìm các khoảng sao cho mỗi khoảng chỉ chứa một nghiệm. Định lý 2-1. b) là khoảng phân ly của một nghiệm của phương trình f(x) = 0.6. b] và nhận giá trị trái dấu tại các điểm mút a và b. M = f (− 2 ) > 0. ( 2 . do đó các khoảng trên là khoảng phân ly của 3 nghiệm của phương trình (1). Xét phương trình: f(x) = 0 (1-1) Ta gọi x* ∈ D là nghiệm của phương trình (1-1) nếu f(x*) = 0. (0. tức là f(a)f(b) < 0 . ta có thể thu hẹp khoảng phân ly của các nghiệm thành (-3. − 2 ). Định lý 1-1 Về sự tồn tại nghiệm Giả sử f(x) là hàm số liên tục trên đoạn kín [a. Xét phương trình f ( x) = x 3 − 6 x + 2 = 0 (1) Ta có f'(x) = 3x2 . Ví dụ 1-1. f'(x) = 0 Ù x = ± 2 . b) tồn tại ít nhất một điểm x* sao cho f(x*)=0. b] và f(a). 3). Ví dụ 2-2. b) chỉ chứa một nghiệm x* của phương trình (1-1) thì ta gọi khoảng (a. Về sự tồn tại duy nhất nghiệm Nếu hàm f(x) liên tục và đơn điệu (tăng/giảm) trong khoảng [a. -2). Phương pháp giải tích dựa trên việc khảo sát sự biến thiên của hàm số và định lý 2-1. 2 ). Phân ly nghiệm của phương trình có thể thực hiện bằng hai phương pháp: phương pháp giải tích và phương pháp đồ thị.1.f(b) < 0 thì (a.

h(x) nếu phương trình g(x) = h(x) tương đương với phương trình đã cho.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. Do đó (0. f(1) = 2 .1. x0).8 Nếu khoảng phân ly (a. b1 = x0.4 0. bn) với độ rộng 35 . để tiếp tục quá trình chia đôi. 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. Nhìn vào hình vẽ ta thấy khoảng phân ly của nghiệm duy nhất của phương trình (2) là (0. 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). Lặp các công việc sau đây: 2. Đặt g(x) = x và h(x) = (1/2)cos x. Bước 2. b1 = b0. (ii) Nếu f(x0).1. 1) là khoảng phân ly của nghiệm duy nhất của phương trình đã cho.3.cos 1 > 0.5 pi/2 Hình 1-2.1. Phương pháp chia đôi 2. Lại xét phương trình (2). Bước 1. Chia đôi khoảng [a0. b0 = b.6 y=1/2*cos(x) 0.4 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. 1.NCT-FIT-HNUE Computional methods and Optimization Problems Ta có f’(x) = 2 + sin x > 0 và f(0) = . sau n lần chia đôi hoặc ta thu được xn-1 là nghiệm đúng hoặc ta thu được khoảng phân ly (an. b) là khoảng phân ly của nghiệm x* của phương trình f(x).f(b0) < 0 thì nghiệm nằm trong khoảng (x0. b0] bởi điểm giữa x0 = a 0 + b0 2 2.2 y=x 1 0.2.1.f(a0) < 0 thì nghiệm nằm trong khoảng (a0. b1] với độ rộng d1 = b1 − a1 = . do đó ta đặt a1 = a0. 0. (iii) Nếu f(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*.1 2. 2 2.6 1. 0. Mô tả phương pháp Giả sử (a. do đó ta đặt a1 = x0.5 1 1. Ví dụ 3-1. b0). Đặt a0 = a. Quay trở lại bước 2. Xử lí một trong 3 khả năng sau sẽ xảy ra (i) Nếu f(x0) = 0 thì x0 là nghiệm x* cần tìm. π/2).

8867 0.NCT-FIT-HNUE Computional methods and Optimization Problems b−a b−a < 2ε là sai số cho trước ta dừng quá trình chia đôi và .0625 0.118 -0.8513.75 0.8513.75. 1) là khoảng phân ly của nghiệm dương x*. Dễ thấy rằng (0.75 0. b2 = b1 = 1.875 0. 1] là khoảng phân ly.875 0.9375 0.0156 0. 1].0313 0. Nếu f(a)f(c) < 0 thì gán b := c 36 . f ( x1 ) = 0. Đặt x1 = (a1 + b1)/2 = 0. Khi đó f (a1 ) = 1.9375 0. b].023 0.25 0. khoảng phân ly nghiệm [a. Nếu f(c) = 0 thì gán x0 := c và kết thúc lặp.1.0003 f(b) -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.758 0.5 0. Bằng phương pháp chia đôi tìm nghiệm dương của phương trình 4 . b1] = [0. d 2 = 0.8906 0.8513 0.5.0699 0.023 -0.0236 0.0699 0. d1 = b1 − a1 = 0.8828 với sai số d6 = 0.011 b-a 1 0.8513 nên ta đặt a1 = x0 = 1.311 -0.0039 b-a<eps FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE 2.0236 0.ex . là nghiệm gần đúng.718 -0.2.8906 0.2 2. Ta có [a1.125 0.2.0699 0. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp chia đôi Input: hàm phi tuyến f(x).2x2 = 0 với độ chính xác ε = 10-2. Nhận xét. b0] = [0. Giải. Sau 8 bước ta đạt được x6 = 0.758 0.5.5 0.25. Ví dụ 1-2.5 0.9063 0.718 -0.0078 0.023 f(x0) 1. Tiếp tục quá trình chia đôi.0699 0. Bước 2: Lặp quá trình sau đây khi (b-a) > ε 2.5. f(x0) = 1.875 0.8513 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.118 -0.875 0.0003 -0.1.0078 < ε = 0.0699 -0.8906 0.023 -0.875 0.8828 0.8828 0.8887 f(a) 3 1. Nếu n 2n 2 b −a b − an <ε .718 -0. Quá trình lặp được thể hiện qua bảng sau đây: 1 2 3 4 5 6 7 8 9 a 0 0.9063 0.75.01.8906 x0 0. x0 = (a0 + b0)/2 = 0. ngược lại làm bước 2.718 -0. Ta có [a0. b1 = b0 = 1.758 ⇒ a 2 = x1 = 0. Vì f(a0) = 3.311 -0. sai số được phép ε Ouput: nghiệm gần đúng x0 của phương trình f(x) = 0 Algorithm: Bước 1: Gán c = (a + b)/2.8867 b 1 1 1 1 0.

Phương pháp lặp đơn 3. Định nghĩa 1-3.b] và thoả mãn các điều kiện sau: i) max ϕ ' ( x) ≤ q < 1 ∀x ∈ [a. ….1. Về sự hội tụ của phương pháp lặp Giả sử ϕ(x) là hàm khả vi trên đoạn [a. Mô tả phương pháp Giả sử phương trình f(x) = 0 có thể viết dưới dạng: x = ϕ(x) (1-3. b] ∀x ∈ [a.1). b) là khoảng phân ly của nghiệm x*. n = 1.NCT-FIT-HNUE Computional methods and Optimization Problems Nếu không thì gán a := c Bước 3: In ra nghiệm x0 = c. theo công thức xn = ϕ(xn-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. (7-3.1) Định lý 1-3.1) và (a. C>0 là hằng số. Ta nói một phương pháp lặp giải phương trình có cấp hội tụ α nếu .1.1) ta thấy rằng phương pháp lặp đơn có tốc độ hội tụ cấp 1 hay tốc độ hội tụ tuyến tính. Lấy một điểm x0 ∈ (a. b] (3-3. x2.1) ii) ϕ ( x) ∈ [a. α nghĩa là xn − x * ≤ C xn − xn −1 . 2.1. …. b] (4-3. nghĩa là. trong đó x* là nghiệm đúng. b ] Khi đó i) Phương trình (1-3.1) có nghiệm duy nhất x* ∈ (a.1) hội tụ và có ước lượng xn − x * ≤ q xn − xn −1 1−1 (5-3.hoặc sai số hậu nghiệm của xn là đại lượng cấp α của độ lệch giữa hai xấp xỉ liên tiếp xn và x n1. 3. Như vậy từ các đánh giá (5-3.sai số tiên nghiệm của xấp xỉ thứ n là đại lượng cấp α của sai số xấp xỉ thứ n . b) và tính các xấp xỉ x1.1) qn xn − x * ≤ x1 − x0 1−1 (6-3. b) ii) Quá trình lặp (2-3. 37 . .1.1) x∈[ a . ta còn rút ra được: xn − x * ≤ q xn − x * (7-3. xn − x * ≤ C xn −1 − x * α .1) Trong quá trình chứng minh định lý. (2-3.

2 2 Rõ ràng là các điều kiện (3-3.4426 2 1 x3 = cos x 2 = 0.0006 < 10-3. Khi đó ϕ(x) thỏa mãn điều kiện (3-3. Trước hết. Ta sẽ chọn x = ϕ(x) với ϕ(x) = (5x3 + 3)/20. ta đưa phương trình đã cho về dạng tương đương x = ϕ(x).5 ta có 1 x1 = cos x0 = 0. Như vậy.1).1) ta đã xác định được khoảng phân ly nghiệm của phương trình trên là (0. Trong Ví dụ (2-2..1..1. và phương trình trên đưa được về dạng x = ϕ(x) với ϕ(x) = (1/2)cos x Lấy một điểm x0 bất kỳ trong khoảng (0.x*| < 10-3. x0 = 0. 2.4496 2 . π/2). Ví dụ 2-3. Tìm gần đúng nghiệm của phương trình 2x .4307 2 x2 = 1 cos x1 = 0. x4 = 0.5 và xây dựng dãy lặp xn = ϕ(xn-1).4502 là nghiệm gần đúng của phương trình đã cho với độ chính xác 10-3.10x + 3 = 0 bằng phương pháp lặp đơn với độ chính xác 10-4 biết khoảng phân ly nghiệm là (0. 1 x4 = cos x3 = 0. Trong số các cách đưa về dạng này.4496| = 0.1. Giải.0. Tìm nghiệm gần đúng của phương trình f(x) = 5x3 . Giải. (4-3. do đó phương pháp lặp hội tụ ∀x ∈ (0. Ta sẽ kiểm tra các điều kiện của Định lý 1-3.cos x = 0 với độ chính xác 10-3. 1 2 ϕ ' ( x) = − sin x ≤ q = 0 ≤ ϕ ( x) ≤ 1 2 1 π < . chẳng hạn. 1). π/2). . nên nếu lấy x4 xấp xỉ x* ta sẽ có |x4 . π/2) và ta có đánh giá: xn − x * ≤ 1/ 2 xn − x n−1 = x n − xn−1 1 − 1/ 2 .4502 . ta phải chọn cách sao cho thỏa mãn các điều kiện của định lý 1-3.NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 1-3. ]. ] ∀x ∈ [0. n = 1.1) vì 38 .4502 2 . Vì |x4 -x3| = |0. Với x0 = 0.1) được thoả mãn. 2 2 do đó π π ϕ ( x) ∈ [0.1.

1) x∈[ a . M f ' ( x) m ≤1− = q < 1 trên toàn đoạn [a.2).0893 3 0. ∀x ∈ [0. Cách chọn ϕ(x) thỏa điều kiện hội tụ của phương pháp lặp đơn max ϕ ' ( x) ≤ q < 1 ∀x ∈ [a. Chọn x0 = 0.2.2) Giả sử (a. q = 1− M M . 1].xn-1) 1 0.b) là khoảng phân ly nghiệm và f’(x) > 0 trên [a.1509 0. Do đó. Ký hiệu M = max f ' ( x). m = min f ' ( x) a ≤ x ≤b a ≤ x ≤b Đặt λ=− 1 m .1509 0. Vì 0 < m ≤ f’(x) ≤ M nên ϕ ' ( x) = 1 − Có thể chứng minh được rằng với cách chọn 39 . b] Là điều kiện (3-3. hàm M M ϕ(x) được xây dựng như trên thoả mãn điều kiện thứ nhất của Định lý 1-3.1] 20 hội tụ và có đánh giá xn − x * ≤ 3 xn − xn −1 . Xét hàm ϕ(x) dạng (1-3. Như vậy.1.1812 0.1) vì 3/20 < ϕ(x) ≤ 2/5.xn-1 3(xn .0000 0.5 ta tính được các xấp xỉ xn như sau n xn xn . b].0019 4 0.9562 2 0. phương pháp lặp đơn cho dãy nghiệm: max ϕ ' ( x) = max xn = 5 xn3−1 + 3 .1515 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) (1-3.1.0000 Cách chọn hàm ϕ(x) thỏa mãn các điều kiện của định lý 1-3.0298 0. Ta có ϕ ' ( x) = 1 − f ' ( x) . ∀x ∈ [0.3187 0. 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 (4-3.0006 0. b]. do đó ϕ(x) ∈ [0. hơn nữa làm cho phương pháp lặp hội tụ nhanh nhất 3.

