P. 1
Nct _ Phuong Phap Tinh Va Toi Uu _version1

Nct _ Phuong Phap Tinh Va Toi Uu _version1

|Views: 25,985|Likes:
Được xuất bản bởid-fbuser-28766794

More info:

Published by: d-fbuser-28766794 on Jun 06, 2011
Bản quyền:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

08/10/2013

pdf

text

original

Sections

  • MỞ ĐẦU
  • Chương 1 TÍNH GẦN ĐÚNG VÀ SAI SỐ
  • 1. Số gần đúng và sai số của nó
  • 1.1. Số gần đúng và sai số
  • 1.2. Chữ số có nghĩa và chữ số đáng tin
  • 1.3. Cách viết số gần đúng
  • Có hai cách viết số gần đúng
  • 1.4. Sai số làm tròn
  • 2. Sự lan truyền sai số
  • 2.1. Mở đầu
  • 2.2. Sai số của tổng
  • 2.3. Sai số của tích
  • 2.4. Sai số của thương
  • 2.5. Sai số của hàm bất kỳ
  • 3. Các loại sai số
  • 3.1. Các loại sai số mắc phải khi giải một bài toán thực tế
  • 3.2. Các loại đánh giá sai số phương pháp
  • BÀI TẬP
  • Chương 2. TÍNH GIÁ TRỊ VÀ XẤP XỈ HÀM SỐ
  • 1. Tính giá trị hàm số
  • 1.1. Thuật toán Hoocner tính giá trị đa thức
  • 1.2. Tính hàm nhờ chuỗi lũy thừa
  • 2. Bài toán nội suy hàm số
  • 2.1. Đa thức nội suy Lagrange trên mốc không đều
  • 2.2. Đa thức nội suy Lagrange với mốc cách đều
  • 2.3. Đa thức nội suy Newton trên mốc không cách đều
  • 2.4. Đa thức nội suy Newton trên mốc cách đều
  • 2.4.2. Đa thức nội suy Newton trên mốc cách đều
  • 2.5. Nội suy tổng quát (nội suy Hermit)
  • 3. Xấp xỉ bình phương cực tiểu
  • 3.1. Phương pháp chung
  • 3.2. Một số dạng hàm cụ thể
  • CHƯƠNG 3 GIẢI GẦN ĐÚNG PHƯƠNG TRÌNH PHI TUYẾN
  • 1. Nghiệm và khoảng phân ly nghiệm
  • 2. Phương pháp chia đôi
  • 2.1. Mô tả phương pháp
  • 2.2. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp chia đôi
  • 3. Phương pháp lặp đơn
  • 3.1. Mô tả phương pháp
  • 3.2. Cách chọn ϕ(x) thỏa điều kiện hội tụ của phương pháp lặp đơn
  • 3.3. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp lặp đơn
  • 4. Phương pháp tiếp tuyến (Newton)
  • 4.1. Mô tả phương pháp
  • 4.3. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp New
  • 5. Phương pháp cát tuyến
  • 5.1. Mô tả phương pháp
  • 5.2. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp Cát tuyến
  • 6. Phương pháp dây cung
  • 6.1. Mô tả phương pháp
  • 6.2. Sự hội tụ của phương pháp
  • Chương 4 PHƯƠNG PHÁP SỐ TRONG ĐẠI SỐ TUYẾN TÍNH
  • 1. Đại số ma trận
  • 1.1. Vectơ cột và vectơ hàng
  • 1.2. Ma trận
  • 2. Hệ phương trình đại số tuyến tính
  • 2.1. Giới thiệu
  • 2.2. Giới thiệu phương pháp Cramer
  • 2.3. Phương pháp khử Gauss
  • 2.4. Phương pháp Gauss-Seidel
  • 2.5. Phương pháp giảm dư
  • 2.6. Vấn đề ổn định của nghiệm của hệ phương trình
  • 3. Tính gần đúng giá trị riêng và véc tơ riêng của ma trận
  • 3.1. Giới thiệu
  • 3.2. Ma trận đồng dạng
  • 3.3. Tìm giá trị riêng bằng phương pháp Đa-nhi-lép-ski
  • 3.4. Tìm vectơ riêng bằng phương pháp Đan-nhi-lep-ski
  • Chương 5 TÍNH GẦN ĐÚNG ĐẠO HÀM VÀ TÍCH PHÂN
  • 1. Tính gần đúng đạo hàm
  • 1.1. Đạo hàm cấp 1
  • 1.2. Đạo hàm cấp hai
  • 2.1. Giới thiệu bài toán
  • 2. Tính gần đúng tích phân
  • 2.4. Công thức Simpson (hay công thức Parabol)
  • 2.5. Các thuật toán “hcn, ht, sim” tính gần đúng tích phân xác định
  • Chương 6 BÀI TOÁN QUI HOẠCH TUYẾN TÍNH
  • 1. Giới thiệu bài toán tối ưu tổng quát
  • 1.1. Ví dụ mở đầu
  • 1.2. Mô hình bài toán tối ưu tổng quát
  • 1.3. Dạng chuẩn tắc và dạng chính tắc
  • 2. Đặc điểm của tập các phương án của bài toán QHTT
  • 2.1. Tập lồi và đa diện lồi
  • 2.2. Đặc điểm của tập các phương án của bài toán QHTT
  • 3.2. Các định lý cơ bản của thuật toán đơn hình
  • 3.4. Thuật toán đơn hình
  • phương án cực biên ban đầu
  • 4.2. Định nghĩa ràng buộc chuẩn
  • 4.3. Phương pháp phạt hay phương pháp bài toán M

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

4
NCT-FIT-HNUE Computional methods and Optimization Problems
MỞ ĐẦU
1. Giới thiệu môn học Phương pháp tính
Có các tên gọi sau: Phương pháp tính (Computional methods), phương pháp số (Numerical
methods), Giải tích số (Numerical analysis), rộng hơn nữa là Toán học tính toán (Computional
mathematics, Numerical mathematics) (theo Bách khoa toàn thư về khoa học và kỹ thuật, NXB
Mc. Graw Hill 1992).
Là một khoa học nghiên cứu cách giải gần đúng, mà chủ yếu giải bằng số (gọi là giải số) các
phương trình, các bài toán xấp xỉ hàm số và các bài toán tối ưu hóa. Một cách ngắn gọn là giải
các bài toán bằng số trên máy tính.
2. Phân biệt toán tính và toán lí thuyết
Toán lí thuyết quan tâm đến các vấn đề định tính của bài toán: tồn tại, duy nhất, tính chất nghiệm
của các bài toán.
Toán tính quan tâm đến xây dựng phương pháp, thuật toán để để tìm nghiệm bài toán trên máy
tính.
Thuật toán được xây dựng phải thỏa mãn yêu cầu về tính khả thi và tính ổn định.
Một thuật toán là khả thi nếu nó thực hiện được trên máy tính. 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.
Ví dụ 1 (tính ổn định). Giả sử cần tính tích phân
) 1 (
1
1
0
≥ =


n dx e x I
x n
n
.
Tích phân từng phần: đặt u=x
n
thì du = nx
n-1
dx; đặt dv=e
x-1
dx thì v = e
x-1
ta được
. 1
1
1
1
0
1 1
0
1

− − −
− = − =

n
x n x n
n
nI dx e x n e x I
Ngoài ra ta có
. 3679 . 0
1
) 1 (
1
0
1 1
1
0
1
≈ = − = =
− −

e
x e dx e x I
x x

Như vậy, để tính ta thu được công thức truy hồi tính được In về mặt lý thuyết:
n
I
. 3679 . 0
, 2 , 1
1
1
=
≥ − =

I
n nI I
n n

Về mặt thực tế tính trên máy tính không cho kết quả mong muốn khi n lớn. Cụ thể là tính trên
máy tính với n=25 ta được bảng kết quả sau (liệt kê theo từng hàng)
0.3679 0.2642 0.2073 0.1709 0.1455
0.1268 0.1124 0.1009 0.0916 0.0839
5
NCT-FIT-HNUE Computional methods and Optimization Problems
0.0774 0.0718 0.0669 0.0627 0.0590
0.0555 0.0572 -0.0295 1.5596 -30.1924
635.0403 -13969.8864 321308.3881 -7711400.3133 192785008.8325
Kết quả giảm dần từ 0.3679 (khi n=1) đến 0.0555 (khi n=16)
Kết quả sau đó kết quả thay đổi thất thường và giá trị tuyệt đối tăng rất nhanh.
Điều này hoàn toàn không phù hợp với lý thuyết vì theo lý thuyết thì khi 0 →
n
I ∞ → n do đó
.
1
1
0
1
0
+
= ≤ ≤

n
dx x I
n
n

Hiện tượng kết quả tính toán nêu trên là sự không ổn định của thuật toán: sai số ban đầu khi
tính
n
I
3679 . 0
1
1
≈ =
e
I đã bị khuyếch đại trong quá trình tính.
Nguyên nhân: thay vì
e
I
1
1
= ta thu được , trong đó δ + =
1 1
~
I I δ là sai số. Giả sử các tính toán
tiếp theo không mắc phải sai số. Với n = 2 ta được
. 2 2 ) 2 1 ( ) ( 2 1
~
2 1
~
2 1 1 1 2
δ δ δ − = − − = + − = − = I I I I I
Thu được
2
~
I với sai số δ 2 |
~
|
2 2
= − I I . Tương tự, ở bước thứ n thay cho giá trị đúng ta thu
được giá trị gần đúng
n
I
n
I
~
với sai số δ ! |
~
| n I I
n n
= − . Do đó, dù δ có bé thì khi n đủ lớn, sai số vẫn
đủ lớn và ta không thể nhận được giá trị chấp nhận được là gần đúng cho .
n
I
Ví dụ 2 (tính khả thi). Cho hệ phương trình đại số tuyến tính
b Ax = , (1)
trong đó A là ma trận vuông cấp n với định thức khác 0.
Về lý thuyết có thể giải hệ trên bằng công thức Cramer


=
i
i
x , (i =1,..., n), (2)
trong đó , còn nhận được từ A det = ∆
i
∆ ∆ do việc thay cột thứ i bởi cột tự do b. 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. Mỗi định thức là tổng của n! số hạng, mỗi số hạng là tích của n thừa
số. Do vậy, để tính mỗi số hạng cần thực hiện n – 1 phép nhân. Như vậy, tất cả số phép tính nhân
cần thực hiện trong (2) là Q = n!(n+1)(n-1).
Giả sử n = 20. Khi đó . Nếu tốc độ của máy tính là 100 triệu phép tính/giây thì
thời gian để thực hiện khối lượng tính toán trên là giờ = năm. Một thời
gian lớn vô cùng! Và như vậy, thuật toán nêu trên là hoàn toàn không khả thi dù máy tính có
tăng tốc độ lên gấp hàng nghìn, hàng vạn lần.
20
10 * 7073 . 9 ≈ Q
9
10 * 2.6965
5
10 * 0782 . 3
6
NCT-FIT-HNUE Computional methods and Optimization Problems
Ở trên ta mới chỉ xét việc giải một hệ cỡ 20, mà thực tế khoa học và công nghệ đòi hỏi phải giải
các hệ phương trình đại số tuyến tính cỡ hàng vạn, hàng triệu hoặc hơn thế nữa. Vì thế, cần phải
nghiên cứu đề xuất các phương pháp hiệu quả để có thể giải được các hệ thống phương trình cỡ
lớn. Đó là một trong các nhiệm vụ của ngành Phương pháp tính.
Chương 1 gồm các nội dung sau:
Các khái niệm cơ bản: số xấp xỉ (hay số gần đúng), sai số tuyệt đối và sai số tương đối, chữ số có
nghĩa và chữ số đáng tin, cách viết số gần đúng, sai số quy tròn và quy tắc làm tròn để số còn lại
gồm các số đáng tin;
Sự lan truyền sai số đầu vào dẫn đến sai số đầu ra x f(x), từ đó tính được sai số của tổng, hiệu,
tích, thương.
Các loại sai số: giới thiệu các nguyên nhân dẫn đến sai số: sai số khi xây dựng mô hình hóa các
đối tượng, sai số về phương pháp thực hiện, sai số do tính toán. Và, cách đánh giá tiên nghiệm,
hậu nghiệm đối với sai số.
7
NCT-FIT-HNUE Computional methods and Optimization Problems
Chương 1 TÍNH GẦN ĐÚNG VÀ SAI SỐ
1. Số gần đúng và sai số của nó
1.1. Số gần đúng và sai số
Định nghĩa 1.1 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 ≈ , nếu sai khác không đáng kể. Nếu a A A a < thì
được gọi là xấp xỉ thiếu, còn nếu thì được gọi là xấp xỉ thừa của a A a > a A.
Thí dụ: Đối với số 2 A = thì
1
1, 41 a = là xấp xỉ thiếu, còn
2
1, 42 a = là xấp xỉ thừa vì
2 1, 4142135623... = ; đối với số 3,1415926535... π = thì 3,14 là xấp xỉ thiếu, còn 3,15 là xấp xỉ
thừa.
Định nghĩa 1-1.1 Số | | A a ∆ = − được gọi là sai số tuyệt đối của số gần đúng a .
Thông thường số đúng không biết nên ta cũng không biết chính xác sai số tuyệt đối của số
gần đúng , mà chỉ có thể đánh giá nó. Vì thế ta có thể xem đánh giá tốt nhất của ∆ là sai số
tuyệt đối giới hạn của , đó là số bé nhất có thể biết được, thỏa mãn điều kiện
A
a
a
a

a
A ∆ ≤ −α (1-1.1)
Từ bất đẳng thức trên suy ra

a a
a A a ∆ + ≤ ≤ ∆ − . (2-1.1)
Để đơn giản người ta thường viết
a
A a = ± ∆ để ám chỉ rằng
a
∆ là sai số tuyệt đối giới hạn c a ủ
a .
Ví dụ 1-1.1. Nếu coi 14 , 3 = a là xấp xỉ của π thì sai số tuyệt đối là 0, 002
a
∆ ≤ .
Sai số tuyệt đối không phản ánh đầy đủ mức độ chính xác của phép đo hoặc tính toán. Chẳng
hạn, đo chiều dài của hai thanh sắt bằng cùng một thước đo ta nhận được các kết quả sau:
1
± =

nhưng rõ ràng là phép đo thứ
Định nghĩa 2-1.1. Sai số tương đối của số gần đúng , ký hiệu bở
cm cm l
2
± =
Tuy sai số tuyệt đối của hai phép đo trên là như nhau (= 0,1 cm)
cm cm l
1 , 0 5 , 7
1 , 0 6 , 115
nhất chính xác hơn. Để thể hiện điều đó ta đưa vào khái niệm sau.
a i δ , là
A
a A
A

=

= δ (3-1.1)
ết
nhận sai số tương đối của số
gần đúng là số
với giả thi là 0 A ≠ .
Tuy nhiên, do số A và ∆ không biết nên trong thực hành ta sẽ chấp
a
a
δ d đây, gọi là sai số tương đối giới hạn của a ưới
8
NCT-FIT-HNUE Computional methods and Optimization Problems
a
a
a

= δ (4-1.1)
Người ta thường tính sai số tương đối bằng phần trăm. Vì thế
% 100
| |
×

=
a
a
a
δ .
Trở lại phép đo chiều dài của các thanh sắt ta thấy rằng sai số tương đối của là
1
l
1
0,1
100% 0, 09%
115, 6
δ = × = , của là
2
l
2
0,1
100% 1, 33%
7, 5
δ = × = . Rõ ràng là
1
δ nhỏ hơn rất nhiều
so với
2
δ và phép đo thứ nhất chính xác hơn nhiều so với phép đo thứ hai.
1.2. Chữ số có nghĩa và chữ số đáng tin
Một số viết ở dạng thập phân có thể gồm nhiều chữ số. Chẳng hạn số 20,15 có 4 chữ số; số
3,1412 có 5 chữ số.
Định nghĩa 1-1.2. 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.
Ví dụ 1-1.2. Trong các số sau, những chữ số được gạch dưới là những chữ số có nghĩa: 12,57;
20,15 ; 0,03047 ; 0,304500 .
Giả sử là số gần đúng của và có biểu diễn a A a
n m m − − − −
± α α α α α α α ... , ...
2 1 0 1 `

tức là

± =
+ + + + + + + + ± =






s
s
s
n
n
m
m
m
m
a
10 .
...) 10 . ... 10 . 10 . 10 . ... 10 . 10 . (
1
1
0
0 1
1
1
α
α α α α α α
(1-1.2)
trong đó
s
α là những số nguyên từ 0 đến 9, gọi là chữ số hàng thứ s của số a.
Định nghĩa 2-1.2. Gọi là sai số tuyệt đối của số , 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
của hàng thứ s (tức là
a
∆ a
s
a
10 .
2
1
≤ ∆ ), và gọi là chữ số nghi ngờ nếu sai số tuyệt đối của số a
không vượt quá một nửa đơn của hàng thứ s (tức là
s
a
10 .
2
1
> ∆ ), trong đó là sai số tuyệt đối
của số a.
a

Từ định nghĩa trên suy ra rằng nếu α
s
là chữ số đáng tin thì mọi chữ số có nghĩa bên trái nó đều
là đáng tin, và nếu α
s
là đáng ngờ thì mọi chữ số bên phải nó đều là đáng ngờ. 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.
9
NCT-FIT-HNUE Computional methods and Optimization Problems
Ví dụ 2-1.2. Số gần đúng a = 3.7284 với
a
∆ = 0.0047 có 3 chữ số đáng tin là 3, 7 và 2, còn các
chữ số 8 và 4 là đáng ngờ.
1.3. Cách viết số gần đúng
Có hai cách viết số gần đúng.
Cách 1: Viết kèm theo sai số
a
a ∆ ±
Cách này thường dùng để viết các kết quả đo đạc, thực nghiệm, trong đó là sai số của thiết
bị đo.
a

Ví dụ 1-1.3. 150 cm ± 0.1 cm; 65 kg ± 0.1 kg
Cách 2: Viết theo quy ước: mọi chữ số có nghĩa đều đáng tin, có nghĩa là sai số tuyệt đối
a

không lớn hơn một nửa đơn vị ở hàng cuối cùng.
Ví dụ 2-1.3. Theo cách này ta viết a = 23.54 nếu
2
1
10 0.005
2
a

∆ ≤ × = .
1.4. Sai số làm tròn
Khi thực hiện các tính toán nếu số có quá nhiều chữ số trong biểu diễn thập phân, chẳng hạn
=3.14151926535, 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
a
' a

ngắn gọn hơn và gần đúng nhất với . Việc làm này được gọi là quy
tròn hoặc làm tròn số. Số
a
'
|
a
a a' | θ = − được gọi là sai số làm tròn.
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, còn nếu chữ số bỏ đi đầu tiên < 5 thì để nguyên chữ số giữ lại cuối
cùng.
• 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, còn nếu là chẵn thì giữ nguyên.
Ví dụ 1-1.4. Đối với số =3.14151926535 ta làm tròn thành 3.141519, 3.14152, 3.1415, 3.142,
3.14 nếu cần giữ lại 6, 5, 4, 3 hoặc 2 chữ số sau dấu chấm thập phân. Sai số làm tròn tương ứng
không vượt quá
a
1
2
×10
-6
,
1
2
×10
-5
,
1
2
×10
-4
,
1
2
×10
-3

1
2
×10
-2
.
Ví dụ 2-1.4. Số 12.25 ta làm tròn thành 12.2 với sai số là 0.05 =
1
2
×10
-1
.
Bây giờ giả sử a là xấp xỉ của A với sai số tuyệt đối là
a
∆ . Giả sử ta làm tròn a thành a' với
sai số làm tròn là
' a
θ , tức là | a' - a| ≤
' a
θ . Kho đó sai số tuyệt đối của số a’ là
=| A-a’| = | A-a +a-a’| ≤ | A -a| + | a - a’| ≤
' a

a
∆ +
' a
θ
Như vậy việc quy tròn thường làm tăng sai số tuyệt đối. Điều này dẫn đến kết cục là sau khi làm
tròn một số chữ số đáng tin trở nên đáng ngờ.
10
NCT-FIT-HNUE Computional methods and Optimization Problems
Ví dụ 3-1.4. Cho a = 0.35 với =0.003. Do đó các chữ số 3 và 5 là đáng tin. Sau khi làm tròn
thành a’ = 0.4 ta có =
a
a

' a
∆ ∆ +
' a
θ = 0.003 + 0.05 = 0.053 >
1
2
×10 . Vì thế chữ số 4 trong a’ là
đáng ngờ. Trong trường hợp này không nên quy tròn số a .
-1
2. Sự lan truyền sai số
2.1. Mở đầu
Trên đây ta đã định nghĩa các loại sai số của một số gần đúng. Trong thực tế tính toán các đại
lượng gần đúng thường xuất hiện trong một biểu thức phức tạp. Thí dụ thể tích của hình cầu
được tính bằng V = (1/6)πd
3
, trong đó ta chỉ biết xấp xỉ của số π và đường kính d. Vấn đề đặt
ra là biết sai số của π và d, liệu ta có thể tính được sai số của V không. Một cách tổng quát,
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,y)
Giả sử x là xấp xỉ của giá trị đúng X, y là xấp xỉ của giá trị đúng Y và ta coi u là xấp xỉ của giá
trị đúng u = f(X,Y). Biết sai số về x và y, hãy tính sai số của u.
Ký hiệu ∆x = x - X là số gia của x, còn dx là vi phân của biến x.
Theo định nghĩa về sai số tuyệt đối, ta có | ∆x | ≤ ∆
x
.
Theo công thức vi phân của hàm nhiều biến ta có:
du =
x
u


dx +
y
u


dy
Từ đây ta có
∆u ≈
x
u


∆x +
y
u


∆y
Suy ra
y x u
y
u
x
u



+ ∆


= ∆ | | | | (1-2.1)
Chú ý: Công thức (1-2.1) là công thức quan trọng để tính sai số của hàm hai biến u = f(x,y) bất
kỳ dựa vào đạo hàm riêng của từng biến. Công thức (1-2.1) được sử dụng trong việc chứng minh
các công thức tính sai số của tổng, hiệu, tích thương biểu diễn hàm hai biến.
2.2. Sai số của tổng
Cho u = x y. ±
Ta có
11
NCT-FIT-HNUE Computional methods and Optimization Problems
x
u


= 1, 1
u
y

= ±

.
Do đó, từ (1.6) suy ra
(1-2.2)
y x
u ∆ + ∆ = ∆
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
y x
y x
u
u
u

∆ + ∆
=

=
) (
δ
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 δ
u
=∆
u
/ |u| = 0.01/ 0.15 =
0.066 trong khi sai số tương đối của x và y tương ứng là 000327 . 0
29 . 15
005 . 0
= =

=
x
x
x
δ ,
000330 . 0
14 . 15
005 . 0
= =

=
y
y
y
δ . Rõ ràng là sai số tương đối của hiệu lớn gấp 200 lần sai số tương
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 = 200 210 − ta có thể biến đổi
) 200 201 (
1
) 200 201 (
) 200 201 )( 200 201 (
+
=
+
+ −
= u
2.3. Sai số của tích
Giả sử u = xy. Ta có
x
y
u
=


.
Từ (1-1.2) suy ra
12
NCT-FIT-HNUE Computional methods and Optimization Problems

y x u
x y ∆ + ∆ = ∆
Do đó
y x
u
u
y
y
x
x
u
δ δ δ + =

+

=

=
Vậy

y x u
δ δ δ + = (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
0061 . 0
2 . 8
05 . 0
, 0032 . 0
6 . 15
05 . 0
= = = =
y x
δ δ . Theo (3-1.2) sai số tương đối của tích là
0093 . 0 0061 . 0 0032 . 0 = + =
u
δ . Vì u = x * y =15.6 * 8.2 =127.92 nên sai số tuyệt đối của u là
19 . 1 0093 . 0 * 92 . 127 | | = = = ∆
u u
u δ . Do đó, 19 . 1 92 . 127 * ± = Y X , 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 . Ta có: y x u / =
x
u


=
y
1
,
y
u


=
2
y
x

Từ (1.6) suy ra

y x u
y
x
y
∆ + ∆ = ∆
2
1

Do đó
y x y x u
u
y x x
y
y
x
y x
y
u
∆ + ∆ =








∆ + ∆ = ∆ =
∆ 1 1 1
| |
2
.
Suy ra:

y x y x
δ δ δ + =
/
(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 . Theo công thức vi phân của hàm nhiều biến ta có: ) ,..., , (
2 1 n
x x x f u =
du =
1
x
u


dx
1
+
2
x
u


dx
2
+ ... +
n
x
u


dx
n

Từ đây ta có
∆u ≈
1
x
u


∆x
1
+
2
x
u


∆x
2
+ ... +
n
x
u


∆x
n

Suy ra
n
x
n
x x u
x
u
x
u
x
u



+ + ∆


+ ∆


= ∆ ...
2 1
2 1
(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)πd
3
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
δ
V
= δ
π
+ 3δ
d
(Hệ số 1/6 không ảnh hương đến sai số tương đối)
δ
π
= 0.0016/3.14 = 0.0005
δ
d
= 0.05/3.7 = 0.0135
Suy ra δ
V
= 0.0005 + 3 * 0.0135 = 0.04
Giá trị gần đúng của thể tích là V = (1/6)πd
3
= 26.5 cm
3
. Do đó, ta tính được sai số tương đối
của nó là ∆
V
= |V|*δ
V
= 26.5*0.04 = 1.06 ≈ 1.1 cm
3
. Vì thế
V = 26.5 ± 1.1 cm
3
.
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
NCT-FIT-HNUE Computional methods and Optimization Problems
phải giải một bài toán bằng phương pháp gần đúng được gọi là sai số phương pháp. Đây là loại
sai số mà chúng ta cần quan tâm khi nghiên cứu các phương pháp gần đúng (giải tích hoặc số trị)
vì sai số này phản ánh chất lượng của phương pháp và thông qua nó có thể đánh giá được khối
lượng tính toán cần thiết để có được lời giải với một độ chính xác cho trước.
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. 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.
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.
3.2. 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.
Đánh giá sai số tiên nghiệm là đánh giá sai số nhận được trước khi thực hiện tính toán. Thí dụ,
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
0 1
*
1
x x
q
q
x x
n
n


≤ − ,
trong đó 0< q< 1, x* là nghiệm đúng, x0 là xấp xỉ ban đầu.
Đánh giá sai số hậu nghiệm là đánh giá sai số nhận được sau khi tính toán được nghiệm. Thí
dụ, sau khi tính được x
n
theo phương pháp lặp đơn (xem Chương 3) ta có đánh giá hậu nghiệm
1
*
1



≤ −
n n n
x x
q
q
x x
BÀI TẬP
1. Khi xác định hằng số khí của không khí, nhận được R =29.25. Hãy xác định các giới hạn
của R biết sai số tương đối giới hạn của R là 1%.
2. Đo trọng lượng của 1 dm
3
nước ở 0
0
C nhận được: p = 999.847g ± 0.001g
Hãy xác định sai số tương đối của phép đo trên.
3. Cho số e = 2.718281828459045... Hãy quy tròn số e đến chữ số có nghĩa thứ 13, 12 và
11 và xác định sai số quy tròn tuyệt đối.
4. Lấy a=2.718 thay cho số e. Hãy xác định sai số tương đối.
5. 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) 2.1514 b) 0.16152
c) 0.01204 d) - 0.00152281
15
NCT-FIT-HNUE Computional methods and Optimization Problems
Chương 2. TÍNH GIÁ TRỊ VÀ XẤP XỈ HÀM SỐ
1. Tính giá trị hàm số
1.1. 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) = a
0
x
n
+ a
1
x
n-1
+ a
2
x
n-2
+ … + a
n-1
x + a
n
(a
0
≠ 0)
Để tính giá trị p(x
0
) cần 2n-1 phép nhân và n phép cộng. Hơn nữa các số hạng của đa thức
thường lớn nên bất lợi trong tính toán.
Nếu ta phân tích đa thức thành
p(x) = (b
0
x
n-1
+ b
1
x
n-2
+ … + b
n-2
x + b
n-1
) ( x - x
0
) + b
n
(1-1.1)

Ta có ngay p(x
0
) = b
n
.
Khai triển (1-1.1) ta được:
p(x) = b
0
x
n
– b
0
x
n-1
x
0
+ b
1
x
n-1
– b
1
x
n-1
x
0
+ b
2
x
n-1
- … - b
n-1
x
n-1
x
0
+ b
n-2
x
2
– b
n-2
xx
0
+ b
n-1
x – b
n-1
x
0
x
0
+ b
n
=

b
0
x
n
+ (b
1
x
n-1
– b
0
x
n-1
x
0
)

