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

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

Phân biệt toán tính và toán lí thuyết Toán lí thuyết quan tâm đến các vấn đề định tính của bài toán: tồn tại. Là một khoa học nghiên cứu cách giải gần đúng.2073 0. phương pháp số (Numerical methods). n ≥ 2. Về mặt thực tế tính trên máy tính không cho kết quả mong muốn khi n lớn.0839 5 . Một thuật toán là khả thi nếu nó thực hiện được trên máy tính. Cụ thể là tính trên máy tính với n=25 ta được bảng kết quả sau (liệt kê theo từng hàng) 0. Numerical mathematics) (theo Bách khoa toàn thư về khoa học và kỹ thuật.1709 0.3679 0. mà chủ yếu giải bằng số (gọi là giải số) các phương trình.3679. 2.1124 0. Giới thiệu môn học Phương pháp tính Có các tên gọi sau: Phương pháp tính (Computional methods). các bài toán xấp xỉ hàm số và các bài toán tối ưu hóa. Thuật toán được xây dựng phải thỏa mãn yêu cầu về tính khả thi và tính ổn định. Ví dụ 1 (tính ổn định). tính chất nghiệm của các bài toán.NCT-FIT-HNUE Computional methods and Optimization Problems MỞ ĐẦU 1. Giải tích số (Numerical analysis). thuật toán để để tìm nghiệm bài toán trên máy tính.2642 0.1455 0. NXB Mc. Toán tính quan tâm đến xây dựng phương pháp.1268 0. Một cách ngắn gọn là giải các bài toán bằng số trên máy tính.0916 0. Giả sử cần tính tích phân 1 I n = ∫ x n e x−1dx (n ≥ 1) .3679. duy nhất. rộng hơn nữa là Toán học tính toán (Computional mathematics. 0 Tích phân từng phần: đặt u=xn thì du = nxn-1dx. để tính I n ta thu được công thức truy hồi tính được In về mặt lý thuyết: I n = 1 − nI n −1 . 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. đặt dv=ex-1dx thì v = ex-1 ta được 1 I n = x n e x −1 10 − n ∫ x n−1e x −1dx = 1 − nI n−1 . I 1 = 0. 0 Ngoài ra ta có 1 I1 = ∫ xe x−1dx = e x−1 ( x − 1) 1 0 0 = 1 ≈ 0. e Như vậy.1009 0. Graw Hill 1992).

3679 đã bị khuyếch đại trong quá trình tính. Do đó. Giả sử n = 20..8864 321308. tất cả số phép tính nhân cần thực hiện trong (2) là Q = n!(n+1)(n-1).0627 0. để tính mỗi số hạng cần thực hiện n – 1 phép nhân. Một thời gian lớn vô cùng! Và như vậy.0590 0. Như vậy. còn ∆ i nhận được từ ∆ do việc thay cột thứ i bởi cột tự do b. (1) trong đó A là ma trận vuông cấp n với định thức khác 0.6965 *10 9 giờ = 3. n +1 Hiện tượng kết quả tính toán I n nêu trên là sự không ổn định của thuật toán: sai số ban đầu khi tính I 1 = 1 ≈ 0. thuật toán nêu trên là hoàn toàn không khả thi dù máy tính có tăng tốc độ lên gấp hàng nghìn.3881 -7711400.0572 -0. Mỗi định thức là tổng của n! số hạng. Giả sử các tính toán e tiếp theo không mắc phải sai số. mỗi số hạng là tích của n thừa số. Do vậy.0669 0. Nếu tốc độ của máy tính là 100 triệu phép tính/giây thì thời gian để thực hiện khối lượng tính toán trên là 2. e 1 ~ ta thu được I 1 = I 1 + δ . Điều này hoàn toàn không phù hợp với lý thuyết vì theo lý thuyết thì I n → 0 khi n → ∞ do đó 1 0 ≤ I n ≤ ∫ x n dx = 0 1 . ở bước thứ n thay cho giá trị đúng I n ta thu ~ ~ được giá trị gần đúng I n với sai số | I n − I n |= n!δ . ~ ~ Thu được I 2 với sai số | I 2 − I 2 |= 2δ .0403 -13969.1924 635.3133 192785008. Nhưng việc tính toán ra nghiệm bằng số cụ thể lại là một việc không đơn giản. Tương tự. ∆ (i =1.8325 Kết quả giảm dần từ 0.NCT-FIT-HNUE Computional methods and Optimization Problems 0.0555 0. (2) trong đó ∆ = det A .. Với n = 2 ta được Nguyên nhân: thay vì I1 = ~ ~ I 2 = 1 − 2 I 1 = 1 − 2( I 1 + δ ) = (1 − 2 I 1 ) − 2δ = I 2 − 2δ .0295 1. 6 . Theo công thức (2) cần phải tính n +1 định thức cấp n.5596 -30.. Ví dụ 2 (tính khả thi). hàng vạn lần.0774 0. Cho hệ phương trình đại số tuyến tính Ax = b . n).0555 (khi n=16) Kết quả sau đó kết quả thay đổi thất thường và giá trị tuyệt đối tăng rất nhanh..0782 *10 5 năm. dù δ có bé thì khi n đủ lớn.3679 (khi n=1) đến 0. trong đó δ là sai số. Khi đó Q ≈ 9.0718 0. Về lý thuyết có thể giải hệ trên bằng công thức Cramer xi = ∆i . sai số vẫn đủ lớn và ta không thể nhận được giá trị chấp nhận được là gần đúng cho I n .7073 *10 20 .

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

4142135623.1cm l2 = 7.1415926535..14 là xấp xỉ của π thì sai số tuyệt đối là ∆ a ≤ 0. Để thể hiện điều đó ta đưa vào khái niệm sau. 42 là xấp xỉ thừa vì 2 = 1.1 Số ∆ =| A − a | được gọi là sai số tuyệt đối của số gần đúng a . còn 3. Định nghĩa 1-1.15 là xấp xỉ thừa.1) Từ bất đẳng thức trên suy ra a − ∆a ≤ A ≤ a + ∆a . Số gần đúng và sai số của nó 1. nếu a sai khác A không đáng kể.5cm ± 0. Vì thế ta có thể xem đánh giá tốt nhất của ∆ là sai số tuyệt đối giới hạn của a . đo chiều dài của hai thanh sắt bằng cùng một thước đo ta nhận được các kết quả sau: l1 = 115. đối với số π = 3. Nếu coi a = 3. ký hiệu bởi δ .. Sai số tuyệt đối không phản ánh đầy đủ mức độ chính xác của phép đo hoặc tính toán. Định nghĩa 2-1. còn nếu a > A thì a được gọi là xấp xỉ thừa của A .NCT-FIT-HNUE Computional methods and Optimization Problems Chương 1 TÍNH GẦN ĐÚNG VÀ SAI SỐ 1..6cm ± 0.. Thí dụ: Đối với số A = 2 thì a1 = 1. Ví dụ 1-1. thỏa mãn điều kiện A −α ≤ ∆a (1-1. Nếu a < A thì a được gọi là xấp xỉ thiếu. 002 . mà chỉ có thể đánh giá nó.1.1 cm) nhưng rõ ràng là phép đo thứ nhất chính xác hơn. đó là số ∆ a bé nhất có thể biết được. Thông thường số đúng A không biết nên ta cũng không biết chính xác sai số tuyệt đối của số gần đúng a . là δ= A−a ∆ = A A (3-1.1 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 . .1) Để đơn giản người ta thường viết A = a ± ∆ a để ám chỉ rằng ∆ a là sai số tuyệt đối giới hạn của a.1cm Tuy sai số tuyệt đối của hai phép đo trên là như nhau (= 0. Số gần đúng và sai số Định nghĩa 1.1) với giả thiết là A ≠ 0 . Chẳng hạn.14 là xấp xỉ thiếu. Sai số tương đối của số gần đúng a . do số A và ∆ không biết nên trong thực hành ta sẽ chấp nhận sai số tương đối của số gần đúng a là số δ a dưới đây. thì 3.1. 41 là xấp xỉ thiếu. gọi là sai số tương đối giới hạn của a 8 . Tuy nhiên.1. còn a2 = 1. (2-1.

gọi là chữ số hàng thứ s của số a.03047 ..10 + α 0 . và nếu αs là đáng ngờ thì mọi chữ số bên phải nó đều là đáng ngờ. của l2 là δ 2 = × 100% = 1.10 s ).304500 . và gọi là chữ số nghi ngờ nếu sai số tuyệt đối của số a 2 1 không vượt quá một nửa đơn của hàng thứ s (tức là ∆ a > .2.. 0.α − n tức là a = ± (α m . 6 7..10 s (1-1.10 s ).. Trong các số sau...α 1α 0 . Chẳng hạn số 20. Định nghĩa 2-1. chữ số hàng thứ s của số a được gọi là chữ số đáng tin (hay chữ số đúng) nếu sai số tuyệt đối của số a không vượt quá một nửa đơn vị 1 của hàng thứ s (tức là ∆ a ≤ . Giả sử a là số gần đúng của A và a có biểu diễn ± α mα m − ` . |a| Trở lại phép đo chiều dài của các thanh sắt ta thấy rằng sai số tương đối của l1 là δ1 = 0.2..10 −1 + .2. 0.15 . 09% ... + α1 . Chữ số có nghĩa và chữ số đáng tin Một số viết ở dạng thập phân có thể gồm nhiều chữ số. những chữ số được gạch dưới là những chữ số có nghĩa: 12.10 0 + α −1 . α −1α − 2 .10 m + α m−1 .10 − n + .15 có 4 chữ số.10 m−1 + .1412 có 5 chữ số. Định nghĩa 1-1.) = ± ∑ α s . Từ định nghĩa trên suy ra rằng nếu αs là chữ số đáng tin thì mọi chữ số có nghĩa bên trái nó đều là đáng tin. Ví dụ 1-1.1) Người ta thường tính sai số tương đối bằng phần trăm.1 0. 1.1 × 100% = 0.5 so với δ 2 và phép đo thứ nhất chính xác hơn nhiều so với phép đo thứ hai.. 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. 9 . trong đó ∆ a là sai số tuyệt đối 2 của số a. số 3. + α −n . Việc đánh giá các chữ số đáng tin và đáng ngờ của một số gấn đúng a không phụ thuộc vào bản thân các chữ số đó mà phụ thuộc vào sai số tuyệt đối của a và vị trí của chúng. 20. Rõ ràng là δ1 nhỏ hơn rất nhiều 115.2. Vì thế δa = ∆a × 100% .NCT-FIT-HNUE δa = Computional methods and Optimization Problems ∆a a (4-1.2) s trong đó α s là những số nguyên từ 0 đến 9.33% .57. Gọi ∆ a là sai số tuyệt đối của số a .

Việc làm này được gọi là quy tròn hoặc làm tròn số.1415.25 ta làm tròn thành 12. 65 kg ± 0. tức là | a' . còn nếu chữ số bỏ đi đầu tiên < 5 thì để nguyên chữ số giữ lại cuối cùng.2. Ví dụ 1-1.4.14151926535 ta làm tròn thành 3. 3. Theo cách này ta viết a = 23.a’| ≤ ∆ a + θ a ' Như vậy việc quy tròn thường làm tăng sai số tuyệt đối. Cách viết số gần đúng Có hai cách viết số gần đúng. thì để cho thuận tiện người ta thu gọn số này bằng cách bỏ bớt một số chữ số cuối để được một số a ' ngắn gọn hơn và gần đúng nhất với a . Ví dụ 1-1.3. thực nghiệm.14 nếu cần giữ lại 6. 1. 3.005 . • Nếu chỉ bỏ đi một chữ số 5 thì chữ số được giữ lại cuối cùng nếu là chữ số lẻ thì tăng thêm 1.3. Số gần đúng a = 3.14152.NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 2-1.141519. 1 Ví dụ 2-1. 5.4.1 kg Cách 2: Viết theo quy ước: mọi chữ số có nghĩa đều đáng tin. 3. Sai số làm tròn tương ứng 1 1 1 1 1 không vượt quá × 10-6. Số θ a ' =| a − a ' | được gọi là sai số làm tròn. Điều này dẫn đến kết cục là sau khi làm tròn một số chữ số đáng tin trở nên đáng ngờ.05 = 1 × 10-1.4. 3 hoặc 2 chữ số sau dấu chấm thập phân. Giả sử ta làm tròn a thành a' với sai số làm tròn là θ a ' . Đối với số a =3. 4. 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.2 với sai số là 0.0047 có 3 chữ số đáng tin là 3. chẳng hạn a =3. còn nếu là chẵn thì giữ nguyên. × 10-5. có nghĩa là sai số tuyệt đối ∆a không lớn hơn một nửa đơn vị ở hàng cuối cùng. Số 12. 150 cm ± 0. còn các chữ số 8 và 4 là đáng ngờ. 10 . × 10-3 và × 10-2. 2 2 2 2 2 Ví dụ 2-1. trong đó ∆ a là sai số của thiết bị đo.3.a| ≤ θ a ' . × 10-4. 7 và 2.1 cm. Sai số làm tròn Khi thực hiện các tính toán nếu số a có quá nhiều chữ số trong biểu diễn thập phân.14151926535. Cách 1: Viết kèm theo sai số a ± ∆ a Cách này thường dùng để viết các kết quả đo đạc.142. 2 Bây giờ giả sử a là xấp xỉ của A với sai số tuyệt đối là ∆ a .7284 với ∆ a = 0. 3.54 nếu ∆ a ≤ × 10−2 = 0. 2 1. Kho đó sai số tuyệt đối của số a’ là ∆ a ' =| A-a’| = | A-a +a-a’| ≤ | A -a| + | a .

4 ta có ∆ a ' = ∆ a + θ a ' = 0.NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 3-1. Do đó các chữ số 3 và 5 là đáng tin. 2. Trong trường hợp này không nên quy tròn số a .05 = 0. y là xấp xỉ của giá trị đúng Y và ta coi u là xấp xỉ của giá trị đúng u = f(X. Sau khi làm tròn thành a’ = 0.003 + 0. Ký hiệu ∆x = x . Sai số của tổng Cho u = x ± y.35 với ∆ a =0.2. Theo định nghĩa về sai số tuyệt đối. Một cách tổng quát. hiệu.4. Theo công thức vi phân của hàm nhiều biến ta có: du = ∂u ∂u dy dx + ∂x ∂y Từ đây ta có ∆u ≈ ∂u ∂u ∆y ∆x + ∂x ∂y ∆ u =| ∂u ∂u | ∆x + | | ∆y ∂x ∂y Suy ra (1-2.003. tích thương biểu diễn hàm hai biến. Thí dụ thể tích của hình cầu được tính bằng V = (1/6)πd3. Vì thế chữ số 4 trong a’ là 2 đáng ngờ. liệu ta có thể tính được sai số của V không.053 > 1 × 10-1. Sự lan truyền sai số 2. còn dx là vi phân của biến x. Trong thực tế tính toán các đại lượng gần đúng thường xuất hiện trong một biểu thức phức tạp. Vấn đề đặt ra là biết sai số của π và d.1) Chú ý: Công thức (1-2. Ta có 11 . Biết sai số về x và y.1. hãy tính sai số của u.Y). Công thức (1-2.X là số gia của x. vấn đề đặt ra là sai số của các dữ liệu đầu vào lan truyền và dẫn đến sai số của kết quả tính toán như thế nào? Để giải quyết vấn đề này xét hàm số u của 2 biến số x và y: u = f(x.1) là công thức quan trọng để tính sai số của hàm hai biến u = f(x. ta có | ∆x | ≤ ∆ x . Cho a = 0.y) bất kỳ dựa vào đạo hàm riêng của từng biến. 2.1) được sử dụng trong việc chứng minh các công thức tính sai số của tổng. trong đó ta chỉ biết xấp xỉ của số π và đường kính d.y) Giả sử x là xấp xỉ của giá trị đúng X. Mở đầu Trên đây ta đã định nghĩa các loại sai số của một số gần đúng.

NCT-FIT-HNUE

Computional methods and Optimization Problems

∂u
∂u
= ±1 .
= 1,
∂y
∂x

Do đó, từ (1.6) suy ra
∆u = ∆ x + ∆ y

(1-2.2)

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

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

δu =

∆ u (∆x + ∆y )
=
u
x− y

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

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

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

δy =

∆y
y

=

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

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

210 − 200 ta có thể biến đổi

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

=

1
( 201 + 200 )

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

12

NCT-FIT-HNUE

Computional methods and Optimization Problems

∆u = y ∆ x + x ∆ y

Do đó

δu =

∆ u ∆x ∆y
=
+
= δx +δy
u
x
y

Vậy

δu = δ x + δ y

(1-2.3)

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

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

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

δx =

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

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

Từ (1.6) suy ra
∆u =

Do đó

1
x
∆x + 2 ∆y
y
y

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

Suy ra:

δx/ y = δx + δ y

(1-2.4)

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

13

NCT-FIT-HNUE

Computional methods and Optimization Problems

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

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

Từ đây ta có
∆u ≈

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

Suy ra
∆u =

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

(1-2.5)

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

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

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

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

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

Hãy quy tròn số e đến chữ số có nghĩa thứ 13. Sai số xảy ra trong công đoạn này được gọi là sai số tính toán. 3.0. 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.001g Hãy xác định sai số tương đối của phép đo trên.00152281 15 . Đánh giá sai số tiên nghiệm là đánh giá sai số nhận được trước khi thực hiện tính toán. 12 và 11 và xác định sai số quy tròn tuyệt đối. 3. x* là nghiệm đúng. Đánh giá sai số hậu nghiệm là đánh giá sai số nhận được sau khi tính toán được nghiệm. để giải một phương trình phi tuyến bằng một phương pháp lặp đơn (xem Chương 3) ta có thể đánh giá được sai số của nghiệm gần đúng nhận được sau n lần lặp theo công thức xn − x * ≤ qn x1 − x0 .847g ± 0. Cho số e = 2. 2.718281828459045.NCT-FIT-HNUE Computional methods and Optimization Problems phải giải một bài toán bằng phương pháp gần đúng được gọi là sai số phương pháp. Hãy xác định các giới hạn của R biết sai số tương đối giới hạn của R là 1%.2. nhận được R =29. 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. Thí dụ. Trong quá trình tính toán bằng số này không thể tránh khỏi việc làm tròn số. Thí dụ. Một loại sai số nữa có thể mắc phải khi giải một bài toán thực tế là sai số dữ liệu khi các dữ liệu đầu vào của bài toán nhận được bằng các phép đo đạc hoặc quan sát thực nghiệm hoặc là lời giải gần đúng của một bài toán khác.. 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.. Khi xác định hằng số khí của không khí. Đo trọng lượng của 1 dm3 nước ở 00 C nhận được: p = 999. sau khi tính được xn theo phương pháp lặp đơn (xem Chương 3) ta có đánh giá hậu nghiệm xn − x * ≤ q x n − x n −1 1− q BÀI TẬP 1. Hãy xác định sai số tương đối.718 thay cho số e.01204 d) . 4. Lấy a=2. x0 là xấp xỉ ban đầu.1514 b) 0.16152 c) 0. 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. 1− q trong đó 0< q< 1.25. 5.

1) dưới bảng sau 16 . n hay bk = ak + bk-1x0. Hơn nữa các số hạng của đa thức thường lớn nên bất lợi trong tính toán..… .1) như sau : ⎧b0 ⎪ ⎨ck ⎪b ⎩ k = a0 = bk −1 x0 ∀k = 1.1) Hệ (2-1.bn-1xn-1x0 + bn-2x2 – bn-2 xx0 + bn-1x – bn-1 x0x0 + bn = b0xn + (b1xn-1 – b0xn-1x0) + (b2xn-1 – b1xn-1x0) + … + (bn-2x2 – bn-1xn-1x0) + (bn-1x .NCT-FIT-HNUE Computional methods and Optimization Problems Chương 2.1) Ta có ngay p(x0) = bn. Nếu ta phân tích đa thức thành p(x) = (b0xn-1 + b1xn-2 + … + bn-2x + bn-1) ( x .1. Khai triển (1-1. b) Sơ đồ tính bằng tay Để tính bằng tay. TÍNH GIÁ TRỊ VÀ XẤP XỈ HÀM SỐ 1. Tính giá trị hàm số 1. hay bk = ak + ck với ck = bk-1x0 Thuật toán Hoocner tính giá trị các hệ số của đa thức trong (1-2. bk ..bn-2 xx0 ) + (bn – bn-1x0) n = b0 x n + ∑ (bk − bk −1 x0 ) x n−k k =1 Vậy ta có đồng nhất thức : n a0 x n + .x0) + bn (1-1. n = ak + ck (2-1. ta biểu diễn (2-1. ∀ k = 1.1) ta được: p(x) = b0xn – b0xn-1x0 + b1xn-1 – b1xn-1x0 + b2xn-1 . + an−1 x + an = b0 x n + ∑ (bk − bk −1 x0 ) x n−k k =1 Đồng nhất hai vế ta có b0 = a0. Thuật toán Hoocner tính giá trị đa thức a) Giới thiệu thuật toán Cho đa thức p(x) bậc n có dạng tổng quát: p(x) = a0xn + a1xn-1 + a2xn-2 + … + an-1x + an (a0 ≠ 0) Để tính giá trị p(x0) cần 2n-1 phép nhân và n phép cộng.1) 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.bk-1x0 = ak.