Tiếp tuyến này có phương trình là y = f’(xn-1)(x .1) f(xn) Giả sử f’(xn-1) ≠ 0. Ký hiệu hoành độ của điểm cắt của tiếp tuyến với trục hoành là xn.2) sinh ra phương pháp lặp hội tụ nhanh nhất với số q= M −m M +m. f(xn-1)).3.1. trong đó M = max | f '( x) |. b]. khoảng phân ly [a. m = min | f '( x) | . Thế thì xn = xn −1 − f ( xn −1 ) f ' ( xn −1 ) f(xn-1) (2-4. sai số được phép ε. b] Ouput: nghiệm gần đúng x của phương trình f(x) = 0 Algorithm: Bước 1: Khởi gán sai số e := 1. Vì thế phương pháp này còn có tên gọi là phương pháp tuyến tính hoá.2. Mô tả phương pháp Ý tưởng của phương pháp Newton giải phương trình f(x) = 0 là thay phương trình này bởi một phương trình tuyến tính gần đúng trong lân cận của nghiệm. Mô tả phương pháp: Giả sử xn-1 là một xấp xỉ đã tính được của nghiệm đúng x*. Bước 3: In ra nghiệm x.xn-1) + f(xn-1) (1-4.1. 2. Bước 2: Lặp quá trình sau đây khi e > ε 2. Phương pháp tiếp tuyến (Newton) 4. 2. 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). Tính x := g(x0). Tính e := abs(x-x0). 4. a ≤ x ≤b a ≤ x ≤b 3. thay đường cong y = f(x) bởi tiếp tuyến với nó tại điểm A(xn-1.3.NCT-FIT-HNUE λ=− Computional methods and Optimization Problems 2 M +m thì hàm xác định bởi (1-3. Gán x0 := x.1) 40 x* xn+1 xn xn-1 . điểm ban đầu x0 ∈ [a. Trong lân cận của x*.

2 Về sự hội tụ của phương pháp lặp Newton Giả sử • f là hàm khả vi liên tục hai lần trên đoạn [a.1) Điều đó có nghĩa phương pháp Newton là một trường hợp đặc biệt của phương pháp lặp đơn.1) còn có tên gọi là phương pháp tiếp tuyến . b] là khoảng phân ly nghiệm x* của phương trình f(x) = 0.2.1.1) có thể viết trong dạng xn = ϕ(xn-1) với ϕ ( x) = x − f ( x) f ' ( x) (3-4. |f ”(x)| ≤ M2.2) 41 .2 Đối với phương pháp Newton ta có đánh giá tiên nghiệm sau z n +1 ≤ q z n 2 (3-4. • x0 ∈ [a. vì xấp xỉ tiếp theo x1 có thể vuợt ra khỏi khoảng phân ly. Khi áp dụng. Để tránh được điều này. m1 (1-4.1) 4. thậm chí vượt ra khỏi khoảng xác định của hàm số. Vì thế phương pháp tìm nghiệm gần đúng theo công thức (2-4.NCT-FIT-HNUE Computional methods and Optimization Problems Ta coi xn là xấp xỉ tiếp theo của 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) hội tụ và đối với nghiệm gần đúng xn có các đánh giá sau xn − x * ≤ xn − x * ≤ f ( xn ) .4. 1) Công thức lặp (2-4. Nói cách khác.2) M2 2 xn − xn −1 . ∀x ∈ [a. thường chọn m1 = min{f'(x)}. 2m1 (2. Khi đó phương pháp Newton (2-4.2) trong đó m1 và M2 là các hằng số thoả mãn 0 < m1 ≤ |f’(x)|. Do đó có thể khảo sát sự hội tụ của phương pháp nhờ vào Định lý 1-3. Sự hội tụ của phương pháp Định lý 1-4. b]. Giả sử x0 là một điểm thuộc khoảng phân li nghiệm của phương trình f(x)=0. M2 = max{f'(x)} Định lý 2-4. • f’(x) và f”(x) không đổi dấu trên [a. b] là điểm Fourier. cần chọn xấp xỉ ban đầu là một điểm Fourier được định nghĩa dưới đây: Định nghĩa 1-4. b] và [a. Nhận xét. b] Bỏ qua phần chứng minh. x0 là điểm Fourier nếu thỏa mãn: f ( x0 ) f ' ' ( x0 ) > 0 (4-4.1 2) Nếu xấp xỉ ban đầu x0 chọn không thích hợp thì phương pháp Newton có thể không sử dụng được.

2.047619048 1.x -1. Ta có f(1) = -1 < 0.618034 1.618034 0. 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). 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. Nếu không xác định q thì e = abs(x-x0) 2. Gán x0 := x. điểm fourier x0 ∈ [a.3333333 0. Áp dụng phương pháp Newton tìm nghiệm dương của phương trình x2 . Tính e := q*abs(x-x0)^2. Ngoài ra.001. Do đó [1.00000046 FALSE FALSE FALSE TRUE x(n) Vậy x4 = 1. 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 1.0000010 2. M2 =2.111111111 2.2360689 0.001013171 1.2. 42 . f(2) = 1 > 0 và f’(x) = 2x-1 > 0. b]. Đặt f(x) = x2 .236068 epsilon = |x(n)-x(n-1)| 0.001.618034 f[x(n-1)] f"[x(n-1)] 1 3 0.2. khoảng phân ly [a.1.666667 1. Ví dụ 1-4. b] số q=M/2*m.619048 0. ta có f’’(x) = 2 > 0. Phương pháp lặp Newton có dạng xn = xn −1 − f ( xn −1 ) x2 − x −1 = xn−1 − n −1 n−1 . zn = xn − x*. Giải. Bước 3: In ra nghiệm x.2380952 0. Bước 2: Lặp quá trình sau đây khi e > ε 2.618034 0.001 <epsilon 1.0000000 2. M2 và m1 được xác định như trong Định lý 1-4.619048 1.333333333 1.3. 2] là khoảng phân ly nghiệm dương của phương trình đã cho.x -1 = 0 với độ chính xác 0.618 là nghiệm gần đúng với sai số nhỏ hơn 0.002267574 2.NCT-FIT-HNUE trong đó q = Computional methods and Optimization Problems M2 . 2m1 Bỏ qua phần chứng minh. Tính x := g(x0). 4. sai số được phép ε. Với tư cách xấp xỉ ban đầu ta chọn điểm Fourier x0 = 2.666667 0. 2. Do đó chọn m1 =1.3.

0000 5.1) có thể tốn thêm nhiều thời gian nếu f’(x) là hàm phức tạp. x0 = -2. f ( xn −1 ) − f ( xn −1 ) (1-5. b) là khoảng phân ly của nghiệm.1) x0. x1 = -2. người ta thay f’(xn-1) bởi tỷ sai phân f ( xn −1 ) − f ( xn−2 ) xn −1 − xn−2 . Thông thường. 2 nghiệm xấp xỉ ban đầu x0 và x1. ( xn −1 . Nghiệm tìm xấp xỉ cần tìm là x = x1 43 . Ví dụ 1-5.. Mô tả phương pháp Việc tính đạo hàm trong công thức Newton (2-4.2.1.. Phương pháp cát tuyến 5.4 ta được n x(n) 2 -2. f ( xn − 2 )). x1 = b. x2 x* x1 x3 Phương pháp cát tuyến (1-2. n = 2. Ouput: nghiệm gần đúng x của phương trình f(x) = 0 Algorithm: Bước 1: Khởi gán sai số e := 1.1.6.0000 6 -2.5) hội tụ chậm hơn phương pháp Newton nhưng hội tụ nhanh hơn phương pháp lặp đơn. x1 là các xấp xỉ cho trước. 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 . phương pháp lặp có dạng xn = xn −1 − xn −1 − xn − 2 f ( xn −1 ). Vì thế. người ta đặt x0 = a.0226 4 -2. Sử dụng phương pháp cát tuyến với sai số 10-3. Khi đó.NCT-FIT-HNUE Computional methods and Optimization Problems 5. Cho phương trình f(x) = x3 -3x + 2 = 0 có một nghiệm là x* = 2. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp Cát tuyến Input: Hàm số f(x) = 0. f ( xn −1 )) là x0 y − f ( xn −1 ) x − xn−1 = f ( xn −2 ) − f ( xn −1 ) xn−2 − xn−1 ..3. sai số được phép ε.1066 3 -2. (a.0015 5 -2.

mà tại đó giá trị của hàm cùng dấu với dấu của f”(x) (tức là điểm Fourier). b) là khoảng phân ly của phương trình f(x) = 0. x1 :=x. Tính x := x1-f(x1)-((x1-x0)/(f(x1)-f(x0))).2. Mô tả phương pháp Giả sử (a. 2. Hình bên minh họa một số xấp xỉ liên tiếp theo phương pháp dây cung giải phương trình 2x2 .f”(x) > 0.1 = 0. 6. 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 . 2. BÀI TẬP 1.3. Phương pháp dây cung 6. x0 = b nếu f(a).2. x0 = a nếu f(b)..2. Bước 3: In ra nghiệm x. m1 = min | f '( x) | a ≤ x ≤b a ≤ x ≤b . Giả thiết đạo hàm cấp hai f’’(x) không đổi dấu trên đoạn [a. Khi đó trong hai đầu mút a và b. m1 Ở đây. như thường lệ.f”(x) > 0.x 0. 6. Công thức lặp của phương pháp dây cung sẽ như sau: xn = xn −1 − f ( xn −1 )( xn −1 − d ) . 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*. ta cố định một đầu. 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 ) | .1) f ( xn −1 ) − f (d ) trong đó d = b. m1 | xn − x* |≤ M 1 − m1 | xn − xn −1 |. b].1. n = 1.. Gán x0 := x1. và lấy đầu mút còn lại làm xấp xỉ ban đầu x0. (1-6. ta ký hiệu M 1 = max | f '( x) |.NCT-FIT-HNUE Computional methods and Optimization Problems Bước 2: Lặp quá trình sau đây khi e > ε 2. và d = a.. e := abs(x-x0).1.

2. Phương pháp Newton hội tụ tới nghiệm nào trong ba nghiệm 0. tìm 7. Tìm nghiệm gần đúng của phương trình 2x2 .x . 10.001 và so sánh tốc độ hội tụ. 5. Tìm nghiệm của các phương trình cho trong bài 1 với độ chính xác ε = 10-2 bằng phương 3.. So sánh số lần lặp thực sự với số lần lặp ước lượng trước khi tính x2 . Sử dụng phương pháp lặp đơn dạng xn+1 = xn + λf(xn) giải phương trình f(x) = 0 4. Gợi ý: Sử dụng cos 3 × 200 = 1/2.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. Tính cos 200 với độ chính xác 10-3. 7. Sử dụng chương trình này giải phương trình trong bài tập 7.1=0 bằng các phương pháp cát tuyến và phương pháp dây cung với độ chính xác 0. x3 . Bằng phương pháp chia đôi tìm nghiệm của các phương trình cho trong bài 1 với độ chính xác ε = 10-2. phương pháp lặp đơn và phương pháp cát tuyến với độ chính xác 10-3..0. 45 . Tìm nghiệm của các phương trình cho trong bài 1 với độ chính xác ε = 10-3 bằng phương pháp Newton. 6. 1 và -1 của phương 3 trình x . pháp lặp đơn.. Tính 13 bằng phương pháp Newton.x = 0 nếu xuất phát từ điểm x0 bất kỳ? 8. 9. Lập chương trình giải phương trình phi tuyến bằng các phương pháp cát tuyến và dây cung.