+ (b
2
x
n-1
– b
1
x
n-1
x
0
) + … + (b
n-2
x
2
– b
n-1
x
n-1
x
0
)

+

(b
n-1
x - b
n-2
xx
0
) + (b
n

– b
n-1
x
0
)
=
k n
k k
n
k
n
x x b b x b


=
− +

) (
0 1
1
0
Vậy ta có đồng nhất thức :

=

− −
− + = + + +
n
k
k n
k k
n
n n
n
x x b b x b a x a x a
1
0 1 0 1 0
) ( ...
Đồng nhất hai vế ta có
b
0
= a
0
, b
k
- b
k-1
x
0
= a
k
, ∀ k = n , 1 hay
b
k
= a
k
+ b
k-1
x
0
, hay b
k
= a
k
+ c
k
với c
k
= b
k-1
x
0
Thuật toán Hoocner tính giá trị các hệ số của đa thức trong (1-2.1) như sau :





= ∀
+ =
=
=

n k
c a b
x b c
a b
k k k
k k
, 1
0 1
0 0
(2-1.1)
Hệ (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.
b) Sơ đồ tính bằng tay
Để tính bằng tay, ta biểu diễn (2-1.1) dưới bảng sau
16
NCT-FIT-HNUE Computional methods and Optimization Problems
a
0
a
1
… a
n
x
0
c
1
… c
n

b
0
b
1
… b
n
p(x
0
)=b
n
Ví dụ 1-1.1
Tính f(x) = 2x
5
- 3x
4
+ x
3
- 4x
2
+ 7x + 8 tại x = 2 như sau
2 -3 1 -4 7 8 2
4 2 6 4 22
2 1 3 2 11 30 p(2)=30

Chú ý: Khi phương trình p(x) = 0 có nghiệm x = x
0
thì lược đồ Hoocner cho phép tìm ước của
p(x) dưới dạng q(x) = b
0
x
n-1
+ b
1
x
n-2
+ … + b
n-2
x + b
n-1
1.2. Tính hàm nhờ chuỗi lũy thừa
Nếu hàm số y = f(x) dễ tính đạo hàm mọi cấp tại x = x
0
và biểu diễn hàm dưới dạng chuỗi Taylor
dưới đây hội tụ :


=
− =
0
0
0
) (
) (
!
) (
) (
k
k
k
x x
k
x f
x f (1-1.2)
thì ta có thể tính gấn đúng


=
− ≈
n
k
k
k
x x
k
x f
x f
0
0
0
) (
) (
!
) (
) ( (2-1.2)
và ước lượng sai số là :

1
0
) 1 (
)! 1 (
) (
) (
+
+

+
=
n
n
n
x x
n
c f
x R hoặc trực tiếp ước lượng từ phần dư của chuỗi.
trong đó c là điểm nào đó giữa x và x
0
Ví dụ 1-1.2. Tính sin 36
0

Đặt x = 36
0
= π/ 6 + π/30. Đặt x
0
= π/6, suy ra x – x
0
= π/30
Áp dụng công thức 2-1.2 với n = 1 và x
0
= π/6 ta có:
và ) ( ) ( ) ( ) (
! 1
) (
) (
! 0
) (
) (
0
'
0 0
1
0
0
) 1 (
0
0
0
) 0 (
x f x x x f x x
x f
x x
x f
x f − + = − + − =
Thay vào ta có sin 36
0
= sin (π/ 6 + π/30) = sin (π/6) + (π/30) cos (π/6) + R
1
17
NCT-FIT-HNUE Computional methods and Optimization Problems
=
1
2
3
.
30 2
1
R + +
π
trong đó
2
2
1
10
30 2
sin








=
π c
R
2. Bài toán nội suy hàm số
Một trong các bài toán cơ bản của giải tích số là nội suy hàm số. Bài toán này thường gặp trong
các trường hợp sau :
i) Cần phục hồi hàm số ) đối với mọi điểm x thuộc khoảng [a, b] nếu chỉ biết giá trị của nó
tại một số điểm . Những giá trị này thường là các giá trị quan sát, hoặc đo đạc
được.
(x f
] , [ ,..., ,
1 0
b a x x x
n

ii) Khi hàm cho bởi công thức quá phức tạp chẳng hạn ) (x f

+
+
=
2
) cos(
2
3
) sin(
) (
) (
x
x
t
dt
xt e
t x
x f
và cần tính ] ) (x f , [ b a x ∈ ∀ . Khi đó người ta tính gần đúng tại một số điểm rồi xây dựng
một hàm gần đúng với f(x) để tính các giá trị khác.
) (x f
iii) Ngoài ra, nội suy hàm số còn được sử dụng để xây dựng các công thức tính đạo hàm, tính
tích phân số hoặc tìm gần đúng nghiệm của phương trình.
Bài toán nội suy hàm một biến số được phát biểu như sau: Trên đoạn [a, b] cho tập các điểm
nút a < x
1
<...<x
n o
x ≤ ≤b và tại các điểm này cho các giá trị ) , 0 ( ), ( n i x f y
i
= àm ) (x f .
xây dựng hàm ) (x g d ính toán và trùng với hàm f ại các điểm nút trên tức là
i
= của h
Cần ễ t t ) (x
) , 0 ( , ) ( n i = y x g
i i
= . Hàm g(x) được gọi là hàm nội suy. Các điểm nút x
i
( n i , 0 = ) gọi là các
mốc nội suy.
Một số dạng hàm thường được dùng để nội suy hàm số là: ) (x g
- Đa thức đại số
- Hàm hữu tỉ, tức là phân thức đại số
- Đa thức lượng giác
- Hàm ghép trơn (spline), tức là hàm đa thức từng mẩu.
Trong chương này chúng ta chỉ tập trung vào nội suy bởi đa thức đại số - một công cụ nội suy
kinh điển và một phần về nội suy bởi hàm ghép trơn - công cụ nội suy hiện đại. Các dạng nội
suy khác sẽ chỉ được giới thiệu qua. Nếu không nói rõ hơn ta sẽ ngầm định hiểu đa thức là đa
thức đại số.
2.1. Đa thức nội suy Lagrange trên mốc không đều
2.1.1. Thiết lập đa thức nội suy Lagrange
Đa thức nội suy Lagrange của hàm y = f(x) tại các điểm mốc x
i
∈ [a, b] ( ) , 0 n i = cho bởi công
thức sau:
18
NCT-FIT-HNUE Computional methods and Optimization Problems

=
=
n
i
i i n
x l x f x L
1
) ( ) ( ) (
(1-2.1)
Trong đó đa thức l
i
(x) cho bởi công thức

=
≠ + −
+ −


=
− − − −
− − − −
=
n
j
i j j i
j
n i i i i i i
n i i
i
x x
x x
x x x x x x x x
x x x x x x x x
x l
0
1 1 0
1 1 0
) )...( )( )...( (
) )...( )( )...( (
) (
(2-2.1)
(Tử số khuyết nhân tử (x - x
i
), mẫu số khuyết nhân tử (x
i
- x
i
))
Ta thấy L
n
(x) thỏa mãn điều kiện nội suy
) , 0 ( ), ( ) ( n i x f x L
i i n
= = (3-2.1)
Thật vậy, dễ thấy rằng




=
= =
j i
j i
x l
ij j i
, 0
, 1
) ( δ (4-2.1)
Vì khi i = j, thay x ở tử số bởi x
i
thì tử số giống mẫu số. Khi i ≠ j thì trên tử số có số hạng dạng
(x
j
- x
j
) = 0 (lưu ý rằng tử số chỉ khuyết số hạng x
j
-x
i
). Thay (4-2.1) vào (1-2.1) ta thu được (4-
2.1)
Xét hai trường hợp đơn giản của đa thức nội suy Lagrange.
a) Nội suy Lagrange bậc nhất
Nội suy bậc nhất còn gọi là nội suy tuyến tính.
Khi n = 1, ta có hai mút nội suy x
0
và x
1
, và
0 1
0
1
1 0
1
0 1
) ( ) ( ) (
x x
x x
x f
x x
x x
x f x L


+


=
(5-2.1)
b) Nội suy Lagrange bậc hai
Khi n = 2 ta có ba nút nội suy và
2
x vµ
1 0
, x x
) )( (
) )( (
) (
) )( (
) )( (
) (
) )( (
) )( (
) ( ) (
1 2 0 2
1 0
2
2 1 0 1
2 0
1
2 0 1 0
2 1
0 2
x x x x
x x x x
x f
x x x x
x x x x
x f
x x x x
x x x x
x f x L
− −
− −
+
− −
− −
+
− −
− −
= (6-2.1)
trong đó i =0, 1, 2. ), (
i i
x f y =
Ví dụ 1-2.1. Xây dựng đa thức nội suy cho hàm x y π sin = tại các nút

6
1
, 0
1 0
= = x x và .
2
1
x
2
=
Giải. Ta có bảng giá trị của hàm
x 0 1/6 1/2
y 0 1/2 1
Áp dụng công thức (6-2.1) ta được
19
NCT-FIT-HNUE Computional methods and Optimization Problems
. 3
2
7
)
6
1
2
1
)( 0
2
1
(
)
6
1
)( 0 (
. 1
)
2
1
6
1
)( 0
6
1
(
)
2
1
)( 0 (
.
2
1
)
2
1
0 )(
6
1
0 (
)
2
1
)(
6
1
(
. 0 ) (
2
2
x x
x x x x x x
x L − =
− −
− −
+
− −
− −
+
− −
− −
=
Ví dụ 2-2.1. Tìm đa thức nội suy hàm trên đoạn [-1, 1] dựa vào giá trị của hàm tại các
điểm Sử dụng đa thức này tính gần đúng
x
y 3 =
. 1 , 1
1 0
= = − =
2
x 0, x x 3 .
Giải. Ta có bảng các giá trị của hàm tại các điểm đã cho:
x
y 3 =
x -1 0 1
y 1/3 1 3
Theo công thức (6-2.1) ta có đa thức nội suy
) 3 4 2 (
3
1
2
) 1 ( 3
) 1 )( 1 (
6
) 1 (
) 0 1 )( 1 1 (
) 0 )( 1 (
. 3
) 1 .( 1
) 1 )( 1 (
. 1
) 1 1 .( 1
) 1 (
.
3
1
) (
2
2
+ + =
+
+ − + −

=
− +
− +
+

− +
+
− − −

=
x x
x x
x x
x x
x x x x x x
x L

Để tính
2 / 1
3 3 = ta xấp xỉ
2
1
3
6
11
)
2
1
(
2
= ≈ L .
c) Đánh giá sai số
Vấn đề quan trọng đặt ra khi xấp xỉ hàm tại điểm x bất kì bởi đa thức nội suy là phải đánh
giá được sai số, tức độ lệch - ) . Định lí sau đây cho ta đánh giá đó.
) (x f
) (x f (x L
n
Định lý 4.2.1 Giả sử hàm số , tức là có đạo hàm liên tục đến cấp n+1 trên [a,
b] chứa tất cả các nút nội suy
) (x f ] , [
) 1 (
b a C
n+

i
x ) , 0 ( n i = . Khi đó sai số nội suy ) ( ) ( ) ( x L x f x R
n n
− = có dạng
), (
)! 1 (
) (
) (
1
) 1 (
x
n
f
x R
n
n
n +
+
+
= ω
ξ
(7-2.1)
trong đó ξ là một diểm phụ thuộc x và thuộc [a , b] và

=
+
− =
n
i
i n
x x x
0
1
) ( ) ( ω
Hệ quả. Đối với sai số của đa thức nội suy Lagrange cho hàm f(x) tại các mút
có đánh giá
n
x x x , , ,
0
K
] , [ b a ∈
, ) (
)! 1 (
) ( ) (
1
1
x
n
M
x L x f
n
n
n +
+
+
≤ − ω (8-2.1)

trong đó
b x a
n
n
x f M
≤ ≤
+
+
= ). ( max
) 1 (
1


=
+
− =
n
i
i n
x x x
0
1
) ( ) ( ω
Ví dụ 3-2.1. Cho giá trị của hàm y=sin x tại 3 điểm bởi bảng sau:
20
NCT-FIT-HNUE Computional methods and Optimization Problems
x 0
4
π

2
π

y 0 0,707 1
Tính gần đúng sin
3
π
nhờ đa thức nội suy và đánh giá sai số.
Giải. Đa thức nội suy hàm y=sin x xây dựng theo các điểm đã cho là
.
)
4 2
(
2
)
4
(
. 1
)
2 4
(
4
)
2
(
. 707 , 0 ) (
2
π π π
π
π π π
π


+


=
x x x x
x L
Ta có . 851 , 0 )
3
(
3
sin
2
≈ ≈
π π
L
Theo công thức (8-2.1)
. )
3
(
! 3
)
3
(
3
sin
3
3
2
π
ω
π π M
L ≤ −
Dễ tính được
, 1 cos max ) ( ' ' ' max
2
0
2
0
3
= = =
≤ ≤ ≤ ≤
x x y M
x x
π π

.
216 2 3
.
4 3 3
)
3
(
3
3
π π π π π π π
ω = − − =
Do đó 024 , 0
216 6
1
)
3
(
3
sin
3
2
= × ≤ −
π π π
L
Như vậy, sin
3
π
=0,851 0,024 ±
Chú ý. Công thức đánh giá sai số (4.8) được thiết lập với giả thiết Nếu điều
kiện trên không thoả mãn, tức là khi hàm không có đủ độ trơn cần thiết thì ta không thể nói
gì về sai số nội suy cả. Trong trường hợp này cần phải xem xét bài toán cụ thể.
]. , [ ) (
) 1 (
b a C x f
n+

) (x f
Ví dụ 4-2.1. Cho hàm bởi công thức = ) (x f ) (x f x .
Khi đó đa thức nội suy hàm tại các điểm ) (x f 1 , 1
1 0
= = − =
2
x 0, x x là đa thức
2
2
) ( x x L = .
Để đánh giá sai số ) ( ) (
2
x L x f − ta không thể áp dụng công thức (8-2.1) vì hàm không có
đạo hàm tại x = 0. Nhưng ta có thể đánh giá được sai số nội suy trên đoạn [-1, 1] như sau
) (x f
4
1
max max ) ( ) ( max
2
1
2
1
2
1
= − = − = −
≤ ≤ ≤
x x x x x L x f
x x x

21
NCT-FIT-HNUE Computional methods and Optimization Problems
2.1.2. Thuật toán nội suy Lagrange
Bài toán: Cho bảng các giá trị ( , ) ,
i i
y x ) , 0 ( n i = . Tính giá trị của đa thức nội suy
Lagrange tại điểm x cho trước theo công thức ) (x L
n
∑ ∏
=
=



= =
n
i
n
j
i j j i
j
i n
x x
x x
y x L y
0
0
) (
input: x, x
i
, y
i

) , 0 ( n i =

output: y là giá trị của hàm tại x
Algorithm:
1. Khởi tạo y = 0
2. for i = 0 n
2.1. P = 1; /* P chính là đa thức l
i
*/
2.2. for j = 0 n
if (j ≠ i)
P = P * (x - x
j
) / (x
i
- x
j
)
2.3. y = y + y
i
*P
3. return y
2.2. Đa thức nội suy Lagrange với mốc cách đều
Giả sử hàm f(x) nhận các giá trị y
i
tại các điểm tương ứng x
i
( n o i , = ) cách đều một khoảng h.
Đặt
h
x x
t
0

= , khi đó :
) (
...
)) 1 ( (
)) 1 ( (
...
) 1 (
.
1
1
1
0
n t h x x
i t h x x
i t h x x
t h x x
t h x x
n
i
i
− = −
+ − = −
− − = −
− = −
= −
+


) (
...
...
) 1 (
.
1
1
1
0
i n h x x
h x x
h x x
i h x x
i h x x
n i
i i
i i
i
i
− − = −
− = −
= −
− = −
= −
+


Do đó đa thức trong công thức (2-2.1) có dạng ) (x l
i
) .( ... . 2 . 1 . ) 1 .( 1 )... 1 (
) ))...( 1 ( ))( 1 ( )...( 1 (
) (
0
i n i i
n t i t i t t t
ht x l
i n
i
− − −
− + − − − −
= +

(1-2.2)
hay
1 0
) 1 ( )! ( ! ) (
) )...( 1 (
) (

− − −
− −
= +
n i
i n i i t
n t t t
ht x l (2-2.2)
22
NCT-FIT-HNUE Computional methods and Optimization Problems
Vậy công thức nội suy Lagrange (1-2.1) trong trường hợp mốc cách đều một khoảng h có dạng :

=

− −

− − = +
n
i
i
n
n
i n i i t
x f
n t t t ht x L
0
1
0
)! ( ! ) (
) ( ) 1 (
) )...( 1 ( ) ( (3-2.2)
hay

=


− − −
= +
n
i
i
n i
n
n
i t
C x f
n
n t t t
ht x L
0
1
0
) (
) ( ) 1 (
!
) )...( 1 (
) ( (4-2.2)
Ví dụ 1-2.2. Tìm hàm nội suy cho hàm f(x) thỏa mãn :
x
i
0 2 4
f ( x
i
) 5 - 2 1
Giải: Áp dụng công thức (4-2.2.2) ta có
5 12 5 ) 10 24 10 (
2
1
2
1
1
4 5
2
) 2 )( 1 (
2
. 1
1
2
0
5
! 2
) 2 )( 1 (
) 2 (
2 2
2
2
1
2
0
2
2
+ − = + − =







+

+
− −
=









+




− −
=
t t t t
t t t
t t t
t
C
t
C
t
C t t t
t L

2.3. Đa thức nội suy Newton trên mốc không cách đều
Đa thức nội suy Lagrange (1-2.1), như ta đã thấy rất đơn giản và dễ tính nếu các nút nội suy đã
được cố định. Nhưng nếu như ta bổ sung thêm nút nội suy thì quá trình tính lại phải thực hiện lại
từ đầu. Đây là nhược điểm rất lớn của đa thức nội suy Lagrange. Để khắc phục nhược điểm này
người ta tính đa thức nội suy theo một cách khác hiệu quả hơn. Đó là công thức nội suy Newton.
Để xây dựng công thức này, ta cần đến khái niệm tỷ sai phân đối với các mốc không đều và khái
niệm sai phân đối với mốc cách đều.
2.3.1. Khái niệm tỷ sai phân
Giả sử ) là một hàm số xác định và liên tục trong đoạn (x f [ ] b a, . Tiếp theo giả sử
a= =b là tập các điểm nút, tại đó cho trước giá trị của hàm.
n
x x x < < < ...
1 0
Ta định nghĩa:
- Tỷ sai phân bậc 0 của hàm tại là . ) (x f
i
x ) (
i
x f
- Tỷ sai phân bậc 1 của hàm tại và là ) (x f
i
x
j
x
j i
j i
j i
x x
x f x f
x x f


=
) ( ) (
) , (
- Tỷ sai phân bậc 2 của hàm tại , , là ) (x f
i
x
j
x
k
x
k i
k j j i
k j i
x x
x x f x x f
x x x f


=
) , ( ) , (
) , , (
- Một cách tổng quát, tỷ sai phân bậc k của f tại là
1 1 0
,..., ,
+ k
x x x
23
NCT-FIT-HNUE Computional methods and Optimization Problems
k
k k
k
x x
x x x f x x x f
x x x f


=

0
2 1 1 1 0
1 0
) ,..., , ( ) ,..., , (
) ,..., , (
Dễ thấy rằng tỷ sai phân có các tính chất sau:
i) Thứ tự các nút trong tỷ sai phân có thể đảo ngược, chẳng hạn
) , (
j i
x x f = ) , (
i j
x x f ,
) , , (
k j i
x x x f = ) , , (
i j k
x x x f , ...,
). ,..., , ( ) ,..., , (
0 1 1 0
x x x f x x x f
k k k −
=
ii) Nếu là đa thức bậc n thì tỷ sai phân bậc nhất là một đa thức bậc n-1, tỷ sai
phân bậc hai là một đa thức bậc n-2, ..., tỷ sai phân bậc n của P
) (x P
n
) , (
0
x x P
n
) , , (
1 0
x x x P
n
n
(x) là đa thức bậc 0,
và tỷ sai phân bậc n + 1 của P
n
(x) là đa thức = 0. Kết luận này dễ chứng minh
dựa vào định lý Bezout.
) ,..., , , (
1 0 n n
x x x x P
2.3.2. Đa thức nội suy Newton trên mốc không cách đều
Từ định nghĩa các tỷ sai phân suy ra
), , ( ). ( ) ( ) (
0 0 0
x x P x x x P x P
n n n
− + = vì
0
0
0
) ( ) (
) , (
x x
x p x p
x x P
x


=
) , , ( ). ( ) , ( ) , (
1 0 1 1 0 0
x x x P x x x x P x x P
n n n
− + = vì
1
1 0 0
1 0
) , ( ) , (
) , , (
x x
x x P x x P
x x x P


=
) , , , ( ). ( ) , , ( ) , , (
2 1 0 2 2 1 0 1 0
x x x x P x x x x x P x x x P
n n n
− − =
. . . . . . . . . .
) ,..., , ( ). ( ) ,..., ( ) ,..., , (
1 0 1 1 1 , 0 1 0 − − − −
− − =
n n n n n n
x x x P x x x x x P x x x P
) ,..., , ( ). ( ) ,..., , ( ) ,..., , (
0 1 0 1 0 n n n n n n n
x x x P x x x x x P x x x P − + =


) ,..., ( 0 ). ( ) ,..., (
1 , 0 1 1 , 0 n n n n n
x x x P x x x x x P = − − =


Từ các hệ thức trên và để ý rằng = 0 ta được ) ,..., , (
0 n n
x x x P
) ,..., , ( ) )...( )( (
)... , , ( ) )( ( ) , ( ) ( ) ( ) (
1 0 1 1 0
2 1 0 1 0 1 0 0 0
n n n
n n n n
x x x P x x x x x x
x x x P x x x x x x P x x x P x P

− − − +
− − + − + =
(1-2.3)
Bây giờ, nếu là đa thức nội suy của hàm tại các nút tức là

) (x P
n
) (x f
n
x x x ,..., ,
1 0
), ( ) (
i i n
x f x P = ) , 0 ( n i = thì công thức (4.3.1) có thể viết thành
) ,..., , ( ) )...( )( (
)... , , ( ) )( ( ) , ( ) ( ) ( ) (
1 0 1 1 0
2 1 0 1 0 1 0 0 0
n n
n
x x x f x x x x x x
x x x f x x x x x x f x x x f x P

− − − +
− − + − + =

(2-2.3)
hay
24
NCT-FIT-HNUE Computional methods and Optimization Problems

=

− − − + =
n
i
i i n
x x x f x x x x x x x f x P
1
1 0 1 1 0 0
) ,..., , ( ) )...( )( ( ) ( ) (
(3-2.3)
Đa thức dạng (2-2.3) hay (3-2.3) được gọi là đa thức nội suy Newton (tiến) xuất phát từ
nút . Nó trùng với đa thức nội suy Lagrange (vì đa thức nội suy là duy nhất) nhưng được viết
trong dạng khác.
) (x P
n
0
x
Nhận xét 1. Việc tính toán đa thức nội suy theo các công thức trên khắc phục được nhược điểm
của cách tính theo công thức Lagrange (1-2.1) vì khi bổ sung các nút nội suy mới chỉ cần tính
thêm một số số hạng mới cộng vào tổng cũ.
Nhận xét 2. Sau khi đã tính được các tỷ sai phân, để tính đa thức nội suy Newton một cách hữu
hiệu người ta thường dùng lược đồ Horner.
[ ] [ ] [ ] ... ) ,..., ( ) ( ) , , ( ) ( ) , ( ) ( ) ( ) (
3 0 2 2 1 0 1 1 0 0 0
+ − + − + − + = x x f x x x x x f x x x x f x x x f x P
2.3.3. Đánh giá sai số của nội suy Newton mốc không đều
Từ định nghĩa của các tỷ sai phân viết cho hàm , tương tự như trong tiểu mục trước, có thể
thu được
) (x f
) ,..., , , ( ) )...( ( ) ,..., , ( ) )...( (
)... , , ( ) )( ( ) , ( ) ( ) ( ) (
1 0 0 1 0 1 0
2 1 0 1 0 1 0 0 0
n n n n
x x x x f x x x x x x x f x x x x
x x x f x x x x x x f x x x f x f
− − + − − +
− − + − + =


Để ý đến (2-2.3) ta viết được
) ,..., , , ( ) ( ) ( ) (
1 0 1 n n n
x x x x f x x P x f
+
+ = ω
.
Từ đây suy ra biểu diễn sai số của đa thức nội suy Newton
) ,..., , , ( ) ( ) ( ) (
1 0 1 n n n
x x x x f x x P x f
+
= − ω
, (4-2.3)
trong đó

=
+
− =
n
i
i n
x x x
0
1
) ( ) ( ω (5-2.3)
2.3.4. Sơ đồ tính tỷ sai phân và đa thức newton mốc không đều
Để tính các tỷ sai phân (t.s.p) trong công thức của đa thức nội suy Newton (4.3.2) người ta lập
bảng sau (thí dụ cho n=4)
x f(x) T.s.pbậc 1 T.s.p bậc 2 T.s.p bậc 3 T.s.p bậc 4
x
0
f(x
0
) f(x
o
,x
1
) f(x
0
,x
1
,x
2
) f(x
0
,x
1
,x
2
,x
3
) f(x
0
,x
1
,x
2
,x
3
,x
4
)
x
1
f(x
1
) f(x
1
,x
2
) f(x
1
,x
2
,x
3
) f(x
1
,x
2
,x
3
,x
4
)
x
2
f(x
2
) f(x
2
,x
3
) f(x
2
,x
3
,x
4
)
x
3
f x
3
) f(x
3
,x
4
)
x
4
f(x
4
)
25
NCT-FIT-HNUE Computional methods and Optimization Problems
Ví dụ 1-2.3. Cho bảng giá tr a hàm số ) ị củ y (x f =
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 x
0
= 0 của hàm số .
ận được tính gần đúng
Giải. 1) p tỷ
f T.s.p c 1 T.s T.s T
) (x f y =
) 25 . 1 ( f 2) Sử dụng đa thức nội suy nh
Lậ bảng sai phân
x (x) bậ .p bậc 2 .p bậc 3 .s.p bậc 4
0 1 1 -2/3 3/10 -11/120
2 3 -1 5/6 -1/4
3 2 3/2 -1/6
5 5 1
6 6
Theo công thức (3-2.3) ta có
) , , , , ( ) )( )( )( (
) , , , ( ) )( )( (
) , , ( ) )( (
) , ( ) ( ) ( ) (
4 3 2 1 0 3 2 1 0
3 2 1 0 2 1 0
2 1 0 1 0
1 0 0 0 4
x x x x x f x x x x x x x x
x x x x f x x x x x x
x x x f x x x x
x x f x x x f x P
− − − −
+ − − −
+ − −
+ − + =

. 1
60
413
120
601
60
73
120
11

)
120
11
( ) 5 )( 3 )( 2 (
10
3
) 3 )( 2 ( )
3
2
( ) 2 ( 1 1 ) (
2 3 4
4
+ + − + − =
− ⋅ − − − + ⋅ − − + − ⋅ − + ⋅ + =
x x x x
x x x x x x x x x x x P

2) Khi đó . 9312 . 3 ) 25 . 1 ( ) 25 . 1 (
4
= ≈ P f
2.3.5. Thuật toán nội suy newton trên mốc không đều
Nhìn vào bảng tỷ sai phân và công thức nội suy Newton (3-2.3) dễ thấy rằng việc tính giá trị của
n tại điể x có thể mô tả bởi đoạn mã sau: đa thức Newto m
) , 0 ( n i = input: x, x
i
, f
i

output: y là giá trị của hàm f(x) tại một điểm trong khoảng chứa các mốc nội suy
Algorit
0
; tich = 1;
.1. r j = 0
j+i
- x
j
)
i-1
);
hm
1. Khởi tạo y = f
2. for i = 1 n
2 fo n - i
f
j
= (f
j+1
- f
j
) / (x