1 Tính f(x) = 2x5 .NCT-FIT-HNUE Computional methods and Optimization Problems a0 b0 a1 … an c1 … cn b1 … bn x0 p(x0)=bn Ví dụ 1-1.2. Tính sin 360 Đặt x = 360 = π/ 6 + π/30. suy ra x – x0 = π/30 Áp dụng công thức 2-1. Đặt x0 = π/6.2) thì ta có thể tính gấn đúng n f ( x) ≈ ∑ k =0 f ( k ) ( x0 ) ( x − x0 ) k k! (2-1.4x2 + 7x + 8 tại x = 2 như sau 2 2 -3 1 -4 7 8 4 2 6 4 22 1 3 2 11 30 2 p(2)=30 Chú ý: Khi phương trình p(x) = 0 có nghiệm x = x0 thì lược đồ Hoocner cho phép tìm ước của p(x) dưới dạng q(x) = b0xn-1 + b1xn-2 + … + bn-2x + bn-1 1.2.2) và ước lượng sai số là : f ( n+1) (c) Rn ( x) = x − x0 (n + 1)! n +1 hoặc trực tiếp ước lượng từ phần dư của chuỗi.2 với n = 1 và x0 = π/6 ta có: f ( 0 ) ( x0 ) f (1) ( x0 ) 0 và f ( x) = ( x − x0 ) + ( x − x 0 )1 = f ( x 0 ) + ( x − x 0 ) f ' ( x 0 ) 0! 1! Thay vào ta có sin 360 = sin (π/ 6 + π/30) = sin (π/6) + (π/30) cos (π/6) + R1 17 . Tính hàm nhờ chuỗi lũy thừa Nếu hàm số y = f(x) dễ tính đạo hàm mọi cấp tại x = x0 và biểu diễn hàm dưới dạng chuỗi Taylor dưới đây hội tụ : ∞ f ( x) = ∑ k =0 f ( k ) ( x0 ) ( x − x0 ) k k! (1-1. trong đó c là điểm nào đó giữa x và x0 Ví dụ 1-1.3x4 + x3 .

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

( x − x n ) =∏ ( xi − x 0 ). (i = 0.1) Thật vậy.1) ( x0 − x1 )( x0 − x2 ) ( x1 − x0 )( x1 − x2 ) ( x2 − x0 )( x2 − x1 ) trong đó y i = f ( xi ). Ta có bảng giá trị của hàm x 0 1/6 1/2 y 0 1/2 1 Áp dụng công thức (6-2. Khi n = 1..1.1) j =0 (Tử số khuyết nhân tử (x .( xi − x n ) j ≠i xi − x j (2-2.1) ta được 19 . x1 vµ x 2 và L2 ( x) = f ( x0 ) ( x − x0 )( x − x2 ) ( x − x0 )( x − x1 ) ( x − x1 )( x − x2 ) + f ( x2 ) + f ( x1 ) (6-2. 2. i =0. Khi i ≠ j thì trên tử số có số hạng dạng (xj .xi). Thay (4-2.1) Xét hai trường hợp đơn giản của đa thức nội suy Lagrange. i ≠ j (4-2.1) Vì khi i = j.. n) (3-2. dễ thấy rằng ⎧1..xi)) Ta thấy Ln(x) thỏa mãn điều kiện nội suy Ln ( xi ) = f ( xi ).xj) = 0 (lưu ý rằng tử số chỉ khuyết số hạng xj-xi).1) vào (1-2... ta có hai mút nội suy x 0 và x 1 . Ví dụ 1-2.1) b) Nội suy Lagrange bậc hai Khi n = 2 ta có ba nút nội suy x0 . x1 = 1 1 và x 2 = . i = j li ( x j ) =δ ij= ⎨ ⎩0. và L1 ( x) = f ( x0 ) x − x0 x − x1 + f ( x1 ) x0 − x1 x1 − x0 (5-2..( x − xi −1 )( x − xi +1 ). mẫu số khuyết nhân tử (xi . Xây dựng đa thức nội suy cho hàm y = sin πx tại các nút x0 = 0. 6 2 Giải. a) Nội suy Lagrange bậc nhất Nội suy bậc nhất còn gọi là nội suy tuyến tính. 1.1) ta thu được (42.NCT-FIT-HNUE Computional methods and Optimization Problems (1-2.( xi − xi −1 )( xi − xi +1 ).. thay x ở tử số bởi xi thì tử số giống mẫu số.1) n Ln ( x) = ∑ f ( xi )l i ( x) i =1 Trong đó đa thức li(x) cho bởi công thức li ( x) = n x − xj ( x − x 0 )..

Giải. b] .1) n trong đó M n +1 = max f ( n +1) ( x). L 2 ( x ) = 0. và ω n +1 ( x) = ∏ ( x − xi ) i =0 a ≤ x ≤b Ví dụ 3-2. Khi đó sai số nội suy Rn ( x) = f ( x) − Ln ( x) có dạng Rn ( x ) = f ( n +1) (ξ ) ω n +1 ( x). b] chứa tất cả các nút nội suy xi (i = 0.(−1) (1 + 1)(1 − 0) 3 x( x + 1) 1 x( x − 1) = − ( x + 1)( x − 1) + = (2 x 2 + 4 x + 3) 6 2 3 Để tính 3 = 31 / 2 ta xấp xỉ 3 1 2 1 11 ≈ L2 ( ) = .1) ta có đa thức nội suy 1 x( x − 1) ( x + 1)( x − 1) ( x + 1)( x − 0) L2 ( x ) = .1) n trong đó ξ là một diểm phụ thuộc x và thuộc [a . (n + 1)! (8-2. 6 = 7 x − 3x 2 . (n + 1)! (7-2.K. x 2 = 1.(−1 − 1) 1. x1 = 0. n) . Sử dụng đa thức này tính gần đúng 3. Ta có bảng các giá trị của hàm y = 3 x tại các điểm đã cho: x -1 0 1 y 1/3 1 3 Theo công thức (6-2. x0 . + 3.2. b] và ω n +1 ( x) = ∏ ( x − xi ) i =0 Hệ quả. 1] dựa vào giá trị của hàm tại các điểm x0 = −1.1. 2 + 1. tức độ lệch f (x) .NCT-FIT-HNUE Computional methods and Optimization Problems 1 1 1 1 ( x − )( x − ) ( x − 0)( x − ) ( x − 0)( x − ) 1 6 2 + . x n ∈ [a. Cho giá trị của hàm y=sin x tại 3 điểm bởi bảng sau: 20 . 1 1 1 1 1 1 1 2 1 2 (0 − )(0 − ) ( − 0)( − ) ( − 0)( − ) 6 2 6 6 2 2 2 6 Ví dụ 2-2.1 Giả sử hàm số f (x) ∈ C ( n+1) [a. Định lý 4. 2 6 c) Đánh giá sai số Vấn đề quan trọng đặt ra khi xấp xỉ hàm f (x) tại điểm x bất kì bởi đa thức nội suy là phải đánh giá được sai số. b] có đánh giá f ( x ) − Ln ( x ) ≤ M n +1 ω n +1 ( x) . tức là có đạo hàm liên tục đến cấp n+1 trên [a. Định lí sau đây cho ta đánh giá đó. 3 − 1.Ln (x) . + 1. Tìm đa thức nội suy hàm y = 3 x trên đoạn [-1. Đối với sai số của đa thức nội suy Lagrange cho hàm f(x) tại các mút x.1.

8) được thiết lập với giả thiết f ( x) ∈ C ( n+1) [a. Ví dụ 4-2. Để đánh giá sai số f ( x) − L2 ( x) ta không thể áp dụng công thức (8-2. Khi đó đa thức nội suy hàm f (x) tại các điểm x0 = −1.1) vì hàm f (x) không có đạo hàm tại x = 0.851 ± 0. 1] như sau max f ( x) − L2 ( x) = max x − x 2 = max x − x 2 = x ≤1 x ≤1 x ≤1 21 1 4 . Nhưng ta có thể đánh giá được sai số nội suy trên đoạn [-1. Giải.NCT-FIT-HNUE Computional methods and Optimization Problems x 0 y 0 Tính gần đúng sin π 3 π π 4 0. + 1.851. x 2 = 1 là đa thức L2 ( x ) = x 2 . π π π π π π ( − ) ( − ) 4 4 2 2 2 4 Ta có sin π 2 ) π ≈ L2 ( ) ≈ 0. Trong trường hợp này cần phải xem xét bài toán cụ thể.024 Chú ý. Đa thức nội suy hàm y=sin x xây dựng theo các điểm đã cho là x( x − π x( x − π ) 4 L2 ( x) = 0. Nếu điều kiện trên không thoả mãn.1. 3 3 4 3 2 216 π π 1 π3 − L2 ( ) ≤ × = 0. x1 = 0. Công thức đánh giá sai số (4.1) sin π M π π − L2 ( ) ≤ 3 ω 3 ( ) . b].707. Cho hàm f (x) bởi công thức f (x) = x . . ω3 ( ) = 3 Do đó sin Như vậy. − = . 3 3 3! 3 Dễ tính được M 3 = max y ' ' ' ( x) = max cos x = 1.024 6 216 3 3 sin π 3 =0. 3 3 Theo công thức (8-2. 0≤ x ≤ π 0≤ x ≤ 2 π 2 π π π π π π π3 − .707 2 1 nhờ đa thức nội suy và đánh giá sai số. tức là khi hàm f (x) không có đủ độ trơn cần thiết thì ta không thể nói gì về sai số nội suy cả.

khi đó : h x − x0 = h.i x − x1 = h(t − 1) xi − x1 = h(i − 1) ...NCT-FIT-HNUE Computional methods and Optimization Problems 2..1. n) output: y là giá trị của hàm tại x Algorithm: 1.1) có dạng li ( x0 + ht ) = t (t − 1).2. xi − x n = − h ( n − i ) Do đó đa thức li (x) trong công thức (2-2.1. for i = 0 Æ n 2. xi − xi −1 = h x − xi +1 = h(t − (i + 1)) xi − xi +1 = − h . . y = y + yi*P 3.. n ) cách đều một khoảng h.. yi (i = 0.. Đặt t = x − x0 .2.... Khởi tạo y = 0 2. for j = 0 Æ n if (j ≠ i) P = P * (x ..2.2) hay 22 .2. Thuật toán nội suy Lagrange Bài toán: Cho bảng các giá trị ( xi . xi..1.xj) / (xi .. y i ) . .xj) 2. Tính giá trị của đa thức nội suy Lagrange Ln (x) tại điểm x cho trước theo công thức n n i =0 j ≠i j =0 y = Ln ( x ) = ∑ y i ∏ x − xj xi − x j input: x..(t − n) (t − i )i!(n − i )!(−1) n−1 (2-2.(n − i ) (1-2. x − xn = h(t − n) . x − xi −1 = h(t − (i − 1)) . /* P chính là đa thức li */ 2. Đa thức nội suy Lagrange với mốc cách đều Giả sử hàm f(x) nhận các giá trị yi tại các điểm tương ứng xi ( i = o...1. n) .t xi − x0 = h. P = 1.2) li ( x0 + ht ) = t (t − 1). (i = 0..3.(t − n) i (i − 1).. return y 2.(t − (i − 1))(t − (i + 1))..(−1) n−i .

Khái niệm tỷ sai phân Giả sử f (x) là một hàm số xác định và liên tục trong đoạn [a.1) trong trường hợp mốc cách đều một khoảng h có dạng : (−1) n−1 f ( xi ) Ln ( x0 + ht ) = t (t − 1)... Ta định nghĩa: . x k +1 là 23 xi − x j .Tỷ sai phân bậc 1 của hàm f (x) tại xi và x j là f ( xi .. . x j .2.. x j ) − f ( x j .2) ta có t (t − 1)(t − 2) ⎛ 5C 20 − 2C 21 1... 2.. b] . Tiếp theo giả sử a= x0 < x1 < . x k ) = f ( xi .Một cách tổng quát.2. < x n =b là tập các điểm nút..Tỷ sai phân bậc 2 của hàm f (x) tại xi . Đa thức nội suy Newton trên mốc không cách đều Đa thức nội suy Lagrange (1-2. x1 .3.(t − n)∑ i = 0 (t − i )i!( n − i )! n (3-2.1)..2) hay Ln ( x0 + ht ) = t (t − 1). Đây là nhược điểm rất lớn của đa thức nội suy Lagrange. x k là f ( xi .2) Ví dụ 1-2..NCT-FIT-HNUE Computional methods and Optimization Problems Vậy công thức nội suy Lagrange (1-2. tỷ sai phân bậc k của f tại x0 . Để khắc phục nhược điểm này người ta tính đa thức nội suy theo một cách khác hiệu quả hơn.Tỷ sai phân bậc 0 của hàm f (x) tại xi là f ( xi ) . x j . ta cần đến khái niệm tỷ sai phân đối với các mốc không đều và khái niệm sai phân đối với mốc cách đều. Đó là công thức nội suy Newton. Nhưng nếu như ta bổ sung thêm nút nội suy thì quá trình tính lại phải thực hiện lại từ đầu. x k ) xi − x k . Tìm hàm nội suy cho hàm f(x) thỏa mãn : xi 0 2 4 f(xi) 5 -2 1 Giải: Áp dụng công thức (4-2. Để xây dựng công thức này.(t − n) n (−1) n−1 f ( xi )C ni ∑ n! (t − i ) i =0 (4-2. x j ) = f ( xi ) − f ( x j ) .C 22 ⎞ ⎟⎟ ⎜⎜ L2 (2t ) = − + 2! ⎝ t − 0 t −1 t − 2 ⎠ 4 1 ⎞ t (t − 1)(t − 2) ⎛ 5 + ⎜ + ⎟ 2 ⎝ t t −1 t − 2 ⎠ 1 = (10t 2 − 24t + 10) = 5t 2 − 12t + 5 2 = 2. như ta đã thấy rất đơn giản và dễ tính nếu các nút nội suy đã được cố định.1.3. tại đó cho trước giá trị của hàm.

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

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

fi (i = 0.s. x2 .xi-1). x2 ) + ( x − x0 )( x − x1 )( x − x2 ) f ( x0 .s.25) Giải.3.s. xi.25) ≈ P4 (1.p bậc 3 T. x4 ) 2 3 11 P4 ( x) = 1 + x ⋅ 1 + x( x − 2) ⋅ (− ) + x( x − 2)( x − 3) ⋅ + x( x − 2)( x − 3)( x − 5) ⋅ (− ) 3 10 120 11 4 73 3 601 2 413 =− x + x − x + x + 1.2.i fj = (fj+1 .s. 120 60 120 60 2) Khi đó f (1. 2. 1) Lập bảng tỷ sai phân x f(x) T.25) = 3.3. Cho bảng giá trị của hàm số y = f (x) x 0 2 3 5 6 f(x) 1 3 2 5 6 1) Xây dựng đa thức nội suy Newton tiến xuất phát từ nút x0 = 0 của hàm số y = f (x) . 26 . x1 . for j = 0 Æ n .p bậc 2 T. x3 ) + ( x − x0 )( x − x1 )( x − x2 )( x − x3 ) f ( x0 .NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 1-2.fj) / (xj+i . x3 . tich = 1.pbậc 1 T.3) ta có P4 ( x) = f ( x0 ) + ( x − x0 ) f ( x0 . 2.9312.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) dễ thấy rằng việc tính giá trị của đa thức Newton tại điểm x có thể mô tả bởi đoạn mã sau: input: x.1. x1 ) + ( x − x0 )( x − x1 ) f ( x0 .5. n) output: y là giá trị của hàm f(x) tại một điểm trong khoảng chứa các mốc nội suy Algorithm 1. Khởi tạo y = f0. 2) Sử dụng đa thức nội suy nhận được tính gần đúng f (1.xj) 2. x2 . Thuật toán nội suy newton trên mốc không đều Nhìn vào bảng tỷ sai phân và công thức nội suy Newton (3-2. x1 . for i = 1 Æ n 2. x1 . tich = tich * (x .

NCT-FIT-HNUE Computional methods and Optimization Problems 2. Khái niệm sai phân Giả sử cho các giá trị f i = f ( xi ) của hàm f (x) ..3) ở mục trước biểu diễn tỷ sai phân qua sai phân theo công thức (1-2. Từ các định nghĩa sai phân và tỷ sai phân ta có f ( x 0 ..4. 2.(t − n)h n +1 (n + 1)! 27 (3-2.. y = y + tich * f0..4) và đặt x = x0 + t. n) . return y.Ta định nghĩa sai phân cấp một của hàm f (x) nh sau: • Sai phân cấp một tại nút xi là ∆f i = f i +1 − f i .(t − n + 1) n ∆ f0 ∆ f 0 + .) 2. ∆2 f i = ∆(∆f i ) = ∆f i +1 − ∆f i = ( f i + 2 − f i +1 ) − ( f i +1 − f i ) = f i + 2 − 2 f i +1 − f i . 2.3) hoặc (3-2.4. Đa thức nội suy Newton trên mốc cách đều Trong công thức của đa thức nội suy Newton (2-2.2.3.4) Đây chính là công thức của đa thức nội suy Newton trên mốc cách đều (thường được dùng để nội suy hàm số đối với những giá trị của x ở vùng đầu bảng tức là gần x0..1.4) . x1 . + n! 2! n t (t − 1)..4. Ví dụ 1-2. • Sai phân trung tâm cấp một δf i +1 / 2 = f i +1 − f i = f i1+1 / 2 . Sai phân cấp cao hơn được định nghĩa qua sai phân cấp thấp hơn như sau • ∆k f i = ∆ (∆k −1 f i ) .4) 2. 2.. (i = 1... xi ) = ∆i f 0 (i = 1. x1 ) = f 0 − f1 f − f 0 ∆f 0 = .4.4. = 1 x0 − x1 x1 − x 0 h Một cách tổng quát..(t − i + 1) i = f0 + ∑ ∆ f0 i! i =1 Pn ( x0 + th) = f 0 + t∆f 0 + (2-2. Trong trường hợp này việc tính đa thức nội suy trở nên dễ dàng hơn nhờ các sai phân. tức là xi = x0 + ih .3. dễ chứng minh được f ( x 0 . Đánh giá sai số của nội suy Newton mốc cách đều Sai số (hay phần dư) của đa thức nội suy này đã chứng minh được có dạng f ( n +1) (ξ ) f ( x0 + th) − Pn ( x 0 + th) = t (t − 1). Đa thức nội suy Newton trên mốc cách đều Giả sử các nút nội suy xi cách đều nhau một khoảng là h. n) . i!h i (1-2...h ta thu được t (t − 1) 2 t (t − 1).

NCT-FIT-HNUE

Computional methods and Optimization Problems

2.4.4. Sơ đồ tính sai phân với mốc cách đều

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

f

∆f

∆2f

∆3f

∆4f

x0

f0

∆f0

∆2f0

∆3f0

∆4f0

x1

f1

∆f1

∆2f1

∆3f1

x2

f2

∆f2

∆2f2

x3

f3

∆f3

x4

f4

Ví dụ 2-2.4.

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

0

1

2

3

y

1

0

1

10

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

f

∆f

∆2f

∆3f

0

1

-1

2

6

1

0

1

8

2

1

9

3

10

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

P3 (t ) = 1 + t ⋅ (−1) +

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

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

28

NCT-FIT-HNUE

Computional methods and Optimization Problems

1. Khởi tạo :

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

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

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

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

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

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

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

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

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

(1-2.5)

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

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

(2-2.5)

k =0

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

( k0 )

( k1 )

.........

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

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

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

( km )

(3-2.5)

( xm ) = f ( km ) ( xm )

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

NCT-FIT-HNUE
f ( x) − H n ( x) =

Computional methods and Optimization Problems

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

(ξ ∈ [a, b])

(6-2.5)

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

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

x1

x2

...

xn

y

y1

y2

...

yn

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

(1-3.1)

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

n

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

(2-3.1)

i =1

đạt min. Điều kiện cực trị của hàm S là

∂S
= 0, i = 0,..., m .
∂ai

(3-3.1)

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

Khi đó (2-3.1) có dạng
30

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

18 0.29 1.06 1.25 0. Tìm A và b như trong trường hợp hàm tuyến tính ta sẽ tìm được a=eA.75 0. Đặt Y = lny. Tìm A và b như trong trường hợp hàm tuyến tính ta sẽ tìm được a = eA.96 1.46 và n = 5 5 5 5 5 ∑ Xi ∑ X i2 ∑ X iYi ∑Y 4.92 0. A = lna. Như vậy bằng cách lấy logarit hai vế ta đã đưa quan hệ phi tuyến đối với a và b về dạng tuyến tính đối với A và b. A = ln a .65 0. a>0.2. b và c phải tìm.95 1.58 Tìm hàm nội suy hàm ẩn trên. A = lna.85 0.17 1. Giải hệ này ta nhận được a.85 0. Lấy hàm nội suy có dạng y = aebx Giải. X = lnx.15 Yi =ln yi -0. Khi đó ta có Y=A+bx.75 0. iii) Dạng hàm mũ y = aebx. Lấy logarit hai vế ta được lny = lna + blnx. Ví dụ 1-3.06 0. X = X Ta đưa về dạng Y = A + BX Xi = xi 0.95 1.15 y 0. b và c. Lấy logarit hai vế ta được lny = lna + 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.65 0.89 i =1 i =1 i =1 i =1 Áp dụng công thức (6-4. Ta có y = aebx Lấy logarit cơ số e hai vế : ln y = ln a + bx Đặt Y = Ln y .6) ta có hệ 32 i .93 0. Cho biết các cặp giá trị của x và y theo bảng sau x 0.NCT-FIT-HNUE Computional methods and Optimization Problems n n n ⎧ 2 + + = na ( x ) b ( x ) c ∑ i ∑ i ∑ yi ⎪ i =1 i =1 i =1 ⎪ n n n n ⎪ 2 3 ⎨(∑ xi )a + (∑ xi )b + (∑ xi )c = ∑ xi yi i =1 i =1 i =1 ⎪ i =1 n n n ⎪ n 2 3 4 2 + + = ( x ) a ( x ) b ( x ) c ⎪∑ i ∑ i ∑ i ∑ xi y i i =1 i =1 i =1 ⎩ i =1 (5-3.35 3. iv) Dạng hàm y = axb.2) Đây là một hệ ba phương trình với ba ẩn số a. Đặt Y = lny. Khi đó ta có Y=A+bX.04 0.