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

j ∈[1... j ≤ n. 1.000 = 590... mỗi công đoạn cần một công nhân làm. Định nghĩa Một ma trận A cấp m × n là một bảng gồm m × n phần tử xếp theo m hàng và n cột. là một ma trận vuông cấp n thỏa mãn điều kiện sau: A. . a2 n ⎥⎥ .…. i ∈ [1. 0⎥ ⎥ E= ⎢ ⎢. amn ⎦ trong đó aij là phần tử ở hàng i...2. 1 ≤ i... ⎡ a11 a12 ⎢a a22 A = ⎢ 21 ⎢ .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*50.2.2.NCT-FIT-HNUE Computional methods and Optimization Problems Một sản phẩm được tạo ra bởi ba công đoạn.. . .. tức là aij = aji = 0 với i ≠ j.1. các phần tử còn lại bằng 0.. 1⎦ • Ma trận chuyển vị: Ma trận chuyển vị của một ma trận A. được gọi là ma trận đường chéo . kí hiệu là A-1. Công nhân thứ nhất làm mất 3 giờ.A-1 = A-1.. thường ký hiệu là E hoặc I. n].000đ 1..2. công nhân thứ hai làm mất 4 giờ và công nhân thứ ba làm mất 2 giờ. ⎢ ⎣am1 am 2 . 80000đ và 60000đ.000 + 2*60. Ma trận 1. • Ma trận nghịch đảo: Cho ma trân vuông A. ⎥ ⎥ .. Các loại ma trận • • Ma trận vuông: Khi m = n thì ma trận A = (aij) gọi là ma trận vuông cấp n.2. Ma trận đơn vị. cột j. ... ⎡1 0 .…. 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. Tiền trả mỗi giờ cho các công nhân tương ứng là 50000đ. 0⎤ ⎢0 1 . ∀ i ≠ j.. kí hiệu là At..A = E 1. .000 + 4*80. . là ma trận nhận được từ ma trận A bằng cách đổi hàng thành cột và đổi cột thành hàng.. ma trận nghịch đảo của ma trận A (nếu có). • Ma trận tam giác trên: Ma trận vuông A được gọi là ma trận tam giác trên. nếu aij = 0 nếu với ∀ i > j. a1n ⎤ ..3. tức là aii = 1 và aij = 0.⎥ ⎥ ⎢ ⎣0 0 . tức là A có dạng: 47 . là ma trận vuông cấp n có các phần tử nằm trên đường chéo bằng 1.

B = {bij}i = 1... . . ⎢ ⎣ an1 an 2 • . .. .. ...n)..... a2 n ⎥⎥ . .. . ⎢ 0 ⎣0 • Ma trận tam giác dưới: Tương tự... tức là aịj=aji (i..j=1. x) > 0 với mọi x ≠ 0. kí hiệu là C = A + B. j = 1.. • 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..... an .2.2.. tức là A có dạng: ⎡ a11 0 ⎢a a22 A = ⎢ 21 ⎢ .... . a1n ⎤ ..... ⎥ ⎥ ..... j = 1.... i = 1.... B[2 × 4 ] = C[3 × 5] 48 .n)... j = 1. n...... . nếu aij= 0 khi |i-j| > m và m<<n thì ma trận có tên gọi là ma trận băng. . Nếu m = 1 thì ma trận băng có dạng ba đường chéo ⎡a11 a12 0 . m.. .. . m.... ⎢ 0 . j = 1..... ⎥ ⎥ ⎥ ⎦ • Ma trận đối xứng: Ma trận A được gọi là đối xứng nếu A=At.. an −1... k =1 Ví dụ 1-1....0 0 ⎢ 0 ⎢a21 a22 a23 ..... ⎥ ⎥ .. n. Khi đó tổng của hai ma trận A và B là ma trận C = {cij}i = 1.. 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..... 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... n −1 ann ⎣ ⎤ ⎥ ⎥ ⎥. ann ⎦ 0⎤ 0 ⎥⎥ ..2.. nếu aij = 0 với ∀ i < j....... 1. m...2..0 A = ⎢ . Trong trường hợp... • Ma trận xác định dương: Ma trận A được gọi là xác định dương nếu tích vô hướng (Ax.. Ma trận thưa: Ma trận thưa là ma trận có rất nhiều phần tử bằng 0.... n..... .4.. với cij = aij + bij . ma trận vuông A được gọi là ma trận tam giác dưới.... trong đó: p cij = ∑ aik bkj ... n ⎢0 0 ⎢0 0 0 . .. ann ⎦ . .... (i.....j=1.. Cho hai ma trận A = {aij}i = 1.. . ... . m.. n...NCT-FIT-HNUE Computional methods and Optimization Problems ⎡a11 a12 ⎢0 a 22 A= ⎢ ⎢ .. A[3 × 2] .

⎡ 4 0⎤ [3 2 1] ⎢⎢− 1 2⎥⎥ = [3.5 ⎤ ⎡16⎤ ⎢− 1 2⎥ . Ví dụ 3-1.5⎥ = ⎢ 6 ⎥ ⎢ ⎥ ⎢5 ⎥ ⎢ ⎥ ⎢ ⎥ ⎢⎣ 3 1 ⎥⎦ ⎣ ⎦ ⎢⎣ 3.4 + 2.3 3. ⎡ 4 0⎤ ⎡ 4.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 .4 + 2.5. ta tính được một số thực theo qui tắc dưới đây. a) Định thức của ma trận cấp hai a ⎤ ⎡a Cho A = ⎢ 11 12 ⎥ thì det(A) = a11a22 .2 + 1.4 + 0.2.5 ⎥⎦ ⎢⎣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. ⎡4⎤ = ⎢(−1). Nói cách khác.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]. Định thức của ma trận Với mỗi ma trận vuông A cấp n. điều kiện để thực hiện được phép nhân là: Số cột của ma trận trước phải bằng số thành phần của véc tơ cột. gọi là định thức của ma trận A. điều kiện để thực hiện được phép nhân là: số phần tử của véc tơ hàng phải bằng số hàng của ma trận.NCT-FIT-HNUE Computional methods and Optimization Problems 0⎤ 2 3 5⎤ ⎡1 ⎡1 ⎢ 3 − 2⎥ .2.0 + 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]. Nói cách khác. kí hiệu là det A hoặc |A|.2.4 + 1.(−1) + 1. Ví dụ 2-1.

Ví dụ nếu chọn một hàng i nào đó.2 + .j là ma trận thu được từ ma trận A sau khi bỏ đi hàng i và cột j.1 + (-1)1+2 a1.3 det M1.(-3) = 240..n Trong đó Mi.a11a23a32 + a12a21a33 .. + a1n xn = b1 + a22 x2 + . x2. . 2 = ⎢ .. là phương pháp cho ta nghiệm đúng của hệ phương trình (1-2.n det Mi. . ….3 det M1..3 =1. 50 . ví dụ như các phương pháp Cramer. nếu chọn hàng 1 thì dấu cộng trừ đan xen nhau.2 + a1..... Ví dụ 4-1. 2.. .. Để ý thấy. .1 det M1.3 = a1. Giới thiệu Cho hệ phương trình gồm n phương trình tuyến tính với n ẩn số x1. ⎪⎩an1 x1 a12 x2 + .. ta có: det A = (-1)i+1 ai..1 = ⎢ ⎥ ⎥ − 8 9⎦ 7 9⎦ 7 8⎥⎦ ⎣ ⎣ ⎣ ⎢⎣ 7 − 8 9⎥⎦ det A = (-1)1+1a1. xn)t của hệ (2-2.1 det M1... + . b=⎜ 2⎟ .3 = ⎢ A = ⎢− 4 5 6⎥⎥ . + (-1)i+n ai. Hệ phương trình đại số tuyến tính 2. 2 3⎤ ⎡1 ⎡ 5 6⎤ ⎡ − 4 6⎤ ⎡− 4 5⎤ ⎢ .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.(-78)+3..a1.a13a22a31 c) Định thức của ma trận vuông cấp n tổng quát Có thể tính theo cột hoặc hàng bất kỳ..2 det Mi. .2 det M1. an 2 .xn + ⎧ a11 x1 ⎪a x ⎪ 21 1 ⎨ ⎪ . Choleski.1) trong đó ⎡ a11 ⎢a 21 A=⎢ ⎢ ... + a2 n xn = b2 . ⎜ ⎟ ⎜ ⎟ ⎥ ⎜x ⎟ ⎜b ⎟ .1 det Mi.a12a23a31 + a13a21a32 .1) Hệ phương trình này có thể viết dưới dạng ma trận Ax = b (2-2. ⎢ ⎣a n1 a12 a 22 . M 1. khử Gauss.93 -2.1 .. ⎥ . x2. M 1. bắt đầu là dấu dương. M 1..1 + (-1)i+2 ai.2 + (-1)1+3 a1. a nn ⎦ ⎝ n⎠ ⎝ n⎠ Bài toán đặt ra là tìm nghiệm x = (x1.1) sau một số hữu hạn các phép tính với giả thiết không có sai số làm tròn.2 det M1. ...2. + ann xn .... + a n 2 x2 .NCT-FIT-HNUE Computional methods and Optimization Problems det A = a11a22a33 . = bn (1-2. .. a 2 n ⎥ ⎜ x2 ⎟ ⎜b ⎟ . a1n ⎤ ⎛ x1 ⎞ ⎛ b1 ⎞ ⎜ ⎟ ⎜ ⎟ ⎥ .1. x=⎜ ⎟.

Quá trình này được lặp nhiều lần và với một số điều kiện nhất định. Gauss-Seidel và giảm dư. là phương pháp giải hệ bằng cách cho nghiệm một giá trị ban đầu. từ giá trị này tính các giá trị nghiệm gần đúng tốt hơn theo một qui tắc nào đó. det A3 = 152 Ta suy ra các thành phần nghiệm của hệ đã cho: x1 = -40/44 = -10/11. 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⎥⎥ . ta nhận được nghiệm gần đúng của hệ với một sai số có thể ước lượng được. Ví dụ 1-2. Gauss-Seidel. x2 = 72/44 = 18/11.1) 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. 38/11)t là nghiệm của hệ đã cho. x3 = 152/44 = 38/11 Vậy x = (-10/11. giảm dư. b = ⎢⎢30⎥⎥ ⎢⎣ − 1 − 2 3⎥⎦ ⎢⎣ 8 ⎥⎦ Vậy 0 2⎤ 6 2⎤ 0 6⎤ ⎡6 ⎡1 ⎡1 ⎢ ⎥ ⎢ ⎥ ⎢ A1 = ⎢30 4 6⎥ . 51 . A3 = ⎢− 3 4 30⎥⎥ ⎢⎣ 8 − 2 3⎥⎦ ⎢⎣ − 1 8 3⎥⎦ ⎢⎣ − 1 − 2 8 ⎥⎦ Ta tính được det A = 44 ≠ 0 det A1 = -40. 18/11.NCT-FIT-HNUE Computional methods and Optimization Problems Phương pháp gần đúng hay còn gọi là phương pháp lặp. Khử Gausse. ví dụ như các phương pháp Jacobi.2. Trong chương này chúng ta sẽ tìm hiểu các phương pháp: Cramer. 2. det A2 = 72.2) det A trong đó Aj là ma trận nhận được từ ma trận A bằng cách thay cột thứ j bởi cột b.2. Giới thiệu phương pháp Cramer Nếu det A ≠ 0 thì hệ (2-2. A2 = ⎢− 3 30 6⎥ ..

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

53 . x2 = 6 .3 * Dòng 1 ⎛1 2 3 ⎜ [A.1 = 1.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 * Dòng 1 Dòng 3 = Dòng 3 .b] = ⎜ 2 3 1 ⎜3 1 2 ⎝ • ⎛1 2 6⎞ 3 ⎟ ⎜ 6 ⎟ → [A.2 . Giải hệ phương trình ⎧ x1 ⎪ ⎨2 x1 ⎪3 x ⎩ 1 + 2 x2 + 3 x3 = 6 + 3 x2 + x2 + x3 + 2 x3 = 6 = 6 Ta có ⎛1 2 3 ⎜ A' = [A.b] = ⎜ 0 − 1 − 5 ⎜0 − 5 − 7 ⎝ ⎛1 2 6 ⎞ 3 ⎟ ⎜ − 6 ⎟ → [A.n−1 (bn−1 − an−1.b] = ⎜ 0 − 1 − 5 ⎜0 − 5 − 7 6 ⎟⎠ ⎝ 6 ⎞ ⎟ −6 ⎟ − 12 ⎟⎠ i=2 Dòng 3 = Dòng 3 .5 * Dòng 2 ⎛1 2 3 ⎜ [A.NCT-FIT-HNUE Computional methods and Optimization Problems xn−1 = 1 an−1.3) … xi = n 1 (bi − ∑ aij x j ) aii j =i +1 Ví dụ 1-2. x1 = 6 . x1 bằng phương pháp “thế ngược”: Ta tính được x3 = 1. b] = ⎜ 2 3 1 ⎜3 1 2 ⎝ 6⎞ ⎟ 6⎟ 6 ⎟⎠ Quá trình thuận • i=1 Dòng 2 = Dòng 2 .5.3.n xn ) (2-2. ….3 = 1. xn-1.