2.2. tich = tich * (x - x
26
NCT-FIT-HNUE Computional methods and Optimization Problems
2.3. y = y + tich * f
0
;
2. return y;
2.4. Đa thức nội suy Newton trên mốc cách đều
Giả sử các nút nội suy
i
x cách đều nhau một khoảng là h, tức là ih x x
i
+ =
0
, ) , 1 ( n i = . Trong
thức nội suy trở nên dễ dàng hơn nhờ các sai phân.
â
ho các giá trị của hàm .Ta định nghĩa sai phân cấp một của hàm
nh :
à
trường hợp này việc tính đa
2.4.1. Khái niệm sai ph n
Giả sử c
i
f = ) (
i
x f ) (x f ) (x f
sau
• Sai phân cấp một tại nút
i
x l
i i i
f f f − = ∆
+1
.
• Sai phân trung tâm cấp một
1
2 / 1 1 2 / 1 + + +
= − =
i i i i
f f f f δ .
Sai phân cấp cao hơn đư nh nghĩa qua sai phân cấp thấp hơn như sau
f

∆ ∆ ,
Ví dụ 1-2.4.
f f f f − − = −
+ + 1 2
2 ) .
Từ các định nghĩa sai phân và tỷ sai phân ta có
ợc đị

i
k
f = ∆ ) (
1
i
k
i i i i i i i i i i i
f f f f f f f − − = ∆ − ∆ = ∆ ∆ = ∆
+ + + + 1 1 2 1
2
( ) ( ) (
h x x x x
0 1 1 0
1 0
f f f f f
x x f
0 0 1 1 0
) , (

=

=
− −

= .
Một cách tổng quát, dễ chứng minh được
i
i
h i
x x x f
!
) ,..., , (
1 0
=
i
f
0

) , 1 ( n i = . (1-2.4)
2.4.2. Đa thức nội suy Newton trên mốc cách đều
Trong công thức của đa thức nội suy Newton (2-2.3) hoặc (3-2.3) ở mục trước biểu diễn tỷ sai
phân qua sai phân theo công thức (1-2.4) và đặt x = x
0
+ t.h ta thu được


+ − −
+ =

=
+ − −
+ + ∆

+ ∆ + = +
n
i
i
1
0 0
!
Đây chính là công thức của đa thức nội suy Newton trên mốc cách đều (th
i
n
n
f
i t t t
f
f
n
n t t t
f
t t
f t f th x P
0 0
2
0 0 0
) 1 )...( 1 (
!
) 1 )...( 1 (
...
! 2
) 1 (
) (


(2-2.4)
ường được dùng để
tức là gần x
0
.)
Sai số (hay phần dư) của đa thức nội suy này đã chứng minh được có dạng

nội suy hàm số đối với những giá trị của x ở vùng đầu bảng
2.4.3. Đánh giá sai số của nội suy Newton mốc cách đều
1
) 1 (
0 0
) )...( 1 (
)! 1 (
) (
) ( ) (
+
+
− −
+
= + − +
n
n
n
h n t t t
n
f
th x P th x f
ξ
(3-2.4)
27
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 ∆
2
f ∆
3
f ∆
4
f
x
0
f
0 ∆f
0

2
f
0

3
f
0

4
f
0
x
1
f
1 ∆f
1

2
f
1

3
f
1
x
2
f
2 ∆f
2

2
f
2
x
3
f
3 ∆f
3
x
4
f
4
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 x
0
= 0, rồi dùng đa thức này tính gần đúng f(0,5).
Giải. Lập bảng các sai phân
x f ∆f ∆
2
f ∆
3
f
0 1 -1 2 6
1 0 1 8
2 1 9
3 10
Do x
0
= 0 và h = 1 nên x = t. Theo công thức (2-2.4) ta có
). 2 )( 1 ( ) 1 (
6
6
) 2 )( 1 (
2
2
) 1 (
) 1 ( 1 ) (
3
− − + − + − =

− −
+ ⋅

+ − ⋅ + =
t t t t t t
t t t t t
t t P
1

Vì thế . 625 , 0 ) 2 / 1 ( ) 2 / 1 (
3
= ≈ P f
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 f
i
) , 0 ( n i = . Từ bảng sai phân và
công thức nội suy Newton (2-2.4) ta đi đến đoạn mã giả sau
input: x
0
, x, h, f
i
) , 0 ( n i =
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 - x
0
)/h;
y = f
0
; tich = 1;
2. for i =1 n
2.1. for j = 1 n - i
f
j
= f
j+1
- f
j
2.2.

tich = tich * (t - i + 1)/i;
2.3. y = y + tich * f
0
;
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 nút phân biệt 1 m+
0 1
, ,...,
m
x x x 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
0
x biết
0
( )
0 0
( ), '( ),..., ( ),
k
0
f x f x f x
• tại
1
x biết
1
( )
1 1
( ), '( ),..., ( ),
k
1
f x f x f x
• . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
• tại
m
x biết
( )
( ), '( ),..., ( )
m
k
m m m
f x f x f x .
Số được gọi là bội của nút
i
k ( 0,1,..., ).
i
x i m =
Giả sử rằng tổng bội của tất cả các nút là
0 1
... 1.
m
k k k n + + + = + Cần xây dựng đa thức
bậc sao cho
( )
n
H x
n
) , 0 , , 0 ( ) ( ) (
) ( ) (
i i
j
n i
j
n
k j m i x f x H = = = (1-2.5)
Ta sẽ gọi đa thức là đa thức nội suy trên nút bội (hay đa thức Hermit) của hàm ( )
n
H x ( ) f x .
Một cách hình thức, việc tìm đa thức này chính là xác định 1 n + hệ số của biểu diễn
(2-2.5)
0 1
, ,...,
n
a a a
n
n
n
k
k
k n
x a x a a x a x H + + + = =

=
... ) (
0
1 0
từ hệ phương trình ẩn số: 1 n + 1 n +
0 0
1 1
( ) ( )
0 0 0 0 0 0
( ) ( )
1 1 1 1 1 1
( ) ( ), '( ) '( ), ..., ( ) ( ),
( ) ( ), '( ) '( ), ..., ( ) ( ),
. . . . . . . . . . . . . . . . . . . . . . . . . . .
( ) ( ),
k k
n n n
k k
n n n
n m m n
H x f x H x f x H x f x
H x f x H x f x H x f x
H x f x H
= = =
= = =
=
( ) ( )
'( ) '( ), ..., ( ) ( )
m m
k k
m m n m m
x f x H x f x = =
(3-2.5)
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 Computional methods and Optimization Problems
]) , [ ( ) ...( ) ( ) (
)! 1 (
) (
) ( ) (
1 0
1 0
) 1 (
b a x x x x x x
n
f
x H x f
m
k
m
k k
n
n
∈ − − −
+
= −
+
ξ
ξ
(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 x
1
x
2
... x
n
y y
1
y
2
... y
n
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 (x
i
, y
i
), 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 + cx
2
y = a + b cos (x) + c sin (x)
y = ae
bx
y = ax
b

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, a
0
, a
1
,..., a
m
), (1-3.1)
trong đó a
0
, a
1
,..., a
m
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 x
i
so với các giá trị thực nghiệm y
i
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
1
1 0 1 0
) ,..., , , ( ) ,..., , (

=
− =
n
i
i m m
y a a a x Q a a a S ] (2-3.1)
đạt min. Điều kiện cực trị của hàm S là
m i
a
S
i
,..., 0 , 0 = =


. (3-3.1)
Các điều kiện trên lập thành hệ phương trình để tìm các tham số a
0
, a
1
,..., a
m
.
3.2. Một số dạng hàm cụ thể.
i) Dạng hàm tuyến tính y = a + bx.
Khi đó (2-3.1) có dạng
30
NCT-FIT-HNUE Computional methods and Optimization Problems
(1-3.2) (
2
1
) , (

=
− − =
n
i
i i
bx a y b a S )
Các hệ số a và b tìm từ điều kiện







=


=


0
0
b
S
a
S
(2-3.2)
hay từ hệ phương trình
( )
( )







= − − −
= − − −


=
=
0 ) ( 2
0 ) 1 ( 2
1
1
i
n
i
i i
n
i
i i
x bx a y
bx a y

Rút gọn ta được







= +
= +
∑ ∑ ∑
∑ ∑
= = =
= =
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
y x b x a x
y b x na
1 1
2
1
1 1
) ( ) (
) (
(3-3.2)
Đây là một hệ hai phương trình với hai ẩn số a và b. Giải hệ này ta nhận được a và b phải tìm.
ii) Dạng hàm bậc hai y = a + bx + cx
2
.
Trong trường hợp này để
(
2
1
2
) , , (

=
− − − =
n
i
i i i
cx bx a y c b a S ) (4-3.2)
bé nhất a, b và c phải thoả mãn hệ phương trình
( )
( )
( )









= − − − − =


= − − − − =


= − − − − =





=
=
=
0 ) ( 2
0 ) ( 2
0 ) 1 ( 2
1
2 2
1
2
1
2
n
i
i i i i
i
n
i
i i i
n
i
i i i
x cx bx a y
c
S
x cx bx a y
b
S
cx bx a y
a
S

Rút gọn ta được
31
NCT-FIT-HNUE Computional methods and Optimization Problems









= + +
= + +
= + +
∑ ∑ ∑ ∑
∑ ∑ ∑ ∑
∑ ∑ ∑
= = = =
= = = =
= = =
i
n
i
i
n
i
i
n
i
i
n
i
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
n
i
i
y x c x b x a x
y x c x b x a x
y c x b x na
1
2
1
4
1
3
1
2
1 1
3
1
2
1
1 1
2
1
) ( ) ( ) (
) ( ) ( ) (
) ( ) (
(5-3.2)
Đây là một hệ ba phương trình với ba ẩn số a, b và c. Giải hệ này ta nhận được a, b và c phải
tìm.
iii) Dạng hàm mũ y = ae
bx
, a>0.
Lấy logarit hai vế ta được lny = lna + bx. Đặt Y = lny, A = lna. Khi đó ta có
Y=A+bx.
Như vậy bằng cách lấy logarit hai vế ta đã đưa quan hệ phi tuyến đối với a và b về dạng tuyến
tính đối với A và b. Tìm A và b như trong trường hợp hàm tuyến tính ta sẽ tìm được a=e
A.
iv) Dạng hàm y = ax
b
.
Lấy logarit hai vế ta được lny = lna + blnx. Đặt Y = lny, A = lna, X = lnx. Khi đó ta có
Y=A+bX.
Như vậy bằng cách lấy logarit hai vế ta đã đưa quan hệ phi tuyến đối với a và b về dạng tuyến
tính đối với A và b. Tìm A và b như trong trường hợp hàm tuyến tính ta sẽ tìm được a = e
A.
Ví dụ 1-3.2. Cho biết các cặp giá trị của x và y theo bảng sau
x 0.65 0.75 0.85 0.95 1.15
y 0.96 1.06 1.17 1.29 1.58
Tìm hàm nội suy hàm ẩn trên. Lấy hàm nội suy có dạng y = ae
bx

Giải. Ta có y = ae
bx
Lấy logarit cơ số e hai vế : ln y = ln a + bx
Đặt Y = Ln y ; A = ln a ; X = X
Ta đưa về dạng Y = A + BX
X
i
= x
i
0.65 0.75 0.85 0.95 1.15
Y
i
=ln y
i
-0.04 0.06 0.18 0.25 0.46
và n = 5

=
5
1 i
i
X

=
5
1
2
i
i
X

=
5
1 i
i i
Y X

=
5
1 i
i
Y
4.35 3.93 0.92 0.89
Áp dụng công thức (6-4.6) ta có hệ
32
NCT-FIT-HNUE Computional methods and Optimization Problems







= +
= +
∑ ∑ ∑
∑ ∑
= = =
= =
5
1
5
1
2
5
1
5
1
5
1
) ( ) (
) (
i
i i
i
i
i
i
i
i
i
i
Y X B X A X
Y B X nA




= +
= +
92 . 0 93 . 3 35 . 4
89 . 0 35 . 4 5
B A
B A

Giải hệ trên ta được A = -0.69, B= 1. Do đó a = e
A
= 1/2, b = B = 1
Vậy đa thức nội suy là g(x) =
x
e
2
1

BÀI TẬP
1. Dùng các giá trị dưới đây của x
x 1 2 4
x
1 1.414 2
tính gần đúng 3 và đánh giá sai số.
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, π/2], 12 / π ξ =
b) f(x)=xcos(x) trên đoạn [0, π/2], 6 / π ξ =
c) f(x)=2x trên đoạn [-1, 1], ξ = 0.5
d) f(x)=ex trên đoạn [-1, 1], ξ = 0.5 (cho e≈2.7183)
3. Cho
3
x bởi bảng sau
x 8 9 10 11 12
3
x
2 2.0800 2.1544 2.2240 2.2894
Dùng đa thức nội suy Newton trên lưới đều tính
3
5 . 8 và đánh giá sai số.
4. Dân số của một quốc gia qua điều tra được cho trong bảng sau
Năm 1960 1970 1980 1990 2000
Dân số (triệu
người)
45 50.5 54 60.5 64
Hãy ước lượng dân số của quốc gia này năm 1975.
5. Tìm đa thức bậc ba nội suy tốt nhất cho hàm :
(i) trên đoạn [-1, 1]. (ii)
x
x f 2 ) ( = ) sin( ) ( x x f = trên đoạn [0, π /2].
33
NCT-FIT-HNUE Computional methods and Optimization Problems
CHƯƠNG 3 GIẢI GẦN ĐÚNG
PHƯƠNG TRÌNH PHI TUYẾN
1. 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. Xét phương trình:
f(x) = 0 (1-1)
Ta gọi x* ∈ D là nghiệm của phương trình (1-1) nếu f(x*) = 0.
Định nghĩa 1-1 Nếu khoảng (a, b) chỉ chứa một nghiệm x* của phương trình (1-1) thì ta gọi
khoảng (a, b) là khoảng phân ly của nghiệm x*.
Định lý 1-1 Về sự tồn tại nghiệm
Giả sử f(x) là hàm số liên tục trên đoạn kín [a, b] và nhận giá trị trái dấu tại các điểm mút a và b,
tức là f(a)f(b) < 0 . Khi đó trong khoảng (a, b) tồn tại ít nhất một điểm x* sao cho f(x*)=0.
Định lý 2-1. Về sự tồn tại duy nhất nghiệm
Nếu hàm f(x) liên tục và đơn điệu (tăng/giảm) trong khoảng [a, b] và f(a).f(b) < 0 thì
(a, b) là khoảng phân ly của một nghiệm của phương trình f(x) = 0.
Một phương trình có thể có nhiều nghiệm số (thực). Trước khi đi tìm xấp xỉ các nghiệm này ta
cần phải phân ly chúng, nghĩa là tìm các khoảng sao cho mỗi khoảng chỉ chứa một nghiệm. Phân
ly nghiệm của phương trình có thể thực hiện bằng hai phương pháp: phương pháp giải tích và
phương pháp đồ thị.
Phương pháp giải tích dựa trên việc khảo sát sự biến thiên của hàm số và định lý 2-1.
Ví dụ 1-1. Xét phương trình
0 2 6 ) (
3
= + − = x x x f
(1)
Ta có f'(x) = 3x2 - 6, f'(x) = 0 x = 2 ± . Lập bảng biến thiên của hàm f(x)
x
- ∞

2 −

2

+∞
f ' ( x) + 0 - 0 +
f ( x)
- ∞
M > 0
m< 0

+∞
Ta thấy f(-∞) < 0, 0 ) 2 ( , 0 ) 2 ( < = > − = f m f M , f(∞) > 0 và f(x) tăng trong các khoảng (-∞,
2 − ), ( 2 , +∞) và giảm trong khoảng ( 2 − , 2 ), do đó các khoảng trên là khoảng phân ly
của 3 nghiệm của phương trình (1). Tiếp theo, ta có thể thu hẹp khoảng phân ly của các nghiệm
thành (-3, -2), (0, 1) và (2, 3).
Ví dụ 2-2.1. Xét phương trình
f(x) = 2x - cos x = 0 (2)
34
NCT-FIT-HNUE Computional methods and Optimization Problems
Ta có f’(x) = 2 + sin x > 0 và f(0) = - 1, f(1) = 2 - cos 1 > 0. Do đó (0, 1) là khoảng phân ly của
nghiệm duy nhất của phương trình đã cho.
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), h(x) nếu phương trình g(x) = h(x) tương đương với
phương trình đã cho.
Ví dụ 3-1. Lại xét phương trình (2). Đặt g(x)
= x và h(x) = (1/2)cos x. Nhìn vào hình vẽ ta
thấy khoảng phân ly của nghiệm duy nhất của
phương trình (2) là (0, π/2).
Nếu khoảng phân ly (a, 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*.
Một cách thông dụng để thu hẹp khoảng phân
ly của nghiệm là phương pháp chia đôi được trình bầy dưới đây.
0 0.5 1 1.5
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
y=x
y=1/2*cos(x)
pi/2

Hình 1-2.1
2. Phương pháp chia đôi
2.1. Mô tả phương pháp
Giả sử (a, b) là khoảng phân ly của nghiệm x* của phương trình f(x). 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.
Bước 1. Đặt a
0
= a, b
0
= b;
Bước 2. Lặp các công việc sau đây:
2.1. Chia đôi khoảng [a
0
, b
0
] bởi điểm giữa
2
0 0
0
b a
x
+
=

2.2. Xử lí một trong 3 khả năng sau sẽ xảy ra
(i) Nếu f(x
0
) = 0 thì x
0
là nghiệm x* cần tìm.
(ii) Nếu f(x
0
).f(a
0
) < 0 thì nghiệm nằm trong khoảng (a
0
, x
0
), do đó ta đặt a
1
= a
0
,
b
1
= x
0
.
(iii) Nếu f(x
0
).f(b
0
) < 0 thì nghiệm nằm trong khoảng (x
0
, b
0
), do đó ta đặt a
1
= x
0
,
b
1
= b
0
.
Như vậy sau lần chia đôi thứ nhất hoặc ta thu được nghiệm đúng x
0
hoặc ta thu hẹp được
khoảng phân ly thành [a
1
, b
1
] với độ rộng
2
1 1 1
a b
a b d

= − = .
2.3. Quay trở lại bước 2.1. để tiếp tục quá trình chia đôi, sau n lần chia đôi hoặc ta thu
được x
n-1
là nghiệm đúng hoặc ta thu được khoảng phân ly (a
n
, b
n
) với độ rộng
35
NCT-FIT-HNUE Computional methods and Optimization Problems
n n n n
a b
a b d
2

= − = . Nếu ε 2
2
<

n
a b
là sai số cho trước ta dừng quá trình chia đôi và
lấy
2
n
a
là nghiệm gần đúng. Khi
n
n
b
x

= đó ε <

≤ −
n n
a b
x x
2
* .
Rõ ràng là dãy số x
n
tiến dần đến x* khi n ∞ tức là phương pháp chia đôi hội tụ.
Nhận xét. 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.
Ví dụ 1-2.1. Bằng phương pháp chia đôi tìm nghiệm dương của phương trình
4 - e
x
- 2x
2
= 0 với độ chính xác ε = 10
-2
.
Giải. Dễ thấy rằng (0, 1) là khoảng phân ly của nghiệm dương x*.
Ta có [a
0
, b
0
] = [0, 1], x
0
= (a
0
+ b
0
)/2 = 0,5.
Vì f(a
0
) = 3, f(x
0
) = 1,8513 nên ta đặt
. 5 , 0 ; 1 , 8513 , 1
1 1 1 0 1 0 1
= − = = = = = a b d b b x a

Ta có [a
1
, b
1
] = [0,5; 1] là khoảng phân ly.
Đặt x
1
= (a
1
+ b
1
)/2 = 0,75. Khi đó
. 25 , 0 , 1 , 75 , 0 758 , 0 ) ( , 8513 , 1 ) (
2 1 2 1 2 1 1
= = = = = ⇒ = = d b b x a x f a f

Tiếp tục quá trình chia đôi. Sau 8 bước ta đạt được x
6
= 0,8828 với sai số d
6
= 0,0078 <
. 01 . 0 = ε
Quá trình lặp được thể hiện qua bảng sau đây:
a b x0 f(a) f(b) f(x0) b-a b-a<eps
1 0 1 0.5 3 -0.718 1.8513 1 FALSE
2 0.5 1 0.75 1.8513 -0.718 0.758 0.5 FALSE
3 0.75 1 0.875 0.758 -0.718 0.0699 0.25 FALSE
4 0.875 1 0.9375 0.0699 -0.718 -0.311 0.125 FALSE
5 0.875 0.9375 0.9063 0.0699 -0.311 -0.118 0.0625 FALSE
6 0.875 0.9063 0.8906 0.0699 -0.118 -0.023 0.0313 FALSE
7 0.875 0.8906 0.8828 0.0699 -0.023 0.0236 0.0156 FALSE
8 0.8828 0.8906 0.8867 0.0236 -0.023 0.0003 0.0078 TRUE
9 0.8867 0.8906 0.8887 0.0003 -0.023 -0.011 0.0039 TRUE
2.2. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp chia đôi
Input: hàm phi tuyến f(x), khoảng phân ly nghiệm [a, b], sai số được phép ε
Ouput: nghiệm gần đúng x0 của phương trình f(x) = 0
Algorithm:
Bước 1: Gán c = (a + b)/2;
Bước 2: Lặp quá trình sau đây khi (b-a) > ε
2.1. Nếu f(c) = 0 thì gán x0 := c và kết thúc lặp, ngược lại làm bước 2.2
2.2. Nếu f(a)f(c) < 0 thì gán b := c
36
NCT-FIT-HNUE Computional methods and Optimization Problems
Nếu không thì gán a := c
Bước 3: In ra nghiệm x0 = c;
3. Phương pháp lặp đơn
3.1. Mô tả phương pháp
Giả sử phương trình f(x) = 0 có thể viết dưới dạng:
x = ϕ(x) (1-3.1)
và (a, b) là khoảng phân ly của nghiệm x*. Lấy một điểm x
0
∈ (a, b) và tính các xấp xỉ x
1
, x
2
, …,
theo công thức
x
n
= ϕ(x
n-1
), n = 1, 2, …. (2-3.1)
Định lý 1-3.1. Về sự hội tụ của phương pháp lặp
Giả sử ϕ(x) là hàm khả vi trên đoạn [a.b] và thoả mãn các điều kiện sau:
i) ] , [ 1 ) ( ' max
] , [
b a x q x
b a x
∈ ∀ < ≤

ϕ (3-3.1)
ii) ] , [ ] , [ ) ( b a x b a x ∈ ∀ ∈ ϕ (4-3.1)
Khi đó
i) Phương trình (1-3.1) có nghiệm duy nhất x* ∈ (a, b)
ii) Quá trình lặp (2-3.1) hội tụ và có ước lượng
1
1 1
*



≤ −
n n n
x x
q
x x (5-3.1)
0 1
1 1
* x x
q
x x
n
n


≤ − (6-3.1)
Trong quá trình chứng minh định lý, ta còn rút ra được:
* * x x q x x
n n
− ≤ − (7-3.1)
Để đặc trưng cho tốc độ hội tụ của các phương pháp lặp dưới đây chúng ta đưa ra khái niệm về
cấp hội tụ của phương pháp.
Định nghĩa 1-3.1. Ta nói một phương pháp lặp giải phương trình có cấp hội tụ α nếu
- sai số tiên nghiệm của xấp xỉ thứ n là đại lượng cấp α của sai số xấp xỉ thứ n - 1, nghĩa là,
α
* *
1
x x C x x
n n
− ≤ −

, trong đó x* là nghiệm đúng, C>0 là hằng số,
- hoặc sai số hậu nghiệm của x
n
là đại lượng cấp α của độ lệch giữa hai xấp xỉ liên tiếp x
n
và x
n-
1
, nghĩa là
α
1
*

− ≤ −
n n n
x x C x x .
Như vậy từ các đánh giá (5-3.1), (7-3.1) ta thấy rằng phương pháp lặp đơn có tốc độ hội tụ cấp 1
hay tốc độ hội tụ tuyến tính.
37
NCT-FIT-HNUE Computional methods and Optimization Problems
Ví dụ 1-3.1. Tìm gần đúng nghiệm của phương trình 2x - cos x = 0 với độ chính xác 10
-3
.
Giải. Trong Ví dụ (2-2.1) ta đã xác định được khoảng phân ly nghiệm của phương trình trên là
(0, π/2), và phương trình trên đưa được về dạng
x = ϕ(x) với ϕ(x) = (1/2)cos x
Lấy một điểm x
0
bất kỳ trong khoảng (0, π/2), chẳng hạn, x
0
= 0,5 và xây dựng dãy lặp
x
n
= ϕ(x
n-1
), n = 1, 2, ...
Ta sẽ kiểm tra các điều kiện của Định lý 1-3.1.

2
1
sin
2
1
) ( ' = ≤ − = q x x ϕ


,
2 2
1
) ( 0
π
ϕ < ≤ ≤ x

do đó
].
2
, 0 [ ]
2
, 0 [ ) (
π π
ϕ ∈ ∀ ∈ x x

Rõ ràng là các điều kiện (3-3.1), (4-3.1) được thoả mãn, do đó phương pháp lặp hội tụ ∀x ∈ (0,
π/2) và ta có đánh giá:

1 1
2 / 1 1
2 / 1
*
− −
− = −

≤ −
n n n n n
x x x x x x
.
Với x
0
= 0,5 ta có
4307 , 0 cos
2
1
0 1
= = x x

4426 , 0 cos
2
1
1 2
= = x x

4496 , 0 cos
2
1
2 3
= = x x
.