33 . 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]. Hàm f(x) được xấp xỉ bởi đa thức nội suy Lagrange tại ba điểm cách đều nhau trên đoạn cho trước.89 ⎧5 A ⎨ ⎩4.1544 2.0800 2. π /2].92 Giải hệ trên ta được A = -0. ξ = 0. 3 8.93B = 0.7183) 3.2240 2.69. 5.5 64 Hãy ước lượng dân số của quốc gia này năm 1975. 1]. Tìm đa thức bậc ba nội suy tốt nhất cho hàm : (i) f ( x) = 2 x trên đoạn [-1. tính gần đúng 2.2894 Dùng đa thức nội suy Newton trên lưới đều tính 4. ξ = π / 6 c) f(x)=2x trên đoạn [-1. b = B = 1 Vậy đa thức nội suy là g(x) = 1 x e 2 BÀI TẬP 1. π/2].5 54 60. B= 1.414 2 3 và đánh giá sai số.35B = 0.5 d) f(x)=ex trên đoạn [-1. 1].NCT-FIT-HNUE Computional methods and Optimization Problems 5 ⎧ + nA ( X i )B = ∑ ⎪⎪ i =1 ⎨ 5 5 ⎪(∑ X i )A + (∑ X i2 ) B = ⎪⎩ i =1 i =1 5 ∑Y 5 i =1 i ∑XY i =1 i i + 4. Dùng các giá trị dưới đây của x x x 1 2 4 1 1. ξ = π / 12 b) f(x)=xcos(x) trên đoạn [0. (ii) f ( x) = sin( x) trên đoạn [0. Cho 3 x bởi bảng sau x 3 x 8 9 10 11 12 2 2. ξ = 0. 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 và đánh giá sai số. Do đó a = eA = 1/2. 1].35 A + 3.5 (cho e≈2.

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

cos 1 > 0. sau n lần chia đôi hoặc ta thu được xn-1 là nghiệm đúng hoặc ta thu được khoảng phân ly (an. Phương pháp đồ thị tìm khoảng phân ly của các nghiệm của phương trình f(x) = 0 dựa trên việc xác định các khoảng chứa các điểm cắt của đồ thị của hàm số y = f(x) với trục hoành hoặc hoành độ của các điểm cắt nhau của hai đồ thị g(x). Như vậy sau lần chia đôi thứ nhất hoặc ta thu được nghiệm đúng x0 hoặc ta thu hẹp được b−a khoảng phân ly thành [a1. 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.6 1. π/2). (ii) Nếu f(x0). 1) là khoảng phân ly của nghiệm duy nhất của phương trình đã cho. h(x) nếu phương trình g(x) = h(x) tương đương với phương trình đã cho.5 pi/2 Hình 1-2.f(b0) < 0 thì nghiệm nằm trong khoảng (x0. Ví dụ 3-1. (iii) Nếu f(x0).4 0.2. b0] bởi điểm giữa x0 = a 0 + b0 2 2.NCT-FIT-HNUE Computional methods and Optimization Problems Ta có f’(x) = 2 + sin x > 0 và f(0) = . Xử lí một trong 3 khả năng sau sẽ xảy ra (i) Nếu f(x0) = 0 thì x0 là nghiệm x* cần tìm. Bước 1.1.1 2. Do đó (0. do đó ta đặt a1 = x0. Lặp các công việc sau đây: 2. f(1) = 2 . 1. Đặt g(x) = x và h(x) = (1/2)cos x.4 1. Bước 2. do đó ta đặt a1 = a0. Mô tả phương pháp Giả sử (a.8 Nếu khoảng phân ly (a. Lại xét phương trình (2). b1 = b0.1. b) là khoảng phân ly của nghiệm x* của phương trình f(x). x0). Đặt a0 = 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*.f(a0) < 0 thì nghiệm nằm trong khoảng (a0.2 0 0 Một cách thông dụng để thu hẹp khoảng phân ly của nghiệm là phương pháp chia đôi được trình bầy dưới đây. 0. để tiếp tục quá trình chia đôi. b0).1. b1] với độ rộng d1 = b1 − a1 = .2 y=x 1 0.6 y=1/2*cos(x) 0. 0. bn) với độ rộng 35 . b0 = b.5 1 1. Chia đôi khoảng [a0. b1 = x0. 2 2.3.1. Quay trở lại bước 2. Phương pháp chia đôi 2. Nhìn vào hình vẽ ta thấy khoảng phân ly của nghiệm duy nhất của phương trình (2) là (0.

875 0.8513.1. f ( x1 ) = 0.718 -0.758 ⇒ a 2 = x1 = 0. Khi đó xn − x * ≤ lấy xn = n 2 2n d n = bn − an = Rõ ràng là dãy số xn tiến dần đến x* khi n Æ ∞ tức là phương pháp chia đôi hội tụ.NCT-FIT-HNUE Computional methods and Optimization Problems b−a b−a < 2ε là sai số cho trước ta dừng quá trình chia đôi và .8906 0. x0 = (a0 + b0)/2 = 0. Ví dụ 1-2.875 0. Vì f(a0) = 3. d 2 = 0. 1] là khoảng phân ly.01.9063 0.8867 0.011 b-a 1 0.8906 0.5.8906 x0 0. Phương pháp chia đôi sử dụng rất ít thông tin về hàm f(x) (chỉ cần dấu của hàm) nên dễ lập trình nhưng hội tụ rất chậm.5 0.0699 0.0313 0.0078 < ε = 0.25 0. Bằng phương pháp chia đôi tìm nghiệm dương của phương trình 4 .8867 b 1 1 1 1 0. Nếu n 2n 2 b −a b − an <ε .8513 0.ex .718 -0.1. b0] = [0. Khi đó f (a1 ) = 1.8828 0. Đặt x1 = (a1 + b1)/2 = 0.2. f(x0) = 1. khoảng phân ly nghiệm [a. Bước 2: Lặp quá trình sau đây khi (b-a) > ε 2.25.311 -0. b1 = b0 = 1.311 -0.0699 0. Ta có [a1. Nếu f(c) = 0 thì gán x0 := c và kết thúc lặp.875 0. Ta có [a0.023 -0.5.0699 -0.8513 nên ta đặt a1 = x0 = 1. Tiếp tục quá trình chia đôi. Dễ thấy rằng (0. 1) là khoảng phân ly của nghiệm dương x*.75.0156 0.9375 0.758 0.75 0. b].8513.0039 b-a<eps FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE 2.023 -0.758 0.5 0.875 0. Thuật toán tìm nghiệm xấp xỉ bằng phương pháp chia đôi Input: hàm phi tuyến f(x). 1].8828 với sai số d6 = 0.75.023 f(x0) 1.118 -0.0625 0.5 0.023 0.125 0.0236 0. là nghiệm gần đúng.9063 0.0699 0.0236 0. Quá trình lặp được thể hiện qua bảng sau đây: 1 2 3 4 5 6 7 8 9 a 0 0.2 2. sai số được phép ε Ouput: nghiệm gần đúng x0 của phương trình f(x) = 0 Algorithm: Bước 1: Gán c = (a + b)/2.718 -0.5.9375 0.8887 f(a) 3 1.875 0.118 -0. b2 = b1 = 1.0078 0.0003 -0. Nếu f(a)f(c) < 0 thì gán b := c 36 .75 0.718 -0.0003 f(b) -0. Nhận xét. Sau 8 bước ta đạt được x6 = 0.0699 0.8906 0. b1] = [0.8513 0.2.2x2 = 0 với độ chính xác ε = 10-2.8828 0. ngược lại làm bước 2. Giải. d1 = b1 − a1 = 0.

trong đó x* là nghiệm đúng.1) qn xn − x * ≤ x1 − x0 1−1 (6-3.1) ta thấy rằng phương pháp lặp đơn có tốc độ hội tụ cấp 1 hay tốc độ hội tụ tuyến tính. Ta nói một phương pháp lặp giải phương trình có cấp hội tụ α nếu . theo công thức xn = ϕ(xn-1). (2-3. (7-3. n = 1. b] (4-3. b] ∀x ∈ [a. ….hoặc sai số hậu nghiệm của xn là đại lượng cấp α của độ lệch giữa hai xấp xỉ liên tiếp xn và x n1. . b) ii) Quá trình lặp (2-3. nghĩa là. 3. Phương pháp lặp đơn 3. 2. ta còn rút ra được: xn − x * ≤ q xn − x * (7-3.1.1) và (a. b) và tính các xấp xỉ x1.1) x∈[ a . b] (3-3. b ] Khi đó i) Phương trình (1-3.1) hội tụ và có ước lượng xn − x * ≤ q xn − xn −1 1−1 (5-3. ….1. 37 .NCT-FIT-HNUE Computional methods and Optimization Problems Nếu không thì gán a := c Bước 3: In ra nghiệm x0 = c.sai số tiên nghiệm của xấp xỉ thứ n là đại lượng cấp α của sai số xấp xỉ thứ n . C>0 là hằng số. Như vậy từ các đánh giá (5-3.1).1.1.1) Định lý 1-3. Mô tả phương pháp Giả sử phương trình f(x) = 0 có thể viết dưới dạng: x = ϕ(x) (1-3.1) Để đặc trưng cho tốc độ hội tụ của các phương pháp lặp dưới đây chúng ta đưa ra khái niệm về cấp hội tụ của phương pháp.1) ii) ϕ ( x) ∈ [a. Định nghĩa 1-3. Về sự hội tụ của phương pháp lặp Giả sử ϕ(x) là hàm khả vi trên đoạn [a.1) Trong quá trình chứng minh định lý. Lấy một điểm x0 ∈ (a. x2. b) là khoảng phân ly của nghiệm x*.1) có nghiệm duy nhất x* ∈ (a.b] và thoả mãn các điều kiện sau: i) max ϕ ' ( x) ≤ q < 1 ∀x ∈ [a. α nghĩa là xn − x * ≤ C xn − xn −1 . xn − x * ≤ C xn −1 − x * α .

Với x0 = 0.1) vì 38 .1. .1) được thoả mãn. π/2).1. ] ∀x ∈ [0.4502 . 1 2 ϕ ' ( x) = − sin x ≤ q = 0 ≤ ϕ ( x) ≤ 1 2 1 π < . π/2) và ta có đánh giá: xn − x * ≤ 1/ 2 xn − x n−1 = x n − xn−1 1 − 1/ 2 . ta phải chọn cách sao cho thỏa mãn các điều kiện của định lý 1-3. nên nếu lấy x4 xấp xỉ x* ta sẽ có |x4 . Khi đó ϕ(x) thỏa mãn điều kiện (3-3.1) ta đã xác định được khoảng phân ly nghiệm của phương trình trên là (0. π/2).4496| = 0. 1 x4 = cos x3 = 0. Trước hết.1). chẳng hạn.0. ta đưa phương trình đã cho về dạng tương đương x = ϕ(x). Tìm nghiệm gần đúng của phương trình f(x) = 5x3 .x*| < 10-3.1. Ta sẽ chọn x = ϕ(x) với ϕ(x) = (5x3 + 3)/20.4426 2 1 x3 = cos x 2 = 0.4502 là nghiệm gần đúng của phương trình đã cho với độ chính xác 10-3.NCT-FIT-HNUE Computional methods and Optimization Problems Ví dụ 1-3. và phương trình trên đưa được về dạng x = ϕ(x) với ϕ(x) = (1/2)cos x Lấy một điểm x0 bất kỳ trong khoảng (0.. Giải.0006 < 10-3. Ví dụ 2-3. do đó phương pháp lặp hội tụ ∀x ∈ (0. 2. Trong số các cách đưa về dạng này. Như vậy. Vì |x4 -x3| = |0. 2 2 Rõ ràng là các điều kiện (3-3. Tìm gần đúng nghiệm của phương trình 2x . n = 1. Ta sẽ kiểm tra các điều kiện của Định lý 1-3.4307 2 x2 = 1 cos x1 = 0. x4 = 0.5 ta có 1 x1 = cos x0 = 0..5 và xây dựng dãy lặp xn = ϕ(xn-1). 1). ]. (4-3. Giải. Trong Ví dụ (2-2.4502 2 .10x + 3 = 0 bằng phương pháp lặp đơn với độ chính xác 10-4 biết khoảng phân ly nghiệm là (0.cos x = 0 với độ chính xác 10-3.4496 2 .1. x0 = 0. 2 2 do đó π π ϕ ( x) ∈ [0.

q = 1− M M .2.1509 0. hàm M M ϕ(x) được xây dựng như trên thoả mãn điều kiện thứ nhất của Định lý 1-3.1.0019 4 0.0000 0. do đó ϕ(x) ∈ [0.1.1812 0. Cách chọn ϕ(x) thỏa điều kiện hội tụ của phương pháp lặp đơn max ϕ ' ( x) ≤ q < 1 ∀x ∈ [a.1) x∈[ a . phương pháp lặp đơn cho dãy nghiệm: max ϕ ' ( x) = max xn = 5 xn3−1 + 3 .0298 0. b].2) Giả sử (a. b ] Trước hết nhận xét rằng λ ≠ 0 thì phương trình f(x) = 0 tương đương với phương trình x = ϕ(x) với ϕ(x) = x + λf(x) (1-3.0000 Cách chọn hàm ϕ(x) thỏa mãn các điều kiện của định lý 1-3.1] 20 hội tụ và có đánh giá xn − x * ≤ 3 xn − xn −1 . Ta có ϕ ' ( x) = 1 − f ' ( x) . 1]. Ký hiệu M = max f ' ( x).5 ta tính được các xấp xỉ xn như sau n xn xn . m = min f ' ( x) a ≤ x ≤b a ≤ x ≤b Đặt λ=− 1 m .b) là khoảng phân ly nghiệm và f’(x) > 0 trên [a. b].xn-1) 1 0.1509 0. Vì 0 < m ≤ f’(x) ≤ M nên ϕ ' ( x) = 1 − Có thể chứng minh được rằng với cách chọn 39 .1) vì 3/20 < ϕ(x) ≤ 2/5.3187 0. Do đó. ∀x ∈ [0. Như vậy.1515 0.0006 0. ∀x ∈ [0.0893 3 0. Xét hàm ϕ(x) dạng (1-3.xn-1 3(xn . b] Là điều kiện (3-3. M f ' ( x) m ≤1− = q < 1 trên toàn đoạn [a.9562 2 0.NCT-FIT-HNUE Computional methods and Optimization Problems 3x 2 3 = <1 0 ≤ x ≤1 0 ≤ x ≤1 4 4 và cũng thỏa mãn điều kiện (4-3. 1]. hơn nữa làm cho phương pháp lặp hội tụ nhanh nhất 3. Chọn x0 = 0.2).

NCT-FIT-HNUE λ=− Computional methods and Optimization Problems 2 M +m thì hàm xác định bởi (1-3. 2. Tiếp tuyến này có phương trình là y = f’(xn-1)(x . khoảng phân ly [a. Tính e := abs(x-x0). m = min | f '( x) | . Phương pháp tiếp tuyến (Newton) 4.3. điểm ban đầu x0 ∈ [a.1. Tính x := g(x0). 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). Ký hiệu hoành độ của điểm cắt của tiếp tuyến với trục hoành là xn. 4. a ≤ x ≤b a ≤ x ≤b 3.1) f(xn) Giả sử f’(xn-1) ≠ 0. Thế thì xn = xn −1 − f ( xn −1 ) f ' ( xn −1 ) f(xn-1) (2-4. Mô tả phương pháp Ý tưởng của phương pháp Newton giải phương trình f(x) = 0 là thay phương trình này bởi một phương trình tuyến tính gần đúng trong lân cận của nghiệm. b] Ouput: nghiệm gần đúng x của phương trình f(x) = 0 Algorithm: Bước 1: Khởi gán sai số e := 1.3. thay đường cong y = f(x) bởi tiếp tuyến với nó tại điểm A(xn-1. Gán x0 := x. Mô tả phương pháp: Giả sử xn-1 là một xấp xỉ đã tính được của nghiệm đúng x*. f(xn-1)).xn-1) + f(xn-1) (1-4. sai số được phép ε. Bước 2: Lặp quá trình sau đây khi e > ε 2.1) 40 x* xn+1 xn xn-1 . Vì thế phương pháp này còn có tên gọi là phương pháp tuyến tính hoá. b]. trong đó M = max | f '( x) |.2) sinh ra phương pháp lặp hội tụ nhanh nhất với số q= M −m M +m.1. Trong lân cận của x*. 2. Bước 3: In ra nghiệm x.2.

cần chọn xấp xỉ ban đầu là một điểm Fourier được định nghĩa dưới đây: Định nghĩa 1-4.1) còn có tên gọi là phương pháp tiếp tuyến .NCT-FIT-HNUE Computional methods and Optimization Problems Ta coi xn là xấp xỉ tiếp theo của x*. Sự hội tụ của phương pháp Định lý 1-4.2) M2 2 xn − xn −1 . b] là điểm Fourier. • f’(x) và f”(x) không đổi dấu trên [a. x0 là điểm Fourier nếu thỏa mãn: f ( x0 ) f ' ' ( x0 ) > 0 (4-4.1) có thể viết trong dạng xn = ϕ(xn-1) với ϕ ( x) = x − f ( x) f ' ( x) (3-4. thường chọn m1 = min{f'(x)}.1 2) Nếu xấp xỉ ban đầu x0 chọn không thích hợp thì phương pháp Newton có thể không sử dụng được. • x0 ∈ [a. m1 (1-4. b] Bỏ qua phần chứng minh.2) 41 . M2 = max{f'(x)} Định lý 2-4. b].1) 4. |f ”(x)| ≤ M2. Khi đó phương pháp Newton (2-4. b] và [a.1.2) trong đó m1 và M2 là các hằng số thoả mãn 0 < m1 ≤ |f’(x)|.2. Vì thế phương pháp tìm nghiệm gần đúng theo công thức (2-4. Để tránh được điều này. Nói cách khác. b] là khoảng phân ly nghiệm x* của phương trình f(x) = 0. Do đó có thể khảo sát sự hội tụ của phương pháp nhờ vào Định lý 1-3. 1) Công thức lặp (2-4.1) hội tụ và đối với nghiệm gần đúng xn có các đánh giá sau xn − x * ≤ xn − x * ≤ f ( xn ) .4. Nếu giá trị của f(x) và đạo hàm bậc hai f”(x) cùng dấu tại x0 thì x0 được gọi là điểm Fourier. 2m1 (2. Giả sử x0 là một điểm thuộc khoảng phân li nghiệm của phương trình f(x)=0. ∀x ∈ [a. vì xấp xỉ tiếp theo x1 có thể vuợt ra khỏi khoảng phân ly. Khi áp dụng.2 Về sự hội tụ của phương pháp lặp Newton Giả sử • f là hàm khả vi liên tục hai lần trên đoạn [a. Nhận xét.1) Điều đó có nghĩa phương pháp Newton là một trường hợp đặc biệt của phương pháp lặp đơn.2 Đối với phương pháp Newton ta có đánh giá tiên nghiệm sau z n +1 ≤ q z n 2 (3-4. thậm chí vượt ra khỏi khoảng xác định của hàm số.

Với tư cách xấp xỉ ban đầu ta chọn điểm Fourier x0 = 2. 2m1 Bỏ qua phần chứng minh.001013171 1. f(2) = 1 > 0 và f’(x) = 2x-1 > 0.1.x -1.666667 1.618034 0.2380952 0. b] số q=M/2*m.001.001 <epsilon 1. Tính e := q*abs(x-x0)^2. Áp dụng phương pháp Newton tìm nghiệm dương của phương trình x2 . Giải.618 là nghiệm gần đúng với sai số nhỏ hơn 0. điểm fourier x0 ∈ [a. ta có f’’(x) = 2 > 0. Phương pháp lặp Newton có dạng xn = xn −1 − f ( xn −1 ) x2 − x −1 = xn−1 − n −1 n−1 . Thuật toán tìm nghiệm xấp xỉ bằng phương pháp Newton Input: f(x) = 0 được chuyển về dạng x = g(x) biểu thị xn = xn-1 + f(xn-1)/f'(xn-1). Nếu không xác định q thì e = abs(x-x0) 2.618034 0. Ngoài ra. khoảng phân ly [a.618034 f[x(n-1)] f"[x(n-1)] 1 3 0.111111111 2.002267574 2. Đặt f(x) = x2 . Do đó [1.2. 2.619048 1.2.0000010 2.333333333 1.618034 1. sai số được phép ε.236068 epsilon = |x(n)-x(n-1)| 0. Bước 3: In ra nghiệm x. 4. f ' ( xn −1 ) 2 xn−1 − 1 Rút gọn vế phải ta được xn = xn2−1 + 1 2 xn −1 − 1 (1) Áp dụng phương pháp lặp Newton ta có bảng sau: n x(n-1) 0 1 2 3 4 2 1. Ta có f(1) = -1 < 0.001. Bước 2: Lặp quá trình sau đây khi e > ε 2.3. Ví dụ 1-4.0000000 2.NCT-FIT-HNUE trong đó q = Computional methods and Optimization Problems M2 . mới 0<m<|f'(x)| và |f"(x)| <M1 Ouput: nghiệm gần đúng x của phương trình f(x) = 0 Algorithm: Bước 1: Khởi gán sai số e := 1.3333333 0. Tính x := g(x0).666667 0.2360689 0. Gán x0 := x. zn = xn − x*. M2 =2. b]. Do đó chọn m1 =1.3.047619048 1.00000046 FALSE FALSE FALSE TRUE x(n) Vậy x4 = 1. M2 và m1 được xác định như trong Định lý 1-4. 2] là khoảng phân ly nghiệm dương của phương trình đã cho.2.619048 0. 42 .x -1 = 0 với độ chính xác 0.