9 ⎝ ⎝ ⎝ ⎝ ⎠ ⎠ ⎠ ⎛1 2 ⎜ = 2.5 1.2⎟ ⎜ 4 11 7 7 ⎟ ⎝ ⎠ 2⎞ ⎛ 1 2 1. Ví dụ 3-2..2.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. định thức của ma trận A có thể tính theo công thức (1) ( n −1) det A = (−1) k a11( 0 ) a 22 . 54 .5 ⎜ ⎜ ⎜ ⎜ ⎟ ⎟ ⎟ det ⎜ 3 1 . Ví dụ 2-2.2.9 .(-5). trong đó k là số lần đổi chỗ các hàng và aiij là phần tử trụ lần lặp thứ i.a nn . Ngoài ra nếu nó có trị tuyệt đối nhỏ thì khi chia cho nó sai số làm tròn sẽ lớn.5 . cột n+1 là vế phải của phương trình.3 1.3.1 ⎟⎠ ⎝ ⎛1 2 ⎜ ⎜0 1 ⎜0 0 ⎝ ⎛1 2 ⎜ ⎜0 1 ⎜0 0 ⎝ 2 ⎞ ⎟ 1.2 ⎟ = 2 det ⎜ 3 1 . ⎛2 4 3 ⎞ ⎛ 1 2 1. x2 = -1.8 ⎟⎠ 1.2x3 = -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 . ma trận a(n.5 ⎟ = 2.n+1) là ma trận các hệ số.3 ⎟ = 2.3 ⎜ 4 11 7 ⎟ ⎜ 4 11 7 ⎟ ⎜0 3 1 ⎟ ⎜ 0 0 ..2 ⎟ = 2 det ⎜ 0 .5 .5 ⎞ ⎛ 1 2 1.5 ⎞ ⎛ 1 2 1.(-2.5.9) det ⎜ 0 1 ⎜0 0 ⎝ ⎞ ⎟ ⎟ ⎟ ⎠ 1.6 ⎟ 2 ⎟⎠ Quá trình tính ngược cho ta x1 = 1.3.2 . trừ đi từ hàng một hàng khác nhân với một số và đổi chỗ hai hàng.6. Do đó.3 1 2⎞ ⎟ 1.5 ⎞ ⎟ 1.9) = 29.(-5).5 1. 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.6. x3 = -2.(-2. Nhận xét 1: Trong quá trình thuận ta phải thực hiện phép chia cho phần tử trụ aii. 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. 1 ⎟⎠ b) Thuật toán Khử Gauss Input: n. do đó có thể làm giảm độ chính xác của nghiệm tìm được.(-5) det ⎜ 0 1 1.5 ⎜ ⎟ ⎜ 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+ x2.8 ⎟ ⎜0 3 1 .6 ⎟ .5 .

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

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

6000 -1.2 x 2 − 0.0009 -1.1x 2 − 0.9500 0.6 ⎪ ( k +1) = −0.0001 6 1.1x3 +1 − 0.2 + 0 .4) i =1 n ∑b 2 ij j =1 <1 (7-2.4000 0.0000 -1. 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 (4-2.4.9951 1. b] với sai số không vượt quá 10-3.0001 1.0052 4 1.25 x1( k +1) + 0.0600 3 0.8 57 .0000 Ví dụ 2-2.6000 2 0.4.0000 0.2 x3 + 1 .9400 -0.9948 -0.25 x1( k +1) − 0.9975 1.1x1 = − 0.NCT-FIT-HNUE Computional methods and Optimization Problems n r1 = max ∑ bij < 1 (i) i (5-2. k x1( k ) x 2( k ) x3( k ) || x ( k ) − x || ∞ 1 1.9998 0.1x1 − 0 .0144 0.0009 5 1.25 x 2( k +1) + 1 ⎩ x3 cho thấy phương pháp Gauss-Seidel thực sự hội tụ nhanh.4) Ví dụ 1-2.4) j =1 n r2 = max ∑ bij < 1 (ii) j n r3 = ∑ (iii) i =1 (6-2.0000 1.2 x 2( k ) − 0.4) thì ⎧ x1( k +1) = 0.0002 0. ⎡10 2 1 10⎤ ⎢ 1 10 2 10⎥ ⎢ ⎥ ⎢⎣ 1 1 10 8 ⎥⎦ Áp dụng công thức (4-2.0001 0.0000 -1.4) ta có ⎧ x1 ⎪ ⎨ x2 ⎪x ⎩ 3 = = − 0. Giải hệ cho dưới dạng ma trận [A.25 x3( k ) − 1 ⎨ x2 ⎪ ( k +1) = −0.0000 0.4 x3( k ) + 1.

997 0. 0. Tính các thành phần yi cho nghiệm tiếp theo..3. .737 1. . Output: véct tơ nghiệm x.1 0 − 0 .xi6| < 10-3 ∀ i = 1.NCT-FIT-HNUE Computional methods and Optimization Problems Ta có − 0.58 3 0.2 0. x3. Nhập nghiệm xuất phát x = (x1.016 0.2 ⎟ ⎜ 0 .8 ⎟ ⎢⎣− 0. Nhập sai số ε 3. 1..738 1. ai (i=1 Æ n.xi| ≥ ε thì gán stop = false. cột n+1 là vế phải của phương trình. j = 1 Æ n+1) 2.1⎤ ⎡ 0 ⎛ 1 ⎞ ⎜ ⎟ ⎢ ⎥ B = ⎢ − 0 .2 − 0. c) Thuật toán Gauss-Seidel Input: n. . Lặp quá trình sau đây 4. 1. x2. 0. Khởi tạo stop = true 4.3 < 1 thỏa mãn điều kiện hội tụ nên ta có thể áp dụng phương pháp Gaussi j =1 Seidel. 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.626 Nghiệm của hệ là x = (0.n+1) là ma trận các hệ số..8)t. tương tự tính x2..2 ⎥ .626 7 0. g = ⎜ 1 . ma trận a(n.754 1.xn) /* Ta gọi nghiệm thứ k là x.yn) */ 4.733 0.626) vì |xi7 .94 0.1.627 6 0.1 0 ⎥⎦ ⎝ ⎠ n Do r1 = max ∑ bij = 0. y2.002 0. e) Thay xi = yi 58 .8 2 0.001 0.001 0.737.1 − 0..n+1 . và bảng kết quả là k x1(k) x2(k) x3(k) 1 1.S)/aii d) Nếu |yi . nghiệm thứ k+1 là y = (y1.2.623 5 0.68 0. 0.2.2. 0)t thay vào ta được x1 = (1.638 4 0. Chọn x0 = (0. Algorithm: 1.737 1.001. Nhập n.

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

8 0..78 0.02 0 0 0.8 + 0. 1).8 0.76 R21 = R20 + b23.78 0 0.01 0 0 0 0 0. ∀i =1.01 0 0 0 0. n) thì xk = (x1k.99 0. 0.R30 = 0.78.92 0 0. R21.7.8 = 0.07 0.2 × 0.8. 60 .96 0.03 0.99 1 1 1 Vậy nghiệm của hệ là x = (1.01 0. x2k.78 Æ R1 = (R11.19 0.76..2 x 3 + 0. R20..7 + 0. 1.6 + 0. ta có bảng kết quả x1 0 x2 0 x3 R1 R2 R3 0 0.6 + 0. 0. Ví dụ 1-2. .R30 = 0. 3.92 0. 0.17 0. 0) Æ R0 = (R10.7 + 0.2 x1 ⎪0.. 2.01 0 0.2 x2 ⎪ ⎨0.b] sau ⎡ 10 − 2 − 2 6⎤ ⎢− 2 10 − 1 7 ⎥ ⎢ ⎥ ⎢⎣ 1 1 − 10 8 ⎥⎦ Giải: Biến đổi hệ về dạng ⎧0. R30) = (0. 0.7 0.1x 1 ⎩ + 0 .99 0. Giải hệ cho bởi ma trận [A.1x2 − − x2 x3 = 0 = 0 Cho x0 = (0..2 x 3 − x1 = 0 + 0 . .8) R30 = max{|Ri0|} = 0. xnk) là nghiệm của hệ.04 0 0.6.5.. x31 = x30 + R30 = 0.01 0. 0) Tương tự.1 × 0.18 0.08 0 0. R31) = (0.6 0.8 Tính lại các số dư: R31 = 0 R11 = R10 + b13.NCT-FIT-HNUE Computional methods and Optimization Problems Cứ tiếp tục quá trình lặp trên cho đến khi |Rik| < ε (∀i=1.8 = 0.76 0.

. Nhập n. /* Tính lại r[i] và kiểm tra khả năng lặp tiếp theo */ d = r[k]. } 5.n+1) là ma trận các hệ số. ma trận a(n. for i = 1 Æ n { r[i] = r[i] . Khởi tạo đầu lặp continue = true 6.i] = 1. for j=1 Æ n r[i] = r[i] .13) về dạng (3. Lặp khi continue = true continue = false. (i= 1. ….Phương pháp chỉ thực hiện được khi aii ≠ 0.NCT-FIT-HNUE Computional methods and Optimization Problems b) Thuật toán Giảm dư Input: n. aij. Algorithm: 1. k = i. for i = 1 Æ n if (max < |r[i]|) {max = r[i].14) 3. Xuất nghiệm x[i]. n) for i = 1 Æ n { r[i] = a[i. n} và tính lại xs */ max = |r[1]|. 2. .} 7. n) Lưu ý: .. } 4. i = 1. 2..i]. a[i. for i = 1 Æ n { for j = 1 Æ n+1 if (i!=j) a[i.a[i. Biến đổi hệ từ dạng (3.a[i. if (|r[i]| ≥ ε) continue = true. nếu không phải đổi hàng.Quá trình hội tụ không phụ thuộc vào x0 mà chỉ phụ thuộc vào bản chất của hệ phương trình. /* Tìm rs = max{|r[i]|. n+1].j] / a[i. . xi 2. cột n+1 là vế phải của phương trình. 2. 61 . k = 1. …. k] * d. Tính r[i] ban đầu (i = 1. Output: véct tơ nghiệm x.} x[k] = x[k] + r[k].j] * x[j].

Ví dụ 1-2. Khi đó người ta thu được không phải là hệ (1-2.6).Mọi hệ phương trình có giá trị riêng λ ≥ 1 đều hội tụ đến nghiệm một cách nhanh chóng. Và tất nhiên nghiệm của hệ nhiễu này bây giờ không phải là x mà là x+δx. 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.Nếu các phần tử aii càng lớn hơn các phần tử trên dòng bao nhiêu thì quá trình hội tụ càng nhanh.01x 2 = 1 có nghiệm là x1= 1.01x 2 = 1.01 62 . Ví dụ 2-2. ta có (A + δA)( x+δx) = b+δb (2-2.6.6. 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. Hệ phương trình ⎧x1 + 2x 2 = 1 ⎨ ⎩x1 + 2. rất khác so với nghiệm của hệ đã cho.6.NCT-FIT-HNUE Computional methods and Optimization Problems . mà là hệ phương trình với ma trận nhiễu A+δA và vế phải nhiễu b+δb. Hệ với nhiễu nhỏ của vế phải ⎧x 1 + 2x 2 = 1 ⎨ ⎩x 1 + 2.0001x 2 = 3 có nghiệm là x1= 3. x2 = 0. Hệ phương trình ⎧2x 1 + x 2 = 2 ⎨ ⎩2x 1 + 1. x2 = 10. Trong khi đó hệ với nhiễu nhỏ của ma trận A ⎧x 1 + x 2 = 3 ⎨ ⎩x 1 + 1.01 lại có nghiệm là x1= -19. x2 = 3. 2. trong đó xảy ra hiện tượng “sai một ly đi một dặm”.6) Vấn đề đặt ra là liệu sự thay đổi δx của nghiệm có phụ thuộc liên tục vào sự thay đổi của dữ kiện đầu vào là δA và δb hay không. .6) trong đó các hệ số aij và bi được tính theo một công thức nào đó.6.01x 2 = 2. cụ thể là sai số nhỏ của dữ kiện dẫn đến sai số lớn của nghiệm. có thể là khá phức tạp cho nên không tránh khỏi sai số. Ví dụ 3-2. rất khác so với nghiệm của hệ đã cho. Như vậy. Hệ phương trình ⎧1.0001x1 + x 2 = 3 ⎨ ⎩x 1 + x 2 = 3 có nghiệm là x1= 0. x2 = 0.