4502 , 0 cos
2
1
3 4
= = x x
.
Vì |x
4
-x
3
| = |0,4502 - 0,4496| = 0,0006 < 10
-3
, nên nếu lấy x
4
xấp xỉ x* ta sẽ có |x
4
- x*| < 10
-3
.
Như vậy, x
4
= 0,4502 là nghiệm gần đúng của phương trình đã cho với độ chính xác 10
-3
.
Ví dụ 2-3.1. Tìm nghiệm gần đúng của phương trình f(x) = 5x
3
- 10x + 3 = 0 bằng phương pháp
lặp đơn với độ chính xác 10
-4
biết khoảng phân ly nghiệm là (0, 1).
Giải. Trước hết, ta đưa phương trình đã cho về dạng tương đương x = ϕ(x). Trong số các cách
đưa về dạng này, ta phải chọn cách sao cho thỏa mãn các điều kiện của định lý 1-3.1. Ta sẽ chọn
x = ϕ(x) với ϕ(x) = (5x
3
+ 3)/20. Khi đó ϕ(x) thỏa mãn điều kiện (3-3.1) vì
38
NCT-FIT-HNUE Computional methods and Optimization Problems
1
4
3
4
3
max ) ( ' max
2
1 0 1 0
< = =
≤ ≤ ≤ ≤
x
x
x x
ϕ
và cũng thỏa mãn điều kiện (4-3.1) vì 3/20 < ϕ(x) ≤ 2/5, do đó ϕ(x) ∈ [0, 1], ∀x ∈ [0, 1]. Do đó,
phương pháp lặp đơn cho dãy nghiệm:
] 1 , 0 [ ,
20
3 5
3
1
∈ ∀
+
=

x
x
x
n
n

hội tụ và có đánh giá
* x x
n

1
3

− ≤
n n
x x
.
Chọn x
0
= 0,5 ta tính được các xấp xỉ x
n
như sau
n x
n
x
n
- x
n-1
3(x
n
- x
n-1
)
1 0.1812 0.3187 0.9562
2 0.1515 0.0298 0.0893
3 0.1509 0.0006 0.0019
4 0.1509 0.0000 0.0000
Cách chọn hàm ϕ(x) thỏa mãn các điều kiện của định lý 1-3.1, hơn nữa làm cho phương pháp lặp
hội tụ nhanh nhất
3.2. Cách chọn ϕ(x) thỏa điều kiện hội tụ của phương pháp lặp đơn
] , [ 1 ) ( ' max
] , [
b a x q x
b a x
∈ ∀ < ≤

ϕ Là điều kiện (3-3.1)
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) (1-3.2)
Giả sử (a,b) là khoảng phân ly nghiệm và f’(x) > 0 trên [a, b]. Ký hiệu
) ( ' min ), ( ' max x f m x f M
b x a b x a ≤ ≤ ≤ ≤
= =

Đặt
M
m
q
M
− = − = 1 ,
1
λ
.
Xét hàm ϕ(x) dạng (1-3.2). Ta có
M
x f
x
) ( '
1 ) ( ' − = ϕ .
Vì 0 < m ≤ f’(x) ≤ M nên 1 1
) ( '
1 ) ( ' < = − ≤ − = q
M
m
M
x f
x ϕ trên toàn đoạn [a, b]. Như vậy, hàm
ϕ(x) được xây dựng như trên thoả mãn điều kiện thứ nhất của Định lý 1-3.1.
Có thể chứng minh được rằng với cách chọn
39
NCT-FIT-HNUE Computional methods and Optimization Problems
2
M m
λ = −
+

thì hàm xác định bởi (1-3.2) sinh ra phương pháp lặp hội tụ nhanh nhất với số
M m
q
M m

=
+
,
trong đó
| '( ) |, min | '( ) |
a x b a x b
. M max f x m f x
≤ ≤ ≤ ≤
= =

3.3. 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);
khoảng phân ly [a, b], sai số được phép ε, điểm ban đầu x0 ∈ [a, b]
Ouput: nghiệm gần đúng x của phương trình f(x) = 0
Algorithm:
Bước 1: Khởi gán sai số e := 1;
Bước 2: Lặp quá trình sau đây khi e > ε
2.1. Tính x := g(x0);
2.2. Tính e := abs(x-x0);
2.3. Gán x0 := x;
Bước 3: In ra nghiệm x;
4. Phương pháp tiếp tuyến (Newton)
4.1. Mô tả phương pháp
Ý tưởng của phương pháp Newton giải phương trình f(x) = 0 là thay phương trình này bởi một
phương trình tuyến tính gần đúng trong lân cận của nghiệm. Vì thế phương pháp này còn có tên
gọi là phương pháp tuyến tính hoá.
Mô tả phương pháp: Giả sử x
n-1
là một xấp xỉ đã tính
được của nghiệm đúng x*. Trong lân cận của x*, thay
đường cong y = f(x) bởi tiếp tuyến với nó tại điểm
A(x
n-1
, f(x
n-1
)). Tiếp tuyến này có phương trình là
f(x
n
)
f(x
n-1
)
x*
x
n-1
x
n
x
n+1
y = f’(x
n-1
)(x - x
n-1
) + f(x
n-1
) (1-4.1)
Giả sử f’(x
n-1
) ≠ 0. Ký hiệu hoành độ của điểm cắt của
tiếp tuyến với trục hoành là x
n
. Thế thì
) ( '
) (
1
1
1



− =
n
n
n n
x f
x f
x x (2-4.1)
40
NCT-FIT-HNUE Computional methods and Optimization Problems
Ta coi x
n
là xấp xỉ tiếp theo của x*. Vì thế phương pháp tìm nghiệm gần đúng theo công thức
Nhận xét.
1) Công thức lặp (2-4.1) có thể vi
n n-1
(2-4.1) còn có tên gọi là phương pháp tiếp tuyến .
ết trong dạng x = ϕ(x ) với
) ( '
) (
) (
x f
x f
x x − = ϕ (3-4.1)
Điều đó có nghĩa phương pháp Newton là một trường hợp đặc biệt của phương pháp lặp đơn.
Do đó có thể khảo sát sự hội tụ của phương pháp nhờ vào Định lý 1-3.1
2) Nếu xấp xỉ ban đầu x
0
chọn không thích hợp thì phương pháp Newton có thể không sử dụng
được, vì xấp xỉ tiếp theo x
1
có thể vuợt ra khỏi khoảng phân ly, thậm chí vượt ra khỏi khoảng xác
c khoảng phân li nghiệm của phương trình f(x)=0.
Nếu giá trị của f(x) và đạo hàm bậc hai
cách khác, x
0
là điểm Fourier nếu thỏa mãn:
(4-4.1)
hội tụ của phương pháp
Địn lý
Giả sử
n [a, b] và [a, b] là khoảng phân ly nghiệm x*
• x
0
∈ [a, b] là điểm Fourier.
Khi đó phương pháp New -4.1) ần đ các đánh giá sau
định của hàm số. Để tránh được điều này, cần chọn xấp xỉ ban đầu là một điểm Fourier được
định nghĩa dưới đây:
Định nghĩa 1-4.1. Giả sử x
0
là một điểm thuộ
f”(x) cùng dấu tại x
0
thì x
0
được gọi là điểm Fourier. Nói
0 ) ( ' ' ) (
0 0
> x f x f

4.2. Sự
h 1-4.2 Về sự hội tụ của phương pháp lặp Newton

• f là hàm khả vi liên tục hai lần trên đoạ
của phương trình f(x) = 0.
• f’(x) và f”(x) không đổi dấu trên [a, b].
ton (2 hội tụ và đối với nghiệm g úng x
n

1
) (
*
m
x f
x x
n
n
≤ − , (1-4.2)
2
1
2
*

− ≤ −
n n n
x x
M
x x ,
1
2m
(2- 4.2)
Bỏ qua phần chứng minh. Khi áp d (x)}
Định lý 2-4.2 Đối với phương pháp Newton ta có đánh giá tiên nghiệm sau
trong đó m
1
và M
2
là các hằng số thoả mãn
0 < m
1
≤ |f’(x)|, |f ”(x)| ≤ M
2
, ∀x ∈ [a, b]
ụng, thường chọn m
1
= min{f'(x)}; M
2
= max{f'
2
1 n n
z q z ≤
+
(3-4.2)
41
NCT-FIT-HNUE Computional methods and Optimization Problems
*, ,
2
x z
M
q = = trong đó
2
1
m
n n
Bỏ qua phần chứng minh.
x − M
2
và m
1
được xác định như trong Định lý 1-4.2.
ệm dương của phương trình đã cho. Ngoài ra, ta có f’’(x) = 2 > 0. Do đó
chọn m
1
=1, M
2
=2. Với tư cách xấp xỉ ban đầu ta chọn điểm Fourier x
0
= 2. Phương pháp lặp
Newton có dạng
Ví dụ 1-4.2. Áp dụng phương pháp Newton tìm nghiệm dương của phương trình
x
2
- x -1 = 0 với độ chính xác 0.001.
Giải. Đặt f(x) = x
2
- x -1. Ta có f(1) = -1 < 0, f(2) = 1 > 0 và f’(x) = 2x-1 > 0. Do đó [1, 2] là
khoảng phân ly nghi
.
1 2
1
) ( '
) (
1
− =
− n
x f
x x
1 1 n n

c
1
2
1
1 1

− −
− =

− −



n n
n n n
x
x x
x
x f
Rút gọn vế phải ta đượ
1 2
1
2
1
+
=
− n
x
x (1)
1

− n
n
x
Áp ư lặ :

dụng ph ơng pháp p Newton ta có bảng sau
epsilon = 0.001
n x(n-1) f[x(n-1)] f"[x(n-1)] x(n) |x(n)-x(n-1)| <epsilon
0 2 1 3
1 1.666667 0.111111111 2.3333333 1.666667 0.333333333 FALSE
2 1.619048 0.002267574 2.2380952 1.619048 0.047619048 FALSE
3 1.618034 0.0000010 2.2360689 1.618034 0.001013171 FALSE
4 1.618034 0.0000000 2.236068 1.618034 0.00000046 TRUE
Vậy x
4
= 1.618 là nghiệm gần đúng với sai số nhỏ hơn 0.001 .
ton
thị x
n
= x
n-1
+ f(x
n-1
)/f'(x
n-1
);
fourier x
0
∈ [a, b]
M/2*m, mới 0<m<|f'(x)| và |f"(x)| <M1
Ouput: trình f(x) = 0
Algorit
Bước 1 1;
Bước 2
);
bs(x-x0)^2; Nếu không xác định q thì e = abs(x-x0)
2.3. Gán x0 := x;
Bước 3: In ra nghiệm x;
4.3. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp New
Input: f(x) = 0 được chuyển về dạng x = g(x) biểu
khoảng phân ly [a, b], sai số được phép ε, điểm
số q=
nghiệm gần đúng x của phương
hm:
: Khởi gán sai số e :=
: Lặp quá trình sau đây khi e > ε
2.1. Tính x := g(x0
2.2. Tính e := q*a
42
NCT-FIT-HNUE Computional methods and Optimization Problems
5. Phương pháp cát tuyến
5.1. Mô tả phương pháp
Việc tính đạo hàm trong công thức Newton (2-4.1) có thể tốn thêm nhiều thời gian nếu f’(x) là
hàm phức tạp. Vì thế, người ta thay f’(x
n-1)
bởi tỷ sai phân
2 1
2 1
) ( ) (
− −
− −


n n
n n
x x
x f x f
.
Khi đó, phương pháp lặp có dạng
,... 3 , 2 ), (
) ( ) (
1
1 1
2 1
1
=


− =

− −
− −

n x f
x f x f
x x
x x
n
n n
n n
n n
(1-5.1)
x
0,
x
1
là các xấp xỉ cho trước.
Thông thường, người ta đặt x
0
= a, x
1
= b, (a, b) là khoảng phân ly của nghiệm.
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
là )) ( , ( )), ( , (
1 1 2 2 − − − − n n n n
x f x x f x
1 2
1
1 2
1
) ( ) (
) (
− −

− −



=


n n
n
n n
n
x x
x x
x f x f
x f y
.
Phương pháp cát tuyến (1-2.5) hội tụ chậm hơn
phương pháp Newton nhưng hội tụ nhanh hơn phương pháp lặp đơn.
Ví dụ 1-5.1. Cho phương trình f(x) = x
3
-3x + 2 = 0 có một nghiệm là x* = 2. Sử dụng phương
pháp cát tuyến với sai số 10
-3
, x
0
= -2,6, x
1
= -2,4 ta được
n x(n)
2 -2.1066
3 -2.0226
4 -2.0015
5 -2.0000
6 -2.0000
5.2. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp Cát tuyến
Input: Hàm số f(x) = 0, 2 nghiệm xấp xỉ ban đầu x0 và x1, sai số được phép ε,
Ouput: nghiệm gần đúng x của phương trình f(x) = 0
Algorithm:
Bước 1: Khởi gán sai số e := 1; Nghiệm tìm xấp xỉ cần tìm là x = x1
x* x
2
x
3
x
0
x
1
43
NCT-FIT-HNUE Computional methods and Optimization Problems
Bước 2: Lặp quá trình sau đây khi e > ε
2.1. Tính x := x1-f(x1)-((x1-x0)/(f(x1)-f(x0)));
2.2. e := abs(x-x0);
2.3. Gán x0 := x1; x1 :=x;
Bước 3: In ra nghiệm x;
6. Phương pháp dây cung
6.1. Mô tả phương pháp
Giả sử (a, b) là khoảng phân ly của phương trình f(x) = 0. Ý tưởng của phương pháp dây cung là
thay dây cung cong của đường cong y = f(x) bằng dây cung trương cung cong ấy và xem hoành
độ x
n
của giao điểm của dây cung với trục hoành là giá trị xấp xỉ của nghiệm đúng x*.
Giả thiết đạo hàm cấp hai f’’(x) không đổi dấu trên đoạn [a, b]. Khi đó trong hai đầu mút a và b,
ta cố định một đầu, mà tại đó giá trị của hàm cùng dấu với dấu của f”(x) (tức là điểm Fourier), và
lấy đầu mút còn lại làm xấp xỉ ban đầu x
0
. Công
thức lặp của phương pháp dây cung sẽ như sau:
,... 2 , 1 ,
) ( ) (
) )( (
1
1 1
1
=


− =

− −

n
d f x f
d x x f
x x
n
n n
n n
(1-6.1)
trong đó d = b, x
0
= a nếu f(b).f”(x) > 0; và d = a, x
0
= b nếu f(a).f”(x) > 0.
Hình bên minh họa một số xấp xỉ liên tiếp theo
phương pháp dây cung giải phương trình 2x
2
- x -
0,1 = 0.
6.2. 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:
1
| ( ) |
| *|
n
n
f x
x x
m
− ≤ ,

1 1
1
1
| *| |
n n
M m
x x x x
m

|,
n

− ≤ −

Ở đây, như thường lệ, ta ký hiệu
1 1
max | '( ) |, min | '( ) |
a x b a x b
M f x m f x
≤ ≤ ≤ ≤
= =
.
BÀI TẬP
1. Tìm khoảng phân ly với độ rộng bằng 1 cho các nghiệm của các phương trình sau:
) 0 ( 0 20 3
4
> = − − x x x


2 ln( ) 0 x x − − =

44
NCT-FIT-HNUE Computional methods and Optimization Problems

) 0 ( 0 5 2
3
> = − − x x x

0 5 3
3
= + + x x

0 = +
x
e x

) 0 ( 0 2 4
2
> = − − x x e
x

5
1
sin = − x x


. 0 sin
2
= − x x π
2. Bằng phương pháp chia đôi tìm nghiệm của các phương trình cho trong bài 1 với độ
chính xác ε = 10
-2
.
3. Tìm nghiệm của các phương trình cho trong bài 1 với độ chính xác ε = 10
-2
bằng phương
pháp lặp đơn. So sánh số lần lặp thực sự với số lần lặp ước lượng trước khi tính
,... ,
3 2
x x
4. Sử dụng phương pháp lặp đơn dạng x
n+1
= x
n
+ λf(x
n
) giải phương trình f(x) = 0 tìm
7 .
5. Tìm nghiệm của các phương trình cho trong bài 1 với độ chính xác ε = 10
-3
bằng phương
pháp Newton.
6. Tính 13 bằng phương pháp Newton, phương pháp lặp đơn và phương pháp cát tuyến
với độ chính xác 10
-3
.
7. Phương pháp Newton hội tụ tới nghiệm nào trong ba nghiệm 0; 1 và -1 của phương
trình x
3
- x = 0 nếu xuất phát từ điểm x
0
bất kỳ?
8. Tính cos 20
0
với độ chính xác 10
-3
.
Gợi ý: Sử dụng cos 3 × 20
0
= 1/2.
9. Tìm nghiệm gần đúng của phương trình 2x
2
- x - 0,1=0 bằng các phương pháp cát tuyến
và phương pháp dây cung với độ chính xác 0.001 và so sánh tốc độ hội tụ.
10. Lập chương trình giải phương trình phi tuyến bằng các phương pháp cát tuyến và dây
cung. Sử dụng chương trình này giải phương trình trong bài tập 7.
45
NCT-FIT-HNUE Computional methods and Optimization Problems
Chương 4 PHƯƠNG PHÁP SỐ
TRONG ĐẠI SỐ TUYẾN TÍNH
1. Đại số ma trận
1.1. 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.
Ví dụ 1-1.1.










=
2
1
3
u là một vectơ cột ba thành phần.
Ta gọi vectơ hàng là một dạy hữu hạn có thứ tự các số được sắp xếp nối tiếp nhau theo hàng
ngang.
Ví dụ 2-1.1. là một vectơ hàng có 4 thành phần. ( 9 2 4 = v )
b) Các phép toán trên vectơ
Cộng hai vectơ
Cho và , thì










=
3
2
1
u
u
u
u










=
3
2
1
v
v
v
v










+
+
+
= +
3 3
2 2
1 1
v u
v u
v u
v u
Tương tự,
Cho và , thì ( )
3 2 1
, , u u u u = ( )
3 2 1
, , v v v v = ( )
3 3 2 2 1 1
, , v u v u v u v u + + + = +
Nhân một số với một vectơ
Nếu u = (u
1
, u
2
, u
3
) và a là một số thì au = (au
1
, au
2
, au
3
).
Vectơ không, kí hiệu là 0, là vectơ mà các thành phần của nó đều bằng 0.
Tích vô hướng (khi nhân vectơ hàng với vectơ cột)
Cho và ( )
3 2 1
, , u u u u =










=
3
2
1
v
v
v
v
Khi đó tích vô hướng của vectơ hàng u với vectơ cột v là số
3 3 2 2 1 1
v u v u v u uv + + =
Ví dụ 3-1.1.
46
NCT-FIT-HNUE Computional methods and Optimization Problems
Một sản phẩm được tạo ra bởi ba công đoạn, mỗi công đoạn cần một công nhân làm. Công nhân
thứ nhất làm mất 3 giờ, công nhân thứ hai làm mất 4 giờ và công nhân thứ ba làm mất 2 giờ.
Tiền trả mỗi giờ cho các công nhân tương ứng là 50000đ, 80000đ và 60000đ.
Số tiền phải trả để hoàn thành sản phẩm là tích vô hướng của hai vectơ
( ) 2 4 3 = u và










=
60000
80000
50000
v
tức là số uv = 3*50.000 + 4*80.000 + 2*60.000 = 590.000đ
1.2. Ma trận
1.2.1. Định nghĩa
Một ma trận A cấp m × n là một bảng gồm m × n phần tử xếp theo m hàng và n cột.












=
mn m m
n
n
a a a
a a a
a a a
A
...
... ... ... ...
...
...
2 1
2 22 21
1 12 11
,
trong đó a
ij
là phần tử ở hàng i, cột j, i ∈ [1,…,m], j ∈[1,…, n].
1.2.2. Các loại ma trận
• Ma trận vuông: Khi m = n thì ma trận A = (a
ij
) gọi là ma trận vuông cấp n.
• Ma trận đơn vị, thường ký hiệu là E hoặc I, là ma trận vuông cấp n có các phần tử nằm
trên đường chéo bằng 1, các phần tử còn lại bằng 0, tức là a
ii
= 1 và a
ij
= 0, ∀ i ≠ j, 1
≤ i, j ≤ n.
E =












1 ... 0 0
. . . .
0 ... 1 0
0 ... 0 1
• Ma trận chuyển vị: Ma trận chuyển vị của một ma trận A, kí hiệu là A
t
, là ma trận nhận
được từ ma trận A bằng cách đổi hàng thành cột và đổi cột thành hàng.
• Ma trận nghịch đảo: Cho ma trân vuông A, ma trận nghịch đảo của ma trận A (nếu có),
kí hiệu là A
-1
, là một ma trận vuông cấp n thỏa mãn điều kiện sau:
A.A
-1
= A
-1
.A = E
1.2.3. 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, tức là a
ij
= a
ji
= 0 với i ≠ j, được gọi là ma trận đường chéo .
• Ma trận tam giác trên: Ma trận vuông A được gọi là ma trận tam giác trên, nếu a
ij
= 0
nếu với ∀ i > j, tức là A có dạng:
47
NCT-FIT-HNUE Computional methods and Optimization Problems
A = .












nn
n
n
a
a a
a a a
... 0 0
. ... . .
... 0
...
2 22
1 12 11
• Ma trận tam giác dưới: Tương tự, ma trận vuông A được gọi là ma trận tam giác dưới,
nếu a
ij
= 0 với ∀ i < j, tức là A có dạng:
A =












nn n n
a a a
a a
a
...
. ... . .
0 ...
0 ... 0
2 1
22 21
11
• Ma trận thưa: Ma trận thưa là ma trận có rất nhiều phần tử bằng 0. Trong trường hợp,
nếu a
ij
= 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
















=


nn n n
n n
a a
a
a a a
a a
A
.. ...... 0 0 0
... .......... 0 0 0
.... .......... .......... ..........
0 .0 ..........
0 ..0 .......... 0
1 ,
, 1
23 22 21
12 11
.
• Ma trận đối xứng: Ma trận A được gọi là đối xứng nếu A=A
t
, tức là a
ịj
=a
ji
(i,j=1,...,n).
• Ma trận xác định dương: Ma trận A được gọi là xác định dương nếu tích vô hướng (Ax,
x) > 0 với mọi x ≠ 0.
1.2.4. 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. Cho hai
ma trận A = {a
ij
}
i = 1, .., m; j = 1, ..., n
, B = {b
ij
}
i = 1, .., m; j = 1, ..., n
, Khi đó tổng của hai ma trận A
và B là ma trận C = {c
ij
}
i = 1, .., m; j = 1, ..., n
, kí hiệu là C = A + B, với c
ij
= a
ij
+ b
ij
,
(i,j=1,...,n).
• 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. Tích của hai ma trận A = (a
ij
) kích thước m × p với
ma trận B = (b
ij
) kích thước p × n

là ma trận C = (c
ij
) có kích thước m × n, trong đó:
. ,..., 2 , 1 ; ,..., 2 , 1 ,
1
n j m i b a c
kj
p
k
ik ij
= = =

=

Ví dụ 1-1.2.
A[3 × 2] . B[2 × 4 ] = C[3 × 5]
48
NCT-FIT-HNUE Computional methods and Optimization Problems










− −
− =


















3 5 2 11
13 1 6 9
5 3 2 1
1 4 0 6
5 3 2 1
.
2 1
2 3
0 1

• 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, điều kiện để thực hiện được phép
nhân là: số phần tử của véc tơ hàng phải bằng số hàng của ma trận.
Ví dụ 2-1.2.
[ ] [ ] [ 3 13 1 . 1 2 . 2 0 . 3 3 . 1 ) 1 .( 2 4 . 3
1 3
2 1
0 4
1 2 3 = + + + − + =










− ]
• Nhân một ma trận với một véc tơ (cột): Là trường hợp đặc biệt của phép nhân hai ma
trận A[m × n] * B[n × 1] = C[m × 1]. Nói cách khác, điều kiện để thực hiện được phép
nhân là: Số cột của ma trận trước phải bằng số thành phần của véc tơ cột.
Ví dụ 3-1.2.










=










+
+ −
+
=

















17
6
16
5 . 1 4 . 3
5 . 2 4 ). 1 (
5 . 0 4 . 4
5
4
.
1 3
2 1
0 4

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
1.2.5. Định thức của ma trận
Với mỗi ma trận vuông A cấp n, ta tính được một số thực theo qui tắc dưới đây, gọi là định thức
của ma trận A, kí hiệu là det A hoặc |A|.
a) Định thức của ma trận cấp hai
Cho thì det(A) = a






=
22 21
12 11
a a
a a
A
11
a
22
- a
12
a
21
b) Định thức của ma trận cấp ba
Cho thì










33 32 31
23 22 21
13 12 11
a a a
a a a
a a a






+






+






=
32 31
22 21
13
33 31
23 21
12
33 32
23 22
11
det det det det
a a
a a
a
a a
a a
a
a a
a a
a A
49
NCT-FIT-HNUE Computional methods and Optimization Problems
det A = a
11
a
22
a
33
- a
11
a
23
a
32
+ a
12
a
21
a
33
- a
12
a
23
a
31
+ a
13
a
21
a
32
- a
13
a
22
a31
c) Định thức của ma trận vuông cấp n tổng quát
Có thể tính theo cột hoặc hàng bất kỳ. Ví dụ nếu chọn một hàng i nào đó, ta có:
det A = (-1)
i+1
a
i,1
det M
i,1
+ (-1)
i+2
a
i,2
det M
i,2
+ ... + (-1)
i+n
a
i,n
det M
i,n
Trong đó M
i,j
là ma trận thu được từ ma trận A sau khi bỏ đi hàng i và cột j.
Ví dụ 4-1.2.











− =
9 8 7
6 5 4
3 2 1
A , , ,







=
9 8
6 5
1 , 1
M





⎡−
=
9 7
6 4
2 , 1
M





⎡−
=
8 7
5 4
3 , 1
M
det A = (-1)
1+1
a
1,1
det M
1,1
+ (-1)
1+2
a
1,2
det M
1,2
+ (-1)
1+3
a
1,3
det M
1,3
= a
1,1
det M
1,1
-

a
1,2
det M
1,2
+

a
1,3
det M
1,3
=1.93 -2.(-78)+3.(-3) = 240.
Để ý thấy, nếu chọn hàng 1 thì dấu cộng trừ đan xen nhau, bắt đầu là dấu dương.
2. Hệ phương trình đại số tuyến tính
2.1. Giới thiệu
Cho hệ phương trình gồm n phương trình tuyến tính với n ẩn số x
1
, x
2
,...,x
n








= + + +
= + + +
= + + +
n n nn n n
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
...
. . . . ... . . . .
...
...
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
(1-2.1)
Hệ phương trình này có thể viết dưới dạng ma trận
Ax = b (2-2.1)
trong đó












=
nn n n
n
n
a a a
a a a
a a a
A
...
. ... . .
...
...
2 1
2 22 21
1 12 11
, ,














=
n
x
x
x
x
...
2
1














=
n
b
b
b
b
...
2
1
Bài toán đặt ra là tìm nghiệm x = (x
1
, x
2
, …, x
n
)
t
của hệ (2-2.1)
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, ví dụ như các phương pháp Cramer,
khử Gauss, Choleski, là phương pháp cho ta nghiệm đúng của hệ phương trình (1-2.1) sau một
số hữu hạn các phép tính với giả thiết không có sai số làm tròn.
50
NCT-FIT-HNUE Computional methods and Optimization Problems
Phương pháp gần đúng hay còn gọi là phương pháp lặp, ví dụ như các phương pháp Jacobi,
Gauss-Seidel, 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. Quá trình này được lặp
nhiều lần và với một số điều kiện nhất định, ta nhận được nghiệm gần đúng của hệ với một sai số
có thể ước lượng được.
Trong chương này chúng ta sẽ tìm hiểu các phương pháp: Cramer, Khử Gausse, Gauss-Seidel và
giảm dư..
2.2. Giới thiệu phương pháp Cramer
Nếu det A ≠ 0 thì hệ (2-2.1) có nghiệm duy nhất và nghiệm của nó có thể tính theo phương
pháp Cramer với công thức:
b A x
1 −
=
tức là
A
A
x
j
j
det
det
= (1-2.2)
trong đó A
j
là ma trận nhận được từ ma trận A bằng cách thay cột thứ j bởi cột b.
Ví dụ 1-2.2.
Hãy giải hệ





= + − −
= + + −
= +
8 3 2
30 6 4 3
6 2
3 2 1
3 2 1
3 1
x x x
x x x
x x

Giải: Ta có










− −
− =
3 2 1
6 4 3
2 0 1
A ,










=
8
30
6
b
Vậy











=
3 2 8
6 4 30
2 0 6
1
A , ,











− =
3 8 1
6 30 3
2 6 1
2
A










− −
− =
8 2 1
30 4 3
6 0 1
3
A
Ta tính được
det A = 44 ≠ 0
det A
1
= -40, det A
2
= 72, det A
3
= 152
Ta suy ra các thành phần nghiệm của hệ đã cho:
x
1
= -40/44 = -10/11; x
2
= 72/44 = 18/11; x
3
= 152/44 = 38/11
Vậy x = (-10/11, 18/11, 38/11)
t
là nghiệm của hệ đã cho.
51
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, nghĩa là
cần rất nhiều các phép tính số học. Cụ thể là, để tính các x
j
theo công thức trên cần tính n+1 định
thức cấp n, mà mỗi định thức chứa n! số hạng, mỗi số hạng là tích của n thừa số, do vậy để tính
mỗi số hạng cần thực hiện n-1 phép nhân. Như vậy, riêng số phép nhân phải thực hiện trong (1-
2.2) đã là n!(n+1)(n-1). Giả sử n=20. Khi đó n!=20! ≈ 2,4329 . 10
18
và n!(n+1)(n-1) ≈ 9,7073
.10
23
. 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 3,0782 . 10
5
năm!
Trong khoa học và công nghệ người ta thường phải giải các hệ phương trình cỡ lớn hơn 20 rất
nhiều, chẳng hạn cỡ nghìn, chục nghìn, thậm chí cỡ hàng triệu. 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. Một
đặc điểm của các phương pháp đó là khước từ việc nghịch đảo ma trận. 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.
2.3. 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:












=
+
+
+
1 , 2 1
1 , 2 2 22 21
1 , 1 1 12 11
...
. . ... . .
...
...
n n nn n n
n n
n n
a a a a
a a a a
a a a a
A












=
+
+
+
1 ,
1 , 2 2 22
1 , 1 1 12 11
' ' ... 0 0
. . ... . .
' ' ... ' 0
' ' ... ' '
'
n n nn
n n
n n
a a
a a a
a a a a
A
Để tiện cho quá trình biến đổi tương đương, ta coi cột b là cột thứ n + 1 của ma trận A.
• Cơ sở của việc biến đổi: Sử dụng các phép biến đổi tương đương như:
- Đổi chỗ 2 phương trình bất kỳ.
- Nhân một phương trình bất kỳ với một số khác không.
- Cộng vào một phương trình một tổ hợp tuyến tính của một số phương trình khác
• Từ đó, phương pháp khử Gauss gồm 2 quá trình:
- Quá trình thuận: đưa ma trận A về dạng tam giác trên,
Cách biến đổi A A’: Thực hiện n - 1 lần biến đổi :
Lần biến đổi thứ i (làm cho a
ji
= 0 ; j = i + 1, …, n) bằng cách công thức:
ii
ji
a
a
m n i j m i Dòng j Dòng j Dòng − = + = × + = ; ,..., 1 , (1-2.3)
- Quá trình ngược: giải hệ tam giác trên từ dưới lên trên, tức là tính các nghiệm x
n
, x
n-1
,
…, x
1
bằng phương pháp “thế ngược”.
n
nn
n
b
a
x
1
=
52
NCT-FIT-HNUE Computional methods and Optimization Problems
) (
1
, 1 1
1 , 1
1 n n n n
n n
n
x a b
a
x
− −
− −

− = (2-2.3)

) (
1
1
j ij
n
i j
i
ii
i
x a b
a
x

+ =
− =
Ví dụ 1-2.3. Giải hệ phương trình





= + +
= + +
= + +
6 2 3
6 3 2
6 3 2
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

Ta có
[ ]










= =
6
6
6
2 1 3
1 3 2
3 2 1
, ' b A A
Quá trình thuận
• i = 1
Dòng 2 = Dòng 2 - 2 * Dòng 1
Dòng 3 = Dòng 3 - 3 * Dòng 1
[ ]










=
6
6
6
2 1 3
1 3 2
3 2 1
, b A [ ]












− −
− − = →
12
6
6
7 5 0
5 1 0
3 2 1
, b A
• i = 2
Dòng 3 = Dòng 3 - 5 * Dòng 2
[ ]












− −
− − =
12
6
6
7 5 0
5 1 0
3 2 1
, b A [ ]










− − − = →
18
6
6
18 0 0
5 1 0
3 2 1
, b A
Như vậy kết thúc quá trình trên ta sẽ thu được hệ có dạng tam giác trên





=
− = − −
= + +
18 18
6 5
6 3 2
3
3 2
3 2 1
x
x x
x x x

Quá trình ngược
Giải ngược: Tính các nghiệm x
n
, x
n-1
, …, x
1
bằng phương pháp “thế ngược”: Ta tính được x
3
= 1;
x
2
= 6 - 5.1 = 1; x
1
= 6 - 2 - 3 = 1.
53
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(n
3
) khi n đủ lớn.
Ví dụ 2-2.3. Giải hệ PTĐSTT sau bằng phương pháp khử Gauss:
2x
1
+ 4x
2
+ 3x
3
= 4
3x
1
+ x
2
- 2x
3
= -2
4x
1
+ 11x
2
+ 7x
3
= 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










7 7 11 4
2 - 2 - 1 3
4 3 4 2











1 - 1 3 0
8 - 6,5 - 5 - 0
2 1,5 2 1










5,8 - 2,9 - 0 0
1,6 1,3 1 0
2 1,5 2 1











2 1 0 0
1,6 1,3 1 0
2 1,5 2 1
Quá trình tính ngược cho ta x
1
= 1, x
2
= -1, x
3
= -2.
Nhận xét 1: Trong quá trình thuận ta phải thực hiện phép chia cho phần tử trụ a
ii
. Nếu nó bằng 0
thì quá trình không thực hiện được. Ngoài ra nếu nó có trị tuyệt đối nhỏ thì khi chia cho nó sai số
làm tròn sẽ lớn, do đó có thể làm giảm độ chính xác của nghiệm tìm được. 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.
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, trừ đi từ hàng một hàng khác nhân với một số và đổi chỗ hai hàng. Do đó,
định thức của ma trận A có thể tính theo công thức
) 1 ( ) 1 (
22
) 0 (
11
... ) 1 ( det

− =
n
nn
k
a a a A ,
trong đó k là số lần đổi chỗ các hàng và là phần tử trụ lần lặp thứ i.
j
ii
a
Ví dụ 3-2.3.