1066 3 -2. Phương pháp lặp trên có tên là phương pháp cát tuyến (phương pháp vị trí ảo) vì ý nghĩa hình học của nó cụ thể như sau: Phương trình của cát tuyến qua hai điểm ( xn − 2 . Khi đó.0015 5 -2. ( xn −1 . x1 = b. Phương pháp cát tuyến 5..2. b) là khoảng phân ly của nghiệm. f ( xn − 2 )). f ( xn −1 )) là x0 y − f ( xn −1 ) x − xn−1 = f ( xn −2 ) − f ( xn −1 ) xn−2 − xn−1 . Thuật toán tìm nghiệm xấp xỉ bằng phương pháp Cát tuyến Input: Hàm số f(x) = 0. Vì thế. Ouput: nghiệm gần đúng x của phương trình f(x) = 0 Algorithm: Bước 1: Khởi gán sai số e := 1.0000 5. x2 x* x1 x3 Phương pháp cát tuyến (1-2.0226 4 -2.1) x0. Thông thường. x0 = -2.1. (a. Ví dụ 1-5. x1 là các xấp xỉ cho trước. người ta đặt x0 = a.. sai số được phép ε.. Sử dụng phương pháp cát tuyến với sai số 10-3. người ta thay f’(xn-1) bởi tỷ sai phân f ( xn −1 ) − f ( xn−2 ) xn −1 − xn−2 . n = 2. f ( xn −1 ) − f ( xn −1 ) (1-5. x1 = -2. Cho phương trình f(x) = x3 -3x + 2 = 0 có một nghiệm là x* = 2. Nghiệm tìm xấp xỉ cần tìm là x = x1 43 . phương pháp lặp có dạng xn = xn −1 − xn −1 − xn − 2 f ( xn −1 ).6. Mô tả phương pháp Việc tính đạo hàm trong công thức Newton (2-4. 2 nghiệm xấp xỉ ban đầu x0 và x1.NCT-FIT-HNUE Computional methods and Optimization Problems 5.5) hội tụ chậm hơn phương pháp Newton nhưng hội tụ nhanh hơn phương pháp lặp đơn.0000 6 -2.4 ta được n x(n) 2 -2.1.3.1) có thể tốn thêm nhiều thời gian nếu f’(x) là hàm phức tạp.

x0 = a nếu f(b).1 = 0. m1 = min | f '( x) | a ≤ x ≤b a ≤ x ≤b . x1 :=x. Sự hội tụ của phương pháp Người ta đã chứng minh được rằng phương pháp dây cung hội tụ và thu được các đánh giá dưới đây về sai số của phương pháp: | xn − x* |≤ | f ( xn ) | . b) là khoảng phân ly của phương trình f(x) = 0. 2.2.. n = 1.. m1 | xn − x* |≤ M 1 − m1 | xn − xn −1 |.2.2. Tìm khoảng phân ly với độ rộng bằng 1 cho các nghiệm của các phương trình sau: x 4 − 3x − 20 = 0 ( x > 0) 2 − ln( x) − x = 0 44 . như thường lệ. ta ký hiệu M 1 = max | f '( x) |. x0 = b nếu f(a)..1. Khi đó trong hai đầu mút a và b. 6. 6. (1-6. Gán x0 := x1. e := abs(x-x0). Giả thiết đạo hàm cấp hai f’’(x) không đổi dấu trên đoạn [a.1. BÀI TẬP 1.1) f ( xn −1 ) − f (d ) trong đó d = b. Công thức lặp của phương pháp dây cung sẽ như sau: xn = xn −1 − f ( xn −1 )( xn −1 − d ) . 2. và d = a.3. mà tại đó giá trị của hàm cùng dấu với dấu của f”(x) (tức là điểm Fourier). b]. Hình bên minh họa một số xấp xỉ liên tiếp theo phương pháp dây cung giải phương trình 2x2 . Tính x := x1-f(x1)-((x1-x0)/(f(x1)-f(x0))).f”(x) > 0. ta cố định một đầu. Bước 3: In ra nghiệm x. Phương pháp dây cung 6. Mô tả phương pháp Giả sử (a.x 0.f”(x) > 0.NCT-FIT-HNUE Computional methods and Optimization Problems Bước 2: Lặp quá trình sau đây khi e > ε 2. và lấy đầu mút còn lại làm xấp xỉ ban đầu x0. m1 Ở đây. Ý tưởng của phương pháp dây cung là thay dây cung cong của đường cong y = f(x) bằng dây cung trương cung cong ấy và xem hoành độ xn của giao điểm của dây cung với trục hoành là giá trị xấp xỉ của nghiệm đúng x*.

Tính cos 200 với độ chính xác 10-3.x = 0 nếu xuất phát từ điểm x0 bất kỳ? 8. Tìm nghiệm của các phương trình cho trong bài 1 với độ chính xác ε = 10-3 bằng phương pháp Newton. Tính 13 bằng phương pháp Newton. 2. Bằng phương pháp chia đôi tìm nghiệm của các phương trình cho trong bài 1 với độ chính xác ε = 10-2. pháp lặp đơn. 1 và -1 của phương 3 trình x . tìm 7. 5.. 6. 10.x .1=0 bằng các phương pháp cát tuyến và phương pháp dây cung với độ chính xác 0.NCT-FIT-HNUE x 3 − 2 x − 5 = 0 ( x > 0) x 3 + 3x + 5 = 0 Computional methods and Optimization Problems 4 − e x − 2 x 2 = 0 ( x > 0) x − sin x = x + ex = 0 1 5 x 2 − sin πx = 0.. Tìm nghiệm của các phương trình cho trong bài 1 với độ chính xác ε = 10-2 bằng phương 3. So sánh số lần lặp thực sự với số lần lặp ước lượng trước khi tính x2 . Sử dụng phương pháp lặp đơn dạng xn+1 = xn + λf(xn) giải phương trình f(x) = 0 4. 7. Phương pháp Newton hội tụ tới nghiệm nào trong ba nghiệm 0. Gợi ý: Sử dụng cos 3 × 200 = 1/2.. Sử dụng chương trình này giải phương trình trong bài tập 7.0.001 và so sánh tốc độ hội tụ. phương pháp lặp đơn và phương pháp cát tuyến với độ chính xác 10-3. 9. 45 . Lập chương trình giải phương trình phi tuyến bằng các phương pháp cát tuyến và dây cung. Tìm nghiệm gần đúng của phương trình 2x2 . x3 .

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

a2 n ⎥⎥ .. 0⎥ ⎥ E= ⎢ ⎢...⎥ ⎥ ⎢ ⎣0 0 .. kí hiệu là At.000 = 590. j ≤ n.... kí hiệu là A-1. nếu aij = 0 nếu với ∀ i > j. Ma trận đơn vị.. .. amn ⎦ trong đó aij là phần tử ở hàng i.NCT-FIT-HNUE Computional methods and Optimization Problems Một sản phẩm được tạo ra bởi ba công đoạn. .000 + 4*80.….000 + 2*60. 0⎤ ⎢0 1 . a1n ⎤ ..….A = E 1. Công nhân thứ nhất làm mất 3 giờ.m]. được gọi là ma trận đường chéo . tức là aii = 1 và aij = 0.3. ⎡ a11 a12 ⎢a a22 A = ⎢ 21 ⎢ . là ma trận nhận được từ ma trận A bằng cách đổi hàng thành cột và đổi cột thành hàng. Ma trận 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. các phần tử còn lại bằng 0. 1⎦ • Ma trận chuyển vị: Ma trận chuyển vị của một ma trận A. j ∈[1. 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. i ∈ [1. .. 1. ⎥ ⎥ . tức là A có dạng: 47 .. . • Ma trận nghịch đảo: Cho ma trân vuông A.2..1. công nhân thứ hai làm mất 4 giờ và công nhân thứ ba làm mất 2 giờ. thường ký hiệu là E hoặc I. tức là aij = aji = 0 với i ≠ j. 1 ≤ i.2. 80000đ và 60000đ. cột j. là một ma trận vuông cấp n thỏa mãn điều kiện sau: A.2. là ma trận vuông cấp n có các phần tử nằm trên đường chéo bằng 1. ma trận nghịch đảo của ma trận A (nếu có)... Tiền trả mỗi giờ cho các công nhân tương ứng là 50000đ. . ∀ i ≠ j. Số tiền phải trả để hoàn thành sản phẩm là tích vô hướng của hai vectơ ⎛ 50000 ⎞ ⎜ ⎟ u = (3 4 2 ) và v = ⎜ 80000 ⎟ ⎜ 60000 ⎟ ⎝ ⎠ tức là số uv = 3*50. Các loại ma trận • • Ma trận vuông: Khi m = n thì ma trận A = (aij) gọi là ma trận vuông cấp n.000đ 1. ⎢ ⎣am1 am 2 . . mỗi công đoạn cần một công nhân làm. ⎡1 0 ..A-1 = A-1..2..2. • Ma trận tam giác trên: Ma trận vuông A được gọi là ma trận tam giác trên. n]...

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

⎡ 4 0⎤ ⎡ 4.5⎥ = ⎢ 6 ⎥ ⎢ ⎥ ⎢5 ⎥ ⎢ ⎥ ⎢ ⎥ ⎢⎣ 3 1 ⎥⎦ ⎣ ⎦ ⎢⎣ 3. ⎡ 4 0⎤ [3 2 1] ⎢⎢− 1 2⎥⎥ = [3.a12a21 ⎣a21 a22 ⎦ b) Định thức của ma trận cấp ba ⎡ a11 a12 Cho ⎢⎢a21 a22 ⎢⎣ a31 a32 a13 ⎤ a23 ⎥⎥ thì a33 ⎥⎦ ⎡a det A = a11 det ⎢ 22 ⎣ a32 a23 ⎤ a23 ⎤ a22 ⎤ ⎡a ⎡a + a12 det ⎢ 21 + a13 det ⎢ 21 ⎥ ⎥ ⎥ a33 ⎦ ⎣a31 a33 ⎦ ⎣a31 a32 ⎦ 49 . kí hiệu là det A hoặc |A|. điều kiện để thực hiện được phép nhân là: Số cột của ma trận trước phải bằng số thành phần của véc tơ cột. a) Định thức của ma trận cấp hai a ⎤ ⎡a Cho A = ⎢ 11 12 ⎥ thì det(A) = a11a22 . Định thức của ma trận Với mỗi ma trận vuông A cấp n.1] = [13 3] ⎢⎣ 3 1 ⎥⎦ • Nhân một ma trận với một véc tơ (cột): Là trường hợp đặc biệt của phép nhân hai ma trận A[m × n] * B[n × 1] = C[m × 1].4 + 1. Nói cách khác.5 ⎥⎦ ⎢⎣17 ⎥⎦ Chú ý: • AB ≠ BA (phép nhân 2 ma trận không có tính giao hoán) • (AB)C = A(BC) • Nếu A là ma trận vuông cấp n và E là ma trận đơn vị thì AE = EA = A 1.5 ⎤ ⎡16⎤ ⎢− 1 2⎥ .NCT-FIT-HNUE Computional methods and Optimization Problems 0⎤ 2 3 5⎤ ⎡1 ⎡1 ⎢ 3 − 2⎥ .(−1) + 1.2 + 1.4 + 2. gọi là định thức của ma trận A.2. ⎡1 2 3 5⎤ = ⎢− 9 6 1 13 ⎥ ⎢ ⎥ ⎢ 6 0 4 1⎥ ⎢ ⎥ ⎦ ⎢⎣− 1 2 ⎥⎦ ⎣ ⎢⎣ 11 − 2 5 − 3⎥⎦ • Nhân một véc tơ (hàng) với một ma trận: Là trường hợp đặc biệt của phép nhân hai ma trận A[1 × n] * B[n × p] = C[1 × p]. ta tính được một số thực theo qui tắc dưới đây.0 + 2. Nói cách khác.2.5.4 + 0. ⎡4⎤ = ⎢(−1). 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 2-1.4 + 2.2. Ví dụ 3-1.3 3.

1 det M1. 2 = ⎢ . …...2 det Mi.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.1) Hệ phương trình này có thể viết dưới dạng ma trận Ax = b (2-2.1 det Mi.(-3) = 240. an 2 .2 det M1.3 det M1.a1. x2.2 + (-1)1+3 a1. a1n ⎤ ⎛ x1 ⎞ ⎛ b1 ⎞ ⎜ ⎟ ⎜ ⎟ ⎥ . .1.n Trong đó Mi. là phương pháp cho ta nghiệm đúng của hệ phương trình (1-2.. khử Gauss.. . . a nn ⎦ ⎝ n⎠ ⎝ n⎠ Bài toán đặt ra là tìm nghiệm x = (x1... 50 ..1 .1) sau một số hữu hạn các phép tính với giả thiết không có sai số làm tròn.. Choleski.. Ví dụ 4-1.. ⎪⎩an1 x1 a12 x2 + . b=⎜ 2⎟ .. ⎢ ⎣a n1 a12 a 22 . Hệ phương trình đại số tuyến tính 2... ta có: det A = (-1)i+1 ai.1 det M1...1 + (-1)i+2 ai.. Để ý thấy.. Giới thiệu Cho hệ phương trình gồm n phương trình tuyến tính với n ẩn số x1.2. ... a 2 n ⎥ ⎜ x2 ⎟ ⎜b ⎟ . Ví dụ nếu chọn một hàng i nào đó. = bn (1-2. . xn)t của hệ (2-2.n det Mi. nếu chọn hàng 1 thì dấu cộng trừ đan xen nhau.3 = ⎢ A = ⎢− 4 5 6⎥⎥ . ⎜ ⎟ ⎜ ⎟ ⎥ ⎜x ⎟ ⎜b ⎟ .3 =1.. 2 3⎤ ⎡1 ⎡ 5 6⎤ ⎡ − 4 6⎤ ⎡− 4 5⎤ ⎢ . ví dụ như các phương pháp Cramer.1) trong đó ⎡ a11 ⎢a 21 A=⎢ ⎢ .xn + ⎧ a11 x1 ⎪a x ⎪ 21 1 ⎨ ⎪ . M 1.2 + a1.j là ma trận thu được từ ma trận A sau khi bỏ đi hàng i và cột j. + (-1)i+n ai. 2..3 det M1.1 = ⎢ ⎥ ⎥ − 8 9⎦ 7 9⎦ 7 8⎥⎦ ⎣ ⎣ ⎣ ⎢⎣ 7 − 8 9⎥⎦ det A = (-1)1+1a1. + ann xn . x=⎜ ⎟. ⎥ ....3 = a1. M 1..1 + (-1)1+2 a1.2 det M1.a13a22a31 c) Định thức của ma trận vuông cấp n tổng quát Có thể tính theo cột hoặc hàng bất kỳ.. + .a12a23a31 + a13a21a32 . . + a1n xn = b1 + a22 x2 + . + a n 2 x2 . .a11a23a32 + a12a21a33 . x2.2 + .(-78)+3. M 1. + a2 n xn = b2 .93 -2. bắt đầu là dấu dương.NCT-FIT-HNUE Computional methods and Optimization Problems det A = a11a22a33 .

Giới thiệu phương pháp Cramer Nếu det A ≠ 0 thì hệ (2-2. 38/11)t là nghiệm của hệ đã cho. det A3 = 152 Ta suy ra các thành phần nghiệm của hệ đã cho: x1 = -40/44 = -10/11. x3 = 152/44 = 38/11 Vậy x = (-10/11.2) det A trong đó Aj là ma trận nhận được từ ma trận A bằng cách thay cột thứ j bởi cột b. A2 = ⎢− 3 30 6⎥ . Gauss-Seidel. Hãy giải hệ ⎧ x1 ⎪ ⎨− 3 x1 ⎪−x ⎩ 1 + 2 x3 = + 4 x2 + 6 x3 = 30 − 2 x2 + 3 x3 = 6 8 Giải: Ta có 0 2⎤ ⎡1 ⎡6⎤ A = ⎢⎢− 3 4 6⎥⎥ .NCT-FIT-HNUE Computional methods and Optimization Problems Phương pháp gần đúng hay còn gọi là phương pháp lặp. Ví dụ 1-2. 2. giảm dư. 18/11. Khử Gausse. ta nhận được nghiệm gần đúng của hệ với một sai số có thể ước lượng được. A3 = ⎢− 3 4 30⎥⎥ ⎢⎣ 8 − 2 3⎥⎦ ⎢⎣ − 1 8 3⎥⎦ ⎢⎣ − 1 − 2 8 ⎥⎦ Ta tính được det A = 44 ≠ 0 det A1 = -40.1) có nghiệm duy nhất và nghiệm của nó có thể tính theo phương pháp Cramer với công thức: x = A−1b tức là xj = det A j (1-2.2. là phương pháp giải hệ bằng cách cho nghiệm một giá trị ban đầu. x2 = 72/44 = 18/11. Trong chương này chúng ta sẽ tìm hiểu các phương pháp: Cramer. det A2 = 72. Quá trình này được lặp nhiều lần và với một số điều kiện nhất định. từ giá trị này tính các giá trị nghiệm gần đúng tốt hơn theo một qui tắc nào đó. ví dụ như các phương pháp Jacobi. 51 . b = ⎢⎢30⎥⎥ ⎢⎣ − 1 − 2 3⎥⎦ ⎢⎣ 8 ⎥⎦ Vậy 0 2⎤ 6 2⎤ 0 6⎤ ⎡6 ⎡1 ⎡1 ⎢ ⎥ ⎢ ⎥ ⎢ A1 = ⎢30 4 6⎥ .. Gauss-Seidel và giảm dư.2.

n+1 ⎤ ⎡a '11 ⎥ ⎢ 0 a 2. ⎢ ⎣a n1 a12 .. …. 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. Khi đó n!=20! ≈ 2... Giả sử n=20.3) Quá trình ngược: giải hệ tam giác trên từ dưới lên trên. - Nhân một phương trình bất kỳ với một số khác không. mỗi số hạng là tích của n thừa số.. j = i + 1.1023. ⎥ a ' n .2) đã là n!(n+1)(n-1).NCT-FIT-HNUE Computional methods and Optimization Problems Nhận xét : Công thức (1-2. để tính các xj theo công thức trên cần tính n+1 định thức cấp n. m = − a ji aii (1-2. do vậy để tính mỗi số hạng cần thực hiện n-1 phép nhân.. nghĩa là cần rất nhiều các phép tính số học.. . mà mỗi định thức chứa n! số hạng. tức là tính các nghiệm xn. ⎥ ⎥ ⎢ a n .7073 . .. 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..n +1 ⎦ ⎣ 0 a '12 .n+1 ⎤ a ' 2.n+1 ⎦ Để tiện cho quá trình biến đổi tương đương. a '1n a ' 22 .. thậm chí cỡ hàng triệu.3. riêng số phép nhân phải thực hiện trong (12. a ' 2 n .1 lần biến đổi : Lần biến đổi thứ i (làm cho aji = 0 .2) rất đẹp về mặt lý thuyết nhưng rất đắt về về mặt tính toán. 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. 105 năm! Trong khoa học và công nghệ người ta thường phải giải các hệ phương trình cỡ lớn hơn 20 rất nhiều. Một đặc điểm của các phương pháp đó là khước từ việc nghịch đảo ma trận. x1 bằng phương pháp “thế ngược”.. Cụ thể là. n) bằng cách công thức: Dòng j - = Dòng j + Dòng i × m . Như vậy. ….. ta coi cột b là cột thứ n + 1 của ma trận A. 0 . a 2 n . Phương pháp khử Gauss a) Mô tả phương pháp • Cần biến đổi ma trận vuông A cấp n về dạng ma trận tam giác trên: ⎡ a11 ⎢a 21 A=⎢ ⎢ . xn = 1 bn ann 52 ...4329 .. phương pháp khử Gauss gồm 2 quá trình: - Quá trình thuận: đưa ma trận A về dạng tam giác trên. - Cộng vào một phương trình một tổ hợp tuyến tính của một số phương trình khác Từ đó.. an 2 a1n .n+1 ⎥ Æ A' = ⎢ ⎢ .n+1 ⎥⎥ ⎥ . ..0782 . a ' nn a '1.. a nn a1. a 22 . .. . chục nghìn.. xn-1. 1018 và n!(n+1)(n-1) ≈ 9. Cách biến đổi A Æ A’: Thực hiện n . 2.. j = i + 1. chẳng hạn cỡ nghìn. n. • • Cơ sở của việc biến đổi: Sử dụng các phép biến đổi tương đương như: - Đổi chỗ 2 phương trình bất kỳ.

1 = 1.3 * Dòng 1 ⎛1 2 3 ⎜ [A.5. xn-1. Giải hệ phương trình ⎧ x1 ⎪ ⎨2 x1 ⎪3 x ⎩ 1 + 2 x2 + 3 x3 = 6 + 3 x2 + x2 + x3 + 2 x3 = 6 = 6 Ta có ⎛1 2 3 ⎜ A' = [A.3 = 1.5 * Dòng 2 ⎛1 2 3 ⎜ [A.NCT-FIT-HNUE Computional methods and Optimization Problems xn−1 = 1 an−1.2 * Dòng 1 Dòng 3 = Dòng 3 .b] = ⎜ 0 − 1 − 5 ⎜0 − 5 − 7 ⎝ ⎛1 2 6 ⎞ 3 ⎟ ⎜ − 6 ⎟ → [A.3. ….3) … xi = n 1 (bi − ∑ aij x j ) aii j =i +1 Ví dụ 1-2.b] = ⎜ 0 − 1 − 5 ⎜ 0 0 18 − 12 ⎟⎠ ⎝ 6 ⎞ ⎟ − 6⎟ 18 ⎟⎠ Như vậy kết thúc quá trình trên ta sẽ thu được hệ có dạng tam giác trên ⎧ x1 ⎪ ⎨ ⎪ ⎩ + 2 x2 + 3 x3 = − x2 − 5 x3 = −6 18 x3 = 6 18 Quá trình ngược Giải ngược: Tính các nghiệm xn.n xn ) (2-2. x2 = 6 . b] = ⎜ 2 3 1 ⎜3 1 2 ⎝ 6⎞ ⎟ 6⎟ 6 ⎟⎠ Quá trình thuận • i=1 Dòng 2 = Dòng 2 .2 . x1 bằng phương pháp “thế ngược”: Ta tính được x3 = 1. 53 .b] = ⎜ 2 3 1 ⎜3 1 2 ⎝ • ⎛1 2 6⎞ 3 ⎟ ⎜ 6 ⎟ → [A.b] = ⎜ 0 − 1 − 5 ⎜0 − 5 − 7 6 ⎟⎠ ⎝ 6 ⎞ ⎟ −6 ⎟ − 12 ⎟⎠ i=2 Dòng 3 = Dòng 3 . x1 = 6 .n−1 (bn−1 − an−1.