Ta thấy A⎢ ⎥ = ⎢ Cho A = ⎢ ⎥ ⎢ ⎥ = ⎢ ⎥ = 3⎢ ⎥ ⎥ ⎣2⎦ ⎣8 − 1⎦ ⎣2⎦ ⎣6⎦ ⎣2⎦ ⎣8 − 1⎦ Vậy với x = (1.1.01x 1 + x 2 = 2.1: Giả sử A là ma trận vuông cấp n.05 lại có nghiệm là x1= 5. Phương trình (3-3. Định nghĩa 2-3. xn) khác (0. Do đó ta có (A . Chú ý trong cách viết Ax.λE)x = 0 (2-3. Nhưng hệ phương trình trên với sự thay đổi ít của ma trận A và vế phải ⎧2x 1 + x 2 = 2 ⎨ ⎩2. x ∈ Rn (1-3. ⎡1⎤ ⎡3 0 ⎤ ⎡1⎤ ⎡3⎤ ⎡1 ⎤ ⎡3 0 ⎤ .. Ví dụ 1-3.1) Đó là phương trình để xác định giá trị riêng của A. Để tìm giá trị riêng của ma trận vuông A cấp n.1) được gọi là phương trình đặc trưng của ma trận vuông A. Trong những thí dụ trên ta nói rằng hệ phương trình có nghiệm không ổn định. ….1) Đây là một hệ phương trình tuyến tính thuần nhất. Số λ gọi là giá trị riêng của A nếu phương trình Ax = λx. Giới thiệu Định nghĩa 1-3. 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.NCT-FIT-HNUE Computional methods and Optimization Problems có nghiệm là x1= 0. 0). 0.1. Vectơ x ≠ 0 này được gọi là vectơ riêng ứng với giá trị riêng λ. trong đó E là ma trận đơn vị cấp n. 3. 2) thì Ax = 3x Do đó giá trị riêng của A là 3 ứng với vectơ riêng là (1. ta viết Ax = λx thành Ax = λEx. x ∈ Rn. Hãy tìm các giá trị riêng của ma trận ⎡ 3 2⎤ A=⎢ ⎥ ⎣− 1 0⎦ Giải: Ta có 63 . Ví dụ 2-3.1) có nghiệm x = (x1. x2 = -8. khác xa so với nghiệm của hệ gốc đã cho.5. 2) ∈ R2. x2. x luôn hiểu là vecto cột. x2 = 1. Tính gần đúng giá trị riêng và véc tơ riêng của ma trận 3. ….1.1.

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

1 ta nhận được ma trận An-1 ~ A và có dạng ma trận Phơ-rê-be-mit P. .NCT-FIT-HNUE ⎡ 1 ⎢ 0 ⎢ M =⎢ . . • Lần biến đổi thứ n .. A1 ~ A Æ A2 ~ A. .3) Lần biến đổi 2 tương tự: Chọn M-1. Tại lần này: . 0 . a n.Hàng thứ n . Giải phương trình trên ta suy ra được các giá trị riêng λ... Computional methods and Optimization Problems 0 0 ⎤ 0 0 ⎥⎥ . ⎢ a n .2 của M bằng hàng thứ n -1 của A chia cho phần tử biến đổi và thương mang dấu âm.1 ⎢− ⎢ a n . Ta thu được A2 ~ A1. ⎢⎣ 0 p2 0 1 . 2 ...λE) = 0 ⇔ λn . 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..1và cột n .3.pn-1λ . Ví dụ 1-3. ⎥ 0 ⎥⎦ Khi đó giá trị định thức của P .3) a 1 n .. M sao cho A2 = M-1 A1 M ~ A1 và dòng thứ n -1 của A2 có dạng 0 0 0 .pn = 0. j ⎧ 1 ⎪a ⎪ = ⎨ n . 1 pn ⎤ 0 ⎥⎥ 0⎥ ⎥ ..λE) = (-1)n (λn .. ... • .Hàng thứ n . j ⎪⎩ a n .λE là det (P .1.. 1 0 0..pn) det (P ...p1λn-1 .2 của M-1 sẽ bằng hàng thứ n .2. pn−1 0 0 . Chú ý rằng P = M-1AM.. . . . ⎥ (2-3.1 của ma trận A.3) if j ≠ n −1 A1 = M-1 A M ~ A • (4-3.… .p1λn-1 .pn-1λ . ⎡ p1 ⎢1 ⎢ P=⎢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.n −1 a n . Hàng thứ n-1 của M bằng hàng thứ n của A chia cho phần tử biến đổi và thương mang dấu âm.. Nói cách khác ta có: M n −1.n ⎥ − ⎥ a n . Phần tử biến đổi của A ứng với lần thứ hai ở trên hàng n ...… ...n −1 a ⎪− n . Tìm giá trị riêng của ma trận 65 .n −1 if j = n −1 (3-3. a n .. ..n −1 ⎥ 0 1 ⎥⎦ Gọi phần tử biến đổi của ma trận A ứng với lần thứ nhất là phần tử ở hàng n và cột n .. .n −1 0 .n −1 ⎣⎢ 0 − 0 1 .

. ai. n) Output: Các giá trị riêng của ma trận A = (ai.. chọn M −1 ⎡1 ⎡ 1 5 − 5⎤ ⎢1 ⎢ ⎥ = ⎢0 1 0 ⎥ . 2.j (i.j) Algorithm: 1.j = 1.7λ2 + 14λ .4) = 0 ⇔ λ = 2.. n) 66 . Nhập a. chọn M −1 ⎡1 = ⎢⎢ 0 ⎢⎣ 0 0 1 1 0⎤ ⎡ 1 0 0 ⎤ ⎡1 0 0 ⎤ 2 ⎥⎥ . ⎡ 2 1 − 2⎤ A1 = M A M = ⎢⎢1 5 − 5⎥⎥ ⎢⎣0 1 0 ⎥⎦ -1 Lần 2.NCT-FIT-HNUE Computional methods and Optimization Problems ⎡2 1 0⎤ A = ⎢⎢1 3 1 ⎥⎥ . Dòng 2 của M bằng dòng 2 của A chia cho phần tử cột 1 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 . 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. λ = 1... 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. b) Thuật toán Đan-nhi-lep-ski tìm giá trị riêng Input: n.2)(λ . 2. n = 3 ⎢⎣0 1 2⎥⎦ Ta tìm ma trận Phơ-rê-be-mit: ⎡ p1 P = ⎢⎢ 1 ⎢⎣ 0 p2 0 1 p3 ⎤ 0 ⎥⎥ 0 ⎥⎦ Lần 1.1)(λ . . Dòng 2 của M bằng dòng 3 của A chia cho phần tử cột 2 lấy dấu âm.j) (i.. .8 = 0 ⇔ (λ . trừ vị trí ở chính cột 2 thì bằng 1 chia cho nó. trừ vị trí ở chính cột 1 thì bằng 1 chia cho nó. ma trận A= (ai.j = 1.

k]} /* Gọi hàm nhân 2 lần */ Lần 1: Nhân(input A..j = 1 Æ n) 3.A.y = λ.a[k+1. Y. output: B) Lần 2: Nhân(input: M1. output: A) 4.1 Æ 1 (phần tử biến đổi là ak+1. j] = 1} else {M[i.M.M n −1 .λ.k) /* Tính hai ma trận M và M1 (M1 là nghịch đảo của ma trận M*/ for i = 1 Æ n for j = 1 Æ n if i ≠ k if (i = j) {M[i. else M[i.E.λE)y = 0 67 .M-1.M 1−1 AM 1 M 2 . j] = 1.. M1[i..y = λ.y Nhân hai vế với M: M. Tìm vectơ riêng bằng phương pháp Đan-nhi-lep-ski a) Mô tả phương pháp Gọi y là vectơ riêng của ma trận P ~ A Ta có (P .λE)y = 0 Py = λEy M-1.M.NCT-FIT-HNUE Computional methods and Optimization Problems 2.4.4) Ax = λEx Vậy x là vectơ riêng của A Tính x theo công thức (9-3. k].4) Xác định vectơ y nhờ phương trình (P . output: Z) 3.M. B.j] = 1/a[k+1.A.y A. Xuất ai.j] = a[k+1. if (j = k) M[i.E.y = M.E. Định nghĩa hàm nhân 2 ma trận vuông cấp n: Nhân(input: X.j] = 0... Lặp k = n . j]. M.M.j (i.y Đặt vectơ x = My: (1-3.j] = . M1[i. j]/a[k+1. Mi và Mi-1 là ma trận M và M-1 xác định ở lần biến đổi thứ i và M = M1M2…Mn-1 (2-3.3) trong đó M và Y xác định bởi các công thức sau: P = M n−−11 M n−−12 .j] = 0} else {M1[i.

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

1) . Lặp k = n . 0. -1 . 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.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. ⎜3 ⎟ 4 ⎟⎠ ⎝ ⎠ ⎛1 ⎞ ⎛ 2 0 -1 ⎞ ⎜ ⎟ ⎟ ⎜ c) A = ⎜ 1 .1 3 ⎜ 1 -1 ⎝ .1⎞ ⎛ − 3⎞ ⎜ ⎟ ⎟ 1 ⎟' b = ⎜ 2 ⎟ .1 Æ 1 /* Tính 2 ma trận M. So sánh với nghiệm đúng x* ⎛11⎞ ⎛5 0 1⎞ ⎜ ⎟ ⎟ ⎜ a) A = ⎜ 1 3 . Giải các hệ phương trình Ax = b sau đây bằng phương pháp khử Gauss.3 2 10 ⎟ ⎝ ⎠ ⎠ ⎝ ⎛ 2 0 ⎜ b) A = ⎜ . M. ⎜1 ⎟ ⎝ ⎠ ⎛1 ⎞ ⎜ ⎟ x* = ⎜ 0 ⎟ . output: B) /* Gán lại ma trận B1 = B */ 3. x2 = (1. Xuất ai. output: A) Lần 3: Nhân(input: B1. M.j BÀI TẬP 1. M. ⎜ 4⎟ ⎜ 1 1 3⎟ ⎝ ⎠ ⎠ ⎝ ⎛ 2⎞ ⎜ ⎟ x* = ⎜1 ⎟ .j và bi. M1 như thuật toán tìm giá trị riêng*/ /* Gọi hàm nhân 3 lần */ Lần 1: Nhân(input: A. output B) Lần 2: Nhân(input: B1. ⎜1 ⎟ ⎝ ⎠ ⎛ − 1⎞ ⎜ ⎟ x* = ⎜ 0 ⎟ . 1) và x3 = (1. ⎜6 ⎟ ⎜ .1 ⎟' b = ⎜ 4 ⎟ . 2.3 1 ⎟' b = ⎜ 2 ⎟ . ⎜1 ⎟ ⎝ ⎠ 69 . Khởi tạo B1 = E 2.

⎜ 2 ⎟ ⎝ ⎠ ⎛3 ⎜ ⎜2 f) A = ⎜ 2 ⎜⎜ ⎝1 0 -1 1 ⎞ ⎛ 4⎞ ⎜ ⎟ ⎟ 2 1 .NCT-FIT-HNUE Computional methods and Optimization Problems ⎛ − 2⎞ ⎛ 2 -1 0 ⎞ ⎜ ⎟ ⎟ ⎜ d) A = ⎜ 2 5 . Cho hệ phương trình Ax = b với ⎛ −1 ⎞ ⎡ 2 -1 0 ⎤ ⎜ ⎟ ⎥ ⎢ A = ⎢.1 2 . ⎜ 2 ⎟ ⎜ 1 .1 ⎥ .2 ⎟' b = ⎜ − 4 ⎟. b = ⎜ 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. 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 = 9.1 2⎥⎦ ⎝ ⎠ Tìm nghiệm của hệ bằng phương pháp khử Gauss. ⎜ − 3⎟ ⎢⎣ 0 .5.1 3 1 ⎟' b = ⎜ 4 ⎟. ⎜ 4 ⎟ ⎜ 1 . x* = ⎜ −1 ⎟ ⎟⎟ ⎜⎜ 0 ⎠ ⎝ 3.01 y = 2. Dùng phương pháp đồ thị giải hệ phương trình sau 2x + y = 2 2 x + 1.01 Giải thích vì sao nghiệm thu được có thể sai khác rất lớn so với nghiệm đúng là x1 = 0. ⎜1 ⎟ ⎝ ⎠ ⎛ − 4⎞ ⎛ 3 -1 1 ⎞ ⎜ ⎟ ⎟ ⎜ e) A = ⎜ . 6. x2 = 1.1 3⎟ ⎝ ⎠ ⎠ ⎝ ⎛ − 1⎞ ⎜ ⎟ x* = ⎜ 0 ⎟ .1⎟ ⎜ − 1⎟ ' b = ⎜ ⎟. ⎟ -5 1 0 6 ⎜⎜ ⎟⎟ ⎟⎟ 1 -1 1 ⎠ ⎝1 ⎠ ⎛ 1 ⎞ ⎟ ⎜ ⎜ −1 ⎟ . Hãy đề xuất một phương pháp lặp giải hệ trên và biện luận sự hội tụ của nó. 70 . 10.1 3⎟ ⎝ ⎠ ⎠ ⎝ ⎛ − 2⎞ ⎜ ⎟ x* = ⎜ 0 ⎟ . 7.