7 11 4
2 - 1 3
3 4 2
det = 2 = 2 = 2.(-5)










7 11 4
2 - 1 3
1,5 2 1
det










1 3 0
6,5 - 5 - 0
1,5 2 1
det










2,9 - 0 0
1,3 1 0
1,5 2 1
det
= 2.(-5).(-2,9) = 2.(-5).(-2,9) = 29.










1 0 0
1,3 1 0
1,5 2 1
det
b) Thuật toán Khử Gauss
Input: n, ma trận a(n,n+1) là ma trận các hệ số, cột n+1 là vế phải của phương trình.
54
NCT-FIT-HNUE Computional methods and Optimization Problems
Output: véct tơ nghiệm x.
Algorithm:
1. Nhập n, a
i
(i=1, .., n; j = 1, ..., n+1)
2. Quá trình thuận: Biến đổi A A’
Lặp quá trình sau với i = 1 n - 1
2.1. Xét a[i,i], nếu a[i,i] = 0 thì tìm phương trình j sao cho a[j,i] ≠ 0. Nếu tồn tại
phương trình j thì hoán đổi hai phương trình cho nhau, nếu không thì kết luận hệ
suy biến và dừng thuật toán.
2.2. Chia 2 vế của phương trình i cho a[i,i] để chuẩn bị cho việc khử x[i] trong
các phương trình còn lại ; gán kết quả cho phương trình trung gian c
a[i,,j]=a[i,,j]/a[i,i]; c[j]=a[i,,j]; với j = 1, 2, .., n.
2.3. Với mỗi phương trình j = i +1 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,i]
a[j,k] = a[j,k] + c[k] * (-a[j,k]) ; với k = 1,2, ..., n
3. Quá trình ngược
3.1. Tính x[n]=a[n,n+1];
3.2. Tính thành phần nghiệm x[k] với k = n-1, ..., 1
(i) Tính tổng s = s + a[k, j] với j = k+1, ..., n
(ii) Tính x[k] = a[k, n + 1] - s
4. Xuất x
1
, x
2
, ..., x
n
2.4. 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. Trước hết,
biến đổi hệ







= + + +
= + + +
= + + +
+
+
+
1 , 2 2 1 1
1 , 2 2 2 22 1 21
1 , 1 1 2 12 1 11
...
. . . . ... . . . .
...
...
n n n nn n n
n n n
n n n
a x a x a x a
a x a x a x a
a x a x a x a
(1-2.4)
Về dạng











− − − − − =
− − − − =
− − − − =
− − +
+
+
) ... (
1
. . ... . . . . . . .
) ... (
1
) ... (
1
1 1 , 3 3 2 2 1 1 1 ,
2 3 23 1 21 1 , 2
22
2
1 3 13 2 12 1 , 1
11
1
n n n n n n n n
nn
n
n n n
n n n
x a x a x a x a a
a
x
x a x a x a a
a
x
x a x a x a a
a
x

55
NCT-FIT-HNUE Computional methods and Optimization Problems
Hay











≠ − =
≠ − =
≠ − =



=
+
=
+
=
+
) ( / ) (
... . ... . .
) 2 ( / ) (
) 1 ( / ) (
1
1 ,
1
22 2 1 , 2 2
1
11 1 1 , 1 1
n j a x a a x
j a x a a x
j a x a a x
n
j
nn j nj n n n
n
j
j j n
n
j
j j n

Tổng quát ta có với i = 1, 2, …, n thì

=
+
≠ − =
n
j
ii j ij n i i
i j a x a a x
1
1 ,
, / ) ( (2-2.4)
Viết gọn hơn thì hệ (1-2.4) có dạng
x = Bx + g (3-2.4)
trong đó B gọi là ma trận lặp và




















− −
− −
− −
=
0 ...
. ... . .
... 0
... 0
2 1
22
2
22
21
11
1
11
12
nn
n
nn
n
n
n
a
a
a
a
a
a
a
a
a
a
a
a
B , ,














=
n
x
x
x
x
...
2
1




















=
+
+
+
nn
n n
n
n
a
a
a
a
a
a
g
1 ,
22
1 , 2
11
1 , 1
...

Tiếp theo, cho hệ nghiệm ban đầu . Thay x
t
n
x x x x ) ,..., , (
0 0
2
0
1 0
=
0
vào phương trình (2-2.4) để tính
với
t
n
x x x x ) ,..., , (
1 1
2
1
1 1
=

=
+
≠ − =
n
j
ii j ij n i i
i j a x a a x
1
0
1 ,
1
, / ) (
Tiếp tục quá trình đó ta tính x
2
, x
3
, …, x
k
Tổng quát:

=
+
+
≠ − =
n
j
k
j ij n i
ii
k
i
i j x a a
a
x
1
1 ,
1
, ) (
1
(4-2.4)
Quá trình lặp nói trên sẽ dừng tại x
k
nếu thỏa mãn tiêu chuẩn hội tụ tuyệt đối:
) ,..., 1 ( n i x x
k
i
i k
i
= ∀ < −
+
ε
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
NCT-FIT-HNUE Computional methods and Optimization Problems
(i) 1 max
1
1
< =

=
n
j
ij
i
b r (5-2.4)
(ii) 1 max
1
2
< =

=
n
i
ij
j
b r (6-2.4)
(iii) (7-2.4) 1
1
2
1
3
< =
∑ ∑
= =
n
j
ij
n
i
b r
Ví dụ 1-2.4.
Bảng kết quả tính toán dưới đây giải hệ





= + +
− = − +
= + −
4 4
4 4
8 2 5
3 2 1
3 2 1
3 2 1
x x x
x x x
x x x

theo công thức (4-2.4) thì





+ − − =
− + − =
+ − =
+ + +
+ +
+
1 25 , 0 25 , 0
1 25 , 0 25 , 0
6 , 1 4 , 0 2 , 0
) 1 (
2
) 1 (
1
) 1 (
3
) (
3
) 1 (
1
) 1 (
2
) (
3
) (
2
) 1 (
1
k k k
k k k
k k k
x x x
x x x
x x x

cho thấy phương pháp Gauss-Seidel thực sự hội tụ nhanh.
k
) (
1
k
x
) (
2
k
x
) (
3
k
x

− || ||
) (
x x
k
1 1.6000 -1.4000 0.9500 0.6000
2 0.9400 -0.9975 1.0144 0.0600
3 0.9948 -0.9951 1.0001 0.0052
4 1.0009 -1.0002 0.9998 0.0009
5 1.0000 -1.0001 1.0000 0.0001
6 1.0000 -1.0000 1.0000 0.0000
Ví dụ 2-2.4.
Giải hệ cho dưới dạng ma trận [A, b] với sai số không vượt quá 10
-3
.










8 10 1 1
10 2 10 1
10 1 2 10

Áp dụng công thức (4-2.4) ta có





+ − − =
+ − − =
+ − − =
8 . 0 1 . 0 1 . 0
2 . 1 2 . 0 1 . 0
1 1 . 0 2 . 0
2 1 3
3 1 2
3 2 1
x x x
x x x
x x x

57
NCT-FIT-HNUE Computional methods and Optimization Problems
Ta có
,










− −
− −
− −
=
0 1 . 0 1 . 0
2 . 0 0 1 . 0
1 . 0 2 . 0 0
B










=
8 . 0
2 . 1
1
g
Do 1 3 , 0 max
1
1
< = =

=
n
j
ij
i
b r thỏa mãn điều kiện hội tụ nên ta có thể áp dụng phương pháp Gauss-
Seidel. Chọn x
0
= (0, 0, 0)
t
thay vào ta được x
1
= (1, 1.2, 0.8)
t
, tương tự tính x
2
, x
3
, .. và bảng kết
quả là
k x
1
(k)
x
2
(k)
x
3
(k)
1 1.2 0.8
2 0.68 0.94 0.58
3 0.754 1.016 0.638
4 0.733 0.997 0.623
5 0.738 1.002 0.627
6 0.737 1.001 0.626
7 0.737 1.001 0.626
Nghiệm của hệ là x = (0.737, 1.001, 0.626) vì |x
i
7
- x
i
6
| < 10
-3
∀ i = 1,2,3.
c) Thuật toán Gauss-Seidel
Input: n, ma trận a(n,n+1) là ma trận các hệ số, cột n+1 là vế phải của phương trình.
Output: véct tơ nghiệm x.
Algorithm:
1. Nhập n, a
i
(i=1 n; j = 1 n+1)
2. Nhập sai số ε
3. Nhập nghiệm xuất phát x = (x
1
, x
2
, ...x
n
)
/* Ta gọi nghiệm thứ k là x, nghiệm thứ k+1 là y = (y
1
, y
2
, ...y
n
) */
4. Lặp quá trình sau đây
4.1. Khởi tạo stop = true
4.2. Tính các thành phần y
i
cho nghiệm tiếp theo, với i = 1 n
a) Khởi tạo tổng S = 0
b) Với j = 1 n
Nếu (j ≠ i) thì gán S = S + a
ij
* x
j
c) y
i
= (a
i,n+1
- S)/a
ii

d) Nếu |y
i
- x
i
| ≥ ε thì gán stop = false;
e) Thay x
i
= y
i
58
NCT-FIT-HNUE Computional methods and Optimization Problems
Lặp quá trình trên đến khi stop = true
5. Xuất xi (i = 1 n)
2.5. Phương pháp giảm dư
a) Mô tả phương pháp
Biến đổi hệ phương trình







= + + +
= + + +
= + + +
+
+
+
1 , 2 2 1 1
1 , 2 2 2 22 1 21
1 , 1 1 2 12 1 11
...
. . . . ... . . . .
...
...
n n n nn n n
n n n
n n n
a x a x a x a
a x a x a x a
a x a x a x a
(1-2.5)
về dạng







= − − − −
= − − − −
= − − − −
+
+
+
0 ...
. . . . ... . . . .
0 ...
0 ...
2 2 1 1 1 ,
2 2 22 1 21 1 , 2
1 2 12 1 11 1 , 1
n nn n n n n
n n n
n n n
x a x a x a a
x a x a x a a
x a x a x a a
(2-2.5)
Chia hàng i cho a
ii
≠ 0, thu được hệ có dạng







= − − − −
= − − − −
= − − − −
+
+
+
0 ...
. . . . ... . . . .
0 ...
0 ...
2 2 1 1 1 ,
2 3 23 1 21 1 , 2
1 3 13 2 12 1 , 1
n n n n n
n
n
x x b x b b
x x b x b b
x x b x b b
(3-2.5)
Cho vectơ (cột) nghiệm ban đầu là
t
n
x x x x ) ,..., , (
0 0
2
0
1 0
=
Vì x
0
chưa phải là nghiệm, nên







= − − − −
= − − − −
= − − − −
+
+
+
0 0 0
2 2
0
1 1 1 ,
0
2
0
2
0
3 23
0
1 21 1 , 2
0
1
0
1
0
3 13
0
2 12 1 , 1
...
. . . . ... . . . .
...
...
n n n n n n
n
n
R x x b x b b
R x x b x b b
R x x b x b b
(4-2.5)
R
1
0
, R
2
0
, ..., R
n
0
là các số dư sai khác giữa nghiệm x
0
và nghiệm đúng của hệ.
Tìm R
s
0
= max {|R
1
0
|, |R
2
0
|, ..., |R
n
0
|} và làm triệt tiêu phần tử đó bằng cách cho x
s
một số gia δx
s

= R
s
0
, nghĩa là x
s
1
= x
s
0
- R
s
0
.
Tính lại các số dư:
R
s
1
= 0 (5-2.5)
R
i
1
= R
i
0
- b
i,s

* δx
s

= R
i
0
- b
i,s

*

R
s
0
(i = 1, 2, ..., n) (6-2.5)
59
NCT-FIT-HNUE Computional methods and Optimization Problems
Cứ tiếp tục quá trình lặp trên cho đến khi |R
i
k
| < ε (∀i=1, ..., n) thì x
k
= (x
1
k
, x
2
k
, ..., x
n
k
) là
nghiệm của hệ.
Ví dụ 1-2.5. Giải hệ cho bởi ma trận [A,b] sau











− −
− −
8 10 1 1
7 1 10 2
6 2 2 10

Giải: Biến đổi hệ về dạng





= − + +
= − + +
= − + +
0 1 . 0 1 . 0 8 . 0
0 2 . 0 2 . 0 7 . 0
0 2 . 0 2 . 0 6 . 0
3 2 1
2 3 1
1 3 2
x x x
x x x
x x x

Cho x
0
= (0, 0, 0) R
0
= (R
1
0
, R
2
0
, R
3
0
) = (0.6, 0.7, 0.8)
R
3
0
= max{|R
i
0
|} = 0.8, ∀i =1, 2, 3.
x
3
1
= x
3
0
+ R
3
0
= 0.8
Tính lại các số dư: R
3
1
= 0
R
1
1
= R
1
0
+ b
13
.R
3
0
= 0.6 + 0.2 × 0.8 = 0.76
R
2
1
= R
2
0
+ b
23
.R
3
0
= 0.7 + 0.1 × 0.8 = 0.78
R
1
= (R
1
1
, R
2
1
, R
3
1
) = (0.76, 0.78, 0)
Tương tự, ta có bảng kết quả
x
1
x
2
x
3
R
1
R
2
R
3
0 0 0 0.6 0.7 0.8
0.8 0.76 0.78 0
0.78 0.92 0 0.08
0.92 0 0.18 0.17
0.96 0.04 0 0.19
0.99 0.07 0.02 0
0.99 0 0.03 0.01
0.99 0.01 0 0.01
1 0.01 0 0
1 0 0.01 0
1 0 0 0
Vậy nghiệm của hệ là x = (1, 1, 1).
60
NCT-FIT-HNUE Computional methods and Optimization Problems
b) Thuật toán Giảm dư
Input: n, ma trận a(n,n+1) là ma trận các hệ số, cột n+1 là vế phải của phương trình.
Output: véct tơ nghiệm x.
Algorithm:
1. Nhập n, a
ij
, x
i
2. Biến đổi hệ từ dạng (3.13) về dạng (3.14)
3. for i = 1 n
{ for j = 1 n+1
if (i!=j) a[i,j] / a[i,i];
a[i,i] = 1;
}
4. Tính r[i] ban đầu (i = 1, 2, …, n)
for i = 1 n
{ r[i] = a[i, n+1];
for j=1 n
r[i] = r[i] - a[i,j] * x[j];
}
5. Khởi tạo đầu lặp continue = true
6. Lặp khi continue = true
continue = false;
/* Tìm r
s
= max{|r[i]|, i = 1, 2, ..., n} và tính lại x
s
*/
max = |r[1]|; k = 1;
for i = 1 n
if (max < |r[i]|) {max = r[i]; k = i;}
x[k] = x[k] + r[k];
/* Tính lại r[i] và kiểm tra khả năng lặp tiếp theo */
d = r[k];
for i = 1 n
{ r[i] = r[i] - a[i, k] * d;
if (|r[i]| ≥ ε) continue = true;}
7. Xuất nghiệm x[i], (i= 1, 2, …, n)
Lưu ý:
- Phương pháp chỉ thực hiện được khi aii ≠ 0, 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.
61
NCT-FIT-HNUE Computional methods and Optimization Problems
- Mọi hệ phương trình có giá trị riêng λ ≥ 1 đều hội tụ đến nghiệm một cách nhanh chóng.
- Nếu các phần tử aii càng lớn hơn các phần tử trên dòng bao nhiêu thì quá trình hội tụ càng
nhanh.
2.6. 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 (1-2.6)
trong đó các hệ số a
ij
và b
i
được tính theo một công thức nào đó, có thể là khá phức tạp cho nên
không tránh khỏi sai số. Khi đó người ta thu được không phải là hệ (1-2.6), mà là hệ phương
trình với ma trận nhiễu A+δA và vế phải nhiễu b+δb. Và tất nhiên nghiệm của hệ nhiễu này bây
giờ không phải là x mà là x+δx. Như vậy, ta có
(A + δA)( x+δx) = b+δb (2-2.6)
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, 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, trong đó xảy ra hiện tượng “sai một ly đi
một dặm”, cụ thể là sai số nhỏ của dữ kiện dẫn đến sai số lớn của nghiệm.
Ví dụ 1-2.6. Hệ phương trình



= +
= +
1 2.01x x
1 2x x
2 1
2 1

có nghiệm là x
1
= 1, x
2
= 0. Hệ với nhiễu nhỏ của vế phải



= +
= +
1.01 2.01x x
1 2x x
2 1
2 1

lại có nghiệm là x
1
= -19, x
2
= 10, rất khác so với nghiệm của hệ đã cho.
Ví dụ 2-2.6. Hệ phương trình



= +
= +
3 x x
3 x 1.0001x
2 1
2 1

có nghiệm là x
1
= 0, x
2
= 3. Trong khi đó hệ với nhiễu nhỏ của ma trận A



= +
= +
3 1.0001x x
3 x x
2 1
2 1

có nghiệm là x
1
= 3, x
2
= 0, rất khác so với nghiệm của hệ đã cho.
Ví dụ 3-2.6. Hệ phương trình



= +
= +
2.01 1.01x 2x
2 x 2x
2 1
2 1

62
NCT-FIT-HNUE Computional methods and Optimization Problems
có nghiệm là x
1
= 0.5, x
2
= 1. Nhưng hệ phương trình trên với sự thay đổi ít của ma trận A và vế
phải



= +
= +
2.05 x 2.01x
2 x 2x
2 1
2 1

lại có nghiệm là x
1
= 5, x
2
= -8, khác xa so với nghiệm của hệ gốc đã cho.
Trong những thí dụ trên ta nói rằng hệ phương trình có nghiệm không ổn định.
3. Tính gần đúng giá trị riêng và véc tơ riêng của ma trận
3.1. Giới thiệu
Định nghĩa 1-3.1: Giả sử A là ma trận vuông cấp n. Số λ gọi là giá trị riêng của A nếu phương
trình
Ax = λx, x ∈ R
n
(1-3.1)
có nghiệm x = (x
1
, x
2
, …, x
n
) khác (0, 0, …., 0). Vectơ x ≠ 0 này được gọi là vectơ riêng ứng với
giá trị riêng λ.
Chú ý trong cách viết Ax, x luôn hiểu là vecto cột.
Ví dụ 1-3.1.
Cho . Ta thấy







=
1 8
0 3
A






=






=













=






2
1
3
6
3
2
1
1 8
0 3
2
1
A
Vậy với x = (1, 2) thì Ax = 3x
Do đó giá trị riêng của A là 3 ứng với vectơ riêng là (1, 2) ∈ R
2
.
Để tìm giá trị riêng của ma trận vuông A cấp n, ta viết Ax = λx thành Ax = λEx, x ∈ R
n
, trong
đó E là ma trận đơn vị cấp n. Do đó ta có
(A - λE)x = 0 (2-3.1)
Đây là một hệ phương trình tuyến tính thuần nhất. Muốn cho λ là giá trị riêng của A và hệ trên
có nghĩa x ≠ 0 thì điều kiện cần và đủ là
det (A-λE) = 0 (3-3.1)
Đó là phương trình để xác định giá trị riêng của A.
Định nghĩa 2-3.1. Phương trình (3-3.1) được gọi là phương trình đặc trưng của ma trận vuông
A.
Ví dụ 2-3.1. Hãy tìm các giá trị riêng của ma trận







=
0 1
2 3
A
Giải: Ta có
63
NCT-FIT-HNUE Computional methods and Optimization Problems
A- λI =






− −

=













− λ
λ
λ
1
2 3
1 0
0 1
0 1
2 3
Vậy phương trình đặc trưng của A là
det (A - λI) =
λ
λ
− −

1
2 3
= λ
2
- 3λ + 2 = 0
Suy ra λ = 1 và λ = 2 là các giá trị riêng của A.
Để tránh việc khai triển định thức đòi hỏi số phép tính lớn, khi tìm giá trị riêng λ ta có thể áp
dụng phương pháp Đa-nhi-lep-ski. Trong phương pháp này, ta chỉ cần tìm ma trận B sao cho B
đồng dạng với ma trận A và B có dạng là ma trận Phơ-rê-be-mit.
















=

0 1 ... 0 0
. . ... . .
0 0 ... 1 0
0 0 ... 0 1
...
1 2 1 n n
p p p p
P (4-3.1)
Khi đó giá trị riêng của A cũng là giá trị riêng của B.
3.2. Ma trận đồng dạng
Định nghĩa 1-3.2. Ma trận B gọi là ma trận đồng dạng với ma trận A, kí hiệu là B ~ A, nếu tồn
tại ma trận không suy biến M (tức det M ≠ 0) sao cho B = M
-1
AM.
Tính chất:
A ~ B B ~ A
A ~ B, B ~ C A ~ C
A ~ B Giá trị riêng λ của A và B trùng nhau.
3.3. 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.
Thực hiện n - 1 lần biến đổi:
• Lần biến đổi 1: Tìm M
-1
, M sao cho A
1
= M
1
A M ~ A và dòng thứ n của A
1
có dạng là 0
0 0 ... 1 0. Tính M
-1
và M có dạng như sau:
















=

1 0 0 0
...
. ... . .
0 ... 1 0
0 ... 0 1
, 2 , 1 ,
1
n n n n
a a a
M (1-3.3)
Hàng thứ n-1 của M
-1
bằng hàng thứ n của A, nói cách khác ta có:
j n j n
A M
,
1
, 1
=


64
NCT-FIT-HNUE Computional methods and Optimization Problems


















− − −
=
− − − −
1 0 ... 0 0
1
...
. . ... . .
0 0 ... 1 0
0 0 ... 0 1
1 ,
,
1 , 1 ,
2 ,
1 ,
1 ,
n n
n n
n n n n
n
n n
n
a
a
a a
a
a
a
M
(2-3.3)
Gọi phần tử biến đổi của ma trận A ứng với lần thứ nhất là phần tử ở hàng n và cột n - 1.
Hàng thứ n-1 của M bằng hàng thứ n của A chia cho phần tử biến đổi và thương mang
dấu âm. 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. Nói cách khác ta có:








− ≠ −
− =
=



1
1
1
1 ,
,
1 ,
, 1
n j if
a
a
n j if
a
M
n n
j n
n n
j n
(3-3.3)
A
1
= M
-1
A M ~ A (4-3.3)
• Lần biến đổi 2 tương tự: Chọn M
-1
, M sao cho A
2

= M
-1
A
1
M ~ A
1
và dòng thứ
n -1 của A
2
có dạng 0 0 0 ... 1 0 0. Phần tử biến đổi của A ứng với lần thứ hai ở trên
hàng n - 1và cột n - 2.
Tại lần này:
- Hàng thứ n - 2 của M
-1
sẽ bằng hàng thứ n - 1 của ma trận A.
- Hàng thứ n - 2 của M bằng hàng thứ n -1 của A chia cho phần tử biến đổi và thương
mang dấu âm. 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.
Ta thu được A
2
~ A
1
, A
1
~ A A
2
~ A.
• ...
• Lần biến đổi thứ n - 1 ta nhận được ma trận A
n-1
~ A và có dạng ma trận Phơ-rê-be-mit P.
