Ví dụ 3-2. Nếu nó bằng 0 thì quá trình không thực hiện được.1 ⎟⎠ ⎝ ⎛1 2 ⎜ ⎜0 1 ⎜0 0 ⎝ ⎛1 2 ⎜ ⎜0 1 ⎜0 0 ⎝ 2 ⎞ ⎟ 1.9) = 29. ⎛2 4 3 ⎞ ⎛ 1 2 1.5 .5 1.2 .9) det ⎜ 0 1 ⎜0 0 ⎝ ⎞ ⎟ ⎟ ⎟ ⎠ 1.(-5). 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.5 ⎞ ⎟ 1.9 ⎝ ⎝ ⎝ ⎝ ⎠ ⎠ ⎠ ⎛1 2 ⎜ = 2.5 1.3. 1 ⎟⎠ b) Thuật toán Khử Gauss Input: n.(-5) det ⎜ 0 1 1. trong đó k là số lần đổi chỗ các hàng và aiij là phần tử trụ lần lặp thứ i.3 ⎜ 4 11 7 ⎟ ⎜ 4 11 7 ⎟ ⎜0 3 1 ⎟ ⎜ 0 0 .(-2. Giải hệ PTĐSTT sau bằng phương pháp khử Gauss: 2x1 + 4x2+ 3x3 = 4 3x1+ x2.6. Ngoài ra nếu nó có trị tuyệt đối nhỏ thì khi chia cho nó sai số làm tròn sẽ lớn.8 ⎟ ⎜0 3 1 .2.5 .2x3 = -2 4x1+ 11x2+ 7x3 = 7 Các hệ số và vế phải của các hệ trung gian thu được sau từng bước khử được viết trong dạng ma trận mở rộng như sau ⎛2 4 3 4 ⎞ ⎜ ⎟ ⎜3 1 .5.2⎟ ⎜ 4 11 7 7 ⎟ ⎝ ⎠ 2⎞ ⎛ 1 2 1. trừ đi từ hàng một hàng khác nhân với một số và đổi chỗ hai hàng.6 ⎟ 2 ⎟⎠ Quá trình tính ngược cho ta x1 = 1.2.5 ⎜ ⎜ ⎜ ⎜ ⎟ ⎟ ⎟ det ⎜ 3 1 .2 ⎟ = 2 det ⎜ 0 .3 1 2⎞ ⎟ 1. Ví dụ 2-2.3.5 ⎟ = 2. x3 = -2.9 . x2 = -1. ma trận a(n.6 ⎟ .. 54 . định thức của ma trận A có thể tính theo công thức (1) ( n −1) det A = (−1) k a11( 0 ) a 22 . Do đó.5 ⎞ ⎛ 1 2 1.5 ⎞ ⎛ 1 2 1.6.NCT-FIT-HNUE Computional methods and Optimization Problems Khối lượng tính toán: Ta có thể đánh giá được tổng số phép toán của phương pháp khử Gauss là O(n3) khi n đủ lớn. 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.a nn .5 .(-5). Nhận xét 1: Trong quá trình thuận ta phải thực hiện phép chia cho phần tử trụ aii.2 ⎟ = 2 det ⎜ 3 1 . do đó có thể làm giảm độ chính xác của nghiệm tìm được.(-2. cột n+1 là vế phải của phương trình.n+1) là ma trận các hệ số.3 ⎟ = 2.5 ⎜ ⎟ ⎜ 0 ..8 ⎟⎠ 1.3 1.

2...n +1 a nn − a12 x2 − a 21 x1 − a13 x3 − .i]. + + a 22 x2 + . Xuất x1... .. 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. n. − . + an 2 x2 ...i]..n +1 a 22 .k] = a[j. .4) . = a n ..1.n +1 .n +1 a11 1 (a 2. nếu không thì kết luận hệ suy biến và dừng thuật toán.3. x2. 3. − a2 n xn ) ...j]/a[i.2. j = 1. Chia 2 vế của phương trình i cho a[i. . gán kết quả cho phương trình trung gian c a[i. Trước hết. Với mỗi phương trình j = i +1 Æ n Cộng phương trình j với phương trình c sau khi phương trình c (tức là phương trình i ở trên) đã nhân với -a[j. .2.i] = 0 thì tìm phương trình j sao cho a[j.NCT-FIT-HNUE Computional methods and Optimization Problems Output: véct tơ nghiệm x. . nếu a[i. ai (i=1. 2..4..i] ≠ 0. 2.. .. với j = 1. − a n . . .j]..s 4.. ⎪ ⎪ xn ⎪⎩ = = .n −1 x n −1 ) . xn 2..i] để chuẩn bị cho việc khử x[i] trong các phương trình còn lại . . .. Nhập n. Algorithm: 1.n+1].. ...k]) .2.1. n + 1] ... Nếu tồn tại phương trình j thì hoán đổi hai phương trình cho nhau. . ..n+1 Về dạng ⎧ ⎪ x1 ⎪ ⎪⎪ x 2 ⎨ ⎪. n (ii) Tính x[k] = a[k. Quá trình thuận: Biến đổi A Æ A’ Lặp quá trình sau với i = 1 Æ n . 1 (i) Tính tổng s = s + a[k... − a n1 x1 − a n 2 x2 − a n 3 x3 55 . Tính thành phần nghiệm x[k] với k = n-1. . với k = 1..... n+1) 2.j]=a[i. = 1 (a1. j] với j = k+1.1 2. + .n+1 (1-2... a1n x n . − a1n x n ) − a 23 x3 − . + a 2 n x n = a 2.k] + c[k] * (-a[j.. Xét a[i.. c[j]=a[i. n 3. ⎪⎩a n1 x1 + a12 x 2 + . . Tính x[n]=a[n. .... Quá trình ngược 3. n. + a nn xn = a1. biến đổi hệ ⎧ a11 x1 ⎪a x ⎪ 21 1 ⎨ ⎪ .i] a[j. 1 (a n .

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

0000 Ví dụ 2-2.9500 0.9975 1.4.9948 -0.1x 2 − 0.0000 -1.4 x3( k ) + 1.0052 4 1.0144 0.0000 -1.4) j =1 n r2 = max ∑ bij < 1 (ii) j n r3 = ∑ (iii) i =1 (6-2.0000 1. ⎡10 2 1 10⎤ ⎢ 1 10 2 10⎥ ⎢ ⎥ ⎢⎣ 1 1 10 8 ⎥⎦ Áp dụng công thức (4-2.0002 0.0000 0.0001 1.2 x3 + 1 .25 x 2( k +1) + 1 ⎩ x3 cho thấy phương pháp Gauss-Seidel thực sự hội tụ nhanh.4) thì ⎧ x1( k +1) = 0.0009 -1. k x1( k ) x 2( k ) x3( k ) || x ( k ) − x || ∞ 1 1. b] với sai số không vượt quá 10-3.4) ta có ⎧ x1 ⎪ ⎨ x2 ⎪x ⎩ 3 = = − 0.25 x1( k +1) + 0.6 ⎪ ( k +1) = −0.2 x 2 − 0.2 x 2( k ) − 0.0600 3 0.4000 0.25 x3( k ) − 1 ⎨ x2 ⎪ ( k +1) = −0.9400 -0.0001 0.6000 2 0.1x1 − 0 .4) Ví dụ 1-2.NCT-FIT-HNUE Computional methods and Optimization Problems n r1 = max ∑ bij < 1 (i) i (5-2. Bảng kết quả tính toán dưới đây giải hệ ⎧5 x1 − x 2 + 2 x3 = 8 ⎪ ⎨ x1 + 4 x 2 − x3 = −4 ⎪ x + x + 4x = 4 2 3 ⎩ 1 theo công thức (4-2.9998 0.2 + 0 .0000 0.8 57 .1x3 +1 − 0.0001 6 1.6000 -1.4) i =1 n ∑b 2 ij j =1 <1 (7-2.0009 5 1.25 x1( k +1) − 0.4. Giải hệ cho dưới dạng ma trận [A.9951 1.1x1 = − 0.

2. Output: véct tơ nghiệm x.002 0.737. 0.8)t. Algorithm: 1.737 1. 0. e) Thay xi = yi 58 .626 Nghiệm của hệ là x = (0. .n+1) là ma trận các hệ số.S)/aii d) Nếu |yi .2 ⎥ . Nhập sai số ε 3. với i = 1 Æ n a) Khởi tạo tổng S = 0 b) Với j = 1 Æ n Nếu (j ≠ i) thì gán S = S + aij * xj c) yi = (ai. .8 2 0.xn) /* Ta gọi nghiệm thứ k là x. ma trận a(n.738 1.3 < 1 thỏa mãn điều kiện hội tụ nên ta có thể áp dụng phương pháp Gaussi j =1 Seidel. x2...8 ⎟ ⎢⎣− 0.2 − 0.001 0. nghiệm thứ k+1 là y = (y1.733 0.yn) */ 4.1⎤ ⎡ 0 ⎛ 1 ⎞ ⎜ ⎟ ⎢ ⎥ B = ⎢ − 0 .58 3 0.3.1..623 5 0.NCT-FIT-HNUE Computional methods and Optimization Problems Ta có − 0. 0)t thay vào ta được x1 = (1.626) vì |xi7 . y2. và bảng kết quả là k x1(k) x2(k) x3(k) 1 1.xi6| < 10-3 ∀ i = 1. Khởi tạo stop = true 4.997 0.2 0. Nhập nghiệm xuất phát x = (x1. Lặp quá trình sau đây 4. cột n+1 là vế phải của phương trình.. c) Thuật toán Gauss-Seidel Input: n.1 0 ⎥⎦ ⎝ ⎠ n Do r1 = max ∑ bij = 0.1 − 0. 1.754 1. Nhập n.xi| ≥ ε thì gán stop = false. ai (i=1 Æ n.016 0.001 0.2. Tính các thành phần yi cho nghiệm tiếp theo.94 0. tương tự tính x2.2. g = ⎜ 1 . 1. Chọn x0 = (0.1 0 − 0 .627 6 0.001.68 0.626 7 0.638 4 0.737 1. x3. 0..n+1 . j = 1 Æ n+1) 2.2 ⎟ ⎜ 0 . .

Xuất xi (i = 1 Æ n) 2.. ⎪ ⎪⎩bn .n+1 về dạng a1n xn = 0 − a 22 x2 − ... 2... Phương pháp giảm dư a) Mô tả phương pháp Biến đổi hệ phương trình ⎧ a11 x1 ⎪a x ⎪ 21 1 ⎨ ⎪ . .s * Rs0 (i = 1.... . . .n +1 − b21 x1 ⎨ . ..n+1 . − . .. ... |R20|. − x1 = 0 − b23 x3 − .n+1 ⎪a ⎪ 2.... + a nn xn ⎧ a1. .. (1-2.. ⎪⎩a n1 x1 + + a n 2 x2 + .. |Rn0|} và làm triệt tiêu phần tử đó bằng cách cho xs một số gia δxs = Rs0. − a 2 n x n = 0 . .. Tính lại các số dư: Rs1 = 0 Ri1 = Ri0 . . − .. − x20 . − xn0 = R10 = R20 . . .n+1 − a11 x1 − − a 21 x1 a12 x 2 + ..NCT-FIT-HNUE Computional methods and Optimization Problems Lặp quá trình trên đến khi stop = true 5. . = Rn0 (4-2.n+1 + a 22 x2 + ..n+1 ⎨ ⎪ ⎪⎩a n ...n+1 ⎨ ⎪ ⎪bn . thu được hệ có dạng ⎧b1.n +1 − b12 x 2 ⎪b ⎪ 2. ..5) (6-2.n+1 ⎪ ⎪b2..Rs0. Rn0 là các số dư sai khác giữa nghiệm x0 và nghiệm đúng của hệ. . − x2 = 0 .. − bn 2 x 2 . .... .n+1 ⎩ − b12 x20 − b21 x10 . (2-2. − x n . − bn1 x10 − b13 x30 − b23 x30 .5) R10. nghĩa là xs1 = xs0 ... − a nn x n . − .. − . − x10 . + a 2 n xn = a 2. ...n +1 − bn1 x1 − b13 x3 − . ... Tìm Rs0 = max {|R10|. R20. . x 20 . n) 59 (5-2.bi..5. = a n ... . − a n1 x1 − an 2 x2 a12 x2 ..5) . . .bi.5) = 0 Chia hàng i cho aii ≠ 0.5) = 0 Cho vectơ (cột) nghiệm ban đầu là x0 = ( x10 .. (3-2.. nên ⎧ b1... + a1n xn = a1. − .s * δxs = Ri0 .5) . − bn 2 x20 − − . x n0 ) t Vì x0 chưa phải là nghiệm. .

1x 1 ⎩ + 0 .07 0.78.01 0.08 0 0..1x2 − − x2 x3 = 0 = 0 Cho x0 = (0.92 0.NCT-FIT-HNUE Computional methods and Optimization Problems Cứ tiếp tục quá trình lặp trên cho đến khi |Rik| < ε (∀i=1. 60 .. R30) = (0.01 0 0 0 0.8 0.6 0. ta có bảng kết quả x1 0 x2 0 x3 R1 R2 R3 0 0. 1.2 x1 ⎪0.76. 2.b] sau ⎡ 10 − 2 − 2 6⎤ ⎢− 2 10 − 1 7 ⎥ ⎢ ⎥ ⎢⎣ 1 1 − 10 8 ⎥⎦ Giải: Biến đổi hệ về dạng ⎧0. 0.8) R30 = max{|Ri0|} = 0.1 × 0.76 R21 = R20 + b23.. Giải hệ cho bởi ma trận [A.78 0. R21.92 0 0.99 1 1 1 Vậy nghiệm của hệ là x = (1. R20.99 0.8 = 0.78 Æ R1 = (R11. 0) Æ R0 = (R10.2 x 3 − x1 = 0 + 0 .8 0.7.8 + 0. ∀i =1.03 0. 0) Tương tự.99 0. x31 = x30 + R30 = 0. 0. x2k. .6 + 0.. xnk) là nghiệm của hệ.04 0 0.2 x2 ⎪ ⎨0.7 + 0. 3.78 0 0.01 0 0. 0. . n) thì xk = (x1k.6.7 + 0.96 0.7 0.17 0.02 0 0 0.2 x 3 + 0.. Ví dụ 1-2.2 × 0. 1).19 0.R30 = 0.01 0.6 + 0.5. R31) = (0.8 = 0.76 0. 0..18 0.8 Tính lại các số dư: R31 = 0 R11 = R10 + b13.8.R30 = 0.01 0 0 0 0 0.

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

01x 2 = 1 có nghiệm là x1= 1.NCT-FIT-HNUE Computional methods and Optimization Problems .0001x 2 = 3 có nghiệm là x1= 3.6. Như vậy.6.01 lại có nghiệm là x1= -19.6) trong đó các hệ số aij và bi được tính theo một công thức nào đó.6. Hệ phương trình ⎧1.01x 2 = 2. Ví dụ 3-2.6).Mọi hệ phương trình có giá trị riêng λ ≥ 1 đều hội tụ đến nghiệm một cách nhanh chóng. trong đó xảy ra hiện tượng “sai một ly đi một dặm”.01x 2 = 1. x2 = 3. Khi đó người ta thu được không phải là hệ (1-2. Trong khi đó hệ với nhiễu nhỏ của ma trận A ⎧x 1 + x 2 = 3 ⎨ ⎩x 1 + 1. ta có (A + δA)( x+δx) = b+δb (2-2.0001x1 + x 2 = 3 ⎨ ⎩x 1 + x 2 = 3 có nghiệm là x1= 0.6) 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. x2 = 10.6. 2. rất khác so với nghiệm của hệ đã cho. cụ thể là sai số nhỏ của dữ kiện dẫn đến sai số lớn của nghiệm. x2 = 0.Nếu các phần tử aii càng lớn hơn các phần tử trên dòng bao nhiêu thì quá trình hội tụ càng nhanh.01 62 . Ví dụ 2-2. Ví dụ 1-2. 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. 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. Hệ phương trình ⎧x1 + 2x 2 = 1 ⎨ ⎩x1 + 2. Hệ với nhiễu nhỏ của vế phải ⎧x 1 + 2x 2 = 1 ⎨ ⎩x 1 + 2. Hệ phương trình ⎧2x 1 + x 2 = 2 ⎨ ⎩2x 1 + 1. mà là hệ phương trình với ma trận nhiễu A+δA và vế phải nhiễu b+δb. x2 = 0. rất khác so với nghiệm của hệ đã cho. . có thể là khá phức tạp cho nên không tránh khỏi sai số. Và tất nhiên nghiệm của hệ nhiễu này bây giờ không phải là x mà là x+δx.

1: Giả sử A là ma trận vuông cấp n. ⎡1⎤ ⎡3 0 ⎤ ⎡1⎤ ⎡3⎤ ⎡1 ⎤ ⎡3 0 ⎤ . x ∈ Rn (1-3.. Định nghĩa 2-3.01x 1 + x 2 = 2. Do đó ta có (A . ….λE)x = 0 (2-3. x2 = 1. Ví dụ 1-3. Vectơ x ≠ 0 này được gọi là vectơ riêng ứng với giá trị riêng λ.1) Đó là phương trình để xác định giá trị riêng của A. Trong những thí dụ trên ta nói rằng hệ phương trình có nghiệm không ổn định. Nhưng hệ phương trình trên với sự thay đổi ít của ma trận A và vế phải ⎧2x 1 + x 2 = 2 ⎨ ⎩2.1.05 lại có nghiệm là x1= 5. 0). x luôn hiểu là vecto cột. Chú ý trong cách viết Ax. 0. Giới thiệu Định nghĩa 1-3. ta viết Ax = λx thành Ax = λEx. 3. Tính gần đúng giá trị riêng và véc tơ riêng của ma trận 3. Để tìm giá trị riêng của ma trận vuông A cấp n.1.NCT-FIT-HNUE Computional methods and Optimization Problems có nghiệm là x1= 0. Phương trình (3-3.1) được gọi là phương trình đặc trưng của ma trận vuông A. Hãy tìm các giá trị riêng của ma trận ⎡ 3 2⎤ A=⎢ ⎥ ⎣− 1 0⎦ Giải: Ta có 63 . 2) ∈ R2. xn) khác (0. x2.1) Đây là một hệ phương trình tuyến tính thuần nhất.5. …. trong đó E là ma trận đơn vị cấp n. khác xa so với nghiệm của hệ gốc đã cho. Ví dụ 2-3. Ta thấy A⎢ ⎥ = ⎢ Cho A = ⎢ ⎥ ⎢ ⎥ = ⎢ ⎥ = 3⎢ ⎥ ⎥ ⎣2⎦ ⎣8 − 1⎦ ⎣2⎦ ⎣6⎦ ⎣2⎦ ⎣8 − 1⎦ Vậy với x = (1. Muốn cho λ là giá trị riêng của A và hệ trên có nghĩa x ≠ 0 thì điều kiện cần và đủ là det (A-λE) = 0 (3-3. x2 = -8. 2) thì Ax = 3x Do đó giá trị riêng của A là 3 ứng với vectơ riêng là (1. x ∈ Rn. Số λ gọi là giá trị riêng của A nếu phương trình Ax = λx.1) có nghiệm x = (x1.1.1.