1.) Sai số của các đạo hàm sai phân trên được đánh giá như sau: y x .b] và xi = a + ih.i = y i − y i −1 ∇y i = h h (i = 1.i ) (i = 1.2) 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.2) Sai số của công thức trên được ước lượng như sau y xx . i = 0. b].Đạo hàm sai phân lùi: thường để tính gần đúng đạo hàm tại điểm biên y’(xn) y x .i + y x .i − f ' ( x i ) = O ( h ) .1) y x . 71 . là các điểm mốc cách đều nhau. (4-1.i 1. n − 1) (7-1.i yi +1 − yi −1 1 = ( y x .1.Đạo hàm sai phân tiến: thường để tính gần đúng đạo hàm tại điểm biên y’(x0) y x . 1. i − f ' ' ( x i ) = O ( h 2 ) (8-1.1) .2.i = y i +1 − y i ∆y i = h h (i = 0. n) . n.Đạo hàm sai phân trung tâm: thường để tính gần đúng đạo hàm tại các điểm trong yο = x .1) y 0 − f ' ( xi ) = O ( h 2 ) . n) (2-1. i = yi +1 − 2 yi + y i −1 h2 (i = 1. Tính gần đúng đạo hàm Giả sử f (x) là hàm trơn trên đoạn [a. 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 . trong đó h = (b − a) / n.i − f ' ( x i ) = O ( h ) . n − 1) (1-1.1) . Đạo hàm cấp 1 . n − 1) 2h 2 (3-1. (6-1.1) x .NCT-FIT-HNUE Computional methods and Optimization Problems Chương 5 TÍNH GẦN ĐÚNG ĐẠO HÀM VÀ TÍCH PHÂN 1. Khi đó có thể tính gần đúng đạo hàm cấp một của hàm tại các điểm lưới nhờ các công thức đạo hàm sai phân sau. Cho gía trị của hàm tại các điểm lưới trên: yi = f ( xi ) (i = 0. (5-1.

do đó có thể áp dụng công thức Newton.) Ta xấp xỉ xi +1 ∫ f ( x)dx ≈ f ( xi +1 / 2 )h (2-2.2. 2 Ta có b n −1 xi +1 a i =0 xi ∫ f ( x)dx = ∑ ∫ f ( x)dx (1-2. 2. Cần tính b I = ∫ f ( x)dx (1-2.1) 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. n) với 1 h = (b − a) / n. b] thành n đoạn con [ xi . Vì thế người ta phải tìm cách tính gần đúng tích phân xác định.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. xi +1 ] (i = 0. Ý tưởng cơ bản của các phương pháp tính gần đúng tích phân là chia nhỏ khoảng tích phân [a.1. Công thức hình chữ nhật trung tâm a) Thiết lập công thức Chia đoạn [a.1) không có tác dụng. Tích phân trên toàn đoạn [a. (i = 0. cũng như tính đạo hàm cấp cao hơn ta sẽ sử dụng công cụ nội suy hàm số. Với các đa thức ta có thể tìm được các nguyên hàm của chúng. Ký hiệu xi +1 / 2 = ( xi + xi +1 ) là điểm giữa của mỗi đoạn con.Leibnitz tính tích phân trên mỗi đoạn con. Tính gần đúng tích phân còn có ý nghĩa khi hàm f (x) không cho ở dạng biểu thức toán học mà cho dưới dạng bảng số.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.2. n − 1) bởi các điểm xi = a + ih.Leibnitz b ∫ f ( x)dx = F (b) − F (a). b] thành các đoạn con và trên mỗi khoảng con xấp xỉ hàm số bởi một đa thức. 2. Trong những trường hợp ấy công thức (2-2. (2-2. b] .2) xi 72 . Tính gần đúng tích phân 2. b] sẽ là tổng các tích phân trên từng khoảng con.

5882 4 0. Ta có 73 .6919.4595 Theo công thức (3-2.2) 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.6667 3 0. 24 (4-2.2 ta lập bảng giá trị i+1/2 xi+1/2 yi+1/2 0 0.9091 1 0.7692 2 0. Với h = 0. (5-2.2) i =0 b) Đánh giá sai số: Người ta đã chứng minh được ước lượng sai số địa phương là: M2 3 h . điều đó có nghĩa là hình thang cong giới hạn bởi đường cong y = f (x) trên đoạn [ xi .5263 Σ=3. xn = b]: n −1 I CN ≈ ∑ f ( xi +1/ 2 )h (3-2.4595 = 0.2) M 2 = max f ' ' ( x) .2) suy ra công thức hình chữ nhật trung tâm tính gần đúng tích phân xác định trên đoạn [a = x0. Giải.2) 4 I hcn = h∑ yi +1/ 2 =0.3000 0.7000 0. 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 .2* 3.2) và (2-2. i =0 Bây giờ ta ước lượng sai số của giá trị tính được.1000 0.9000 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. Từ (1-2.NCT-FIT-HNUE Computional methods and Optimization Problems Về mặt hình học.5000 0.

6952) trong khi giá trị đúng của 24 tích phân là I = ln 2 = 0. 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. 0.0033.NCT-FIT-HNUE f ' ( x) = − Computional methods and Optimization Problems 1 .2) ta có ước lượng sai số 0 ≤ x ≤1 2 (0.3) Có thể viết (2-2.2) 2 = 0. (1 + x) 3 Do đó M 2 = max f ' ' ( x) = 2 .3) 74 .3) hoặc I ht ≈ b−a ( y0 + 2 y1 + . + 2 yn−1 + yn ) 2n (3-2.6931.. | E |≤ 2. Theo công thức (6-2. Do đó b n −1 a i =0 I = ∫ f ( x)dx ≈ ∑ h ( yi + yi+1 ).. 2 (1-2. (1 + x) 2 f ' ' ( x) = 2 . Vậy I = 0.3. 2 Vậy ta có công thức hình thang tính gần đúng tích phân xác định là ⎛ y + yn ⎞ + y1 + .3) trong dạng y + yn ⎞ ⎛ n I ht ≈= h⎜ ∑ yi − 0 ⎟ 2 ⎠ ⎝ i =0 (2’-2..6919 ± 0.6886.0033 = (0. + y n−1 ⎟ I ht ≈ h⎜ 0 ⎝ 2 ⎠ (2-2..3) trong đó để viết cho gọn ta đã ký hiệu yi = f ( xi ) .

8333 3 0.1 và bảng giá trị i xi yi 0 0.0000 1. Giải. (1 + x) 3 75 . (1 + x) 2 f ' ' ( x) = 2 .6938.6250 7 0.8000 0.5000 0.4000 0.1 * (7.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) Do đó sai số toàn phần của công thức hình thang sẽ là E ≤ M2 (b − a )h 2 .7000 0.3) y + y10 ⎞ ⎛ 10 I ht ≈ h⎜ ∑ yi − 0 ⎟ = 0.7692 4 0.6877 Theo công thức (2’-2. 12 (4-2. 2 ⎠ ⎝ i =0 Bây giờ ta ước lượng sai số của giá trị tính được.6667 6 0.3) Trong đó M 2 = max f " ( x ) x0 ≤ x ≤ xn c) Ví dụ 1 dx bằng công thức hình thang với số đoạn chia n =10 và đánh 1+ x 0 Tính gần đúng tích phân I = ∫ giá sai số.5882 8 0.7143 5 0.5556 9 0.5000 Σ=7.5263 10 1.0000 0.0000 1 0. 12 (5-2.2000 0.9091 2 0.5000/2 ) = 0.1000 0. Ta có f ' ( x) = − 1 .9000 0.3000 0.6000 0. Ta có h = 0.6877 – 1.

12 Vậy I = 0.3) 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. yi). 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 . Trên mỗi đoạn con ta sẽ xấp xỉ hàm y = f (x ) bởi đa thức nội suy bậc hai tại các điểm xi .4. (xi+1. Có thể viết lại công thức (1-2.0017. h Đặt xi + 1 xi + 1 xi xi I i = ∫ f ( x)dx ≈ ∫ L2i ( x)dx. yi+1/2). b] thành 2n phần bằng nhau với độ rộng h = (b .4) Công thức (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. (xi+2. . xi +1 / 2 . Theo công thức (5-2. Công thức Simpson (hay công thức Parabol) a) Thiết lập công thức Cũng như ở trên ta chia [a. xi +1 ] . 2. (xi+1. 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 ). yi+2).3) ta có ước lượng sai số 0≤ x ≤1 | E |≤ 2 (0.6931.a)/(2n) và trên mỗi đoạn kép [x2i.6938 ± 0. yi+1). yi). x2i+2] xấp xỉ hàm f(x) bởi bởi parabol qua 3 điểm (xi. Để tránh dùng chỉ số không nguyên người ta thường chia đoạn [a. (xi+1/2.NCT-FIT-HNUE Computional methods and Optimization Problems Do đó M 2 = max f ''( x) = 2.1) 2 = 0.0017 trong khi giá trị đúng của tích phân là I = ln 2 = 0. Kết quả tính tích phân ở vế phải cho ta Ii ≈ h ( yi + 4 yi+1 / 2 + yi+1 ) 6 Khi đó ta có công thức Simson tính gần đúng tích phân xác định: n −1 I sim ≈ ∑ i =0 h ( yi + 4 yi+1/ 2 + yi+1 ) 6 (1-2.4) Nhận xét 1. yi+1). Khi đó công thức Simpson có dạng: 76 .

4) suy ra được: I sim = ( I ht + 2 I cn ) / 3 . Giải.NCT-FIT-HNUE I sim = Computional methods and Optimization Problems b−a ( y 0 + 4 y1 + 2 y 2 + .4595 77 S2=4.7692 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 .. 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.. 2880 (7-2.9000 5 1.7000 4 0.5882 0.5000 S1=3. (3-2.5556 0.2000 1+1/2 0.4) trong đó M 4 = max f ( 4) ( x) . Lập bảng giá trị của hàm tại các điểm nút và điểm giữa i xi 0 0.4000 2+1/2 0.0000 yi yi 1. xi + 1 ei = ∫ f ( x)dx − xi 5 h ( yi + 4 yi +1 / 2 + yi +1 ) ≤ M 4 h 6 2880 (5-2.4) b) Đánh giá sai số Người ta đã chứng tỏ được rằng (xem sách Bakhvalov [5] trang 101). Ta có h = 0.5000 3 0.4) Nhận xét 2.0000 0. (6-2. (4-2.0000 1/2 0.3000 2 0.Từ các công thức (3-2.1000 1 0.3) và (2-2.8000 4+1/2 0.2.6000 3+1/2 0.6667 0.7143 0.8333 0.2). + 2 y 2 n − 2 + 4 y 2 n −1 + y 2 n 6n (3-2.9091 0.6250 0.4) Từ đây ta thấy rằng công thức Simpson đúng cho mọi đa thức bậc 3.5263 0.2282 .

Algorithm: 1. 4.4595 / 3 = 0. Ta có f ( x) = 1 .2 4 = 0. = 24 và ta có đánh giá 0≤x ≤1 E = I − I sim ≤ 24 × (1 − 0) × 0.4. 2. 3.75) / 3 + 2 * 0. (1 + x) f ( 4) ( x) = 24 . Khởi tạo h=(b-a)/n.4). Lặp for i=1 Æ n-1 2.NCT-FIT-HNUE Computional methods and Optimization Problems Theo công thức (2-2. Như vậy.00001333. 2.2 * (4. x2=x2=h. 2. và Simpson. 2. Isim 78 . x1=x1+h.2 * 3. x2=a. Gán Icn=h*Icn. Icn=Icn+f(x1).69314718. b. (1 + x) 5 Do đó M 4 = max f ( 4 ) ( x) .1.2.5. Bây giờ ta ược lượng sai số theo công thức (7-2. Isim là các giá trị gần đúng của tích phân I = ∫ f ( x)dx tương ứng bởi các a công thức hình chữ nhật trung tâm. Icn=f(x1).3.69314667 trong khi giá trị đúng của tích phân là I = ln 2 =0. b] b Output: Ihcn. 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!). hàm f (x) trên đoạn [ a. sim” tính gần đúng tích phân xác định Input: a. hình thang. sai số thực sự của Isim là 0. Iht=Iht+f(x2). Iht.00000051. Isim=(Iht+2*Icn)/3.4) ta có I sim = y + y 5 ⎞ 2h 4 h⎛ 5 ⎜ ∑ yi − 0 ⎟+ ∑ yi +1 / 2 3 ⎝ i =0 2 ⎠ 3 i =0 = 0. n.2282 – 0. return Icn. 2. Iht. ht. Iht=f(x2). x1=a+h/2. Các thuật toán “hcn. Iht=h*Iht.