=

0 1 ... 0 0
. . ... . .
0 0 ... 1 0
0 0 ... 0 1
...
1 2 1 n n
p p p p
P
Khi đó giá trị định thức của P - λE là
det (P - λE) = (-1)
n

n
- p
1
λ
n-1
- … - p
n-1
λ - p
n
)
det (P - λE) = 0 ⇔ λ
n
- p
1
λ
n-1
- … - p
n-1
λ - p
n
= 0.
Giải phương trình trên ta suy ra được các giá trị riêng λ. Chú ý rằng P = M
-1
AM.
Ví dụ 1-3.3. Tìm giá trị riêng của ma trận
65
NCT-FIT-HNUE Computional methods and Optimization Problems










=
2 0
1 3 1
0 1 2
1
A , n = 3
Ta tìm ma trận Phơ-rê-be-mit:










=
0 1 0
0 0 1
3 2 1
p p p
P
Lần 1, chọn










=

0 1 0
2 1 0
0 0 1
1
M
,










− =










− − =
1 0 0
2 1 0
0 0 1
1 0 0
1
2
1
1
1
0
0 0 1
M
Trong đó : dòng 2 của M
-1
là dòng 3 của A. Dòng 2 của M bằng dòng 3 của A chia cho phần tử
cột 2 lấy dấu âm, trừ vị trí ở chính cột 2 thì bằng 1 chia cho nó.
A
1
= M
-1
A M =












0 1 0
5 5
2 1 2
1
Lần 2, chọn









⎡ −
=

1 0 0
0 1 0
5 5 1
1
M ,









⎡ −
=













⎡ −
− −
=
1 0 0
0 1 0
5 5 1
1 0 0
0 1 0
1
5
1
5
1
1
M
Trong đó : dòng 1 của M
-1
là dòng 2 của A. Dòng 2 của M bằng dòng 2 của A chia cho phần tử
cột 1 lấy dấu âm, trừ vị trí ở chính cột 1 thì bằng 1 chia cho nó.
A
2
= M
-1
A M = P =









⎡ −
0 1 0
0 0 1
8 14 7
Vậy giá trị riêng là nghiệm của phương trình λ
3
- 7λ
2
+ 14λ - 8 = 0
⇔ (λ - 2)(λ - 1)(λ - 4) = 0 ⇔ λ = 2; λ = 1; λ = 4.
b) Thuật toán Đan-nhi-lep-ski tìm giá trị riêng
Input: n, ma trận A= (a
i,j
) (i,j = 1, 2, ..., n)
Output: Các giá trị riêng của ma trận A = (a
i,j
)
Algorithm:
1. Nhập a, a
i,j
(i,j = 1, 2, ..., n)
66
NCT-FIT-HNUE Computional methods and Optimization Problems
2. Định nghĩa hàm nhân 2 ma trận vuông cấp n: Nhân(input: X, Y, output: Z)
3. Lặp k = n - 1 1 (phần tử biến đổi là a
k+1
,
k
)
/* Tính hai ma trận M và M1 (M1 là nghịch đảo của ma trận M*/
for i = 1 n
for j = 1 n
if i ≠ k
if (i = j) {M[i, j] = 1; M1[i, j] = 1}
else {M[i,j] = 0; M1[i,j] = 0}
else {M1[i,j] = a[k+1, j];
if (j = k) M[i,j] = 1/a[k+1, k];
else M[i,j] = - a[k+1, j]/a[k+1, k]}
/* Gọi hàm nhân 2 lần */
Lần 1: Nhân(input A, M, output: B)
Lần 2: Nhân(input: M1, B; output: A)
4. Xuất a
i,j
(i,j = 1 n)
3.4. 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
.A.M.y = λ.E.y
Nhân hai vế với M:
M.M
-1
.A.M.y = M..λ.E.y
A.M.y = λ.E.M.y
Đặt vectơ x = My: (1-3.4)
Ax = λEx
Vậy x là vectơ riêng của A Tính x theo công thức (9-3.3) trong đó M và Y xác định bởi các công
thức sau:
,
1 2 1
1
1
1
2
1
1
... ...

− −



=
n n n
M M AM M M M P
M
i
và M
i
-1
là ma trận M và M
-1
xác định ở lần biến đổi thứ i
và M = M
1
M
2
…M
n-1
(2-3.4)
Xác định vectơ y nhờ phương trình
(P - λE)y = 0
67
NCT-FIT-HNUE Computional methods and Optimization Problems
hay
0
...
1 ... 0 0
. . ... . .
0 0 ... 1
...
2
1 1 2 1
=



























=

n
n n
y
y
y p p p p
P
λ
λ
λ

hay








= −
= −
= + + + + −

− −
0
...
0
0 ... ) (
1
2 1
1 1 2 2 1 1
n n
n n n n
y y
y y
y p y p y p y p
λ
λ
λ
cho y
n
=1 y
n-1
= λ.
y
n-2
= λy
n-1
= λ
2
, ..., y
1
= λ
n-1
Vậy
y = (λ
n-1
, λ
n-1
, ..., λ, 1) (3.3.4)
Ví dụ 1-3.4. Tìm vectơ riêng của A
A =










2 1 0
1 3 1
0 1 2
Gọi y là vectơ riêng của ma trận Phơ-rê-be-mit P ~ A. Ở ví dụ 3.18 ta đã tìm được 3 giá trị riêng,
nên ta có
λ
1
= 2 y
1
= (4, 2, 1)
λ
2
= 1 y
2
= (1, 1, 1)
λ
3
= 3 y
3
= (16, 4, 1)
Tìm M :
M =












=









⎡ −










− =
1 0 0
2 1 0
5 5 1
1 0 0
0 1 0
5 5 1
0 1 0
2 1 0
0 0 1
2 1
M M
x = M y. Ứng với 3 giá trị riêng, ta có 3 vectơ riêng









⎡−
=






















=
1
0
1
1
2
4
1 0 0
2 1 0
5 5 1
1
x

68
NCT-FIT-HNUE Computional methods and Optimization Problems










− =






















=
1
1
1
1
1
1
1 0 0
2 1 0
5 5 1
2
x












=






















=
1
2
1
1
4
16
1 0 0
2 1 0
5 5 1
3
x
Vậy các vectơ riêng của A là x
1
= (-1, 0, 1) ; x
2
= (1, -1 , 1) và x
3
= (1, 2, 1)
b) Thuật toán tìm vectơ riêng
Ta bổ sung vào thuật toán tìm giá trị riêng ở hai chỗ : phần khởi tạo và trong vòng lặp k
1. Khởi tạo B1 = E
2. Lặp k = n - 1 1
/* Tính 2 ma trận M, M1 như thuật toán tìm giá trị riêng*/
/* Gọi hàm nhân 3 lần */
Lần 1: Nhân(input: A, M; output B)
Lần 2: Nhân(input: B1, M; output: A)
Lần 3: Nhân(input: B1, M; output: B)
/* Gán lại ma trận B1 = B */
3. Xuất a
i,j
và b
i,j

BÀI TẬP
1. Giải các hệ phương trình Ax = b sau đây bằng phương pháp khử Gauss. So sánh với nghiệm
đúng x*
a) , .










=










=
6
4
11
'
10 2 3 -
1 - 3 1
1 0 5
b A










=
1
1
2
* x
b) , .











=










=
3
2
3
'
4 1 - 1
1 3 1 -
1 - 0 2
b A











=
1
0
1
* x
c) , *










=










=
4
2
1
'
3 1 1
1 3 - 1
1 - 0 2
b A










=
1
0
1
x .
69
NCT-FIT-HNUE Computional methods and Optimization Problems
d) .











=












=










=
1
0
1
* ,
2
4
2
'
3 1 - 1
2 - 5 2
0 1 - 2
x b A
e) .
f)




=
0
1
1
1
* ,
1
6
1
4
'
1 1 - 1 1
1
1 - 1 2 2
1 1 - 0 3
x b A .
3. Cho hệ phương trình ới

0 1 - 2



−1
ng pháp lặp giải hệ trên và biện luận sự hội tụ của nó.
6. Sau các phép biến đổi thích hợp hãy sử dụng phương pháp lặp Gauss-Seidel giải hệ phương
ố 10
-3

1 2 3 4
3 9 10
5 6
2 9.
x x x x
x x x x
x x x x
+ + + =
+ + + =











=











=










=
2
0
2
* ,
4
4
4
'
3 1 - 1
1 3 1 -
1 1 - 3
x b A
















=















=










0 5 - 2
b Ax = v




2 1 - 0




−3




= 1 - 2 1 - A ,
⎟ ⎜
= 5 b .


Tìm nghiệm của hệ bằng phương pháp khử Gauss.
Hãy đề xuất một phươ
trình sau với sai s
1 2 3 4
1 2 3 4
1 2 3 4
2 7 3 2 15 x x x x + + + =
4 + + + =

y và lý giải vì sao
3 4
10
2 6
2 9.
x x
x x x
x x
− =
− + − =
− + =
10. Dùng phương pháp đồ thị giải hệ phương trình sau

1
7. Có thể áp dụng phương pháp lặp gì để giải hệ sau đâ

2 3 4
2 10 x x x − + − =

1 2
1 2 3
2 2
2 1.01 2.0
x y
x y
+ =
+ =

1 2
0.5, 1. x x = = Giải thích vì sao nghiệm thu được có thể sai khác rất lớn so với nghiệm đúng là
70
NCT-FIT-HNUE Computional methods and Optimization Problems
Chương 5 TÍNH GẦN ĐÚNG ĐẠO HÀM
VÀ TÍCH PHÂN
1. Tính gần đúng đạo hàm
Giả sử là hàm trơn trên đoạn ] ,b và ) (x f [a , , n trong ó , / ) ( n a b h − = là các
điểm mốc cách đều nhau. Cho gía trị của hàm tại cá
0 , i ih a x
i
= + = đ
c điểm lưới trên: ) , 0 ( ) ( n i x f
i i
= = . Khi
đó có thể tính gần đúng đạo hàm cấp một của hàm tại các điểm lưới nhờ các công thức đạo hà
y
m
sai phân sau.
tại điểm biên y’(x
0
)
1.1. Đạo hàm cấp 1
- Đạo hàm sai phân tiến: thường để tính gần đúng đạo hàm
) 1 , 0 (
1
,
− =

=

=
+
n i
y y y
y
i i i
i x
(1-1.1)
h h

- Đạo hàm sai phân lùi: thường để tính gần đúng đạo hàm tại điểm biên y’(x
n
)
) , 1 (
1
,
n i
y y y
y
i i i
i x
=

=

=

(2-1.1)
h h
tại các điểm trong - Đạo hàm sai phân trung tâm: thường để tính gần đúng đạo hàm
2
1
2
1 1
,
=

=
− +
h
y y
y
i i
i x
ο
Sai số củ
) 1 , 1 ( ) (
,
,
− = + n i y y
i x
i x
(3-1.1.)
a các đạo hàm sai phân trên được đánh giá như sau:
) ( ) ( '
,
h O x f y
i i x
= − , (4-1.1)
) ( ) ( '
,
i
i x
h O x f y = − , (5-1.1)
) ( ) ( '
2
0
h O x f y
i
= − . (6-1.1)
,i x
1.2. Đạo hàm cấp hai
có thể dùng công thức đạo hàm sai phân
sau
x Để tính đạo hàm cấp hai của hàm ) (x f tại các nút
i
2
1 1
,
2 y y y + −
) 1 , 1 ( − = n i
h
y
i i i
i x x
− +
= (7-1.2)
Sai số của công thức trên được ước lượng như sau
) ( ) ( ' '
2
,
h O x f y
i
i x x
= − (8-1.2)
Ước lượng trên được chứng minh nhờ khai triển Taylor đến thành phần chứa đạo hàm cấp 4 với
giả thiết ]. , [ ) (
) 4 (
b a C x f ∈
71
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 lượ tại các
tính đạo hàm cấp cao hơn ta sẽ sử dụng công cụ nội suy hàm số.
2.1. Giới thiệu bài toán
Cho là hàm số liên tục trên đoạn . Cần tính
(1-2.1)
ằng n
công

oặc ta không tìm được nguyên hàm của chúng. Trong những trường hợp ấy
ản của các phương pháp tính gần đúng tích phân là chia nhỏ khoảng tích phân
àm số bởi một đa thức. Với các đa thức ta có
hàm của chúng, do đó có thể áp dụng công thức Newton- Leibnitz tính
tích phân trên mỗi đoạn con. Tích phân trên toàn đoạn sẽ là tổng các tích phân trên từng

2.2. Công thức
lập công thức
Chia đoạ
ng ) (
2
h O
điểm mút
0
x và
n
, cũng như x
2. Tính gần đúng tích phân
) (x f ] , [ b a
dx x f I
b
) ( ∫ =

a
Trong giáo trình giải tích toán học ta biết r ếu ) (x f có nguyên hàm là hàm ) (x F thì có thể
tính tích phân trên một cách đơn giản nhờ thức Newton- Leibnitz

). ( ) ( ) ( a F b F dx x f
b
− = ∫
(2-2.1)
a
Tuy nhiên trong thực tế ta gặp các hàm ) (x f mà nguyên hàm của nó không thể biểu diễn bằng
các hàm số sơ cấp h
công thức (2-2.1) không có tác dụng. Vì thế người ta phải tìm cách tính gần đúng tích phân xác
định.
Tính gần đúng tích phân còn có ý nghĩa khi hàm ) (x f không cho ở dạng biểu thức toán học mà
cho dưới dạng bảng số.
Ý tưởng cơ b ] , [ b a
thành các đoạn con và trên mỗi khoảng con xấp xỉ h
thể tìm được các nguyên
] , [ b a
khoảng con.
hình chữ nhật trung tâm
a) Thiết
n ] , [ b a thành n đoạn con ) 1 , 0 ( ] , [
1
− =
+
n i x x
i i
bởi các điểm ) , 0 ( , n i ih a x
i
= + = với
Ký hiệu . n ) (
2
1
1 2 / 1 + +
+ =
i i i
x x x / ) ( a b h − = là điểm giữa của mỗi đoạn con.
Ta có


=
+

ấp xỉ
= ∫
1
0
) ( ) (
1 n
i
x
x
b
a
dx x f dx x f
i
i
(1-2.2.)
Ta x
h x f dx x f
i
x
x
i
i
) ( ) (
1
1
+
≈ ∫
+
(2-2.2)
2 /
72
NCT-FIT-HNUE Computional methods and Optimization Problems
Về mặt hình h c, điề đó có hình ang c ng giớ i đường cong trên
ấp xỉ bởi hình chữ nhật trung tâm với đường cao bằng giá trị của hàm
Từ (1-2.2) và (2-2.2) suy ra công th định
trên đoạn [a = x
0
, x
n
) (x f y = ọ u nghĩa là th o i hạn bở
) (x f đoạn ] , [
1 + i i
x x được x
tại điểm giữa
2 / 1 + i
x .
ức hình chữ nhật trung tâm tính gần đúng tích phân xác
= b]:


+

1
=
) (
n
CN
h x f (3-2.2)
Người ta đã chứng minh được ước lượng sai số địa phương là:
I
0
2 / 1
i
i
b) Đánh giá sai số:
.
24
3 2
h
M
e ≤ (4-2.2)
i
trong đó:
ma
2
M = . ) ( ' ' x x f (5-2.2)
Từ đó suy ra ước lượng của sai số toàn phần của công thức hình chữ nhật trung tâm là
b x a ≤ ≤
2 2
)h (
24
a b
M
E − ≤ (6-2.2)
c) Thí dụ
Tính gần đúng tích phân

+
=
1
0
1 x
dx
I bằng công thức h nhật trung tâm với số đoạn chia n
=5 và đánh giá sai số.
Giải. Với h = 0.2 ta lập bảng giá trị
i+1/2
y
i+1/2
ình chữ
i+1/2 x
0 0.1000 0.9091
1 0.3000 0.7692
2 0.5000 0.6667
3 0.7000 0.5882
4 0.9000 0.5263
Σ=3.4595
Theo công thức (3-2.2)

∑ +
=
4
2 / 1 i hcn
y h I =0.2* 3.459
=
5 = 0.6919.
0 i
Bây giờ ta ước lượng sai số của giá trị tính được. Ta có
73
NCT-FIT-HNUE Computional methods and Optimization Problems

3 2
) 1 (
2
) ( ' ' ,
) 1 (
1
) ( '
x
x f
x
x f
+
=
+
− = .
Do đó ) ( ' ' max
1 0
2
2 = =
≤ ≤
x f M
x
. Theo công thức (6-2.2) ta có ước lượng sai số
. 0033 . 0 ) 2 . 0 (
24
2
| |
2
= ≤ E Vậy I = 0.6919 ± 0.0033 = (0.6886, 0.6952) trong khi giá trị đúng của
tích phân là I = ln 2 = 0.6931.
2.3. Công t c h h ng
ập công thức
Ta thay h h sau đây:

hứ ìn tha
a) Thiết l
ình thang cong bởi hình thang thẳng như trong hìn
Khi đó
( ) ,
2
1
) (
1
1
h y y dx x f
i i
x
x
i
i
+
+ ≈ ∫
+

gọn ta đã ký hiệu
(1-2.3)
trong đó để viết cho ) (
i i
x f y = . Do đó
( )


=
∫ = (
a
x f I
xác định là
+
+ ≈
0
1
.
2
)
i
i i
y y dx
1 n b
h
Vậy ta có công thức hình thang tính gần đúng tích phân




≈ y h I (2-2.3)
⎠ ⎝
+ + +
+
−1 1
0
...
2
n
n
ht
y
y y
ạng Có thể viết (2-2.3) trong d





⎛ +
− ≈=

=
2
0 n
n
i ht
y y
y h I (2’-2.3)
0 i
hoặc
( )
n ht
y y y
n
I + + + + ≈
−1 1 0
2 ... 2
2

n
y
a b −
(3-2.3)
x
0
x
1
x
i
x
i+1
x
n
y
i
y
i+1
74
NCT-FIT-HNUE Computional methods and Optimization Problems
b) Đánh giá sai số
Người ta đã chứng min c ước l a sai số địa là h đượ ượng củ phương
.
12
3 2
h
M
e
i
≤ (4-2.3)
Do đó sai số toàn phần của công thức hình thang sẽ là
. ) (
2
12
2
h a b
M
E − ≤ (5-2.3)
Trong đó

) ( " max
0
2
x f M
n
x x x ≤ ≤
=

c) Ví dụ
Tính gần đúng tích phân

+
=
1
0
1 x
dx
I bằng công thức hình thang với số đoạn chia n =10 và đánh
giá sai số.

y
i
Giải. Ta có h = 0.1 và bảng giá tr
i x
i
0 0.0000 1.0000
1 0.1000 0.9091
2 0.2000 0.8333
3 0.3000 0.7692
4 0.4000 0.7143
5 0.5000 0.6667
6 0.6000 0.6250
7 0.7000 0.5882
8 0.8000 0.5556
9 0.9000 0.5263
10 1.0000 0.5000
Σ=7.6877
Theo công thức (2’-2.3)





⎛ +
− ≈

=
2
10 0
10
0
y y
y h I
i
i ht
= 0.1 * (7.6877 – 1.5000/2 ) = 0.6938.
Bây giờ ta ước lượng sai số của giá trị tính được. Ta có
3 2
) 1 (
2
) ( ' ' ,
) 1 (
1
) ( '
x
x f
x
x f
+
=
+
− = .
75
NCT-FIT-HNUE Computional methods and Optimization Problems
2
m M =
0 1
ax ''( ) 2.
x
f x
≤ ≤
= . Theo công thức (5-2.3) ta có ước lượng sai số Do đó
. 0017 . 0 ) 1 . 0 (
12
| |
2
= ≤ E
2
± 0.0017 trong khi giá tr 6931.
a) Thiết l
Vậy I = 0.6938 ị đúng của tích phân là I = ln 2 = 0.
2.4. Công thức Simpson (hay công thức Parabol)
ập công thức
Cũng như ở trên ta chia ] , [ b a thành n đoạn con bằng nhau bởi các điểm ih a x
i
+ = với
n a b h / ) ( − = và ký hiệu
2 / 1 + i
x là điểm giữa của đoạn con . Trên m ẽ

] , [
1 + i i
x x ỗi đoạn con ta s
xấp xỉ hàm ) (x f y = bởi đa thức nội suy bậc hai tại các điểm
i
x ,
2 / 1 + i
x ,
+ i
x
1
). )( (
2
− +
) )( (
4
) )( (
2
) )( (
) )( (
1 2 / 1
2
1 2 / 1
2
2 / 1 1 1
2 / 1
1
+ + + +
+ + +
+
+
− − − − − =
− −
− −
+
) )(
) )( (
) )( (
) )( (
) ( ) (
1 2 / 1 2 / 1
1
2 / 1
1 2 / 1
1 2 / 1
2
+ + +
+
+
+ +
+ +

− − (
2 / 1 1
2
+ +
− −
+
− −
− −
= ≈
i i i i
i i
i
i i i i
i i
i i
x y
x
x x
y
x x x x
x x x x
y x L x f
Đặt
2
1
dx x L dx
i
x
x
x
x
i +
∫ ≈
Kết quả tính tích phân ở vế phải cho ta
x x x
x x
i i i i i i
i i i i
i i
i
x x x x y
h
x x x x y
h
x x x x
x x x x
y

i i i
h
x x x
) (
1
x f I
i
i +
∫ = . ) (
i i
( )
1 2 / 1
4
6
+ +
+ + ≈
i i i i
y y y
h
I
Khi đó ta có công thức Simson tính gần đúng tích phân xác định:
( )
1 2 / 1
1
4
+ +

+ + ≈
∑ i i i
n
sim
y y y
h
I (1-2.4)
0
6
= i
Công thức (1-2.4) còn gọi là công thức parabol vì nó nhận được nh
bởi parabol qua 3 điểm (x , y ), (x , y ), (x , y ).
ờ thay đường cong y = f(x)
i i i+1/2 i+1/2 i+1 i+1
ết lại công thức (1-2.3) trong dạng thuận tiện cho tính toán như sau Có thể vi
∑ ∑


− ≈
n n
y
h y
y
h
I (2-2.4)
=
+
=
+ ⎟



+
i
i
i
n
i sim
y
0
2 / 1
0
0
3
2
2 3
ần
2i 2i+2
ỉ hàm f(x) bởi bởi
parabol qua 3 điểm
i
, y
i
), (x
i+1
), (x
i+2
, y
i+
Khi đó công t pson có dạng:
Nhận xét 1. Để tránh dùng chỉ số không nguyên người ta thường chia đoạn [a, b] thành 2n ph
bằng nhau với độ rộng h = (b - a)/(2n) và trên mỗi đoạn kép [x , x ] xấp x
(x , y
i+1 2
). hức Sim
76
NCT-FIT-HNUE Computional methods and Optimization Problems
n n n
y
2 2
4 +
− sim
y y y
n
a b
I
2 1 2 1
2 ... 4
6
+ + +

=

(3-2.4)
Nhận xét 2.Từ các công thứ ), (3-2.3 ra được:
. 4-2.4)
b) Đánh giá sai s
Người ta đã chứng t c rằ sách Bak alov [5] tra .
y
2
2 + + y
0
(
c (3-2.2 ) và (2-2.4) suy
3 / ) 2 (
cn ht sim
I I I + = (

ỏ đượ ng (xem hv ng 101)
( )
2880
4y
i i
+
+
6
5
2 / 1
1
h
y y
h
f e
i
x
x
i
i
i
+ ∫ =
+
+
(5-2.4)
trong đó
) ( dx x −
4
1
M

. ) ( max
) 4 (
4
x f M
b x a ≤ ≤
= (6-2.4)
Từ công thức trên ta nhận được nh giá s hần c c Simpson

đá ai số toàn p ủa công thứ
.
2880
) (
4
b M −
4
h
a
I I E
sim
≤ − = (7-2.4)
Từ đây ta thấy rằng công thức Simpson đúng cho mọi đa thức bậc 3.
c) Ví dụ
Tính gần đúng tích phân

+
=
0
1 x
I bằng công thức Simp
1
dx
son với số đoạn chia n =5 và đánh giá
sai số.
Giải. Ta có h = 0.2. Lập bảng giá trị của hàm tại các điểm nút và điểm giữa
x
i
y
i
y
i
i
0 0.0000 1.0000
1/2 0.1000 0.9091
1 0.2000 0.8333
1+1/2 0.3000 0.7692
2 0.4000 0.7143
2+1/2 0.5000 0.6667
3 0.6000 0.6250
3+1/2 0.7000 0.5882
4 0.8000 0.5556
4+1/2 0.9000 0.5263
5 1.0000 0.5000
S
1
=3.4595 S
2
=4.2282
77
NCT-FIT-HNUE Computional methods and Optimization Problems
Theo c ông thức (2-2.4) ta có
∑ ∑
=
+
= ⎝ 0
2 3
i
i
+ ⎟


⎜ − =
4
0
2 / 1
5
3
2
i
i sim
y
h y
y I
= 0.2 * (4.2282 – 0.75) / 3 + 2 * 0.2 * 3.4595 / 3 = 0.69314667
trong khi giá t n là I = ln 2 =0.69314718. Như vậy, sai số thực sự của I
sim

0.0000
Bây giờ ta ược theo công thức (7-2.4). Ta có
⎛ +
5
0
y h
rị đúng của tích phâ
0051.
lượng sai số
5
) 4 (
) 1 (
24
) ( ,
1
) 1 ( x +
) (
x
x f x f
+
= = .
Do đó 24 . ) ( max
) 4 (
= = x f M
1 0
4
≤ ≤x
và ta có đánh giá
4
2 . 0
2880
) 0 1 ( 24
×
− ×
≤ − =
sim
I I E = 0.00001333.
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!).
2.5. Các thuật toán “hcn, ht, sim” tính gần đúng tích phân xác định
Input: a, b, n, hàm trên đoạn
Output: Ihcn, Iht, Isim là các giá trị gần đúng của tích phân tương ứng bởi các
công thức hình chữ nhật trung tâm, hình thang, và Simpson.
Algorithm:
1. Khởi tạo
h=(b-a)/n;
x1=a+h/2; x2=a;
Icn=f(x1); Iht=f(x2);
2. Lặp for i=1 n-1
2.1. x1=x1+h;
2.2. x2=x2=h;
2.3. Icn=Icn+f(x1);
2.4. Iht=Iht+f(x2);
3. Gán
Icn=h*Icn;
Iht=h*Iht;
Isim=(Iht+2*Icn)/3;
4. return Icn, Iht, Isim
) (x f ] , [ b a
dx x f I
b
a
) ( ∫ =
78
NCT-FIT-HNUE Computional methods and Optimization Problems
Chương 6 BÀI TOÁN QUI HOẠCH TUYẾN TÍNH
1. Giới thiệu bài toán tối ưu tổng quát
1.1. Ví dụ mở đầu
a) Phát biểu bài toán
. Một công ty sản xuất 2 loại sản phẩm A và B
. Sử dụng ba loại nguyên liệu I, II, và II.
. Chi phí nguyên liệu (số lượng nguyên liệu) để sản xuất ra hai sản phẩm A và B cho trong bảng
sau:
Sản phẩm
Nguyên liệu
A B
I 2 1
II 1 2
III 0 1
. Công ty dự trữ ba loại nguyên liệu I, II, III với số lượng tương ứng là 8, 7, 3.
. Tiền lãi của một đơn vị sản phẩm A là 4 triệu đồng; của một đơn vị sản phầm B là 5 triệu đồng
Yêu cầu: Lập kế hoạch sản xuất (sản xuất bào nhiêu mỗi loại sản phẩm) để tiền lãi thu về nhiều
nhất với hạn chế về nguyên liệu đã cho.
b) Mô hình toán học của bài toán
Xét vectơ cột x = (x
1
, x
2
)
t
,

trong đó x
1
và x
2
lần lượt là số lượng sản phẩm A và B tương ứng cần
sản xuất. Theo bài toán ta có mô hình:
f(x) = 4x
1
+ 5x
2
max







= ≥

≤ +
≤ +
2 1 0
3
7 2
8 2
2
2 1
2 1
, j , x
x
x x
x x
j

Bài toán trên được xem là thuộc dạng bài toán qui hoạch tuyến tính vì các hàm g
1
(x) = 2x
1
+ x
2
,
g
2
(x) = x
1
+ 2x
2
, g
3
(x) = x
2
là các hàm tuyến tính.
1.2. Mô hình bài toán tối ưu tổng quát
Bài toán tối ưu tổng quát P có dạng: Tìm phương án x = (x
1
, x
2
, ..., x
n
)
t
∈ X ⊂ R
n
để cực đại hóa
hàm f(x) sau đây:

n
x c x max ) ( (
=
→ =
j
j j
f
1
1-1.2)
79
NCT-FIT-HNUE Computional methods and Optimization Problems





− = ≥
− = = ≥ ≤ =

=
) 2 . 1 3 ( , 1 , 0
) 2 . 1 2 ( , 1 , ) , , ( ) (
1
,
n j x
m i b x a x g
D
j
n
j
i j j i i

Trong đó: D = {x = (x
1
,..., x
n
)
t
∈ X ⊂ R
n
: g
i
(x) (≤,≥,=) b
i
với m , 1 = ; x i ≥ 0;
j
n , 1 = } được gọi
là tập các phương án chấp nhận được, chú ý rằng x là vectơ cột. Hàm f(x) được gọi là hàm mục
tiêu. Vectơ dòng c = (c
j
∈ D.