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

.n −1 0 .n −1 a n .. ... Tìm giá trị riêng của ma trận 65 .2 của M bằng hàng thứ n -1 của A chia cho phần tử biến đổi và thương mang dấu âm. • .λE) = 0 ⇔ λn ...NCT-FIT-HNUE ⎡ 1 ⎢ 0 ⎢ M =⎢ .1 ⎢− ⎢ a n ... M sao cho A2 = M-1 A1 M ~ A1 và dòng thứ n -1 của A2 có dạng 0 0 0 .pn-1λ ..p1λn-1 ...Hàng thứ n .n ⎥ − ⎥ a n . .… . ⎥ (2-3.. 2 . Nói cách khác ta có: M n −1. 1 pn ⎤ 0 ⎥⎥ 0⎥ ⎥ .. . . ⎢ a n .3) Lần biến đổi 2 tương tự: Chọn M-1.pn = 0. ⎢⎣ 0 p2 0 1 . a n.. j ⎪⎩ a n .… . Giải phương trình trên ta suy ra được các giá trị riêng λ. Computional methods and Optimization Problems 0 0 ⎤ 0 0 ⎥⎥ .n −1 a ⎪− n .n −1 if j = n −1 (3-3. Riêng phần tử trong M ở vị trí tương ứng với phần tử biến đổi của A thì mang dấu dương và bằng 1 chia cho phần tử biến đổi.. .3) if j ≠ n −1 A1 = M-1 A M ~ A • (4-3.pn) det (P .3) a 1 n . ⎡ p1 ⎢1 ⎢ P=⎢0 ⎢ ⎢....3..pn-1λ .λE là det (P . a n . Riêng phần tử trong M ở vị trí tương ứng với phần tử biến đổi của A thì mang dấu dương và bằng 1 chia cho phần tử biến đổi.n −1 ⎥ 0 1 ⎥⎦ Gọi phần tử biến đổi của ma trận A ứng với lần thứ nhất là phần tử ở hàng n và cột n . Ví dụ 1-3. 0 . Chú ý rằng P = M-1AM.n −1 ⎣⎢ 0 − 0 1 .1 của ma trận A. . • Lần biến đổi thứ n . j ⎧ 1 ⎪a ⎪ = ⎨ n .p1λn-1 .2 của M-1 sẽ bằng hàng thứ n . .2. pn−1 0 0 . .λE) = (-1)n (λn ..1và cột n ..Hàng thứ n . Tại lần này: .. . Ta thu được A2 ~ A1. ⎥ 0 ⎥⎦ Khi đó giá trị định thức của P .1.1 ta nhận được ma trận An-1 ~ A và có dạng ma trận Phơ-rê-be-mit P.. A1 ~ A Æ A2 ~ A. 1 0 0. Hàng thứ n-1 của M bằng hàng thứ n của A chia cho phần tử biến đổi và thương mang dấu âm.. Phần tử biến đổi của A ứng với lần thứ hai ở trên hàng n .

ma trận A= (ai. 2. n = 3 ⎢⎣0 1 2⎥⎦ Ta tìm ma trận Phơ-rê-be-mit: ⎡ p1 P = ⎢⎢ 1 ⎢⎣ 0 p2 0 1 p3 ⎤ 0 ⎥⎥ 0 ⎥⎦ Lần 1.8 = 0 ⇔ (λ .j = 1.1)(λ . λ = 4. trừ vị trí ở chính cột 1 thì bằng 1 chia cho nó.NCT-FIT-HNUE Computional methods and Optimization Problems ⎡2 1 0⎤ A = ⎢⎢1 3 1 ⎥⎥ .j) Algorithm: 1. trừ vị trí ở chính cột 2 thì bằng 1 chia cho nó. M = ⎢ 0 ⎢ ⎢⎣0 0 1 ⎥⎦ ⎢0 ⎣⎢ 5 1 1 0 − − − 5⎤ ⎡1 1 ⎥ ⎢ ⎥ = 0 0 ⎥ ⎢ 1 ⎥ ⎢⎣ 0 ⎦⎥ −5 1 0 5⎤ 0 ⎥⎥ 1 ⎥⎦ Trong đó : dòng 1 của M-1 là dòng 2 của A. 2. λ = 1.. Dòng 2 của M bằng dòng 2 của A chia cho phần tử cột 1 lấy dấu âm. ⎡ 2 1 − 2⎤ A1 = M A M = ⎢⎢1 5 − 5⎥⎥ ⎢⎣0 1 0 ⎥⎦ -1 Lần 2. Dòng 2 của M bằng dòng 3 của A chia cho phần tử cột 2 lấy dấu âm. chọn M −1 ⎡1 = ⎢⎢ 0 ⎢⎣ 0 0 1 1 0⎤ ⎡ 1 0 0 ⎤ ⎡1 0 0 ⎤ 2 ⎥⎥ . . ai..2)(λ .j (i.. Nhập a. . M = ⎢− 0 1 − 2 ⎥ = ⎢0 1 − 2⎥ ⎥ ⎢ ⎢ 1 1 ⎥ ⎢ 0 0 11 ⎥ ⎢⎣0 0 1 ⎥⎦ 0 ⎥⎦ ⎦ ⎣ Trong đó : dòng 2 của M-1 là dòng 3 của A. b) Thuật toán Đan-nhi-lep-ski tìm giá trị riêng Input: n. chọn M −1 ⎡1 ⎡ 1 5 − 5⎤ ⎢1 ⎢ ⎥ = ⎢0 1 0 ⎥ .j = 1. n) Output: Các giá trị riêng của ma trận A = (ai..4) = 0 ⇔ λ = 2.7λ2 + 14λ ..j) (i. n) 66 .. ⎡7 − 14 8⎤ A2 = M-1 A M = ⎢⎢1 0 0⎥⎥ = P ⎢⎣0 1 0⎥⎦ Vậy giá trị riêng là nghiệm của phương trình λ3 .

M 1−1 AM 1 M 2 .3) trong đó M và Y xác định bởi các công thức sau: P = M n−−11 M n−−12 .A..E. Mi và Mi-1 là ma trận M và M-1 xác định ở lần biến đổi thứ i và M = M1M2…Mn-1 (2-3. k]} /* Gọi hàm nhân 2 lần */ Lần 1: Nhân(input A. M1[i.y = λ.M-1.4) Xác định vectơ y nhờ phương trình (P . M1[i. k]. output: B) Lần 2: Nhân(input: M1.j] = 0.4. j] = 1} else {M[i.M..j] = a[k+1. else M[i. B.a[k+1.j] = 0} else {M1[i.1 Æ 1 (phần tử biến đổi là ak+1. Định nghĩa hàm nhân 2 ma trận vuông cấp n: Nhân(input: X.E.λE)y = 0 Py = λEy M-1. j].j] = 1/a[k+1. j] = 1. Lặp k = n .y = λ.y A..NCT-FIT-HNUE Computional methods and Optimization Problems 2. Xuất ai.4) Ax = λEx Vậy x là vectơ riêng của A Tính x theo công thức (9-3.λE)y = 0 67 . Y. M.M.j (i.y Nhân hai vế với M: M.M n −1 .M.y = M.y Đặt vectơ x = My: (1-3. j]/a[k+1. Tìm vectơ riêng bằng phương pháp Đan-nhi-lep-ski a) Mô tả phương pháp Gọi y là vectơ riêng của ma trận P ~ A Ta có (P .λ..M.j = 1 Æ n) 3. output: Z) 3.A. output: A) 4.k) /* Tính hai ma trận M và M1 (M1 là nghịch đảo của ma trận M*/ for i = 1 Æ n for j = 1 Æ n if i ≠ k if (i = j) {M[i. if (j = k) M[i.j] = ..E.

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

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

70 .1 3⎟ ⎝ ⎠ ⎠ ⎝ ⎛ − 2⎞ ⎜ ⎟ x* = ⎜ 0 ⎟ . Cho hệ phương trình Ax = b với ⎛ −1 ⎞ ⎡ 2 -1 0 ⎤ ⎜ ⎟ ⎥ ⎢ A = ⎢. ⎜1 ⎟ ⎝ ⎠ ⎛ − 4⎞ ⎛ 3 -1 1 ⎞ ⎜ ⎟ ⎟ ⎜ e) A = ⎜ .1 ⎥ . ⎜ 2 ⎟ ⎜ 1 .01 y = 2. Sau các phép biến đổi thích hợp hãy sử dụng phương pháp lặp Gauss-Seidel giải hệ phương trình sau với sai số 10-3 x1 + 3 x2 + 9 x3 + x4 = 10 x1 + x2 + x3 + 5 x4 = 6 2 x1 + 7 x2 + 3 x3 + 2 x4 = 15 4 x1 + 2 x2 + x3 + x4 = 9. Dùng phương pháp đồ thị giải hệ phương trình sau 2x + y = 2 2 x + 1.1⎟ ⎜ − 1⎟ ' b = ⎜ ⎟. x2 = 1. 7. 6. Hãy đề xuất một phương pháp lặp giải hệ trên và biện luận sự hội tụ của nó. b = ⎜ 5 ⎟ .01 Giải thích vì sao nghiệm thu được có thể sai khác rất lớn so với nghiệm đúng là x1 = 0.1 2 .1 3⎟ ⎝ ⎠ ⎠ ⎝ ⎛ − 1⎞ ⎜ ⎟ x* = ⎜ 0 ⎟ . ⎜ − 3⎟ ⎢⎣ 0 .2 ⎟' b = ⎜ − 4 ⎟. Có thể áp dụng phương pháp lặp gì để giải hệ sau đây và lý giải vì sao x1 − x2 = 10 − x1 + 2 x2 − x3 = 6 − x2 + 2 x3 − x4 = 10 − x3 + 2 x4 = 9.5. 10. ⎟ -5 1 0 6 ⎜⎜ ⎟⎟ ⎟⎟ 1 -1 1 ⎠ ⎝1 ⎠ ⎛ 1 ⎞ ⎟ ⎜ ⎜ −1 ⎟ . ⎜ 2 ⎟ ⎝ ⎠ ⎛3 ⎜ ⎜2 f) A = ⎜ 2 ⎜⎜ ⎝1 0 -1 1 ⎞ ⎛ 4⎞ ⎜ ⎟ ⎟ 2 1 . ⎜ 4 ⎟ ⎜ 1 .1 3 1 ⎟' b = ⎜ 4 ⎟. x* = ⎜ −1 ⎟ ⎟⎟ ⎜⎜ 0 ⎠ ⎝ 3.NCT-FIT-HNUE Computional methods and Optimization Problems ⎛ − 2⎞ ⎛ 2 -1 0 ⎞ ⎜ ⎟ ⎟ ⎜ d) A = ⎜ 2 5 .1 2⎥⎦ ⎝ ⎠ Tìm nghiệm của hệ bằng phương pháp khử Gauss.

i 1. Tính gần đúng đạo hàm Giả sử f (x) là hàm trơn trên đoạn [a.2) Ước lượng trên được chứng minh nhờ khai triển Taylor đến thành phần chứa đạo hàm cấp 4 với giả thiết f ( x) ∈ C ( 4) [a. là các điểm mốc cách đều nhau. (6-1.b] và xi = a + ih.2) Sai số của công thức trên được ước lượng như sau y xx .1. 71 . trong đó h = (b − a) / n. i = yi +1 − 2 yi + y i −1 h2 (i = 1. i − f ' ' ( x i ) = O ( h 2 ) (8-1. Cho gía trị của hàm tại các điểm lưới trên: yi = f ( xi ) (i = 0.NCT-FIT-HNUE Computional methods and Optimization Problems Chương 5 TÍNH GẦN ĐÚNG ĐẠO HÀM VÀ TÍCH PHÂN 1. b].i = y i +1 − y i ∆y i = h h (i = 0.1) y 0 − f ' ( xi ) = O ( h 2 ) .i yi +1 − yi −1 1 = ( y x . n − 1) (7-1.Đạo hàm sai phân lùi: thường để tính gần đúng đạo hàm tại điểm biên y’(xn) y x . n) (2-1.1) . n − 1) 2h 2 (3-1. n) .1) y x . n. Đạo hàm cấp hai Để tính đạo hàm cấp hai của hàm f (x) tại các nút xi có thể dùng công thức đạo hàm sai phân sau y xx . 1.i = y i − y i −1 ∇y i = h h (i = 1. n − 1) (1-1.i + y x . (4-1.1) .i − f ' ( x i ) = O ( h ) .) Sai số của các đạo hàm sai phân trên được đánh giá như sau: y x .i − f ' ( x i ) = O ( h ) . Khi đó có thể tính gần đúng đạo hàm cấp một của hàm tại các điểm lưới nhờ các công thức đạo hàm sai phân sau.Đạo hàm sai phân trung tâm: thường để tính gần đúng đạo hàm tại các điểm trong yο = x .i ) (i = 1.1.Đạo hàm sai phân tiến: thường để tính gần đúng đạo hàm tại điểm biên y’(x0) y x . (5-1. Đạo hàm cấp 1 .1) x . i = 0.2.

Vì thế người ta phải tìm cách tính gần đúng tích phân xác định. b] sẽ là tổng các tích phân trên từng khoảng con. Tính gần đúng tích phân 2. Tích phân trên toàn đoạn [a. cũng như tính đạo hàm cấp cao hơn ta sẽ sử dụng công cụ nội suy hàm số. b] thành n đoạn con [ xi . 2 Ta có b n −1 xi +1 a i =0 xi ∫ f ( x)dx = ∑ ∫ f ( x)dx (1-2.) Ta xấp xỉ xi +1 ∫ f ( x)dx ≈ f ( xi +1 / 2 )h (2-2.2. Công thức hình chữ nhật trung tâm a) Thiết lập công thức Chia đoạn [a.1) a Trong giáo trình giải tích toán học ta biết rằng nếu f (x) có nguyên hàm là hàm F (x) thì có thể tính tích phân trên một cách đơn giản nhờ công thức Newton.2. Giới thiệu bài toán Cho f (x) là hàm số liên tục trên đoạn [a. (2-2. Ý tưởng cơ bản của các phương pháp tính gần đúng tích phân là chia nhỏ khoảng tích phân [a.Leibnitz tính tích phân trên mỗi đoạn con. b] . 2.1) a Tuy nhiên trong thực tế ta gặp các hàm f (x) mà nguyên hàm của nó không thể biểu diễn bằng các hàm số sơ cấp hoặc ta không tìm được nguyên hàm của chúng. 2.Leibnitz b ∫ f ( x)dx = F (b) − F (a). xi +1 ] (i = 0. n − 1) bởi các điểm xi = a + ih. Cần tính b I = ∫ f ( x)dx (1-2. Tính gần đúng tích phân còn có ý nghĩa khi hàm f (x) không cho ở dạng biểu thức toán học mà cho dưới dạng bảng số. b] thành các đoạn con và trên mỗi khoảng con xấp xỉ hàm số bởi một đa thức. do đó có thể áp dụng công thức Newton.2) xi 72 . Ký hiệu xi +1 / 2 = ( xi + xi +1 ) là điểm giữa của mỗi đoạn con. Trong những trường hợp ấy công thức (2-2. Với các đa thức ta có thể tìm được các nguyên hàm của chúng.1. (i = 0.1) không có tác dụng. n) với 1 h = (b − a) / n.NCT-FIT-HNUE Computional methods and Optimization Problems Để xây dựng các công thức tính đạo hàm với sai số cấp 2 tức là có ước lượng O(h 2 ) tại các điểm mút x0 và xn .

6667 3 0. Giải.NCT-FIT-HNUE Computional methods and Optimization Problems Về mặt hình học.2) M 2 = max f ' ' ( x) .2) i =0 b) Đánh giá sai số: Người ta đã chứng minh được ước lượng sai số địa phương là: M2 3 h . xn = b]: n −1 I CN ≈ ∑ f ( xi +1/ 2 )h (3-2.2 ta lập bảng giá trị i+1/2 xi+1/2 yi+1/2 0 0.7692 2 0.5000 0.9000 0.5882 4 0. Từ (1-2.2) ei ≤ trong đó: a ≤ x ≤b Từ đó suy ra ước lượng của sai số toàn phần của công thức hình chữ nhật trung tâm là E ≤ M2 (b − a)h 2 24 (6-2. Với h = 0.2) c) Thí dụ 1 dx bằng công thức hình chữ nhật trung tâm với số đoạn chia n 1+ x 0 Tính gần đúng tích phân I = ∫ =5 và đánh giá sai số. (5-2.3000 0.2* 3.1000 0.5263 Σ=3.4595 Theo công thức (3-2.2) suy ra công thức hình chữ nhật trung tâm tính gần đúng tích phân xác định trên đoạn [a = x0. Ta có 73 . 24 (4-2.2) và (2-2.2) 4 I hcn = h∑ yi +1/ 2 =0. điều đó có nghĩa là hình thang cong giới hạn bởi đường cong y = f (x) trên đoạn [ xi .6919.4595 = 0.9091 1 0. i =0 Bây giờ ta ước lượng sai số của giá trị tính được.7000 0. xi +1 ] được xấp xỉ bởi hình chữ nhật trung tâm với đường cao bằng giá trị của hàm f (x) tại điểm giữa xi +1 / 2 .

(1 + x) 2 f ' ' ( x) = 2 .3) 74 . 2 Vậy ta có công thức hình thang tính gần đúng tích phân xác định là ⎛ y + yn ⎞ + y1 + .NCT-FIT-HNUE f ' ( x) = − Computional methods and Optimization Problems 1 . Do đó b n −1 a i =0 I = ∫ f ( x)dx ≈ ∑ h ( yi + yi+1 ).6886.2) 2 = 0..3) Có thể viết (2-2.. | E |≤ 2. 0.3) trong dạng y + yn ⎞ ⎛ n I ht ≈= h⎜ ∑ yi − 0 ⎟ 2 ⎠ ⎝ i =0 (2’-2. 2 (1-2..6952) trong khi giá trị đúng của 24 tích phân là I = ln 2 = 0.3) hoặc I ht ≈ b−a ( y0 + 2 y1 + . Vậy I = 0.2) ta có ước lượng sai số 0 ≤ x ≤1 2 (0.6931. (1 + x) 3 Do đó M 2 = max f ' ' ( x) = 2 .. + y n−1 ⎟ I ht ≈ h⎜ 0 ⎝ 2 ⎠ (2-2.3) trong đó để viết cho gọn ta đã ký hiệu yi = f ( xi ) .0033. + 2 yn−1 + yn ) 2n (3-2. Công thức hình thang a) Thiết lập công thức Ta thay hình thang cong bởi hình thang thẳng như trong hình sau đây: yi x0 x1 yi+1 xi xi+1 xn Khi đó xi +1 ∫ f ( x)dx ≈ xi 1 ( yi + yi+1 )h. Theo công thức (6-2.6919 ± 0.3.0033 = (0.

12 (4-2. Ta có f ' ( x) = − 1 .9000 0. (1 + x) 3 75 .3) Do đó sai số toàn phần của công thức hình thang sẽ là E ≤ M2 (b − a )h 2 . 2 ⎠ ⎝ i =0 Bây giờ ta ước lượng sai số của giá trị tính được. (1 + x) 2 f ' ' ( x) = 2 .4000 0.6877 Theo công thức (2’-2.9091 2 0.5556 9 0. Giải.1 * (7.5000/2 ) = 0.3) y + y10 ⎞ ⎛ 10 I ht ≈ h⎜ ∑ yi − 0 ⎟ = 0.5000 Σ=7.8000 0.7000 0.6877 – 1.6000 0.1 và bảng giá trị i xi yi 0 0.7143 5 0.6250 7 0.3) Trong đó M 2 = max f " ( x ) x0 ≤ x ≤ xn c) Ví dụ 1 dx bằng công thức hình thang với số đoạn chia n =10 và đánh 1+ x 0 Tính gần đúng tích phân I = ∫ giá sai số.0000 0.6667 6 0.0000 1 0. 12 (5-2.NCT-FIT-HNUE Computional methods and Optimization Problems b) Đánh giá sai số Người ta đã chứng minh được ước lượng của sai số địa phương là ei ≤ M2 3 h .8333 3 0.0000 1.7692 4 0.2000 0.5263 10 1.5882 8 0.1000 0. Ta có h = 0.6938.3000 0.5000 0.

b] thành 2n phần bằng nhau với độ rộng h = (b .NCT-FIT-HNUE Computional methods and Optimization Problems Do đó M 2 = max f ''( x) = 2.3) trong dạng thuận tiện cho tính toán như sau y + y n ⎞ 2h n h⎛ n I sim ≈ ⎜ ∑ yi − 0 ⎟ + ∑ yi +1 / 2 3 ⎝ i =0 2 ⎠ 3 i =0 (2-2. Có thể viết lại công thức (1-2.4.0017 trong khi giá trị đúng của tích phân là I = ln 2 = 0. yi).1) 2 = 0. Khi đó công thức Simpson có dạng: 76 . xi +1 / 2 . Trên mỗi đoạn con ta sẽ xấp xỉ hàm y = f (x ) bởi đa thức nội suy bậc hai tại các điểm xi .a)/(2n) và trên mỗi đoạn kép [x2i.4) Nhận xét 1. (xi+1.4) còn gọi là công thức parabol vì nó nhận được nhờ thay đường cong y = f(x) bởi parabol qua 3 điểm (xi. yi+1). 12 Vậy I = 0. xi +1 ] . yi).4) Công thức (1-2. yi+2). Công thức Simpson (hay công thức Parabol) a) Thiết lập công thức Cũng như ở trên ta chia [a. h Đặt xi + 1 xi + 1 xi xi I i = ∫ f ( x)dx ≈ ∫ L2i ( x)dx.6938 ± 0. b] thành n đoạn con bằng nhau bởi các điểm xi = a + ih với h = (b − a ) / n và ký hiệu xi +1 / 2 là điểm giữa của đoạn con [ xi . yi+1). . (xi+1/2. yi+1/2). (xi+2.6931. Theo công thức (5-2. x2i+2] xấp xỉ hàm f(x) bởi bởi parabol qua 3 điểm (xi. Kết quả tính tích phân ở vế phải cho ta Ii ≈ h ( yi + 4 yi+1 / 2 + yi+1 ) 6 Khi đó ta có công thức Simson tính gần đúng tích phân xác định: n −1 I sim ≈ ∑ i =0 h ( yi + 4 yi+1/ 2 + yi+1 ) 6 (1-2.3) ta có ước lượng sai số 0≤ x ≤1 | E |≤ 2 (0. Để tránh dùng chỉ số không nguyên người ta thường chia đoạn [a. xi +1 f ( x) ≈ L2i ( x) = yi ( x − xi +1 / 2 )( x − xi +1 ) ( x − xi )( x − xi +1 ) + yi +1 / 2 ( xi − xi +1 / 2 )( xi − xi +1 ) ( xi +1 / 2 − xi )( xi +1 / 2 − xi +1 ) + yi +1 = ( x − xi )( x − xi +1 / 2 ) ( xi +1 − xi )( xi +1 − xi +1 / 2 ) 2 4 yi ( x − xi +1 / 2 )( x − xi +1 ) − 2 yi +1 / 2 ( x − xi )( x − xi +1 ) 2 h h 2 + 2 yi +1 ( x − xi )( x − xi +1 / 2 ). 2.0017. (xi+1.