Công ty dự trữ ba loại nguyên liệu I. . Ví dụ mở đầu a) Phát biểu bài toán . xn)t ∈ X ⊂ Rn để cực đại hóa hàm f(x) sau đây: n f ( x) = ∑ c j x j → max (1-1. j = 1. g2(x) = x1 + 2x2. . và II.. g3(x) = x2 là các hàm tuyến tính.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. Một công ty sản xuất 2 loại sản phẩm A và B . III với số lượng tương ứng là 8.2) j =1 79 . 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 . b) Mô hình toán học của bài toán Xét vectơ cột x = (x1. Tiền lãi của một đơn vị sản phẩm A là 4 triệu đồng..1. Mô hình bài toán tối ưu tổng quát Bài toán tối ưu tổng quát P có dạng: Tìm phương án x = (x1. 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 . 7. 3. II. . 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. x2)t.. Giới thiệu bài toán tối ưu tổng quát 1.2. trong đó x1 và x2 lần lượt là số lượng sản phẩm A và B tương ứng cần sản xuất. Sử dụng ba loại nguyên liệu I. II.NCT-FIT-HNUE Computional methods and Optimization Problems Chương 6 BÀI TOÁN QUI HOẠCH TUYẾN TÍNH 1. x2.

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

x3. m và n ∑α i =1 i =1 Định nghĩa 2-2.3 ⎩ = 7 = 9 = 2 2.với x3+. i = 1. Tập lồi và đa diện lồi Định nghĩa 1-2.3 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.xj. Tổ hợp lồi : Cho m điểm x1. j = 1.x4 + 0.1 Trong mặt phẳng R2: 81 .. tức là: dAB = { M ∈ Rn | M = αA + (1-α)B. j j =1 n n ∑a j =1 i.1. x5 ≥ 0 và thay biến x3 không phụ thuộc dấu bởi hai biến phụ thuộc dấu: x3 = x3+ . …..2 ≤ 7 ≥ 9 = 2 Thêm biến phụ x4 ≥ 0.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-) + 0. kí hiệu là dAB. + α m x m = ∑ α i xi i =1 với α i ≥ 0. xm trong không gian Rm. được định nghĩa là một tổ hợp lồi của tập hai điểm A và B. x2.1. m nếu m x = α1 x1 + α 2 x 2 + .1. Điểm x gọi là tổ hợp lồi của các điểm xi.với xj+ và xj. Đoạn thẳng: Đoạn thẳng đi qua hai điểm A và B ∈ Rn. i = 1. j + yi = bi j =1 (4) Một biến xj không phụ thuộc dấu có thể thay bằng hai biến phụ thuộc dấu xj = xj+ .> 0 Ví dụ 1-1.> 0 ta được bài toán mới tương đương là một bài toán dạng chính tắc: f(x) = x1 + 4x2 -3(x3+ . j − yi = bi i.x3. j = 1.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 . Đặc điểm của tập các phương án của bài toán QHTT 2. j ≤ bi ⇔ ∑ ai . 0 ≤ α ≤ 1} Ví dụ 1-2.2.

trong đó mọi điểm bên trong đều có thể biểu diễn dưới dạng tổ hợp lồi của các đỉnh đa giác . Tập lồi: Cho S ⊂ Rn. A B Định nghĩa 4-2.1 Trong mặt phẳng R2. các đỉnh của các đa giác lồi là các điểm cực biên. • Đa diện lồi là một tập lồi. thì các điểm còn lại đó chính là các điểm cực biên của đa diện lồi. nếu ta loại bỏ những điểm mà nó có thể biểu diễn được dưới dạng tổ hợp lồi của các điểm x1. Nói cách khác. x2 y2 x3 y3 x1 y1 x4 y4 x5 y5 Đa diện lồi Tập lồi đa diện 82 . với 2 điểm bất kì x1. 1]. xm còn lại.1 Trong mặt phẳng R2. Nếu một đa giác không có cạnh thì phần mặt phẳng tạo bởi đa giác là một tập lồi đa diện. Định nghĩa 5-2.1. Ví dụ 2-2. Điểm cực biên: Xét các điểm x trong tập lồi S ⊂ Rn. • Tập lồi đa diện là một tập lồi không giới nội Ví dụ 3-2. tức là: dAB = { M ∈ R | M = αA + (1-α)B. xm nào đó cho trước. • 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.1.1. …. 0 ≤ α ≤ 1} Định nghĩa 3-2.các điểm cực biên. các đa giác lồi là các tập lồi. …. Điểm x* ∈ S được gọi là điểm cực biên nếu x* không thể biểu diễn được dưới dạng tổ hợp lồi thật sự của hai điểm phân biệt trong S. 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. Ví dụ 3-2. Chúng sinh ra đa diện lồi. các đa giác lồi là các đa diện lồi.1 Trong mặt phẳng R2. x2 ∈ S thì x = αx1 + (1-α)x2 ∈ S với ∀ α ∈ [0. 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.

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

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

ngược lại ta nói rằng nó là phương án suy biến. 3. 0 .. (4) Bằng cách nào để tìm pacb mới tốt hơn pacb cũ? Điều này dẫn đến Định lí 3-3. j = 1.2 dưới đây để cải thiện hàm mục tiêu. 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. 0)t là các phương án thuộc D. hoặc J = {2. 3}. Các định lý cơ bản của thuật toán đơn hình Xét bài toán QHTT dạng chính tắc: f(x) = <c. Phương án x2 suy biến và J0 = {2}. 2. Kí hiệu J0 là tập các chỉ số ứng với các thành phần xj0 > 0. tức là J0 = {j | xj0 > 0} Khi đó. Giả sử chọn J = {1. Ta có thể bổ sung vào J0 để được tập J sao cho |J| = 2.2. nhưng khi đã chọn thì phải cố định.j) m × n ⎧ Ax = b ⎨ ≥ 0 ⎩x Aj là các vectơ cột của A. còn các biến x32 và x42 là các biến phi cơ sở.2 dưới đây để kiểm tra dấu hiệu bài toán không có lời giải. . Phương án x1 không suy biến ứng với J = {3. 3x1 . 2} thì các biến x12 và x22 là các biến cơ sở.2) 85 .. • Nếu |J0| = m thì ta nói rằng pacb x0 là phương án không suy biến.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. Ví dụ 1-3.x2 . • Ta xét các vectơ cột trong A. 2) và x2 = (0. hệ vectơ {Aj}j ∈ J0 là độc lập tuyến tính (theo điều kiện cần và đủ để một phương án là pacb). j = 1. cách nào cũng được. 4}. các biến còn lại gọi là các biến phi cơ sở.2. Bài toán QHTT mà mọi pacb đều không suy biến gọi là bài toán không suy biến. x20. 4}. • 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. hoặc J = {2. 0 .4 ⎩ j Nhận xét : x1 =(0. 2}. hay ∑x j∈J 0 j Aj = b (1-3.. Vì rank(A) = m nên nếu |J0| < m thì ta sẽ bổ sung để thu được tập J (chứa J0) sao cho |J| = m. Với pacb đang xét. xn0) là một pacb. ta gọi các biến xj với j ∈ J là các biến cơ sở. x> Æ max Trong đó A = (ai. 4. n Giả thiết rank(A) = m • Giả sử x0 = (x10.2x3 Æ max ⎧ x1 + 2 x2 + x3 = 4 ⎪ D : ⎨ x1 + x2 + x4 = 2 ⎪ x ≥ 0. ví dụ J = {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. 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 .k ai .2) có thể tính được nhờ giải hệ sau : ai . k c j − ck (5-3. 4} và cơ sở {A3.k được xác định trong công thức (2-3. của bài toán QHTT chính tắc đã cho.k trong (2-3.k (2) Với k = 2 cũng tương tự như thế ta rút được các công thức (1) và (2).2) j∈J trong đó các hệ số xj.2) j∈J Nếu các vectơ cơ sở là các vectơ đơn vị thì ta có ngay : x j .k = ∑ x j .2) khi k ∈ J thì xk.k (4-3. • Ta cần lập một đại lượng ∆k quan trọng sau đây : ∆ k = ∑ x j . i = 1.k A j (2-3. A1 = x31A3 + x41A4 hay ⎢ 11 ⎥ = x31 ⎢ 13 ⎥ + x41 ⎢ 14 ⎥ ⇔ ⎢ ⎥ = x31 ⎢ ⎥ + x41 ⎢ ⎥ ⎣1⎦ ⎣0 ⎦ ⎣1 ⎦ ⎣a21 ⎦ ⎣a24 ⎦ ⎣a23 ⎦ ⎧a = x31. A1 A2 A3 A4 J = {3.2 Xét lại bài toán ở vị 1-3.a13 + x41a14 Æ ⎨ 11 Æ tổng quát là ai .2 ở trên ⎡a A = ⎢ 11 ⎣a21 a12 a22 a13 a23 a14 ⎤ ⎡1 2 1 0⎤ = a24 ⎥⎦ ⎢⎣1 1 0 1 ⎥⎦ . xn)t là một phương án bất kỳ. x2. j .….2). Do đó ta chỉ cần xét Ak với ∀ k ∉ J.k = ai .k = ai .2) j∈J Rõ ràng trong công thức (2-3.k ai .2) ở trên.2: Giả sử x = (x1.k = ∑ x j .2. Trong công thức (5-3. i = 1. m (1) j∈J ⎩a21 = x31a23 + x42 a24 ⎧ x = a14 = 1 Æ ⎨ 31 ⎩ x41 = a21 = 1 Æ tổng quát là x j . Ví dụ 2-3.k =1 và xj. …. A4} gồm các vectơ đơn vị ⎡a ⎤ ⎡a ⎤ ⎡a ⎤ ⎡1⎤ ⎡1⎤ ⎡0 ⎤ k = 1. tức x ∈ D. Qua ví dụ trên ta rút ra được kết luận tổng quát như sau: Các hệ số xj.k 0 với ∀ j ≠ k. Khi đó ta có: 86 .2) tức là xj.k bằng chính các thành phần tương ứng của vectơ Ak cần tình.Computional methods and Optimization Problems NCT-FIT-HNUE Vì hệ vectơ {Aj}j ∈ J là độc lập tuyến tính nên mọi vectơ cột Ak. tổng Σ chính là giá trị của hàm mục tiêu tại các thành phần cơ sở biểu thị cho Ak. m (3-3. k = 1. Bổ đề 1-3. j .

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

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

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

s ⎪⎭ .4.2.2) x1j = x 0j − θ . Dòng r: dòng xoay . Cột s: cột xoay (9-3.k =δ xr . Dòng mới = Dòng cũ . Chọn vectơ Ar để đưa nó ra khỏi cơ sở mới. j = 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. xjr : phần tử thuộc cột xoay. Các thao tác này chính là thực hiện các công thức: (10a-3. s ⎪⎩ x j . Sau đó quay về bước 2.Dòng chính * ∆s Ví dụ 1-3. s 1 s (11a-3.2) xr0 =θ x = xr .s : phần tử trục . Cuối cùng tính lại các độ lệnh ∆k mới ∆k (mới) = ∆k (cũ) .k = xr . 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). 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). tức là tìm r sao cho ⎧⎪ x 0 ⎫⎪ xr0 = min ⎨ j | x j .k − δ .5. 4.k = x j . như vậy dòng r bây giờ là dòng s.NCT-FIT-HNUE Computional methods and Optimization Problems Bước 4: Nếu hai định lý 1-3.2.2) xs' .4. j ∈ J’ = J \ {r} ∪ {s} 4. kết quả thu được đặt ở dòng As.2) x 'j .4 ⎩ 90 . Trong cột cơ sở. Chọn vectơ As để đưa nó vào cơ sở mới.3.2) . Giải bài toán tối ưu sau bằng thuật toán đơn hình: f(x) = 21 .s . Kết quả được đặt ở dòng mới tương ứng. gọi là dòng chính.1.2. thay Ar bởi As.2) 4. Và ta có cơ sở mới gồm các vectơ cột {Aj }. gọi là dòng chính.Dòng chính * phần tử trên cột xoay Thực chất các thao tác trên là thực hiện các công thức : (10b-3.x j . Trong cột hệ số Cj : thay Cr bởi Cs .x j .3. Việc xây dựng x1 có thể tóm tắt lại như sau: 4. j ∈ J ' (11b-3. tức là tìm s sao cho ∆ s = min{∆ k | ∆ k < 0} (8-3.s > 0⎬ xr . xr.2 và 2-3.x2 + 3x3 + x4 Æ max ⎧ x1 + 2 x2 + x3 = 8 ⎪ D : ⎨2 x1 + x2 + x4 = 10 ⎪ x j ≥ 0. s 4.