1
, c
2
, ..., c
n
) là các hệ số của hàm mục tiêu. Ma trận A = (a
i,j
)
i=1,..,m; j=1, ..., n

là ma trận gồm m ràng buộc đối với phương án x. Phương phán x* ∈ D được gọi là phương án
tối ưu (tức là nghiệm của bài toán) nếu f(x*) ≥ f(x) với ∀ x
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 -c
j
.
1.3. 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
j
j j
x c x f
1
max ) (


=
→ =
n
j
j j
x c x f
1
max ) (





= ≥
= = =

=
n j x
m i b x a x g
D
j
n
j
i j j i i
, 1 , 0
, 1 , ) (
1
,

= ≥ n j x
j
, 1 , 0



= ≤ =

=
m i b x a x g
D
n
j
i j j i i
, 1 , ) (
1
,


Hoặc v như sau
f(x) = <c, x> max

0
b Ax

f(x) = <c, x> max
= b Ax

j
j j
1
Các bà ép biến đổi sau
đây :
(1) Một rạng buộc ≥ đưa đ\ực về ràng buộc ≤ nhờ việc nhân hai vế với -1
j
i j i
j
i j i
j
i j i
1
,
1
, ,
n
j
i j i
n
j
i j i
i j i
b a
b a
b a
1
,
1
,
,

iết dưới dạng ma trận

≥ x

≥ 0 x




trong đó A = (a
i,j
)
m × n
; <C, x> =

n
x c ; x = (x
1
, x
2
, ..., x
n
)
t
; b = (b
1
, b
2
, ..., b
n
)
t
.
=
i toán QHTT có thể qui về dạng chuẩn tắc và dạng chính tắc nhờ các ph
∑ ∑ ∑
≤ ⇔ − ≤ − ⇔ ≥
n n n
b a b a b a ' '
= = =1
(2) Ràng buộc = tương đương với hai ràng buộc ≤ và ≥









⇔ =



=
=
n
= j 1
80
NCT-FIT-HNUE Computional methods and Optimization Problems
(3) Đưa ràng buộc ≤ và ≥ về ràng buộc = nhờ việc thêm biến phụ
(i)
j
i i j i i
b y a b a
1
,

j
i i j i
j
i j i
b y a
1
,
1
,

(4) Một biến x
j
không phụ thuộc dấu có thể thay bằng hai biến phụ thuộc dấu
x
j
= x
j
+
- x
j
-
với x
j
+
và x
j
-
> 0
Ví dụ 1-1.3 Xét bài toán


= − + 2 2
7 3 2
3 2
3 2 1
x x
x x x

Thêm biến phụ x ≥ 0, x ≥ 0 và thay biến x
3
không phụ thuộc dấu bởi hai biến phụ thuộc dấu: x
3

bài toán mới tương đương là một bài toán dạng chính tắc:
3 4 5




= − − +
= − − − −
= + − + +
− +
− +
− +
2 ) (
9 ) ( 2 3
7 ) ( 3 2
3 2 1
5 3 2 1
4 3 2 1
3
3
3
x x x
x x x x x
x x x x x

Định nghĩa 1-2.1. Tổ hợp lồi : Cho m điểm x
1
, x
2
, …, x
m
trong không gian R
m
. Điểm x gọi là tổ
hợp lồi của các iểm x =
∑ ∑
= = j
j i
1
,
= − ⇔ ≥
n n
(ii)
∑ ∑
⇔ ≤
n n
b a
= =
= +
f(x) = x
1
+ 4x
2
-3x
3
max
≤ + +


≥ − − 9 2 3 4
3 2 1
x x x
1
x



= ≥ 2 , 1 , 0 j x
j
4 5
= x
3
+
- x
3
-
với x
3
+
, x
3
-
> 0 ta được
f(x) = x
1
+ 4x
2
-3(x
3
+
- x
-
) + 0.x

+ 0.x max
4
2x



= ≥ 3 , 2 , 1 , 0 j x
j
2. Đặc điểm của tập các phương án của bài toán QHTT
2.1. Tập lồi và đa diện lồi
i
, i m , 1 n đ ếu


m
=
i i
m
m
x x x x x
2
1
1
... α α α α
với
= + + + =
2

i 1
m i , 1 , 0 = ≥ và 1 =
∑ i
α
i
α
n
Ví dụ 1-2.1 Trong mặt phẳng R
2
:
1
Định nghĩa 2-2.1. Đoạn thẳng: Đoạn thẳng đi qua hai điểm A và B ∈ R
=
n
i
n
, kí hiệu là d
AB
, được
định nghĩa là một tổ hợp lồi của tập hai điểm A và B, tức là:
d
AB
= { M ∈ R | M = αA + (1-α)B, 0 ≤ α ≤ 1}
81
NCT-FIT-HNUE Computional methods and Optimization Problems

Đoạn thẳng d
AB
gồm các điểm M nằm giữa A và B, tức là:
d
AB

= { M ∈ R | M = αA + (1-α)B, 0 ≤ α ≤ 1}
Định nghĩa 3-2.1. Tập lồi: Cho S ⊂ R
n
. Tập S được gọi là một tập lồi nếu với hai điểm A và B
bất kì trong S thì đoạn thẳng d ằm trọn trong S. Nói cách khác, với 2 điểm bất kì x
1
, x
2
∈ S
các tập lồi.
Định n trong tập lồi S ⊂ R
n
. Điểm x* ∈ S được gọi là
điể c i dạng tổ hợp lồi thật sự của hai điểm phân
1
, …, x
m
nào đó cho trước.
• Đa diện lồi là một tập lồi.
• Trong diện lồi, nếu ta loại bỏ những điể ể biểu diễn được dưới dạng tổ
hợp lồi của các điểm x
1
, …, x
m
còn lại, thì các điểm còn lại đó chính là các điểm cực biên
của đa diện lồi. Chúng sinh ra đ iện lồi.
• Tập lồi đa diện là một tập lồi không giới nội
Ví dụ 3-2.1 Trong m
2
, các đa giác lồi là các đa đó mọi điểm bên trong
đều có thể biểu diễn dưới dạng tổ hợp lồi của các đỉnh đa giác - các điểm cực biên. Nếu một đa
ện.

AB
n
thì x = αx
1
+ (1-α)x
2
∈ S với ∀ α ∈ [0, 1].
Ví dụ 2-2.1 Trong mặt phẳng R
2
, các đa giác lồi là

ghĩa 4-2.1. Điểm cực biên: Xét các điểm x
m ực biên nếu x* không thể biểu diễn được dướ
biệt trong S.
Ví dụ 3-2.1 Trong mặt phẳng R
2
, các đỉnh của các đa giác lồi là các điểm cực biên.
Định nghĩa 5-2.1. Đa diện lồi và tập lồi đa diện
• Đa diện lồi là tập S chứa các điểm là tổ hợp lồi của m điểm x
đa m mà nó có th
a d
ặt phẳng R diện lồi, trong
giác không có cạnh thì phần mặt phẳng tạo bởi đa giác là một tập lồi đa di
x
1
x
x
2
4
x
3
x
5
y
1
y
3
y
4
y
5
y
2
Đa diện lồi Tập lồi đa diện
3 8
A B M
-∞ +∞
A
B
82
NCT-FIT-HNUE Computional methods and Optimization Problems
2.2. Đặc điểm của tập các phương án của bài toán QHTT
Địn lí
Chứ
x
1
, x ∈ x = b và Ax = b. Xét mọi điểm x mà x = αx + (1-α)x với α ∈ [0, 1] ta có
Ax
1 2 1 2
D. Vậy D là tập lồi.
Nhậ


Hệ quả 1-1.2:
• Nếu D là một đa diện lồi khác rỗng thì bài toán QHTT chắc chắn có phương án tối ưu.
• Nếu D không giới nội n
án tối ưu.
• Nếu D có phương án tố
tối ưu tương đương với việc chọn các điểm cực biên của D (các
hác, để tìm phương án tối ưu thì ta chỉ cần tìm trên các phương án
ng án D.
a hình học của định lý 1-2.2 qua lời giải “bài toán mở đầu” bằng

≤ + 8 2
2 1
x x
Cho đường mức f(x) = 4x
1
+
5x
2
chuyển động trong miền
đa giác (màu xám) là miền
thỏa mãn các ràng buộc của
bài toán, thì f(x) đạt giá trị
lớn nhất bằng 22 tại điểm
A
j
là vectơ cột thứ j của ma trận A khi đó phương trình
h 1-2.2. Tập tất cả các phương án D của bài toán QHTT là một tập lồi.
ng minh. Xét bài toán QHTT chính tắc (chuẩn tắc chứng minh tương tự). Lấy 2 điểm bất kì
2
D. Ta có A
1 2 1 2
= A(αx + (1-α)x ) = αAx + (1-α)Ax = αb + (1-α)b = b, do đó x ∈
n xét: Tập phương án D là tập lồi, 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)
hưng hàm mục tiêu bị chặn trên D thì cũng chắc chắn có phương
i ưu thì có ít nhất một phương án tối ưu.
• Việc chọn phương án
đỉnh của D). Nói cách k
cực biên trong tập phươ
Ví dụ 1-2.2. Minh họa ý nghĩ
phương pháp hình học
f(x) = 4x
1
+ 5x
2
max




= ≥ 2 , 1 , 0
2
j x
j



≤ +
3
7 2
2 1
x
x x


cực biên là đỉnh M(3, 2) của
đa giác.
Bây giờ xét hệ ràng buộc Ax = b, với A = (a
i,j
)
m × n
.
Kí hiệu
83
NCT-FIT-HNUE Computional methods and Optimization Problems
( ) b
x
x






2
1
x
n




A A A b Ax
n
=




⇔ =
...
,..., ,
2 1

b x A x A x A
n n
= + + + ⇔ ) ... (
2 2 1

Ta có 3 tính chất quan trọng sau đây:
Tính chất 1 (Định lý 2-2.2) Nếu hệ {A
1
, A
2
, …, A
n
} là độc lập tuyến tính và A
1
x
1
+ A
2
x
2
+ … +
A x = b với x > 0 , ∀ j = k , 1 (
k k j
k ≤ n) thì điểm x = (x , x , …, x
k
, 0, …., 0) là phương án cực biên
, x
n
) là phương án cực biên của D thì hệ vectơ
x = (x
1
, x
2
, …, x
n
) ∈ D là phương án cực biên của bài
c khi và chỉ khi các vec tơ A
j
ứng với các thành phần x
j
> 0 là một hệ độc lập
ực biên.
Từ các tính ch
3. Th hình giải bài toán QHTT
3.1. Đ thuật toán
ủa
ật toán
h của D.
Thuật
Bước 1
Bước 2 đã tìm được:
êu rồi quay về Bước 2.
ở bước 1 như th ứu trong mục 4.
(2) Điều kiệ tối ưu của một pacb là .2 ưới đây để kiểm
tra một pacb có phải là patu hay không
1 2
của D.
Tính chất 2 (Định lý 3-2.2) Nếu x = (x
1
, x
2
, …
tương ứng với các thành phần x
j
> 0 trong biểu diễn A
1
x
1
+ A
2
x
2
+ … + A
n
x
n
= b là độc lập tuyến
tính.
Tính chất 3 (Định lý 4-2.2) Phương án
toán QHTT chính tắ
tuyến tính.
Tính chất 3 là điều kiện cần và đủ để một phương án là phương án c
ất trên dẫn đến thuật toán đơn hình giải bài toán QHTT.
uật toán đơn
ường lối chung của
Vì bài toán QHTT có phương án tối ưu (patu) thì có ít nhất một phương án cực biên (pacb) c
D là patu. Mặt khác, nếu D là đa diện lồi thì phải có hữu hạn đỉnh, do đó tồn tại một thu
để tìm patu là một trong các đỉn
toán chung
: Tìm một pacb (một đỉnh thuộc D).
: Kiểm tra 2 điều kiện sau đây đối với pacb
2.1. Pacb thỏa mãn điều kiện tối ưu, khi đó nó là patu cần tìm (nghiệm của bài toán), kết
thúc thuật toán.
2.2. Pacb đang xét đủ để kết luận bài toán không có patu (bài toán vô nghiệm), khi đó
cũng kết thúc thuật toán.
Bước 3: Tìm một pacb mới sao cho cải thiện giá trị hàm mục ti
Như vậy có 4 vấn đề nảy sinh:
(1) Tìm pacb ban đầu ế nào? Điều này sẽ được nghiên c
n gì? Điều này dẫn đến Định 1-3 d
.
84
NCT-FIT-HNUE Computional methods and Optimization Problems
(3) Dấu hiệu nào của pacb đang xét để chứng tỏ bài toán không có patu? Điều này dẫn
g có lời giải.
o để tìm pacb mới tốt hơn pacb cũ? Điều này dẫn đến Định lí 3-3.2 dưới
mục tiêu.
3.2. Các định lý cơ bản của thuật toán đơn hình
b
A là các vectơ cột của A, j =
đến Định lí 2-3.2 dưới đây để kiểm tra dấu hiệu bài toán khôn
(4) Bằng cách nà
đây để cải thiện hàm
Xét bài toán QHTT dạng chính tắc:
f(x) = <c, x> max
⎧Ax
Trong đó A = (a
i,j
)
m × n


≥ 0 x

=
n , 1
j
Giả thiết rank(A) = m
Giả sử x •
n x
j
0
> 0, tức là
j
0
> 0}
hi
j j ∈ J0
à độc lập tuyến tính (theo điều kiện cần và đủ để một phương án là
pacb).
• ếu |J
0
| = m thì ta nói rằng pacb x
0
là phương án không suy biến, ngược lại ta nói rằng nó là
phương án suy biến. Bài toán QHTT mà mọi pacb đều không suy biến gọi là bài toán không


0
= (x
1
0
, x
2
0
, ..., x
n
0
) là một pacb.
Kí hiệu J
0
là tập các chỉ số ứng với các thành phầ
J
0
= {j | x
K đó, hệ vectơ {A} l
N
suy biến.
Ta xét các vectơ cột trong A. Vì rank(A) = m nên nếu |J
0
| < m thì ta sẽ bổ sung để thu được tập
J (chứa J
0
) sao cho |J| = m. Khi đó hệ vectơ {A
j
}
j ∈ J
là độc lập tuyến tính và hệ này được gọi là
(các vectơ) cơ sở của các phương án. Với pacb đang xét, ta gọi các biến x
j
với j ∈ J là các biến
cơ sở, các biến còn lại gọi là các biến phi cơ sở.
Ví dụ 1-3.2.
3x
1
- x
2
- 2x
3
max


≥ 4 , 1 , 0 x
j
Nhận xét : x



=
= + +
= + +
2
2
:
4 2 1
3 2 1
j
x x x
x x x
D
n x
1
không
ng với J = {3, 4 thể bổ sung vào J
0
để
được tập J sao cho |J| = 2, ví dụ J = {1, 2}, hoặc J = {2, 3}, hoặc J = {2, 4}, cách nào cũng

c biến x
3
và x
4
là các biến phi cơ sở.
• y :
Vì x
0
là pacb nên nó thỏa mãn ràng buộc của bài toán, hay
(1-3.2)
4
1
=(0, 0 , 4, 2) và x
2
= (0, 2, 0 , 0)
t
là các phương án thuộc D. Phương á
suy biến ứ }. Phương án x
2
suy biến và J
0
= {2}. Ta có
được, nhưng khi đã chọn thì phải cố định. Giả s chọn J = {1, 2} thì các biến x
1
2
và x
2
2
là các
biến cơ sở, còn cá
2 2
Từ các giả định trên ta có ngay kết quả sau đâ


=
J j
j j
b A x
0
85
NCT-FIT-HNUE Computional methods and Optimization Problems
Vì hệ vectơ {A
j
}
j ∈ J
là độc lập tuyến tính nên mọi vectơ cột A
k,
k = 1,2,…, n đều có thể biểu
diễn được thông qua hệ đó dưới dạng tổ hợp tuyến tính của các vectơ trong hệ :
ràng trong công thức ì x
k,k
=1 và x
j,k
0 vớ j ≠ k. Do đó ta chỉ cần xét
A
k
với ∀ k ∉ J.
ụ 2-3.2 Xét l trên
14 13 12 11
0 1 2 1
A A A A
a a a a
A
⎤ ⎡
=
⎤ ⎡
=
k = 1, A
1
= x
31
A
3
+ x
41
A
4
hay
⎣ ⎦ ⎣






24
41
23
31
21
11
a a a
a
⎣ ⎦ ⎣ ⎦ ⎣
1 0 1
41 31

42 23 31 21
41 13 31 11
a x a x a


(2-3.2)

=
J j
j k j k
A x A
,
Rõ (2-3.2) khi k ∈ J th i ∀
Ví d ại bài toán ở vị 1-3.2 ở
4 3 2 1
24 23 22 21
1 0 1 1 a a a a








,
J = {3, 4} và cơ sở {A
3
, A
4
} gồm các vectơ đơn vị




+




=
14 13
a
x
a
x




+




=





0 1 1
x x
⎦ ⎦




+ =
+ = . a x a x a
24
14
tổng quát là


= =
J j
j i k j k i
m i a x a , 1 ,
, , ,
(1)



= = 1
21 41
a x
tổng quát là
k i k j
a x
, ,
⎧ = = 1
14 31
a x
= (2)
Với k = 2 cũng tương tự như t a rút ra
được kết luận tổng quát như sau:
hế ta rút được các công thức (1) và (2). Qua ví dụ trên t
Các hệ số x
j,k
trong (2-3.2) có thể tính được nhờ giải hệ sau :

= =
j i k j k i
m i a x a , 1 ,
, , ,
(3-3.2)
∈J j
(4-3.2)
c thành phần tương ứng
ng ∆
k
quan trọng sau
(5-3.2)
trong đó các hệ số x
j,k
được xác định trong công thức (2-3.2). Trong công thức (5-3.2) ở trên,
tổng Σ chính là giá trị của hàm mục tiêu tại các thành phần cơ sở biểu thị cho A
k
. Vậy ∆
k
biểu
thị độ lệch của hàm mục tiêu trong cơ sở m mục tiêu tại thành
phần thứ k.
Bổ đề 1-3.2: Giả sử x = (x
1
, x
2
, …, x
n
)
t
i toán QHTT
chính tắc đã cho. Khi đó ta có:
Nếu các vectơ cơ sở là các vectơ đơn vị thì ta có ngay :
k i k j
a x
, ,
=
tức là x
j,k
bằng chính cá của vectơ A
k
cần tình.
• Ta cần lập một đại lượ đây :


− = ∆
J j
k j k j k
c c x
,
biểu thị cho A
k
với hệ số của hà
là một phương án bất kỳ, tức x ∈ D, của bà
86
NCT-FIT-HNUE Computional methods and Optimization Problems
(i) − =


,
,
0
(6-3.2)
(ii)
J j x x x x
J k
k j k j j



∆ − =
J k
k k
x x f x f ) ( ) (
0
(7-3.2)
Chứng minh: (i) x ∈ D ổng:
(b bằng tổng vế phải do 1-3.2)
, thay A được:
k j k j j
J j
j j
x x A x A x
,
0
k j k j
J j
j j
x x x A x (
,
0

k
x
⎠ ⎝ J k J k J j
thay x
j
bởi vế phải trong (i)



=
= =
n
i
i i
b A x x
1
, tách tổng này thành hai t
∑ ∑ ∑
∈ ∈ ∉
= = + ⇔
J j
j j
J j J k
k k j j
A x b A x A x
0
∑ ∑ ∑
∈ ∉ ∈
− = ⇔
J j J k
k k j j
J j
j j
A x A x A x
0
k
bởi vế phải trong (2-3.2) ta
∑ ∑ ∑ ∑
∈ ∉ ∈ ∈
− = ⇔
J j J k J j
j
A
∑ ∑ ∑
∈ ∉ ∈
− = ⇔
J j J k
j
A ) , ước lược A
j
và tổng theo j ở hai vế ta được:
j x x x x
J k
k j k j j
∈ − = ⇔


,
,
0
J . Vậy (i) được chứng minh.
(ii)
n
j j j j
c x c x c x f
∑ ∑ ∑
+ = = ) (
k
j J j J k = ∈ ∉ 1
=
∑ ∑ ∑
+







k k k j k j j
x c x x x c
,
0
, do
∉ ∉ ∈
∑∑ ∑ ∑
∉ ∈ ∉ ∈
+ − =
J k J j J k
k k k j k j
J j
j j
x c x x c x c
,
0
, do khai triển và thay đổi thứ tự hai tổng
k j k j
x c c x
∑ ∑ k
J k J j ∉ ∈







,
thay biểu thức trong ngoặc bởi ∆
k
trong (5-3.2) x f − =
0
) (
⎠ ⎝


Định lý
∆ − = ⇔
k k
x x f x f ) ( ) (
0
. Vậy (ii) được chứng minh.
J k
1-3.2. Tiêu chuẩn tối ưu
Nếu ∆
k
≥ 0, ∀k ≤ n thì pacb x
0
là patu.
Chứng minh. Theo bổ đề (ii), ∀ x ∈ D ta có



∆ − =
k k
x x f x f ) ( ) (
0

J k
trong đ ∈ D,
do đó x
Định lý 2-3.2. Dấu hiệu vô nghiệm
Nếu tồn tại k sao cho ∆
k
< 0 và x
j,k
≤ 0 ∀j ∈ J thì bài toán không có patu.
ó x
k
≥ 0, ∆
k
≥ 0 do đó tổng sau dấu trừ mang dấu dương, suy ra f(x) ≤ f(x
0
) với ∀ x
0
là patu.
87
NCT-FIT-HNUE Computional methods and Optimization Problems
(x
j,k
là các hệ số trong biểu thức biểu thị A
k
qua cơ sở {A
j
}
j ∈ J
)
Chứng minh. Ta có thể chỉ ra một pacb x
1
mà x
j
1
= x
j
0
- θx
j,k
với θ > 0. Vì x
j,k
≤ 0 thì x
j
1
> 0 và
tiêu f(x
1
) = f(x
0
) - θ∆
k
> f(x
0
) (lớn hơn f(x
0
) vì θ > 0 và ∆
k
< 0). Ta thấy f(x
1
) ∞ khi
, do đó bài toán vô nghiệm.
Định lý 3-3.2. Cải thiện hàm mục tiêu
a mãn thì khi đó với ∆
s
> 0 nào đó, ta tìm
1 0
hàm mục
θ ∞
Nếu định lý (1-3.2) và (2-3.2) không thỏ
được một pacb x
1
mới nhận x
s
1
làm biến cơ sở (mới) và thỏa mãn f(x
1
) > f(x
0
), do
đó x là pacb tốt hơn pacb x .
Chứng minh. Trong nội dung chứng minh định lý (3-3.2), ta chỉ cần quan tâm đến cách tìm ra
pacb x
1
. Vì thế các nội dung sau đây là quan trọng vì nó được sử dụng lại trong thuật toán đơn
ng.
Ta chọn
oay.
.2) thì phải tồn tại các thành phần x
j,s
> 0, trong số đó, ta
họn d g j =
hình cần xây dự
} 0 | min{ < ∆ ∆ = ∆ (8-3.2)
k k s
Ta gọi cột A
s
hay (ngắn gọn cột s) là cột x
Khi đó, theo điều kiện của định lý (3-3
c òn r sao cho tỷ số
s j
j
x
x
0
bé nhất, tức là :
,





,
, ,
s j
s j s r
x x



> 0 |
0
j
x
x
(9-3.2)
Lưu ý rằng các phần tử x
js
là các phần tử ở cột xoay.
Dòng r thu được được gọi là dòng xoay. Phần t xoay s được
gọi là phần tử trục (hoặc phần tử xoay).
cách thay cột A
r
bằng cột A
s
(Cột xoay s
hần của pacb x
1
được xác định như sau:



= min
0
r
x
tử x
r,s
là giao của dòng xoay r và cộ
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
được đưa vào cơ sở mới).
Trong cơ sở J’ mới này, các thành p




∈ − = ) ( ' , .
,
,
b J j x x x
x
s j j j
s r
s
θ
(10-3.2)

0
1
x
r
= = ) (
0 1
a x θ

Về thao tác trong công thức (10-3.2) :
- Công thức (a): Lấy biến cơ sở cũ tại d c rồi đặt kết quả là θ
vào dòng s mới. Dòng s mới được gọi là dòng chính.
òng xoay r cũ chia cho phần tử trụ
88
NCT-FIT-HNUE Computional methods and Optimization Problems
- Công thức (b): Lấy biến cơ sở cũ ở dòng j tương ứng trừ đi tích của số θ trên dòng chính nhân
inh được f(x
1
) > f(x
0
).
c các thành phần mới của các vectơ A
k
biểu diễn qua cơ sở
với phần tử ở cột xoay tương ứng.
Khi đó, người ta chứng m
'
,k j
x Trong cơ sở mới này, ta tính đượ
mới {A
j
}
j ∈ J’
nhờ các biến đổi Gauss-Jordan như sau:


=
'
x

− ) ( .
, , ,
,
,
b x x
x
x
s j k j k
s r
r
k s
δ
(11-3.2)
Về thao tác trong công thức (11-3.2) :
- Công thức (a): Chia các ph ử ở dòng xoay cho phần tử trục r i đặt vào dòng chính.
- Công thức (b): y phần t cũ tươn ứng trừ đ tích của δ trên dòng chính nhân với phần tử
tương g ở dòng xoay.
3.4. Thuật toán đơn hình
Bước 1 Tìm pacb ban đầu i cơ s = {A
j1
, A
…, A
jm
} và bảng đơn hình phần 1.
A, j∈J
án
A
1
A
2
… A
n


=
'
x =
,k
δ ) (a
j
ần t ồ
Lấ ử g i
ứn
: x
0
vớ ở J
j2
, lập
Hệ số
c
Cơ sở Phương c
1
c
2
… c
n
j j
c A …
j1,n
0
x
x
1 j
x
j1,1
x
j1,2 j1 j1
0
x
c
j2
A
j2
2 j
x
j2,1
x
j2,2
… x
j2,n
.
.
.
.
.
.
. . . . .
.
.
.
.
.
.
.
.
.
.
0
c
jm
A
jm
jm
x
x
jm,1
x
jm,2
… x
jm,n
f(x
0
) ∆
1

2
… ∆
n
- Cột hệ số biểu diễn các hệ số của hàm mục tiêu tương ứng với các vectơ cơ sở (hoặc các biến
cơ sở)
- Cột cơ sở ghi tên các vectơ cơ sở
- Cột phương án ghi giá trị tương ứng của các biến cơ
0
sở của phương án x
ưới là các hệ số khai triển x
j,k

của vectơ cột A
k
trong cơ sở {A
- Hàng cuối cùng là giá trị của f(x ) và các giá trị ∆ .
Bước 2: Kiểm tra “Tiêu chuẩn tối ưu” theo định lý 1-3.2. Nếu mọi ∆
k
≥ 0 thì x
0
là patu, dừng
uật toán.
Bước 3: Kiểm tra “Dấu hiệu vô nghiệm” theo định lý 2 0 và x
j,k
≤ 0 với
ọi j ∈ J thì bài toán không có patu, dừng thuật toán.
- Các cột A
j
ghi hệ số của hàm mục tiêu ở hàng trên cùng và bên d
j
}
j ∈ J
.
0
k
th
-3.2. Nếu tồn tại ∆
k
<
m
89
NCT-FIT-HNUE Computional methods and Optimization Problems
Bước 4: Nếu hai định lý 1-3.2 và 2-3.2 không thỏa mãn thì xây dựng pacb mới x
1
và lập bảng
ơn hình phần thứ hai tiếp theo như nội dung chứng minh của định lý 3-3.2. Sau đó quay về
bước 2. Việc xây dựng x
1
có thể tóm tắt lại như sau:
đ
4.1. Chọn vectơ A
s
để đưa nó vào cơ sở mới, tức là tìm s sao cho
m } 0 | in{ < ∆ ∆
k k
= ∆
s
(8-3.2)
4.2. Chọn vectơ A
r
để đưa nó ra khỏi cơ sở mới, tức là tìm r sao cho











> = 0 | min
,
,
0
,
0
s j
s j
j
s r
r
x
x
x
x
x
(9-3.2)
. Cột s: cột xoay



eo các biến đổi Gauss-Jordan sau đây
a) Chia ục), kết quả thu được đặt ở
dòng A
s
, gọi là dòng chính. Các thao ực hiệ ức:
(11a-3.2)
4.3. Trong cột hệ số C
j
: thay C
r
bởi C
s
; Trong cột cơ sở, thay A
r
bởi A
s
, như vậy dòng r bây giờ
là dòng s, gọi là dòng chính. Và ta có cơ sở mới gồm các vectơ cột
{A
j
}, j ∈ J’ = J \ {r} ∪ {s}
4.4. Tình bảng đơn hình phần tiếp theo cho cơ sở mới th
mỗi phần tử dòng xoay cho phần tử trục (được số 1 ở vị trí tr
tác này chính là th n các công th
(10a-3.2)
θ = =
r
s
x
x
0
1

s r,
x
δ = =
s r,
k r
k s
x
x
x
, '
,

b) Lấy mỗi dò g chính nhân với phần tử ở cột xoay tương ứng
(được số 0 ở vị ả được đặt ở dòng mới tương ứng.
Dòng mới = Dòng cũ - Dòng chính * phần tử trên cột xoay
Thực chất các thao tác trên là thực hiện các công thức :
(10b-3.2) (11b-3.2)
1
x
s j j j
=
, , ,
4. cùng các ới

k
(mớ ) - Dòng chính *
Ví d -3.4. Giải bài toán tối ư au bằng th t toán đơn hình:
f(x) = 2
1
- x
2
+
4
m