7000 4 0. c) Ví dụ 1 dx bằng công thức Simpson với số đoạn chia n =5 và đánh giá 1 + x 0 Tính gần đúng tích phân I = ∫ sai số.7692 0. xi + 1 ei = ∫ f ( x)dx − xi 5 h ( yi + 4 yi +1 / 2 + yi +1 ) ≤ M 4 h 6 2880 (5-2.5263 0.5000 3 0.NCT-FIT-HNUE I sim = Computional methods and Optimization Problems b−a ( y 0 + 4 y1 + 2 y 2 + ..8000 4+1/2 0.4) suy ra được: I sim = ( I ht + 2 I cn ) / 3 . (6-2.4) a ≤ x ≤b Từ công thức trên ta nhận được đánh giá sai số toàn phần của công thức Simpson E = I − I sim ≤ M 4 (b − a) 4 h .. + 2 y 2 n − 2 + 4 y 2 n −1 + y 2 n 6n (3-2.4) b) Đánh giá sai số Người ta đã chứng tỏ được rằng (xem sách Bakhvalov [5] trang 101).3000 2 0.2000 1+1/2 0. (3-2.4) Nhận xét 2.1000 1 0.6667 0.5882 0.8333 0.4595 77 S2=4.0000 yi yi 1.0000 0. 2880 (7-2.2282 .2). Ta có h = 0. Lập bảng giá trị của hàm tại các điểm nút và điểm giữa i xi 0 0.6000 3+1/2 0.2.9091 0.0000 1/2 0.5000 S1=3.4000 2+1/2 0.5556 0.9000 5 1.4) Từ đây ta thấy rằng công thức Simpson đúng cho mọi đa thức bậc 3. Giải.7143 0.Từ các công thức (3-2.4) trong đó M 4 = max f ( 4) ( x) . (4-2.6250 0.3) và (2-2.

và Simpson.4595 / 3 = 0. n. b] b Output: Ihcn. Iht=h*Iht. (1 + x) 5 Do đó M 4 = max f ( 4 ) ( x) .5.3.2.2 4 = 0. x1=a+h/2.00000051. Iht=Iht+f(x2).4) ta có I sim = y + y 5 ⎞ 2h 4 h⎛ 5 ⎜ ∑ yi − 0 ⎟+ ∑ yi +1 / 2 3 ⎝ i =0 2 ⎠ 3 i =0 = 0. b. Icn=f(x1). Ta có f ( x) = 1 . Isim 78 .2 * 3. Icn=Icn+f(x1). Iht. sim” tính gần đúng tích phân xác định Input: a. 4.4). x2=x2=h. Iht=f(x2). Algorithm: 1. return Icn. 3. 2880 Kết quả tính toán và ước lượng trên cho thấy công thức Simpson có độ chính xác rất cao (so sánh với kết quả tính bằng công thức hình thang ở tiểu mục trước!). Isim=(Iht+2*Icn)/3.00001333.4. Như vậy. hàm f (x) trên đoạn [ a. 2. x2=a. = 24 và ta có đánh giá 0≤x ≤1 E = I − I sim ≤ 24 × (1 − 0) × 0. x1=x1+h.2282 – 0. Khởi tạo h=(b-a)/n.2 * (4.75) / 3 + 2 * 0. Lặp for i=1 Æ n-1 2. 2. sai số thực sự của Isim là 0. 2. (1 + x) f ( 4) ( x) = 24 .69314718.NCT-FIT-HNUE Computional methods and Optimization Problems Theo công thức (2-2. ht. Isim là các giá trị gần đúng của tích phân I = ∫ f ( x)dx tương ứng bởi các a công thức hình chữ nhật trung tâm.69314667 trong khi giá trị đúng của tích phân là I = ln 2 =0. Bây giờ ta ược lượng sai số theo công thức (7-2.1. Gán Icn=h*Icn. 2. Iht. Các thuật toán “hcn. hình thang. 2.

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

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

0 ≤ α ≤ 1} Ví dụ 1-2.1.> 0 ta được bài toán mới tương đương là một bài toán dạng chính tắc: f(x) = x1 + 4x2 -3(x3+ . m và n ∑α i =1 i =1 Định nghĩa 2-2. j ≤ bi ⇔ ∑ ai .3 Xét bài toán f(x) = x1 + 4x2 -3x3 Æ max + x2 + 3 x3 ⎧2 x1 ⎪4 x − 3 x2 − 2 x3 ⎪ 1 ⎨ + 2 x2 − x3 ⎪ x1 ⎪⎩ x j ≥ 0. được định nghĩa là một tổ hợp lồi của tập hai điểm A và B. i = 1.x4 + 0. kí hiệu là dAB.xj. j = 1.1.1.với x3+. Điểm x gọi là tổ hợp lồi của các điểm xi.Computional methods and Optimization Problems NCT-FIT-HNUE (3) Đưa ràng buộc ≤ và ≥ về ràng buộc = nhờ việc thêm biến phụ (i) j =1 (ii) n n ∑a ≥ bi ⇔ ∑ ai . x5 ≥ 0 và thay biến x3 không phụ thuộc dấu bởi hai biến phụ thuộc dấu: x3 = x3+ . + α m x m = ∑ α i xi i =1 với α i ≥ 0. Đặc điểm của tập các phương án của bài toán QHTT 2. m nếu m x = α1 x1 + α 2 x 2 + .x3-) + 0. xm trong không gian Rm. j = 1. j j =1 n n ∑a j =1 i.1 Trong mặt phẳng R2: 81 .> 0 Ví dụ 1-1. x2. j − yi = bi i..x5Æ max ⎧2 x1 + x2 + 3( x 3+ − x3− ) + x4 ⎪ − 3 x2 − 2( x 3+ − x3− ) − x5 ⎪4 x1 ⎨ + 2 x2 − ( x 3+ − x3− ) ⎪ x1 ⎪ x j ≥ 0.2 ≤ 7 ≥ 9 = 2 Thêm biến phụ x4 ≥ 0. Đoạn thẳng: Đoạn thẳng đi qua hai điểm A và B ∈ Rn. x3..3 ⎩ = 7 = 9 = 2 2. j + yi = bi j =1 (4) Một biến xj không phụ thuộc dấu có thể thay bằng hai biến phụ thuộc dấu xj = xj+ .x3. Tổ hợp lồi : Cho m điểm x1. Tập lồi và đa diện lồi Định nghĩa 1-2. i = 1.2. tức là: dAB = { M ∈ Rn | M = αA + (1-α)B. ….với xj+ và xj.

• Tập lồi đa diện là một tập lồi không giới nội Ví dụ 3-2. • Trong đa diện lồi. với 2 điểm bất kì x1.1 Trong mặt phẳng R2. ….1.các điểm cực biên. các đa giác lồi là các đa diện lồi. Điểm cực biên: Xét các điểm x trong tập lồi S ⊂ Rn. Nếu một đa giác không có cạnh thì phần mặt phẳng tạo bởi đa giác là một tập lồi đa diện. • Đa diện lồi là một tập lồi. x2 ∈ S thì x = αx1 + (1-α)x2 ∈ S với ∀ α ∈ [0. …. Điểm x* ∈ S được gọi là điểm cực biên nếu x* không thể biểu diễn được dưới dạng tổ hợp lồi thật sự của hai điểm phân biệt trong S. Tập lồi: Cho S ⊂ Rn. Ví dụ 3-2. Nói cách khác. các đỉnh của các đa giác lồi là các điểm cực biên. Ví dụ 2-2. 1]. nếu ta loại bỏ những điểm mà nó có thể biểu diễn được dưới dạng tổ hợp lồi của các điểm x1.1. tức là: dAB = { M ∈ R | M = αA + (1-α)B. Chúng sinh ra đa diện lồi.1 Trong mặt phẳng R2. trong đó mọi điểm bên trong đều có thể biểu diễn dưới dạng tổ hợp lồi của các đỉnh đa giác . Định nghĩa 5-2.1 Trong mặt phẳng R2. xm nào đó cho trước. Đa diện lồi và tập lồi đa diện • Đa diện lồi là tập S chứa các điểm là tổ hợp lồi của m điểm x1. x2 y2 x3 y3 x1 y1 x4 y4 x5 y5 Đa diện lồi Tập lồi đa diện 82 . Tập S được gọi là một tập lồi nếu với hai điểm A và B bất kì trong S thì đoạn thẳng dAB nằm trọn trong S.1. thì các điểm còn lại đó chính là các điểm cực biên của đa diện lồi. các đa giác lồi là các tập lồi.Computional methods and Optimization Problems NCT-FIT-HNUE 3 -∞ 8 A M +∞ B Đoạn thẳng dAB gồm các điểm M nằm giữa A và B. 0 ≤ α ≤ 1} Định nghĩa 3-2. xm còn lại. A B Định nghĩa 4-2.

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

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

0 . • Ta xét các vectơ cột trong A. 3.2.2 dưới đây để kiểm tra dấu hiệu bài toán không có lời giải. 4}. Bài toán QHTT mà mọi pacb đều không suy biến gọi là bài toán không suy biến. Vì rank(A) = m nên nếu |J0| < m thì ta sẽ bổ sung để thu được tập J (chứa J0) sao cho |J| = m. 2}. Khi đó hệ vectơ {Aj}j ∈ J là độc lập tuyến tính và hệ này được gọi là (các vectơ) cơ sở của các phương án..j) m × n ⎧ Ax = b ⎨ ≥ 0 ⎩x Aj là các vectơ cột của A. nhưng khi đã chọn thì phải cố định. Ta có thể bổ sung vào J0 để được tập J sao cho |J| = 2. 2. 4}.2x3 Æ max ⎧ x1 + 2 x2 + x3 = 4 ⎪ D : ⎨ x1 + x2 + x4 = 2 ⎪ x ≥ 0. 3}. cách nào cũng được. hệ vectơ {Aj}j ∈ J0 là độc lập tuyến tính (theo điều kiện cần và đủ để một phương án là pacb). j = 1. hoặc J = {2. 2} thì các biến x12 và x22 là các biến cơ sở. x20. hoặc J = {2. n Giả thiết rank(A) = m • Giả sử x0 = (x10. 3x1 . j = 1. ví dụ J = {1. • Nếu |J0| = m thì ta nói rằng pacb x0 là phương án không suy biến. ta gọi các biến xj với j ∈ J là các biến cơ sở. 2) và x2 = (0. x> Æ max Trong đó A = (ai. tức là J0 = {j | xj0 > 0} Khi đó.2) 85 . Các định lý cơ bản của thuật toán đơn hình Xét bài toán QHTT dạng chính tắc: f(x) = <c.Computional methods and Optimization Problems NCT-FIT-HNUE (3) Dấu hiệu nào của pacb đang xét để chứng tỏ bài toán không có patu? Điều này dẫn đến Định lí 2-3.2. ngược lại ta nói rằng nó là phương án suy biến. Phương án x1 không suy biến ứng với J = {3.x2 . . xn0) là một pacb. Ví dụ 1-3.4 ⎩ j Nhận xét : x1 =(0. Với pacb đang xét. 0 . hay ∑x j∈J 0 j Aj = b (1-3. Kí hiệu J0 là tập các chỉ số ứng với các thành phần xj0 > 0.. 0)t là các phương án thuộc D. (4) Bằng cách nào để tìm pacb mới tốt hơn pacb cũ? Điều này dẫn đến Định lí 3-3. Giả sử chọn J = {1.. còn các biến x32 và x42 là các biến phi cơ sở. các biến còn lại gọi là các biến phi cơ sở. Phương án x2 suy biến và J0 = {2}. 4. • Từ các giả định trên ta có ngay kết quả sau đây : Vì x0 là pacb nên nó thỏa mãn ràng buộc của bài toán.2 dưới đây để cải thiện hàm mục tiêu.

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

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

s (9-3. theo điều kiện của định lý (3-3.s > 0. Ta thấy f(x1) Æ ∞ khi θ Æ ∞. ta chọn dòng j = r sao cho tỷ số x 0j x j .k ≤ 0 thì xj1 > 0 và hàm mục tiêu f(x1) = f(x0) .2) Ta gọi cột As hay (ngắn gọn cột s) là cột xoay. x . ta chỉ cần quan tâm đến cách tìm ra pacb x1. Dòng r thu được được gọi là dòng xoay.θ∆k > f(x0) (lớn hơn f(x0) vì θ > 0 và ∆k < 0). do đó x1 là pacb tốt hơn pacb x0. Phần tử xr.k là các hệ số trong biểu thức biểu thị Ak qua cơ sở {Aj}j ∈ J) Chứng minh. Định lý 3-3.s ⎩ j (a) (10-3. Dòng s mới được gọi là dòng chính. tức là : ⎫⎪ ⎧⎪ x 0j xr0 = min ⎨ | x j .s là giao của dòng xoay r và cột xoay s được gọi là phần tử trục (hoặc phần tử xoay). Ta chọn ∆ s = min{∆ k | ∆ k < 0} (8-3. Vì xj. Ta có thể chỉ ra một pacb x1 mà xj1= xj0 .k với θ > 0. trong số đó.2) : . Trong nội dung chứng minh định lý (3-3.2) không thỏa mãn thì khi đó với ∆s > 0 nào đó.Computional methods and Optimization Problems NCT-FIT-HNUE (xj.2) Lưu ý rằng các phần tử xjs là các phần tử ở cột xoay.2) thì phải tồn tại các thành phần xj.2). do đó bài toán vô nghiệm. Trong cơ sở J’ mới này. s ⎪⎭ ⎪⎩ x j . ta tìm được một pacb x1 mới nhận xs1 làm biến cơ sở (mới) và thỏa mãn f(x1) > f(x0). Khi đó. s ⎨ ⎪ x1 = x 0 − θ . Bây giờ ta chọn cơ sở mới J’ như sau : J’ = J \ {r} ∪ {s} Nói cách khác cơ sở mới nhận được từ cơ sở cũ bằng cách thay cột Ar bằng cột As (Cột xoay s được đưa vào cơ sở mới). 88 .Công thức (a): Lấy biến cơ sở cũ tại dòng xoay r cũ chia cho phần tử trục rồi đặt kết quả là θ vào dòng s mới. j ∈ J ' j j . Vì thế các nội dung sau đây là quan trọng vì nó được sử dụng lại trong thuật toán đơn hình cần xây dựng.2) (b) Về thao tác trong công thức (10-3. s > 0⎬ xr .2.2) và (2-3.θxj.s bé nhất. các thành phần của pacb x1 được xác định như sau: ⎧ 1 xr0 =θ ⎪ xs = xr . Chứng minh. Cải thiện hàm mục tiêu Nếu định lý (1-3.

1 xjm. .k (a ) (11-3. .Cột hệ số biểu diễn các hệ số của hàm mục tiêu tương ứng với các vectơ cơ sở (hoặc các biến cơ sở) . x 0jm Phương án f(x0) . ….1 xj2.Cột cơ sở ghi tên các vectơ cơ sở . Trong cơ sở mới này. s ⎨ ⎪ x ' = x − δ . Aj2. Khi đó.n ∆1 ∆2 … ∆n .1 xj1. .Hàng cuối cùng là giá trị của f(x0) và các giá trị ∆k. Bước 2: Kiểm tra “Tiêu chuẩn tối ưu” theo định lý 1-3. người ta chứng minh được f(x1) > f(x0). . . . 89 .k = xr . . cjm Ajm .k ⎧ ' =δ ⎪ x s .Các cột Aj ghi hệ số của hàm mục tiêu ở hàng trên cùng và bên dưới là các hệ số khai triển xj. xjm. . dừng thuật toán. . Nếu tồn tại ∆k < 0 và xj. . .NCT-FIT-HNUE Computional methods and Optimization Problems . Nếu mọi ∆k ≥ 0 thì x0 là patu. .x j . .2.2) : . .k ≤ 0 với mọi j ∈ J thì bài toán không có patu.2 … xjm. . Hệ số Cơ sở c1 c2 … cn cj Aj. .k j .s ⎩ j .Cột phương án ghi giá trị tương ứng của các biến cơ sở của phương án x0 .n cj2 Aj2 x 0j 2 xj2.Công thức (b): Lấy phần tử cũ tương ứng trừ đi tích của δ trên dòng chính nhân với phần tử tương ứng ở dòng xoay.4. . dừng thuật toán. Thuật toán đơn hình Bước 1: Tìm pacb ban đầu x0 với cơ sở J = {Aj1. Ajm} và lập bảng đơn hình phần 1. 3.k mới của các vectơ Ak biểu diễn qua cơ sở mới {Aj}j ∈ J’ nhờ các biến đổi Gauss-Jordan như sau: xr .Công thức (a): Chia các phần tử ở dòng xoay cho phần tử trục rồi đặt vào dòng chính. .n .2 … xj2.2) (b) Về thao tác trong công thức (11-3. Bước 3: Kiểm tra “Dấu hiệu vô nghiệm” theo định lý 2-3. .2 … xj1.Công thức (b): Lấy biến cơ sở cũ ở dòng j tương ứng trừ đi tích của số θ trên dòng chính nhân với phần tử ở cột xoay tương ứng.k của vectơ cột Ak trong cơ sở {Aj}j ∈ J. j∈J A1 A2 … An cj1 Aj1 x 0j1 xj1. ta tính được các thành phần x 'j . .2.

s 4. Chọn vectơ Ar để đưa nó ra khỏi cơ sở mới.k = xr .2) x1j = x 0j − θ .4.5.2. s ⎪⎩ x j . thay Ar bởi As.k =δ xr . Kết quả được đặt ở dòng mới tương ứng. Dòng mới = Dòng cũ .x2 + 3x3 + x4 Æ max ⎧ x1 + 2 x2 + x3 = 8 ⎪ D : ⎨2 x1 + x2 + x4 = 10 ⎪ x j ≥ 0. xr. Việc xây dựng x1 có thể tóm tắt lại như sau: 4. gọi là dòng chính. Sau đó quay về bước 2. Chọn vectơ As để đưa nó vào cơ sở mới.2) 4.s : phần tử trục .x j . Trong cột cơ sở.x j . Cột s: cột xoay (9-3.2 không thỏa mãn thì xây dựng pacb mới x1 và lập bảng đơn hình phần thứ hai tiếp theo như nội dung chứng minh của định lý 3-3. j ∈ J ' (11b-3.k − δ . j = 1. j ∈ J’ = J \ {r} ∪ {s} 4.4. Cuối cùng tính lại các độ lệnh ∆k mới ∆k (mới) = ∆k (cũ) .2) xr0 =θ x = xr . Các thao tác này chính là thực hiện các công thức: (10a-3.2) xs' .3. tức là tìm s sao cho ∆ s = min{∆ k | ∆ k < 0} (8-3. như vậy dòng r bây giờ là dòng s.1. Trong cột hệ số Cj : thay Cr bởi Cs . gọi là dòng chính.2) .2) x 'j . Dòng r: dòng xoay .Dòng chính * ∆s Ví dụ 1-3.NCT-FIT-HNUE Computional methods and Optimization Problems Bước 4: Nếu hai định lý 1-3.s > 0⎬ xr . Giải bài toán tối ưu sau bằng thuật toán đơn hình: f(x) = 21 . s b) Lấy mỗi dòng khác (cũ) trừ đi tích của dòng chính nhân với phần tử ở cột xoay tương ứng (được số 0 ở vị trí còn lại trên cột xoay).4 ⎩ 90 .2 và 2-3. s 1 s (11a-3.2.s ⎪⎭ . xjr : phần tử thuộc cột xoay. Và ta có cơ sở mới gồm các vectơ cột {Aj }.k = x j .Dòng chính * phần tử trên cột xoay Thực chất các thao tác trên là thực hiện các công thức : (10b-3.s . kết quả thu được đặt ở dòng As.3. 4. tức là tìm r sao cho ⎧⎪ x 0 ⎫⎪ xr0 = min ⎨ j | x j .2. Tình bảng đơn hình phần tiếp theo cho cơ sở mới theo các biến đổi Gauss-Jordan sau đây a) Chia mỗi phần tử dòng xoay cho phần tử trục (được số 1 ở vị trí trục).

Ví dụ 3-3. Giải bài toán tối ưu sau bằng thuật toán đơn hình: f(x) = -x1 + 3x2 + 4x3 . ∆1 = 3.8 + 1. ∆3 = 1(-1)+0.2 + 0. Vì ∆k ≥ 0 với ∀ k = 1.2. 4}. 4 ∈ J nên theo định lý về “Dấu hiệu vô nghiệm” thì bài toán đã cho không có patu. c2 c1 Cơ sở Phương Hệ số -1 3 án A1 A2 cj Aj . 4 nên theo định lý về “Dấu hiệu tối ưu” thì x0 = (0. 5}.(-1) = 3.1 .NCT-FIT-HNUE Computional methods and Optimization Problems ⎡1 2 1 0⎤ 0 t A=⎢ ⎥ . ∆2 = 1. Hệ số cơ sở J = {3. Giải bài toán Lập kế hoạch sản xuất cho một xí nghiệp sao cho tiền lãi thu được lớn nhất Thời gian làm các sản phẩm (giờ) Máy I A B C D Hạn định số giờ 1 máy/1 tháng 1 2 4 8 24. 0. 20)t.2 = 3.4. ∆3 =∆4 = 0.2 + 1.000 91 . j = 1. 10) là patu với giá trị tối ưu của hàm mục tiêu là f(x0) = 34.3 = -4.4 = -4. ∆4 =∆5 = 0. 0.2 .5 ⎩ j Hệ số cơ sở J = {4.k = xj. 3. pacb x = (0.(-1) = 8. pacb x0 = (0. 10) . 0.3 .10 = 34.(-1) + 0.x4 Æ max ⎧2 x1 − x2 − x3 − x4 = 10 ⎪ D : ⎨3 x1 + x2 − x3 + x5 = 20 ⎪ x ≥ 0. j ∈ J c3 4 A3 c4 1 A4 c5 0 A5 1 A4 10 2 -1 -1 1 0 0 A5 20 3 1 -1 0 1 f(x) = 10 3 -4 -4 0 0 ∆1 = 1. j ∈ J c3 3 A3 c4 1 A4 3 A3 8 1 2 1 0 1 A4 10 2 1 0 1 f(x) = 34 3 8 0 0 f(x) = 3. 8. 2 1 0 1 ⎣ ⎦ c2 c1 Cơ sở Phương án Hệ số 2 -1 A A cj 1 2 Aj .1 + 1.3 < 0 với j = 3. Tồn tại ∆k = ∆3 < 0 (k=3 ∉J) và xj.1 . Ví dụ 2-3.(-1) . 0.4. ∆2 = 3. 10. 8.