8 + 1.000 91 . 4 nên theo định lý về “Dấu hiệu tối ưu” thì x0 = (0. 4 ∈ J nên theo định lý về “Dấu hiệu vô nghiệm” thì bài toán đã cho không có patu. 10. c2 c1 Cơ sở Phương Hệ số -1 3 án A1 A2 cj Aj . 4}.4 = -4.2. Ví dụ 3-3. ∆4 =∆5 = 0. ∆2 = 1.(-1) + 0. 0.1 + 1. Hệ số cơ sở J = {3. Giải bài toán tối ưu sau bằng thuật toán đơn hình: f(x) = -x1 + 3x2 + 4x3 .(-1) = 8.(-1) = 3. 10) là patu với giá trị tối ưu của hàm mục tiêu là f(x0) = 34. 5}.3 = -4. 8.5 ⎩ j Hệ số cơ sở J = {4. ∆3 =∆4 = 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. pacb x0 = (0.3 < 0 với j = 3.3 .4.1 . j = 1.4. Vì ∆k ≥ 0 với ∀ k = 1. 10) . 0. 20)t. 0. Ví dụ 2-3.1 . ∆2 = 3.2 = 3.2 + 0. Tồn tại ∆k = ∆3 < 0 (k=3 ∉J) và xj. ∆1 = 3.NCT-FIT-HNUE Computional methods and Optimization Problems ⎡1 2 1 0⎤ 0 t A=⎢ ⎥ . ∆3 = 1(-1)+0.(-1) . 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. 2 1 0 1 ⎣ ⎦ c2 c1 Cơ sở Phương án Hệ số 2 -1 A A cj 1 2 Aj . 3.10 = 34.x4 Æ max ⎧2 x1 − x2 − x3 − x4 = 10 ⎪ D : ⎨3 x1 + x2 − x3 + x5 = 20 ⎪ x ≥ 0. pacb x = (0.2 + 1.k = xj. 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. 8.2 .

2/8 = 1/4.Cột phương án: tính biến cơ sở xj1: .4x1 + 0. j = 1.8 Lãi/1 đvsp Mô hình toán học của bài toán là mô hình của bài toán QHTT dạng chuẩn tắc: f(x) = 0. đó là dòng chính • Tính các dòng còn lại: (dòng mới = dòng chính * phần tử cột xoay tương ứng) .2x2 + 0. 4 ⎪⎩ x j . 4 ⎪⎭ • Tính dòng chính: Chia các phần tử ở dòng xoay Ar cũ cho phần tử trục và đặt vào dòng chính As mới . x0 = (0. 0.(1/8)*0 = 3. phần tử ở cột xoay tương ứng là 1 92 . j = 1. 0.s x5.2x2 + 0.4 0.500 . 0. Dòng A7: 6 . phần tử trục x5.5 0.4 + 8 x4 ≤ 24000 ≤ 12000 + x4 ≤ 26500 Ta chuyển về bài toán QHTT dạng chính tắc: f(x) = 0.(1/2)*0 = 1 .500 .(1/4)*0 = 5 1 . 4/8 = 1/2.8x4 + 0x5 + 0x6 + 0x7 Æ max + 2 x2 + 4 x3 ⎧ x1 ⎪3 x + 5 x2 + x3 ⎪ 1 ⎨ + 3x3 ⎪6 x1 ⎪⎩ x j ≥ 0.3000*0 = 12.000. 24.000.500 0.Các cột Aj: tính xj.500) Tồn tại ∆k <0 do đó x0 chưa là patu.000 . ∆s = ∆4 = min {∆k | ∆k < 0} Æ s = 4 ⎧⎪ x 0j ⎫⎪ x50 xr0 = = min ⎨ | x j . Dòng A6: 3 .000 Máy III 6 0 3 1 26.4 = 8. ví dụ: . Dòng A6: 12.4x1 + 0. 6. 6. 7} xr . Cơ sở mới J = {4. 26.NCT-FIT-HNUE Computional methods and Optimization Problems Máy II 3 5 1 0 12. phần tử ở cột xoay tương ứng là 0 5 .2 0.Dòng A5 : 24000/8 = 3000. 7}.5x3 + 0.3. 4 > 0⎬ Æ r = 5..5x3 + 0.k.7 + 8 x4 + x5 = 24000 + x6 + x4 = 12000 + x7 = 26500 Minh họa cách tính theo các công thức (8Æ 11 .(1/8)*1 = 47/8 .000 .8x4 Æ max + 2 x2 + 4 x3 ⎧ x1 ⎪3x + 5 x2 + x3 ⎪ 1 ⎨ + 3 x3 ⎪6 x1 ⎪⎩ x j ≥ 0.Rồi đặt vào dòng A4 trong bảng đơn hình phần II. 12. .2): Ở lần lặp thứ nhất: J = {5. .Dòng A7: 26.3000*1 = 23.

7 nên theo định lý về “Dấu hiệu tối ưu” thì x = (4.Kể cả ∆k (mới) cũng tính = ∆k (cũ) .3) 0 -0..(1/2)*1 =5/2.000 1/8 1/4 1/2 1 1/8 0 0 0 A6 12.600 0 0.500 47/8 -1/4 5/2 0 -1/8 0 0 f(x) = 2400 (-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) = 3.5 (-0.NCT-FIT-HNUE Computional methods and Optimization Problems 0 . 0.2 -0. Ví dụ ∆’1= -0.000 3 5 1 0 0 1 0 0 A7 26. . 0.dòng chính * ∆s.600. . 2.500) Ví dụ 4-3.1 Tại bảng đơn hình lần lặp thứ 3.. và patu là x* = (4.4 A1 4.500.2 ≤ 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 ≥ 0.8 A4 2.1 0 0 0.8 0 0 0 án Hệ số A A A A A A A 1 2 3 4 5 6 7 Aj. j = 1.3. 0. 0.(1/4)*1 = -1/4 3 .4-(1/8)*(-0.000..000 [3] 5 1 0 0 1 0 0 A7 23.000. 2. 0) là patu.5 0.500 0 1/24 11/24 1 1/8 -1/24 0 0..4 0.4. c2 c3 c4 c5 c6 c7 c1 Cơ sở Phương 0..j∈J cj I II III 0 A5 24.8) 0 0 0 0.4 -0.8 A4 3. 0. j = 1.1 0 0.8)=-0. Vậy giá trị tối ưu của hàm mục tiêu là f(x*) = 3.5 = 8 + x4 = 7 + x5 93 = 3 .1 0. ta có ∆k ≥ 0 với ∀ k = 1.5 0 0 0 0. Giải bài toán Lập kế hoạch sản xuất trong ví dụ mở đầu: f(x) = 4x1 + 5x2 Æ max + x2 ⎧2 x1 ⎪x + 2 x2 ⎪ 1 ⎨ x2 ⎪ ⎪⎩ x j ≥ 0 .500 6 0 3 1 0 0 1 f(x) = 0 -0. 0.2 0.000 1 2 4 [8] 1 0 0 0 A6 12.

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

còn lại ai.j = 0 với ∀j = 2. Nói cách khác vectơ cột Ak của A là vectơ cơ sở thứ i của cơ sở.3 (≠ i = 1).2. Xét Bài toán P sau đây : f(x) = x1 + 6x2 + 3x4 .k = 0 với ∀j ≠ i. (3) đều là ràng buộc chuẩn. các thành phần còn lại tất nhiên bằng 0. A3. vectơ Ak này có thành phần thứ i bằng 1.k = a1. 2 (≠ i = 3). Ví dụ 1-4. .Ràng buộc (2) có biến chuẩn là xk(i) = x3(2) của điều kiện i = 2. Khi đó biến xk được gọi là biến chuẩn của điều kiện i. aj.Ràng buộc (3) có biến chuẩn là xk(i) = x1(3) của điều kiện i = 3. Định nghĩa ràng buộc chuẩn Xét bài toán QHTT dạng chính tắc . m vaf x0j =0 với ∀ j ≠ i. 4. j = 1.2. còn lại ai. . còn lại ai. .NCT-FIT-HNUE Computional methods and Optimization Problems .Ràng buộc (1) có biến chuẩn là xk(i) = x5(1) của điều kiện i = 1.3 = 1. tức là Ak = A1 là vec tơ cơ sở thứ ba có ai. i = 1. Ví dụ 2-4. A1} gồm các vectơ đơn vị. 3.15x5 Æ max 95 . 1}.j = 0 với ∀j = 1. ta có ngay pacb ban đầu x0 mà x0k(i) = bi ∀i = 1.Bài toán QHTT dạng chính tắc mà mọi ràng buộc đều chuẩn thì gọi là bài toán QHTT (chính tắc) chuẩn. Xét Bài toán f(x) = 0.x5 Æ max 3 x2 ⎧ ⎪ x3 ⎪ D:⎨ + x2 ⎪ x1 ⎪⎩ x j ≥ 0. do đó các ràng buộc (1).2. trong đó : . 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.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.j = 0 với ∀j = 1. 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. j x j = bi . (2).2 x1 + x2 + 5x3 + x4 . 3 (≠ i = 2). tức là Ak = A5 là vec tơ cơ sở thứ nhất có ai.5 = 1.Ràng buộc n ∑a j =1 i.k = a2.k = 1. Đối với bài toán chuẩn.k = a1.3 = 1.Thêm biến giả để có một cơ sở gồm các vectơ đơn vị. tức là Ak = A3 là vec tơ cơ sở thứ hai có ai. nói cách khác cơ sở là {A5.

I2 = {1. n Ví dụ : Bài toán P trong Ví dụ 2-4.5 ⎡0 A = ⎢⎢0 ⎢⎣1 A1 − 3 x4 − 5 x4 + x6 + 2 x5 + x7 = 0 (1) = 5 ( 2) + 4 x4 + x5 = 2 (3) 0 − 1 − 3 0 1 0⎤ 1 -7 − 5 2 0 1⎥⎥ 1 2 4 1 0 0 ⎥⎦ A2 A3 A4 A5 A6 A7 Khi đó ta có J = {6. Bài toán P2 cùng với số M lớn bao nhiêu tùy ý này được gọi là “bài toán M”. 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 .Mx6 . x> Æ max ⎧n ⎪∑ ai .15x5 . tức là Ak = A1 là vec tơ cơ sở thứ ba có ai. j x j ⎪ j =1 ⎪ x j ≥ 0. x> . j x j ⎪ jn=1 ⎪ D : ⎨∑ ak . k ∈ I 2 I2 là tập các ràng buộc không chuẩn j = 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. 0. 1} hay {A6. j = 1.Mx7Æ max (M lớn bao nhiêu tùy ý) − x3 ⎧ ⎪ x2 − 7 x3 ⎪ D:⎨ + x2 + 2 x3 ⎪ x1 ⎪⎩ x j ≥ 0. M. 0. 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.k = a3.1 = 1. Phương pháp phạt hay phương pháp bài toán M Bài toán P : Một cách tổng quát.2 (≠ i = 3). M).2 có I1 = {3}. ⎪ ⎩ = bi . A7. 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.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. 0.j = 0 với ∀j = 1. 2}.3. đủ để tạo thành một cơ sở có hạng bằng m. còn lại ai. i ∈ I1 I1 là tập các ràng buộc chuẩn = bk .NCT-FIT-HNUE Computional methods and Optimization Problems − x3 ⎧ ⎪ − 7 x3 x2 ⎪ D:⎨ + x2 + 2 x3 ⎪ x1 ⎪⎩ x j ≥ 0. 7.<M. j = 1. 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.

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

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

Ta chuyển về Bài toán M: f(x) = <c. 0.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. j = 1. 0. 7) c2 c3 c1 Cơ sở Phương Hệ 2 1 -1 án số cj A A A 1 2 3 Aj. 0.M 0. A6. x> = 2x1 + x2 .M (-5.M (-11M/3) 0.NCT-FIT-HNUE Computional methods and Optimization Problems − x2 + 2 x3 ⎧ x1 ⎪2 x + x2 − 3 x3 ⎪ 1 D:⎨ + x2 + x3 ⎪ x1 ⎪⎩ x j ≥ 0.M -5.M) 8.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. 2.4 − x4 = 2 (1) + x4 = 6 ( 2) + x4 = 7 (3) Bài toán P đã cho không có ràng buộc nào chuẩn. j = 1.4 − x4 + x5 + x4 + x6 + x4 + x7 = 2 (1) = 6 ( 2) = 7 (3) Cơ sở ban đầu là {A5.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). 6.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 . Pacb ban đầu là (0.

7 nên thu được patu là (3.NCT-FIT-HNUE Computional methods and Optimization Problems Bài toán M tại lần lặp thứ 4 có ∆k ≥ 0 với ∀ k = 1.. j = 1.. 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. BÀI TẬP Giải các bài toán tối ưu sau đây: 1.2.6 2. 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.. x1 + 3x2 + x3 → Min ⎧ x1 + x2 + x3 ≥ 5 ⎪ − x 2 − 2 x 3 = −8 ⎪ ⎨ ⎪ x1 + 2 x2 + x3 ≤ 10 ⎪⎩ x j ≥ 0. 3. 0) với giá trị tối ưu của hàm mục tiêu là f(x*) = 8.. 4..5.…. 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. j = 1..2. 0.2.0). Các biến giả x5 = x6 = x7 = 0.. 1. do đó bài toán P đã cho có patu là x* = (3. 3.2. 1.4 100 .3. 0. 0.. 0 .3. 3.

Sign up to vote on this title
UsefulNot useful