=
= +
4 , 3 , 2 , 1
10
8
4
3
x
x x

: phần tử thuộc cột xoay.
. Dòng r: dòng xoay
. x
r,s
: phần tử trục
. x
jr
ng khác (cũ) trừ đi tích của dòn
trí còn lại trên cột xoay). Kết qu
' , .
0
J j x x ∈ −θ x x x
'
. δ − =
, s j k j k j
5. Cuối tính lại độ lệnh ∆
k
m
i) = ∆
k
(cũ ∆
s
ụ 1 u s uậ
3x
3
+ x ax


= ≥
+ +
, 0
2
: 2 1
j x
x x
D
+ 2
2 1
x


j
90
NCT-FIT-HNUE Computional methods and Optimization Problems






=
1 0 1 2
0 1 2 1
A , Hệ số cơ sở J = {3, 4}, pacb x
0
= (0, 0, 8, 10)
t
.
Hệ số Cơ sở Phương án
c
c
j
2
A
1
-1
A
2
c
3
3
A
3
c
4
1
A
4
1
c
2
A
j

, j ∈ J
3 A
3
8 1 2 1 0
1 A
4
10 2 1 0 1
f(x) = 34 3 8 0 0
f(x) = 3.8 + 1.10 = 34;

1
= 3.1 + 1.2 - 2 = 3; ∆
2
= 3.2 + 1.1 - (-1) = 8; ∆
3

4
= 0.
Vì ∆ ≥ 0 với ∀ k = 1,2, 3, 4 nên theo định lý về “Dấu hiệu tối ưu” thì x = (0, 0, 8, 10) là patu
với giá trị tối ư ủa hàm m tiêu là f(
Ví d G bài toán t u sau bằ thuật toá n hình
f(x) = x
2
+ 4 x
4
ma
=∆
k
0
u c ục x
0
) = 34.
ụ 2-3.4. iải ối ư ng n đơ :
-x
1
+ 3 x
3
- x


= ≥ 5 , 1 , 0 j x
j
Hệ số cơ sở J = {4, 5}, pacb x


: D
⎧ = − − − 10 2
4 3 2 1
x x x x
= + − + 20 3
5 3 2 1
x x x x

, 20)
t
.
ơ sở Phương
c
1
-1
c
2
3
c
3
4
c
4
1
c
5
0
0
= (0, 0, 0, 10
Hệ số C
c
j A
j

, j ∈ J
án
A
1
A
2
A
3
A
4
A
5
1 A
4
10 2 -1 -1 1 0
0 A
5
- 1 20 3 1 1 0
f(x) = 3 -4 -4 0 0 10

1
= 1.2 + 0.3 - (-1) = 3; ∆ 1.(-1 ∆
3
= 1(-1)+0.(-1) - 4 = -4,


4
=∆
5
Tồn tại
j
x
j,3
< 0 với j = 3, 4 ∈ J nê ịnh lý về “Dấu hiệu vô
nghiệm n đã cho không có patu.
Giải bài toán L cho tiền lãi thu được lớn nhất

Thời gian làm các sản phẩm (giờ)
A B C D
Hạn định số
giờ 1 máy/1
tháng
Máy I 1 2 4 8 24.000
2
= ) + 0.1 - 3 = -4;
= 0.

k
= ∆
3
< 0 (k=3 ∉J) và x
,k
= n theo đ
” thì bài toá
Ví dụ 3-3.4.
ập kế hoạch sản xuất cho một xí nghiệp sao
91
NCT-FIT-HNUE Computional methods and Optimization Problems
Máy II 3 5 1 0 12.000
Máy II
Lãi/1 đvsp 0,4 0,2 0,5 0,8
Mô hình toán học của bài toán là mô hình của bài toán QHTT dạng chuẩn tắc:
f(x) = 0.4x
1
+ 0.2x
2
+ 0.5x
3
+ 0.8x
4
max
I 6 0 3 1 26.500


= ≥ 4 , 1 , 0 j x
j


000
4 3 1
Ta chuyển về bài toán QHTT dạ
f(x) = 0.4x
1
+ 0.2x
2
+ 0.5x
3
+ 0.8x
4
+ 0x
5
+ 0x
6
+ 0x
7
max


≤ + +
≤ + + +
12000 5 3
24 8 4 2
4 3 2 1
x x x
x x x x

≤ + + 26500 3 6
3 2 1
x x x

ng chính tắc:


= ≥ 7 , 1 , 0 j x
j


+ + 3 6
4 3 1
x x x


⎧ = + + + +
3
24000 8 4 2
5 4 3 2 1
x x x x x
= +
= + + +
26500
12000 5
7
6 3 2 1
x
x x x x

0, 0, 0, 0, 24.000, 12.000, 26.500)
Tồn tại in {∆
k
| ∆
k
< 0} s = 4
Minh họa cách tính theo các công thức (8 11 - 3.2):
Ở lần lặp thứ nhất: J = {5, 6, 7}, x
0
= (

k
<0 do đó x
0
chưa là patu. ∆
s
= ∆
4
= m






0
0
5
j
x
x

> = = 0 | min
0
r
x
x
r = 5; phần tử trục x
5,4

= 8. Cơ sở mới J = {4, 6, 7}
Tính dòng chính: trục và đặt vào dòng
chính A
s
m i
Dòng
5
: 24 00/8 = ; 4/8 = 1/2; ..
Rồi đ A
4
Tín các d g còn òng chính * phần tử cột xoay tương ứng)
Cột p ng á : tính
0 = 2 00
- Các c nh dụ:
. Dòng A
6
: 3 - (1/8)*0 = 3; phần tử ở cột xoay tương ứng là 0
5 - (1/4)*0 = 5
1 - (1/2)*0 = 1
. Dòng A
7:
6 - (1/8)*1 = 47/8 ; phần ở cột xoay tươn ng là 1


⎨ 4 ,
4 , 4 , 5 ,
j
j s r
x x x
• Chia các phần tử ở dòng xoay A
r
cũ cho phần tử

- A 0 3000; 2/8 = 1/4
- ặt vào dòng trong bảng đơn hình phần II, đó là dòng chính
• h òn lại: (dòng mới = d
- hươ n biến cơ sở x
j
1
:
. Dòng A
6
: 12.000 - 3000*0 = 12.000
.Dòng A
7
ột A
: 26.50 - 3000*1 3.5
j
: tí x
j,k
, ví
tử g ứ
92
NCT-FIT-HNUE Computional methods and Optimization Problems
- (1/ 1 = -1
3 - ( =5/
- cả ∆ ới) c g tính ) - dòng chính * ∆
s
; V ụ ∆’
1
= ,4-(1 *(-0,8 -0,3.

Hệ ố
c
j
C ở
c
0,8
c
0 4)* /4
1/2)*1 2, ...
Kể
k
(m ũn = ∆
k
(cũ í d
c
-0
c
/8)
c
)=
c

s
ơ s
A
j
,j∈J
Phương
án
c
1
0,4
A
1
2
0,2
A
2
3
0,5
A
3
4
A
4
5
0
A
5
6
0
A
6
7
0
A
7
0 A
5
24.000 1 2 4 [8] 1 0 0
0 A
6
12.000 3 5 1 0 0 1 0
0 A
7
26.500 6 0 3 1 0 0 1

I
f(x) = 0 -0,4 -0,2 -0,5 (-0,8) 0 0 0
0,8 A
4
3.000 1/8 1/4 1/2 1 1/8 0 0
0 A
6
12.000 [3] 5 1 0 0 1 0
0 A
7
23.500 47/8 -1/4 5/2 0 -1/8 0 0

II
,3) 0 -0,1 0 0,1 0 0 f(x) = 2400 (-0
0,8 A
4
2.500 0 1/24 11/24 1 1/8 -1/24 0
0,4 A
1
4.000 1 5/3 1/3 0 0 1/3 0
0 A
7
0 0 -241/24 13/24 0 -1/8 -47/24 1

III

f(x) = 3.600 0 0,5 0 0 0 0,1 0,1
Tại bảng đơn hình lần lặp thứ 3, ta có ∆
k
≥ 0 với ∀ k = 1,..,7 nên theo định lý về “Dấu hiệu tối
ưu” thì x = (4.
Vậy giá trị tối ưu của hàm mục tiêu là f(x*) = 3.600, và patu là x* = (4.000, 0, 0, 2.500)
Ví dụ 4-3.4. Giải bài toán Lập kế hoạch sản xuất trong ví d mở đầu:
f(x) = 4x
1
+ 5x
2
max
+
≤ +
2
3
2
8 2
2
2 1
j , x
x
x x
j

Ta chuyển ài toán dạng chính tắc:
f(x) = 4x
1
+ 5
3
+ 0x
4
+ 0x
5
x
000, 0, 0, 2.500, 0, 0, 0) là patu.








= ≥

≤ 7
2
x
1, 0
1
x
b về
x
2
+ 0x ma







= ≥ 0
= +
= +
= + +
,
3
7 2
8 2
3
4 1
3 1
j x
x x
x x
x x
j

+
5 , 1
5
2
x
2
x
93
NCT-FIT-HNUE Computional methods and Optimization Problems
H ố C Ph
A
ệ s
c
j
ơ sở
A
j
,j∈J
ương
án
c
1
4
A
1
c
2
5
2
c
3
0
A
3
c
4
0
A
4
c
5
0
A
7
0 A
3
8 2 1 1 0 0
0 A
4
7 1 2 0 1 0
0 A
5
3 0 [1] 0 0 1

I
f(x) = 0 -4 (-5) 0 0 0
0 A
3
5 2 0 1 0 -1
0 A
4
1 [1] 0 0 1 -2
5 A
2
3 0 1 0 0 1

II
f(x)= 15 (-4) 0 0 0 1
0 A
3
3 0 0 1 -2 [3]
4 A
1
1 1 0 0 1 -2

III
5 A
2
3 0 1 0 0 1
f(x) = 19 0 0 0 4 (-3)
0 A
5
1 0 0 1/3 -2/3 1
4 A
1
3 1 0 2/3 -1/3 0 IV
5 A
2
2 0 1 -1/3 2 0
f(x) = 22 0 0 1 2 0
Tại bản
giá trị t 2).
4. Tìm
4.1. N ét
Bài toá
dạng chính tắc bằng cách thêm biến phụ.
oán phải có ngay một pacb.
- pacb ban đầu tìm được ngay nếu cơ sở không suy biến, hơn nữa các vectơ cơ sở là các
đơn vị. Khi đó pacb
ắc có thể không giải được ngay ngay cả khi cơ sở
ectơ cơ sở không là các vectơ đơn vị. Khi đó ta có hai
b ban đầu. Có thể giải trực tiếp bằng phương pháp Crame.
g đơn hình lần lặp thứ 4, ta có ∆
k
≥ 0 với ∀ k = 1,..,5 nên x = (3, 2, 0, 0, 1) là patu. Vậy
ối ưu của hàm mục tiêu là f(x*) = 22, và patu là x* = (3,
phương án cực biên ban đầu
hận x
n QHTT đã giới thiệu ở trên thực hiện thuật toán đơn hình với các điều kiện sau:
- Phải ở dạng chính tắc với b > 0.
- Nếu ở dạng chuẩn thì đưa được về
- Ở bước đầu tiên của thuật t
vectơ x
0
tìm được ngay vì x
j
0
= b
i
.
Như vậy bài toán QHTT dạng chính t
của nó không suy biến nhưng các v
cách
- Giải hệ Ax
0
= b để tìm pac
94
NCT-FIT-HNUE Computional methods and Optimization Problems
- Thêm biến giả để có một cơ sở gồm các vectơ đơn vị.
4.2. Định nghĩa ràng buộc chuẩn
Xét bài toán QHTT dạng chính tắc
- Ràng buộc a
n
i, ∑
m i b x
j 1
i j j
, 1 , = =
=
được gọi là ràng buộc chuẩn (của điều kiện i) nếu:
c biến x
k(i)
(viết k(i) để nói rằng dòng k tìm phụ thuộc vào i) sao cho
j ≠ i.
ơ cơ sở thứ i của cơ sở.
Khi đó biến x
k
được gọi là biến chuẩn của điều kiện i.
Nói một cách đơn giản : ràng buộc chuẩn là ràng buộc tương ứng với một vectơ cột A
k
là vectơ
đơn vị để có thể đưa vào cơ sở, vectơ A
k
này có thành phần thứ i bằng 1, các thành phần còn lại
tất nhiên bằng 0.
an đầu x
0
mà x
0
k(i)

= b
i
∀i =
(i) b
i
≥ 0 (nếu b
i
< 0 ta nhân hai vế với -1)
(ii) Tìm đượ
a
i,k
= 1, a
j,k
= 0 với ∀
Nói cách khác vectơ cột A
k
của A là vect
- Bài toán QHTT dạng chính tắc mà mọi ràng buộc đều chuẩn thì gọi là bài toán QHTT (chính
tắc) chuẩn. Đối với bài toán chuẩn, ta có ngay pacb b m , 1 vaf x
0
j
=0
với ∀ j ≠ i.
Ví dụ 1-4.2. Xét Bài toán
f(x) = 0,2 x
1
+ x
2
+ 5x
3
+ x
4
- x
5
max


= ≥ 5 , 1 , 0 j x
j




= + +
= +
20 3
) 2 ( 30
:
4 2 1
4 3
5 4 2
x x x
x x 0 1 0 0 A




= 1
⎧ = + + 1 ( 15 2 3 x x x
) 3 (
)
D
2 0 3 0
A A A A A






1
1

{A
5
, A
3
, A
1
} gồm các vectơ đơn vị, do đó các ràng
buộc (1), (2), (3) đều là ràng buộc chuẩn, trong đó :
- Ràng buộc (1) có biến chuẩn là x
k(i)
= x
5(1)
của điều kiện i = 1, tức là A
k
= A
5
là vec t cơ sở thứ
nhất có a
i,k
= a
1,5
= 1, còn lại a
i,j
= 0 với ∀j = 2,3 (≠ i = 1 .
- Ràng buộc (2) có biến chuẩn là x
k(i)
= x
3(2)
của

điều kiện i = 2, tức là A
k
= A
3
là vec tơ cơ sở thứ
ở thứ
2-4.2. Xét Bài toán P sau đây :
x
1
+ 6x
2
+ 3x
4
- 15x
5
max
5 4 3 2 1
0 3 0 1
Ta có J = {5, 3, 1}, nói cách khác cơ sở là
ơ
)
hai có a
i,k
= a
2,3
= 1, còn lại a
i,j
= 0 với ∀j = 1, 3 (≠ i = 2).
- Ràng buộc (3) có biến chuẩn là x
k(i)
= x
1(3)
của

điều kiện i = 3, tức là A
k
= A
1
là vec tơ cơ s
ba có a
i,k
= a
1,3
= 1, còn lại a
i,j
= 0 với ∀j = 1, 2 (≠ i = 3).
Ví dụ
f(x) =
95
NCT-FIT-HNUE Computional methods and Optimization Problems







= ≥
= + + + +
= + − −
= − −
5 , 1 , 0
) 3 ( 2 4 2
) 2 ( 5 2 5 7
) 1 ( 0 3
:
5 4 3 2 1
5 4 3 2
4 3
j x
x x x x x
x x x x
x x
D
j

5 4 3 2 1
1 4 2 1
2 5 7 1 0
0 3 1 0 0
A A A A A
- A











− −
=
1

Ta thấy chỉ có ràng buộc (3) là ràng buộc chuẩn với biến chuẩn là x
k(i)
= x
1(3)
của điều kiện i = 3,
tức là A
k
= A
1
là vec tơ cơ sở thứ ba có a
i,k
= a
3,1
= 1, còn lại a
i,j
= 0 với ∀j = 1,2 (≠ i = 3).
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 :
n bao nhiêu tùy ý)
Bài toán P2:
f(x) = x
1
+ 6x
2
+ 3x
4
- 15x
5
- Mx
6
- Mx
7
max (M lớ






= ≥
= + + + +
= + + − −
= + − −
5 , 1 , 0
) 3 ( 2 4 2
) 2 ( 5 2 5 7
) 1 ( 0 3
:
5 4 3 2 1
7 5 4 3 2
6 4 3
j x
x x x x x
x x x x x
x x x
D

j
A A A A A A A






1

Khi đó ta có J = {6, 7, 1} hay {A
6
, A
7
, A
1
} là c ác ràng buộc đều
là chuẩn và có ngay pacb ban đầu là x
0
= 2, 0, 0,
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, đủ để tạo thành một cơ sở có hạng bằng m. Bài toán P2
cùng với số M lớn bao nhiêu tùy ý này được gọi là “bài toán M”. Vấn đề đặt ra là bài toán P2 có
thế nào?
4.3. Phương pháp phạt hay phương pháp bài toán M
Bài toá ể viết dưới dạng
f(x) = <c, x> max
0 2 5 7 1 0 - A
⎥ ⎢
− = 1
0 0 3 1 0 0 ⎤ ⎡ − − 1
7 6 5 4 3 2 1
0 0 1 4 2 1
ơ sở gồm các vectơ đơn vị với c
( 0, M, M).
tương đương với bài toán P không và giải bài toán P2 này như
n P : Một cách tổng quát, bài toán QHTT chính tắc P có th


= ≥ n j x
j
, 1 , 0







∈ =
∈ =


=
=
I k b x a
I i b x a
D
k
n
j
j j k
i
n
j
j j i
,
,
:
2
1
,
1
1
,

Ví dụ : Bài toán P trong Ví dụ 2-4.2 có I
1
= {3}; I
2
= {1, 2}.
Bài toán M: Bài toán sau đây được gọi là bài toán phạt (hay bài toán M) của bài toán P :
f(x) = <c, x> - <M, x> max (M là số dương lớn tùy ý)
I
1
là tập các ràng buộc chuẩn
I
2
là tập các ràng buộc không chuẩn
96
NCT-FIT-HNUE Computional methods and Optimization Problems


∈ ≥ = ≥
2
, 0 , , 1 , 0 I k x n j x
k j



∈ = +

=1
2 ,
, : I k b x x a D
j
k k j j k



∈ =
=1
1 ,
I i b x a
n
j
j j i
Chú ý rằng, nếu đây là bài toán tìm min thì hàm mục tiêu cộng thêm lượng <M, x> và



,
n
i
+ ≥ +
(*)


> =

⎡ > c a
d b and c a
Ở đây

d cM b aM

=
>= <
n
j
j j
x c x c
1
, ,


án P cũng không có nghiệm.
ệm của bài toán P.
I thì bài toán P không có phương
án chấp nhận được.
Từ định lí trên suy ra : Để giải bài toán P ta tiến hành giải bài toán M. Nếu bài toán M vô nghiệm
n
giả mà khác 0 thì bài toán P cũng vô nghiệm, ngược lại nếu tất cả các thành phần ứng với biến
giả mà bằng 0 thì bài toán P có n là nghiệm của bài toán M nhưng bỏ đi các biến giả.
, dòng ∆
k
được tách thành 2 dòng :
- Dòng dưới ứng với các hệ số c
j
mà j ∈ I
1
(ứng với biến thật)
Hoặc nếu không tách thành hai dòng thì ∆
k
viết dưới dạng ∆
k
= a
k
+ b M.
Việc xét dấu ∆
k
và so sánh hai số ∆
k
= a
k
M + b
k
và ∆’
k
= a’
k
M + b’
k
dựa vào (*). Tức là ta có:
∀ < , 0 b a ∀ < b b a a ' , , '
k
tính giá trị f(x) khi trong cơ sở còn có các vectơ giả. Khi cơ sở không còn vectơ giả thì dòng ∆
k

Ví dụ 1-4.3 Giải bài toán P sau đây : f(x) = <c, x> = -x
1
+ x
2
+ x
3
-2x
5
max
>= <
2
,
I k
k
Mx x M
Định lý 1-4.3. 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 to
2) Nếu bài toán M có nghiệm
* *
x x và
*
, 0 I j x ∈ ∀ = thì
*
x là nghi ) , (
2
I j 2
3) Nếu bài toán M có nghiệm ) , (
2
I
x x và , 0 j x
j
∈ > ∃
* *
2
*
thì P cũng vô nghiệm. Nếu bài toán M có nghiệm nhưng có ít nhất một thành phần ứng với biế
ghiệm
Nói cách khác, nếu bài toán M có nghiệm x = (x
1
, …, x
n
, 0, .., 0) với các thành phần 0 phía sau
thuộc I
2
thì bài toán P có nghiệm là x = (x
1
, …, x
n
).
Trong bảng đơn hình giải bài toán M
- Dòng trên ứng với các hệ số M của I
2
(ứng với biến giả)
k


< =
⇔ < ∆
0 , 0
0
k k
k k
k
b a



= <
⇔ ∆ < ∆
k k k k
k k k k
k k
a a if b b ' , '
'
⎧ ⎧
Chú ý: Các cột ứng với biến giả (tức là c = -M) không cần phải tính. Tại dòng f(x): không cần
cũng không cần tách thành 2 dòng.
97
NCT-FIT-HNUE Computional methods and Optimization Problems







= ≥
= + −
= + + −
= − −
6 , 1 , 0
) 3 ( 4 2 2
) 2 ( 10 3
) 1 ( 6 2
:
5 4 3
6 5 4 1
4 2 1
j x
x x x
x x x x
x x x
D
j

Ta có I
1
={2, 3}, tập các ràng buộc chuẩn tương ứng với các điều kiện i = 2 và i = 3.
Để có ràng buộc n v k ta thêm t biế iả x
7
àng b . hi đó ta
có bài toán phạt c ài toán P sau đ
Bài toán M: f(x) = <c, x> = -x
1
+ x
2
+ x
3
-2x
5
-Mx
7
max (M lớn tùy ý)
chuẩ
ủa b
ới điều iện i = 1,
ây:
cần mộ n g ở r uộc (1) K





:

= ≥
= + −
= + + −
= − −
1 0
4 2
( 10 3
6 2
4 3
6 5 1
7 2 1
j x
x x
x x x
x x x
D
j
Cơ sở ban đầu là J = {A
7
, A
6
, A
3
} với pacb ban u là x
H C ở
A J
Phương
A A A A A A
c
-M
A
⎧ +
7 , ,
) 3 ( 2x
) 2

) 1 (
5
4
x
4
x
đầ
c
0
= (0, 0, 4, 0, 10, 6)
c

số
c
j
ơ s
j
,j∈
án
1
-1
1
2
1
2
c
3
1
3
c
4
0
4
c
5
2
5
c
5
0
6
5
7
- [2] M A
7
6 -1 0 -1 0 0
0 A
6
10 3 0 0 -1 1 1
1 A
3
4 0 0 1 -2 2 0
(-2M) M 0 M 0 0

I
f(x) =
1 -1 0 -2 0 0
- 1 A
1
3 1 -1/2 -1/2 0 0 0
0 A
6
1 0 3/2 0 [1/2] 1 1
1 A
3
4 0 0 1 -2 2 0
II
f(x)= 1 0 -1/2 0 (-3/2) 0 0
-1 A
1
4 1 1 0 0 1 1
0 A
4
2 0 3 0 1 2 2


III 1 A
3
8 0 6 1 0 6 4
f(x) = 4 0 4 0 0 3 3
Bài toán M tại lần lặp thứ 3 có ∆
k
≥ 0 với ∀ k = 1,…, 7 nên thu được patu là (4, 0, 8, 2, 0, 0 ,0).
Biến gi trị tối ưu của hàm
mục tiêu là f(x*) = 4.
Ví dụ 2-4.3 Giải bài toán P sau đây : f(x) = <c, x> = 2x
1
+ x
2
- x
3
-x
4
max
ả x
7
= 0, do đó bài toán P đã cho có patu là x* = (4, 0, 8, 2, 0, 0) với giá
98
NCT-FIT-HNUE Computional methods and Optimization Problems







= ≥
= + + +
= + − +
= − + −
4 , 1 , 0
) 3 ( 7
) 2 ( 6 3 2
) 1 ( 2 2
:
4 3 2 1
4 3 2 1
4 3 2 1
j x
x x x x
x x x x
x x x x
D
j

Bài toán P đã cho không có ràng buộc nào chuẩn. Ta chuyển về Bài toán M:
f( <c x
3
-x x
5
-M -Mx
7
x (M l ùy ý x) = , x> = 2
1
+ x
2
- x
4
-M x
6
ma ơn t )


x


= ≥
= + + + +
= + +
= +
4 , 1 0
) 3 ( 7
) 2 ( 6 3
) 1 ( 2 2
4 3 2 1
6 3 2 1
4 3 2 1
j
x x x x x
x x x x
x
D
j

Cơ sở ban đầu là {A A
6
, A
7
). Pacb ban đầu là (0, 0, 0, 0, 2, 6, 7)
Hệ
số c
j
Cơ sở
A,j∈J
Phương
án
A A A
c
-M
A
5
c
-M
A
c
-M
A


2
:
⎧x
+
4
x −
− x + − x
,
7
5
x
5,
j
c
1
2
A
1
c
2
1
2
c
3
-1
3
c
4
-1
4
5 5
6
5
7
-M A 2
5
[1] -1 2 -1 1 0 0
-M A 6
6
2 1 -3 1 0 1 0
-M A 7
7
1 1 1 1 0 0 1
(-4M) -M 0.M -M

I
f(x) =
-2 -1 1 1
2 A
1
2 1 -1 -1 2
-M A
6
2 0 [3] -7 3
-M A 5 0
7
2 -1 2
0.M (-5.M) 8.M -5.M

II
f(x)=
0 -3 +5 -1
2 A 8/3 1 0
1
-1/3 0
1 A 2/3
2
0 1 -7/3 1


III
-M A 11/3 0 0
7
[11/3] 0
0.M 0.M (-11M/3) 0.M f(x) =
0 0 -2/3 2
2 A
1
3 1 0 0 0
1 A
2
3 0 1 0 1 IV
-1 A
3
1 0 0 1 0
f(x) = 8 0 0 0 2
99
NCT-FIT-HNUE Computional methods and Optimization Problems
Bài toán M tại lần lặp thứ 4 có ∆
k
≥ 0 với ∀ k = 1,…, 7 nên thu được patu là (3, 3, 1, 0, 0, 0 ,0).
Các biến giả x
5
= x
6
= x
7
= 0, do đó bài toán P đã cho có patu là x* = (3, 3, 1, 0, 0) với giá trị tối
ưu của hàm mục tiêu là f(x*) = 8.
BÀI TẬP
Giải các bài toán tối ưu sau đây:
1.
Min x x x x x x → − + − + +
6 5 4 3 2 1
3 4 3 2







= ≥
= + − −
= + − − + + −
= − + + −
6 ,..., 2 , 1 0
20 2 3
8 2 2 2
45 3 2 3
5 4 3 1
6 5 4 3 2 1
6 5 4 3 1
j x
x x x x
x x x x x x
x x x x x
j

2.
Max x x x x x → + + − +
5 4 3 2 1
3 2







= ≥
− = − − + −
≤ + − + −
= + + + + −
. 5 ,..., 2 , 1 , 0
16 2 2
18 3 6 2
14 2 2 3
5 3 2 1
5 3 2 1
5 4 3 2 1
j x
x x x x
x x x x
x x x x x
j

3.
4.
Min x x x → + +
3 2 1
3







= ≥
≤ + +
− = − −
≥ + +
. 3 , 2 , 1 , 0
10 2
8 2
5
3 2 1
3 2
3 2 1
j x
x x x
x x
x x x
j

Max x x x x → + + +
4 3 2 1
2 3







= ≥
≥ + + +
= + + +
≤ + + +
4 , 3 , 2 , 1 0
8 2 2
9 4 3 2
10 2 2
4 3 2 1
4 3 2 1
4 3 2 1
j x
x x x x
x x x x
x x x x
j


100

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

You're Reading a Free Preview

Tải về
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->