Các cột Aj: tính xj. 6.5x3 + 0. Dòng A6: 3 . 4 ⎪⎭ • Tính dòng chính: Chia các phần tử ở dòng xoay Ar cũ cho phần tử trục và đặt vào dòng chính As mới .2): Ở lần lặp thứ nhất: J = {5.3000*0 = 12. 0.500 0.8 Lãi/1 đvsp Mô hình toán học của bài toán là mô hình của bài toán QHTT dạng chuẩn tắc: f(x) = 0. 24.2x2 + 0.8x4 + 0x5 + 0x6 + 0x7 Æ max + 2 x2 + 4 x3 ⎧ x1 ⎪3 x + 5 x2 + x3 ⎪ 1 ⎨ + 3x3 ⎪6 x1 ⎪⎩ x j ≥ 0. 12.Cột phương án: tính biến cơ sở xj1: .000 .5x3 + 0. 4/8 = 1/2. 7}.2x2 + 0.3000*1 = 23. Dòng A6: 12.4x1 + 0. 2/8 = 1/4. ∆s = ∆4 = min {∆k | ∆k < 0} Æ s = 4 ⎧⎪ x 0j ⎫⎪ x50 xr0 = = min ⎨ | x j .Dòng A7: 26. j = 1. 4 ⎪⎩ x j . x0 = (0.500) Tồn tại ∆k <0 do đó x0 chưa là patu. 26.k.000.000 Máy III 6 0 3 1 26. 4 > 0⎬ Æ r = 5.Rồi đặt vào dòng A4 trong bảng đơn hình phần II. 0.7 + 8 x4 + x5 = 24000 + x6 + x4 = 12000 + x7 = 26500 Minh họa cách tính theo các công thức (8Æ 11 .4 0.NCT-FIT-HNUE Computional methods and Optimization Problems Máy II 3 5 1 0 12.2 0.000 .500 .500 .(1/8)*1 = 47/8 . phần tử ở cột xoay tương ứng là 0 5 .(1/8)*0 = 3. Cơ sở mới J = {4. .4 + 8 x4 ≤ 24000 ≤ 12000 + x4 ≤ 26500 Ta chuyển về bài toán QHTT dạng chính tắc: f(x) = 0. Dòng A7: 6 . j = 1.000.8x4 Æ max + 2 x2 + 4 x3 ⎧ x1 ⎪3x + 5 x2 + x3 ⎪ 1 ⎨ + 3 x3 ⎪6 x1 ⎪⎩ x j ≥ 0.3. 7} xr . ví dụ: . phần tử ở cột xoay tương ứng là 1 92 .5 0.(1/4)*0 = 5 1 .(1/2)*0 = 1 . 6. 0.4 = 8. đó là dòng chính • Tính các dòng còn lại: (dòng mới = dòng chính * phần tử cột xoay tương ứng) .. phần tử trục x5. .s x5.Dòng A5 : 24000/8 = 3000.4x1 + 0.

(1/2)*1 =5/2.8 A4 2..3.j∈J cj I II III 0 A5 24. .5 0 0 0 0..2 0.8)=-0.600 0 0.000 [3] 5 1 0 0 1 0 0 A7 23. 0) là patu.Kể cả ∆k (mới) cũng tính = ∆k (cũ) .dòng chính * ∆s.4-(1/8)*(-0.4 0.500. .5 0.000.8 0 0 0 án Hệ số A A A A A A A 1 2 3 4 5 6 7 Aj.000 1 5/3 1/3 0 0 1/3 0 0 A7 0 0 -241/24 13/24 0 -1/8 -47/24 1 f(x) = 3.4 -0.8) 0 0 0 0. 0.500 0 1/24 11/24 1 1/8 -1/24 0 0.500 47/8 -1/4 5/2 0 -1/8 0 0 f(x) = 2400 (-0.(1/4)*1 = -1/4 3 .. 0.600.2 ≤ 8 ≤ 7 ≤ 3 Ta chuyển bài toán về dạng chính tắc: f(x) = 4x1 + 5x2 + 0x3 + 0x4 + 0x5 Æ max + x2 + x3 ⎧2 x1 ⎪x + 2 x2 ⎪ 1 ⎨ x3 ⎪ ⎪⎩ x j ≥ 0. 2. Giải bài toán Lập kế hoạch sản xuất trong ví dụ mở đầu: f(x) = 4x1 + 5x2 Æ max + x2 ⎧2 x1 ⎪x + 2 x2 ⎪ 1 ⎨ x2 ⎪ ⎪⎩ x j ≥ 0 .500) Ví dụ 4-3. j = 1. ta có ∆k ≥ 0 với ∀ k = 1.4 A1 4. Ví dụ ∆’1= -0.3) 0 -0.5 (-0.. Vậy giá trị tối ưu của hàm mục tiêu là f(x*) = 3. j = 1. 0. 0.8 A4 3.4. 0.000.1 0 0.2 -0. và patu là x* = (4.1 0.000 1 2 4 [8] 1 0 0 0 A6 12. 0.NCT-FIT-HNUE Computional methods and Optimization Problems 0 .7 nên theo định lý về “Dấu hiệu tối ưu” thì x = (4.1 0 0 0. c2 c3 c4 c5 c6 c7 c1 Cơ sở Phương 0.1 Tại bảng đơn hình lần lặp thứ 3.000 1/8 1/4 1/2 1 1/8 0 0 0 A6 12.500 6 0 3 1 0 0 1 f(x) = 0 -0.. 2.000 3 5 1 0 0 1 0 0 A7 26.5 = 8 + x4 = 7 + x5 93 = 3 .

Có thể giải trực tiếp bằng phương pháp Crame.Giải hệ Ax0 = b để tìm pacb ban đầu. và patu là x* = (3. 4. 94 . hơn nữa các vectơ cơ sở là các vectơ đơn vị. 2. Khi đó pacb x0 tìm được ngay vì xj0 = bi. . Tìm phương án cực biên ban đầu 4. Nhận xét Bài toán QHTT đã giới thiệu ở trên thực hiện thuật toán đơn hình với các điều kiện sau: .. 0..5 nên x = (3.pacb ban đầu tìm được ngay nếu cơ sở không suy biến. . 2). .Phải ở dạng chính tắc với b > 0. ta có ∆k ≥ 0 với ∀ k = 1. Khi đó ta có hai cách .NCT-FIT-HNUE I II III IV Computional methods and Optimization Problems Phương án c1 4 A1 c2 5 A2 c3 0 A3 c4 0 A4 c5 0 A7 A3 8 2 1 1 0 0 0 A4 7 1 2 0 1 0 0 A5 3 0 [1] 0 0 1 f(x) = 0 -4 (-5) 0 0 0 0 A3 5 2 0 1 0 -1 0 A4 1 [1] 0 0 1 -2 5 A2 3 0 1 0 0 1 f(x)= 15 (-4) 0 0 0 1 0 A3 3 0 0 1 -2 [3] 4 A1 1 1 0 0 1 -2 5 A2 3 0 1 0 0 1 f(x) = 19 0 0 0 4 (-3) 0 A5 1 0 0 1/3 -2/3 1 4 A1 3 1 0 2/3 -1/3 0 5 A2 2 0 1 -1/3 2 0 f(x) = 22 0 0 1 2 0 Hệ số Cơ sở cj Aj. 0. 1) là patu.j∈J 0 Tại bảng đơn hình lần lặp thứ 4.1. Vậy giá trị tối ưu của hàm mục tiêu là f(x*) = 22..Ở bước đầu tiên của thuật toán phải có ngay một pacb. Như vậy bài toán QHTT dạng chính tắc có thể không giải được ngay ngay cả khi cơ sở của nó không suy biến nhưng các vectơ cơ sở không là các vectơ đơn vị.Nếu ở dạng chuẩn thì đưa được về dạng chính tắc bằng cách thêm biến phụ.

trong đó : .Ràng buộc n ∑a j =1 i. m vaf x0j =0 với ∀ j ≠ i.15x5 Æ max 95 .2. 3 (≠ i = 2). Nói cách khác vectơ cột Ak của A là vectơ cơ sở thứ i của cơ sở.NCT-FIT-HNUE Computional methods and Optimization Problems .k = 0 với ∀j ≠ i. Xét Bài toán P sau đây : f(x) = x1 + 6x2 + 3x4 . Định nghĩa ràng buộc chuẩn Xét bài toán QHTT dạng chính tắc . các thành phần còn lại tất nhiên bằng 0.Thêm biến giả để có một cơ sở gồm các vectơ đơn vị. tức là Ak = A3 là vec tơ cơ sở thứ hai có ai. vectơ Ak này có thành phần thứ i bằng 1.2 x1 + x2 + 5x3 + x4 . .5 = 1.j = 0 với ∀j = 1.k = a1. 4. tức là Ak = A5 là vec tơ cơ sở thứ nhất có ai. Ví dụ 1-4. Ví dụ 2-4. Khi đó biến xk được gọi là biến chuẩn của điều kiện i. Xét Bài toán f(x) = 0.3 (≠ i = 1). . m được gọi là ràng buộc chuẩn (của điều kiện i) nếu: (i) bi ≥ 0 (nếu bi < 0 ta nhân hai vế với -1) (ii) Tìm được biến xk(i) (viết k(i) để nói rằng dòng k tìm phụ thuộc vào i) sao cho ai.x5 Æ max 3 x2 ⎧ ⎪ x3 ⎪ D:⎨ + x2 ⎪ x1 ⎪⎩ x j ≥ 0. j = 1. . (3) đều là ràng buộc chuẩn. A1} gồm các vectơ đơn vị. Nói một cách đơn giản : ràng buộc chuẩn là ràng buộc tương ứng với một vectơ cột Ak là vectơ đơn vị để có thể đưa vào cơ sở. còn lại ai.Bài toán QHTT dạng chính tắc mà mọi ràng buộc đều chuẩn thì gọi là bài toán QHTT (chính tắc) chuẩn.k = a2.Ràng buộc (3) có biến chuẩn là xk(i) = x1(3) của điều kiện i = 3.2. 1}. A3. i = 1. còn lại ai.5 + 2 x4 + x5 = 15 (1) + x4 = 30 (2) + 3 x4 = 20 (3) ⎡0 A = ⎢⎢0 ⎢⎣1 A1 3 0 2 1⎤ 0 1 1 0⎥⎥ 1 0 3 0⎥⎦ A2 A3 A4 A5 Ta có J = {5.j = 0 với ∀j = 2. do đó các ràng buộc (1).3 = 1.Ràng buộc (1) có biến chuẩn là xk(i) = x5(1) của điều kiện i = 1.Ràng buộc (2) có biến chuẩn là xk(i) = x3(2) của điều kiện i = 2. nói cách khác cơ sở là {A5. ta có ngay pacb ban đầu x0 mà x0k(i) = bi ∀i = 1.k = a1. Đối với bài toán chuẩn. 2 (≠ i = 3). còn lại ai.k = 1. j x j = bi . aj.2. 3.3 = 1. (2).j = 0 với ∀j = 1. tức là Ak = A1 là vec tơ cơ sở thứ ba có ai.

A7. k ∈ I 2 I2 là tập các ràng buộc không chuẩn j = 1. còn lại ai.NCT-FIT-HNUE Computional methods and Optimization Problems − x3 ⎧ ⎪ − 7 x3 x2 ⎪ D:⎨ + x2 + 2 x3 ⎪ x1 ⎪⎩ x j ≥ 0. 0.5 ⎡0 A = ⎢⎢0 ⎢⎣1 A1 − 3 x4 − 5 x4 + x6 + 2 x5 + x7 = 0 (1) = 5 ( 2) + 4 x4 + x5 = 2 (3) 0 − 1 − 3 0 1 0⎤ 1 -7 − 5 2 0 1⎥⎥ 1 2 4 1 0 0 ⎥⎦ A2 A3 A4 A5 A6 A7 Khi đó ta có J = {6.<M. Bài toán P2 cùng với số M lớn bao nhiêu tùy ý này được gọi là “bài toán M”. tức là Ak = A1 là vec tơ cơ sở thứ ba có ai.Mx6 . M).k = a3. A1} là cơ sở gồm các vectơ đơn vị với các ràng buộc đều là chuẩn và có ngay pacb ban đầu là x0 = (2.3. j x j ⎪ j =1 ⎪ x j ≥ 0. j = 1. Phương pháp phạt hay phương pháp bài toán M Bài toán P : Một cách tổng quát. x> Æ max ⎧n ⎪∑ ai . ⎪ ⎩ = bi . n Ví dụ : Bài toán P trong Ví dụ 2-4. Vấn đề đặt ra là bài toán P2 có tương đương với bài toán P không và giải bài toán P2 này như thế nào? 4.1 = 1. x> Æ max (M là số dương lớn tùy ý) 96 .Mx7Æ max (M lớn bao nhiêu tùy ý) − x3 ⎧ ⎪ x2 − 7 x3 ⎪ D:⎨ + x2 + 2 x3 ⎪ x1 ⎪⎩ x j ≥ 0. Bài toán M: Bài toán sau đây được gọi là bài toán phạt (hay bài toán M) của bài toán P : f(x) = <c. Để tất cả các ràng buộc đều là chuẩn thì bài toán P cần thêm 2 biến giả nữa để có bài toán sau đây : Bài toán P2: f(x) = x1 + 6x2 + 3x4 . x> . 1} hay {A6.15x5 . bài toán QHTT chính tắc P có thể viết dưới dạng f(x) = <c.2 (≠ i = 3). 0. j = 1. 7.5 − 3 x4 = 0 (1) − 5 x4 + 2 x5 = 5 ( 2) + 4 x4 + x5 = 2 (3) ⎡0 A = ⎢⎢0 ⎢⎣1 A1 0 − 1 − 3 0⎤ 1 -7 − 5 2⎥⎥ 1 2 4 1 ⎥⎦ A2 A3 A4 A5 Ta thấy chỉ có ràng buộc (3) là ràng buộc chuẩn với biến chuẩn là xk(i) = x1(3) của điều kiện i = 3.2 có I1 = {3}. M. 0. j x j ⎪ jn=1 ⎪ D : ⎨∑ ak . đủ để tạo thành một cơ sở có hạng bằng m. Bài toán P2 khi thêm biến giả không phải là để khử các dấu bất đẳng thức trong các ràng buộc mà là để sinh thêm các vectơ đơn vị.j = 0 với ∀j = 1. I2 = {1. 2}. i ∈ I1 I1 là tập các ràng buộc chuẩn = bk .

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

0. 7 nên thu được patu là (4. Ví dụ 2-4. A6. 2. A3} với pacb ban đầu là x0 = (0. tập các ràng buộc chuẩn tương ứng với các điều kiện i = 2 và i = 3. 8. 0. j = 1. 3}. Biến giả x7 = 0. do đó bài toán P đã cho có patu là x* = (4. 0) với giá trị tối ưu của hàm mục tiêu là f(x*) = 4. 6) c2 c3 c4 c1 Cơ sở Phương Hệ -1 1 1 0 án số A A A A 1 2 3 4 Aj. Khi đó ta có bài toán phạt của bài toán P sau đây: Bài toán M: f(x) = <c. 8. 0 .6 − x4 = 6 − x4 + x5 + x6 − 2 x4 + 2 x5 (1) = 10 (2) = 4 (3) Ta có I1 ={2.3 Giải bài toán P sau đây : f(x) = <c.NCT-FIT-HNUE Computional methods and Optimization Problems − x2 ⎧2 x1 ⎪3 x ⎪ 1 D:⎨ x3 ⎪ ⎪⎩ x j ≥ 0. 10. 0. 0.j∈J cj I III c5 0 A6 -M A7 6 [2] -1 0 -1 0 0 0 A6 10 3 0 0 -1 1 1 1 A3 4 0 0 1 -2 2 0 (-2M) M 0 M 0 0 1 -1 0 -2 0 0 f(x) = II c5 2 A5 -1 A1 3 1 -1/2 0 -1/2 0 0 0 A6 1 0 3/2 0 [1/2] 1 1 1 A3 4 0 0 1 -2 2 0 f(x)= 1 0 -1/2 0 (-3/2) 0 0 -1 A1 4 1 1 0 0 1 1 0 A4 2 0 3 0 1 2 2 1 A3 8 0 6 1 0 6 4 f(x) = 4 0 4 0 0 3 3 c5 -M A7 Bài toán M tại lần lặp thứ 3 có ∆k ≥ 0 với ∀ k = 1. 2.7 x3 − x4 − x4 + x5 − 2x4 + 2 x5 + x7 = 6 (1) = 10 (2) + x6 = 4 (3) Cơ sở ban đầu là J = {A7. x> = 2x1 + x2 .…. x> = -x1 + x2 + x3 -2x5 -Mx7 Æ max (M lớn tùy ý) − x2 ⎧2 x1 ⎪3x ⎪ 1 D:⎨ ⎪ ⎪⎩ x j ≥ 0.x3 -x4 Æ max 98 . 4. Để có ràng buộc chuẩn với điều kiện i = 1. 0. ta cần thêm một biến giả x7 ở ràng buộc (1).0). j = 1. 0.

0.M -5.M (-11M/3) 0. x> = 2x1 + x2 . 0. 6.M) 8. A6.M (-5.4 − x4 = 2 (1) + x4 = 6 ( 2) + x4 = 7 (3) Bài toán P đã cho không có ràng buộc nào chuẩn. Pacb ban đầu là (0. 0.M 0.x3 -x4 -Mx5 -Mx6 -Mx7 Æ max (M lơn tùy ý) − x2 + 2 x3 ⎧ x1 ⎪2 x + x2 − 3 x3 ⎪ 1 D:⎨ + x2 + x3 ⎪ x1 ⎪⎩ x j ≥ 0.NCT-FIT-HNUE Computional methods and Optimization Problems − x2 + 2 x3 ⎧ x1 ⎪2 x + x2 − 3 x3 ⎪ 1 D:⎨ + x2 + x3 ⎪ x1 ⎪⎩ x j ≥ 0. 7) c2 c3 c1 Cơ sở Phương Hệ 2 1 -1 án số cj A A A 1 2 3 Aj.4 − x4 + x5 + x4 + x6 + x4 + x7 = 2 (1) = 6 ( 2) = 7 (3) Cơ sở ban đầu là {A5.M 0 0 -2/3 2 f(x) = IV c5 -M A6 A5 f(x)= III c5 -M A5 -M f(x) = II c4 -1 A4 2 A1 3 1 0 0 0 1 A2 3 0 1 0 1 -1 A3 1 0 0 1 0 f(x) = 8 0 0 0 2 99 . j = 1.M 0 -3 +5 -1 2 A1 8/3 1 0 -1/3 0 1 A2 2/3 0 1 -7/3 1 -M A7 11/3 0 0 [11/3] 0 0. 2. j = 1.M -M -2 -1 1 1 2 A1 2 1 -1 2 -1 -M A6 2 0 [3] -7 3 -M A7 5 0 2 -1 2 0. Ta chuyển về Bài toán M: f(x) = <c. A7).j∈J I c5 -M A7 2 [1] -1 2 -1 1 0 0 -M A6 6 2 1 -3 1 0 1 0 -M A7 7 1 1 1 1 0 0 1 (-4M) -M 0.

2.2.NCT-FIT-HNUE Computional methods and Optimization Problems Bài toán M tại lần lặp thứ 4 có ∆k ≥ 0 với ∀ k = 1. x1 + 3x2 + x3 → Min ⎧ x1 + x2 + x3 ≥ 5 ⎪ − x 2 − 2 x 3 = −8 ⎪ ⎨ ⎪ x1 + 2 x2 + x3 ≤ 10 ⎪⎩ x j ≥ 0.. 1.. 0 ..2.0). j = 1.4 100 . 3. 2 x1 + x2 − x3 + x4 + 3 x5 → Max ⎧ − 3 x1 + 2 x2 + x3 + x4 + 2 x5 = 14 ⎪ − 2 x + 6 x − 3x + x5 ≤ 18 ⎪ 1 2 3 ⎨ − x5 = −16 ⎪− 2 x1 + x2 − 2 x3 ⎪⎩ x j ≥ 0. 4.2.. 0..3. 0) với giá trị tối ưu của hàm mục tiêu là f(x*) = 8. Các biến giả x5 = x6 = x7 = 0... 3. 0. 0. 2 x1 + x2 + 3 x3 − 4 x4 + 3 x5 − x6 → Min − x3 + x 4 +2 x5 − 3 x6 = 45 ⎧ 3 x1 ⎪− 2 x + x +2 x − x − x + 2 x = 8 ⎪ 1 2 3 4 5 6 ⎨ − 3 x3 − 2 x4 + x5 = 20 ⎪ x1 ⎪⎩ xj ≥ 0 j = 1. do đó bài toán P đã cho có patu là x* = (3.5. 7 nên thu được patu là (3. 1. x1 + x2 + 3 x3 + 2 x4 → Max ⎧ x1 + 2 x2 + x 3 +2 x4 ≤ 10 ⎪ 2 x + x +3 x + 4 x = 9 ⎪ 1 2 3 4 ⎨ ⎪ x1 + 2 x2 + 2 x3 + x4 ≥ 8 ⎪⎩ x j ≥ 0 j = 1. BÀI TẬP Giải các bài toán tối ưu sau đây: 1. j = 1.. 3.3.….6 2.

Sign up to vote on this title
UsefulNot useful